无人机三维激光扫描技术在矿区岩移数据测量中的应用

汤立坤 TANG Li-kun

（内蒙古蒙东能源有限公司，呼伦贝尔 021100）

0 引言

为了有效控制因为矿区沉降所造成的生命财产损失，国内很多矿区在开采之前率先进行岩移监测评估[1]。随着各类复杂地质环境下的测绘技术发展，无人机三维激光扫描技术也逐渐开始应用在矿区测量领域[2]。无人机三维激光扫描技术结合了无人机与三维激光扫描技术，以无人机作为搭载平台，突破传统三维激光扫描技术在矿区测绘中应用的局限性，实现对矿区地表坐标数据与影像数据的快速获取，在矿区岩移数据测量领域可谓大有前景[3-5]。目前，国内学者在此方面的理论探究较少，尤其是无人机三维激光扫描技术在矿区岩移数据测量中的应用相关研究内容较少[6-8]。鉴于此，本研究以敏东一矿工程为例，分析了无人机三维激光扫描技术在矿区岩移数据测量中的应用，以探究该项技术的应用优势。

1 无人机三维激光扫描系统

无人机三维激光扫描系统（图1）共分为两个部分，分别是无人机飞行平台与机载激光雷达。无人机飞行平台采用了1 架六旋翼、大负载、长续航曜宇无人机，该无人机在空载状态下可实现2h 超长续航，而负载未超过8kg 时，续航时间仍然能达到1h。无人机飞行平台通过无线基站与操作系统相连，无人机最远监测距离为15km。机载激光雷达选用Riegl miniVUX-1UAV 轻小型激光扫描仪，可实现最远250m 的测量，绝对测量精度在1cm 以内，有效荷载小于5kg，测角分频率达到了0.001°，最大有效测量速度为100000点/s。该激光雷达运用了多次回波技术，使其即使处于植被茂密、遮挡较为严重的地形内同样可以实现高效测量。

图1 无人机机载三维激光扫描系统

2 无人机三维激光扫描技术在矿区岩移数据测量中的应用实例

敏东一矿位于伊敏河东煤田（图2），位于大兴安岭西坡呼伦贝尔草原伊敏河中下游东侧，属于生态脆弱区，该矿东西长100.3km，南北宽7.57km，矿井面积约为49.14km2。矿区内由东至西分布有松林带、山陵带、沙丘带与沼泽带，植被主要以樟松林与天然干草场为主，草原覆盖率为50%～70%。敏东一矿可采煤层多为伊敏组，主采煤层主要有16-3 上煤与16-3 煤。

图2 敏东一矿地理位置

2.1 外业数据获取

根据敏东一矿现场情况，本研究最终确定测区范围为长2.4km、宽2.4km，飞行高度相对扫描范围内最高处约140m，覆盖飞行面积约2km2，地面采样距离5cm，无人机三维激光扫描系统的测区范围如图3 所示。

图3 无人机三维激光扫描系统可覆盖的测区范围

选取晴天进行敏东一矿目标测区执行无人机航测任务，在作业前率先对航线进行规划，根据前期观测点的布设与航线规划选取适合的起降点，对整个目标区域进行划分，确保不同区块间可以相互衔接，杜绝漏飞与路径重复等现象，有效保障飞行作业效率。通过操作系统控制无人机在实际起降点起飞，并在飞行作业中实时调整飞行航线，以及获取三维激光扫描系统获取到的拍摄画面，从而实现影像数据的获取工作。在获取到相关岩移数据以后，需要通过计算机软件对采集到的数据进行处理。

2.2 点云数据处理

本研究采用组合滤波算法对点云数据进行处理，考虑到研究所用的三维激光扫描系统可以接受激光点云的5次回波信息，因此将第5 次接收到的回波信息视为最后回波信息，即当回波信息超过5 次时，也仅将第5 次的回波信息视为最后回波信息。因此，最后回波信息通常没有穿透地物，即可判断出目标地物为地面点或建筑物点，并明确最后一次回波为激光无法穿透的点。同时，针对点云数据中只有一次回波的激光点，可以将其视为地面点的候选点，并采用反射率信息对候选点进行筛选。在不同测区，激光点云反馈的地物回波信息在能量上具有差异性，可以通过反射率判断出相应的地物信息。一般来说，灌木丛、草地、树木等植被的激光回波反射率在0~100 之间，而道路、桥梁、建筑物等的激光回波反射率在80~250 之间，因此可以根据这一点排除反射率在0~80 之间的激光点云[9]。此外，根据回波反射率的信息，还可以进一步获取到相邻地物间的属性，如果二者属性差异较大，可以通过回波强度分辨出不同地物的点云，从而判断出地物类型。本研究根据回波次数与反射率信息完成了初次滤波，获取到的点云数据中仅存在着少量植被的点云数据，点云数量剩余5876122 个。在探究矿区岩移时，初次滤波时需要保留更加清晰的点云数据，初次滤波可以有效减少地物候选点数量，大大降低迭代运算时间。

在初次滤波结束以后，需要获取种子点。首先，需要查看所有点云数据，对激光点云格网化处理，大小差异可根据选取的区域类型自行调节，格网边长为建筑物最大尺寸，并在所有格网内分别选取最低点，以此作为初始地面种子点。通过选取的初始地点种子点可以构建初始三角网，之后采用改进的渐进加密三角网滤波算法进行点云数据的判断与分类。需要将所有待分点均投影到三角网中，并计算得到待分类点p（xp，yp，zp）与三角面间的距离d，以及其与三角网三个顶点V1（x1，y1，z1）、V2（x2，y2，z2）、V3（x3，y3，z3）间的夹角a1、a2、a3，计算流程如下：

式中，D 可通过已知点（x0，y0，z0）计算得到，D=Ax0+By0+Cz0。

并判断是否超出设定的阈值，如果未超出，则可以认为该点为地面点，重复这一过程进行筛选，直至不会出现新的地面点，算法流程图如图4 所示。

图4 组合滤波算法流程图

在经过改进的渐进加密三角网滤波算法进一步二次处理以后，剩余点云数量4010896 个，地面点数量占比超过了60%，滤波效果非常好。通过获取的点云数据生成数字高程模型（DEM），分别按照100%、80%、60%、40%、20%、10%、1%的比例进行重采样，最终获取到40086 个点云数据，平均高程为1026.86m，高程标准差为33.21mm，使用逐点插入法构建Delaunay，顶点数量为4008623 个，三角网数量为8011678 个，并最终采用克里金插值法进行差值，获取到最终DEM。

2.3 岩移分析方法

本研究采用的无人机三维激光扫描系统不具备直接分析岩移的能力，因此采取点云与点云直接比较的方式进行岩移分析。采用数学差值的方法进行点云与点云间的直接对比，考虑到不同时期的点云因为不存在大量特征点，难以在平面坐标内实现点云与点云的一一比较。因此，本研究在进行比较的时候采用区域分割的方法，最佳拟合面法可以有效避免点云质量的影响，具体流程如下：

①对两期或者多期点云数据按照本研究确定的点云数据处理流程进行去噪与滤波处理，获取到对应的地面模型，以为后续对比提供数据基础。

②为两期或者多期点云数据构建索引结构，采用KD树的方式加速查找过程。

③判断对比点与K 邻域间的距离，以第二期点云数据为基准，寻找与之对应的第一期数据中的K 邻域。

④判断变化点，计算得到待判断点与拟合平面间的距离，若该值大于阀值，则标记待判断点为变化点。

3 岩移监测结果分析

在矿区岩移监测中，坡度与坡向是两个非常重要的地形因子，二者的大小均可通过数字直接表述。坡向是指某点切平面的法线的正方向，法矢量记为n，其平面投影与正北方向的夹角φ。本研究通过DEM 获取到坡度与坡向分布情况，发现坡度在0~76°范围内变化，坡向信息则分布在0~360°范围内。同时，坡度大于55°的占比相对较小，测区范围内仅存在少两个比较陡的峭壁。

为了对平面精度以及数据统一性进行评定，本研究采用三次采集数据进行一一对比。平面精度的评定需要通过对比同一地物在平面的变化，然而获取到的点云数据无法进行一一对应，无法确保指定点位必定为待比较的点位。本研究通过提取线状特征后，求取线状特征的交点，以解决上述问题。本研究采用点位中误差来衡量点位精度，其可以描述为在X 轴与Y 轴的误差平方和的平方根，本研究设定第一期坐标（xi，yi）为真值，对比点坐标为（xj，yj），可以计算得到误差di：

点位中误差M 为：

根据上述流程计算出平面精度，平面精度评定结果如表1 所示，发现最大与最小平均误差分别为0.056 与0.001，最大与最小中误差分别为0.058 与0.005，由此，可以判断出随着工作面的不断推进，观测点下沉量并未出现明显变化，岩移变化量完全可以满足设计要求以及地形测量精度要求。

表1 平面精度评定结果（m）

4 结语

无人机三维激光扫描技术鉴于其强大的空间测量优势，目前广受各个领域的关注，目前在地形测绘与电力巡检等领域应用非常广泛，本研究主要探究了无人机三维激光扫描技术在矿区岩移数据测量中的应用可行性，以敏东一矿的作业勘测为研究对象，采用无人机三维激光扫描技术获取矿区岩移相关点云数据，通过点云数据的对比获取到不同阶段的岩移情况，结果显示该项技术可以更加便捷、精准地获取到矿区岩移点云数据，观测期间的最大平均误差仅为0.056，最大中误差为0.058，说明岩移变化量可以满足地形测量精度要求，且在工作面推进期间并未出现明显的下沉问题。