CN111161252A - 岩体结构探测及危石探测系统及方法 - Google Patents
岩体结构探测及危石探测系统及方法 Download PDFInfo
- Publication number
- CN111161252A CN111161252A CN201911414798.3A CN201911414798A CN111161252A CN 111161252 A CN111161252 A CN 111161252A CN 201911414798 A CN201911414798 A CN 201911414798A CN 111161252 A CN111161252 A CN 111161252A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- trace
- structural
- rock mass
- block
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
- G01S17/894—3D imaging with simultaneous measurement of time-of-flight at a 2D array of receiver pixels, e.g. time-of-flight cameras or flash lidar
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/87—Combinations of sonar systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
- G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/02—Prospecting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/12—Bounding box
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/21—Collision detection, intersection
Abstract
本发明提供了一种岩体结构探测及危石探测系统及方法。其中,岩体结构探测及危石探测系统包括岩体结构自动化探测装备,其上设置有三维激光扫描设备和二维图像采集设备,用于分别采集隧道施工区域的三维激光点云数据和二维图像;服务器,其与岩体结构自动化探测装备相互通信;服务器包括块体结构三维建模模块和块体结构几何稳定性分析模块。其考虑岩体内部同组结构面影响、爆破扰动的新生结构面作用以及结构面有限尺度,能构建多棱锥以及多棱台型块体以贴近工程实际;可快速分析任意多棱锥的几何稳定性。
Description
技术领域
本发明属于岩体探测领域,尤其涉及一种岩体结构探测及危石探测系统及方法。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
岩体结构探查工作是隧道及地下工程中地质灾害预测预警的基础工作,在地下工程建设中具有重要的指导意义。根据采集的高精度岩体结构信息进行地质编录、风险评价,通过岩体三维结构信息进行岩体结构面拓延预测,从而进行危险块体赋存预测、危险块体稳定性分析等工作能够对隧道风险控制进行一定指导。岩体结构探查的维度、精度、时效等指标直接影响着施工风险控制的有效性。
发明人发现,目前的岩体结构探测及危石探测系统存在以下问题:
1)岩体结构信息采集存在精度低、适应性弱、操作繁琐,配套设备搬运困难等问题;数据采集精度均受操作人员专业水平、技术素养的制约,无法大规模普及;
2)面对隧道及地下工程中高粉尘浓度,光照条件不均匀的环境,现有的非接触式采集方法均不能正常适用;目前数据采集完成后需返回工作室进行分析,得到分析结果时往往施工已进入下个循环,对施工无法形成有效的指导意义;目前均需人员携带设备,长时间在危险区域下方进行数据采集,落石时有发生,严重威胁生命财产安全;隧道及地下工程中粉尘、瓦斯气体、放射性气体等对人员健康产生较大影响;现有接触式方法测量范围仅在人员能触及的小部分范围;
3)传统的岩体结构方法仅能识别二维图像中的岩石裂隙,未考虑三维点云数据与全景影像数据两者结合以及结构面直径与结构面迹长关系,默认结构面无线延伸;而且受施工现场光线影响较大,岩石突起产生的阴影对自动识别产生较大的影响,导致识别准确率低;
4)块体模型构建形状仅为棱锥型块体,未考虑内部结构面相切的作用,脱离工程实际;块体模型构建位置主要位于掌子面处或边坡处,未考虑掌子面与边墙连接处爆破扰动的影响;构建块体所依据的结构面尺度为无限延伸,与实际工况不符。
5)传统的块体结构几何稳定性分析方法主要为矢量分析法,对三棱锥时较为有效,但分析五棱锥以上的包括棱台型块体、斜楞台型块体等异性块体时计算量巨大,并产生多个解,从而无法适用。
发明内容
为了解决上述问题,本发明提供一种岩体结构探测及危石探测系统,其其考虑岩体内部同组结构面影响、爆破扰动的新生结构面作用以及结构面有限尺度,能构建多棱锥以及多棱台型块体以贴近工程实际;可快速分析任意多棱锥的几何稳定性。
为了实现上述目的,本发明采用如下技术方案:
本发明的第一个方面提供一种岩体结构探测及危石探测系统,其包括:
岩体结构自动化探测装备,其上设置有三维激光扫描设备和二维图像采集设备,用于分别采集隧道施工区域的三维激光点云数据和二维图像;
服务器,其与岩体结构自动化探测装备相互通信;
所述服务器包括块体结构三维建模模块和块体结构几何稳定性分析模块;
所述块体结构三维建模模块,被配置为:
构建掌子面所在平面;
选取迹线生成结构面:选取三点迹线,拟合第二三维平面,使用迹线外包围盒对角线长度一半作为半径且迹线平均坐标为原点,计算结构面圆盘;
拟合迹线组投影面:使用同一组迹线且每条迹线的前两点拟合迹线组投影面;
判断迹线组投影线封闭性:
将迹线投影到投影面,判断投影迹线组是否封闭,如果封闭,则计算所有结构面与迹线投影面相交线;如果不封闭,则计算位于边墙的迹线和掌子面交点是否是两个,若是,则计算所有结构面与掌子面所在平面相交线;若不是,则重新选取迹线生成结构面;
相交线构面:采用所有结构面、掌子面和迹线投影面上的相交线构建封闭面,作为块体的面;
所述块体结构几何稳定性分析模块,被配置为:
建立正交xyz三轴坐标系,根据块体各顶点坐标,计算出隧道轴心坐标;
计算块体各顶点距隧道轴心的径向距离,筛选出径向距离最短的一组顶点作为临空面的顶点,其余的顶点设定为在岩体内部;
筛选出块体顶点中z轴数值最小的顶点,若该顶点在岩体内部,则判定块体为稳定块体;若该顶点在临空面上,则判定块体存在失稳风险。
进一步地,所述服务器还包括隧道施工区域三维模型构建模块,所述隧道施工区域三维模型构建模块被配置为:
共轴获取隧道施工区域的三维激光点云数据及若干个二维图像,所有二维图像可拼接成隧道施工区域全景图;
将所有二维图像进行球面投影,同时将二维图像中像素点的RGB信息直接赋予至相同角度的三维激光点云数据处,直接拼接所有二维图像,构建出隧道施工区域三维模型。
进一步地,所述服务器还包括岩体结构面自动识别模块,所述岩体结构面自动识别模块被配置为:
接收岩体结构周围的全景二维影像及三维激光点云数据;
匹配融合三维激光点云数据与全景二维影像,使全景二维影像中所有像素点与三维激光点云数据相应的三维坐标一一对应;
提取全景二维影像中的结构面迹线,根据坐标的对应关系,识别出三维激光点云数据中对应的三维结构面迹线,进而得到三维结构面迹线长度;
根据结构面圆盘直径与三维结构面迹线长度的概率分布关系,预测出结构面圆盘直径范围;
利用三维激光点云数据中的三维结构面迹线来拟合结构面圆盘,使得结构面迹线上的所有点与结构面圆盘的距离之和最小,最终判定拟合的结构面圆盘所在的平面为岩体结构面,且岩体结构面的直径范围与结构面圆盘直径范围相同。
本发明的第二个方面提供一种岩体结构探测及危石探测系统的探测方法,其包括:
利用三维激光扫描设备和二维图像采集设备分别采集隧道施工区域的三维激光点云数据和二维图像并传送至服务器;
在服务器中根据接收到的三维激光点云数据和二维图像进行块体结构三维建模以及块体结构几何稳定性分析;
其中,块体结构三维建模的过程为:
构建掌子面所在平面;
选取迹线生成结构面:选取三点迹线,拟合第二三维平面,使用迹线外包围盒对角线长度一半作为半径且迹线平均坐标为原点,计算结构面圆盘;
拟合迹线组投影面:使用同一组迹线且每条迹线的前两点拟合迹线组投影面;
判断迹线组投影线封闭性:
将迹线投影到投影面,判断投影迹线组是否封闭,如果封闭,则计算所有结构面与迹线投影面相交线;如果不封闭,则计算位于边墙的迹线和掌子面交点是否是两个,若是,则计算所有结构面与掌子面所在平面相交线;若不是,则重新选取迹线生成结构面;
相交线构面:采用所有结构面、掌子面和迹线投影面上的相交线构建封闭面,作为块体的面;
块体结构几何稳定性分析的过程为:
建立正交xyz三轴坐标系,根据块体各顶点坐标,计算出隧道轴心坐标;
计算块体各顶点距隧道轴心的径向距离,筛选出径向距离最短的一组顶点作为临空面的顶点,其余的顶点设定为在岩体内部;
筛选出块体顶点中z轴数值最小的顶点,若该顶点在岩体内部,则判定块体为稳定块体;若该顶点在临空面上,则判定块体存在失稳风险。
本发明的有益效果是:
(1)本发明将迹线投影到投影面,判断投影迹线组是否封闭,如果封闭,则计算所有结构面与迹线投影面相交线;如果不封闭,则计算所有结构面与掌子面所在平面相交线;采用所有结构面、掌子面和迹线投影面上的相交线构建封闭面,作为块体的面;其考虑岩体内部同组结构面影响以及结构面有限尺度,使得构建的块体模型以贴近工程实际。
(2)本发明还判断是否有与块体临空面同组的结构面,若有,则测量该组结构面间距,构建棱台型块体三维模块,棱台高度为该组结构面间距;若无,构建棱锥型或斜棱台型块体三维模块,其考虑爆破扰动的新生结构面作用,能构建多棱锥以及多棱台型块体以贴近工程实际。
(3)采用建立正交xyz三轴坐标系,根据块体各顶点坐标,计算出隧道轴心坐标技术手段,获得块体稳定性数据的快速分析基础,可快速分析任意多棱锥的几何稳定性。
(4)采用计算块体各顶点距隧道轴心的径向距离,筛选出径向距离最短的一组顶点作为临空面的顶点,其余的顶点设定为在岩体内部技术手段,获得快速建立块体各顶点几何拓扑关系的效果。
(5)采用筛选出块体顶点中z轴数值最小的顶点并判断其是否在临空面上的技术手段,获得快速判断块体是否稳定的效果。
(6)本发明采用二维像素信息与三维激光点云数据直接共轴获取,将像素信息进行球面投影,相同角度的像素点RGB信息直接赋予至三维激光点,进行直接拼接,避免了基于特征点配准或基于反光片法手动配准的传统方法产生的测量误差,简化计算步骤。
(7)本发明基于全景二维影像中所有像素点与三维激光点云数据相应的三维坐标一一对应,借助坐标对应关系,使得三维点云数据与全景二维影像数据结合进行自动识别岩体结构,能够准备识别出三维激光点云数据中对应的三维结构面迹线,而且根据结构面圆盘直径与三维结构面迹线长度的概率分布关系,对结构面直径进行预测,识别出的岩体结构面更加准确。
(8)本发明可获取自动岩石裂隙的三维形态,从而获取结构面产状;可排除阴影的干扰,使得岩体结构识别的准确率有较大提升。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为本发明实施例提供的岩体结构自动化探测装备电路原理图。
图2为本发明实施例提供的履带式底盘结构示意图。
图3为本发明实施例提供的举升机构结构示意图。
图4为本发明实施例提供的块体结构三维建模方法流程图。
图5为本发明实施例提供的掌子面处迹线围成封闭图形。
图6为本发明实施例提供的掌子面和边墙处结构面围成块体侧视示意图。
图7(a)为本发明实施例提供的位于边墙的迹线自己不能封闭,借助掌子面形成的结构面的迹线可封闭的情况下的边墙展开示意图。
图7(b)为本发明实施例提供的位于边墙的迹线自己不能封闭,借助掌子面形成的结构面的迹线可封闭的情况下的块体示意图。
图8(a)为本发明实施例提供的掌子面及边墙处迹线自己不能够封闭,但能够形成闭合图形。
图8(b)为本发明实施例提供的掌子面及边墙处迹线自己不能够封闭,但能够形成闭合图形对应的块体示意图。
图9为本发明实施例提供的一种块体结构几何稳定性分析方法流程图。
图10为本发明实施例提供的隧道正交xyz三轴坐标系。
图11为本发明实施例提供的一种隧道施工区域三维模型构建方法流程图;
图12为本发明实施例提供的三维直角坐标系。
图13为本发明实施例提供的点云坐标计算图。
图14(a)为本发明实施例提供的二维图像。
图14(b)为本发明实施例提供的二维图像对应的球面投影示意图。
图15为本发明实施例提供的一种岩体结构面自动识别方法流程图。
图16为本发明实施例提供的二维图像球面投影示意图。
图17为本发明实施例提供的影像数据与激光点云数据融合示意图。
图18为本发明实施例提供的边缘检测结果。
图19为本发明实施例提供的结构面圆盘直径与结构面迹线长度关系。
图20为本发明实施例提供的岩体结构探测及危石探测系统结构示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
术语解释:
掌子面又称礃子面,是坑道施工中的一个术语。掌子面即开挖坑道(采煤、采矿或隧道工程中)不断向前推进的工作面。
结构面是指具有极低的或没有抗拉强度的不连续面。结构面包括一切地质分离面。不同的结构面,其力学性质不同、规模大小不一。
临空面是指岩土体滑动时自由空间的边界面,如斜坡的坡面,硐室的边墙、坝基下游河床面等。
如图20所示,本实施例的一种岩体结构探测及危石探测系统,其包括:
岩体结构自动化探测装备,其上设置有三维激光扫描设备和二维图像采集设备,用于分别采集隧道施工区域的三维激光点云数据和二维图像;
服务器,其与岩体结构自动化探测装备相互通信;
所述服务器包括块体结构三维建模模块、块体结构几何稳定性分析模块、隧道施工区域三维模型构建模块和岩体结构面自动识别模块。
具体地,本实施例的岩体结构自动化探测装备,包括:
车架本体,所述车架本体上设置有驱动模块、速度调配模块和数据采集模块,所述驱动模块、速度调配模块和数据采集模块均与中央处理器相连,如图1所示。
在一个或多个实施例中,所述车架本体底部设置有底盘车架,所述底盘车架两侧分别设置有履带式底盘;所述履带式底盘包括独立承载式底盘悬架,所述独立承载式底盘悬架为克里斯+蒂玛蒂结构。
由于隧道及地下工程施工现场泥泞路段较多,需搭载的设备重量超过100公斤重,轮式驱动机构抓地力差,较难实现原地旋转,移动方式不灵活,且设计繁琐,为保障机体的良好通过性,本实施例选用路况适应性强的履带式底盘设计。
履带式底盘的驱动电机带动减速齿轮,通过铰链带动底盘驱动轮。驱动轮与履带内侧驱动轮孔啮合给履带提供动力。底盘悬架采用“融合克里斯蒂玛蒂尔达”设计,位于底盘车架两侧,为独立承载式悬架结构。
如图2所示,履带式底盘包括履带1,履带1设置有底盘悬架,底盘悬架上设置有驱动轮2、诱导轮3、张紧轮4和支重轮5,驱动轮2、诱导轮3、张紧轮4和支重轮5均与履带1内侧且贴合在一起;驱动轮2通过第一缓冲机构与底盘悬架相连,诱导轮3通过第二缓冲机构与底盘悬架相连;其中,第一缓冲机构和第二缓冲机构均为现有结构,可采用弹簧机构来实现。
具体地,底盘车架使用304不锈钢5mm厚度板材焊接制作,用于挂载悬挂、驱动模块举升机构,以及固定平台车身钣金部分。
履带选用橡胶一体成型履带,橡胶履带是一种在橡胶带中嵌中有一定数量的金属及钢丝帘线履带式行走部件,它与金属履带相比,具有如下优点:
(1)速度快;(2)噪音低;(3)振动小;(4)牵引力大;(5)对路面破坏小;(6)接地压小;(7)机体重量轻。
目前常用的履带式底盘悬挂机构主要为克里斯蒂悬挂和玛蒂尔达悬挂。这两种悬挂各有优劣。克里斯蒂悬挂是将路面波动传递给垂直的弹簧机构,结构简单可靠,通过性好,但机动性较差,且机体经过崎岖路面时会产生较大幅度的摇摆,无法保障机体内精密仪器的安全;玛蒂尔达悬挂较克里斯蒂悬挂结构复杂,机动性更强,但路面震动过滤能力差,同样无法保护仪器安全。
由于机体搭载了三维激光扫描仪等精密设备,为保证仪器安全和较大的载重能力,本实施例采用“融合克里斯蒂玛蒂尔达”底盘悬架机构,该底盘悬架机构提升了机体负重能力,在泥泞及碎石路况下可提高机动性,并能够将来自地面的细小震动过滤,遇到较大起伏时灵活调整履带与地面的接触面积,增大抓地力。
本实施例的岩体结构自动化探测装备能够实现隧道及地下工程施工现场复杂路况环境下安全平稳通行,面对湿滑、积水、泥泞、陡坡、窄桥、碎石等极端路况仍能保证良好的通过性。
在另一实施例中,所述驱动模块由驱动电机、蜗轮蜗杆减速机和链轮传动组成,所述中央处理器用于利用S形加速曲线算法驱动电机带动蜗轮蜗杆减速机运动,动蜗轮蜗杆减速机通过链轮传动带动履带式底盘运动,实现岩体结构自动化探测装备的前进、后退及转向运动。
通过蜗轮蜗杆减速机和链轮搭配,将电动机扭矩放大45倍,提高了机体爬坡、脱困能力。
机体行进时电机工作方式:
(1)直行工作方式:两电机同步反向逆时针或顺时针转动,电机转速保持一致,由所需速度决定,转速最大为3000r/min。
(2)转弯工作方式:两电机相反转动,转弯内侧电机转速降低,转弯外侧电机转速提高。转速变化数值由期望转弯半径确定。
(3)原地旋转工作方式:两电机同步同向顺时针或逆时针转动,两电机转速保持一致。
在一个或多个实施例中,速度调配模块,包括可形成全景红外感知网络的红外测距传感器,所述红外测距传感器用于感应环绕车架本体周围相对预设水平面的地势高度以及相对于车架本体的距离并一起传送至中央处理器;所述中央处理器用于根据接收到的相对预设水平面的地势高度以及相对于车架本体的距离,划分当前区域危险等级,进而控制驱动模块运行来调配行进速度,实现智能行进。
由于隧道及地下工程施工现场有待浇筑仰拱或深坑等危险区域,若机体跌落会直接报废。通过远程控制机体行进,观测不全面,难免忽视危险区域,对机体造成严重安全威胁。在施工现场大型石块、工程机械易对机体造成碰撞,观测不及时同样会威胁机体安全。
速度调配模块通过在机体四周装备的6组红外测距传感器,形成全景红外感知网络,感应机体周围深度超过200mm的危险区域,并监测危险深坑的坡度。根据危险区域坡度、距机体的位置划分当前区域危险等级,根据危险等级智能调配行进速度,实现智能行进。
表1机体危险区域行进速度(m/s)
在另一实施例中,所述主动避障模块包括若干个超声传感器,这些超声传感器环绕车架本体周围,可感知车架本体预设距离范围内高度超过预设高度阈值的障碍物,并实时传输障碍物的位置信息至中央处理器,由中央处理器输出报警信息及向驱动模块输出自动刹车指令。
具体地,主动避障模块采用全场景超声感知设计,利用8组超声传感器,感知机体机体500mm范围内高度超过200mm障碍物,实时传输障碍位置信息至中央处理器,由中央处理器发出警报,提醒操作者停车,如操作者没有执行指令,执行机构将采取自动刹车、鸣笛等措施,有效防止机体碰撞损坏。
在一个或多个实施例中,数据采集模块,包括可开合的密封机舱,所述机舱内设置有三维激光扫描设备,所述三维激光扫描设备与举升机构相连,所述举升机构与中央处理器相连,所述中央处理器用于控制举升机构动作来实现三维激光扫描设备的升降。
具体地,三维激光扫描设备选用德国Z+F公司生产的5010C型三维激光扫描仪,该仪器是世界最先进的扫描仪器之一,同其它扫描仪相比,最快的扫描速度、187m的测量距离和最轻的系统重量在岩体结构探测方面具有明显优势。仪器采用相位/脉冲式激光测距模式,测量精度可达0.5mm;使用一级安全激光,不会对人员造成伤害;具有动态水平补偿功能,能够在1度倾斜范围内对扫描过程中每个点进行倾斜角度纠正。采用经久耐用的铝镁合金外壳进行散热,无传统的散热风扇,减少了粉尘对机体的损害。
具体地,如图3所示,所述举升机构包括:
举升底座8,所述举升底座8上安装有导轨9,所述导轨9上设置有滑块10,所述滑块10与升降杆11,所述升降杆11上安装有三维激光扫描设备,所述滑块10上安装有滚珠丝杆12,所述滚珠丝杆12的另一端还与支撑臂13铰接连接,所述滚珠丝杆12与步进电机14相连。
数据采集模块是整套系统的核心,担负着岩体结构信息采集的任务。由于数据采集仪器精密昂贵,直接暴露在隧道恶劣环境中对仪器安全及稳定性产生较大的风险。因此,本实施例采用可开阖的全封闭机舱,用于放置三维激光扫描设备。
在具体实施中,所述密封机舱包括机舱本体,所述机舱本体上设置有舱门盖,所述机舱本体与舱门盖边缘处加装有密封装置,用以保证密封机舱的气密性。
在另一实施例中,所述舱门盖分为左右两扇,内部设置有加强筋以增加抗碰撞强度;所述舱门盖还设置有导流槽,用以在闭合时防止施工隧道内滴水侵入车身内部。
在另一实施例中,所述密封机舱内设置有减震保护层。
例如:机舱及盖板采用全封闭结构设计,选用1.5mm厚度304不锈钢钣金工艺,表面喷塑,具备一定抗碰撞、抗砸落能力,钢板搭接处及舱门边缘处加装橡胶密封条,保证气密性,用于应对隧道及地下工程施工现场时有渗水的环境。增加了仪器在施工现场安全性。在舱内安装了三聚氰胺发泡海绵作为减震保护垫,能够缓冲、吸收振动,仪器收回机舱内时能将仪器部分包裹,保障了仪器稳定性。机舱上方及后面预留出高清红外巡检云台及部分高还原度补光设备的安装位置。
在另一实施例中,所述数据采集模块,还包括:
二维图像采集设备,其搭载于所述三维激光扫描设备上,采用自动调整的三级曝光模式,根据光线强度自动调整白平衡;
二维图像采集设备与三维激光扫描设备的相对坐标中心重合,经过旋转获取的全景影像像素点坐标无需平移、旋转变换,直接匹配于三维激光点云坐标。
例如:二维图像采集设备采用德国Z+F公司的I-cam相机,该相机能够通过不同角度拍摄42张照片拼接获取8000万像素的全景影像,采用自动调整的三级曝光模式,根据光线强度自动调整白平衡方案。能够搭载于上述激光扫描仪,相机CCD芯片与扫描仪的相对坐标中心重合,经过旋转获取的全景影像像素点坐标无需平移、旋转变换,直接匹配于三维激光点云坐标,大大提高了融合精度,减少了计算工作量。
在另一实施例中,所述数据采集模块,还包括:
光照补偿模块,所述光照补偿模块包括LED灯板和闪射灯,所述闪射灯环绕设置在车架本体上;所述LED灯板与转动机构相连,所述转动机构与中央处理器相连。
例如:
光照补偿模块由8块LED灯板、5套高亮度超高频闪射灯及相应传动机构组成。8块LED灯板构成了双级四向光照增强系统,装备在机舱盖板内侧,机舱盖板展开时翻出光照增强系统,同时展开二级灯板。根据环境要求,可灵活调节光照强度,由电机及传动机构和限位传感器等控制补光方位和角度,实现多亮度多角度多方位的光照增强方案。5套高亮度超高频闪射灯固定于机体多个方位,分别对机体的上方、左上方、右上方、后上方照射,增强环境亮度,平衡外界光线干扰。当机体打开补光系统时,系统对掌子面处、上方及侧面边墙补光效果稳定,实现了隧道恶劣环境下影像获取。
在另一实施例中,所述数据采集模块,还包括:高清红外巡检模块。
在具体实施中,高清红外巡检模块通过改装HDH5904-H73-R21型红外高清球机制作而成。监控球机均为倒挂式安装,将球机的摄像总成反向安装,实现了直立式安装。
高清红外巡检模块能够按照控制端指令灵活调整摄像头方向,旋转范围水平为0~360度,垂直为0~90度,可持续旋转。镜头为可变18倍焦距光学变焦镜头,光圈自动调节。在光照条件较好的环境下,传输1080P高清真彩色视频信号,在昏暗环境中,自动切换为1080P红外视频信号。高清红外巡检模块还装备了雨刷器,防止隧道泥浆遮挡摄像头导致设备失控。
在另一实施例中,所述数据采集模块,还包括:
自动平衡模块,所述自动平衡模块安装在三维激光扫描设备的安装平台15上;
所述自动平衡模块由三维陀螺仪、X轴调平机构、Y轴调平机构组成;
所述三维陀螺仪用于检测三维激光扫描设备当前的位置并传送至中央处理器,所述中央处理器用于对接收的三维激光扫描设备当前的位置经过卡尔曼滤波后计算需调整的角度,换算对应角度值后分别控制X轴调平机构和Y轴调平机构,使得三维激光扫描设备的安装平台稳定。
如图3所示,自动平衡模块由三维陀螺仪16、X轴调平机构17、Y轴调平机构18构成;X轴调平机构位于扫描仪安装平台上,使用蜗轮蜗杆减速机直接驱动平台旋转轴进行控制调节。蜗轮蜗杆减速机速比为1:90,应用57步进电机驱动,调节范围±20°。
Y轴调平机构与机体的举升机构相结合,通过连杆滑块机构的控制实现前后平衡调节。
在具体实施中,X轴调平机构和Y轴调平机构均可采用驱动来实现。
在另一实施例中,所述数据采集模块,还包括:环境监测模块。
具体地,环境监测模块监测的内容有:粉尘浓度、空气湿度、空气温度。
粉尘浓度监测采用的是Sharp光学灰尘传感器(GP2Y1010AU0F),用于检测直径大于0.8μm灰尘颗粒浓度,通过通气孔吸入环境空气,当光线射入空气时会受颗粒干扰,光束能量发生衰减。通过衰减率反应粉尘浓度。
空气的湿度和温度监测通过DHT11型数字温湿度传感器来实现。该传感器含有已校准数字信号输出的温湿度复合传感器,采用专用的数字模块采集技术和温湿度传感技术,确保可靠性和稳定性。传感器包括一个电阻式感湿元件和一个NTC测温元件,并与一个高性能8位单片机相连接。
隧道及地下工程施工现场地面崎岖不平,机体到达待测区域时不可避免出现倾斜。在倾斜范围小于1度时,测量仪器能够自动角度补偿,但倾斜范围较大时,仪器会无法运行。
在升降杆11上还设置有粉尘浓度监测模块19和湿度监测模块20。
当激光扫描仪及全景相机已到达指定工作位置后,在控制端按下自动调平按钮,自动平衡装置即自动运行。中央处理器通过异步串口通信(UART,波特率9600)接收三轴陀螺仪模块的数据,经过卡尔曼滤波后计算需调整的角度,中央处理器换算对应角度值后通过专用步进电机驱动器驱动两组两相四线步进电机,经过x轴的前后调节,y轴的左右调节将扫描仪平台稳定。步进电机步进角为1.8度,经驱动器32细分后可以保障平台稳定在0.1度以内,满足仪器自动补偿角度范围。
中央处理器会在上述过程中记录下每一步的数据,收回时通过实时多次计算保证平台所搭载的扫描仪不会因为倾斜角度过大的原因与机体发生碰撞。保存第一次的初值,在回收扫描仪前进行检校,保障了激光扫描仪等设备每一次的回收都准确无误。
其中,本实施例的岩体结构自动化探测装备融合了驱动模块、速度调配模块和数据采集模块,实现了岩体结构表面信息获取的无人化、智能化、快速化。
本实施例的数据采集模块,包括可开合的密封机舱,所述机舱内设置有三维激光扫描设备,所述三维激光扫描设备与举升机构相连,降低了操作人员、精密仪器安全风险,提高岩体结构探测准确度;本发明的岩体结构自动化探测装备每工作循环节省人力83%,节约时间窗口占用80%,缩短岩体结构分析时间85%以上,极大提高岩体结构探测效率。
如图4所示,所述块体结构三维建模模块,被配置为:
S101:构建掌子面所在平面。
在具体实施中,构建掌子面所在平面的过程为:
在工作面上选择三个以上点,拟合第一三维平面,计算所有选点的中心点,以中心点为原点,预设值为半径,构建法向量与第一三维平面法向量相同的圆盘面作为掌子面。
例如:在工作面上选择四个点,拟合第一三维平面,得到第一三维平面的法向量N;计算在工作面上选择的四个点的中心点O,以中心点O为原点,Rh为半径,构建法向量为N的圆盘面作为掌子面。
需要说明的是,在其他的实施例中,在工作面上择三个以上的其他数量的点,本领域技术人员可以根据具体工况自行选择,在此不作详述。
S102:选取迹线生成结构面。
在具体实施中,选取三点迹线,拟合第二三维平面,使用迹线外包围盒对角线长度一半作为半径且迹线平均坐标为原点,计算结构面圆盘。
具体地,在选取迹线生成结构面步骤中,迹线三点选择顺序是,先选取岩体节理线两点,第三点选择节理线所在可见结构面上的一点。
S103:拟合迹线组投影面。
在具体实施中,使用同一组迹线且每条迹线的前两点拟合迹线组投影面。
假如有3根迹线,则用于拟合平面的点有6个。
S104:判断迹线组投影线封闭性。
在具体实施中,将迹线投影到投影面,判断投影迹线组是否封闭,如果封闭,则计算所有结构面与迹线投影面相交线;如果不封闭,则计算位于边墙的迹线和掌子面交点是否是两个,若是,则计算所有结构面与掌子面所在平面相交线;若不是,则重新选取迹线生成结构面。
具体地,判断迹线组投影线封闭性存在以下几种情况:
(A)掌子面或边墙上面迹线,本身能够围成封闭图形。
如图5所示,为掌子面处迹线围成封闭图形;如图6所示,为掌子面、边墙处结构面围成块体侧视图。其中,在图5和图6中,块体为阴影区域。
(B)位于边墙的迹线自己不能封闭,借助掌子面形成的结构面的迹线可封闭。
图7(a)为位于边墙的迹线自己不能封闭,借助掌子面形成的结构面的迹线可封闭的情况下的边墙展开示意图;图7(b)为图7(a)相对应的块体示意图,此时块体体积如图7(b)所示的阴影区域。
(C)掌子面及边墙处迹线自己不能够封闭,但能够形成闭合图形。
如图8(a)和图8(b)所示,在边墙处有a,b两条线;掌子面处有c,d两条线;abcd能够首尾相接,在空间中形成四边形,如图8(a)所示。此时块体体积如图8(b)所示的阴影区域。
S105:相交线构面。
在具体实施中,采用所有结构面、掌子面和迹线投影面上的相交线构建封闭面,作为块体的面。
在另一实施例中,在块体结构三维建模的过程中,还包括:
S106:构建模型体;
在具体实施中,判断是否有与块体临空面同组的结构面,若有,则测量该组结构面间距,构建棱台型块体三维模块,棱台高度为该组结构面间距;若无,构建棱锥型或斜棱台型块体三维模块。
具体地,临空面在边墙处时可观察掌子面区域有无与临空面平行的迹线;临空面在掌子面处可观察边墙区域有无与临空面平行的迹线。
若有与临空面同组结构面,测量该组结构面间距。此时块体为棱台型块体,形状为原棱锥型或斜棱台型块体临空面向内部平移产生的新平面切割原棱锥型块体产生的棱台,棱台高度为该组结构面间距。若无,块体形状即为棱锥型或斜棱台型。
本实施例通过判断是否有与块体临空面同组的结构面,若有,则测量该组结构面间距,构建棱台型块体三维模块,棱台高度为该组结构面间距;若无,构建棱锥型或斜棱台型块体三维模块,其考虑爆破扰动的新生结构面作用,能构建多棱锥以及多棱台型块体以贴近工程实际。
本实施例将迹线投影到投影面,判断投影迹线组是否封闭,如果封闭,则计算所有结构面与迹线投影面相交线;如果不封闭,则计算所有结构面与掌子面所在平面相交线;采用所有结构面、掌子面和迹线投影面上的相交线构建封闭面,作为块体的面;其考虑岩体内部同组结构面影响以及结构面有限尺度,使得构建的块体模型以贴近工程实际。
如图9所示,在本实施例中,块体结构几何稳定性分析模块中,块体结构几何稳定性分析过程包括:
S201:建立正交xyz三轴坐标系,根据块体各顶点坐标,计算出隧道轴心坐标。
具体地,建立正交三轴坐标系,设竖直方向为z轴,水平方向为x轴、y轴。在坐标系中获取块体各顶点坐标。根据实际位置获得隧道轴心坐标。
例如:块体各顶点坐标为(xk,yk,zk),其中,k为块体的第k个顶点;k为正整数;
隧道轴心坐标为(xo,yo,zo)。
S202:计算块体各顶点距隧道轴心的径向距离,筛选出径向距离最短的一组顶点作为临空面的顶点,其余的顶点设定为在岩体内部。
具体地,如图10所示,在正交xyz三轴坐标系中,径向距离指的是各顶点到隧道中轴线的距离。
S203:筛选出块体顶点中z轴数值最小的顶点,若该顶点在岩体内部,则判定块体为稳定块体;若该顶点在临空面上,则判定块体存在失稳风险。
在判定块体存在失稳风险的情况下,当临空面的各顶点在水平面上包围岩体内部所有顶点时,判定块体存直接坠落失稳的风险。
在判定块体存在失稳风险的情况下,当临空面的各顶点在水平面上包围岩体内部分顶点或不包围岩体内任何顶点时,判定块体存在滑动失稳的风险。
在判定块体存在滑动失稳的风险的情况下,筛选出z轴数值最小及仅次于最小的块体的两个顶点,若这两个顶点的z轴数值之差在预设误差容许范围内,则判定块体具有单面滑动失稳风险。
在具体实施中,预设误差容许范围为0~5%。
在判定块体存在滑动失稳的风险的情况下,筛选出z轴数值最小及仅次于最小的块体的两个顶点,若这两个顶点的z轴数值之差不在预设误差容许范围内,则判定块体具有双面滑动失稳风险。
本实施例提供的块体结构几何稳定性分析方法用于实现岩体结构分析及致灾巨石预测预警。
如图11所示,本实施例的隧道施工区域三维模型构建模块中,隧道施工区域三维模型构建过程包括:
S301:共轴获取隧道施工区域的三维激光点云数据及若干个二维图像,所有二维图像可拼接成隧道施工区域全景图。
图像梯度域显著性优化的实质是将差异不明显的图像放大,通过图像插值技术,增强图像边缘的特征,实现结构面迹线的识别。但传统图像插值法,如最近邻插值、线性插值等容易造成图像边缘的畸变,产生结构面迹线锯齿状或迹线失真等影响。应用等值线法,分割图像的平滑区域及纹理区域,在平滑区域应用多项式模型插值,在纹理区域采用有理函数模型插值,后根据Sobel算子模板计算图像的梯度,根据图像不同纹理方向进行权重优化,克服了传统方法失真的缺点。
图像不同区域的划分阈值为插值单元4个像素点及其周围像素点。将像素点均值作为阈值。对任意数据集fi+r,j+s(r,s=-1,0,1,2)不同像素结构,有不同检测阈值。检测阈值见式:
图像插值的计算是利用各向同性Sobel算子检测水平及竖直方向的图像边缘,后与图像插值平面做卷积,求解图像梯度方向。图像梯度方向与垂直于纹理方向。
确定图像梯度方向后,对相应的中心点进行显著性优化。根据插值单元中心点周围像素值混合加权,预估中心点灰度值。
在具体实施中,相机成像过程的实质是空间的点经坐标系转换,利用小孔成像原理,投影至成像平面的过程。在相机获取岩体结构像素信息的过程中,由于光线经镜头透镜传播过程中产生幅度不一的弯曲现象,造成拍摄照片产生畸变,导致岩体结构信息的失真。在传统的岩体结构非接触式测量过程中,应用相机直接拍摄掌子面,获取的图像未经校正处理即作为岩体结构分析依据,会给岩体结构分析带来较大误差。
为对岩体结构二维像素信息进行有效的识别,需在图像获取过程中尽可能减少畸变产生,并校正获取的图像。根据畸变产生原理,在图像边缘处产生的畸变较大。因此,拍摄图幅越大,畸变带来的误差越显著。采用小图幅模式进行拍摄,多个小图幅进行拼接的二维像素信息获取方式,可有效减少畸变。为减少拼接误差,在拍摄过程中相机以成像平面中心为原点,进行三维旋转,对全空间以不同倾角拍摄相片,对相片进行校正,后将所获取的像素信息进行二维局部坐标系构建,建立三维岩体结构信息模型的真彩色数据基础。
应用CALTECH开发的标定工具,应用张氏标定法,对i-cam相机进行标定,测量畸变参数。应用长宽等距,黑白相间的方格图像在显示器中展示,应用该显示器作为标定参照物。在以不同角度多次拍摄标定物,计算相机的内参和外参,计算公式见式2、3。
畸变参数K1,K2,K3,P1,P2共5个,其中,径向畸变参数为K1,K2,K3;切向畸变参数为P1,P2。
径向畸变:
xcorrected=x(1+k1r2+k2r4+k3r6)
ycorrected=y(1+k1r2+k2r4+k3r6) (2)
切向畸变:
xcorrected=x+[2p1xy+p2(r2+2x2)]
ycorrected=y+[2p2xy+p1(r2+2y2)] (3)
标定工具计算简要步骤如下:
(1)对每张照片提取标定板内角点坐标;
(2)对每张照片提取角点的像素信息;
(3)求解相机内参、外参和畸变矩阵;
(4)使目标函数最小化;
(5)标定结果平均误差统计评估;
(6)应用标定结果,校正后续图像。
经CALTECH开发的标定软件计算,i-cam相机的畸变参数为式4:
相片经畸变校正后,设每张照片的cc为原点,水平方向为x轴,竖直方向为y轴,建立每张照片的二维坐标系。在岩体结构二维像素信息获取过程中,相机以成像平面中心为原点进行等焦距三维旋转拍摄,因此每张照片的二维坐标系仅经三维旋转变换,无需进行放缩变换,可建立统一的像素信息局部坐标系。式6至式10为三维坐标转换过程。
绕Z轴旋转角的旋转矩阵Rz(θ)为:
绕Y轴旋转角的旋转矩阵Ry(θ)为:
绕X轴旋转角的旋转矩阵Rx(θ)为:
三维旋转矩阵M为:
M=Rz(θ)Ry(θ)Rx(θ) (8)
可得:
经坐标系三维旋转后,统一的像素信息局部坐标系的x轴形成以旋转原点为中心的正多边形,y轴形成以旋转原点为中心的正多边形二分之一形状。整体坐标系统构成以相机焦距为半径的伪三维坐标系统。
三维激光扫描设备主要由相位激光测距模组和角度测量模组构成。激光测距模组主要由激光发射器、激光接收器、调制器实现激光测距功能。激光发射器发射激光后,经过一定距离后到达岩壁,然后发射并由激光接收器接收,则激光发射器与岩壁测点间距离可表示为:
其中:S为激光测距发射器与岩壁测点之间距离,c为光传播速度,T为调制信号周期时间。
当激光发射点与岩壁间距离通过速度和时间计算得出后,可根据角度测量模组的水平和竖直旋转角度,求解出岩壁点的相对坐标值。如图13所示,假定O点为激光发射点,坐标为(x0,y0,z0),P点为岩壁点,坐标为(x,y,z),α为水平方向钻转角度,β为竖直方向旋转角度,则P点相对坐标值求解方法为(式12—14):
x=S cosβcosα (12)
y=S cosβsinα (13)
z=S sinβ (14)
则P点绝对坐标值为:
由于隧道掌子面及边墙区域可能存在较大幅度的不平整现象,会对激光扫描路径产生一定程度的遮挡,形成探测盲区。造成激光点云模型产生空洞。当存在以上情况时,需进行多点探测以消除掌子面及边墙区域的局部探测盲区,并对扫描轮廓点云进行加密,以保证岩体结构信息形态获取的精细化及准确性。进行多点探测点云拼接的关键为坐标系的转换关系,以两站探测为例,假定其中一站坐标系为o-xyz,另一站坐标系为o'-x'y'z',转换过程将坐标系o-xyz经过绕自身三个坐标轴旋转后,再经过平移矩阵得到o'-x'y'z',可用式(16)表示:
其中,平移矩阵T又可通过三维坐标轴上的平移量x0,y0,z0表示:
式17包括有7个参数:尺度因子、3个旋转参数(α,β,γ)、3个平移参数(x0,y0,z0),其中,岩壁不存在尺度变化,因此,坐标求解过程尺度因子ν取1。假定坐标系o-xyz沿x,y,z坐标轴旋转角度依次为θx、θy、θz,并沿x,y,z坐标轴依次平移x0,y0,z0,转换成为o'-x'y'z'。沿x,y,z坐标轴旋转矩阵转换见式5至10。
进行岩体结构三维激光扫描时,激光发射点的水平及竖直坐标均已知,即对应的平移矩阵T(式17)为已知量,而激光发射探头的旋转调整姿态及对应的扫描成果x,y,z坐标轴已知,因此可确定两测点间的坐标转换关系,即6个参数,据此,可对多个测点的点云数据进行转换及拼接,实现复杂形态岩体结构的多次探查与拼接。
S302:将所有二维图像进行球面投影,同时将二维图像中像素点的RGB信息直接赋予至相同角度的三维激光点云数据处,直接拼接所有二维图像,构建出隧道施工区域三维模型。
如图14(a)和图14(b)所示,假定统一像素信息局部坐标系的x轴为正n边形,y轴为正m边形一半,图像宽度为w,高度为u,经二维岩体结构识别的岩体结构迹线图像中一点P坐标为(x,y)在投影球半径为R的坐标系中投影点P'(R,α,β,),弦长为A,则有:
2πR=nw (18)
πR=mu (19)
由三角余弦定理可得:
同理,
经上述投影变换(式20至式24),像素数据的伪三维坐标系变为光滑的球面坐标系统。
在三维激光点云数据中,设点云数据一点M的坐标为(x',y',z'),则对应的球面坐标系中的点M’的坐标为(r,α',β'),其中:
由于像素数据所在的球面坐标系统与三维激光点云数据所在的球面坐标系统有共同的原点,且坐标轴均同向,因此,像素数据中任意一点坐标均有且只有三维激光点云数据中的一坐标与其对应。像素数据中的RGB值,三维激光点云数据中的空间坐标值在角度的桥梁下完成对接,实现了像素数据与三维激光点云数据的融合,将二维岩体结构迹线赋予三维特征,实现了三维的岩体结构识别,同时构建了高精度的真彩三维掌子面及边墙模型
本实施例采用二维像素信息与三维激光点云数据直接共轴获取,将像素信息进行球面投影,相同角度的像素点RGB信息直接赋予至三维激光点,进行直接拼接,避免了基于特征点配准或基于反光片法手动配准的传统方法产生的测量误差,简化计算步骤。
如图15所示,本实施例的岩体结构面自动识别模块中的岩体结构面自动识别过程包括:
S401:接收岩体结构周围的全景二维影像及三维激光点云数据。
具体地,通过全景摄像机对岩体结构周围的边坡、隧道掌子面及其边墙拍摄,得到全景二维影像;利用与全景摄像的同轴激光扫描设备得到三维激光点云数据。
S402:匹配融合三维激光点云数据与全景二维影像,使全景二维影像中所有像素点与三维激光点云数据相应的三维坐标一一对应。
在岩体结构信息获取过程中,本实施例采用二维像素信息与三维激光点云数据直接共轴获取,将像素信息进行球面投影,相同角度的像素点RGB信息直接赋予至三维激光点,进行直接拼接,避免了基于特征点配准或基于反光片法手动配准的传统方法产生的测量误差,简化计算步骤。
如图14(a)和图14(b)所示,假定统一像素信息局部坐标系的x轴为正n边形,y轴为正m边形一半,图像宽度为w,高度为u,经二维岩体结构识别的岩体结构迹线图像中一点B坐标为(x,y)在投影球半径为R的坐标系中投影点B'(R,α,β,),弦长为A,如图16所示,则有:
2πR=nw (28)
πR=mu (29)
其中,θ为二维图像球面投影夹角。
由三角余弦定理可得:
同理,
经上述投影变换,像素数据的伪三维坐标系变为光滑的球面坐标系统。
在三维激光点云数据中,设点云数据一点M的坐标为(x',y',z'),则对应的球面坐标系中的点M’的坐标为(r,α',β'),其中:
由于像素数据所在的球面坐标系统与三维激光点云数据所在的球面坐标系统有共同的原点,且坐标轴均同向,因此,像素数据中任意一点坐标均有且只有三维激光点云数据中的一坐标与其对应。像素数据中的RGB值,三维激光点云数据中的空间坐标值在角度的桥梁下完成对接,实现了像素数据与三维激光点云数据的融合,将二维岩体结构迹线赋予三维特征,实现了三维的岩体结构识别,同时构建了高精度的真彩三维掌子面及边墙模型。以滨莱高速改扩建工程一处边坡为例,如图17所示,将摄影测量所获数据与三维激光扫描数据融合,建立了高精度真彩点云模型。
S403:提取全景二维影像中的结构面迹线,根据坐标的对应关系,识别出三维激光点云数据中对应的三维结构面迹线,进而得到三维结构面迹线长度。
岩体结构信息在数据图像中多表现为图像局部强度变化剧烈的部分。进行数字图像的边缘检测,检测数字图像中在某方向灰度变化平缓,但与之垂直的方向变化剧烈的区域,一定程度上可实现岩体结构信息的自动检测。经过图像二值化及去噪、图像梯度域显著性优化处理后,再应用边缘检测算法对岩体结构信息进行提取,能够有效提高检测精度。常用的边缘检测算子有Canny、Sobel、LoG、Prewitt等,但不同算子对噪声敏感程度不同,面对隧道环境边缘检测及定位精度差异较大。经多次测试对比,选择Canny算子做边缘检测。
在具体实施中,提取全景二维影像中的结构面迹线的过程为:
选择Canny算子检测全景二维影像中岩体结构的边缘,再经霍夫变换将提取的边缘拟合为直线,形成直线化的结构面迹线,如图18所示。
在具体实施中,根据三维结构面积线的两个端点之间距离,计算出三维结构面迹线长度。
传统的地质编录方法对岩体结构面迹线长度统计方法为测窗法、测线法或半测线法,仅能估算迹长长度。此外,用此种方法估算的结构面迹线长度未考虑三维因素,仅估算在某投影平面上的结构面迹线长度。采用基于真彩三维激光点云模型的结构面迹长计算方法,直接计算结构面迹线三维空间两点之间的直线距离作为结构面迹长,结果更加准确。
在实际应用过程中,通过鼠标直接选取一条迹线的两端点,两点的选取会造成不准确的结果。为减少选取误差,在二维真彩影像数据中,借助自动识别的二维结构面迹线中选取两端点,利用前文二维真彩影像数据与三维激光点云数据的融合方法,转换成三维点,可有效提高选取精度。
设结构面迹线两端点在三维空间中的坐标为(x1,y1,z1),(x2,y2,z2),则结构面迹长l为:
S404:根据结构面圆盘直径与三维结构面迹线长度的概率分布关系,预测出结构面圆盘直径范围。
结构面圆盘存在于岩体中,当岩体破坏时结构面圆盘的形态随之变动,因此在岩体中结构面圆盘的真实直径无法实际测量。在基于块体理论的多数岩体结构研究中,均假定结构面圆盘的直径是无限延伸的,与实际工程状况不符。本实施例提出一种迹长与结构面直径的概率分布模型,对已知迹长的结构面进行延伸规模预测,提高的结构面描述的准确性。
结构面迹线可认为是结构面圆盘被施工开挖面切割,是施工开挖面与结构面圆盘两个平面的交线。结构面产状有可能按一定规律分布,施工开挖面随施工进度产生,但由于结构面圆盘的圆心在岩体中随机分布,因此可认为结构面迹线是结构面圆盘被一条直线随机切割产生的。
设图19中圆盘为结构面圆盘,其直径为D。一条直线AB随机切割圆盘,可认为直线的两端点A、B均位于圆盘边缘上,且两端点均随机移动。当一端点A固定,另一端点B在圆盘边缘随机移动时,其概率分布情况与两端点均随机移动相同。又由于随机移动的端点B落在圆周每处上的概率相同,因此可视为端点B在圆周上进行速度为ω的匀速圆周运动,运动时间为t,AB长度为l。公式(39)至公式(46)为结构面迹长与直径的概率密度函数求解过程。
根据三角函数关系,可得:
将公式(39)代入公式(41)得:
则条件概率密度函数为:
由于结构面圆盘直径D恒大于零,则实际概率密度为:
全迹长大于l的概率为:
直径概率密度函数为:
将公式(46)的概率密度函数带入MATLAB进行一百万次随机模拟,设结构面圆盘直径为2,生成迹长的长度按0~2平均分为十组进行统计,见表2。
表2结构面迹长概率分布表
由表分析可知,结构面直径与迹长之间存在明显的概率分布关系,迹长越接近结构面圆盘直径时,可能性越大。结构面直径与迹长近似相等时,概率为0.19;而结构面直径为10倍以上迹长时,概率几乎为0。当结构面迹长l与结构面圆盘直径D存在如公式(47)、公式(48)的关系:
p(l≤D≤3l)=0.99 (47)
p(l≤D≤10l)=0.01 (48)
在实际工程应用中,可认为结构面圆盘的直径D为一到十倍的的结构面迹长l,基本为一到三倍的的结构面迹长l。
S405:利用三维激光点云数据中的三维结构面迹线来拟合结构面圆盘,使得结构面迹线上的所有点与结构面圆盘的距离之和最小,最终判定拟合的结构面圆盘所在的平面为岩体结构面,且岩体结构面的直径范围与结构面圆盘直径范围相同。
传统的地质素描无法获得结构面三维产状,但真彩三维激光点云数据可真实反应岩体结构三维特征,从而进行结构面的产状分析。由前文可知,结构面假定为一个圆盘,确定圆盘所在平面三维方程,即可获得结构面的产状。又由于在工程实际中,开挖临空面不可能为完全平面,因此开挖临空面揭露的结构面迹线同样不是一条直线或线段,而是有三维特征的曲线线段。可根据结构面迹线的三维特征,拟合结构面所在平面,推算平面三维方程,经换算实现结构面产状的提取。选取结构面迹线两端点和两点间任意一点,即可获得一个平面三维方程,实现结构面产状的估算。但在实际工程中,由于结构面粗糙,且张开度不均,并有一定起伏度,且仅用三点拟合平面,会带来较大的模型重构误差。在结构面迹线上选取包含首尾两点的多个点{(xi,yi,zi),i=1,2,…,n},采用稳健特征值法,剔除错误误差,实现对结构面所在平面的拟合。稳健特征值法拟合平面的过程如公式(49)至公式(56)所示。
结构面所在平面的方程为:
ax+by+cz=d (49)
其中,a2+b2+c2=1,且d≥0;a、b、c和d均为拟合系数。
点到结构面所在平面的距离为:
di=|axi+byi+czi-d| (50)
结构面所在平面的最佳拟合,为所有点到结构面所在平面的距离之和K最小。求解距离之和最小时各参数,即为拟合的最优平面。
利用拉格朗日乘数法可得:
令
x=(a,b,c)T (53)
则
Kmin=λmin (55)
(A-λminI)x=0 (56)
其中,λmin为矩阵A的最小特征值,其对应的特征向量即待求向量。
应用稳健特征值法拟合平面,减小了结构面所在平面重构的误差,为后续的块体稳定性分析提供了准确的数据基础。
对于结构面所在平面方程ax+by+cz=d,坐标系为x轴为北向的右手正交坐标系,z表示高程方向。
结构面走向线方程为:
ax+by=d (57)
由于倾向线垂直于走向线垂直,则倾向线方程为:
ax-by=e (58)
d和e均为常系数。
结构面倾向为倾向线与北方向(x轴方向)的夹角θ为:
结构面倾角δ为结构面与水平面的夹角,其数值为:
本实施例基于全景二维影像中所有像素点与三维激光点云数据相应的三维坐标一一对应,借助坐标对应关系,使得三维点云数据与全景二维影像数据结合进行自动识别岩体结构,能够准备识别出三维激光点云数据中对应的三维结构面迹线,而且根据结构面圆盘直径与三维结构面迹线长度的概率分布关系,对结构面直径进行预测,识别出的岩体结构面更加准确。
本实施例可获取自动岩石裂隙的三维形态,从而获取结构面产状;可排除阴影的干扰,使得岩体结构识别的准确率有较大提升。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种岩体结构探测及危石探测系统,其特征在于,包括:
岩体结构自动化探测装备,其上设置有三维激光扫描设备和二维图像采集设备,用于分别采集隧道施工区域的三维激光点云数据和二维图像;
服务器,其与岩体结构自动化探测装备相互通信;
所述服务器包括块体结构三维建模模块和块体结构几何稳定性分析模块;
所述块体结构三维建模模块,被配置为:
构建掌子面所在平面;
选取迹线生成结构面:选取三点迹线,拟合第二三维平面,使用迹线外包围盒对角线长度一半作为半径且迹线平均坐标为原点,计算结构面圆盘;
拟合迹线组投影面:使用同一组迹线且每条迹线的前两点拟合迹线组投影面;
判断迹线组投影线封闭性:
将迹线投影到投影面,判断投影迹线组是否封闭,如果封闭,则计算所有结构面与迹线投影面相交线;如果不封闭,则计算位于边墙的迹线和掌子面交点是否是两个,若是,则计算所有结构面与掌子面所在平面相交线;若不是,则重新选取迹线生成结构面;
相交线构面:采用所有结构面、掌子面和迹线投影面上的相交线构建封闭面,作为块体的面;
所述块体结构几何稳定性分析模块,被配置为:
建立正交xyz三轴坐标系,根据块体各顶点坐标,计算出隧道轴心坐标;
计算块体各顶点距隧道轴心的径向距离,筛选出径向距离最短的一组顶点作为临空面的顶点,其余的顶点设定为在岩体内部;
筛选出块体顶点中z轴数值最小的顶点,若该顶点在岩体内部,则判定块体为稳定块体;若该顶点在临空面上,则判定块体存在失稳风险。
2.如权利要求1所述的岩体结构探测及危石探测系统,其特征在于,所述服务器还包括隧道施工区域三维模型构建模块,所述隧道施工区域三维模型构建模块被配置为:
共轴获取隧道施工区域的三维激光点云数据及若干个二维图像,所有二维图像可拼接成隧道施工区域全景图;
将所有二维图像进行球面投影,同时将二维图像中像素点的RGB信息直接赋予至相同角度的三维激光点云数据处,直接拼接所有二维图像,构建出隧道施工区域三维模型。
3.如权利要求1所述的岩体结构探测及危石探测系统,其特征在于,所述服务器还包括岩体结构面自动识别模块,所述岩体结构面自动识别模块被配置为:
接收岩体结构周围的全景二维影像及三维激光点云数据;
匹配融合三维激光点云数据与全景二维影像,使全景二维影像中所有像素点与三维激光点云数据相应的三维坐标一一对应;
提取全景二维影像中的结构面迹线,根据坐标的对应关系,识别出三维激光点云数据中对应的三维结构面迹线,进而得到三维结构面迹线长度;
根据结构面圆盘直径与三维结构面迹线长度的概率分布关系,预测出结构面圆盘直径范围;
利用三维激光点云数据中的三维结构面迹线来拟合结构面圆盘,使得结构面迹线上的所有点与结构面圆盘的距离之和最小,最终判定拟合的结构面圆盘所在的平面为岩体结构面,且岩体结构面的直径范围与结构面圆盘直径范围相同。
4.如权利要求1所述的岩体结构探测及危石探测系统,其特征在于,所述岩体结构自动化探测装备,包括:
车架本体,所述车架本体上设置有驱动模块、速度调配模块和数据采集模块,所述驱动模块、速度调配模块和数据采集模块均与中央处理器相连;
所述速度调配模块,包括可形成全景红外感知网络的红外测距传感器,所述红外测距传感器用于感应环绕车架本体周围相对预设水平面的地势高度以及相对于车架本体的距离并一起传送至中央处理器;所述中央处理器用于根据接收到的相对预设水平面的地势高度以及相对于车架本体的距离,划分当前区域危险等级,进而控制驱动模块运行来调配行进速度,实现智能行进;
所述数据采集模块,包括可开合的密封机舱,所述机舱内设置有三维激光扫描设备和二维图像采集设备,所述三维激光扫描设备和二维图像采集设备均与举升机构相连,所述举升机构与中央处理器相连,所述中央处理器用于控制举升机构动作来实现三维激光扫描设备和二维图像采集设备的升降;所述中央处理器与服务器相互通信。
5.如权利要求1所述的岩体结构探测及危石探测系统,其特征在于,所述块体结构三维建模模块,还被配置为:
构建模型体;
判断是否有与块体临空面同组的结构面,若有,则测量该组结构面间距,构建棱台型块体三维模块,棱台高度为该组结构面间距;若无,构建棱锥型或斜棱台型块体三维模块;
或
在所述块体结构三维建模模块中,构建掌子面所在平面的过程为:
在工作面上选择三个以上点,拟合第一三维平面,计算所有选点的中心点,以中心点为原点,预设值为半径,构建法向量与第一三维平面法向量相同的圆盘面作为掌子面;
或
在所述块体结构三维建模模块中,在选取迹线生成结构面步骤中,迹线三点选择顺序是,先选取岩体节理线两点,第三点选择节理线所在可见结构面上的一点;
或
在所述块体结构几何稳定性分析模块中,在判定块体存在失稳风险的情况下,当临空面的各顶点在水平面上包围岩体内部所有顶点时,判定块体存直接坠落失稳的风险。
6.如权利要求1所述的岩体结构探测及危石探测系统,其特征在于,在所述块体结构几何稳定性分析模块中,在判定块体存在失稳风险的情况下,当临空面的各顶点在水平面上包围岩体内部分顶点或不包围岩体内任何顶点时,判定块体存在滑动失稳的风险;在判定块体存在滑动失稳的风险的情况下,筛选出z轴数值最小及仅次于最小的块体的两个顶点,若这两个顶点的z轴数值之差在预设误差容许范围内,则判定块体具有单面滑动失稳风险;
或
在所述块体结构几何稳定性分析模块中,在判定块体存在失稳风险的情况下,当临空面的各顶点在水平面上包围岩体内部分顶点或不包围岩体内任何顶点时,判定块体存在滑动失稳的风险;在判定块体存在滑动失稳的风险的情况下,筛选出z轴数值最小及仅次于最小的块体的两个顶点,若这两个顶点的z轴数值之差不在预设误差容许范围内,则判定块体具有双面滑动失稳风险。
7.如权利要求2所述的岩体结构探测及危石探测系统,其特征在于,在所述隧道施工区域三维模型构建模块中,在获取二维图像的过程中,以二维图像采集设备的成像平面中心为原点进行等焦距三维旋转采集相应二维图像;
或
在所述隧道施工区域三维模型构建模块中,将所有二维图像进行球面投影之前还包括:
将所有二维图像进行畸变校正;
将所有二维图像进行畸变校正之后,还包括:
应用等值线法分割各个二维图像的平滑区域及纹理区域,在平滑区域应用多项式模型插值,在纹理区域采用有理函数模型插值,然后根据Sobel算子模板计算二维图像的梯度,根据二维图像不同纹理方向进行权重优化,增强二维图像的边缘特征。
8.如权利要求3所述的岩体结构探测及危石探测系统,其特征在于,在所述岩体结构面自动识别模块中,提取全景二维影像中的结构面迹线的过程为:
选择Canny算子检测全景二维影像中岩体结构的边缘,再经霍夫变换将提取的边缘拟合为直线,形成直线化的结构面迹线;
或
在所述岩体结构面自动识别模块中,根据三维结构面积线的两个端点之间距离,计算出三维结构面迹线长度;
或
在所述岩体结构面自动识别模块中,结构面圆盘直径与三维结构面迹线长度的概率分布关系为:
p(l≤D≤3l)=0.99
p(l≤D≤10l)=0.01
其中,D为结构面圆盘直径;l为三维结构面迹线长度;p为概率。
9.一种如权利要求1-8中任一项所述的岩体结构探测及危石探测系统的探测方法,其特征在于,包括:
利用三维激光扫描设备和二维图像采集设备分别采集隧道施工区域的三维激光点云数据和二维图像并传送至服务器;
在服务器中根据接收到的三维激光点云数据和二维图像进行块体结构三维建模以及块体结构几何稳定性分析;
其中,块体结构三维建模的过程为:
构建掌子面所在平面;
选取迹线生成结构面:选取三点迹线,拟合第二三维平面,使用迹线外包围盒对角线长度一半作为半径且迹线平均坐标为原点,计算结构面圆盘;
拟合迹线组投影面:使用同一组迹线且每条迹线的前两点拟合迹线组投影面;
判断迹线组投影线封闭性:
将迹线投影到投影面,判断投影迹线组是否封闭,如果封闭,则计算所有结构面与迹线投影面相交线;如果不封闭,则计算位于边墙的迹线和掌子面交点是否是两个,若是,则计算所有结构面与掌子面所在平面相交线;若不是,则重新选取迹线生成结构面;
相交线构面:采用所有结构面、掌子面和迹线投影面上的相交线构建封闭面,作为块体的面;
块体结构几何稳定性分析的过程为:
建立正交xyz三轴坐标系,根据块体各顶点坐标,计算出隧道轴心坐标;
计算块体各顶点距隧道轴心的径向距离,筛选出径向距离最短的一组顶点作为临空面的顶点,其余的顶点设定为在岩体内部;
筛选出块体顶点中z轴数值最小的顶点,若该顶点在岩体内部,则判定块体为稳定块体;若该顶点在临空面上,则判定块体存在失稳风险。
10.如权利要求9所述的岩体结构探测及危石探测系统的探测方法,其特征在于,在服务器中进行隧道施工区域三维模型的构建,其过程为:
共轴获取隧道施工区域的三维激光点云数据及若干个二维图像,所有二维图像可拼接成隧道施工区域全景图;
将所有二维图像进行球面投影,同时将二维图像中像素点的RGB信息直接赋予至相同角度的三维激光点云数据处,直接拼接所有二维图像,构建出隧道施工区域三维模型;
或
在服务器中进行岩体结构面自动识别,其过程为:
接收岩体结构周围的全景二维影像及三维激光点云数据;
匹配融合三维激光点云数据与全景二维影像,使全景二维影像中所有像素点与三维激光点云数据相应的三维坐标一一对应;
提取全景二维影像中的结构面迹线,根据坐标的对应关系,识别出三维激光点云数据中对应的三维结构面迹线,进而得到三维结构面迹线长度;
根据结构面圆盘直径与三维结构面迹线长度的概率分布关系,预测出结构面圆盘直径范围;
利用三维激光点云数据中的三维结构面迹线来拟合结构面圆盘,使得结构面迹线上的所有点与结构面圆盘的距离之和最小,最终判定拟合的结构面圆盘所在的平面为岩体结构面,且岩体结构面的直径范围与结构面圆盘直径范围相同。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911414798.3A CN111161252B (zh) | 2019-12-31 | 2019-12-31 | 岩体结构探测及危石探测系统及方法 |
PCT/CN2020/101665 WO2021135157A1 (zh) | 2019-12-31 | 2020-07-13 | 岩体结构探测及危石探测系统及方法 |
US17/630,336 US20220276383A1 (en) | 2019-12-31 | 2020-07-13 | System and method for rock mass structure detection and dangerous rock detection |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911414798.3A CN111161252B (zh) | 2019-12-31 | 2019-12-31 | 岩体结构探测及危石探测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111161252A true CN111161252A (zh) | 2020-05-15 |
CN111161252B CN111161252B (zh) | 2022-03-25 |
Family
ID=70560164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911414798.3A Active CN111161252B (zh) | 2019-12-31 | 2019-12-31 | 岩体结构探测及危石探测系统及方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220276383A1 (zh) |
CN (1) | CN111161252B (zh) |
WO (1) | WO2021135157A1 (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111579405A (zh) * | 2020-05-20 | 2020-08-25 | 河南工程学院 | 一种岩石多功能测试系统 |
CN112037318A (zh) * | 2020-07-22 | 2020-12-04 | 山东大学 | 三维岩体结构模型的构建方法、系统及模型的应用 |
CN112288852A (zh) * | 2020-10-28 | 2021-01-29 | 华润电力技术研究院有限公司 | 煤场三维重建方法及系统、火电机组智能控制方法 |
CN112347901A (zh) * | 2020-11-04 | 2021-02-09 | 长江岩土工程总公司(武汉) | 一种基于三维激光扫描技术岩体块体分析方法 |
CN113012283A (zh) * | 2021-04-25 | 2021-06-22 | 北京安怀信科技股份有限公司 | 一种基于三维模型识别轴孔特征越程槽设置合理性的方法 |
WO2021135157A1 (zh) * | 2019-12-31 | 2021-07-08 | 山东大学 | 岩体结构探测及危石探测系统及方法 |
CN113110180A (zh) * | 2021-04-18 | 2021-07-13 | 深圳市骅鼎鹏智能科技有限公司 | 基于隧道远程驾驶方法、装置、计算机设备及存储介质 |
WO2022007112A1 (zh) * | 2020-07-06 | 2022-01-13 | 宁波汇纳机械有限公司 | 安全防护软垫推送系统以及相应终端 |
CN114705682A (zh) * | 2022-06-06 | 2022-07-05 | 东北大学 | 一种岩体结构智能视觉探测识别成像装置 |
CN114859401A (zh) * | 2022-07-05 | 2022-08-05 | 山东省鲁南地质工程勘察院(山东省地质矿产勘查开发局第二地质大队) | 一种用于水文地质勘查的节理分析系统 |
CN115688473A (zh) * | 2022-11-15 | 2023-02-03 | 大连海事大学 | 一种由单节理迹线生成曲面节理圆盘的岩体结构重构方法 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023162730A1 (ja) * | 2022-02-24 | 2023-08-31 | 京セラ株式会社 | 情報処理装置、情報処理方法及びプログラム |
CN115423835B (zh) * | 2022-11-02 | 2023-03-24 | 中汽创智科技有限公司 | 杆状物点云数据处理方法、装置、电子设备及存储介质 |
CN115457229B (zh) * | 2022-11-11 | 2023-03-24 | 中国科学院地质与地球物理研究所 | 岩体结构面三维网络模型确定方法、装置、设备及介质 |
CN115631420B (zh) * | 2022-12-08 | 2023-04-04 | 北京闪马智建科技有限公司 | 一种隧道积水识别方法、装置、存储介质及电子装置 |
CN116543018B (zh) * | 2023-05-08 | 2023-12-19 | 重庆市二零八地质环境研究院有限公司 | 基于视频特征点动态追踪的高陡危岩崩塌运动分析方法 |
CN116258972B (zh) * | 2023-05-16 | 2023-08-01 | 四川安信科创科技有限公司 | 一种基于深度学习的岩质高陡边坡结构面提取方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150243047A1 (en) * | 2014-02-24 | 2015-08-27 | Saab Ab | Method and arrangement for identifying a difference between a first 3d model of an environment and a second 3d model of the environment |
CN108489403A (zh) * | 2018-06-08 | 2018-09-04 | 绍兴文理学院 | 基于三维激光扫描的露天矿山边坡岩体节理产状快速精细取值方法 |
CN109187548A (zh) * | 2018-07-24 | 2019-01-11 | 西南交通大学 | 一种岩体裂隙识别方法 |
CN109708570A (zh) * | 2018-12-05 | 2019-05-03 | 中国铁建重工集团有限公司 | 用于掌子面结构面的信息采集与分析方法及装置 |
CN110260785A (zh) * | 2019-05-27 | 2019-09-20 | 同济大学 | 基于三维激光扫描的岩体隧道掌子面分析反馈集成系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090091570A1 (en) * | 2007-10-03 | 2009-04-09 | Maxime Paquette | Dividing method for three-dimensional logical puzzles |
CN109766894A (zh) * | 2019-01-21 | 2019-05-17 | 东北大学 | 一种基于图像识别技术的关键块体动态搜索系统及方法 |
CN111161414B (zh) * | 2019-12-31 | 2022-05-24 | 山东大学 | 块体结构三维建模方法及系统 |
CN111145345A (zh) * | 2019-12-31 | 2020-05-12 | 山东大学 | 隧道施工区域三维模型构建方法及系统 |
CN111161252B (zh) * | 2019-12-31 | 2022-03-25 | 山东大学 | 岩体结构探测及危石探测系统及方法 |
-
2019
- 2019-12-31 CN CN201911414798.3A patent/CN111161252B/zh active Active
-
2020
- 2020-07-13 WO PCT/CN2020/101665 patent/WO2021135157A1/zh active Application Filing
- 2020-07-13 US US17/630,336 patent/US20220276383A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150243047A1 (en) * | 2014-02-24 | 2015-08-27 | Saab Ab | Method and arrangement for identifying a difference between a first 3d model of an environment and a second 3d model of the environment |
CN108489403A (zh) * | 2018-06-08 | 2018-09-04 | 绍兴文理学院 | 基于三维激光扫描的露天矿山边坡岩体节理产状快速精细取值方法 |
CN109187548A (zh) * | 2018-07-24 | 2019-01-11 | 西南交通大学 | 一种岩体裂隙识别方法 |
CN109708570A (zh) * | 2018-12-05 | 2019-05-03 | 中国铁建重工集团有限公司 | 用于掌子面结构面的信息采集与分析方法及装置 |
CN110260785A (zh) * | 2019-05-27 | 2019-09-20 | 同济大学 | 基于三维激光扫描的岩体隧道掌子面分析反馈集成系统 |
Non-Patent Citations (2)
Title |
---|
SHANG-QU SUN 等: "Digitizing and modeling of structural planes in fractured rock mass tunnel based on SfM", 《ARABIAN JOURNAL OF GEOSCIENCES》 * |
秦承帅: "隧道揭露围岩岩体结构探测与分析方法及工程应用", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021135157A1 (zh) * | 2019-12-31 | 2021-07-08 | 山东大学 | 岩体结构探测及危石探测系统及方法 |
CN111579405A (zh) * | 2020-05-20 | 2020-08-25 | 河南工程学院 | 一种岩石多功能测试系统 |
WO2022007112A1 (zh) * | 2020-07-06 | 2022-01-13 | 宁波汇纳机械有限公司 | 安全防护软垫推送系统以及相应终端 |
CN112037318A (zh) * | 2020-07-22 | 2020-12-04 | 山东大学 | 三维岩体结构模型的构建方法、系统及模型的应用 |
CN112288852A (zh) * | 2020-10-28 | 2021-01-29 | 华润电力技术研究院有限公司 | 煤场三维重建方法及系统、火电机组智能控制方法 |
CN112347901A (zh) * | 2020-11-04 | 2021-02-09 | 长江岩土工程总公司(武汉) | 一种基于三维激光扫描技术岩体块体分析方法 |
CN113110180A (zh) * | 2021-04-18 | 2021-07-13 | 深圳市骅鼎鹏智能科技有限公司 | 基于隧道远程驾驶方法、装置、计算机设备及存储介质 |
CN113012283B (zh) * | 2021-04-25 | 2021-09-07 | 北京安怀信科技股份有限公司 | 一种基于三维模型识别轴孔特征越程槽设置合理性的方法 |
CN113012283A (zh) * | 2021-04-25 | 2021-06-22 | 北京安怀信科技股份有限公司 | 一种基于三维模型识别轴孔特征越程槽设置合理性的方法 |
CN114705682A (zh) * | 2022-06-06 | 2022-07-05 | 东北大学 | 一种岩体结构智能视觉探测识别成像装置 |
CN114859401A (zh) * | 2022-07-05 | 2022-08-05 | 山东省鲁南地质工程勘察院(山东省地质矿产勘查开发局第二地质大队) | 一种用于水文地质勘查的节理分析系统 |
CN115688473A (zh) * | 2022-11-15 | 2023-02-03 | 大连海事大学 | 一种由单节理迹线生成曲面节理圆盘的岩体结构重构方法 |
CN115688473B (zh) * | 2022-11-15 | 2023-05-16 | 大连海事大学 | 一种由单节理迹线生成曲面节理圆盘的岩体结构重构方法 |
Also Published As
Publication number | Publication date |
---|---|
US20220276383A1 (en) | 2022-09-01 |
WO2021135157A1 (zh) | 2021-07-08 |
CN111161252B (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111161252B (zh) | 岩体结构探测及危石探测系统及方法 | |
WO2021068846A1 (zh) | 一种用于运营期隧道衬砌检测及病害诊断的多臂机器人 | |
US11673587B2 (en) | Comprehensive inspection vehicle for subway tunnel | |
WO2021068848A1 (zh) | 隧道结构病害多尺度检测与智能诊断系统及方法 | |
CN111152182B (zh) | 一种用于运营期隧道衬砌检测及病害诊断的多臂机器人 | |
Loupos et al. | Autonomous robotic system for tunnel structural inspection and assessment | |
WO2020093436A1 (zh) | 管道内壁的三维重建方法 | |
CA2912432C (en) | Mapping of mining excavations | |
AU2015234395A1 (en) | Real-time range map generation | |
KR100640000B1 (ko) | 레이저 스캐닝에 의한 터널 내면 측정방법 | |
CN110954067A (zh) | 一种基于靶标的单目视觉挖掘机位姿测量系统及测量方法 | |
Se et al. | Stereo-vision based 3D modeling and localization for unmanned vehicles | |
US20100238269A1 (en) | System and method for tridimensional cartography of a structural surface | |
CN111145345A (zh) | 隧道施工区域三维模型构建方法及系统 | |
CN111076061A (zh) | 岩体结构自动化探测装备 | |
Grehl et al. | Mining-rox–mobile robots in underground mining | |
CN113487583A (zh) | 一种基于3d点云切片的井下巷道表面变形检测系统 | |
Qin et al. | Development and application of an intelligent robot for rock mass structure detection: A case study of Letuan tunnel in Shandong, China | |
JP2020033704A (ja) | 作業機械 | |
CN107462742A (zh) | 速度测量方法、测量装置、测量系统及车辆 | |
CN111473774B (zh) | 无人机单航带倾斜摄影电力线障碍物巡检方法 | |
CN112734640A (zh) | 隧道围岩图像采集装置、处理系统及全景图像拼接方法 | |
Niskanen et al. | Using a 2D profilometer to determine volume and thickness of stockpiles and ground layers of roads | |
CN115727851A (zh) | 一种煤矿井下掘进装备位姿检测系统及方法 | |
Whitehorn et al. | Stereo vision in LHD automation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |