TLS是LiDAR技术的一种, 主要包括激光测距系统、扫描系统和支架系统, 同时集成数字摄影和仪器内部校正等系统^{[14, 15]}, 其工作原理如图1所示。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 三维激光扫描仪的工作原理[16]Fig.1 Working principle of the laser scanner[16]

仪器装置内两面可用的反射棱镜使得三维激光扫描在工作中可以进行同步地投影、接收^[16]。三维激光扫描仪通常用2种方法(相位法和脉冲法)探测目标物表面的距离信息^[17]。其中, 相位法能够获得更精确的测量结果, 但测量距离较短; 脉冲法能够适用于更远的测量距离, 但测量精度较前者低。因此, 大多数三维激光扫描仪均采用脉冲法测量原理进行设计, 以便适用于精度要求较高的地表观测, 如滑坡监测。

三维激光扫描仪发射的激光脉冲作用到测量表面经反射后由仪器内脉冲接收装置接收处理, 可在短时间内获得测量表面大量的三维信息。根据时间测距原理, 通过激光束传播时间(△ t)可计算激光束的到达距离(2d=c△ t, 其中d为激光束到达距离, c为光速)。若已知激光束发射的角度, 则可确定激光束到达目标距仪器的相对位置(△ x, △ y, △ z)。极坐标到直角坐标的转换如图2所示。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 TLS扫描仪极坐标到直角坐标的转换Fig.2 Conversion from polar coordinates to cartesian coordinates of TLS

如图2所示, O_G(X_G, Y_G, Z_G)为大地坐标系, O_LS(X, Y, Z)为扫描仪自身坐标系, P(x, y, z)为观测目标点, S是扫描仪距观测点距离; θ , α 为夹角。在实际操作中, 仪器在大地坐标系下的绝对位置和方向并不能自身精确地定位, 通常以GPS、精密水准等测量技术作为补充。所以TLS的点云数据必须经过坐标配准处理, 例如安置一些地面控制点。

单点扫描精度、角分辨率与扫描距离是TLS的3个重要参数, 通常由仪器性能决定, 不同的生产厂家生产的扫描仪其参数有所不同。随着传感器技术的发展, 扫描精度在不断提高。表1列举了目前使用较多的TLS性能参数。

表1

Tab.1

表1(Tab.1)

表1 几种常见的应用于滑坡监测的TLS性能参数① Tab.1 Parameters of some TLS which are suitable for landslide monitoring 仪器型号 生产厂家 距离/m (80%反射率) 视场范围/(° ) (垂直× 水平) 精度/mm(100 m 单点距离) 角分辨率 最高扫描速率/ (点· s-1) 处理软件 后续性能增强 系列产品 ILRIS-3D Optech 1 500 40° × 40° 7 0.009 74° 2 000 Polyworks ILRIS-36D, ILRIS-3D_ER, ILRIS-3D_HD LMS z420i Riegl 1 000 80° × 360° 10 0.15 mrad 11 000 Riscan Pro VZ-1000 LMS z620 Riegl 2 000 80° × 360° 10 0.15 mrad 11 000 Riscan Pro LPM-321 Riegl 6 000 150° × 360° 25 0.15 mrad 1 000 Riscan Pro VZ-400 Riegl 500 100° × 360° 2 0.000 5° 300 000 Riscan Pro GX 3D Trimble 350 60° × 360° 7 3mm@50m 5 000 PointScape 4 400 LR I-Site 700 80° × 360° 50 1.4 mrad 4 400 I-site studio ①数据由仪器生产厂家提供。

表1 几种常见的应用于滑坡监测的TLS性能参数① Tab.1 Parameters of some TLS which are suitable for landslide monitoring

据Manetti等的研究^[18], 在800~1 000 m的扫描距离范围内, TLS扫描精度为± 1.5 cm。2012年, European project SafeLand机构的研究表明^[19], TLS的扫描精度是与扫描距离、材料反射率、扫描面复杂程度和激光束入射角相关的函数: 扫描距离越远, 扫描精度越低; 材料的反射率越低, 扫描精度越低^[20]; 扫描表面越复杂, 扫描精度越低^[21]; 激光入射角越大, 扫描精度越低^[22]。在实际工程应用中, 除了上述因素的控制外, 反射率过高的材料以及高光的扫描环境和恶劣的天气条件(雨、雾等)也可能对实际扫描精度造成影响。

激光扫描仪的分辨率是决定扫描精细水平的一个参数, 分为距离分辨率(range resolution)和角度分辨率(angular resolution), 角度分辨率又叫空间分辨率(spatial resolution)。距离分辨率是指测距仪的同一激光束在同一视线方向上分辨物体的能力, 受激光脉冲发射装置的激光波长控制^[23]; 而角度分辨率是指相邻的两激光束区辨物体的能力, 取决于2个因素: ①采样间隔, 即点间距(由用户定义); ②激光的波束宽度(由扫描距离和仪器性能决定)。激光扫描仪的上述2种分辨率容易被混淆, 大部分情况被单单理解为角度分辨率。通常, 采样间隔越小, 采集的点云更能反映精细的表面形状, 但并非点间距越小越好。当采样间隔小于激光的波束宽度时, 表面细节是模糊的^[24]。

点云密度是反映点云质量的另一个重要参数, 其影响因素有激光的波束宽度, 反射材料的颜色、粗糙程度、湿度以及入射角等^{[20, 25, 26]}。TLS的点云密度通常是50~10 000点/m²。

在观测距离一定的情况下, 通过提高激光束发射的密度可获得密度较大的三维地形点云数据, 但如果激光束被物体遮挡就会产生数据盲区。为了克服这一缺点, 需要增加不同的扫描站点以对同一目标进行几次扫描, 同时, 每个扫描站点每次扫描中要设置几个关键点以使每个扫描站点扫描的激光点云数据方便拼接起来。TLS原始点云数据包含很多错点、杂点或虚点, 往往不能直接使用, 必须经过滤波和删减。另外, 海量的点云数据(可能10 GB)对数据处理和分析而言是一个大挑战, 因此采用合适、有效的滤波方法也相当重要。

高精度数字高程模型(high resolution digital elevation models, HRDEMs)是基于TLS数据进行滑坡变形监测, 以及滑坡测绘、建模、快速辨识等研究的基础。在滑坡监测中, TLS数据通常被用来建立地形的HRDEMs, 其过程主要包括以下3个步骤: ①获取地形表面的三维坐标; ②采用不规则三角网(triangulated irregular networks, TINs)或其他插值方法进行插值; ③生成四边形网格或栅格。

将TLS用于滑坡变形监测现场时, 可在比较安全、通视良好和基本稳定的地方建造几个已知坐标观测墩, 用于架设扫描仪、GPS 接收机、全站仪以及瞄准标志等仪器设备^[27]。点云数据采集过程中通常要考虑以下4个因素: ①点云密度, 扫描时采用的角度分辨率需提前根据现场条件和工程需要设定; ②扫描站点位置, 为了尽量减少遮挡区域, 综合考虑选择扫描仪架设位置^[28]; ③扫描站点数量, 考虑到点云数据应覆盖滑坡的全区域, 需提前根据不同地面三维扫描仪的视场参数与扫描距离, 考虑架设扫描仪的具体位置; ④重叠扫描区域, 考虑到点云数据处理时坐标配准的处理, 每次扫描间应至少保留20%或30%的重叠扫描区域。TLS点云数据采集及初处理流程如图3所示。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 点云数据采集与初处理流程Fig.3 Procedure of acquisition and preprocess of point cloud

在点云初处理的操作中, 坐标配准一般包括2个步骤: ①用2次扫描中同一个视觉辨识的特征点进行初配准。通常选用的点数越多, 配准的效果越好, 一般3~5个共同的特征点即可得到相当好的配准效果; ②采用邻近点迭代算法(iterative closest points, ICP)进行优化配准^{[29, 30]}。通过迭代使得2点间差异随着均方差函数的最小化而减少。一些点云处理软件(如Riscan Pro)中坐标配准功能的实现也是基于ICP算法完成的。

点云滤波的处理方法对TLS滑坡监测结果影响较大。为了得到准确的监测结果, 在对点云进行后处理分析前须消除不属于地形表面的部分点(如植被、电线、设备等), 滤波过程通常需结合人工手动过滤。目前的一些自动滤波算法通常从地形几何特征与点云密度2个方面展开, 可以过滤大部分植被点云。对于高大的树木, 滤波相对简单, 对于矮小的灌木、草从则较为复杂。在一些工程中, 为降低小变形量滑坡监测的误差, 采用了邻近平均算法^[21]。

TLS滑坡监测方法的研究始于2002年。英国地质调查局(British Geological Survey, BGS)结合GPS将TLS技术引入到海岸线侵蚀的调查中^[33], 提出了海岸边坡的TLS监测方法, 通过HRDEM差值对比取得了较高精度海岸侵蚀量与侵蚀速率的结果, 并使得TLS技术在滑坡监测中的可行性与可靠性得到了验证, 但数据处理较简单, 且未对监测结果误差进行系统分析。随后一些学者开始注意到TLS技术在变形监测领域的应用优势^[34], 促使TLS在该领域得到了较快的发展。监测方法的核心是通过采集点云数据, 经处理后制作HRDEM, 借助HRDEM的差值比较法求解变形量等参数。同时开展与其他监测手段的对比研究和系统误差评价, 使TLS监测方法逐渐得以完善。2007年美国加利福尼亚州交通部针对该部门使用TLS技术的项目制订了具体的操作标准与细则^[35], 从数据采集到数据处理给予了详细的操作向导, 并在HRDEM差值比较法的基础上, 发展了其他分析方法, 如断面分析等, 为TLS技术的推广和规范打下了基础。

此外, HRDEM作为基于TLS滑坡变形监测分析的基础, 除了应用差值求解形变值外, 还能够直接从数据中分析出滑坡运动特征, 有利于对滑坡的结构机理进行研究^[36]。HRDEM用于探测和分析滑坡体运动研究的局限在于, HRDEM仅能反映滑坡体的表面变形, 目前尚未出现有效的依据变形条件判断滑坡运动特征与结构机理的相关研究成果。

概括而言, 目前的TLS滑坡监测分析方法主要是借助HRDEM的差值比较求解, 或少部分通过点云属性统计计算直接求得。根据该原理, HRDEM差值比较方法结果的准确性取决HRDEM的精度与质量。因此, 提高HRDEM的精度与质量是改进目前基于HRDEM监测方法的主要途径。然而, 目前出现的基于HRDEM的TLS方法并不能很好地解决HRDEM的精度和质量问题, 如植被遮挡导致HRDEM精度不足, 数据过滤导致HRDEM质量不高等, 这些局限一方面阻碍了TLS监测精度的提高, 另一方面大量数据的转换降低了工作效率。故TLS监测方法未来能否发展成为一种非基于HRDEM的监测方法, 将成为TLS技术发展的挑战。

随着TLS技术在滑坡变形监测中操作流程的逐渐发展, 监测技术逐渐转向通过改进数据处理方法来提高监测精度的研究。从TLS技术应用于滑坡监测之初就能达到cm级的监测精度, 目前通常三维激光扫描仪的精度已达mm级, 但滑坡变形监测精度从cm级到mm级尚具挑战性。2006年, Abellan等人运用TLS技术监测西班牙某危岩体, 其结果显示出了mm级精度的岩体变形及变形速率, 验证了TLS技术应用在岩体mm级高精度监测研究中的可行性^[37]。此后, 众多工程实例也表明TLS技术在危岩体、岩质边坡的变形监测中具有高精确和高效的优势。

然而, 对于有植被覆盖的滑坡体, TLS的监测精度有别于无植被覆盖的岩体边坡。Prokop 和 Panholzer评估了应用TLS技术监测不同变形规模滑坡的能力, 结果表明, 通过DEM比较的方法对有植被覆盖滑坡的变形监测研究, 不可能监测到每个观测区间内发生的小于50 mm的变形^[38]。虽然TLS单点监测精度可达到(2~10 mm)/100 m(不同的扫描仪精度不同), 但针对危岩体、岩质边坡及岩体海岸线等, 即完全不包括植被或植被很少的边坡, TLS的监测精度可达到mm级; 但对于有植被覆盖的滑坡体, 由于点云数据经滤波后数据会有损失, DEM数据质量不高, 通过HRDEM对比分析滑坡变形的方法不可能监测到较小变形。因此, 对于变形量小、变形缓慢的滑坡, 或变形量小于50 mm的滑坡(非光洁表面岩质边坡), 目前的TLS技术还不能准确地监测到变形。

同时, 对于影响TLS监测精度因素的研究也在展开。在TLS发展之初, Lichti等人对扫描距离、扫描角分辨率及激光扫描仪系统误差等主要参数对监测精度的影响进行了分析, 评价了TLS系统的误差水平^[31]。 Voegtle 等研究了材料的差异性(包括颜色差异)对TLS精度的影响, 结果显示了光线情况、湿度以及入射角等条件对TLS精度的影响关系^[20]。此类研究为TLS技术在监测工作中的进一步应用提供了参考, 目前该方向研究已发展成熟。

对于数据处理过程中十分重要的拼接配准方法与滤波处理(杂点、植被点过滤)方法, 特别是对监测结果影响巨大的滤波方法, 有数学形态方法^[39]、基于最小二乘法的滤波方法^[40]以及根据滑坡地形DEM三角化的滤波方法和依据高程、坡度的栅格化滤波方法等^[41]。滤波方法的发展趋向于多样与复杂, 每种滤波方法有各自的优势与局限性。滤波方法的选用很大程度上依据滑坡地形条件、环境条件的特点。针对不同地形、数据及精度要求, 使用适用的滤波算法过滤异常点与植被点。滤波与数据过滤几乎是数据处理过程中必不可少的环节。然而, 使用滤波方法就意味着牺牲部分信息。HRDEM的数据质量也受不同滤波方法所影响, 并且其影响是不可消除的。故滤波的关键问题在于如何准确地消除非观测面的三维点云。目前多数滤波方法均是基于数学方法拟合滤波面或通过形态估计滤波面, 故滤波函数不能准确过滤非观测面点。滤波过程通常需结合人工手动过滤, 自动滤波算法一般从地形几何特征与点云密度两方面展开, 过滤大部分非观测面点云。在未来开发基于其他点云特征(如颜色、反射强度等)的滤波方法将是滤波方法发展的另一个方向。

远距离与近距离观测技术相结合能更好地从宏观和微观的角度表现滑坡的运动轨迹, 有助于更了解滑坡现象^[9]。虽然TLS技术观测分辨率大大高于SAR监测技术, 但受监测距离与范围的限制, 只能针对单个滑坡进行; 而SAR监测范围广, 可针对大区域进行观测。

TLS不仅在滑坡、边坡监测中得到了广泛应用, 而且在滑坡测绘、滑坡灾后评价中也给予了技术支持。2004年日本新泻县中越地震诱发了当地接近400个较大型滑坡, TLS技术在震后灾害评价中的应用, 大大提高了灾害评估的效率^[42]。2008年汶川地震后, TLS技术的使用辅助快速抢通了两侧发生大量崩塌滑坡的都汶公路^[43]。随着TLS技术的发展, 将会越来越多地应用在各种监测、灾害防治工程中。