CN112033297A - 一种基于近景摄影测量技术的井架变形监测方法 - Google Patents

Abstract

本发明公开了一种基于近景摄影测量技术的井架变形监测方法，包括在井塔的顶部、外表面及内表面均设置标靶纸和标靶球；无人机上搭载光栅三维扫描仪和摄像机，无人机系统对井塔的顶部、外表面和内表面进行数据采集；采集到的数据进行存储和数据处理，形成井架三维点云数据模型；重复进行数据采集和处理，将后续建立的井架三维点云数据模型与第一次建立的进行对比分析，监测井架发生的形变量。本发明通过无人机搭载光栅三维扫描仪和摄像机，无人机近距离贴近井架飞行，全面完整的采集井架整体点云和影像数据，能够对井架进行无死角的完整的三维信息数据采集，做到了井架全面覆盖。相比于现有技术，具有测量精确，能极好的对井架变形进行监测的效果。

Description

一种基于近景摄影测量技术的井架变形监测方法

技术领域

本发明涉及井架变形监测领域，具体涉及一种基于近景摄影测量技术的井架变形监测方法。

背景技术

井塔和井筒作为矿山上的生命喉咙，其安全性不言而喻。井架作为地表连接井筒的刚性构筑物，在运行过程中由于作用力的不均匀可能产生形变。井架承载着转轮和罐笼提升的任务，因此，微小的形变可能带来不可估量的经济损失和影响。

井架的变形监测法也有很多，传统监测方法主要是通过布设控制点，在控制点上用高精度全站仪或测量机器人，对井架上设定的监测点进行测量，通过多期测量来判定井架是否发生形变。这种传统测量方法只能监测个别点是否发生形变，无法检测出观测点外的形变。近年来也有应用三维激光进行测量井架，看是否发生形变。现在应用激光三维测量井架或井塔都是在地面上架设固定的扫描仪进行三维扫描，通过多站数据采集，将数据进行拼接，形成相对完整的井架点云模型。通过多期的测量数据进行对比进行监测形变量。这种方法具有局限性和不全面性。井架周围往往存在建筑物，使得架设的固定站扫描的点云不能够闭合，井架局部会缺少点云覆盖，由于点云不能够完整闭合，因此精度也受到影响；地面站固定扫描存在很多盲点，这样井架的高点位和结构内侧将得不到点云覆盖。因此高点的转轮和内侧结构的固件的形变将不会被发现。

发明内容

针对现有的井架变形测量存在的缺陷，本发明提供了一种基于近景摄影测量技术的井架变形监测方法。

本发明采用以下的技术方案：

一种基于近景摄影测量技术的井架变形监测方法，包括以下步骤：

步骤1：在井塔的顶部、外表面及内表面均设置标靶纸和标靶球；

步骤2：无人机上搭载光栅三维扫描仪和摄像机，无人机对井塔的顶部、外表面和内部进行数据采集；

步骤3：采集到的数据进行存储和数据处理，形成井架三维点云数据模型。

步骤4：重复步骤2和步骤3，将后续建立的井架三维点云数据模型与第一次建立的进行对比分析，监测井架发生的形变量。

优选地，标靶纸和标靶球离散的分布在井塔的顶部、外表面及内表面。

优选地，步骤2具体包括：无人机自上而下贴近井塔并环绕的对井塔的顶部和外表面进行点云数据采集，之后无人机进入井塔内部，自下而上的对井塔内表面进行点云数据采集。

优选地，步骤3的数据处理为进行点云数据拼接，具体包括：

步骤3.1：多视点云同步粗配准算法；

同步粗配准算法同时实现所有点云之间的配准，首先选择一幅点云作为连接图的根节点，并将其它点云与该节点上的点云进行配准，从而将能配准上的点云作为该节点的子节点加入到连接图中，连接图算法构建多个子图，最后将子图连接起来构成超图，完成多视点云粗配准；

步骤3.2：多视点云精配准算法；

精配准算法是对粗配准结果做进一步优化以减少所有点云之间总的配准误差，并将配准误差均匀分布到各幅点云上；

将所有点云对应点之间的欧氏距离加权平方和作为优化函数，并采用梯度下降法迭代求解最优的刚性变换关系，多视点云精配准算法将多视点云配准过程类比于多弹簧系统的平衡过程，将两幅点云之间的对应点集当作一个弹簧，采用刚体力学对弹簧系统进行分析，从而在系统平衡点位置和方向求解过程中实现了点云变换关系最优化；

步骤3.3：将精配准的点云与地面控制点坐标进行统一，建立一个标准的完整的井架三维点云数据模型。

本发明具有的有益效果是：

本发明提供的基于近景摄影测量技术的井架变形监测方法，通过无人机搭载光栅三维扫描仪和摄像机，无人机近距离贴近井架飞行，全面完整的采集井架整体点云和影像数据，能够对井架进行无死角的完整的三维信息数据采集，做到了井架全面覆盖。本发明相比于现有技术，具有测量精确，能极好的对井架变形进行监测的效果。

附图说明

图1为基于近景摄影测量技术的井架变形监测方法的流程图。

具体实施方式

下面结合附图和具体实施例对本发明的具体实施方式做进一步说明：

结合图1，一种基于近景摄影测量技术的井架变形监测方法，包括以下步骤：

步骤1：在井塔的顶部、外表面及内部均设置标靶纸和标靶球。

标靶纸和标靶球离散的分布在井塔的顶部、外表面及内表面。

标靶纸和标靶球设置的越多越不规则越好，保证无人机的光栅三维扫描仪能够扫描到。标靶的布设尽可能的避免出现正三角形、正四边形和菱形，遵循熵值越大越好的远则，便于后期数据处理的自动化拼接。

步骤2：无人机上搭载光栅三维扫描仪和摄像机，无人机对井塔的顶部、外表面和内表面进行数据采集；

具体包括：无人机自上而下贴近井塔并环绕的对井塔的顶部和外表面进行点云数据采集，之后无人机进入井塔内部，自下而上的对井塔内表面进行点云数据采集。

这个过程中对飞手的技术要求较高，需要将无人机穿梭于井架的内外。

步骤3：采集到的数据进行存储和数据处理，形成井架三维点云数据模型。

数据处理为进行点云数据拼接，具体包括：

步骤3.1：多视点云同步粗配准算法；

同步粗配准算法同时实现所有点云之间的配准，首先选择一幅点云作为连接图的根节点，并将其它点云与该节点上的点云进行配准，从而将能配准上的点云作为该节点的子节点加入到连接图中，连接图算法构建多个子图，最后将子图连接起来构成超图，完成多视点云粗配准；

步骤3.2：多视点云精配准算法；

精配准算法是对粗配准结果做进一步优化以减少所有点云之间总的配准误差，并将配准误差均匀分布到各幅点云上；

将所有点云对应点之间的欧氏距离加权平方和作为优化函数，并采用梯度下降法迭代求解最优的刚性变换关系，多视点云精配准算法将多视点云配准过程类比于多弹簧系统的平衡过程，将两幅点云之间的对应点集当作一个弹簧，采用刚体力学对弹簧系统进行分析，从而在系统平衡点位置和方向求解过程中实现了点云变换关系最优化；

步骤3.3：将精配准的点云与地面控制点坐标进行统一，建立一个标准的完整的井架三维点云数据模型。

步骤4：重复步骤2和步骤3，将后续建立的井架三维点云数据模型与第一次建立的进行对比分析，监测井架发生的形变量。

当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。

Claims (4)

1.一种基于近景摄影测量技术的井架变形监测方法，其特征在于，包括以下步骤：

步骤1：在井塔的顶部、外表面及内表面均设置标靶纸和标靶球；

步骤2：无人机上搭载光栅三维扫描仪和摄像机，无人机对井塔的顶部、外表面和内表面进行数据采集；

步骤3：采集到的数据进行存储和数据处理，形成井架三维点云数据模型；

步骤4：重复步骤2和步骤3，将后续建立的井架三维点云数据模型与第一次建立的进行对比分析，监测井架发生的形变量。

2.根据权利要求1所述的一种基于近景摄影测量技术的井架变形监测方法，其特征在于，标靶纸和标靶球离散的分布在井塔的顶部、外表面及内表面。

3.根据权利要求1所述的一种基于近景摄影测量技术的井架变形监测方法，其特征在于，步骤2具体包括：无人机自上而下贴近井塔并环绕的对井塔的顶部和外表面进行点云数据采集，之后无人机进入井塔内部，自下而上的对井塔内表面进行点云数据采集。

4.根据权利要求1所述的一种基于近景摄影测量技术的井架变形监测方法，其特征在于，步骤3的数据处理为进行点云数据拼接，具体包括：

步骤3.1：多视点云同步粗配准算法；

同步粗配准算法同时实现所有点云之间的配准，首先选择一幅点云作为连接图的根节点，并将其它点云与该节点上的点云进行配准，从而将能配准上的点云作为该节点的子节点加入到连接图中，连接图算法构建多个子图，最后将子图连接起来构成超图，完成多视点云粗配准；

步骤3.2：多视点云精配准算法；

精配准算法是对粗配准结果做进一步优化以减少所有点云之间总的配准误差，并将配准误差均匀分布到各幅点云上；

将所有点云对应点之间的欧氏距离加权平方和作为优化函数，并采用梯度下降法迭代求解最优的刚性变换关系，多视点云精配准算法将多视点云配准过程类比于多弹簧系统的平衡过程，将两幅点云之间的对应点集当作一个弹簧，采用刚体力学对弹簧系统进行分析，从而在系统平衡点位置和方向求解过程中实现了点云变换关系最优化；

步骤3.3：将精配准的点云与地面控制点坐标进行统一，建立一个标准的完整的井架三维点云数据模型。

Images