基于三维激光点云数据的冷却塔倾斜监测研究

李志刚，姜颜笑，阎跃观，李 军

(中国矿业大学(北京) 地球科学与测绘工程学院，北京 100083)

近年来，三维激光扫描技术飞速发展，所获得的点云数据具有空间三维化、数据量大、密度高、数据信息含有被扫描物体的光学特征[1]等特点，其应用领域也越来越广。姚艳丽等[2]结合实验将灰色模型应用于三维坐标位移的预测中。赵阳等[3]阐述了地面三维激光扫描技术在测速效率、三维建模、模型化精度等方面具有较大的优势。刘希林等[4]将三维激光扫描技术应用于水土保持和生态建设方面。周华伟等[5]通过建立古建筑数据库，设计基于地理信息系统的古建筑数字保护系统，结果表明，三维激光扫描结合GIS技术用于古建筑数字化保护具有重要意义。赵淳等[6]基于三维激光扫描数据建立三维模型，根据模型提取差异化防雷评估所需参数，进而进行防雷性能评估，并证明其有效性。虽然复杂环境下地面三维激光扫描技术还存在一定的局限性，但随着该技术的不断成熟，其已成为空间数据获取的重要技术手段。基于其所得数据，三维建模的应用亦愈发广泛，其中栾悉道等[7]针对基于图像建模与绘制(IBMR)系统进行建模，并对其进行纹理映射和贴图，该方法具有无需任何拓扑信息的支持就可以简化各阶段的处理与显示的优点，但是没有避免数据的缺失。管西鹏等[8]运用Delaunay三角剖分算法对树叶进行三维建模，但是需要通过拓扑关系，减少畸形三角单元的生成，确保整个三角网格质量达到最优。而罗寒等[9]针对复杂环境，开发出融合激光扫描和多视图影像的模型重建技术。

以上基于三维激光扫描技术的应用还处在探索与飞速发展阶段中，对于三维激光扫描数据应用在冷却塔倾斜监测方面的研究比较薄弱，而基于传统测量手段进行的冷却塔倾斜监测工作量大而且不易操作。在此之前，谢雄耀等[10]针对隧道全断面分析进行三维激光扫描并建模，对圆柱面进行拟合，从而提取中轴线，但是这种方法只适用于圆形较小的隧道，而且不适用于拟合残差的情况。蔡来良[11]等人通过点云平面拟合进行三维激光扫描技术的变形监测研究能满足常规数据较高精度处理的要求，但方法过于复杂。基于此提出特征线拟合法进行冷却塔倾斜监测，该方法较传统测量以及其他方法的优点在于操作简便、处理快、精度高、可有效提高工作效率减少成本。通过对点云数据的采集、拼接与降噪处理，再运用AutoCAD和Matlab提取中轴线。在完成数据预处理后，运用AutoCAD和Matlab提取中轴线，最后通过中轴线的直线方程即可进一步计算出冷却塔的倾斜量。

1 地面三维激光扫描技术

图1 三维激光扫描仪坐标计算示意图

每一个扫描云点的测量都是基于三角测量原理进行的,并且根据激光扫描的传感驱动进行三维方向的自动步进测量[12]，三角测量原理则是通过仪器的激光发射器向被扫描物体发射电磁波信号，同时接收被扫描物体反射回来的电磁波信号，利用信号发射与接收的时间差计算得到仪器(坐标原点)到扫描点之间的景深距离(OP=S),如图1所示。进而通过激光发射器和CCD基于角度和景深距离得到Xp,Yp,Zp坐标(见式1)，X轴为横向扫描方向，Z轴为纵向扫描方向，Y轴与X轴、Z轴所构成的平面垂直。

(1)

2 发电厂冷却塔扫描数据采集与处理

2.1 数据采集仪器

此次数据采集使用的是Riegl VZ-4000型三维激光扫描系统，由扫描仪、电源、PC机等组成。激光光束由发射器发出后经过震镜的折射，伴随着扫描头的水平转动，采集水平360°竖直60°的立体式点云数据，采集数据范围在数据采集前进行参数设置，具体参数见表1。

2.2 扫描方案设计

设计扫描方案时，先熟悉电厂周围环境，进行实地勘察，预先设计站点。该电厂冷却塔周围除左侧有密集的植被而不易加设测站外，其余地方均有空地便于布站，故而整体布站较为简单。对于三维激光扫描技术，在设站时应考虑到以下几个方面：

1)每一站是否容易拼接，站与站之间的数据需要有同名点以便进行手动拼接；

2)电厂前遮挡物是否过多以致于造成数据缺失，从而影响到后期数据拼接工作；

3)现场采集时应尽量避免点云数据的噪声。

基于以上3点，本文设计6个站点进行数据采集，由于此发电厂冷却塔的左侧建筑物和部分树木遮挡严重，因而无法加设一站(见图2)，因此会导致此处的数据密度相对其他部位较小。但由于点云数据是均匀分布的，因此数据密度小仅相当于将此部分数据被均匀抽稀，后续还有将其他部分数据抽稀以减少数据量便于数据处理的操作，故而该处数据密度小对中轴线的提取影响不大。

图2 布设站点图

2.3 点云数据处理

将所采集的6个测站的500万点云数据通过RiSCAN PRO进行匹配并拼接到同一个坐标系下。对拼接完成的数据继续进行后续处理，去除多余数据，此时得到一个完整的冷却塔数据集，此时大约有100万点。处理后的数据量非常大，因此还要对其进行重采样，以减少数据量。重采样减少数据量是使该部分数据均匀减少，整体数据框架未发生改变，仅是数据密度减小，相当于将数据均匀抽稀，这对之后运用最小二乘拟合提取中轴线以及计算倾斜量影响不大，可以加快数据处理速度。具体步骤如图3所示。

2.3.1 点云数据拼接

三维激光扫描仪在采集数据时从不同测站点获取数据，从而拼接形成一个整体，但从不同的测站点获取点云数据其测站点的坐标系统并不统一，故在此基础上，还需要将不同测站点数据拼接起来使之处于一个坐标系下，得到一个整体的冷却塔数据集。

点云配准拼接可分为有控制点配准和标靶配准[13]以及同名点(无控制点)配准等。本文使用同名点配准，拼接步骤分为粗拼和精确拼接，精确拼接的算法有多种，其中较经典的为Besl等[14]提出最近邻迭代配准(iterative closest point, ICP)算法，本文采用的便是通过RiSCAN PRO基于ICP算法进行控制点拼接。拼接时要先对其进行粗配准，再对其进行精配准。即先是采用同名控制点的手动点云拼接，再对其进行运用ICP算法进行精确配准。拼接结果如图4所示。

图4 数据拼接图

2.3.2 点云数据压缩

三维激光扫描仪可以采集到大量的数据，会给后期处理造成很大的困难，应用前先将数据进行压缩处理以减少数据量。而多余扫描数据以及噪声便是主要的数据压缩对象，即去除不必要的扫描数据和噪声。多余的扫描数据是不需要的数据，与被研究对象在空间无联系，在除噪前直接删除即可。因此噪声是本文的主要处理对象，产生噪声的主要原因有3种：

1)扫描时仪器本身的系统误差，主要有角度扫描误差与距离测量误差。

2)在扫描过程中因为一些偶然因素产生的噪声，可能产生于扫描时构筑物前有行人、车辆等的往来通过。这些噪声点容易分辨，可以手动删除。

3)由扫描构筑物自身原因而产生的噪声。

点云的噪声点会对后期的曲面拟合和网格建模等工作带来困难。有统计结果表明，在获取的点云数据中，有0.1%～5%的噪声点要予以剔除[15]。

据此先在Riscan Pro中进行除噪处理，常见的去噪方法有：观察法、有序点云去噪方法(曲线检查法、弦高差法、滤波法等[16])和点到平面距离的散乱点云压缩算法[17]等。删除电厂以外的点，包括植被以及其他不相关建筑物。

数据压缩是建模前期工作中的重要步骤，数据量压缩的合格与否直接关系到后期提取中轴线的难易程度，将每个站点的数据进行重采样，并统一坐标系，得到缩减数据后的数据拼接结果，该结果与未压缩前仅仅是数据量减少，其它方面如冷却塔形状以及其细节方面均保持一致。在重采样过程中，有时由于所设阈值过小而导致重采样后的数据容易出现空洞，使数据显示不完全，因此需要反复调整，直到数据量与模型完整度相契合，达到最好的效果。数据重采样之后可以就选择对象与从对话下拉列表内选择的对象之间设置显示数据的偏差，生成三维色码映射图，以便于后期调整，保证精度。误差分布如图5所示。

图5 误差分布

3 中轴线提取及倾斜计算

通过三维激光扫描技术，获得的扫描数据量很大，分布密集，缩减后仍有将近几十万个点，从中均匀提取一部分点作为特征点继而拟合出横断面特征线。本文分别将数据压缩至50万点和20万点，分别选取其大概1/10的点进行横断面以及中轴线提取，用以对比说明数据简化对最终结果的影响。

关于横断面特征线的提取，马娟[18]提出直接提取法与点云数据拟合法，王方建等[19]采取了Rigion Growing和RANSAC两种有效的面片分割算法，对建筑物进行建模。而本文选取的模型具有上下部较粗，中间部分较细的特点，因此选择在AutoCAD中提取横断面特征线。以20万点为例，已知点云数据坐标，通过选择间隔近似相等的z值的点，一个z值近似相等(由于扫描所得点云数据是分散的点，因此不会有大量z值完全相等的点)的点提取1 000个，z值相等的点通过最小二乘法拟合出z值所横切冷却塔的圆，这时可以得到11个圆(取11个z值)，将得到的特征线放到AutoCAD中，如图6所示。

图6 横断面特征线

对所选特征点利用Matlab对其进行中心线拟合，拟合出上述11个圆的圆心，再基于最小二乘原理拟合直线：选择使“偏差平方和最小”的原则来保证每个偏差的绝对值都足够小，从而得到最佳拟合直线。

y=φ(x).

(2)

用解析表达式逼近离散函数，得到最终的中轴线。上述理论采取在Matlab中写代码的方法，得到模型的中轴线，如图7所示。图中坐标系为相对坐标系。

图7 中轴线提取(正视图)

通过对50万点数据和20万点数据分别提取横断面以及中轴线，并计算所提取的对应圆的半径(见表2)，通过对比可知：50万点和20万点得到的对应圆半径相对误差在2 mm以内，据此最终计算得到的结果基本一致，误差可以忽略不计，但50万点的数据处理速度要比20万点的数据处理速度慢得多，因此，采用简化后的20万点足以满足需求。

表2 50万点与20万点所得半径对比 m

得到中轴线后，通过求直线与地面铅垂线的夹角正切值的方式得到冷却塔的倾斜量i，从而判断其是否安全。在采集数据时，每一站采集时其z坐标轴均为地面铅垂线方向，故最后由控制点推算得到的各个点的坐标其坐标系统的z轴是地面铅垂线。本文通过一种简单的方法来求倾斜量i，即在得到的中轴线上任选两个点A(x1,y1,z1)和B(x2,y2,z2)，通过算式

(3)

求得冷却塔倾斜i=4.5‰，该倾斜程度不影响从进风口中进入冷却塔中的空气向上流动，满足建筑安全生产标准。

4 结束语

以发电厂冷却塔为研究对象，设计基于三维激光扫描技术的变形监测方案，通过数据处理得到该冷却塔的三维激光点云数据模型及误差分布图。根据点云数据模型，运用AutoCAD和Matlab提取倾斜后该冷却塔的中轴线，并计算得出塔的倾斜量为4.5‰，满足生产安全标准。本文的研究受到所用算法的迭代次数的限制，如何改进算法使得最终结果更加接近真实值，需对算法的稳定性、运算效率等进行进一步的研究。