基于三维激光扫描技术的崩岗侵蚀发育监测方法与流程

本发明涉及崩岗侵蚀发育监测技术领域，具体涉及一种基于三维激光扫描技术的崩岗侵蚀发育监测方法。

背景技术：

崩岗是南方红壤区特有的一种严重侵蚀类型，是花岗岩浅丘岗地长期遭受自然与人为破坏而导致岗地崩塌结果。崩岗作为一种侵蚀现象，往往形成崩壁陡峭的“烂山地貌”，使整个崩岗区土地生产力遭到彻底破坏，变成种草草不生，种树树不长的“白沙岗”。

进入20世纪80年代以来，崩岗状况不但没好转，反而有蔓延之势，严重危害当地人们的生产和生活。在中国水土流失与生态安全综合科学考察中，专家们认为崩岗侵蚀已成为南方崩岗区生态安全、粮食安全、防洪安全和人居安全的主要威胁。如何才能有效整治崩岗，减轻由其引发的各种生态环境问题成为当前生态环境整治工作中亟待解决的重要问题之一。由于崩岗的特殊性，崩岗面积小到几十平方米，大到数十公顷。崩壁高度多为1-8m，最高可达15m以上。崩壁倾角较大，受崩壁高度、土层和原岩体裂隙面倾角的影响。在崩积体上有细沟、浅沟发生。崩岗的这些特点给监测工作造成一定的困难。而快速、准确监测崩岗活动区崩岗发育形态、发展速度、崩岗整治前后侵蚀速率变化过程，对摸清崩岗整治措施效果，阐明崩岗整治措施有效性具有重要的科学意义和现实意义。然而就目前对崩岗监测的技术手段而言，常见的崩岗监测方法中，(1)径流小区法很难获得较大区域尺度上的侵蚀、沉积信息。难于反应崩岗发生的复杂侵蚀状况、对于以崩岗等重力侵蚀为主的侵蚀过程很难获得侵蚀过程数据。(2)侵蚀针等传统监测技术。这些技术将侵蚀针固定在崩岗沟壁周围，定期观测沟头或沟壁距侵蚀针的距离，以此计算沟头或沟壁的侵蚀速度，受人为因素、客观条件等限制，很难保证长时间采用和空间所有代表性的资料和数据的完整性采集，数据结果不连续。(3)高精度差分gps。因基站gps仪发来的位置信号接收不到导致数据误差(特别是一些形态复杂的大型崩岗，流动站接收机在某些观测点上常常因接收不到基准站gps仪发来的位置信号而导致误差产生)。综上，现有技术不仅效率低，且精度不高，也在一定程度上限制了崩岗治理实践的快速发展。

技术实现要素：

针对现有技术中的上述不足，本发明提供了一种基于三维激光扫描技术的高精度、快速、简便的崩岗侵蚀发育监测方法。

为了达到上述发明目的，本发明采用的技术方案为：

一种基于三维激光扫描技术的崩岗侵蚀发育监测方法，包括以下步骤：

s1、根据崩岗地形布设站点及标靶位置；

s2、在各个站点架设三维激光扫描仪，根据崩岗地形参数设定最优扫描距离和扫描精度参数，获取崩岗原始形态点云数据及标靶位置数据；

s3、利用标靶位置数据将各个站点获取的崩岗原始形态点云数据进行拼接合并，得到崩岗完整点云数据；

s4、对崩岗完整点云数据进行滤波去噪处理；

s5、根据步骤s4处理后的崩岗完整点云数据生成基于不规则三角网的数字高程模型；

s6、根据步骤s5生成的数字高程模型计算崩岗土壤侵蚀量。

优选地，所述步骤s1具体为：

根据崩岗地形布设获取完整地形要素的最少站点数量，并根据站点位置设置在两个站点共同的扫描范围内至少三个标靶。

优选地，所述步骤s2具体为：

选择一个站点架设三维激光扫描仪，根据崩岗地形参数设定最优扫描距离和扫描精度参数，对崩岗进行扫描，获取崩岗原始形态点云数据及标靶位置数据；

选择下一个站点架设三维激光扫描仪，重复上述操作对崩岗进行扫描，获取该站点对应的崩岗原始形态点云数据及标靶位置数据，直至所有站点数据采集完毕。

优选地，所述根据崩岗地形参数设定最优扫描距离和扫描精度参数具体为：

通过测量崩岗口宽度、崩岗水平深度和崩岗垂直高度参数，按照预设的最优扫描距离和扫描精度与崩岗地形参数的对应关系，设定最优扫描距离和扫描精度参数。

优选地，所述预设的最优扫描距离和扫描精度与崩岗地形参数的对应关系具体为：

崩岗口宽度小于30米、崩岗水平深度小于20米、且崩岗垂直高度小于40米时，设定最优扫描距离为10毫米，最优扫描精度为20米；

崩岗口宽度为30至60米之间、崩岗水平深度为20至40米之间、且崩岗垂直高度为40至50米之间时，设定最优扫描距离为10毫米，最优扫描精度为25至40米；

崩岗口宽度大于60米、崩岗水平深度大于40米、且崩岗垂直高度大于50米时，设定最优扫描距离为20毫米，最优扫描精度大于40米。

优选地，所述步骤s2还包括：

判断获取崩岗原始形态点云数据中是否存在数据盲区；若存在，则重新选择站点位置架设三维激光扫描仪对崩岗进行扫描，获取盲区内的崩岗原始点云数据；若不存在，则不作处理。

优选地，所述步骤s3具体包括以下分步骤：

s31、判断相邻站点是否有至少三个相同标靶点；若是，则进行步骤s32；否则进行步骤s33；

s32、采用标靶拼接法将相邻站点获取的崩岗原始形态点云数据进行数据合并，生成合并后的点云数据；

s33、采用大地坐标拼接法，根据标靶点大地坐标将相邻站点获取的崩岗原始形态点云数据进行数据合并，生成合并后的点云数据；

s34、将合并后的点云数据、其它站点获取的崩岗原始形态点云数据及新生成的标靶点点云图进行拼接，得到崩岗完整点云数据，并将其中所有点云数据的相对坐标转换为大地坐标。

优选地，所述步骤s6具体为：

在数字高程模型中设置水平参考面，根据大地坐标系下崩岗数据点在z轴方向上的位置变化计算崩岗与水平参考面之间的体积量；

分别计算不同时间段的数字高程模型中崩岗与水平参考面之间的体积量，将各个体积量相减得到崩岗土壤侵蚀量。

本发明具有以下有益效果：

本发明通过布设站点对崩岗进行扫描，获取崩岗原始形态点云数据及标靶位置数据，从而构建基于不规则三角网的数字高程模型，计算崩岗土壤侵蚀量，大大提高了崩岗监测的准确性、便利性和高效性，从而能够及时掌握崩岗水土流失动态变化，为科学评估崩岗区生态环境治理效益提供技术支撑。

附图说明

图1为本发明的基于三维激光扫描技术的崩岗侵蚀发育监测方法流程示意图；

图2为本发明实施例中站点和标靶布设位置示意图；

图3为本发明实施例中多站点原始点云数据拼接示意图；其中图(a)为站点1的原始点云图，图(b)为站点2的原始点云图，图(c)为站点3的原始点云图，图(d)为拼接后的点云图；

图4为本发明实施例中点云图去噪处理效果图；

图5为本发明实施例中数字高程模型计算示意图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

如图1所示，本发明实施例提供了一种基于三维激光扫描技术的崩岗侵蚀发育监测方法，包括以下步骤：

s1、根据崩岗地形布设站点及标靶位置；

在本实施例中，本发明通过合理布设站点及标靶位置，从而高效获取高精度dem数据源。选择站点的原则为以最少站点获取尽可能完整崩岗要素。

本发明根据崩岗地形布设获取完整地形要素的最少站点数量，具体而言，根据崩岗的具体规模，设置1-3个站点即可完成一个崩岗点云数据的扫描工作；此外，还根据站点位置设置在两个站点共同的扫描范围内至少三个标靶。

如图2所示，本发明采用3站扫描，保证了崩岗要素完整扫描和扫描数据工作量最小的原则；并且根据3个站点位置，设置了呈三角形分布的3个标靶。

s2、在各个站点架设三维激光扫描仪，根据崩岗地形参数设定最优扫描距离和扫描精度参数，获取崩岗原始形态点云数据及标靶位置数据；

在本实施例中，上述步骤s2具体为：

选择一个站点架设三维激光扫描仪，根据崩岗地形参数设定最优扫描距离和扫描精度参数，对崩岗进行扫描，获取崩岗原始形态点云数据及标靶位置数据；

选择下一个站点架设三维激光扫描仪，重复上述操作对崩岗进行扫描，获取该站点对应的崩岗原始形态点云数据及标靶位置数据，直至所有站点数据采集完毕。

高精度、高效率地获取数据是建立数字高程模型的基础，也是提高崩岗监测精度的关键手段。无论采用那种仪器进行数据采集，地形表达的可信程度很大程度上取决于原始地形采样点的分布、密度和精度。三维激光扫描技术由于其具有的高精度、高效率特性，在保证测量质量的同时为崩岗发育过程监测带来了其它仪器所不能企及的便利性，非常适合于小尺度范围高精度地形建模。

本发明首先在站点架设三维激光扫描仪，连接电源及便携式电脑，调平后启动三维激光扫描仪，完成便携式电脑与扫描仪的网络连接。通过便携式电脑，在cyclone软件中设置扫描范围及测量参数，获取点云数据。为实现各站点数据的合并拼接，还需获取各标靶位置，并进行统一编号。数据获取完毕后将仪器移至下一站点，重复上述操作获取该站点的点云及标靶数据，直至所有站点数据采集完毕。利用该方法能够高效率获取点云数据，并且点云密度很大，对于次降雨或年降雨条件下崩岗形态，体积发育等细节特征都可直观显示，从而可以实现快速测算崩岗发育。

根据实际监测的目的不同，常需要获取不同时间尺度条件下的(次降雨、月降雨、年降雨)崩岗侵蚀速率，且由于三维激光扫描法在不同的扫描距离和扫描精度条件下，获取最终侵蚀速率效率不同。因此，本发明需要设定一个最优的扫描距离和扫描精度组合，实现高效、高精度的反映崩岗侵蚀速率，具体而言，通过测量崩岗口宽度、崩岗水平深度和崩岗垂直高度参数，按照预设的最优扫描距离和扫描精度与崩岗地形参数的对应关系，设定最优扫描距离和扫描精度参数。

上述

本发明以2013年和2014年两年4期的数据为例，对本发明的崩岗侵蚀发育监测方法进行分析说明。

本发明共设计了4种不同扫描精度和4中扫描距离，计算得到的4个崩岗的崩岗变化量如表1和表2所示。

表12013年5月和9月两期崩岗量变化表

表22014年4月和10月两期崩岗量变化表

对崩岗#1的几种不同的扫描方式对比可知，在20m的扫描距离情况下，扫描精度为5mm和10mm的崩岗量计算结果基本相近，扫描精度为25mm和50mm的崩岗计算结果相差不多，而扫描精度越低，其反映崩岗局部坍塌细节越少，因此在相同扫描距离情况下优先选择5mm或10mm的精度设置。从表1和表2可以看出，2013年5月-9月，在20m距离下，随着崩岗精度由5mm逐渐降低至50mm，其崩岗量计算值由2.3m³变化为2.6m³，呈逐步增加趋势。而2014年4月-10月，变化规律并不明显，但总体仍呈现随扫描精度降低，计算崩岗侵蚀量越大的规律。因此在实际崩岗扫描过程中为保证崩岗特征值的计算精度，不建议设置过远的扫描距离。

从表1和表2还可以看出，针对4个不同崩岗的投影面积，垂直高度等特征，不同扫描距离与扫描精度条件下的扫描耗时情况。总的来说，扫描精度越高、扫描距离越近，则耗时越长，在具体崩岗监测工作工程中，需综合考虑扫描精度、扫描距离和扫描耗时之间的关系。本发明对于不同规模的崩岗设置如表3的最优扫描精度和扫描距离。

具体而言，预设的最优扫描距离和扫描精度与崩岗地形参数的对应关系具体为：

崩岗口宽度小于30米、崩岗水平深度小于20米、且崩岗垂直高度小于40米时，设定最优扫描距离为10毫米，最优扫描精度为20米；

崩岗口宽度为30至60米之间、崩岗水平深度为20至40米之间、且崩岗垂直高度为40至50米之间时，设定最优扫描距离为10毫米，最优扫描精度为25至40米；

崩岗口宽度大于60米、崩岗水平深度大于40米、且崩岗垂直高度大于50米时，设定最优扫描距离为20毫米，最优扫描精度大于40米。

表3推荐的扫描精度和扫描距离

为了提高点云数据的完整性，上述步骤s2还包括：

判断获取崩岗原始形态点云数据中是否存在数据盲区；若存在，则重新选择站点位置架设三维激光扫描仪对崩岗进行扫描，获取盲区内的崩岗原始形态点云数据；若不存在，则不作处理。

s3、利用标靶位置数据将各个站点获取的崩岗原始形态点云数据进行拼接合并，得到崩岗完整点云数据；

在本实施例中，上述步骤s3具体包括以下分步骤：

s31、判断相邻站点是否有至少三个相同标靶点；若是，则进行步骤s32；否则进行步骤s33；

s32、采用标靶拼接法将相邻站点获取的崩岗原始形态点云数据进行数据合并，生成合并后的点云数据；

s33、采用大地坐标拼接法，根据标靶点大地坐标将相邻站点获取的崩岗原始形态点云数据进行数据合并，生成合并后的点云数据；

s34、将合并后的点云数据、其它站点获取的崩岗原始形态点云数据及新生成的标靶点点云图进行拼接，得到崩岗完整点云数据，并将其中所有点云数据的相对坐标转换为大地坐标。

本发明进行点云数据拼接的原理是以标靶点的空间位置为纽带将为多站电源数据无缝融合。在依次扫描获取各站点点云数据及标靶位置后，对相邻测站的公用标靶采用六参数法进行数据合并拼接，将各站点数据转换到统一坐标系下，得到完整的扫描点云。利用cyclone软件的相关功能，对相邻站点有至少三个相同标靶点的直接采用标靶拼接法进行数据合并，少于三个相同标靶点的采用大地坐标拼接法，将所有测量取得的标靶点大地坐标按规定格式导入到cyclone软件中，生成一个新的扫描点云图，然后将用标靶拼接法合并后的扫描点云图及其它站点的扫描点云图同新生成的标靶点点云图进行拼接，数据合并后所有相对坐标将转换成大地坐标。多站点原始点云数据及拼接前后的点云图如图3所示。

s4、对崩岗完整点云数据进行滤波去噪处理；

在本实施例中，由于经过步骤s3拼接得到的点云数据中，包括了崩岗周边较多的地貌、植物等信息，因此本发明对崩岗完整点云数据进行滤波去噪处理，即定义某处点云小于某个密度，既点云无效；计算每个点到其最近的k个点平均距离，则点云中所有点的距离构成高斯分布；给定均值与方差，可剔除设定距离之外的点。具体而言，本发明可以在cyclone软件中剔除干扰点，实现点云数据的去噪。点云图去噪处理后的效果图如图4所示。

s5、根据步骤s4处理后的崩岗完整点云数据生成基于不规则三角网的数字高程模型；

在本实施例中，由于崩岗完整点云数据中的每一个数据点都具有唯一的x、y、z坐标，因此本发明根据崩岗完整点云数据生成基于不规则三角网的数字高程模型，得到崩岗对象精确的几何尺寸，从而实现崩岗地形变化等变形监测。

具体而言，本发明将点云数据点以横坐标为主，纵坐标为辅按升序进行排序；再对数据集进行分割，如果数据子集中的个数大于给定的阈值，则吧数据域划分为采样点个数近似相等的左右两个子集，并对每个子集计算其凸壳，以凸壳为数据边界，对每一个数据子集进行三角剖分，并用lop法则进行优化，使之成为dt三角剖分，找到连接左右子集两个凸壳的底线和顶线，由底线到顶线合并两个子三角网。

s6、根据步骤s5生成的数字高程模型计算崩岗土壤侵蚀量。

在本实施例中，上述步骤s6具体为：

在数字高程模型中设置水平参考面，根据大地坐标系下崩岗数据点在z轴方向上的位置变化计算崩岗与水平参考面之间的体积量；

分别计算不同时间段的数字高程模型中崩岗与水平参考面之间的体积量，将各个体积量相减得到崩岗土壤侵蚀量。

本发明根据步骤s1至s5可以得到降雨前后崩岗的数字高程模型，从而可以根据在同一坐标系下崩岗某位置(x,y)在z方向上的位置变化计算出相应部位土壤侵蚀体积。具体而言，首先设置水平参考面，在cyclone软件中分别计算数字高程模型相对于水平参考面的体积，再将降雨前后两个体积相减即可得到此次降雨的土壤侵蚀体积。土壤侵蚀量的计算过程示意图如图5所示。

本发明还可以根据多次监测的崩岗土壤侵蚀量计算崩岗发育速率。具体而言，根据多次监测得到的土壤侵蚀体积，将其乘以容重即可得到土壤侵蚀量，然后根据多次计算结果，获取次降雨条件下、月降雨条件下或年降雨条件下等多种时间尺度的崩岗侵蚀速率。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。