基于贴近摄影测量技术的高陡危岩体结构面调查方法

姚富潭,吴明堂,董秀军,房云峰,陈建强,姚义振

(1.地质灾害防治与地质环境保护国家重点实验室(成都理工大学),成都 610059;2.浙江华东建设工程有限公司,杭州 310014)

岩体结构面是控制危岩体稳定性的最重要因素,使用罗盘和卷尺进行的传统接触式现场调查方式已广泛应用于岩体结构面的调查［1］。然而,通过手动接触法获得的岩体结构面数据通常不完整且效率低下,特别是在对高陡危岩体结构面进行测量时,还会对测量人员的人身安全造成重大威胁。因此,激光扫描技术和数字摄影测量等非接触式的测量方案已成为获取危岩体结构面信息的常用方法［2］。董秀军等［3］首次提出利用地面端的三维激光扫描仪对高陡边坡进行调查,并总结出一套高陡边坡岩体结构面调查的方法,利用三维激光扫描技术获取的三维点云识别并拟合岩体结构面获取其产状信息。宋杰等［4］则提出了基于地面激光扫描技术和模糊聚类分析方法对边坡岩体出露的结构面进行自动识别和统计分组,从而获得岩体优势结构面的几何空间信息和空间位置信息的方法。总而言之,对于利用三维激光扫描技术进行岩体结构面信息调查的方法已有许多研究,并且取得了十分良好的效果［5-7］。然而,由于三维激光扫描仪器架设的难度较高,且受观测角度、观测距离等因素的制约,在地形复杂的高陡山区往往难以利用该技术全面提取危岩体结构面信息［8］。

得益于近年来无人机的广泛使用,许多学者提出利用无人机倾斜摄影测量技术进行危岩体结构面调查的方法。李德仁等［9］首先提出倾斜影像自动空中三角测量的处理方法,并且重建了精细化的城市三维表面模型,为复杂立面的调查提供了新思路。李水清等［10］提出了基于无人机倾斜摄影测量技术的岩体结构面提取方法,利用三点法人工提取并统计岩体结构面产状。贾曙光等［11］对无人机摄影测量技术在危岩体结构面调查的应用方法进行了总结,并提出利用轻小型单镜头无人机高效采集岩体三维点云数据,基于最小二乘法的平面拟合算法准确提取结构面参数的方法。叶震等［12］提出基于无人机倾斜摄影测量技术在边坡岩体结构面调查中的应用方法,利用霍夫法向算法和 HSV算法构建可视化的三维岩体结构模型,并对模型进行球形K均值聚类来完成结构面分组提取,成功地提取了危岩体优势结构面信息。此外,还有学者提出利用近景摄影测量技术对岩体结构面特征进行分析和描述的方法［13］。综上所述,利用无人机倾斜摄影测量技术对岩体结构面产状进行调查的方法已取得了较好的成果。然而,在面对需要获取精细化的陡立结构面信息的情况时,倾斜摄影测量技术在精度上仍存在一定的不足,无法全方位获取陡立的、复杂的结构面信息。

针对精细化测量的需求,张祖勋等［14］提出了面向对象的贴近摄影测量技术(nap of the object photogrammetry)。该技术以“面”为摄影对象,利用旋翼无人机贴近摄影对象表面进行多角度拍摄,可以获取毫米级超高分辨率影像,高度还原了地表和物体的精细化结构。该技术已在城市建筑物精细化三维重建、地质灾害精细化调查与监测、文物古建筑精细化重建以及水利工程监测等多个行业进行了应用研究,并且取得了十分良好的效果［14］。因此,为解决山区高陡危岩体结构面信息精细化调查困难的问题,本文提出了一种基于贴近摄影测量技术的高陡危岩体结构面调查方法,以贴近摄影测量技术为基础,对如何利用多旋翼无人机对高陡危岩体进行多角度精细化贴近摄影的方法流程进行了研究;并利用毫米级的超高分辨率三维实景模型、三维空间点云等成果数据,通过DSE程序法［15］实现了岩体结构面产状信息的半自动提取;此外,还利用CloudCompare软件对结构面迹线、迹长信息进行了手动提取,结合三维实景模型对危岩体优势结构面空间发育关系进行分析,最终对危岩体稳定性进行快速的定性评价。

1 研究区概况

如图1所示,研究区位于云南省昆明市东川区金沙江右岸长地-象鼻岭岸段,距离白鹤滩水电站约83 km。两岸地形陡峭、地貌复杂,沟谷深切狭窄,断面呈“V”字形。冲沟呈树枝状发育,均为季节性冲沟,雨季流量较大。研究区地质构造发育明显,主要表现为断层、节理等,未见褶皱发育。出露基岩主要有晋宁期侵入岩(νβ2)及前震旦系通安组变质砂岩(Pt2t)。沿江公路从测区斜坡的中部穿过,由于研究区工程地质条件复杂,崩塌危岩体十分发育,严重威胁着沿江公路的安全。并且随着白鹤滩水电站库区的持续蓄水,沿江发育的部分危岩体可能会受水位变动的影响,稳定性降低,一旦发生崩塌,落石将对航运安全造成巨大威胁。

图1 研究区地理位置Fig.1 Geographical location of the study area

2 数据获取及处理技术与方法

2.1 贴近摄影测量技术

贴近摄影测量技术是一种利用旋翼无人机近距离贴近被摄物体表面进行摄影,获取物体超高清影像、精确坐标、精细形状的技术。如图2所示,相较于传统航空摄影测量方式,贴近摄影测量具有精细化、多角度摄影的优势。总结该技术主要特点如下：

图2 不同遥感数据源成像效果比较Fig.2 Comparison of imaging effects of different data sources

a.近距离摄影：可获取毫米级别的超高分辨率影像。

b.相机面向物体表面：相机角度可根据物体形状动态调整,要求摄影设备具备较高的灵活性。

c.需要获取已有地形信息：在进行智能贴近摄影前,需先通过常规摄影或者手控摄影的手段进行影像重建获取初始地形。贴近摄影测量主要依靠无人机高精度定位技术以及无人机云台姿态控制能力来实现。无人机的高精度定位通过自身集成的RTK系统来完成,大疆经纬M300 RTK多旋翼无人机在 RTK FIX 时,水平方向精度可达(10±1) mm,垂直方向精度可达(15±1) mm,能良好地满足定位精度需求。在对复杂岩体结构面进行贴近摄影时,理想状态下相机需对准结构面进行摄影,为达到良好效果,需要无人机具备良好的云台姿态控制能力,使相机角度能随着摄影面的变化而灵活转动,大疆经纬M300 RTK无人机具有极强的云台姿态控制能力,可出色完成数据获取。

贴近摄影测量的基本流程遵循“从粗到细”的原则。首先要通过常规飞行方式获取分辨率相对较低的影像,处理得到测区初始地形信息;下一步亦是最关键的一步,即以初始地形数据为基础,进行三维智能航线规划。如图3所示,在获取被摄对象初始地形信息后,将拍摄对象目标表面拟合为一个空间平面(Σ),平行于该空间平面距离(d)为5～50 m的位置拟合平面,即为飞行轨迹规划平面(Σ′)［16］。值得注意的是,在实际应用中,为保证数据获取的效率,飞行高度可根据精度需求进行调整,贴近摄影测量的概念并不局限于飞行高度［14］。

图3 航线规划原理示意图Fig.3 Schematic diagram of route planning principle

2.2 数据获取

此次研究数据获取将利用大疆经纬M300 RTK多旋翼无人机搭载大疆 Zenmuse-p1镜头完成。首先对面积约3 km2的研究区进行平均分辨率(简称“GSD”)为15 mm的常规飞行,获取测区粗地形数据;其次以粗地形数据为基础,圈定高陡危岩体范围并规划多视角智能航线,对危岩体进行智能贴近摄影;最后通过影像后处理软件Context Capture完成了精细化三维实景建模,并生成结构面提取所需的三维点云数据。此次研究贴近飞行面积约为0.15 km2,设计平均分辨率为5 mm,共获取2 459张原始照片。

2.2.1 设备参数

此次航测建模过程难度较大,实验借助大疆经纬 M300 RTK多旋翼无人机、DJI Zenmuse-p1镜头、大疆智图以及WayPoint Master智能规划航线软件等多种软硬件设备完成。飞行试验所用硬件设备参数如表1、表2所示。

表1 大疆经纬 M300 RTK无人机相关参数Table 1 Related parameters of DJI M300 RTK UAV

表2 Zenmuse-p1数字相机主要技术参数Table 2 Main technical parameters of Zenmuse-p1 digital camera

2.2.2 智能航线规划

本文使用WayPoint Master软件进行航线智能规划。如图4所示,该软件以已有地形为基础,根据危岩体结构面发育特点规划多角度智能航线,将智能航线导入飞控设备,自动完成对危岩体多角度贴近摄影。此次智能航线平均设计GSD为5 mm,航向重叠率为80%,侧向重叠率约为72%,飞行高度约为40 m。航线规划完成后,为确保拍摄安全及拍摄精度,要进行航线检查。借助大疆智图航点飞行功能,导入粗模和规划好的航线文件进行多视角校验,可准确再现航点位置,并依据设定好的偏航、俯仰角度,模拟航点位置锥体投射到模型上的效果,从而检查航线各个航点的安全性以及偏航、俯仰角度是否合理。为了达到最好的数据获取效果,一些贴近危岩体靠坡内的“凹陷”部分还需人工控制飞行拍摄,航线包含了软件规划自动飞行的智能航线和局部的“手飞航线”。

图4 多视角航摄示意图Fig.4 Schematic illustration of multi-view aerial photography

2.3 数据处理

本文采用Context Capture倾斜摄影后处理软件进行三维实景模型的构建。首先对影像进行质检,排除有缺陷的影像,确保用于三维重建的数据完整正确,处理得到高精度三维实景模型以及三维点云等数据。此外,还需对原始点云进行去噪、分类等处理,目的是获取真实岩体点云。已有的点云自动分类算法对高陡危岩体的处理效果较差,但由于高陡危岩体上植被较稀疏,植被点较少。因此点云分类建议采用手动分类的方式进行。如图5所示,图中绿色高亮部分为手动提取的植被点,右侧为植被点和岩石点云提取的剖面效果。

图5 陡峭地区植被和岩石点云模型Fig.5 Vegetation and rock point cloud models in steep areas

3 岩体结构面信息提取

本文将利用DSE程序法对危岩体结构面产状信息进行提取,该程序以主成分分析(PCA)与KNN聚类算法为主要结构。首先通过验证实验证明贴近摄影测量技术所获取的三维点云可以很好地满足岩体结构面产状信息半自动提取的需求,并且产状半自动提取的结果也满足了工程中的精度需求;最终再将此方法运用到研究区高陡危岩体结构面调查中,成功提取了危岩体结构面产状信息。

3.1 结构面产状提取原理

危岩体优势结构面的提取,首先要以KNN搜索函数和欧几里得距离算法为核心,搜索每个点的最近邻点,并将其作为候选点集。然后基于主成分分析法对每个点集进行共面性检测,检测每个点及与其相关的最近邻点是否共面。如果不是,则剔除该点集［17］。之后则要计算点集的法向量,基于最小二乘法原理拟合出点集的最佳平面。将计算所得法向量作为各点的属性,属性相同的点不断加入以确定该结构面的边界范围,最终确定结构面的位置和产状参数。最后对法向量极点进行统计,得到主极点后即可对数据进行聚类分析。将提取方法的主要步骤原理总结如下：

a.搜索最近邻点：对于三维点云中的任意原始点Pi,搜索其最邻近点构成点云集{P}={p1,p2,…,pi,…,pn}。以点云集可能形成的平面法向量作为原始点Pi的法向量(图6-A)。

图6 结构面识别与提取算法计算流程Fig.6 Structural plane recognition and extraction algorithm calculation flow

b.子集共面性检验：点云集{P}在计算其法向量前,需先确定其是否属于同一平面。基于PCA算法可以计算出点云集中各点的特征值(λ1、λ2、λ3)和对应的特征向量(V1、V2、V3)。如图6-C所示,判断一个点集是否共面,可由公式(1)定义的偏离参数进行判断：

(1)

计算点云集中每个点的偏差值ηi,定义一个阈值ηmax,即最大允许偏差。当所有点ηi<ηmax时,则可认为点云集P处于同一个平面内,一般ηmax取20%即可［17］。

c.平面法向量计算：在点云子集被认为是共面之后,则可拟合出最适合的平面方程及其法向量。标准的平面方程如公式(2)所示,A、B、C为平面系数,D为原点到平面的垂直距离。

Ax+By+Cz+D=0

(2)

在计算中利用最小二乘法拟合最佳平面参数,当{P}中各点到平面的距离的方差最小时,此时的平面为最佳拟合平面,向量n(A,B,C)即为平面的单位法向量。

d.结构面边界确定：至此已得到了识别结构面所需的平面子集。如图6-B所示,如果平面子集属于同一结构面,预计其单位法向量的方向应接近,则将平面子集合并成属于同一个结构面,并用PCA算法重新计算其法向量。

e.主极点统计及聚类分析：为了获取危岩体优势结构面信息,将每个平面的法向量转换为赤平投影,并通过核密度估计方法(KDE)得到每个区域的极点密度以及局部极大值。通常密度函数分析会显示出许多局部极大值,但只有少数是主极点,这是由于读数误差和曲面奇点的存在,这意味着极点的离散。在计算时可以通过设置圆锥滤波器、最大极点滤波器等参数,获得更清晰的法向量极点密度平面图。最后一步是对数据进行聚类分析,通过基于密度的聚类算法(DBSCAN)执行,该算法最适合处理高密度、均匀的点云。已知测量的非均匀密度将会对自动识别的结果产生一定的影响［15］。但得益于贴近摄影测量具有多角度数据获取的优势,可以充分获取复杂结构面的信息,因此本文假设点云的密度是均匀的。

f.结构面产状计算：至此,已得到结构面平面法向量及其标准平面方程,已知岩体结构面产状的测量只需知道该产状所在平面的法向量即可,假设该结构面平面方程为

Ax+By+Cz+D=0

其中A、B、C、D为方程参数,且A、B、C不同时为0,则其平面法向量为n(A,B,C),根据平面的一般式方程,通过选中的点云样本,构建偏差平方和方程,最终可推导出以下结构面产状量化计算公式：

(3)

(4)

以上结构面产状提取的所有原理及步骤均可通过DSE程序完成。点云自动聚类分析完成后,可将结果导入Cloud Compare软件中进行平面拟合,自动计算出产状信息。

3.2 方法验证实验

由于山区危岩体通常位于地形高陡、地貌复杂区域,研究人员无法到达现场。因此为了验证结构面提取方法的可靠性,本文选取了研究区内一处公路岩质边坡进行验证实验。验证实验流程如图7所示,首先采用相同软硬件设备对边坡进行贴近摄影获取平均分辨率为5 mm的影像数据,并采用相同影像后处理软件构建岩体三维空间点云。最终利用DSE程序法对岩体结构面产状进行提取,自动提取结果与罗盘仪实地测量结果对比结果如表3所示,倾向倾角的误差均在3°以内,可认为本研究方法对结构面产状的提取结果误差较小,满足工程中的精度需求,并将此方法应用于本研究所关注高陡危岩体中。

表3 罗盘和自动识别产状结果对比Table 3 Comparison of compasses and automatic identification of occurrence

图7 验证实验流程Fig.7 Validation experiment process

3.3 工程实际应用

本研究关注的高陡危岩体分布如图8-A所示。在进行结构面提取前首先要对危岩体区域进行裁剪,将非岩体出露区域进行剔除(图8-B),提取出岩体点云后即可开始进行结构面产状的自动提取。首先,进行最邻近搜索时,将共面性测试容差ηmax设置为20%。由于危岩体结构破碎且坡面又停积有较多岩块,影响因素较多,自动识别出了多个极点(图8-C)。因此,在计算其极点密度时,对平面极点密度进行滤波处理,将点云数据集法向量间的最小角度设置为20°,结果自动检测到6个优势结构面点集,分别为J1、J2、J3、J4、J5、J6(表4)。得到主极点信息后,使用DBSCAN算法对点云进行聚类分析,为了获得良好的聚类可视化,将每个聚类的最大点数(ppc)设置为200,将较小的簇过滤,保留较大的结构面点集(图8-D)。每一个结构面点集都对应一个平面方程式,可将每一个平面点集都拟合成单个平面,并获取其产状。由主极点统计结果可知,从数量上来说,J2、J3组结构面占比最高,其余依次为J4、J1、J5、J6。由于该危岩体十分破碎,坡面岩石碎块较多,对结果有产生一定的影响。利用精细化三维实景模型对识别结果进行验证分析发现,J2、J3主要位于危岩体表面,但在岩体表面可以识别出多条平行于J2、J3结构面的岩体裂隙,因此认为J2、J3可以正确地表征危岩体结构面。J1、J4、J6尽管数量上占比相对较少,但结构面发育特征十分明显,同组结构面相互平行,各组结构面共同将危岩体切割成块状。而J5经复核查证后,认为其多是受坡面上较大的岩块表面所影响而得到的结果,因此将其人工排除。结合三维实景模型,采用人机交互的方式,对结果进行了可视化分析后,最终认为J1、J2、J3、J4、J6取向可以成功地表征结构面(图9)。5组优势结构面产状分别为J1：106.40°∠45.73°;J2：357.69°∠61.57°;J3：40.01°∠75.71°;J4：305.91°∠80.89°;J6：225.01°∠33.73°。

表4 结构面点集聚类结果表Table 4 Classification of discontinuous sets

图8 高陡危岩体优势结构面提取过程Fig.8 Extraction process of dominant structural plane of high and steep dangerous rock mass

图9 岩体结构面提取结果Fig.9 Extraction results of rock mass discontinuities

3.4 结构面迹线提取

岩体结构面迹线是指在岩体结构面与露头面的交线,其长度称为迹长。结构面的形状和结构面的实际尺寸共同决定了迹长的大小。因此,迹长信息对于岩体稳定性评价也起着关键作用。传统的迹线测量方法为测线法,但该方法易受边坡植被、碎石和泥土遮挡等环境因素限制,人工方法能够测得全迹长的结构面较少,且尺寸较小。有学者认为,结构面测量得到的特征点解算出的所有可视结构面中可量测的最大长度,即结构面上采集的所有特征点中,两点之间距离最大值,其长度可以近似于等于迹线长度［18］。如图10-A所示,封闭线代表着岩体结构面的范围,而红色的线即代表着裂隙的迹线长度,其长度可近似等于结构面迹长。

图10 结构面迹线提取Fig.10 Extraction of discontinuity trace

因此,要想获得结构面迹长,首先要对结构面迹线进行提取。本研究利用开源软件CloudCompare对结构面迹线进行手动采集,此次研究共测得181个结构面信息,并解算得到其产状信息以及迹线信息,其中x1、y1、z1、x2、y2、z2代表着结构面迹线的端点坐标(表5)。根据提取的端点坐标信息,可以自主编写绘图程序,绘制出研究区结构面三维迹线图(图10-B)。结构面迹线的提取可以令结构面的发育情况更加直观,亦可为后期结构面间距、延续性、粗糙度等的研究提供一定的参考意义。

4 岩体稳定性评价

通过半自动识别得到了5组优势结构面产状信息,危岩体三维空间切割关系已基本查清。如图11-A所示,以岩块1为例,该岩块被J2、J3、J4、J6四组结构面共同切割成块状,受J6结构面的影响,危岩底部岩腔发育,基座临空。结合贴近摄影测量精细化三维实景模型对危岩体稳定性进行分析,认为当前对该危岩体稳定性其控制作用的结构面主要为J2及J3。危岩体剖面如图11-B所示,该岩块受4组结构面切割,J4与J6已基本贯通。由于J6结构面的发育,造成该危岩体基座临空,可看到岩体在重力作用下,已产生多条岩体裂隙(L1～L4)。如图11-C所示,岩体裂隙发育方向基本与J2、J3组结构面平行,岩体裂隙宽度大多为1 cm左右。受裂隙切割和下部岩腔的影响,危岩体高悬于陡崖上端和岩腔顶部。随着裂隙的不断加深加宽,特别是J3方向上的裂隙(L1与L4),一旦裂隙切割整个危岩体,岩体将脱离母体。在岩体自身重力的作用下,危岩体可能会发生坠落式破坏。因此,经快速综合分析,定性判定该岩体稳定性为不稳定状态。并且初步认为主控该危岩体稳定性的结构面应该为J2、J3。此分析仅针对岩块1,若从区域宏观角度上看,岩体发育多组结构面,空间切割关系复杂,具体危岩体岩块要具体分析,岩体稳定性实际上应是由多组结构面共同决定的。

图11 危岩体空间发育情况Fig.11 Spatial development of dangerous rock mass

5 结论与展望

本文提出了一种基于无人机贴近摄影测量的高陡危岩体结构面的快速、精细化的调查方法。经实验证明,此方法对结构面产状提取的效率较快、准确度较高,与罗盘实测结果相对比,倾向倾角的误差均在3°以内,提取结果可以良好地满足工程精度需求,可为高陡危岩体结构面的精细化调查以及高陡危岩体稳定性快速评价提供可靠的基础数据,具有良好的实际意义。此外,尽管贴近摄影测量技术仍处于初步探索的阶段,但其高精度、多角度数据获取的优势已得到众多试验研究证明。除了在危岩体结构面调查中可以发挥重大作用外,该技术还在城市建筑物精细三维重建、高山峡谷区地质灾害精细化调查与监测、文物古建筑精细化重建以及水利工程监测等多个行业上进行了应用研究,均取得了良好的效果［14］。可见随着无人机设备的升级,以及智能飞控软件的不断优化,贴近摄影测量技术未来在数据精度、数据获取效率等方面还将进一步得到提升,该技术具有巨大的发展前景。