为了将GBSAR和TLS数据统一到同一个坐标系,必须进行坐标转换。由于GBSAR是二维雷达,只能解算出监测目标的二维坐标。
本实验采取的方法是将GBSAR系统xOy平面坐标系转换到TLS的XOY平面坐标系,实现两者的二维平面直角坐标系的转换,达到平面坐标系统的统一,为随后将视线方向形变图投影到三维模型上奠定基础。
采用人工选点的方式在GBSAR信噪图中均匀分散地选取了7个控制点GCP1~GCP7,并获取其系统xOy平面坐标,选点位置如图9-7所示。同时,在大坝的三维模型上选取相应控制点GCP1~GCP7,并获取其XOY平面坐标,选点位置如图9-8所示。
图9-7 GBSAR控制点示意图
图9-8 TLS控制点示意图
表9.1为控制点分别在GBSAR的xOy平面坐标系和TLS的XOY平面坐标系下的坐标值。所选控制点满足各指标阈值,其中,热红外阈值、相关性阈值和相位稳定性阈值分别设置为25.0dB、0.85dB、5.0dB,以保证选点的相关性和稳定性。选取GCP1~GCP7 5个控制点按照二维四参数转换法计算由GBSAR系统xOy平面坐标系转换到TLS的XOY平面坐标系的转换参数,为了检核转换精度,根据得到的转换参数计算GCP6和GCP7由GBSAR的xOy平面坐标转换到TLS的XOY平面下的坐标,比较此两点转换前后的误差,如表9.2所示,并判断是否可以进行投影。
表9.1 控制点平面坐标
表9.2 参考点转换前后坐标
由表9.2知,参考点转换前后误差为2~4m。经分析,造成误差的原因主要有两个:
(1)GBSAR和TLS分辨率相差较大。本实验中,GBSAR距离向分辨率为定值0.5m,由雷达发射器与大坝间的距离得到角度向分辨率为1.5~2m,这与三维激光扫描点云1cm分辨率相差较大。因此,由于GBSAR系统硬件本身的限制,其较低的分辨率是导致二者坐标转换精度不高的主要原因。
(2)人工选取控制点。人工选点的方式导致选取控制点的精度不高,从而导致二者坐标转换精度存在一定的误差。转换精度基本满足要求,可以进行投影,即将GBSAR获取的大坝变形位移图投影到TLS得到的三维模型上,便于下一步的变形分析。
要实现GBSAR与TLS的数据融合,就必须将GBSAR平面的二维坐标转换到TLS系统下的三维坐标,在完成GBSAR的xOy平面到TLS的XOY平面的坐标转换之后,还需解决GBSAR的Z坐标如何获取的问题。本研究采取投影的方法,即GBSAR高程Z坐标等于其像素点按照xOy坐标转换到TLS系统下相应点的Z坐标,即可将GBSAR视线方向形变图贴到由TLS获取的三维模型表面维干涉雷达点云,初步实现形变信息三维可视化。
在对隔河岩大坝进行持续观测的过程中,GBSAR获取了28幅影像,共维持了8个多小时。本书将整个监测数据28幅影像分为4期观测,以7幅影像数据(大概2h)为1期,分析4期的变形趋势,如图9-9所示。(www.daowen.com)
图9-9 三维干涉雷达点云示意图
为了分析大坝在观测期间的变形趋势,在大坝上层和下层分别选取4个像素点P1~P8作为变形分析特征点,位置图如图9-10所示。为了验证选取的特征点的稳定性和可靠性,相干系数计算公式为:
式中,M与S表示两幅复图像;*表示共轭算子。根据式(9.8)计算8个点之间的相干系数,相干系数越高,代表干涉相位越可靠,相位误差越低,位移变化值也就越准确。计算结果表明,特征点之间的相干系数均在0.9以上,说明所选8个特征点区域之间的相关性很好,确保了选取的特征点稳定可靠。
图9-10 变形特征点位置图
各特征点位移-时间曲线图如图9-11所示。由于测量时间间隔短,从整体上看,大坝这段时间没有发生较为明显的变形,特征点变形量都比较小,各点的形变趋势大体相同,很大程度上是系统误差造成的。除在00:00出现最大3.5mm的位移,其余时间段的位移基本都在2.5mm以内,只有点P3在17:00左右位移相比其他特征点出现较大变化,达到3.5mm。到夜间结束时,总的位移量较小,回到初始的状态。分析其形变原因,当时水库正值蓄水期间,坝体表面因水位上升而发生相应的形变。大坝各特征点的位移始终未超过4mm,在大坝允许的位移范围之内。因此,总的来说大坝整体处于稳定状态。大气扰动对测量精度有较大影响,气温、湿度等的变化对监测结果也会造成一定的影响。
图9-11 各特征点的时间位移图
通过对数据的分析结果可知,利用GBSAR系统对该大坝的监测表明,GBSAR的数据相对于传统技术采集的数据空间分辨率高、精度高,选取回波信号较好的多个特征点可反映大坝整体的变形趋势。
根据前述融合后的三维干涉雷达点云,选取点P2分析4期的变形趋势。点P2的时间-位移变化曲线如图9-12所示,点P2在三维模型上4期的位移变化如图9-13所示。从图中不难看出,点P2在空间位移变化上与曲线一致,相比更加直观反映了大坝在空间上的变形趋势。由GBSAR与TLS的融合结果分析来看,大坝变形很小,整体趋势相似,并无较大变形。
图9-12 特征点P2间位移曲线图
图9-13 特征点P2 4期位移变化空间显示图
由于观测时间较短且观测区域较小,融合效果还不够显著。可以推想,将这种融合技术应用到滑坡、火山等大面积区域监测时,经过长时间的监测便可直观地反映出被监测体出现较大变形的具体位置以及形变量,这将极大地有助于灾害预警工作的开展。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。