面向水库大坝形变监测的三维激光扫描点云分析方法

doi:10.13474/j.cnki.11-2246.2021.305

测绘通报 ›› 2021, Vol. 0 ›› Issue (10): 54-59.doi: 10.13474/j.cnki.11-2246.2021.305

面向水库大坝形变监测的三维激光扫描点云分析方法

杨传训^1,2,3,4,5, 杨骥^3,4,5, 李勇^3,4,5, 韩留生⁶, 陈水森^3,4,5

1. 中国科学院广州地球化学研究所, 广东广州 510640;
2. 中国科学院大学, 北京 100049;
3. 广东省遥感与地理信息系统应用实验室, 广东广州 510070;
4. 广东省地理空间信息技术与应用公共实验室, 广东广州 510070;
5. 广州地理研究所, 广东广州 510070;
6. 山东理工大学, 山东淄博 255000

收稿日期:2020-10-19 修回日期:2021-07-28 发布日期:2021-11-13
通讯作者: 陈水森。E-mail:css@gdas.ac.cn
作者简介:杨传训(1988-),男,博士生,主要研究方向为地理信息系统与环境遥感。E-mail:747009083@qq.com
基金资助:
国家自然科学基金（41976189）；广东省自然科学重点基金（2018B030311059）；南方海洋科学与工程广东省实验室（广州）（GML2019ZD0301）；广东省科技计划项目（2019A050506001）

3D laser scanning point cloud analysis method for dam deformation monitoring

YANG Chuanxun^1,2,3,4,5, YANG Ji^3,4,5, LI Yong^3,4,5, HAN Liusheng⁶, CHEN Shuisen^3,4,5

1. Guangzhou Institute of Geochemistry, Chinese Academy of Sciences, Guangzhou 510640, China;
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. Guangdong Remote Sensing and GIS Application Laboratory, Guangzhou 510070, China;
4. Guangdong Public Laboratory of Geospatial Information Technology and Application, Guangzhou 510070, China;
5. Guangzhou Institute of Geography, Guangzhou 510070, China;
6. Shandong University of Technology, Zibo 255000, China

Received:2020-10-19 Revised:2021-07-28 Published:2021-11-13

摘要/Abstract

摘要： 根据黄龙带水库大坝两期高精度三维激光大坝扫描点云数据，本文提出基于正态分布的点云数据配准算法、改进原始渐进加密三角网滤波算法，运用点到面形变量对比分析模式监测大坝形变量，并进行源程序开发，实现一体化监测点云数据的加工、对比分析及建模处理。通过结果验证显示：①改进后的算法效率高、精度优，适用于大坝点云数据处理和对比分析；②开发的点云数据一体化处理软件简单易用，能够精准反映坝体变形情况；③黄龙带坝体稳定，尚无安全隐患。

关键词: 水库大坝, 形变监测, 三维激光扫描, 点云数据配准, 渐进加密三角网滤波

Abstract: Deformation monitoring is an important part in dam safety monitoring. With the development of 3D laser point cloud technology, it is a trend to use this kind of tech in dam deformation monitoring, but the current algorithm constraints and data processing uncertainty errors greatly affect the monitoring accuracy. Based on this research, a point cloud data registration algorithm based on normal distribution, improved original progressive encryption triangulation filter algorithm, and point-to-face variable comparison analysis mode are used to monitor dam-shaped variables, and source program development is realized. Monitor point cloud data processing, comparative analysis, and modeling processing.The results show that:①The improved algorithm has high efficiency and excellent precision, and is suitable for dam point cloud data processing and comparative analysis. ②The developed point cloud data integration processing software is simple and easy to use, and can accurately reflect the deformation of the dam. ③Huanglongdai dam is stable, there is no safety hazard.

Key words: reservoir dam, deformation monitoring, 3D laser scanning, point cloud data registration, progressive encryption triangulation filtering

中图分类号:

P237

杨传训, 杨骥, 李勇, 韩留生, 陈水森. 面向水库大坝形变监测的三维激光扫描点云分析方法[J]. 测绘通报, 2021, 0(10): 54-59.

YANG Chuanxun, YANG Ji, LI Yong, HAN Liusheng, CHEN Shuisen. 3D laser scanning point cloud analysis method for dam deformation monitoring[J]. Bulletin of Surveying and Mapping, 2021, 0(10): 54-59.

参考文献

[1] 黄春华, 杨文滨, 夏甜, 等.中小型水库大坝安全评价若干问题的思考[J]. 广东水利水电, 2019(9):22-30.
[2] 赵志仁, 徐锐. 国内外大坝安全监测技术发展现状与展望[J]. 水电自动化与大坝监测, 2010, 34(5):52-57.
[3] 解家毕, 孙东亚. 全国水库溃坝统计及溃坝原因分析[J]. 水利水电技术, 2009, 40(12):124-128.
[4] 彭雪辉, 盛金保, 李雷, 等. 我国水库大坝风险评价与决策研究[J]. 水利水运工程学报, 2014(3):49-54.
[5] 肖儒雅, 何秀凤. 时序InSAR水库大坝形变监测应用研究[J]. 武汉大学学报(信息科学版), 2019, 44(9):1334-1341.
[6] 张进平, 黎利兵, 卢正超.大坝安全监测研究的回顾与展望[J]. 中国水利水电科学研究院学报, 2008(4):317-322.
[7] 卫建东. 现代变形监测技术的发展现状与展望[J]. 测绘科学, 2007(6):10-13.
[8] 姚瑶. 基于地面三维激光点云的形变监测技术研究[D]. 上海:华东师范大学, 2018.
[9] 王举. 基于激光扫描技术的水库大坝三维变形动态监测方法研究[D]. 郑州:郑州大学, 2015.
[10] 李鹏, 邢帅, 李瑾, 等. 基于虚拟特征点的三维激光点云粗配准算法[J]. 地球信息科学学报, 2018, 20(4):430-439.
[11] 杨雪姣, 叶华, 王章朋, 等. 三维激光扫描技术的特异性建筑施工检测应用[J]. 测绘科学, 2020, 45(10):71-76.
[12] 邹进贵, 田径, 陈艳华, 等. 地基SAR与三维激光扫描数据融合方法研究[J]. 测绘地理信息, 2015, 40(3):26-30.
[13] 田鹏艳. 基于三维激光扫描技术的变形测量关键技术研究[D]. 淄博:山东理工大学, 2018.
[14] 黄思奇, 夏海英. 基于点云面的区域性三维重建及点云拼接[J]. 计算机应用研究, 2016(12):3909-3911.
[15] 陈性义, 陶思然, 毛君亚, 等.渐进加密的点云滤波算法效率分析与优化[J]. 遥感信息, 2018, 33(5):110-115.
[16] 刘龙龙, 张继贤, 王世杰, 等. 新型FMCW地基SAR和三维激光扫描仪在大坝变形监测中的应用[J]. 测绘通报, 2019(3):76-80.
[17] 梁周雁, 邵为真, 孙文潇, 等. 基于PCL的点云数据空间管理及近邻搜索[J]. 北京测绘, 2018(1):52-57.
[18] 王和平, 夏少波, 谭弘武, 等. 电力巡线中机载激光点云数据处理的关键技术[J]. 地理空间信息, 2015, 13(5):59-62.
[19] 蔡来良, 吴侃, 张舒. 点云平面拟合在三维激光扫描仪变形监测中的应用[J]. 测绘科学, 2010(5):231-232.
[20] 朱生涛. 地面三维激光扫描技术在地形形变监测中的应用研究[D]. 西安:长安大学, 2013.
[21] 徐进军, 王海城, 罗喻真, 等. 基于三维激光扫描的滑坡变形监测与数据处理[J]. 岩土力学, 2010, 31(7):2188-2191.

面向水库大坝形变监测的三维激光扫描点云分析方法

3D laser scanning point cloud analysis method for dam deformation monitoring

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	周志伟, 程翔, 周伟, 郝卫峰, 肖海斌, 陈鸿杰, 杨魁. 地基SAR在滑坡形变监测中的应用[J]. 测绘通报, 2022, 0(7): 60-63.
[2]	周烨, 刘云波, 郑丽波, 龙泱君. 多平台点云数据的单木参数提取精度分析[J]. 测绘通报, 2022, 0(7): 168-172.
[3]	经皓然, 徐敬海. 异形建筑的无人机点云与地面三维激光扫描点云配准[J]. 测绘通报, 2022, 0(6): 32-39.
[4]	张家勇, 邹银先, 刘黔云, 张楠, 龚伟, 李康伦. 利用时序InSAR进行毕节市潜在滑坡识别与形变监测[J]. 测绘通报, 2022, 0(6): 121-124.
[5]	谢元, 董梦, 马新建. 多源数据在复杂场景建筑物三维重建的应用[J]. 测绘通报, 2022, 0(6): 143-147.
[6]	李旭. 三维激光扫描技术在地铁隧道竣工测量中的应用[J]. 测绘通报, 2022, 0(6): 166-169.
[7]	赵立都, 向中富, 周银, 马下平, 张双成, 司梦元, 陈茂霖, 胡川, 潘建平. 利用地面三维激光扫描进行桥梁挠度变形分析[J]. 测绘通报, 2022, 0(5): 95-100.
[8]	张驰, 白志辉, 李亮, 陈冉丽, 吴侃. 利用三维激光扫描技术监测矿区桥梁结构形变[J]. 测绘通报, 2022, 0(4): 122-129.
[9]	王贝, 叶险峰, 王军宁. 利用点云切片提取技术分析桥梁形变[J]. 测绘通报, 2022, 0(4): 167-171.
[10]	逯中香, 樊彦国, 李国胜. 利用稀少卫星影像控制点生产1:10 000 DOM——以阿拉善盟测区为例[J]. 测绘通报, 2022, 0(3): 138-142,156.
[11]	许艳博. 结合全站式三维扫描与建筑设计坐标的复杂曲面检测[J]. 测绘通报, 2022, 0(2): 16-19,49.
[12]	丁鸽, 燕立爽, 彭健, 朱传广, 黄雪亭. 基于RANSAC算法的隧道点云横断面提取[J]. 测绘通报, 2021, 0(9): 120-123.
[13]	韩富庆, 郭国和, 杨承昆, 吴勇生, 王伟力, 李彩林. 基于点云投影线探测的高墩位姿自动检测方法[J]. 测绘通报, 2021, 0(9): 130-135,150.
[14]	贺晓东. 三维激光扫描技术在建筑立面数字化采集和立面绘制方向应用的可行性研究[J]. 测绘通报, 2021, 0(9): 157-159,164.
[15]	唐东跃, 肖书安, 周兴华, 朱水鹏. 三维激光扫描技术在高铁隧道平整度检测中的应用[J]. 测绘通报, 2021, 0(9): 160-164.