CN114444158B - 一种基于三维重建的地下巷道形变预警方法及系统 - Google Patents

Abstract

本发明公开了一种基于三维重建的地下巷道形变预警方法，所述方法包括：使用激光雷达对地下巷道不同区域进行扫描，得到点云数据；使用深度相机对地下巷道不同区域同步进行拍摄，得到图像中每个点的三维空间坐标数据；使用惯性测量单元对地下巷道不同区域同步采集，得到位置数据；根据点云数据、三维空间坐标数据和位置数据，通过三维重建算法得到地下巷道当前时刻的三维模型；调取数据库中预存的该地下巷道的历史三维模型组；通过对比当前时刻的三维模型与历史三维模型组的数据，进行区域形变分析，得到地下巷道的形变规律，对于地下巷道形变损坏情况进行预测，判定危险等级，发出危险预警信息。

Description

一种基于三维重建的地下巷道形变预警方法及系统

技术领域

本发明涉及采矿领域，具体涉及一种基于三维重建的地下巷道形变预警方法及系统。

背景技术

巷道是在地表与矿体之间钻凿出的各种通路，用来运矿、通风、排水、行人以及为冶金设备采出矿石新开凿的各种必要准备工程等。

对于巷道形变的分析现有技术有以下三种：(1)传统方法为使用地质罗盘对掌子面进行调查测量以获取结构面产状参数，该方法存在工作效率低、数据不连续，难以提高常规的基于数字照相测量技术的地质编录效率，原始数据难以再现的问题，并且存储的数据为二维图片，不能够直观显示。(2)采用变交摄影测量技术，利用三维场景结构恢复方法实现三维重建，它采用变交摄影方式对隧道表面信息进行图像采集，利用三维场景结构恢复技术理论(SFM)进行隧道的三维重建，解决传统的正直摄影整体精度低和交向摄影效率差的缺点，具有高效率、高精度的优点，但其模型精度依赖于采集设备的稳定性。(3)基于摄影测量技术获取通道掌子面并提取掌子面图像的三维坐标，通过研究隧道掌子面摄影图像，分析和处理图像，提取结构面信息进行半自动或自动快速提取，该方法提高了测绘速度，在三维重建算法的基础上，利用三维重建技术，建立隧道结构面三维结构模型，但是由于采用非量测数码相机技术，无法获得隧道表面的真实深度信息。

可见现有技术对仪器操作与数据采集要求很高，耗时费力、设备成本高，不利于结果的快速获取与分析；同时对测量人员也有一定的技术要求，测量方法也有一套相应的规则标准，这些无疑都增加了测绘的复杂度与测绘时间。

发明内容

本发明的目的在于克服现有技术缺陷，提出了一种基于三维重建的地下巷道形变预警方法及系统。

为了实现上述目的，本发明提出了一种基于三维重建的地下巷道形变预警方法，所述方法包括：

使用激光雷达对地下巷道不同区域进行扫描，得到点云数据；

使用深度相机对地下巷道不同区域同步进行拍摄，得到图像中每个点的三维空间坐标数据；

使用惯性测量单元对地下巷道不同区域同步采集，得到位置数据；

根据点云数据、三维空间坐标数据和位置数据，通过三维重建算法得到地下巷道当前时刻的三维模型；

调取数据库中预存的该地下巷道的历史三维模型组；

通过对比当前时刻的三维模型与历史三维模型组的数据，进行区域形变分析，得到地下巷道的形变规律，对于地下巷道形变损坏情况进行预测，判定危险等级，发出危险预警信息。

作为上述方法的一种改进，所述方法还包括：将当前时刻的三维模型存入该地下巷道的数据库中。

作为上述方法的一种改进，所述根据点云数据、三维空间坐标数据和位置数据，通过三维重建算法得到地下巷道当前时刻的三维模型；具体包括：

根据激光雷达三维坐标系和地理坐标系的转换矩阵，深度相机成像坐标系和地理坐标系的转换矩阵，通过矩阵转换，将激光雷达采集的点云数据和深度相机得到的三维空间坐标数据转换到同一个坐标系下；

根据惯性测量单元采集的姿态角数据计算得到惯性测量单元与地理坐标系的转换矩阵，由此计算得到惯性测量单元坐标系下标志点的坐标数据；

对激光雷达采集的点云数据和深度相机得到的三维空间坐标数据进行预处理得到预处理后的点云数据，找到标志点对应的点云坐标；

确定参考点云和待匹配的点云，根据“唯一性”约束和“空间特征不变”约束，通过不断迭代直至找到满足约束条件的匹配点；

由匹配点计算出欧氏变换，由此进行多视角点云的拼接，得到拼接后的点云数据；

根据拼接后的点云数据，结合惯性测量单元采集的位置数据，获取周围环境的深度，并通过特征点的连续跟踪，对拼接后的点云数据进行闭环优化，由此得到地下巷道当前时刻的三维模型。

作为上述方法的一种改进，所述历史三维模型组基于时间序列进行存储。

作为上述方法的一种改进，所述通过对比当前时刻的三维模型与历史三维模型组的数据，进行区域形变分析，得到地下巷道的形变规律，对于地下巷道形变损坏情况进行预测，判定危险等级，发出危险预警信息；具体包括：

从当前时刻的三维模型获取该地下巷道某待分析点当前时刻的三维数据；通过对三维模型的网格化，求取待分析点所在网格到基准面的平均垂直距离；

从历史三维模型组获取该待分析点历史时刻的三维数据；通过对历史三维模型的网格化，求取待分析点所在网格到基准面的各历史时刻平均垂直距离；

对当前时刻的平均垂直距离和各历史时刻平均垂直距离进行分析，得到待分析点的形变规律，进而对该地下巷道形变损坏情况进行预测，结合阈值标准，判定危险等级，发出危险预警信息。

一种基于三维重建的地下巷道形变预警系统，其特征在于，所述系统包括激光雷达、深度相机、惯性测量单元、三维重建模块、数据库读取模块和预警分析模块；其中，

所述激光雷达，用于对地下巷道不同区域进行扫描，得到点云数据；

所述深度相机，用于对地下巷道不同区域进同步进行拍摄，得到图像中每个点的三维空间坐标数据；

所述惯性测量单元，用于同步对地下巷道不同区域同步采集，得到位置数据；

所述三维重建模块，用于根据点云数据、三维空间坐标数据和位置数据，通过三维重建算法得到地下巷道当前时刻的三维模型；

所述数据库读取模块，用于调取数据库中预存的该地下巷道的历史三维模型组；

所述预警分析模块，用于通过对比当前时刻的三维模型与历史三维模型组的数据，进行区域形变分析，得到地下巷道的形变规律，对于地下巷道形变损坏情况进行预测，判定危险等级，发出危险预警信息。

作为上述系统的一种改进，所述三维重建模块的具体处理过程为：

根据激光雷达三维坐标系和地理坐标系的转换矩阵，深度相机成像坐标系和地理坐标系的转换矩阵，通过矩阵转换，将激光雷达采集的点云数据和深度相机得到的三维空间坐标数据转换到同一个坐标系下；

根据惯性测量单元采集的姿态角数据计算得到惯性测量单元与地理坐标系的转换矩阵，由此计算得到惯性测量单元坐标系下标志点的坐标数据；

对激光雷达采集的点云数据和深度相机得到的三维空间坐标数据进行预处理得到预处理后的点云数据，找到标志点对应的点云坐标；

确定参考点云和待匹配的点云，根据“唯一性”约束和“空间特征不变”约束，通过不断迭代直至找到满足约束条件的匹配点；

由匹配点计算出欧氏变换，由此进行多视角点云的拼接，得到拼接后的点云数据；

根据拼接后的点云数据，结合惯性测量单元采集的位置数据，获取周围环境的深度，并通过特征点的连续跟踪，对拼接后的点云数据进行闭环优化，由此得到地下巷道当前时刻的三维模型。

作为上述系统的一种改进，所述历史三维模型组基于时间序列进行存储。

作为上述系统的一种改进，所述预警分析模块的具体处理过程为：

从当前时刻的三维模型获取该地下巷道某待分析点当前时刻的三维数据；通过对三维模型的网格化，求取待分析点所在网格到基准面的平均垂直距离；

从历史三维模型组获取该待分析点历史时刻的三维数据；通过对历史三维模型的网格化，求取待分析点所在网格到基准面的各历史时刻平均垂直距离；

对当前时刻的平均垂直距离和各历史时刻平均垂直距离进行分析，得到待分析点的形变规律，进而对该地下巷道形变损坏情况进行预测，结合阈值标准，判定危险等级，发出危险预警信息

与现有技术相比，本发明的优势在于：

1、本发明的方法采用简单精确的测绘方法，自动识别、周期性地数据采集，通过连续的历史三维模型数据，进行形变分析得到对地下巷道形变预测，这对巷道损坏预警有着重要的意义，保护了巷道内工作人员的人身安全；

2、本发明的方法采用激光雷达、相机深度和惯性测量单元相融合方式，可精密测绘表面平坦、纹理与形状变化不明显的区域，并且数据采集方法无需专业人士操作，能够简单快捷地获得有效数据，使得数据采集具有设备便携、操作简单的特点；

3、本发明的方法通过深入研究核心三维重建算法，基于稠密点云结合优化的特征匹配算法和核心的三维重建算法形成目标物体的三维模型。

附图说明

图1是本发明的实施例1基于三维重建的地下巷道形变预警方法的流程图。

具体实施方式

利用激光雷达和相机深度融合，基于稠密点云通过特征匹配算法和三维重建算法，形成纹理直观清晰的三维模型。通过激光雷达扫描和深度相机拍摄，获得重建三维模型的二维图像信息，两种信息源采集的信息相融合，获得对目标物体更精确地测绘。基于稠密点云的对象感知信息更为丰富，利用优化的特征匹配算法和三维重建算法，计算更精确的空间三维坐标，形成纹理清晰，位置精确的三维模型。周期性地采集数据，形成有时间线的历史数据，通过当前三维模型和历史三维模型的数据比较，进行形变分析得到地下巷道的形变规律，达到巷道损坏预警的作用。

本申请的方法是激光雷达、相机深度和惯性测量单元相融合，基于稠密点云，通过核心三维重建算法形成三维模型，通过对比当前三维模型与历史三维模型的数据进行区域形变分析，对于地下巷道腐蚀损坏情况进行预测，判定危险等级，发出危险预警。

激光雷达，采用ToF原理是通过测量光脉冲之间的传输延迟时间来计算对象物体的距离。用于对地下巷道不同区域进行扫描，得到稠密点云；

深度相机，采用结构光法，通过深度相机获取到的数据，我们能准确知道图像中每个点离摄像头距离，这样加上该点在2D图像中的(x，y)坐标，就能获取图像中每个点的三维空间坐标；

IMU惯性测量单元，测量相对于起点物体所运动的路线，获得一个相对的定位位置的信息。

三维重建，通过深度相机、IMU和激光雷达联合定位和获取较准确周围环境的深度，并通过特征点的连续跟踪构造里程计，IMU数据判断回环，进行闭环优，后得到完整的地下巷道三维模型。

基于激光雷达的三维重建方法具有数据可保存、真实连续以及可直观再现地下巷道表面等优点，其利用三维扫描设备(激光扫描设备)，投射光信息至目标场景或物体，通过对接收到的返回信息进行计算与处理，进而获取目标距离并重建物体的三维形。

深度相机通过将具有一定结构特征的光线投射到被拍摄物体上，再由专门的红外摄像头进行采集。这种具备一定结构的光线，会因被摄物体的不同深度区域，而采集不同的图像相位信息，然后通过运算单元将这种结构的变化换算成深度信息，以此来获得三维结构。

下面结合附图和实施例对本发明的技术方案进行详细的说明。

实施例1

如图1所示，本发明的实施例1提出了一种基于三维重建的地下巷道形变预警方法，基于激光雷达、深度相机和惯性测量单元完成。

1、激光雷达：

使用激光器发射并接收回传感器，计算发射和接收之间的时间以确定飞行时间。利用波浪返回的光速和1/2的时间(因为信号传出和返回)，计算出物体离光线有多远的距离。传感器通常使用近红外光，可见光(但不是真正可见的)和紫外光谱。

激光雷达的激光束也可以聚焦成具有很小的光斑尺寸，不会扩大很多.这个小光斑大小可以帮助提供高分辨率。然而无线电雷达使用无线电波来计算速度和距离，无线电波与物体接触时的光波吸收较少(衰减较小)，所以它们可以在较长的距离上工作，正因如此RF波的波长比激光雷达波大。不利的一面是，如果一个物体比正在使用的RF波小得多，物体可能不能反射足够的能量来检测。出于这个原因，结合测量的实际情况，选用波长明显较小的激光雷达，达到更好的分辨率。

2、深度相机

深度相机，采用结构光法，通过深度相机获取到的数据，我们能准确知道图像中每个点离摄像头距离，这样加上该点在2D图像中的(x，y)坐标，就能获取图像中每个点的三维空间坐标；

3、惯性测量单元(IMU)

IMU是惯性测量单元，它由三个单轴的加速度计和三个单轴的陀螺仪组成，加速度计检测物体在载体坐标系统独立三轴的加速度信号，而陀螺仪检测载体相对于导航坐标系的角速度信号，对这些信号进行处理之后，便可解算出物体的姿态。它提供的是一个相对的定位信息，它的作用是测量相对于起点物体所运动的路线，获得相对位置的信息。

具体方法步骤如下：

使用激光雷达对地下巷道不同区域进行扫描，得到点云数据；

使用深度相机对地下巷道不同区域同步进行拍摄，得到图像中每个点的三维空间坐标数据；

使用惯性测量单元同步对地下巷道不同区域同步采集，得到位置数据；

根据点云数据、三维空间坐标数据和位置数据，通过三维重建算法得到地下巷道当前时刻的三维模型；

调取数据库中预存的该地下巷道的历史三维模型组；

通过对比当前时刻的三维模型与历史三维模型组的数据，进行区域形变分析，得到地下巷道的形变规律，对于地下巷道形变损坏情况进行预测，判定危险等级，发出危险预警信息。

其中三维重建的具体步骤：

(1)参数标定：数据采集前，先要用对激光雷达、深度摄像机、IMU进行位置参数标定。需要标定IMU相对RGB相机的空间位置(包括旋转和位移)。另外，相机固有参数比如焦距、畸变参数等以及IMU的零偏和scale系数等都需要提前知道。前者我们称为外参，后者称为内参，在运行程序前我们需要标定它们。

(2)统一坐标系：通过矩阵变换将激光雷达、深度摄像机各自独立的两个坐标系转换到一个坐标系中，再加上IMU采集地理坐标系标志点的原始数据，使用IMU传感器测量得到的姿态角计算IMU与地理坐标系之间的转换矩阵，求解IMU坐标系下标志点的坐标数据。对激光雷达和深度相机测量的原始点云数据进行预处理，找到标志点对应的点云坐标。

(3)点云拼接：大量一帧帧的点云数据后，需要经过对点云数据的配准，才能拼接成一幅三维雷达点云地图。首先选择两个实体，然后调用Align(point pairs picking)工具。确定参考点云Q和要匹配的点云P，在配准点云上选取与参考点云中一一对应的同名点a1，a2，a3(优先选取离中心区域较近的点，容易分辨)。根据“唯一性”约束和“空间特征不变”约束，在点云P中找出与点云Q中同名点a1，a2，a3匹配的点，找到匹配可能性最大的点且满足阈值条件和约束条件，则迭代结束，否则继续迭代，直至找到满足条件的匹配点；由匹配点计算出欧氏变换，进行多视角点云的拼接。

(4)三维重建：通过深度相机、IMU和激光雷达联合定位和获取较准确周围环境的深度，并通过特征点的连续跟踪构造里程计，IMU数据判断回环，在视觉和激光共同提供的点云地图实现进行闭环优化。基于激光雷达的三维重建方法具有数据可保存、真实连续以及可直观再现隧道开挖岩体表面等优点，其利用三维扫描设备(如激光扫描设备、结构光扫描设备等)投射光信息至目标场景或物体，通过对接收到的返回信息进行计算与处理，进而获取目标距离并重建物体的三维形。

其中，侵蚀形变分析是通过历史三维模型和当前重建三维模型进行对比得出侵蚀分析报告。通过设计形变分析算法，达到预测地下巷道形变情况，对未来可能产生的危险进行提前预警。具体步骤如下：

从当前时刻的三维模型获取该地下巷道某待分析点当前时刻的三维数据；

从历史三维模型组获取该待分析点历史时刻的三维数据；

将待分析点当前时刻的三维数据与历史时刻的三维数据进行处理，将地下巷道三维点云网格化；

计算当前每个网格中所有点到基准面的垂直距离的求和平均值；

计算得到待分析点各历史时刻每个网格中所有点到基准面的垂直距离的求和平均值；

形变分析主要针对有规律的时间序列进行分析检测，形变分析模型可以替代大多数通过人眼观察形状是否符合预期，形变分析模型通过对时间序列的形状预测来判断是否异常，并根据异常严重程度设定不同的告警等级。通过周期性的数据采样可以完成历史的三维模型数据与当前的三维模型数据进行自动比较。并且针对不同区域的展开形变研究，经过精心设计，不断优化的形变分析模型，完成地下巷道形变情况自动快速检测。通过形变量计算不同等级告警阈值，对地下巷道腐蚀损坏程度进行精确的预警。例如，当前重建的地下巷道三维模型与初期建模相比损失程度超出设置阈值m，系统进行腐蚀损坏预警，反之，系统显示腐蚀损坏厚度。

实施例2

基于上述方法，本发明的实施例2提出了一种基于三维重建的地下巷道形变预警系统。该系统包括：激光雷达、深度相机、惯性测量单元、三维重建模块、数据库读取模块和预警分析模块；其中，

所述激光雷达，采用ToF原理是通过测量光脉冲之间的传输延迟时间来计算对象物体的距离。用于对地下巷道不同区域进行扫描，得到稠密点云；

所述深度相机，采用结构光法，通过深度相机获取到的数据，我们能准确知道图像中每个点离摄像头距离，这样加上该点在2D图像中的(x,y)坐标，就能获取图像中每个点的三维空间坐标；

所述IUM惯性测量单元是测量相对于起点物体所运动的路线，获得一个相对的定位位置的信息。

所述三维重建模块，通过深度相机、IMU和激光雷达联合定位和获取较准确周围环境的深度，并通过特征点的连续跟踪构造里程计，IMU数据判断回环，进行闭环优，后得到完整的地下巷道三维模型。

所述数据库读取模块，用于调取数据库中预存的该地下巷道的历史三维模型组；

所述预警分析模块，用于通过对比当前时刻的三维模型与历史三维模型组的数据，进行区域形变分析，得到地下巷道的形变规律，对于地下巷道形变损坏情况进行预测，判定危险等级，发出危险预警信息。

最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种基于三维重建的地下巷道形变预警方法，所述方法包括：

使用激光雷达对地下巷道不同区域进行扫描，得到点云数据；

使用深度相机对地下巷道不同区域同步进行拍摄，得到图像中每个点的三维空间坐标数据；

使用惯性测量单元对地下巷道不同区域同步采集，得到位置数据；

根据点云数据、三维空间坐标数据和位置数据，通过三维重建算法得到地下巷道当前时刻的三维模型；

调取数据库中预存的该地下巷道的历史三维模型组；

通过对比当前时刻的三维模型与历史三维模型组的数据，进行区域形变分析，得到地下巷道的形变规律，对于地下巷道形变损坏情况进行预测，判定危险等级，发出危险预警信息；

所述根据点云数据、三维空间坐标数据和位置数据，通过三维重建算法得到地下巷道当前时刻的三维模型；具体包括：

根据激光雷达三维坐标系和地理坐标系的转换矩阵，深度相机成像坐标系和地理坐标系的转换矩阵，通过矩阵转换，将激光雷达采集的点云数据和深度相机得到的三维空间坐标数据转换到同一个坐标系下；

根据惯性测量单元采集的姿态角数据计算得到惯性测量单元与地理坐标系的转换矩阵，由此计算得到惯性测量单元坐标系下标志点的坐标数据；

对激光雷达采集的点云数据和深度相机得到的三维空间坐标数据进行预处理得到预处理后的点云数据，找到标志点对应的点云坐标；

确定参考点云和待匹配的点云，根据唯一性约束和空间特征不变约束，通过不断迭代直至找到满足约束条件的匹配点；

由匹配点计算出欧氏变换，由此进行多视角点云的拼接，得到拼接后的点云数据；

根据拼接后的点云数据，结合惯性测量单元采集的位置数据，获取周围环境的深度，并通过特征点的连续跟踪，对拼接后的点云数据进行闭环优化，由此得到地下巷道当前时刻的三维模型；

其中，判定危险等级步骤包括：形变分析模型通过对时间序列的形状预测来判断是否异常，并根据异常严重程度设定不同的告警等级；

通过周期性的数据采样完成历史的三维模型数据与当前的三维模型数据进行自动比较；

通过形变量计算不同等级告警阈值，对地下巷道腐蚀损坏程度进行精确的预警。

2.根据权利要求1所述的基于三维重建的地下巷道形变预警方法，其特征在于，所述方法还包括：将当前时刻的三维模型存入该地下巷道的数据库中。

3.根据权利要求1所述的基于三维重建的地下巷道形变预警方法，其特征在于，所述历史三维模型组基于时间序列进行存储。

4.根据权利要求3所述的基于三维重建的地下巷道形变预警方法，其特征在于，所述通过对比当前时刻的三维模型与历史三维模型组的数据，进行区域形变分析，得到地下巷道的形变规律，对于地下巷道形变损坏情况进行预测，判定危险等级，发出危险预警信息；具体包括：

从当前时刻的三维模型获取该地下巷道某待分析点当前时刻的三维数据；通过对三维模型的网格化，求取待分析点所在网格到基准面的平均垂直距离；

从历史三维模型组获取该待分析点历史时刻的三维数据；通过对历史三维模型的网格化，求取待分析点所在网格到基准面的各历史时刻平均垂直距离；

对当前时刻的平均垂直距离和各历史时刻平均垂直距离进行分析，得到待分析点的形变规律，进而对该地下巷道形变损坏情况进行预测，结合阈值标准，判定危险等级，发出危险预警信息。

5.一种基于三维重建的地下巷道形变预警系统，其特征在于，所述系统包括激光雷达、深度相机、惯性测量单元、三维重建模块、数据库读取模块和预警分析模块；其中，

所述激光雷达，用于对地下巷道不同区域进行扫描，得到点云数据；

所述深度相机，用于对地下巷道不同区域进同步进行拍摄，得到图像中每个点的三维空间坐标数据；

所述惯性测量单元，用于同步对地下巷道不同区域同步采集，得到位置数据；

所述三维重建模块，用于根据点云数据、三维空间坐标数据和位置数据，通过三维重建算法得到地下巷道当前时刻的三维模型；

所述数据库读取模块，用于调取数据库中预存的该地下巷道的历史三维模型组；

所述预警分析模块，用于通过对比当前时刻的三维模型与历史三维模型组的数据，进行区域形变分析，得到地下巷道的形变规律，对于地下巷道形变损坏情况进行预测，判定危险等级，发出危险预警信息；

所述三维重建模块的具体处理过程为：

根据激光雷达三维坐标系和地理坐标系的转换矩阵，深度相机成像坐标系和地理坐标系的转换矩阵，通过矩阵转换，将激光雷达采集的点云数据和深度相机得到的三维空间坐标数据转换到同一个坐标系下；

根据惯性测量单元采集的姿态角数据计算得到惯性测量单元与地理坐标系的转换矩阵，由此计算得到惯性测量单元坐标系下标志点的坐标数据；

对激光雷达采集的点云数据和深度相机得到的三维空间坐标数据进行预处理得到预处理后的点云数据，找到标志点对应的点云坐标；

确定参考点云和待匹配的点云，根据唯一性约束和空间特征不变约束，通过不断迭代直至找到满足约束条件的匹配点；

由匹配点计算出欧氏变换，由此进行多视角点云的拼接，得到拼接后的点云数据；

根据拼接后的点云数据，结合惯性测量单元采集的位置数据，获取周围环境的深度，并通过特征点的连续跟踪，对拼接后的点云数据进行闭环优化，由此得到地下巷道当前时刻的三维模型；

其中，判定危险等级步骤包括：形变分析模型通过对时间序列的形状预测来判断是否异常，并根据异常严重程度设定不同的告警等级；

通过周期性的数据采样完成历史的三维模型数据与当前的三维模型数据进行自动比较；

通过形变量计算不同等级告警阈值，对地下巷道腐蚀损坏程度进行精确的预警。

6.根据权利要求5所述的基于三维重建的地下巷道形变预警系统，其特征在于，所述历史三维模型组基于时间序列进行存储。

7.根据权利要求5所述的基于三维重建的地下巷道形变预警系统，其特征在于，所述预警分析模块的具体处理过程为：

从当前时刻的三维模型获取该地下巷道某待分析点当前时刻的三维数据；通过对三维模型的网格化，求取待分析点所在网格到基准面的平均垂直距离；

从历史三维模型组获取该待分析点历史时刻的三维数据；通过对历史三维模型的网格化，求取待分析点所在网格到基准面的各历史时刻平均垂直距离；

对当前时刻的平均垂直距离和各历史时刻平均垂直距离进行分析，得到待分析点的形变规律，进而对该地下巷道形变损坏情况进行预测，结合阈值标准，判定危险等级，发出危险预警信息。

Images