基于点云特征线提取的开采沉陷区建筑物倾斜测量_金卓.pdf

基于点云特征线提取的开采沉陷区建筑物 倾斜测量 金卓 1 张自宾 2 陈朋 31 （1. 大同煤炭职业技术学院建筑工程系， 山西 大同 037003； 2. 大同煤矿集团有限责任公司， 山西 大同 037003； 3. 上海市建筑科学研究院， 上海 200032） 摘要煤炭开采的影响区域主要集中在农田及村庄等地区， 部分村庄的建筑物分布比较密集， 且观测条件 较差， 无法采用传统全站仪坐标法进行倾斜测量。与传统测量方法相比， 三维激光扫描技术具有高密度、 高精度、 快速获取物体表面三维空间坐标等优点。在分析现有算法的基础上， 提出了一种基于RanSAC算法拟合平面提取 建筑物特征线的方法。该方法利用RanSAC算法对k邻域点集进行平面拟合， 根据点集中属于最佳平面模型的比 率进行特征点判断与提取。研究表明 相对于基于点云曲率的特征线提取方法， 所提方法可提取出清晰完整的特 征线， 在保留细部特征的基础上， 具有受噪声影响小的特点。通过将提取的倾斜值与全站仪坐标测量结果进行对 比， 反映出所提方法的倾斜差均小于允许倾斜值的1/10， 满足建筑物倾斜测量的精度要求。 关键词开采沉陷倾斜测量三维激光扫描技术RanSAC算法拟合平面建筑物特征线k邻域 中图分类号TD325文献标志码A文章编号1001-1250 （2019） -10-178-05 DOI10.19614/ki.jsks.201910028 Building Oblique Survey of Mining Subsidence Area Based on Point Cloud Feature Lines Extraction Jin Zhuo1Zhang Zibin2Chen Peng32 （1. Depart of Architectural Engineering， Datong Vocational and Technical College of Coal， Datong 037003， China； 2. Datong Coal Mine Group， Datong 037003， China； 3. Shanghai Research Institute of Building Sciences， Shanghai 200032， China） AbstractThe influence area of coal mining mainly concentrates on farmland and villages.Some villages have dense buildings and poor observation conditions， so the traditional total-station coordinate can not be used for oblique survey. Compared with traditional measurement s， 3D laser scanning technique has the advantages of high density， high preci- sion and fast acquisition to obtain three-dimensional space coordinates of object surface.Based on the analysis of existing algo- rithms， a of building feature line extraction based on the fitting plane of RanSAC algorithm is proposed.RanSAC algo- rithm is used to fit the k-neighborhood point set in plane， and the feature points are judged and extracted according to the ratio of the point set belonging to the best plane model.The study results show that compared with the feature line extraction meth- od based on point cloud curvature， the algorithm mentioned above can clearly and completely extract feature lines. Besides re- taining detailed features， it is less affected by noise.Compared with the results of total station coordinate ， it is indicated that the inclination difference is less than 1/10 of the allowable oblique value， which meets the accuracy requirement of oblique survey for the buildings in mining subsidence area. KeywordsMining subsidence， Oblique survey， 3D laser scanning technique， RanSAC algorithm， Fitting plane， Feature lines of building， k-neighborhood 收稿日期2019-08-25 作者简介金卓 （1981） ， 女， 讲师， 硕士。 总第 520 期 2019 年第 10 期 金属矿山 METAL MINE Series No. 520 October 2019 煤矿开采会导致地表产生移动与变形， 当变形 超过一定的范围就会影响地表建 （构） 筑物的正常使 用， 因此需要对建 （构） 筑物进行变形监测， 倾斜观测 是最常见的一种变形观测方法 ［1-2］。煤炭开采的影响 区域主要集中在农田及村庄等地区， 部分村庄建筑 物分布比较密集， 且观测条件较差， 局部立面无法采 用全站仪进行倾斜测量。 特征点、 特征线、 特征面是建筑物形状描述、 建 178 ChaoXing 筑物三维模型重建的重要参数 ［3］。建筑物特征线可 用于建筑三维模型重建、 点云数据精简、 模型匹配以 及建筑物变形信息提取等方面 ［4-5］。可利用三维激光 扫描技术获取建筑物表面的高密度、 高精度点云数 据， 提取并拟合建筑物的特征线来获得倾斜信息 ［6-10］。 现有的特征线提取方法主要有 ①基于曲率值、 法向量等几何特征获取方法， 任前程 ［11］提出了基于 邻近投影点相邻向量夹角实现点云特征线提取的方 法， 该方法可提取出建筑物特征线和点云边界， 但提 取结果中噪声点较多； Kim ［12］根据主曲率方向判断脊 线， 但耗时较多； ②根据影像特征线实现点云特征线 提取， 王春林等 ［13］提出在影像辅助下LiDAR数据建 筑物轮廓信息提取方法， 该方法利用影像边缘的方 向、 梯度、 高程等信息， 实现建筑物轮廓线提取， 但提 取的结果不规则， 且影像与点云的映射函数存在误 差； 周绍光等 ［14］提出了基于高分辨率遥感影像的建 筑物轮廓信息提取方法， 该方法受影像质量影响较 大， 且提取结果中包含非特征点。 本研究在分析现有算法的基础上， 提出了一种 基于随机抽取一致性（Random Sample Consensus， RanSAC） 算法 ［15］拟合平面进行特征点判断和提取的 方法， 该方法可提取清晰完整的建筑物特征线点云， 与现有算法相比， 该方法具有受噪声点影响小的特 点。 1原理与方法 1. 1算法原理 1. 1. 1RanSAC算法拟合平面 由于地面三维激光扫描仪所获得的平面点云并 非理论上的平面点， 而是具有一定 “厚度” 、 呈 “面状” 分布的点云， 其中包含一定数量的噪声点。由于 RanSAC算法具有降低噪声点对拟合结果影响的特 性， 故本研究利用该算法对点云进行平面拟合。主 要步骤如下 （1） 随机选择3个点求解点云平面模型参数， 计 算所有点与该平面模型的垂直距离dii∈[1,3]。 （2） 选取阈值t， 若di＜t， 认为点pi为该平面内的 点。反之， 为非平面点， 并统计属于该平面模型的总 点数xplane 。 （3） 重复上述步骤m迭代次， 其中，xplane最多的为 最佳平面模型， 并用最小二乘算法对最佳平面模型 中的点进行拟合得到最终的平面模型参数。 相较于最小二乘算法， RanSAC算法拟合平面可 较好地消除噪声点及异常值对拟合结果的影响， 因 此可利用其抗噪性提取建筑物的特征线点云。 1. 1. 2特征线点云提取算法 建筑物点云集合 （包含n个点） 可表示为 P{}p1,p2,⋯,pi,⋯,pn ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ x1,y1,z1,x2,y2,z2,⋯, xi,yi,zi,⋯,xn,yn,zn . （1） 对于任意一点pi， 首先搜索该点的k邻域点集 Kpi{ } xj,yj,zj|j1,2,,k， 利用RanSAC算法对Kpi 点集进行平面拟合， 统计历次拟合点集Kpi中属于平 面模型的点数Xplane xplane≤ k， 进一步得到最佳平面 模型。 如图1所示， 利用RanSAC算法对pi点的k邻域 点集进行平面拟合， 墙面点的k邻域点集大多属于同 一平面， 属于最佳平面模型的点数xplane较多。如图2 所示， 特征线点的k邻域点集分属不同墙面， 在利用 RanSAC算法进行平面拟合时， 其k邻域点集属于最 佳平面模型的总点数xplane较少。本研究建筑物特征 线点云提取步骤为 （1） 对于任意一点pi， 搜索该点的k邻域点集 Kpi。 （2） 利用RanSAC算法拟合空间平面， 并统计点 集Kpi中属于最佳平面模型的点数xplane， 并计算比 率vplane xplanek。 （2） 若vplane＞vmin， 则pi点为墙面点； 反之，pi点 为特征线点。vmin为判断点pi是否为特征线点的阈 值。 结合上述步骤进行逐点判断， 实现建筑物特征 线提取， 并拟合空间直线， 得到建筑物的倾斜值。 1. 2算法参数选取 算法参数包含RanSAC算法拟合平面的阈值t、 k 值和阈值vmin。合适的阈值可以减少异常值对拟合 结果的影响， 并使得提取的特征线更加精细。本研 究通过试验选取阈值t。 2019年第10期金卓等 基于点云特征线提取的开采沉陷区建筑物倾斜测量 179 ChaoXing 1. 2. 1阈值t 在建筑物点云上随机选取3个不同墙面的采样 点， 选取其k邻域点集并剔除噪声点， 利用RanSAC算 法拟合平面， 并利用下式计算平面点与最佳平面模 型的平均距离 - d， 选取2倍平均距离作为阈值t。 - d ∑ j1 k ||AxjByjCzjD xplaneA2B2C2 xplane≤ k，（2） 式中， A、 B、 C、 D为方程系数， 且A、 B、 C不同时为0。 1. 2. 2k值和阈值vmin 对于k值和阈值vmin的选取， 首先在建筑物墙面 选取1点， 特征线上选取2点， 近特征线位置选取3 点 （图3） ， 逐渐增大点的k邻域， 分析k值与比率vplane 的关系， 结果如图4所示。 由图4可知 1墙面点的邻域点集呈面状分布， 其邻域点集属于同一平面， 随着k值增大， 属于最佳 平面模型的比率vplane一直在0.95以上； 2特征线点的 邻域点集分属不同墙面， 其比率vplane为0.5～0.7； 3近 特征线位置的点随着k值增大， 其邻域点中另一墙面 内的点逐渐增多， 比率vplane逐渐降低。可以判断， 若 选取的k值和阈值vmin较大， 会使提取的特征线较 粗， 影响斜率的计算结果。可通过选取合适的k值和 阈值vmin， 在保证获得特征线的同时， 使得提取的建 筑物特征线更加精细化。 2实例分析 选取某矿开采沉陷区内的一处建筑物进行试 验， 外业利用徕卡C10扫描仪获取沉降区建筑物点 云， 经过内业拼接、 配准、 去噪和抽稀处理后得到建 筑的完整点云 ［16-20］。 2. 1特征线提取 如图5所示， 选取建筑物一侧立面， 利用本研究 方法提取建筑物特征线， 并与基于点云曲率的提取 结果进行分析， 验证方法的有效性。 根据文中1.2节阈值选取方法， 选取部分采样点 进行试验。由于试验中建筑物以砖墙为主， 表面较 为粗糙， 得出阈值t值为0.01 m。为降低噪声影响， k 取值适量偏大， 本研究k取80，vmin取0.65。图6为本 研究方法提取的建筑物特征线， 建筑点云由原始点 云220万点精简至21万点左右。根据点云曲率特征 提取的建筑物特征线如图7所示。 本研究试验的建筑物墙面为砖墙面， 表面较为 粗糙， 导致相应的点云噪声点较多。由图6可知 本 研究方法提取的特征线包含建筑立面的所有特征。 由图6、 图7对比可知 在提取的特征线完整程度相近 的情况下， 利用本研究算法提取的特征线噪声点较 少， 大量的平整墙面点被滤除。图8为特征线的细部 部分， 可清晰分辨 “天主堂” 汉字轮廓等细部特征。 因此采用本研究方法可提取清晰完整的特征线， 在 金属矿山2019年第10期总第520期 180 ChaoXing ［1］ ［2］ ［3］ 保留细部特征的基础上， 具有受噪声影响小的特 点。 2. 2建筑物倾斜测量 建筑物特征线提取完毕后， 对特征线进行空间 直线拟合， 得到拟合直线的空间向量， 进一步计算特 征线的倾斜量。选取9处建筑物， 利用本研究方法计 算其倾斜量， 并与全站仪坐标测定法的测量结果进 行对比， 结果如表1所示。 本研究试验建筑物高度均小于24 m， 根据 建筑 地基基础设计规范 （GB 500072011） 要求， 当建筑 物高度不超过 24 m 时， 建筑物整体倾斜允许值为 0.004。由表1可知 全站仪坐标测定法与本研究方法 所提取的特征线的斜率差均小于允许倾斜值的1/10， 说明该方法满足建筑物倾斜测量的精度要求。 3结语 针对传统建筑物倾斜测量效率低、 外业测量困 难等问题， 提出了一种基于RanSAC算法拟合平面提 取建筑物特征线的方法。该方法利用RanSAC算法 具有抵抗噪声点及异常值的特性对k邻域点集进行 平面拟合， 在试验的基础上选取阈值， 根据点集中属 于最佳平面模型的比率进行特征点判断与提取。试 验结果表明， 与基于点云曲率的提取结果相比， 本研 究方法可提取清晰完整的特征线， 在保留细部特征 的基础上， 具有受噪声影响小的特点， 满足建筑物倾 斜测量的精度要求。 参 考 文 献 蒯洋， 刘辉， 郑刘根， 等.建筑物下压煤开采地表变形预计及 建筑物损害分析 ［J］ .金属矿山， 2017 （10） 36-38. Kuai Yang， Liu Hui， Zheng Liugen， et al.Surface deation pre- diction and building damage analysis of coal mining under build- ings ［J］ .Metal Mine， 2017 （10） 36-38. 左建平， 周钰博， 刘光文， 等.煤矿充填开采覆岩连续变形移动规 律及曲率模型研究 ［J］ .岩土力学， 2019， 40 （3） 1097-1104. Zuo Jianping， Zhou Yubo， Liu Guangwen， et al.Continuous dea- tion law and curvature model of rock strata in coal backfill mining ［J］ .Rock and Soil Mechanics， 2019， 40 （3） 1097-1104. 徐卫青， 陈西江， 章光， 等.一种基于高斯映射的三维点云特征 线提取方法 ［J］ .激光与光电子学进展， 2019， 56 （9） 091403-1. Xu Weiqg， Chen Xijiang， Zhang Guang， et al.3D laser point cloud 2019年第10期金卓等 基于点云特征线提取的开采沉陷区建筑物倾斜测量 181 ChaoXing ［4］ ［5］ ［6］ ［7］ ［8］ ［9］ ［10］ ［11］ ［12］ ［13］ ［14］ ［15］ ［16］ ［17］ ［18］ ［19］ ［20］ feature line extraction based on Gauss map ［J］ .Laser Op- toelectronic Progress， 2019， 56 （9） 091403-1. 刘德贺， 史玉峰.地面激光扫描技术在古石拱桥建模中的应用 ［J］ .激光杂志， 2018， 39 （2） 101-104. Liu Dehe， Shi Yufeng.Application of terrestrial laser scanning tech- nology in the modeling of ancient stone arch bridge ［J］ .Laser Jour- nal， 2018， 39 （2） 101-104． 张雨禾.散乱点云特征提取方法与部位缺损文物碎片拼接技术 研究 ［D］ .西安 西北大学， 2017. Zhang Yuhe.Research on Feature Extraction from Scattered Point Clouds and Reassembly of Fragments with Defective Fractures ［D］ . XianNorthwest University， 2017. 王晓辉， 吴禄慎， 陈华伟， 等.基于区域聚类分割的点云特征线提 取 ［J］ .光学学报， 2018， 38 （11） 66-75. Wang Xiaohui， Wu Lushen， Chen Huawei， et al.Feature line extrac- tion from a point cloud based on region clustering segmentation ［J］ . Acta Optica Sinica， 2018， 38 （11） 66-75. 廉旭刚， 蔡音飞， 胡海峰.我国矿山测量领域三维激光扫描技术 的应用现状及存在问题 ［J］ .金属矿山， 2019 （3） 35-40. Lian Xugang， Cai Yinfei， Hu Haifeng.Application status and exist- ing problems of 3D laser scanning technique in mine surveying in China ［J］ .Metal Mine， 2019 （3） 35-40. 王波.影像特征线辅助下的三维激光点云建筑物建模 ［D］ .南 京 南京师范大学， 2013. Wang Bo.Building Model Reconstruction Based on 3D Laser Point Cloud with Image Feature Lines Assisted ［D］ .NanjingNanjing Nor- mal University， 2008. 焦晓双， 胡海峰， 廉旭刚.基于三维激光扫描技术的矿区建筑物 变形监测方法 ［J］ .金属矿山， 2018 （4） 150-153. Jiao Xiaoshuang， Hu Haifeng， Lian Xugang.Deation monitoring of the buildings in mining area based on 3D laser scanning technique ［J］ .Metal Mine， 2018 （4） 150-153. 杜秋， 郭广礼.三维激光扫描点云边界提取研究 ［J］ .金属矿 山， 2017 （10） 67-71. Du Qiu， Guo Guangli.Research on boundary extraction of 3D laser scanning point cloud ［J］ .Metal Mine， 2017 （10） 67-71. 任前程.一种点云特征线提取方法 ［J］ .激光与光电子学进展， 2019， 56 （6） 062803-1. Ren Qiancheng. for extraction of point cloud feature line ［J］ . Laser Optoelectronic Progress， 2019， 56 （6） 062803-1. Kim S K.Extraction of ridge and valley lines from unorganized points［J］ .Multimedia Tools and Applications， 2013， 63（1） 265- 279. 王春林， 孙金彦， 周绍光， 等.影像辅助下LiDAR数据建筑物轮廓 信息提取 ［J］ .国土资源遥感， 2017， 29 （1） 78-85. Wang Chunlin， Sun Jinyan， Zhou Shaoguang， et al.Building bound- ary extraction using LiDAR data and images［J］ .Remote Sensing for Land Resources， 2017， 29 （1） 78-85. 周绍光， 孙金彦， 凡莉， 等.高分辨率遥感影像的建筑物轮廓信 息提取方法 ［J］ .国土资源遥感， 2015， 27 （3） 52-58. Zhou Shaoguang， Sun Jinyan， Fan Li， et al. Extraction of building contour from high resolution images ［J］ .Remote Sensing for Land Resources， 2015， 27 （3） 52-58. 李孟迪， 蒋胜平， 王红平.基于随机抽样一致性算法的稳健点云 平面拟合方法 ［J］ .测绘科学， 2015， 40 （1） 102-106. Li Mengdi， Jiang Shengping， Wang Hongping.A RANSAC- based stable plane fitting of point cloud ［J］ .Science of Surveying and Mapping， 2015， 40 （1） 102-106. 陆建华， 胡大贺， 吕志才， 等.大型古建筑精密三维数据采集方法 与实践 ［J］ .现代测绘， 2017， 40 （1） 43-47. Lu Jianhua， Hu Dahe， Lyu Zhicai， et al. and application in three dimensional data acquisition of large ancient building preci- sion ［J］ .Modern Surveying and Mapping， 2017， 40 （1） 43-47. 刘德贺， 史玉峰.地面激光扫描技术在古石拱桥建模中的应用 ［J］ .激光杂志， 2018， 39 （2） 101-104. Liu Dehe， Shi Yufeng.Application of terrestrial laser scanning tech- nology in the modeling of ancient stone arch bridge ［J］ .Laser Jour- nal， 2018， 39 （2） 101-104. 王晏民， 王国利.地面激光雷达用于大型钢结构建筑施工监测与 质量检测 ［J］ .测绘通报， 2013 （7） 39-42. Wang Yanmin， Wang Guoli.Quality monitoring of large-scale steel buildings using terrestrial LiDAR technology ［J］ .Bulletin of Survey- ing and Mapping， 2013 （7） 39-42. 贺一波， 陈冉丽， 吴侃， 等.基于k-means聚类的点云精简方法 ［J］ .激光与光电子学进展， 2019， 56 （9） 091002-1. He Yibo， Chen Ranli， Wu Kan， et al.Point cloud simplification based on k- means clustering［J］ .Laser Optoelectronic Progress， 2019， 56 （9） 091002-1. Jinhu W， Roderik L， Yueqean S.Coarse point cloud registration by Egi matching of voxel clusters ［J］ .ISPRS Annals of the Photogram- metry，Remote Sensing and Spatial Ination Sciences，2016 （12） 98-99. （责任编辑王小兵） 金属矿山2019年第10期总第520期 182 ChaoXing