基于Alpha Shapes轮廓点云识别算法的洞室表面形变区域提取方法

摘要

针对三维激光扫描密集点云提取洞室表面变形信息的问题，本文提出一种基于改进的Alpha Shapes算法识别洞室轮廓点云和多尺度模型到模型的点云比对(Multiscale Model-to-Model Cloud Comparison, M3C2)的洞室表面变形监测方法.首先对获取到的两期洞室表面点云数据进行配准，采用改进的Alpha Shapes算法识别洞室表面外轮廓点云.获得的两期洞室表面外轮廓点云经精配准后，再采用M3C2算法进行各点变形值计算，最后进行距离聚类提取连续形变区域.实验结果表明：该方法能够有效剔除点云中细小沟壑处的点及受到混合像元影响的点，在洞室截面到扫描仪距离10 m的范围内，两期点云剔除率分别为14.17%及13.52%,在70 m范围内，分别为6.25%及6.42%;该方法能够准确高效地提取出2倍配准误差以上的洞室表面形变区域.

关键词

洞室变形监测 / 轮廓点云识别 / Alpha Shapes算法 / M3C2算法