基于貼近攝影測量技術(shù)的高陡危巖體結(jié)構(gòu)面調(diào)查方法

姚富潭,吳明堂,董秀軍,房云峰,陳建強(qiáng),姚義振

(1.地質(zhì)災(zāi)害防治與地質(zhì)環(huán)境保護(hù)國家重點實驗室(成都理工大學(xué)),成都 610059;2.浙江華東建設(shè)工程有限公司,杭州 310014)

巖體結(jié)構(gòu)面是控制危巖體穩(wěn)定性的最重要因素,使用羅盤和卷尺進(jìn)行的傳統(tǒng)接觸式現(xiàn)場調(diào)查方式已廣泛應(yīng)用于巖體結(jié)構(gòu)面的調(diào)查［1］。然而,通過手動接觸法獲得的巖體結(jié)構(gòu)面數(shù)據(jù)通常不完整且效率低下,特別是在對高陡危巖體結(jié)構(gòu)面進(jìn)行測量時,還會對測量人員的人身安全造成重大威脅。因此,激光掃描技術(shù)和數(shù)字?jǐn)z影測量等非接觸式的測量方案已成為獲取危巖體結(jié)構(gòu)面信息的常用方法［2］。董秀軍等［3］首次提出利用地面端的三維激光掃描儀對高陡邊坡進(jìn)行調(diào)查,并總結(jié)出一套高陡邊坡巖體結(jié)構(gòu)面調(diào)查的方法,利用三維激光掃描技術(shù)獲取的三維點云識別并擬合巖體結(jié)構(gòu)面獲取其產(chǎn)狀信息。宋杰等［4］則提出了基于地面激光掃描技術(shù)和模糊聚類分析方法對邊坡巖體出露的結(jié)構(gòu)面進(jìn)行自動識別和統(tǒng)計分組,從而獲得巖體優(yōu)勢結(jié)構(gòu)面的幾何空間信息和空間位置信息的方法。總而言之,對于利用三維激光掃描技術(shù)進(jìn)行巖體結(jié)構(gòu)面信息調(diào)查的方法已有許多研究,并且取得了十分良好的效果［5-7］。然而,由于三維激光掃描儀器架設(shè)的難度較高,且受觀測角度、觀測距離等因素的制約,在地形復(fù)雜的高陡山區(qū)往往難以利用該技術(shù)全面提取危巖體結(jié)構(gòu)面信息［8］。

得益于近年來無人機(jī)的廣泛使用,許多學(xué)者提出利用無人機(jī)傾斜攝影測量技術(shù)進(jìn)行危巖體結(jié)構(gòu)面調(diào)查的方法。李德仁等［9］首先提出傾斜影像自動空中三角測量的處理方法,并且重建了精細(xì)化的城市三維表面模型,為復(fù)雜立面的調(diào)查提供了新思路。李水清等［10］提出了基于無人機(jī)傾斜攝影測量技術(shù)的巖體結(jié)構(gòu)面提取方法,利用三點法人工提取并統(tǒng)計巖體結(jié)構(gòu)面產(chǎn)狀。賈曙光等［11］對無人機(jī)攝影測量技術(shù)在危巖體結(jié)構(gòu)面調(diào)查的應(yīng)用方法進(jìn)行了總結(jié),并提出利用輕小型單鏡頭無人機(jī)高效采集巖體三維點云數(shù)據(jù),基于最小二乘法的平面擬合算法準(zhǔn)確提取結(jié)構(gòu)面參數(shù)的方法。葉震等［12］提出基于無人機(jī)傾斜攝影測量技術(shù)在邊坡巖體結(jié)構(gòu)面調(diào)查中的應(yīng)用方法,利用霍夫法向算法和 HSV算法構(gòu)建可視化的三維巖體結(jié)構(gòu)模型,并對模型進(jìn)行球形K均值聚類來完成結(jié)構(gòu)面分組提取,成功地提取了危巖體優(yōu)勢結(jié)構(gòu)面信息。此外,還有學(xué)者提出利用近景攝影測量技術(shù)對巖體結(jié)構(gòu)面特征進(jìn)行分析和描述的方法［13］。綜上所述,利用無人機(jī)傾斜攝影測量技術(shù)對巖體結(jié)構(gòu)面產(chǎn)狀進(jìn)行調(diào)查的方法已取得了較好的成果。然而,在面對需要獲取精細(xì)化的陡立結(jié)構(gòu)面信息的情況時,傾斜攝影測量技術(shù)在精度上仍存在一定的不足,無法全方位獲取陡立的、復(fù)雜的結(jié)構(gòu)面信息。

針對精細(xì)化測量的需求,張祖勛等［14］提出了面向?qū)ο蟮馁N近攝影測量技術(shù)(nap of the object photogrammetry)。該技術(shù)以“面”為攝影對象,利用旋翼無人機(jī)貼近攝影對象表面進(jìn)行多角度拍攝,可以獲取毫米級超高分辨率影像,高度還原了地表和物體的精細(xì)化結(jié)構(gòu)。該技術(shù)已在城市建筑物精細(xì)化三維重建、地質(zhì)災(zāi)害精細(xì)化調(diào)查與監(jiān)測、文物古建筑精細(xì)化重建以及水利工程監(jiān)測等多個行業(yè)進(jìn)行了應(yīng)用研究,并且取得了十分良好的效果［14］。因此,為解決山區(qū)高陡危巖體結(jié)構(gòu)面信息精細(xì)化調(diào)查困難的問題,本文提出了一種基于貼近攝影測量技術(shù)的高陡危巖體結(jié)構(gòu)面調(diào)查方法,以貼近攝影測量技術(shù)為基礎(chǔ),對如何利用多旋翼無人機(jī)對高陡危巖體進(jìn)行多角度精細(xì)化貼近攝影的方法流程進(jìn)行了研究;并利用毫米級的超高分辨率三維實景模型、三維空間點云等成果數(shù)據(jù),通過DSE程序法［15］實現(xiàn)了巖體結(jié)構(gòu)面產(chǎn)狀信息的半自動提取;此外,還利用CloudCompare軟件對結(jié)構(gòu)面跡線、跡長信息進(jìn)行了手動提取,結(jié)合三維實景模型對危巖體優(yōu)勢結(jié)構(gòu)面空間發(fā)育關(guān)系進(jìn)行分析,最終對危巖體穩(wěn)定性進(jìn)行快速的定性評價。

1 研究區(qū)概況

如圖1所示,研究區(qū)位于云南省昆明市東川區(qū)金沙江右岸長地-象鼻嶺岸段,距離白鶴灘水電站約83 km。兩岸地形陡峭、地貌復(fù)雜,溝谷深切狹窄,斷面呈“V”字形。沖溝呈樹枝狀發(fā)育,均為季節(jié)性沖溝,雨季流量較大。研究區(qū)地質(zhì)構(gòu)造發(fā)育明顯,主要表現(xiàn)為斷層、節(jié)理等,未見褶皺發(fā)育。出露基巖主要有晉寧期侵入巖(νβ2)及前震旦系通安組變質(zhì)砂巖(Pt2t)。沿江公路從測區(qū)斜坡的中部穿過,由于研究區(qū)工程地質(zhì)條件復(fù)雜,崩塌危巖體十分發(fā)育,嚴(yán)重威脅著沿江公路的安全。并且隨著白鶴灘水電站庫區(qū)的持續(xù)蓄水,沿江發(fā)育的部分危巖體可能會受水位變動的影響,穩(wěn)定性降低,一旦發(fā)生崩塌,落石將對航運安全造成巨大威脅。

圖1 研究區(qū)地理位置Fig.1 Geographical location of the study area

2 數(shù)據(jù)獲取及處理技術(shù)與方法

2.1 貼近攝影測量技術(shù)

貼近攝影測量技術(shù)是一種利用旋翼無人機(jī)近距離貼近被攝物體表面進(jìn)行攝影,獲取物體超高清影像、精確坐標(biāo)、精細(xì)形狀的技術(shù)。如圖2所示,相較于傳統(tǒng)航空攝影測量方式,貼近攝影測量具有精細(xì)化、多角度攝影的優(yōu)勢?？偨Y(jié)該技術(shù)主要特點如下：

圖2 不同遙感數(shù)據(jù)源成像效果比較Fig.2 Comparison of imaging effects of different data sources

a.近距離攝影：可獲取毫米級別的超高分辨率影像。

b.相機(jī)面向物體表面：相機(jī)角度可根據(jù)物體形狀動態(tài)調(diào)整,要求攝影設(shè)備具備較高的靈活性。

c.需要獲取已有地形信息：在進(jìn)行智能貼近攝影前,需先通過常規(guī)攝影或者手控攝影的手段進(jìn)行影像重建獲取初始地形。貼近攝影測量主要依靠無人機(jī)高精度定位技術(shù)以及無人機(jī)云臺姿態(tài)控制能力來實現(xiàn)。無人機(jī)的高精度定位通過自身集成的RTK系統(tǒng)來完成,大疆經(jīng)緯M300 RTK多旋翼無人機(jī)在 RTK FIX 時,水平方向精度可達(dá)(10±1) mm,垂直方向精度可達(dá)(15±1) mm,能良好地滿足定位精度需求。在對復(fù)雜巖體結(jié)構(gòu)面進(jìn)行貼近攝影時,理想狀態(tài)下相機(jī)需對準(zhǔn)結(jié)構(gòu)面進(jìn)行攝影,為達(dá)到良好效果,需要無人機(jī)具備良好的云臺姿態(tài)控制能力,使相機(jī)角度能隨著攝影面的變化而靈活轉(zhuǎn)動,大疆經(jīng)緯M300 RTK無人機(jī)具有極強(qiáng)的云臺姿態(tài)控制能力,可出色完成數(shù)據(jù)獲取。

貼近攝影測量的基本流程遵循“從粗到細(xì)”的原則。首先要通過常規(guī)飛行方式獲取分辨率相對較低的影像,處理得到測區(qū)初始地形信息;下一步亦是最關(guān)鍵的一步,即以初始地形數(shù)據(jù)為基礎(chǔ),進(jìn)行三維智能航線規(guī)劃。如圖3所示,在獲取被攝對象初始地形信息后,將拍攝對象目標(biāo)表面擬合為一個空間平面(Σ),平行于該空間平面距離(d)為5～50 m的位置擬合平面,即為飛行軌跡規(guī)劃平面(Σ′)［16］。值得注意的是,在實際應(yīng)用中,為保證數(shù)據(jù)獲取的效率,飛行高度可根據(jù)精度需求進(jìn)行調(diào)整,貼近攝影測量的概念并不局限于飛行高度［14］。

圖3 航線規(guī)劃原理示意圖Fig.3 Schematic diagram of route planning principle

2.2 數(shù)據(jù)獲取

此次研究數(shù)據(jù)獲取將利用大疆經(jīng)緯M300 RTK多旋翼無人機(jī)搭載大疆 Zenmuse-p1鏡頭完成。首先對面積約3 km2的研究區(qū)進(jìn)行平均分辨率(簡稱“GSD”)為15 mm的常規(guī)飛行,獲取測區(qū)粗地形數(shù)據(jù);其次以粗地形數(shù)據(jù)為基礎(chǔ),圈定高陡危巖體范圍并規(guī)劃多視角智能航線,對危巖體進(jìn)行智能貼近攝影;最后通過影像后處理軟件Context Capture完成了精細(xì)化三維實景建模,并生成結(jié)構(gòu)面提取所需的三維點云數(shù)據(jù)。此次研究貼近飛行面積約為0.15 km2,設(shè)計平均分辨率為5 mm,共獲取2 459張原始照片。

2.2.1 設(shè)備參數(shù)

此次航測建模過程難度較大,實驗借助大疆經(jīng)緯 M300 RTK多旋翼無人機(jī)、DJI Zenmuse-p1鏡頭、大疆智圖以及WayPoint Master智能規(guī)劃航線軟件等多種軟硬件設(shè)備完成。飛行試驗所用硬件設(shè)備參數(shù)如表1、表2所示。

表1 大疆經(jīng)緯 M300 RTK無人機(jī)相關(guān)參數(shù)Table 1 Related parameters of DJI M300 RTK UAV

表2 Zenmuse-p1數(shù)字相機(jī)主要技術(shù)參數(shù)Table 2 Main technical parameters of Zenmuse-p1 digital camera

2.2.2 智能航線規(guī)劃

本文使用WayPoint Master軟件進(jìn)行航線智能規(guī)劃。如圖4所示,該軟件以已有地形為基礎(chǔ),根據(jù)危巖體結(jié)構(gòu)面發(fā)育特點規(guī)劃多角度智能航線,將智能航線導(dǎo)入飛控設(shè)備,自動完成對危巖體多角度貼近攝影。此次智能航線平均設(shè)計GSD為5 mm,航向重疊率為80%,側(cè)向重疊率約為72%,飛行高度約為40 m。航線規(guī)劃完成后,為確保拍攝安全及拍攝精度,要進(jìn)行航線檢查。借助大疆智圖航點飛行功能,導(dǎo)入粗模和規(guī)劃好的航線文件進(jìn)行多視角校驗,可準(zhǔn)確再現(xiàn)航點位置,并依據(jù)設(shè)定好的偏航、俯仰角度,模擬航點位置錐體投射到模型上的效果,從而檢查航線各個航點的安全性以及偏航、俯仰角度是否合理。為了達(dá)到最好的數(shù)據(jù)獲取效果,一些貼近危巖體靠坡內(nèi)的“凹陷”部分還需人工控制飛行拍攝,航線包含了軟件規(guī)劃自動飛行的智能航線和局部的“手飛航線”。

圖4 多視角航攝示意圖Fig.4 Schematic illustration of multi-view aerial photography

2.3 數(shù)據(jù)處理

本文采用Context Capture傾斜攝影后處理軟件進(jìn)行三維實景模型的構(gòu)建。首先對影像進(jìn)行質(zhì)檢,排除有缺陷的影像,確保用于三維重建的數(shù)據(jù)完整正確,處理得到高精度三維實景模型以及三維點云等數(shù)據(jù)。此外,還需對原始點云進(jìn)行去噪、分類等處理,目的是獲取真實巖體點云。已有的點云自動分類算法對高陡危巖體的處理效果較差,但由于高陡危巖體上植被較稀疏,植被點較少。因此點云分類建議采用手動分類的方式進(jìn)行。如圖5所示,圖中綠色高亮部分為手動提取的植被點,右側(cè)為植被點和巖石點云提取的剖面效果。

圖5 陡峭地區(qū)植被和巖石點云模型Fig.5 Vegetation and rock point cloud models in steep areas

3 巖體結(jié)構(gòu)面信息提取

本文將利用DSE程序法對危巖體結(jié)構(gòu)面產(chǎn)狀信息進(jìn)行提取,該程序以主成分分析(PCA)與KNN聚類算法為主要結(jié)構(gòu)。首先通過驗證實驗證明貼近攝影測量技術(shù)所獲取的三維點云可以很好地滿足巖體結(jié)構(gòu)面產(chǎn)狀信息半自動提取的需求,并且產(chǎn)狀半自動提取的結(jié)果也滿足了工程中的精度需求;最終再將此方法運用到研究區(qū)高陡危巖體結(jié)構(gòu)面調(diào)查中,成功提取了危巖體結(jié)構(gòu)面產(chǎn)狀信息。

3.1 結(jié)構(gòu)面產(chǎn)狀提取原理

危巖體優(yōu)勢結(jié)構(gòu)面的提取,首先要以KNN搜索函數(shù)和歐幾里得距離算法為核心,搜索每個點的最近鄰點,并將其作為候選點集。然后基于主成分分析法對每個點集進(jìn)行共面性檢測,檢測每個點及與其相關(guān)的最近鄰點是否共面。如果不是,則剔除該點集［17］。之后則要計算點集的法向量,基于最小二乘法原理擬合出點集的最佳平面。將計算所得法向量作為各點的屬性,屬性相同的點不斷加入以確定該結(jié)構(gòu)面的邊界范圍,最終確定結(jié)構(gòu)面的位置和產(chǎn)狀參數(shù)。最后對法向量極點進(jìn)行統(tǒng)計,得到主極點后即可對數(shù)據(jù)進(jìn)行聚類分析。將提取方法的主要步驟原理總結(jié)如下：

a.搜索最近鄰點：對于三維點云中的任意原始點Pi,搜索其最鄰近點構(gòu)成點云集{P}={p1,p2,…,pi,…,pn}。以點云集可能形成的平面法向量作為原始點Pi的法向量(圖6-A)。

圖6 結(jié)構(gòu)面識別與提取算法計算流程Fig.6 Structural plane recognition and extraction algorithm calculation flow

b.子集共面性檢驗：點云集{P}在計算其法向量前,需先確定其是否屬于同一平面?；赑CA算法可以計算出點云集中各點的特征值(λ1、λ2、λ3)和對應(yīng)的特征向量(V1、V2、V3)。如圖6-C所示,判斷一個點集是否共面,可由公式(1)定義的偏離參數(shù)進(jìn)行判斷：

(1)

計算點云集中每個點的偏差值ηi,定義一個閾值ηmax,即最大允許偏差。當(dāng)所有點ηi<ηmax時,則可認(rèn)為點云集P處于同一個平面內(nèi),一般ηmax取20%即可［17］。

c.平面法向量計算：在點云子集被認(rèn)為是共面之后,則可擬合出最適合的平面方程及其法向量。標(biāo)準(zhǔn)的平面方程如公式(2)所示,A、B、C為平面系數(shù),D為原點到平面的垂直距離。

Ax+By+Cz+D=0

(2)

在計算中利用最小二乘法擬合最佳平面參數(shù),當(dāng){P}中各點到平面的距離的方差最小時,此時的平面為最佳擬合平面,向量n(A,B,C)即為平面的單位法向量。

d.結(jié)構(gòu)面邊界確定：至此已得到了識別結(jié)構(gòu)面所需的平面子集。如圖6-B所示,如果平面子集屬于同一結(jié)構(gòu)面,預(yù)計其單位法向量的方向應(yīng)接近,則將平面子集合并成屬于同一個結(jié)構(gòu)面,并用PCA算法重新計算其法向量。

e.主極點統(tǒng)計及聚類分析：為了獲取危巖體優(yōu)勢結(jié)構(gòu)面信息,將每個平面的法向量轉(zhuǎn)換為赤平投影,并通過核密度估計方法(KDE)得到每個區(qū)域的極點密度以及局部極大值。通常密度函數(shù)分析會顯示出許多局部極大值,但只有少數(shù)是主極點,這是由于讀數(shù)誤差和曲面奇點的存在,這意味著極點的離散。在計算時可以通過設(shè)置圓錐濾波器、最大極點濾波器等參數(shù),獲得更清晰的法向量極點密度平面圖。最后一步是對數(shù)據(jù)進(jìn)行聚類分析,通過基于密度的聚類算法(DBSCAN)執(zhí)行,該算法最適合處理高密度、均勻的點云。已知測量的非均勻密度將會對自動識別的結(jié)果產(chǎn)生一定的影響［15］。但得益于貼近攝影測量具有多角度數(shù)據(jù)獲取的優(yōu)勢,可以充分獲取復(fù)雜結(jié)構(gòu)面的信息,因此本文假設(shè)點云的密度是均勻的。

f.結(jié)構(gòu)面產(chǎn)狀計算：至此,已得到結(jié)構(gòu)面平面法向量及其標(biāo)準(zhǔn)平面方程,已知巖體結(jié)構(gòu)面產(chǎn)狀的測量只需知道該產(chǎn)狀所在平面的法向量即可,假設(shè)該結(jié)構(gòu)面平面方程為

Ax+By+Cz+D=0

其中A、B、C、D為方程參數(shù),且A、B、C不同時為0,則其平面法向量為n(A,B,C),根據(jù)平面的一般式方程,通過選中的點云樣本,構(gòu)建偏差平方和方程,最終可推導(dǎo)出以下結(jié)構(gòu)面產(chǎn)狀量化計算公式：

(3)

(4)

以上結(jié)構(gòu)面產(chǎn)狀提取的所有原理及步驟均可通過DSE程序完成。點云自動聚類分析完成后,可將結(jié)果導(dǎo)入Cloud Compare軟件中進(jìn)行平面擬合,自動計算出產(chǎn)狀信息。

3.2 方法驗證實驗

由于山區(qū)危巖體通常位于地形高陡、地貌復(fù)雜區(qū)域,研究人員無法到達(dá)現(xiàn)場。因此為了驗證結(jié)構(gòu)面提取方法的可靠性,本文選取了研究區(qū)內(nèi)一處公路巖質(zhì)邊坡進(jìn)行驗證實驗。驗證實驗流程如圖7所示,首先采用相同軟硬件設(shè)備對邊坡進(jìn)行貼近攝影獲取平均分辨率為5 mm的影像數(shù)據(jù),并采用相同影像后處理軟件構(gòu)建巖體三維空間點云。最終利用DSE程序法對巖體結(jié)構(gòu)面產(chǎn)狀進(jìn)行提取,自動提取結(jié)果與羅盤儀實地測量結(jié)果對比結(jié)果如表3所示,傾向傾角的誤差均在3°以內(nèi),可認(rèn)為本研究方法對結(jié)構(gòu)面產(chǎn)狀的提取結(jié)果誤差較小,滿足工程中的精度需求,并將此方法應(yīng)用于本研究所關(guān)注高陡危巖體中。

表3 羅盤和自動識別產(chǎn)狀結(jié)果對比Table 3 Comparison of compasses and automatic identification of occurrence

圖7 驗證實驗流程Fig.7 Validation experiment process

3.3 工程實際應(yīng)用

本研究關(guān)注的高陡危巖體分布如圖8-A所示。在進(jìn)行結(jié)構(gòu)面提取前首先要對危巖體區(qū)域進(jìn)行裁剪,將非巖體出露區(qū)域進(jìn)行剔除(圖8-B),提取出巖體點云后即可開始進(jìn)行結(jié)構(gòu)面產(chǎn)狀的自動提取。首先,進(jìn)行最鄰近搜索時,將共面性測試容差ηmax設(shè)置為20%。由于危巖體結(jié)構(gòu)破碎且坡面又停積有較多巖塊,影響因素較多,自動識別出了多個極點(圖8-C)。因此,在計算其極點密度時,對平面極點密度進(jìn)行濾波處理,將點云數(shù)據(jù)集法向量間的最小角度設(shè)置為20°,結(jié)果自動檢測到6個優(yōu)勢結(jié)構(gòu)面點集,分別為J1、J2、J3、J4、J5、J6(表4)。得到主極點信息后,使用DBSCAN算法對點云進(jìn)行聚類分析,為了獲得良好的聚類可視化,將每個聚類的最大點數(shù)(ppc)設(shè)置為200,將較小的簇過濾,保留較大的結(jié)構(gòu)面點集(圖8-D)。每一個結(jié)構(gòu)面點集都對應(yīng)一個平面方程式,可將每一個平面點集都擬合成單個平面,并獲取其產(chǎn)狀。由主極點統(tǒng)計結(jié)果可知,從數(shù)量上來說,J2、J3組結(jié)構(gòu)面占比最高,其余依次為J4、J1、J5、J6。由于該危巖體十分破碎,坡面巖石碎塊較多,對結(jié)果有產(chǎn)生一定的影響。利用精細(xì)化三維實景模型對識別結(jié)果進(jìn)行驗證分析發(fā)現(xiàn),J2、J3主要位于危巖體表面,但在巖體表面可以識別出多條平行于J2、J3結(jié)構(gòu)面的巖體裂隙,因此認(rèn)為J2、J3可以正確地表征危巖體結(jié)構(gòu)面。J1、J4、J6盡管數(shù)量上占比相對較少,但結(jié)構(gòu)面發(fā)育特征十分明顯,同組結(jié)構(gòu)面相互平行,各組結(jié)構(gòu)面共同將危巖體切割成塊狀。而J5經(jīng)復(fù)核查證后,認(rèn)為其多是受坡面上較大的巖塊表面所影響而得到的結(jié)果,因此將其人工排除。結(jié)合三維實景模型,采用人機(jī)交互的方式,對結(jié)果進(jìn)行了可視化分析后,最終認(rèn)為J1、J2、J3、J4、J6取向可以成功地表征結(jié)構(gòu)面(圖9)。5組優(yōu)勢結(jié)構(gòu)面產(chǎn)狀分別為J1：106.40°∠45.73°;J2：357.69°∠61.57°;J3：40.01°∠75.71°;J4：305.91°∠80.89°;J6：225.01°∠33.73°。

表4 結(jié)構(gòu)面點集聚類結(jié)果表Table 4 Classification of discontinuous sets

圖8 高陡危巖體優(yōu)勢結(jié)構(gòu)面提取過程Fig.8 Extraction process of dominant structural plane of high and steep dangerous rock mass

圖9 巖體結(jié)構(gòu)面提取結(jié)果Fig.9 Extraction results of rock mass discontinuities

3.4 結(jié)構(gòu)面跡線提取

巖體結(jié)構(gòu)面跡線是指在巖體結(jié)構(gòu)面與露頭面的交線,其長度稱為跡長。結(jié)構(gòu)面的形狀和結(jié)構(gòu)面的實際尺寸共同決定了跡長的大小。因此,跡長信息對于巖體穩(wěn)定性評價也起著關(guān)鍵作用。傳統(tǒng)的跡線測量方法為測線法,但該方法易受邊坡植被、碎石和泥土遮擋等環(huán)境因素限制,人工方法能夠測得全跡長的結(jié)構(gòu)面較少,且尺寸較小。有學(xué)者認(rèn)為,結(jié)構(gòu)面測量得到的特征點解算出的所有可視結(jié)構(gòu)面中可量測的最大長度,即結(jié)構(gòu)面上采集的所有特征點中,兩點之間距離最大值,其長度可以近似于等于跡線長度［18］。如圖10-A所示,封閉線代表著巖體結(jié)構(gòu)面的范圍,而紅色的線即代表著裂隙的跡線長度,其長度可近似等于結(jié)構(gòu)面跡長。

圖10 結(jié)構(gòu)面跡線提取Fig.10 Extraction of discontinuity trace

因此,要想獲得結(jié)構(gòu)面跡長,首先要對結(jié)構(gòu)面跡線進(jìn)行提取。本研究利用開源軟件CloudCompare對結(jié)構(gòu)面跡線進(jìn)行手動采集,此次研究共測得181個結(jié)構(gòu)面信息,并解算得到其產(chǎn)狀信息以及跡線信息,其中x1、y1、z1、x2、y2、z2代表著結(jié)構(gòu)面跡線的端點坐標(biāo)(表5)。根據(jù)提取的端點坐標(biāo)信息,可以自主編寫繪圖程序,繪制出研究區(qū)結(jié)構(gòu)面三維跡線圖(圖10-B)。結(jié)構(gòu)面跡線的提取可以令結(jié)構(gòu)面的發(fā)育情況更加直觀,亦可為后期結(jié)構(gòu)面間距、延續(xù)性、粗糙度等的研究提供一定的參考意義。

4 巖體穩(wěn)定性評價

通過半自動識別得到了5組優(yōu)勢結(jié)構(gòu)面產(chǎn)狀信息,危巖體三維空間切割關(guān)系已基本查清。如圖11-A所示,以巖塊1為例,該巖塊被J2、J3、J4、J6四組結(jié)構(gòu)面共同切割成塊狀,受J6結(jié)構(gòu)面的影響,危巖底部巖腔發(fā)育,基座臨空。結(jié)合貼近攝影測量精細(xì)化三維實景模型對危巖體穩(wěn)定性進(jìn)行分析,認(rèn)為當(dāng)前對該危巖體穩(wěn)定性其控制作用的結(jié)構(gòu)面主要為J2及J3。危巖體剖面如圖11-B所示,該巖塊受4組結(jié)構(gòu)面切割,J4與J6已基本貫通。由于J6結(jié)構(gòu)面的發(fā)育,造成該危巖體基座臨空,可看到巖體在重力作用下,已產(chǎn)生多條巖體裂隙(L1～L4)。如圖11-C所示,巖體裂隙發(fā)育方向基本與J2、J3組結(jié)構(gòu)面平行,巖體裂隙寬度大多為1 cm左右。受裂隙切割和下部巖腔的影響,危巖體高懸于陡崖上端和巖腔頂部。隨著裂隙的不斷加深加寬,特別是J3方向上的裂隙(L1與L4),一旦裂隙切割整個危巖體,巖體將脫離母體。在巖體自身重力的作用下,危巖體可能會發(fā)生墜落式破壞。因此,經(jīng)快速綜合分析,定性判定該巖體穩(wěn)定性為不穩(wěn)定狀態(tài)。并且初步認(rèn)為主控該危巖體穩(wěn)定性的結(jié)構(gòu)面應(yīng)該為J2、J3。此分析僅針對巖塊1,若從區(qū)域宏觀角度上看,巖體發(fā)育多組結(jié)構(gòu)面,空間切割關(guān)系復(fù)雜,具體危巖體巖塊要具體分析,巖體穩(wěn)定性實際上應(yīng)是由多組結(jié)構(gòu)面共同決定的。

圖11 危巖體空間發(fā)育情況Fig.11 Spatial development of dangerous rock mass

5 結(jié)論與展望

本文提出了一種基于無人機(jī)貼近攝影測量的高陡危巖體結(jié)構(gòu)面的快速、精細(xì)化的調(diào)查方法。經(jīng)實驗證明,此方法對結(jié)構(gòu)面產(chǎn)狀提取的效率較快、準(zhǔn)確度較高,與羅盤實測結(jié)果相對比,傾向傾角的誤差均在3°以內(nèi),提取結(jié)果可以良好地滿足工程精度需求,可為高陡危巖體結(jié)構(gòu)面的精細(xì)化調(diào)查以及高陡危巖體穩(wěn)定性快速評價提供可靠的基礎(chǔ)數(shù)據(jù),具有良好的實際意義。此外,盡管貼近攝影測量技術(shù)仍處于初步探索的階段,但其高精度、多角度數(shù)據(jù)獲取的優(yōu)勢已得到眾多試驗研究證明。除了在危巖體結(jié)構(gòu)面調(diào)查中可以發(fā)揮重大作用外,該技術(shù)還在城市建筑物精細(xì)三維重建、高山峽谷區(qū)地質(zhì)災(zāi)害精細(xì)化調(diào)查與監(jiān)測、文物古建筑精細(xì)化重建以及水利工程監(jiān)測等多個行業(yè)上進(jìn)行了應(yīng)用研究,均取得了良好的效果［14］?？梢婋S著無人機(jī)設(shè)備的升級,以及智能飛控軟件的不斷優(yōu)化,貼近攝影測量技術(shù)未來在數(shù)據(jù)精度、數(shù)據(jù)獲取效率等方面還將進(jìn)一步得到提升,該技術(shù)具有巨大的發(fā)展前景。