数码摄影测量及三维建模在岩体结构面粗糙度教学中的应用

王章琼，白俊龙，张 明

（武汉工程大学 土木工程与建筑学院 岩土工程研究所，湖北 武汉 430073）

结构面是岩体中发育的不连续面，使岩体表现出非连续性、各向异性和非均质性等特征[1]，导致岩体力学性质极为复杂。结构面工程性质是工程地质、水文地质、岩体力学等课程中的重点和难点内容[2]。过去很长一段时间，受技术条件的限制，人们研究结构面粗糙度时主要采用二维曲线表示，即结构面纵剖面的轮廓线[3-4]。但结构面粗糙度属三维范畴，仅采用一条曲线来表征显然不够严谨。传统教材对结构面各向异性特征描述较少，缺少真实三维图像，难以帮助学生建立起粗糙度空间概念。随着三维激光扫描[5-6]、3D打印[7-8]、3D 雕刻[9-10]等技术的出现，使得快速获取结构面表观形貌信息并进行三维重建成为可能。然而，上述3D 技术所需的配套设备价格昂贵，目前普及率不高。

相比之下，基于普通数码相机的近景摄影测量技术[11-13]，具有操作方便、设备简单、成本低等显著优点，应用前景广泛。本文采用数码近景倾斜摄影测量技术，建立结构面表面形貌三维实景模型，并利用点云数据获取不同方位的结构面粗糙度曲线，直观展示结构面起伏及粗糙度各向异性特征。

1 基于数码倾斜摄影测量的三维建模

1.1 倾斜摄影测量技术简介

传统摄影测量多采用单一视角，获得正射影像数据，而倾斜摄影测量技术则突破了上述局限性，通过从不同角度进行拍摄，快速高效地采集三维空间数据，从而实现三维建模[14]。近年来，倾斜摄影测量技术凭借高效、便捷、高精度等显著优点，在城建、交通、水利、地矿等领域得到广泛应用[15]。

倾斜摄影测量的基本原理是：通过单次多镜头或多次单镜头，同时拍摄一组正射、4 组倾斜的5 个不同角度相片。拍摄相片时，记录拍摄高度、平面坐标，并确保相邻相片之间有一定重合度。最后，在专业后处理软件中进行数据融合并生成三维表面模型[16-17]。

1.2 图像采集

采集图像可直接采用数码相机或配备有数码相机的手机进行拍摄。为获得高精度的相片，在条件允许的情况下尽量选用像素高的相机。拍摄距离和角度也会影响到成像精度，对于有一定高度的物体，可从高度上分层次拍摄，由远至近分3 个距离拍摄为宜；物体同一部分不同拍摄点的间隔应小于15°。为确保融合之后的模型无空洞，相邻图片之间重叠部分不宜小于60%。

本次选取发育情况较好的结构面露头（50 cm×50 cm），采用手机摄像头进行多角度拍摄，共获得36张相片，其中正射图像4 张，倾斜摄影图像32 张。拍摄位置如图1 所示。

图1 拍摄点与目标对象位置关系示意图

1.3 三维建模

三维建模采用Context Capture 软件[18]，该软件以一组对静态建模主体从不同角度拍摄的数码照片实景建模，无需人工干预，通过影像自动生成高分辨率的三维模型。其优点有：（1）真实性。具有足够的细节和精确的地理位置信息，这为后期应用提供了足够的技术细节。（2）数据量小。提供的模型数据量约为同类系统的1/4，大大提高应用效率。（3）兼容性强。无论是输入或输出，都支持多种数据格式。

建模具体流程如下：首先，将拍摄的36 张相片导入Context Capture 软件中；经过空三（空中三角形测量）运算，确定各照片的空间位置；然后，经过三维重建生成结构面表面实景模型（图 2）。在Context Capture 软件中对实景模型进行旋转、平移、缩放等操作，可模拟真实场景中不同观察路线和位置对应的实际效果，即三维动态可视化展示。

图2 结构面三维实景模型

2 点云数据预处理

在Context Capture 软件中生成的结构面三维实景模型，包含了点云、色彩等数据信息。由于初步生成的三维模型往往存在一些多余信息（如模型中研究对象边界以外的部分），因此有必要对模型数据进行处理。

2.1 裁剪模型

裁剪模型是指删除研究区以外的多余部分，从而减少模型数据量，提高计算效率。具体操作方法：将三维实景模型导入Cloud Compare 软件中，选中结构面所在图层，调节模型角度，使研究区在同一视图中显示，使用ploygonal selection 选出用方形线框标记出的待研究区域，再使用Segment In 保留研究区。

2.2 简化点数据

针对Context Capture 软件建立的点云模型数据过密问题，在该软件中可采用随机、空间距离、八叉树简化点数据等方法来解决。具体操作方法：在subsample a point cloud 窗口有random、space、octree 3 种简化模型，选择random 对点数据进行简化。经过裁剪和简化后的点云如图3 所示。

图3 裁剪、简化后的结构面点云

3 结构面粗糙度的各向异性特征

结构面粗糙度各向异性，是指沿结构面不同方位进行剪切，所得抗剪强度参数的非一致性。描述结构面粗糙度的指标为粗糙度系数JRC，JRC 的取值是根据实际结构面粗糙度曲线与巴顿典型结构面曲线[13]的对比来确定。目前，结构面粗糙度各向异性通常采用不同剪切方向典型剖面线的JRC 值来表征。

为得到不同剪切方向的典型结构面曲线，从Cloud Compare 软件中导出模型的点云数据，生成TXT 格式文本。在MATLAB 软件中，利用点云数据生成结构面表面网格模型，每间隔30°设置一个剖面，共计12 个剖面（图4）。

图4 结构面表面及剪切方位示意图

提取剖面与结构面交线上的点数据，得到不同方位上的结构面粗糙度曲线。将该曲线与巴顿典型结构面进行对比，即可得到各曲线对应的JRC 值（图5）。可以看出，本文研究的结构面其JRC 值为1.1～4.2，且不同剪切方向的JRC 值差异明显。

图5 各方位剖面线及对应的JRC 值

为直观展示JRC 的各向异性特征，根据图5 结果，绘制JRC—剪切方向关系雷达图（图6）。

由图6 可知，90°、150°、330° 3 个方向JRC 值较大，为3.5～4.2；60°、180°、210° 3 个方向JRC 值较小，为1.1～1.9；其余方向JRC 值为2.2～2.8。

图6 结构面粗糙度随剪切方向变化雷达图

4 结语

倾斜摄影测量、实景模型三维重建等是近年来逐渐兴起的新技术，在诸多工程中得到广泛应用。笔者将上述技术应用于岩体力学课程中结构面粗糙度内容的教学中，取得了良好效果，这是科研成果应用于本科教学的有益尝试。

利用新技术开展三维可视化教学，通过倾斜摄影测量，实现了结构面三维实景模型的重建；采用点云建模及数据提取，得到不同剪切方向的结构面起伏曲线，并绘制成JRC 与方位角关系的雷达图，直观展示了结构面粗糙度各向异性特征。这使得过去只能用文字和二维图像来表达的内容变得更加真实、生动、形象，不仅有助于学生快速、深入理解，还可以激发学生的学习兴趣。

此外，基于手机数码摄像头倾斜摄影的三维建模技术，大大降低了三维建模的门槛和成本，同时提高了效率。上述新技术的运用，让学生深切体会到学科交叉、专业融合的必要性和广阔前景，以及新技术在解决专业问题时表现出的强大推动力，从而拓展学生的知识面，这对于培养学生创新思维、创新意识具有重要的现实意义。