基于无人机LiDAR的榆神矿区采煤沉陷建模方法改进 论文

煤矿地表沉陷监测中，常规的大地测量和InSAR等遥感手段均有一定的局限性。利用无人机LiDAR对沉陷区进行地面扫描，通过多期数据叠加可快速获取地表沉陷盆地的精细特征。然而，按现有的主流点云滤波及插值算法所构建的沉陷模型往往包含显著噪声，限制了该技术在矿区的实际应用。以榆神矿区某开采工作面地表为实验区，针对其地形起伏而植被覆盖度较低的地理环境，利用低空无人机LiDAR获取两期4组地面点云数据，结合常规地表移动实测数据，研究基于激光点云的矿区沉陷建模改进方法。

在模型构建过程中，分别采用了专业化数字高程模型插值、反距离权重插值、克里金插值、自然邻域插值、样条函数插值及三角网渐进加密滤波、基于高程阈值的滤波、多尺度曲率滤波、基于坡度阈值的滤波、渐进形态学滤波等主流点云插值和滤波算法。最终构建的数字高程模型(DEM)进行了误差对比分析，结果显示专业化数字高程模型插值及三角网渐进加密滤波算法的效果相对较优。然而，尽管采用了这些算法，两期DEM叠加生成的初始沉陷模型仍然存在精度不足的问题，主要表现在点云平面位置误差、非地面点噪声、点云内插误差、水域覆盖范围变化等引起的模型误差上。

为了进一步优化模型，提出了基于小波阈值的沉陷模型去噪优化方案，此方法能够有效减少上述误差，提升模型精度。关于小波阈值滤波算法的具体实现，感兴趣的读者可以参考相关文档获取更多技术细节。为了增强无人机LiDAR数据处理的精度和效率，还可以参考无人机航迹的平滑路径规划方法和基于动态阈值的机载LiDAR点云滤波法。

这些改进和方法的应用，有望为矿区沉陷监测提供更加可靠和高效的技术支持。