李寒冰, 刘 宁, 王 盼, 余 敏, 张 辰, 王 璐

(1.华设设计集团股份有限公司,江苏 南京 210014; 2.合肥工业大学 土木与水利工程学院,安徽 合肥 230009)

随着基坑开挖深度的不断增加,对基坑边坡、支护桩体进行实时监测变得尤为重要,已经成为保障工程安全、减少重大人员财产损失的一道关键屏障。目前,工程中仍采用经纬仪、全站仪等传统的基坑边坡变形监测手段。虽然精度高、投资小,但监测周期长、耗时费力、人力成本高,且只能进行静态测量,无法实时跟踪测点的情况,无法满足现代基坑监测的需求[1]。全球定位系统(golbal positioning system,GPS)虽然在基坑变形监测方面也有广泛应用,但是对基坑的微小形变反应不灵敏、无效数据量过多。传统点式测量手段不能满足目前“深、紧、近、难、险”的基坑变形监测的需求,因此多源数据的基坑变形监测技术具有重要意义。

随着摄像机性能的提升以及计算机图像处理技术的飞速发展,数字近景摄影测量通过使用相机获取被测物体的清晰影像以及部分控制点数据,进行测量工作,通过计算机视觉与图像处理软件完成数据获取以及基坑的变形信息计算,具有精度高、低成本、现势性强等优势[2]，克服了使用传统测绘仪器进行测量时的各种缺点,可以用于深基坑的变形监测以及高精度三维测量中,进而实现对照片标志点像点坐标的亚像素级定位[3]。文献[4]通过非量测数码相机、多基线数字近景摄影测量获取数字地面模型数据来计算土方量的方法,与传统测量方法相比,计算结果误差小于5%;文献[5]利用基于无接触多基线数字近景摄影测量系统,确定基坑测点之间的距离应该保持在15 m左右为宜,在一些重要部位应该增加监测点数;文献[6]提出一种反映双向监测方向差异下变形的方法,将监控摄像机坐标系下的现场观测数据统一计算,所得到基坑边坡变形的横向(沿坑水平方向)和竖向(坑内垂直方向)结果误差可达到亚毫米级;文献[7]基于近景摄影测量技术对结构变形进行监测,在桥梁缆索各测点荷载作用10 N,产生的误差大于荷载作用20 N时的误差,得到的各测点坐标的精度值均小于0.1 mm,对测点的标定效果良好;文献[8]对盾构管片姿态进行近景摄影测量,通过在盾构管片环上铺设人工标志点并进行解算,确定坐标位置在实际施工现场的误差不超过3 cm。

在基于图像识别的摄影测量中,通过拍摄自然物体本身的特征也可以达到测量的要求,但是在大部分实际拍摄情况下,物体自身缺少显著的特征点以及纹理特征[9],和周围环境的对比也不够明显。由于周围环境条件与自身特征点的限制,其精度相对较低,难以满足高精度监测要求。为此,通常引入标志点作为近景摄影测量和航空摄影测量的一个区分标志,通过直接选取包含标志点在内的一小块区域作为基准点或者未知的待测点使用,降低图像复杂度,提升监测精度[10]。文献[11]分析总结了点状编码标志点和环状编码标志点的编码原理及其问题,并根据编码标志点的设计要求讨论了两类编码标志点的特点;文献[12]使用方角对顶型标志点进行模拟实验，精度达到0.038 mm,在实际的公路高边坡布设方角对顶型标志点进行实地长期地滑坡监测,监测频率为两周一次,观测结果误差控制在毫米级。

标志点的设计与选取关系到摄影测量的精度,是进行摄影测量之前尤为重要的一步。在进行人工标志点的设计时,需要考虑的因素很多,其中最重要的2个因素为:

(1) 人工标志点的大小。在拍摄的照片中标志点占据的大小合适。

(2) 标志点本身的图像必须具有可识别性。在进行图像处理时可以提供准确的匹配点。

标志点在近景摄影拍摄时所成像的大小与拍摄景深和标志点自身的大小有关。标志点所成像大小必须适中,过大或过小都会影响匹配的过程。文献[13]摄影深度为20 m左右,选择10 cm×10 cm的正方形观测取得较好的效果,精度在5 mm之内。标志点的可识别性包括标志点本身颜色与周围环境的对比度、标志点图案的合理性及标志点几何中心的特征等。目前常用的标志点自身的颜色一般采用黑白2色,常用的形状有圆形、方角对顶型、十字形等形状[14]。标志点的种类与形状十分多样,除了一些基于特殊结构的标志点,大体可以按以下2种标准分类:

(1) 编码的标志点与非编码标志点。编码标志点可以基于自身携带的编码信息直接匹配,方便信息的识别与提取,但设计复杂,成本较高,且在实际环境下更容易受到灰尘、污渍的影响而造成编码点无法识别;非编码的标志点本身的图案更为简单,不易受到周围环境影响,价格低廉,实用性高,在基坑监测现场更加适用。

(2) 主动发光与被动发光的标志点。主动发光的标志点即为某些能够发光的物体,如二极管、LED灯等,一般直接黏在物体上,常用于动态物体的监测;被动发光的标志点即反射自然光或其他光源发散的光成像的标志点。

本文基于非编码标志点,提出了一种标志点表面图案与表面颜色对比的新的标志点设计思路,设计出了4种新的标志点方案,通过模拟试验和现场进行摄影监测试验,使用SIFT算法对照片进行匹配,得到监控点位置变化的情况,从而得到监测断面整体的变形信息。以期通过试验找出性能最好的一种标志点的方案,以达到提高近景摄影监测的目的。

1 摄影测量与标志点的介绍

1.1 近景摄影测量的原理

近景摄影测量一般是指在不大于300 m的距离内,使用量测相机或非量测相机,在不接触物体的情况下,进行摄影获得其影像数据,通过其照片准确获取该物体的形体大小、坐标等信息。本文研究的标志点对基坑监测精度的影响属于建筑类的摄影测量。在监测基坑变形时,摄影测量使用的方法较传统的工程测量来说,从原理上近似于其中的后方交会与前方交会,即通过对同一个物体在不同的位置、不同的时间拍摄多张照片,然后利用同名点的匹配,得到物体的位移信息,最后通过同名点对应的几何关系,利用前方交会的方法获取其三维坐标。目前,基于计算机数字图像处理的近景摄影测量技术在计算的速度与精度上都取得了明显进步。

在利用近景摄影测量进行基坑边坡变形的监测时,由于只需要得到边坡上标志点的位移信息,即可以通过其相对位置变化得到。在不需要得到相关物体的绝对坐标时,使用近景摄影测量的方法是十分方便的。在不同位置对此物体拍摄2张照片,通过相对定位的原理,可以得到此物体在任意一个坐标系中的位置。

1.2 SIFT原理介绍

SIFT算法是由文献[15]提出的,利用对同一物体前后2张照片的同名特征点进行匹配,根据特征点的信息得到其物体的位移变化。该算法在图像特征、尺度等方面都具有很好的稳定性,且信息量丰富,可以与其他形式的特征向量进行联合运算,适用于大量信息准确快速地匹配[16]。SIFT算法的运行流程如图1所示。

图1 SIFT算法解算流程图

SIFT算法的处理步骤如下:

(1) 建立高斯差分金字塔。依次通过高斯模糊、平滑处理、降采样、添加高斯滤波、卷积运算等步骤,生成高斯金字塔。

(2) 确定关键点或特征点。利用每一个像素点和它所有的相邻点进行比较,从而确定极值点,也就是关键点。

(3) 对步骤(2)已经找到的极值点,附加上详细的局部特征信息,包括主方向、特征向量以及其他位置信息,即所谓的关键点描述器。

(4) 通过对前后2张照片进行上述步骤,找出带有描述器的关键点。对2张照片的同名特征点进行两两匹配,建立对应关系,从而得到监测物体的位移信息。

2 试验与分析

为了得到所设计的人工标志点的最优面,本文分别进行了计算机模拟实验和室外模拟移动试验,综合2次试验的结果,分析得到标志点匹配效果最好的面。

2.1 标志点的设计

根据上述标志点的设计原则,本文采用三点共线、五点共面的方式,将标志点中心的圆形分成4块区域,中心点及各角点都十分明显,易于分辨。在4块区域分别间隔填充上黑色与白色,增加了对比度,以提高匹配精度。本文设计的4种标志点的图案面,编号依次为A、B、C、D。标志点的尺寸为150 mm×150 mm×150 mm,如图2所示。

图2 4种标志点

2.2 相关设备及参数

在进行实际基坑摄影测量监测时,近景摄影测量的相机需长期固定在基坑周边,对标志点进行连续采样,获取标志点连续位移变化情况。综合考虑到观测现场环境情况、不可预料的意外情况及经济成本，本次试验使用拍摄速度更快、图像质量相对更好的工业相机与镜头,相关参数分别见表1、表2所列。

表1 相机相关参数

表2 镜头相关参数

2.3 试验概况

本文试验主要分为模拟试验与现场试验2个部分,试验照片是在实际基坑环境下进行拍摄的。拍摄景深为50 m,标志点的位置在使用的工业相机的焦距内,成像清晰。在拍摄过程中为保证相机的稳定性,使用了带有膨胀螺栓的脚架固定相机,以保证在进行连续拍摄时相机不会晃动。相机所在的高度与所拍摄标志点的高度都在离地面0.45 m处,相关试验设施如图3所示。

图3 基坑实际拍摄现场与相机布设

试验的时间选在11:00—13:00进行,此时室外光照强度适宜,所拍摄的照片清晰且灰度均匀,降低了阴影面的影响。

标志点的位置与相机的位置尽量处在一条线上,在室外以地砖的缝隙作为基准,尽量保证镜头的方向与标志点的面处于垂直的状态,以减小在拍摄图像中标志点的畸变。

2.3.1 现场试验的操作流程

在试验时先拍摄标志点A面的原始位置,得到的照片记为A1,然后利用全站仪进行放样,使标志点水平方向移动4 mm,作为试验结果的真值。利用相机拍摄标志点移动后的照片,得到的照片记为A2。依照相同的步骤依次进行另外3个面的照片采集,依次记为B1、B2、C1、C2、D1、D2。由上述方法拍到的同一面移动前后的2张照片,如A1、A2,直接由SIFT算法进行计算即可。

2.3.2 模拟试验的操作流程

在进行模拟试验时,使用现场试验拍摄的照片A1、B1、C1、D1,使用裁剪工具对每张图片的左上角与右下角进行裁剪,得到2张大小相同的裁剪后的图片,2次裁剪均保证为水平裁剪量为5像素,竖向未裁剪。最后使用SIFT算法对裁剪后的照片进行计算得到变形后的数据。

2.3.3 评价参数

本文对SIFT算法计算结果有如下3个评价参数:

(1) 正确匹配点数量。匹配点数的多少是衡量一个标志点数据是否可靠的重要标准,匹配点数过少会使数据缺乏可靠性。

(2) 数据均值误差。即与数据真值的偏差,数据均值反映了数据的整体水平,其与真值的偏差代表了所得数据是否准确。

(3) 数据标准差。标准差反映了数据的离散程度,标准差的大小反映了所得到的数据是否稳定。

3 结果与讨论

由试验获取的照片经过SIFT算法计算后,移动前后的2张照片对应的特征点间被连接起来,不同的特征点间的连线一般是互相平行的,如图4所示。图4中，周围物体的匹配线已被提前消除。

图4 SIFT计算结果

3.1 模拟试验结果分析

在进行模拟实验时,本文通过人工裁剪的方式将图片在水平(U)方向平移，平移的像素数为-5 像素,经过像素坐标与像平面坐标的转换关系,得到标志点的真实位移为-8.277 4 mm,模拟试验所得的数据见表3所列。由表3可得:

(1) 从平均误差值来看,C面的误差最小,为0.001 1 mm,表明C面通过匹配算法得到的数据最接近标志点的真实位移值;A面的误差最大,为0.228 9 mm,效果最差。

(2) 从标准差来看,D面的标准差最小,为0.286 2,表明D面通过SIFT算法得到的匹配点数据离散程度最小,数据更加稳定;B面的标准差最大,为0.883 1,数据的离散程度最大,最不稳定。

(3) 从匹配点的数量来看,A、B、C 3个面的匹配点数量都是6个,D面的匹配点数量为15个,多于另外3个面,标高点数据最可靠。

本次拍摄的图片的景深为50 m,像素分辨率为0.655 4 mm/像素,模拟了实际基坑监测时的真实环境。大景深会影响标志点上的匹配点数,本次试验数据为剔除过误匹配点及大误差点位后的数据。所得到的匹配点数目越多,说明这个标志点的图片更加容易被算法识别,由标志点匹配得到的数据也更加具有说服力。

在实际监测中,基坑监测每次数据误差的允许值为1 mm,从表3可以得到4个面的误差均值均小于允许值,且远比误差允许值小得多,因此在误差均值方面,4个面的的优先级是相同的。综合标准差与各个面的匹配点数量,D面的数据标准差最小,数据更加稳定,且D面的匹配点多于另外3个面,数据量更多,数据可信度更高。综合以上因素,D面为最佳的标志面。

表3 模拟试验结果

3.2 现场试验结果分析

在进行现场试验时,通过微调螺旋移动标志点,将标志点水平方向移动4 mm,见表4所列。

由表4可知：

(1) 从平均误差来看,D面匹配得到的移动误差绝对值最小,为0.581 5 mm,表明在实际位移的情况下,D面的匹配精度为最高,最接近真值;C面匹配得到的平均误差绝对值最大,为2.366 9 mm,效果很差。

(2) 从匹配得到的数据的离散程度看,B面数据的标准差最小,为0.126 9,数据最为稳定;其次是A面,标准差为0.450 7;C面数据标准差也是最大的,为1.002 9,表明数据最不稳定。

(3) 此次现场实验数据同模拟实验,以剔除过大误差匹配点。从匹配点数来看,D面的匹配点数最多,为9个,其余3个面上的匹配点数据相当,B、C 2个面的点数为3个,A面所得的匹配数据为4个;均远小于D面得到的匹配点数,表明D面标志面的特征最为显著,所得到的图片更适用于计算机软件处理,匹配的效果最好。

首先从匹配精度来看,从D面的各数据值可以得到,D面的精度是最高的;其次从数据的离散程度来看,D面数据的稳定性不如A、B 2个面,但其标准差仅为0.698 7,从数据上表明D面的数据也较为稳定;最后从匹配点的数量上来看,现场试验时D面上的匹配点数量仍然是最多的,为9个匹配点,数据量远多于另外3个面,数据量增加也导致D面数据的离散程度稍大,但从整体来看,4个面的标准差都较小,离散程度均不大。综上所述,在现场试验中,也可以得到D面标志点的处理效果是最好的,是用于基坑监测的合适标志点。

表4 现场试验结果

3.3 讨论

从数据结果的精度、离散程度、匹配点的数量3个方面联合分析,相关数据结果如图5所示。综合计算机模拟试验与现场试验的结果,D面效果最佳。因此D面标志点是匹配效果最佳的标志点。

图5 实验数据箱型图

4 结 论

本文采用近景摄影测量的方法,重点研究标志点的设计与选择,通过计算机模拟试验与现场试验相结合的手段,得到D面为匹配精度与匹配点数量的最优标志面,精度控制在1 mm之内。相比于其他3个监测面,D面的对比度变化相对更加明显,在基坑现场的远距离观测条件下,近景摄影测量的识别准确度更高。本文的研究结果为近景摄影测量的观测对象，即标志点的选取提供了数据基准,为提高实际现场监测的观测目标变形信息的精度提供了数据基础。

本文在影响近景摄影测量观测精度的众多因素中,选取标志点的设计来研究对精度的影响程度,并进行了相应的分析和讨论，但仍存在以下改进之处:

(1) 在算法方面,使用SIFT算法进行图形的匹配计算,该算法仍有较大的改进空间,计算过程有待进一步优化,精度方面需进一步提高。

(2) 在试验场景方面,模拟了基坑监测的实际环境,但试验环境远无基坑现场恶劣,如扬尘、遮挡等情况,因此本次数据结构只能为实际基坑监测数据提供参考依据。

(3) 在试验方面,位移真值的设置是均匀变形,并没有考虑到非均匀变形的情况,因此未来可以对此进行深入的研究,丰富实验结果,为实验结论提供更准确的依据。