罗坤

摘要：地面三维激光扫描仪可以无接触被测目标而直接获得其表面的高精度、高密度的空间三维坐标，即点云数据，然后对其处理后并构造出高精度、高分辨率的三维数字模型，因此，广泛地应用在边坡变形监测之中。论文详细地介绍了地面三维激光扫描仪，在此基础上结合露天矿山边坡监测数据及处理后成果的分析，探索了基于地面三维激光扫描的露天矿山边坡变形监测理论与方法。

关键词：激光，三维，边坡，变形监测

Research on Slope Monitoring of Open Pit Mine Based on Surface Laser 3D

LUO Kun

（Geological Survey Brigade of Guizhou Coalfield Geology Bureau， Guiyang， Guizhou Province， 520100 China）

Abstract： The 3D laser scanner on the ground can directly obtain the high-precision and high-density 3D coordinates of the surface of the measured object， that is， the point cloud data， and then process them to construct a high-precision and high-resolution 3D digital model. Therefore， it is widely used in slope deformation monitoring. In this paper， the ground 3D laser scanner is introduced in detail. On this basis， combined with the analysis of slope monitoring data and processing results of open-pit mine， the theory and method of slope deformation monitoring of open-pit mine based on ground 3D laser scanning are explored.

Key Words： Laser; 3D; Slope; Deformation monitoring

本世纪以来，随着矿产资源的开发利用，国内外露天矿采矿规模逐步扩大，按现有矿山生产能力计算，国内露天矿开采的铁矿约占90%，有色金属矿约占52%，煤炭矿占10%以下，还有持续增长的趋势^[1]。随着露天矿山开采的不断进行，逐渐步入深部开采阶段，导致矿区的四周形成多个阶梯状台阶组成的边坡。开采过程中，边坡受日常的爆破振动、汽车运输过程中的扰动以及环境对岩体风化作用等外界自然环境因素的影响，致使其稳定性受到重大影响^[2]。边坡稳定性是矿山开采面对的一个重大问题，特别是近些年来，加上极端天气多发，由此而诱发的矿山边坡失稳事故呈多发态势^[3]。

边坡在发生滑坡前，有一段迟缓的偏移过程，所以可以采用合适的方法对矿山的安全重要的边坡进行监测。根据不同周期的数据，对边坡整体的变化趋向进行分析，找到变形严重区域并利用理论模型进行预测^[4]。

1 研究区概况

某矿山经过近20年来的露天开采，目前采空区形成深凹陷的椭圆形深坑（如图1所示），长跨度约750m，宽约为450m，最小高程值为-36m;周边高边坡，边坡与开采区高差均在100m以上，西边达200m以上。图中A区为目前开采区，其他区域为非开采区，而对非开采区进行稳定性监测就是本文研究的内容。根据实地勘察，矿区北边的入口比邻多个大面积的水坑或塘，随着开采的不断深入，周边边坡高差逐渐加大，若遇雨季，积水坑水也会向开采区渗透，这些不利因素，越来越影响矿山开采，这就使得开展矿区及边坡安全监测工作至关重要。本文选择图中B区为实验场地，该区域邻近开采区，且在变形监测之前已有局部边坡发生了滑坡，边坡上下最高以形成70米的陡峭，最低也有45米的陡峭，如果再无监测地让滑坡现象发生，会直接影响开采区的安全，所以对该区域进行实验研究很有必要性和代表性。

圖1 某矿山鸟瞰图

2 点云数据采集

利用扫描仪在数据采集过程中，与常规测量相同，需要对数据采集对象的空间位置和形态分布提前进行考察，并通过考察情况确定方案，最终实现三维场景的点云数据采集，点云数据获取的流程图如图2所示。

图2 点云获取步骤

3 点云数据处理

根据要求，矿山边坡地面三维激光扫描周期为2019年6月-2019年11月，每月进行一次观测扫描，时间分别为（月/日）：6/25、7/20、8/11、9/15、10/19、11/4，每期进行三站扫描完成，总共十八幅点云数据。为了能更精确地利用数据重建模型，需要对数据进行处理，包括：数据的配准、数据的去噪和简化、三维建模。

3.1点云数据配准

为了获得完整的边坡模型，必须将收集的数据统一在实际的工程坐标系下。本文中的配准作业使用Rieglvz-1000地面3D激光扫描仪自己支持的Riscan Pro软件，并使用其多站点注册功能进行自动拼接：首先，使用扁平法线过滤器模块（Plane patch fiter）计算每个平面的法线，将最大平面误差设置为0.01 m，并且每个平面中的最小点云数不得超过30;然后旋转目标点云以使其彼此更接近;最终根据同一地点两个站点云之间的最远距离进行调整，并使用最小二乘法计算搜索半径，直到配准误差最小。

3.2 点云数据去噪和简化

斜坡表面的植被很少，主要是杂草、灌木和人工痕迹。 Riscan Pro集成点云处理软件中的植被去除模块可用于去除植被和去除信号点云。对于空气对于灰尘颗粒和浓厚的误差点云，可以选择软件偏差过滤器工具以反射率的形式显示数据，偏差范围的经验值在0到50之间。

为了提高后表面重建的效率和质量，有必要根据一定的要求减少数据量，即简化数据。使用Riscan Pro中八叉树数据抽稀方法进行数据简化。此方法可用于X，Y和Z数据，在上方设置抽稀密度。根据斜坡实际结构的平整度，本文档选择了不同的抽稀密度来对数据抽稀。

图3 数据简化前后对比图

3.3 三维建模

采用不规则三角网表示数字高程模型（Digital Elevation Model），也称DEM，DEM是一种连续表面的栅格制图表达，此类数据主要取决于分辨率，由于构成三角网的各个点都是原始数据，避免了内插损失，所以DEM能很好地估计地势的点和线来表示地形。本文利用Riscan Pro和Geomagic软件相互辅助对研究区边坡进行了三维建模。按照Delaunay规则对预处理后的边坡数据进行剖分，构建TIN，生成mesh模型图如图4。

图4 边坡Mesh模型

将预处理后数据导出为txt格式，将其导入Geomagic Studio13中。Geomagic Studio13软件重建三维模型主要有点和多边形处理阶段，经过处理，点云信息不免会缺失，可通过“填充孔”进行多边形的修补^[5]。

4 越堡矿山边坡变形监测与分析

处理数据后，将对其进行监测分析以确保稳定性。本文的主要任务是利用获得的三维点云数据分析露天矿的边坡位移和变形趋势。变形分析的主要内容是：（1）边坡的常规DEM重叠分析。在不同观测日期收集的点云数据形成的DEM将有所不同。叠加不同的DEM来分析这些变化并确定露天矿边坡的表面位移^[6]; （2）边坡切片叠加分析，为了更直观地观察边坡变形并执行由完整几何模型的深度图像形成的深度图像分割，曲面对象模型的表面是使用2D深度点和3D空间点之间的一对一映射关系将其划分为表面分割。对在不同时期获取的点云数据生成的坡度轮廓线也进行了修改，并通过叠加多周期轮廓线来判断坡度变化;（3） 近景摄影测量技术的比较验证，以消除该技术独特的地面3D激光扫描还执行摄影测量图像数据收集和图像控制点坐标收集，使用同期摄影测量技术可处理和分析坡度数据，并与3D激光扫描技术进行比较和分析并相互验证。通过以上分析和验证，可以对露天矿山边坡的变形做出合理的推断，为矿山边坡的灾害管理提供科学依据^[7]。

以第1期模型作为基准面，即测试模型，分别以后5期DEM模型作为参考模型，进行DEM叠加。得出第二期（7月份）、第四期（9月份）、第五期（10月份）边坡南端靠近开采区位置出现变形滑坡。

5 结束语

本文将地面三维激光扫描技术应用到某矿山的北半部分的西边边坡体实例监测中，利用多时相边坡整体DEM叠加分析方法基于边坡面特征对边坡整体进行变形监测与分析，相邻DEM叠加差分图显示第二（7月份）、第四（9月份）和第五期（10月份）边坡发生大程度的滑坡变形现象，证明了地面激光三维方法在变形监测上的有效性。

参考文献：

[1]王英汀.三维激光扫描技术在基坑变形监测和岩土体参数反演中的应用[D].青岛理工大学，2019.

[2]韦兴荣.地面三维激光扫描应用于变形工程测量[J].城市勘测，2020（03）：134-135+139.

[3]陆培庆，唐超.移动式三维激光扫描技术在地铁隧道变形监测中的应用[J].测绘通报，2020（05）：155-157+160.

[4]韦武化.三维激光扫描技术运用于隧道断面变形测量[J].北京测绘，2020，34（04）：561-565.

[5]李得军.采动区高等级公路三维激光扫描监测及变形信息提取[D].中国矿业大学，2019.

[6]邓晓隆.基于三维激光扫描的桥梁结构变形检测及数据分析[D].苏州科技大学，2018.

[7]周才文. 基于地面三維激光扫描的露天矿山边坡变形监测研究[D].江西理工大学，2018.