手持SLAM设备在土方测量中的应用研究

王宗辉 闫宏昌

摘要：随着测绘技术的不断革新，传统的数据采集方法也在使用过程中出现了相关的弊端，无法满足现有项目的时间要求及精度要求，三维激光扫描技术的出现极大地提升了数据的质量和数据采集速度，为现有项目的开展提供了数据支持。本文基于手持SLAM技术在土方测量中的应用与优势展开研究，通过对手持SLAM技术原理、算法和关键技术进行分析，并结合工程实例利用手持SLAM和三维激光扫描仪对土方精度进行验证。实验证明，手持SLAM技术能够在土方测量中实现高精度、高效率的数据采集和建模，为土方方量计算奠定了数据基础。

关键词：手持SLAM  土方测量  数据采集  精度分析

中图分类号：TU986.3

Research on the Application of Handheld SLAM Equipment in Earthwork Measurement

WANG Zonghui  YAN Hongchang*

Gansu Forestry Polychnic， Tianshui， Gansu Province， 741020 China

Abstract： With the continuous innovation of surveying and mapping technology， traditional data collection methods have also encountered related drawbacks in the use process and cannot meet the time and accuracy requirements of existing projects. The emergence of three-dimensional laser scanning technology has greatly improved the quality and collection speed of data， which provides data support for the development of existing projects. This article studies the application and advantages of handheld SLAM technology in earthwork survey， analyzes the principles， algorithms and key technologies of handheld SLAM technology， and uses handheld SLAM and 3D laser scanners to verify the accuracy of earthwork in combination with engineering examples. Experiments have shown that handheld SLAM technology can achieve high-precision and efficient data collection and modeling in earthwork measurement， which lays a data foundation for earthwork volume calculation.

Key Words： Handheld SLAM; Earthwork measurement; Data collection; Precision analysis

土方工程是建筑工程中重要的施工環节，土方测量作为土方工程的前期工作，对于土方工程的规划、设计和施工具有重要影响。目前土方测量的主要利用全站仪法、GNSS-RTK进行数据采集，利用三角网法等进行计算，由于数据采集的限制，存在效率低、精度不高等问题，因此需要引入新的技术手段来提升土方测量的效果。手持SLAM技术作为一种新兴的测量技术，具有较高的精度和效率，并且能够实现实时建模和数据采集，通过扫描技术迅速获取现场空间海量三维点云，构建地形Mesh网格，从而得到精确的土方量[1]。本文以手持SLAM技术对土方量进行精确测量，为土方工程的精确计算提供有益的参考。

1 手持SLAM技术概述

1.1 手持SLAM技术

手持SLAM（Simultaneous Localization and Mapping）技术是一种利用激光雷达、相机、惯性测量单元等传感器，通过实时建模和定位来实现环境感知和自主导航的技术[2]。手持扫描仪在工作初始时，采集周围空间三维点云，并识别、提取特征物，当手持扫描仪沿着某个空间轨迹往前运动时，SLAM算法会自动地连续提取特征物，并将提取的特征物与之前提取的特征物进行比较，若两次提取的特征物在空间相互位置关系高度相似，仪器则将两次获取的空间场景通过相同的特征物进行匹配。随着手持扫描仪不断往前移动，SLAM算法持续不间断地进行特征物识别、提取、匹配，从而完成空间的连续拼接。

1.2 手持SLAM测量特点

1.2.1数据精度高

手持SLAM采用高精度测量模式，设备精密，密封采用IP64防护等级，测量过程中无需GNSS信号，也不需要整平等基础要求，多使用于隧道、矿山等特殊环境能够满足测量的需要。同时由于采用移动算法，点云数据采集模式，数据密度较高，精度满足测量要求[3]。

1.2.2测量速度快

手持SLAM设备通过WIFI连接手机，在点云数据采集过程中，对点云数据根据相邻图像间的特征进行匹配，从而估计相机的运动和局部地图，快速生成3D基础模型[4]，通过优化算法构建点云地图，得到全局一致的轨迹和地图，并采用回环检测的方法提升地图的精度，优化点云模型的构建质量。

1.2.3测量更为便捷

通过手持SLAM的应用，能够更快速的获取测量目标的点云数据，相比于全站仪等传统方法，测量模式更加快捷，同时相比于静态扫描仪，不需要仪器架设和调平等工作，对测量环境要求较低，测量更为便捷。

1.3 手持SLAM测量原理

手持SLAM的原理是通过传感器获取环境的感知数据，并通过特定的算法进行数据融合和定位。首先，通过激光雷达或相机等传感器采集环境的三维点云数据或图像数据。然后，利用惯性测量单元（IMU）获取设备的加速度和角速度信息。接着，通过数据融合算法将传感器数据进行融合，实现环境的建模和自身在环境中的定位。

1.4 手持SLAM算法

手持SLAM算法主要包括前端（Front-End）和后端（Back-End）两部分。前端负责数据处理和特征提取，后端负责优化和地图更新。[5]前端算法主要包括特征提取、特征匹配和数据关联。特征提取通过对传感器数据进行处理，提取出环境中的特征点，如角点、边缘点等。特征匹配是将当前帧的特征点与上一帧或地图中的特征点进行匹配，确定当前帧的位姿变换。数据关联是将当前帧的特征点与地图中的特征点进行关联，更新地图。后端算法主要包括优化和地图更新。优化算法通过最小二乘法或非线性优化方法，对位姿和地图进行优化，提高定位和建模的精度。地图更新算法是在新的数据输入后，对地图进行更新和维护，保持地图的一致性和准确性。

1.5 手持SLAM关键技术

手持SLAM技术的关键技术包括传感器选择与组合、数据融合和地图构建。传感器选择与组合是指在手持设备中选择合适的传感器，并进行传感器数據的融合。常用的传感器包括激光雷达、相机、IMU等，通过选择和组合不同的传感器，可以提高感知数据的质量和精度。

数据融合是将不同传感器的数据进行融合，提高定位和建模的精度。数据融合算法可以利用滤波器、粒子滤波器或优化方法，将传感器数据进行融合，得到更准确的定位和建模结果。

地图构建是将感知数据转化为环境的三维模型或二维地图。地图构建算法可以通过特征点匹配、点云配准等方法，将感知数据进行处理和整合，得到具有一定几何结构的地图。

2 手持SLAM技术在土方测量技术流程

2.1 现场踏勘

项目开展前，对测量区域进行踏勘，选定作业路线，结合项目开展要求，对测区进行详细规划，优化行走路线，为了提高测量精度和数据拼接精度，测量过程中确保测区部分重叠，确保数据的重复度，提高建模精度。

2.2 外业数据采集

实地数据采集时，结合设备参数，以现有场地设置解算标志，项目开展过程中，根据实际要求，全区域采用环绕扫描的方法，采用360°全景扫描方法，对应扫描全场景点云数据，并采集照片，导出LAS数据，以便拼接图形及数据处理。

2.3 内业数据处理

外业扫描完成后，将点云导入天宝RealWorks软件，根据相关参数，完成数据的拼接，同一路径内的点云即可自动拼接，点云经过裁切、去噪、坐标转换等预处理后，获取标准三维点云，根据点云数据建立Mesh网格，根据土石方量计算需求，建立参考平面，最后利用Mesh网格和参考平面计算土方量。

2.4 报告编制

根据软件平台，通过Trimble RealWorks软件可优化点云拼接和坐标配准精度，结合配准精度输出相关报告。

3 工程实例

3.1项目说明

为了验证手持SLAM在土方测量项目的精确性，本次工程项目以某矿区生产矿粉土方测量数据，项目位于甘肃省天水市某矿业公司室内区域，为了更精确的提升项目精度，本次项目拟采用手持SLAM和三维激光扫描仪共同完成，以验证数据的精度。

3.2 精度分析

本测区为堆积场地，方量测量的计算方法采用天宝RealWorks软件对作业区域内矿粉堆积量进行计算，以计算区域进行计算。图3为测量区域点云模型，图4为土方计算结果示意图。

3.2.1方量计算

（1）三维激光：场地总面积为260.63 m2、准平高度均衡高选择场地指定点，依据相关参数选择高程为-5.5 m；经计算，正的体积[挖方]：620.99 m3，负的体积[填方]：0.86 m3，挖方减去填方：620.13 m3，挖方加上填方621.86 m3。

（2）SLAM计算：场地总面积为261.86 m2、准平高度均衡高选择场地指定点，依据相关参数选择高程为-4.37 m；经计算，正的体积[挖方]：606.22 m3，负的体积[填方]：1.15 m3，挖方减去填方：605.07 m3，挖方加上填方607.37 m3。

3.2.2差值计算

经核算，X300扫描仪与SLAM扫描仪的差值为14.77m3，误差率2.3%。建议在后期SLAM100方量测量计算中考虑该误差影响。本次测量X300共计测点663.89万个，SLAM100共计测点474.48万个。X300测点数远大于SLAM100，故X300更全面的反映测区真实情况，考虑两种设备规格及参数，该误差属于正常误差。

4 精度提升措施

三维扫描点云数据的误差主要来源于仪器本身的误差、扫描环境的影响、扫描的方式产生的误差、标靶球控制点的精度影响。

4. 1 仪器自身误差

仪器自身的误差主要存在两个方向，一是手持SLAM设备在制造过程中，由于采用激光扫描模式，扫描仪、摄像头等传感器的误差。这些传感器可能在测量过程中存在一定的偏差，从而影响SLAM系统的精度扫描方式；二是手持SLAM设备的硬件组件在制造过程中，设备之间的精密程度，包括陀螺仪、加速度计等设备感应器的延迟性，易导致在测量过程中出现设备的噪声及漂移，对精度产生了明显的影响。因此在设备使用过程中，设备的安全性对精度影响较为明显。

4.2 扫描环境的影响

由于手持SLAM设备大部分使用的是激光扫描模式，数据采集过程中，周围环境的温度、气压、湿度等均会影响激光信号的传播速度和传播路径，扫描目标的不同直接导致接收到的激光回波信号强度，进而产生测距的误差，因此在数据采集过程中，尽量选择在光照条件良好，温度、湿度和气压较为一致的前提下开展数据采集工作。

4.3 软件算法的影响

手持SLAM在测量过程中，数据采集由传感器完成采集，而点云数据则依赖于算法实现自动拼接。主要采用的最近点迭代算法ICP和各种全局匹配算法[6]。这些算法可以自动寻找相邻点云数据之间的最佳对应关系，并将它们拼接在一起。由于点云数据采集不是逐帧的匹配，因此不同角度采集的数据会产生对应的误差累计，当原始数据被干扰因素较多或较大時，极可能导致点云数据解算出错，数据漂移，从而影响点云精度。

4. 4 作业方法的影响

定位和建图是手持SLAM测量过程中的核心工作，其主要通过定位相机和构建地图完成，通过特征匹配和三角测量的方法来测定相机的位置和姿态，并利用这些信息来构建地图，因此地图的精度直接影响测量的精度。在测量过程中为了提高测量精度，通过比较当前帧和之前帧的点云数据，来检测对应的测量精度。因此测量过程中，首先扫描路线必须闭合，以便对数据进行检核，提高点云数据的拼接精度。另外小范围的测量数据，较小的点云数据能够快速地开展点云数据的处理和优化，更有效地去除错误和点云的噪声，提高地图的精度和质量。

5 结语

手持SLAM技术在土方测量中具有广泛的应用前景和明显的优势，能够提升测量效率和精度，同时实现实时建模和数据采集。然而，仍需要进一步研究和改进手持SLAM技术，以适应不同土方测量场景的需求。

参考文献

• 王智，吴超，王文娟，等.基于SLAM技术的手持移动扫描仪在土石方测量中的应用研究[J].城市勘测，2021（4）：104-107.
• 任文力，黄韩，杨鸿宇，等.GeoSLAM技术在城市大比例尺地形图测绘中的应用[J].测绘，2022，45（3）：122-125.
• 石明旺，张均，刘学思.手持三维激光扫描仪在规划竣工测量中的应用[J].测绘通报，2022（S2）：122-125.
• 刘志强.基于SLAM技术手持三维激光扫描仪在铜矿山井下的应用[J].中国矿山工程，2021，50（2）：13-16.
• 李效超，王智，孙晓丽，等.手持式移动三维激光扫描仪在地下空间普查中的应用研究[J].城市勘测，2020（2）：62-65.
• 陈庆伟，李民东，罗川，等.视觉SLAM中图像特征点提取与匹配算法研究[J].现代制造工程，2019（10）：135-139，134.