姚富潭,吳明堂,董秀軍,房云峰,陳建強(qiáng),姚義振

(1.地質(zhì)災(zāi)害防治與地質(zhì)環(huán)境保護(hù)國(guó)家重點(diǎn)實(shí)驗(yàn)室(成都理工大學(xué)),成都 610059;2.浙江華東建設(shè)工程有限公司,杭州 310014)

巖體結(jié)構(gòu)面是控制危巖體穩(wěn)定性的最重要因素,使用羅盤和卷尺進(jìn)行的傳統(tǒng)接觸式現(xiàn)場(chǎng)調(diào)查方式已廣泛應(yīng)用于巖體結(jié)構(gòu)面的調(diào)查［1］。然而,通過(guò)手動(dòng)接觸法獲得的巖體結(jié)構(gòu)面數(shù)據(jù)通常不完整且效率低下,特別是在對(duì)高陡危巖體結(jié)構(gòu)面進(jìn)行測(cè)量時(shí),還會(huì)對(duì)測(cè)量人員的人身安全造成重大威脅。因此,激光掃描技術(shù)和數(shù)字?jǐn)z影測(cè)量等非接觸式的測(cè)量方案已成為獲取危巖體結(jié)構(gòu)面信息的常用方法［2］。董秀軍等［3］首次提出利用地面端的三維激光掃描儀對(duì)高陡邊坡進(jìn)行調(diào)查,并總結(jié)出一套高陡邊坡巖體結(jié)構(gòu)面調(diào)查的方法,利用三維激光掃描技術(shù)獲取的三維點(diǎn)云識(shí)別并擬合巖體結(jié)構(gòu)面獲取其產(chǎn)狀信息。宋杰等［4］則提出了基于地面激光掃描技術(shù)和模糊聚類分析方法對(duì)邊坡巖體出露的結(jié)構(gòu)面進(jìn)行自動(dòng)識(shí)別和統(tǒng)計(jì)分組,從而獲得巖體優(yōu)勢(shì)結(jié)構(gòu)面的幾何空間信息和空間位置信息的方法?？偠灾?對(duì)于利用三維激光掃描技術(shù)進(jìn)行巖體結(jié)構(gòu)面信息調(diào)查的方法已有許多研究,并且取得了十分良好的效果［5-7］。然而,由于三維激光掃描儀器架設(shè)的難度較高,且受觀測(cè)角度、觀測(cè)距離等因素的制約,在地形復(fù)雜的高陡山區(qū)往往難以利用該技術(shù)全面提取危巖體結(jié)構(gòu)面信息［8］。

得益于近年來(lái)無(wú)人機(jī)的廣泛使用,許多學(xué)者提出利用無(wú)人機(jī)傾斜攝影測(cè)量技術(shù)進(jìn)行危巖體結(jié)構(gòu)面調(diào)查的方法。李德仁等［9］首先提出傾斜影像自動(dòng)空中三角測(cè)量的處理方法,并且重建了精細(xì)化的城市三維表面模型,為復(fù)雜立面的調(diào)查提供了新思路。李水清等［10］提出了基于無(wú)人機(jī)傾斜攝影測(cè)量技術(shù)的巖體結(jié)構(gòu)面提取方法,利用三點(diǎn)法人工提取并統(tǒng)計(jì)巖體結(jié)構(gòu)面產(chǎn)狀。賈曙光等［11］對(duì)無(wú)人機(jī)攝影測(cè)量技術(shù)在危巖體結(jié)構(gòu)面調(diào)查的應(yīng)用方法進(jìn)行了總結(jié),并提出利用輕小型單鏡頭無(wú)人機(jī)高效采集巖體三維點(diǎn)云數(shù)據(jù),基于最小二乘法的平面擬合算法準(zhǔn)確提取結(jié)構(gòu)面參數(shù)的方法。葉震等［12］提出基于無(wú)人機(jī)傾斜攝影測(cè)量技術(shù)在邊坡巖體結(jié)構(gòu)面調(diào)查中的應(yīng)用方法,利用霍夫法向算法和 HSV算法構(gòu)建可視化的三維巖體結(jié)構(gòu)模型,并對(duì)模型進(jìn)行球形K均值聚類來(lái)完成結(jié)構(gòu)面分組提取,成功地提取了危巖體優(yōu)勢(shì)結(jié)構(gòu)面信息。此外,還有學(xué)者提出利用近景攝影測(cè)量技術(shù)對(duì)巖體結(jié)構(gòu)面特征進(jìn)行分析和描述的方法［13］。綜上所述,利用無(wú)人機(jī)傾斜攝影測(cè)量技術(shù)對(duì)巖體結(jié)構(gòu)面產(chǎn)狀進(jìn)行調(diào)查的方法已取得了較好的成果。然而,在面對(duì)需要獲取精細(xì)化的陡立結(jié)構(gòu)面信息的情況時(shí),傾斜攝影測(cè)量技術(shù)在精度上仍存在一定的不足,無(wú)法全方位獲取陡立的、復(fù)雜的結(jié)構(gòu)面信息。

針對(duì)精細(xì)化測(cè)量的需求,張祖勛等［14］提出了面向?qū)ο蟮馁N近攝影測(cè)量技術(shù)(nap of the object photogrammetry)。該技術(shù)以“面”為攝影對(duì)象,利用旋翼無(wú)人機(jī)貼近攝影對(duì)象表面進(jìn)行多角度拍攝,可以獲取毫米級(jí)超高分辨率影像,高度還原了地表和物體的精細(xì)化結(jié)構(gòu)。該技術(shù)已在城市建筑物精細(xì)化三維重建、地質(zhì)災(zāi)害精細(xì)化調(diào)查與監(jiān)測(cè)、文物古建筑精細(xì)化重建以及水利工程監(jiān)測(cè)等多個(gè)行業(yè)進(jìn)行了應(yīng)用研究,并且取得了十分良好的效果［14］。因此,為解決山區(qū)高陡危巖體結(jié)構(gòu)面信息精細(xì)化調(diào)查困難的問(wèn)題,本文提出了一種基于貼近攝影測(cè)量技術(shù)的高陡危巖體結(jié)構(gòu)面調(diào)查方法,以貼近攝影測(cè)量技術(shù)為基礎(chǔ),對(duì)如何利用多旋翼無(wú)人機(jī)對(duì)高陡危巖體進(jìn)行多角度精細(xì)化貼近攝影的方法流程進(jìn)行了研究;并利用毫米級(jí)的超高分辨率三維實(shí)景模型、三維空間點(diǎn)云等成果數(shù)據(jù),通過(guò)DSE程序法［15］實(shí)現(xiàn)了巖體結(jié)構(gòu)面產(chǎn)狀信息的半自動(dòng)提取;此外,還利用CloudCompare軟件對(duì)結(jié)構(gòu)面跡線、跡長(zhǎng)信息進(jìn)行了手動(dòng)提取,結(jié)合三維實(shí)景模型對(duì)危巖體優(yōu)勢(shì)結(jié)構(gòu)面空間發(fā)育關(guān)系進(jìn)行分析,最終對(duì)危巖體穩(wěn)定性進(jìn)行快速的定性評(píng)價(jià)。

1 研究區(qū)概況

如圖1所示,研究區(qū)位于云南省昆明市東川區(qū)金沙江右岸長(zhǎng)地-象鼻嶺岸段,距離白鶴灘水電站約83 km。兩岸地形陡峭、地貌復(fù)雜,溝谷深切狹窄,斷面呈“V”字形。沖溝呈樹(shù)枝狀發(fā)育,均為季節(jié)性沖溝,雨季流量較大。研究區(qū)地質(zhì)構(gòu)造發(fā)育明顯,主要表現(xiàn)為斷層、節(jié)理等,未見(jiàn)褶皺發(fā)育。出露基巖主要有晉寧期侵入巖(νβ2)及前震旦系通安組變質(zhì)砂巖(Pt2t)。沿江公路從測(cè)區(qū)斜坡的中部穿過(guò),由于研究區(qū)工程地質(zhì)條件復(fù)雜,崩塌危巖體十分發(fā)育,嚴(yán)重威脅著沿江公路的安全。并且隨著白鶴灘水電站庫(kù)區(qū)的持續(xù)蓄水,沿江發(fā)育的部分危巖體可能會(huì)受水位變動(dòng)的影響,穩(wěn)定性降低,一旦發(fā)生崩塌,落石將對(duì)航運(yùn)安全造成巨大威脅。

圖1 研究區(qū)地理位置Fig.1 Geographical location of the study area

2 數(shù)據(jù)獲取及處理技術(shù)與方法

2.1 貼近攝影測(cè)量技術(shù)

貼近攝影測(cè)量技術(shù)是一種利用旋翼無(wú)人機(jī)近距離貼近被攝物體表面進(jìn)行攝影,獲取物體超高清影像、精確坐標(biāo)、精細(xì)形狀的技術(shù)。如圖2所示,相較于傳統(tǒng)航空攝影測(cè)量方式,貼近攝影測(cè)量具有精細(xì)化、多角度攝影的優(yōu)勢(shì)?？偨Y(jié)該技術(shù)主要特點(diǎn)如下：

圖2 不同遙感數(shù)據(jù)源成像效果比較Fig.2 Comparison of imaging effects of different data sources

a.近距離攝影：可獲取毫米級(jí)別的超高分辨率影像。

b.相機(jī)面向物體表面：相機(jī)角度可根據(jù)物體形狀動(dòng)態(tài)調(diào)整,要求攝影設(shè)備具備較高的靈活性。

c.需要獲取已有地形信息：在進(jìn)行智能貼近攝影前,需先通過(guò)常規(guī)攝影或者手控?cái)z影的手段進(jìn)行影像重建獲取初始地形。貼近攝影測(cè)量主要依靠無(wú)人機(jī)高精度定位技術(shù)以及無(wú)人機(jī)云臺(tái)姿態(tài)控制能力來(lái)實(shí)現(xiàn)。無(wú)人機(jī)的高精度定位通過(guò)自身集成的RTK系統(tǒng)來(lái)完成,大疆經(jīng)緯M300 RTK多旋翼無(wú)人機(jī)在 RTK FIX 時(shí),水平方向精度可達(dá)(10±1) mm,垂直方向精度可達(dá)(15±1) mm,能良好地滿足定位精度需求。在對(duì)復(fù)雜巖體結(jié)構(gòu)面進(jìn)行貼近攝影時(shí),理想狀態(tài)下相機(jī)需對(duì)準(zhǔn)結(jié)構(gòu)面進(jìn)行攝影,為達(dá)到良好效果,需要無(wú)人機(jī)具備良好的云臺(tái)姿態(tài)控制能力,使相機(jī)角度能隨著攝影面的變化而靈活轉(zhuǎn)動(dòng),大疆經(jīng)緯M300 RTK無(wú)人機(jī)具有極強(qiáng)的云臺(tái)姿態(tài)控制能力,可出色完成數(shù)據(jù)獲取。

貼近攝影測(cè)量的基本流程遵循“從粗到細(xì)”的原則。首先要通過(guò)常規(guī)飛行方式獲取分辨率相對(duì)較低的影像,處理得到測(cè)區(qū)初始地形信息;下一步亦是最關(guān)鍵的一步,即以初始地形數(shù)據(jù)為基礎(chǔ),進(jìn)行三維智能航線規(guī)劃。如圖3所示,在獲取被攝對(duì)象初始地形信息后,將拍攝對(duì)象目標(biāo)表面擬合為一個(gè)空間平面(Σ),平行于該空間平面距離(d)為5～50 m的位置擬合平面,即為飛行軌跡規(guī)劃平面(Σ′)［16］。值得注意的是,在實(shí)際應(yīng)用中,為保證數(shù)據(jù)獲取的效率,飛行高度可根據(jù)精度需求進(jìn)行調(diào)整,貼近攝影測(cè)量的概念并不局限于飛行高度［14］。

圖3 航線規(guī)劃原理示意圖Fig.3 Schematic diagram of route planning principle

2.2 數(shù)據(jù)獲取

此次研究數(shù)據(jù)獲取將利用大疆經(jīng)緯M300 RTK多旋翼無(wú)人機(jī)搭載大疆 Zenmuse-p1鏡頭完成。首先對(duì)面積約3 km2的研究區(qū)進(jìn)行平均分辨率(簡(jiǎn)稱“GSD”)為15 mm的常規(guī)飛行,獲取測(cè)區(qū)粗地形數(shù)據(jù);其次以粗地形數(shù)據(jù)為基礎(chǔ),圈定高陡危巖體范圍并規(guī)劃多視角智能航線,對(duì)危巖體進(jìn)行智能貼近攝影;最后通過(guò)影像后處理軟件Context Capture完成了精細(xì)化三維實(shí)景建模,并生成結(jié)構(gòu)面提取所需的三維點(diǎn)云數(shù)據(jù)。此次研究貼近飛行面積約為0.15 km2,設(shè)計(jì)平均分辨率為5 mm,共獲取2 459張?jiān)颊掌?/p>

2.2.1 設(shè)備參數(shù)

此次航測(cè)建模過(guò)程難度較大,實(shí)驗(yàn)借助大疆經(jīng)緯 M300 RTK多旋翼無(wú)人機(jī)、DJI Zenmuse-p1鏡頭、大疆智圖以及WayPoint Master智能規(guī)劃航線軟件等多種軟硬件設(shè)備完成。飛行試驗(yàn)所用硬件設(shè)備參數(shù)如表1、表2所示。

表1 大疆經(jīng)緯 M300 RTK無(wú)人機(jī)相關(guān)參數(shù)Table 1 Related parameters of DJI M300 RTK UAV

表2 Zenmuse-p1數(shù)字相機(jī)主要技術(shù)參數(shù)Table 2 Main technical parameters of Zenmuse-p1 digital camera

2.2.2 智能航線規(guī)劃

本文使用WayPoint Master軟件進(jìn)行航線智能規(guī)劃。如圖4所示,該軟件以已有地形為基礎(chǔ),根據(jù)危巖體結(jié)構(gòu)面發(fā)育特點(diǎn)規(guī)劃多角度智能航線,將智能航線導(dǎo)入飛控設(shè)備,自動(dòng)完成對(duì)危巖體多角度貼近攝影。此次智能航線平均設(shè)計(jì)GSD為5 mm,航向重疊率為80%,側(cè)向重疊率約為72%,飛行高度約為40 m。航線規(guī)劃完成后,為確保拍攝安全及拍攝精度,要進(jìn)行航線檢查。借助大疆智圖航點(diǎn)飛行功能,導(dǎo)入粗模和規(guī)劃好的航線文件進(jìn)行多視角校驗(yàn),可準(zhǔn)確再現(xiàn)航點(diǎn)位置,并依據(jù)設(shè)定好的偏航、俯仰角度,模擬航點(diǎn)位置錐體投射到模型上的效果,從而檢查航線各個(gè)航點(diǎn)的安全性以及偏航、俯仰角度是否合理。為了達(dá)到最好的數(shù)據(jù)獲取效果,一些貼近危巖體靠坡內(nèi)的“凹陷”部分還需人工控制飛行拍攝,航線包含了軟件規(guī)劃自動(dòng)飛行的智能航線和局部的“手飛航線”。

圖4 多視角航攝示意圖Fig.4 Schematic illustration of multi-view aerial photography

2.3 數(shù)據(jù)處理

本文采用Context Capture傾斜攝影后處理軟件進(jìn)行三維實(shí)景模型的構(gòu)建。首先對(duì)影像進(jìn)行質(zhì)檢,排除有缺陷的影像,確保用于三維重建的數(shù)據(jù)完整正確,處理得到高精度三維實(shí)景模型以及三維點(diǎn)云等數(shù)據(jù)。此外,還需對(duì)原始點(diǎn)云進(jìn)行去噪、分類等處理,目的是獲取真實(shí)巖體點(diǎn)云。已有的點(diǎn)云自動(dòng)分類算法對(duì)高陡危巖體的處理效果較差,但由于高陡危巖體上植被較稀疏,植被點(diǎn)較少。因此點(diǎn)云分類建議采用手動(dòng)分類的方式進(jìn)行。如圖5所示,圖中綠色高亮部分為手動(dòng)提取的植被點(diǎn),右側(cè)為植被點(diǎn)和巖石點(diǎn)云提取的剖面效果。

圖5 陡峭地區(qū)植被和巖石點(diǎn)云模型Fig.5 Vegetation and rock point cloud models in steep areas

3 巖體結(jié)構(gòu)面信息提取

本文將利用DSE程序法對(duì)危巖體結(jié)構(gòu)面產(chǎn)狀信息進(jìn)行提取,該程序以主成分分析(PCA)與KNN聚類算法為主要結(jié)構(gòu)。首先通過(guò)驗(yàn)證實(shí)驗(yàn)證明貼近攝影測(cè)量技術(shù)所獲取的三維點(diǎn)云可以很好地滿足巖體結(jié)構(gòu)面產(chǎn)狀信息半自動(dòng)提取的需求,并且產(chǎn)狀半自動(dòng)提取的結(jié)果也滿足了工程中的精度需求;最終再將此方法運(yùn)用到研究區(qū)高陡危巖體結(jié)構(gòu)面調(diào)查中,成功提取了危巖體結(jié)構(gòu)面產(chǎn)狀信息。

3.1 結(jié)構(gòu)面產(chǎn)狀提取原理

危巖體優(yōu)勢(shì)結(jié)構(gòu)面的提取,首先要以KNN搜索函數(shù)和歐幾里得距離算法為核心,搜索每個(gè)點(diǎn)的最近鄰點(diǎn),并將其作為候選點(diǎn)集。然后基于主成分分析法對(duì)每個(gè)點(diǎn)集進(jìn)行共面性檢測(cè),檢測(cè)每個(gè)點(diǎn)及與其相關(guān)的最近鄰點(diǎn)是否共面。如果不是,則剔除該點(diǎn)集［17］。之后則要計(jì)算點(diǎn)集的法向量,基于最小二乘法原理擬合出點(diǎn)集的最佳平面。將計(jì)算所得法向量作為各點(diǎn)的屬性,屬性相同的點(diǎn)不斷加入以確定該結(jié)構(gòu)面的邊界范圍,最終確定結(jié)構(gòu)面的位置和產(chǎn)狀參數(shù)。最后對(duì)法向量極點(diǎn)進(jìn)行統(tǒng)計(jì),得到主極點(diǎn)后即可對(duì)數(shù)據(jù)進(jìn)行聚類分析。將提取方法的主要步驟原理總結(jié)如下：

a.搜索最近鄰點(diǎn)：對(duì)于三維點(diǎn)云中的任意原始點(diǎn)Pi,搜索其最鄰近點(diǎn)構(gòu)成點(diǎn)云集{P}={p1,p2,…,pi,…,pn}。以點(diǎn)云集可能形成的平面法向量作為原始點(diǎn)Pi的法向量(圖6-A)。

圖6 結(jié)構(gòu)面識(shí)別與提取算法計(jì)算流程Fig.6 Structural plane recognition and extraction algorithm calculation flow

b.子集共面性檢驗(yàn)：點(diǎn)云集{P}在計(jì)算其法向量前,需先確定其是否屬于同一平面。基于PCA算法可以計(jì)算出點(diǎn)云集中各點(diǎn)的特征值(λ1、λ2、λ3)和對(duì)應(yīng)的特征向量(V1、V2、V3)。如圖6-C所示,判斷一個(gè)點(diǎn)集是否共面,可由公式(1)定義的偏離參數(shù)進(jìn)行判斷：

(1)

計(jì)算點(diǎn)云集中每個(gè)點(diǎn)的偏差值ηi,定義一個(gè)閾值ηmax,即最大允許偏差。當(dāng)所有點(diǎn)ηi<ηmax時(shí),則可認(rèn)為點(diǎn)云集P處于同一個(gè)平面內(nèi),一般ηmax取20%即可［17］。

c.平面法向量計(jì)算：在點(diǎn)云子集被認(rèn)為是共面之后,則可擬合出最適合的平面方程及其法向量。標(biāo)準(zhǔn)的平面方程如公式(2)所示,A、B、C為平面系數(shù),D為原點(diǎn)到平面的垂直距離。

Ax+By+Cz+D=0

(2)

在計(jì)算中利用最小二乘法擬合最佳平面參數(shù),當(dāng){P}中各點(diǎn)到平面的距離的方差最小時(shí),此時(shí)的平面為最佳擬合平面,向量n(A,B,C)即為平面的單位法向量。

d.結(jié)構(gòu)面邊界確定：至此已得到了識(shí)別結(jié)構(gòu)面所需的平面子集。如圖6-B所示,如果平面子集屬于同一結(jié)構(gòu)面,預(yù)計(jì)其單位法向量的方向應(yīng)接近,則將平面子集合并成屬于同一個(gè)結(jié)構(gòu)面,并用PCA算法重新計(jì)算其法向量。

e.主極點(diǎn)統(tǒng)計(jì)及聚類分析：為了獲取危巖體優(yōu)勢(shì)結(jié)構(gòu)面信息,將每個(gè)平面的法向量轉(zhuǎn)換為赤平投影,并通過(guò)核密度估計(jì)方法(KDE)得到每個(gè)區(qū)域的極點(diǎn)密度以及局部極大值。通常密度函數(shù)分析會(huì)顯示出許多局部極大值,但只有少數(shù)是主極點(diǎn),這是由于讀數(shù)誤差和曲面奇點(diǎn)的存在,這意味著極點(diǎn)的離散。在計(jì)算時(shí)可以通過(guò)設(shè)置圓錐濾波器、最大極點(diǎn)濾波器等參數(shù),獲得更清晰的法向量極點(diǎn)密度平面圖。最后一步是對(duì)數(shù)據(jù)進(jìn)行聚類分析,通過(guò)基于密度的聚類算法(DBSCAN)執(zhí)行,該算法最適合處理高密度、均勻的點(diǎn)云。已知測(cè)量的非均勻密度將會(huì)對(duì)自動(dòng)識(shí)別的結(jié)果產(chǎn)生一定的影響［15］。但得益于貼近攝影測(cè)量具有多角度數(shù)據(jù)獲取的優(yōu)勢(shì),可以充分獲取復(fù)雜結(jié)構(gòu)面的信息,因此本文假設(shè)點(diǎn)云的密度是均勻的。

f.結(jié)構(gòu)面產(chǎn)狀計(jì)算：至此,已得到結(jié)構(gòu)面平面法向量及其標(biāo)準(zhǔn)平面方程,已知巖體結(jié)構(gòu)面產(chǎn)狀的測(cè)量只需知道該產(chǎn)狀所在平面的法向量即可,假設(shè)該結(jié)構(gòu)面平面方程為

Ax+By+Cz+D=0

其中A、B、C、D為方程參數(shù),且A、B、C不同時(shí)為0,則其平面法向量為n(A,B,C),根據(jù)平面的一般式方程,通過(guò)選中的點(diǎn)云樣本,構(gòu)建偏差平方和方程,最終可推導(dǎo)出以下結(jié)構(gòu)面產(chǎn)狀量化計(jì)算公式：

(3)

(4)

以上結(jié)構(gòu)面產(chǎn)狀提取的所有原理及步驟均可通過(guò)DSE程序完成。點(diǎn)云自動(dòng)聚類分析完成后,可將結(jié)果導(dǎo)入Cloud Compare軟件中進(jìn)行平面擬合,自動(dòng)計(jì)算出產(chǎn)狀信息。

3.2 方法驗(yàn)證實(shí)驗(yàn)

由于山區(qū)危巖體通常位于地形高陡、地貌復(fù)雜區(qū)域,研究人員無(wú)法到達(dá)現(xiàn)場(chǎng)。因此為了驗(yàn)證結(jié)構(gòu)面提取方法的可靠性,本文選取了研究區(qū)內(nèi)一處公路巖質(zhì)邊坡進(jìn)行驗(yàn)證實(shí)驗(yàn)。驗(yàn)證實(shí)驗(yàn)流程如圖7所示,首先采用相同軟硬件設(shè)備對(duì)邊坡進(jìn)行貼近攝影獲取平均分辨率為5 mm的影像數(shù)據(jù),并采用相同影像后處理軟件構(gòu)建巖體三維空間點(diǎn)云。最終利用DSE程序法對(duì)巖體結(jié)構(gòu)面產(chǎn)狀進(jìn)行提取,自動(dòng)提取結(jié)果與羅盤儀實(shí)地測(cè)量結(jié)果對(duì)比結(jié)果如表3所示,傾向傾角的誤差均在3°以內(nèi),可認(rèn)為本研究方法對(duì)結(jié)構(gòu)面產(chǎn)狀的提取結(jié)果誤差較小,滿足工程中的精度需求,并將此方法應(yīng)用于本研究所關(guān)注高陡危巖體中。

表3 羅盤和自動(dòng)識(shí)別產(chǎn)狀結(jié)果對(duì)比Table 3 Comparison of compasses and automatic identification of occurrence

圖7 驗(yàn)證實(shí)驗(yàn)流程Fig.7 Validation experiment process

3.3 工程實(shí)際應(yīng)用

本研究關(guān)注的高陡危巖體分布如圖8-A所示。在進(jìn)行結(jié)構(gòu)面提取前首先要對(duì)危巖體區(qū)域進(jìn)行裁剪,將非巖體出露區(qū)域進(jìn)行剔除(圖8-B),提取出巖體點(diǎn)云后即可開(kāi)始進(jìn)行結(jié)構(gòu)面產(chǎn)狀的自動(dòng)提取。首先,進(jìn)行最鄰近搜索時(shí),將共面性測(cè)試容差ηmax設(shè)置為20%。由于危巖體結(jié)構(gòu)破碎且坡面又停積有較多巖塊,影響因素較多,自動(dòng)識(shí)別出了多個(gè)極點(diǎn)(圖8-C)。因此,在計(jì)算其極點(diǎn)密度時(shí),對(duì)平面極點(diǎn)密度進(jìn)行濾波處理,將點(diǎn)云數(shù)據(jù)集法向量間的最小角度設(shè)置為20°,結(jié)果自動(dòng)檢測(cè)到6個(gè)優(yōu)勢(shì)結(jié)構(gòu)面點(diǎn)集,分別為J1、J2、J3、J4、J5、J6(表4)。得到主極點(diǎn)信息后,使用DBSCAN算法對(duì)點(diǎn)云進(jìn)行聚類分析,為了獲得良好的聚類可視化,將每個(gè)聚類的最大點(diǎn)數(shù)(ppc)設(shè)置為200,將較小的簇過(guò)濾,保留較大的結(jié)構(gòu)面點(diǎn)集(圖8-D)。每一個(gè)結(jié)構(gòu)面點(diǎn)集都對(duì)應(yīng)一個(gè)平面方程式,可將每一個(gè)平面點(diǎn)集都擬合成單個(gè)平面,并獲取其產(chǎn)狀。由主極點(diǎn)統(tǒng)計(jì)結(jié)果可知,從數(shù)量上來(lái)說(shuō),J2、J3組結(jié)構(gòu)面占比最高,其余依次為J4、J1、J5、J6。由于該危巖體十分破碎,坡面巖石碎塊較多,對(duì)結(jié)果有產(chǎn)生一定的影響。利用精細(xì)化三維實(shí)景模型對(duì)識(shí)別結(jié)果進(jìn)行驗(yàn)證分析發(fā)現(xiàn),J2、J3主要位于危巖體表面,但在巖體表面可以識(shí)別出多條平行于J2、J3結(jié)構(gòu)面的巖體裂隙,因此認(rèn)為J2、J3可以正確地表征危巖體結(jié)構(gòu)面。J1、J4、J6盡管數(shù)量上占比相對(duì)較少,但結(jié)構(gòu)面發(fā)育特征十分明顯,同組結(jié)構(gòu)面相互平行,各組結(jié)構(gòu)面共同將危巖體切割成塊狀。而J5經(jīng)復(fù)核查證后,認(rèn)為其多是受坡面上較大的巖塊表面所影響而得到的結(jié)果,因此將其人工排除。結(jié)合三維實(shí)景模型,采用人機(jī)交互的方式,對(duì)結(jié)果進(jìn)行了可視化分析后,最終認(rèn)為J1、J2、J3、J4、J6取向可以成功地表征結(jié)構(gòu)面(圖9)。5組優(yōu)勢(shì)結(jié)構(gòu)面產(chǎn)狀分別為J1：106.40°∠45.73°;J2：357.69°∠61.57°;J3：40.01°∠75.71°;J4：305.91°∠80.89°;J6：225.01°∠33.73°。

表4 結(jié)構(gòu)面點(diǎn)集聚類結(jié)果表Table 4 Classification of discontinuous sets

圖8 高陡危巖體優(yōu)勢(shì)結(jié)構(gòu)面提取過(guò)程Fig.8 Extraction process of dominant structural plane of high and steep dangerous rock mass

圖9 巖體結(jié)構(gòu)面提取結(jié)果Fig.9 Extraction results of rock mass discontinuities

3.4 結(jié)構(gòu)面跡線提取

巖體結(jié)構(gòu)面跡線是指在巖體結(jié)構(gòu)面與露頭面的交線,其長(zhǎng)度稱為跡長(zhǎng)。結(jié)構(gòu)面的形狀和結(jié)構(gòu)面的實(shí)際尺寸共同決定了跡長(zhǎng)的大小。因此,跡長(zhǎng)信息對(duì)于巖體穩(wěn)定性評(píng)價(jià)也起著關(guān)鍵作用。傳統(tǒng)的跡線測(cè)量方法為測(cè)線法,但該方法易受邊坡植被、碎石和泥土遮擋等環(huán)境因素限制,人工方法能夠測(cè)得全跡長(zhǎng)的結(jié)構(gòu)面較少,且尺寸較小。有學(xué)者認(rèn)為,結(jié)構(gòu)面測(cè)量得到的特征點(diǎn)解算出的所有可視結(jié)構(gòu)面中可量測(cè)的最大長(zhǎng)度,即結(jié)構(gòu)面上采集的所有特征點(diǎn)中,兩點(diǎn)之間距離最大值,其長(zhǎng)度可以近似于等于跡線長(zhǎng)度［18］。如圖10-A所示,封閉線代表著巖體結(jié)構(gòu)面的范圍,而紅色的線即代表著裂隙的跡線長(zhǎng)度,其長(zhǎng)度可近似等于結(jié)構(gòu)面跡長(zhǎng)。

圖10 結(jié)構(gòu)面跡線提取Fig.10 Extraction of discontinuity trace

因此,要想獲得結(jié)構(gòu)面跡長(zhǎng),首先要對(duì)結(jié)構(gòu)面跡線進(jìn)行提取。本研究利用開(kāi)源軟件CloudCompare對(duì)結(jié)構(gòu)面跡線進(jìn)行手動(dòng)采集,此次研究共測(cè)得181個(gè)結(jié)構(gòu)面信息,并解算得到其產(chǎn)狀信息以及跡線信息,其中x1、y1、z1、x2、y2、z2代表著結(jié)構(gòu)面跡線的端點(diǎn)坐標(biāo)(表5)。根據(jù)提取的端點(diǎn)坐標(biāo)信息,可以自主編寫繪圖程序,繪制出研究區(qū)結(jié)構(gòu)面三維跡線圖(圖10-B)。結(jié)構(gòu)面跡線的提取可以令結(jié)構(gòu)面的發(fā)育情況更加直觀,亦可為后期結(jié)構(gòu)面間距、延續(xù)性、粗糙度等的研究提供一定的參考意義。

4 巖體穩(wěn)定性評(píng)價(jià)

通過(guò)半自動(dòng)識(shí)別得到了5組優(yōu)勢(shì)結(jié)構(gòu)面產(chǎn)狀信息,危巖體三維空間切割關(guān)系已基本查清。如圖11-A所示,以巖塊1為例,該巖塊被J2、J3、J4、J6四組結(jié)構(gòu)面共同切割成塊狀,受J6結(jié)構(gòu)面的影響,危巖底部巖腔發(fā)育,基座臨空。結(jié)合貼近攝影測(cè)量精細(xì)化三維實(shí)景模型對(duì)危巖體穩(wěn)定性進(jìn)行分析,認(rèn)為當(dāng)前對(duì)該危巖體穩(wěn)定性其控制作用的結(jié)構(gòu)面主要為J2及J3。危巖體剖面如圖11-B所示,該巖塊受4組結(jié)構(gòu)面切割,J4與J6已基本貫通。由于J6結(jié)構(gòu)面的發(fā)育,造成該危巖體基座臨空,可看到巖體在重力作用下,已產(chǎn)生多條巖體裂隙(L1～L4)。如圖11-C所示,巖體裂隙發(fā)育方向基本與J2、J3組結(jié)構(gòu)面平行,巖體裂隙寬度大多為1 cm左右。受裂隙切割和下部巖腔的影響,危巖體高懸于陡崖上端和巖腔頂部。隨著裂隙的不斷加深加寬,特別是J3方向上的裂隙(L1與L4),一旦裂隙切割整個(gè)危巖體,巖體將脫離母體。在巖體自身重力的作用下,危巖體可能會(huì)發(fā)生墜落式破壞。因此,經(jīng)快速綜合分析,定性判定該巖體穩(wěn)定性為不穩(wěn)定狀態(tài)。并且初步認(rèn)為主控該危巖體穩(wěn)定性的結(jié)構(gòu)面應(yīng)該為J2、J3。此分析僅針對(duì)巖塊1,若從區(qū)域宏觀角度上看,巖體發(fā)育多組結(jié)構(gòu)面,空間切割關(guān)系復(fù)雜,具體危巖體巖塊要具體分析,巖體穩(wěn)定性實(shí)際上應(yīng)是由多組結(jié)構(gòu)面共同決定的。

圖11 危巖體空間發(fā)育情況Fig.11 Spatial development of dangerous rock mass

5 結(jié)論與展望

本文提出了一種基于無(wú)人機(jī)貼近攝影測(cè)量的高陡危巖體結(jié)構(gòu)面的快速、精細(xì)化的調(diào)查方法。經(jīng)實(shí)驗(yàn)證明,此方法對(duì)結(jié)構(gòu)面產(chǎn)狀提取的效率較快、準(zhǔn)確度較高,與羅盤實(shí)測(cè)結(jié)果相對(duì)比,傾向傾角的誤差均在3°以內(nèi),提取結(jié)果可以良好地滿足工程精度需求,可為高陡危巖體結(jié)構(gòu)面的精細(xì)化調(diào)查以及高陡危巖體穩(wěn)定性快速評(píng)價(jià)提供可靠的基礎(chǔ)數(shù)據(jù),具有良好的實(shí)際意義。此外,盡管貼近攝影測(cè)量技術(shù)仍處于初步探索的階段,但其高精度、多角度數(shù)據(jù)獲取的優(yōu)勢(shì)已得到眾多試驗(yàn)研究證明。除了在危巖體結(jié)構(gòu)面調(diào)查中可以發(fā)揮重大作用外,該技術(shù)還在城市建筑物精細(xì)三維重建、高山峽谷區(qū)地質(zhì)災(zāi)害精細(xì)化調(diào)查與監(jiān)測(cè)、文物古建筑精細(xì)化重建以及水利工程監(jiān)測(cè)等多個(gè)行業(yè)上進(jìn)行了應(yīng)用研究,均取得了良好的效果［14］?？梢?jiàn)隨著無(wú)人機(jī)設(shè)備的升級(jí),以及智能飛控軟件的不斷優(yōu)化,貼近攝影測(cè)量技術(shù)未來(lái)在數(shù)據(jù)精度、數(shù)據(jù)獲取效率等方面還將進(jìn)一步得到提升,該技術(shù)具有巨大的發(fā)展前景。