一种基于点云剖面的隧道变形监测方法、设备及存储设备与流程

本发明涉及勘探岩土建筑领域，尤其涉及一种基于点云剖面的隧道变形监测方法、设备及存储设备。

背景技术：

传统的隧道变形监测一般采用全站仪、收敛计等监测手段，虽然精度较高，但不足之处在于工作效率低，不能实时快速的对整个隧道进行变形监测。随着激光技术的不断发展，激光精度也在不断地提高，使得在较高精度变形监测领域使用激光扫描仪成为一种新方法。目前利用点云数据进行变化检测存在两大类方法，一类方法通过获取隧道点云中轴线、拟合截面数据进行变化监测，另一类方法直接对整体隧道点云进行变化监测。第一种方法选取一定间隔的剖面，提高了监测的效率，但是在对剖面拟合的过程中存在误差；第二种方法对整体点云进行比较，数据量较大，效率较低。

技术实现要素：

为了解决上述问题，本发明提供了一种基于点云剖面的隧道变形监测方法、设备及存储设备。一种基于点云剖面的隧道变形监测方法，其特征在于：包括以下步骤：

s1：利用扫描仪扫描，采集隧道不同期的点云数据；

s2：根据不同期的点云数据类型的不同，采用不同的方法对所述点云数据进行滤波去噪；

s3：根据隧道相邻测站间的衔接部分布设的控制标靶，对同一期相邻测站间的点云数据进行拼接；

s4：利用所述控制标靶，对拼接好的不同两期的点云数据根据配准模型进行配准，转换至同一坐标系中；

s5：根据在同一坐标系中的点云数据，对隧道进行全局拟合，确定与隧道轴线平行的提取剖面基线；

s6：根据所述提取剖面基线，对隧道走向的点云数据进行正交方向的断面截取，得到点云剖面；

s7：利用点到格网的方法处理所述点云剖面；

s8：根据点到格网的方法而得到的比较点云数据中的点到参考面的距离，即监测到的隧道变形量。

进一步地，在步骤s1中，所述扫描仪为激光扫描仪，以分站式扫描的方式采集点云数据。

进一步地，在步骤s2中，所述点云数据类型的不同，采用不同的方法进行滤波去噪包括：有序的点云数据，采用包括标准高斯的方法、平均值的方法进行滤波去噪；散乱的点云数据，主要包含团状噪声和孤立点噪声，是在栅格网拓扑重建的基础上，采用离散点的k邻域的方法进行滤波去噪。

进一步地，在步骤s3中，所述控制标靶均匀布设的数量为4～5个；以第一个测站为基准站，其后的一个测站分别与相邻的前一个测站进行点云数据的拼接。

进一步地，在步骤s4中，所述配准的步骤包括：基于控制标靶的点云坐标与工程坐标得到不同空间坐标系间的转换关系；以工程坐标系为基准，根据所述坐标系间的转换关系，将不同坐标系下的点云数据转换到所述工程坐标系中。

进一步地，在步骤s5中，所述确定与隧道轴线平行的提取剖面基线是指：通过旋转矩阵基于相应的角度分量对基线进行姿态调整，在局部坐标系中变换得到的提取剖面基线；所述局部坐标系是指：以隧道前进的方向为y轴，隧道剖面的方向为x轴，垂直方向为z轴，建立的坐标系。

进一步地，在步骤s6中，提取的剖面高度以及相邻剖面的间距都为固定值。

进一步地，在步骤s7中，所述点到格网的方法是指：以其中一期的点云剖面提供的点云数据，作为比较点云数据，另一期的点云剖面提供的点云数据拟合成曲面，作为参考面，计算比较点云数据中的点到参考面的距离。

一种存储设备，其特征在于：所述存储设备存储指令及数据用于实现一种基于点云剖面的隧道变形监测方法。

一种基于点云剖面的隧道变形监测设备，其特征在于：包括：处理器及所述存储设备；所述处理器加载并执行所述存储设备中的指令及数据用于实现一种基于点云剖面的隧道变形监测方法。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例中的一种基于点云剖面的隧道变形监测方法的流程图；

图2是本发明实施例中的点云数据拼接示意图；

图3是本发明实施例中的基线局部坐标系变换示意图；

图4是本发明实施例中的点云剖面提取示意图；

图5是本发明实施例中的剖面示意图；

图6是本发明实施例中的点到格网方法的模型图；

图7是本发明实施例中硬件设备工作的示意图。

具体实施方式

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。

本发明的实施例提供了一种基于点云剖面的隧道变形监测方法、设备及存储设备，通过激光扫描仪获取隧道不同期点云数据，对各期数据进行去噪、拼接，对不同时期数据进行配准，然后按照一定的间距提取剖面点云数据，在此基础上利用点到模型的方法对隧道进行变形监测，得到隧道的变形量；一种基于点云剖面的隧道变形监测设备及存储设备，用于实现一种基于点云剖面的隧道变形监测方法。

请参考图1，图1是本发明实施例中的一种基于点云剖面的隧道变形监测方法的流程图，主要步骤包括：

s1：利用扫描仪扫描，采集隧道不同期的点云数据；所述扫描仪为激光扫描仪，以分站式扫描的方式采集点云数据；

s2：根据不同期的点云数据类型的不同，采用不同的方法对所述点云数据进行滤波去噪；所述根据点云数据类型的不同，采用不同的方法进行滤波去噪包括：有序的点云数据，采用包括标准高斯的方法、平均值的方法进行滤波去噪；散乱的点云数据，主要包含团状噪声和孤立点噪声，是在栅格网拓扑重建的基础上，采用离散点的k邻域的方法进行滤波去噪；

s3：根据隧道相邻测站间的衔接部分布设的控制标靶，对同一期相邻测站间的点云数据进行拼接；所述控制标靶均匀布设的数量为4～5个；以第一个测站为基准站，其后的一个测站分别与相邻的前一个测站进行点云数据的拼接；

s4：利用所述控制标靶，对拼接好的不同两期的点云数据根据配准模型进行配准，转换至同一坐标系中；所述配准的步骤包括：基于控制标靶的点云坐标与工程坐标得到不同空间坐标系间的转换关系；以工程坐标系为基准，根据所述坐标系间的转换关系，将不同坐标系下的点云数据转换到所述工程坐标系中；配准模型如公式(1)所示：

其中，pc＝(xc,yc,zc)为使用所述扫描仪得到所述控制标靶的独立坐标，pa＝(xa,ya,za)为使用全站仪得到所述控制标靶的工程坐标，δx,δy,δz为平移参数，φ,ω,κ为两个点云坐标向量与坐标轴之间的夹角，也是坐标旋转参数，r(φ,ω,κ)为旋转矩阵，r(φ,ω,κ)的公式如公式(2)所示：

解算坐标转换关系中的7参数：坐标缩放系数，平移三参数，坐标旋转三参数，因为默认两个不同坐标系内的长度比值一样，所以坐标缩放系数取值为1，所述配准模型中，存在6个待求参数平移三参数δx,δy,δz，坐标旋转三参数φ,ω,κ，通过正交矩阵存在的如公式(3)、(4)所示的关系：

根据配准模型，结合公式(1)～(4)，把待求参数按级数展开得到误差方程如公式(5)所示：

其中，v为工程坐标平差后的改正数矩阵，b为系数阵，为待求参数，l为常量，且

根据最小二乘原理，公式(5)中的满足v^tpv取值最小的要求，得到公式(8)：

其中，v为工程坐标平差后的改正数矩阵，b为系数阵，为待求参数，p为权阵。

公式(8)转置，得到公式(9)：

b^tpv＝0(9)

将公式(5)代入公式(9)，得到公式(10)：

根据公式(10)，求出待求参数如公式(11)所示：

由公式(12)可知：

其中，l为常量，p为权阵，为待求参数，b为系数阵，n为观测值的个数，t为必要观测数。

根据精度的评定公式(13)，可计算出待求参数方差的估值，以衡量待求参数的精度：

其中，为待求参数方差的估值，r为多余观测数，p为权阵，v为工程坐标平差后的改正数矩阵。

s5：根据在同一坐标系中的点云数据，对隧道进行全局拟合，确定与隧道轴线平行的提取剖面基线；所述确定与隧道轴线平行的提取剖面基线是指：通过旋转矩阵基于相应的角度分量对基线进行姿态调整，在局部坐标系中变换得到的提取剖面基线；所述局部坐标系是指：以隧道前进的方向为y轴，隧道剖面的方向为x轴，垂直方向为z轴，建立的坐标系；

s6：根据所述提取剖面基线，对隧道走向的点云数据进行正交方向的断面截取，得到点云剖面；提取的剖面高度以及相邻剖面的间距都为固定值；

s7：利用点到格网的方法处理所述点云剖面；所述点到格网的方法是指：以其中一期的点云剖面提供的点云数据，作为比较点云数据，另一期的点云剖面提供的点云数据拟合成曲面，作为参考面，计算比较点云数据中的点到参考面的距离；

s8：根据点到格网的方法而得到的比较数据中的点到参考面的距离，即监测到的隧道变形量。

请参见图2，图2是本发明实施例中的点云数据拼接示意图，根据测站1和测站2之间的衔接部分均匀布设有4个控制标靶，对相邻测站间的点云数据进行拼接，保证提供足够的点云数据用于隧道变形信息的提取。

请参见图3，图3是本发明实施例中的基线局部坐标系变换示意图，以隧道前进的方向为y轴，隧道剖面的方向为x轴，垂直方向为z轴，建立局部坐标系，隧道点云轴线的方向与y轴平行。为了对隧道走向的正交方向进行截取，需要通过旋转矩阵基于相应的角度分量对基线进行姿态的调整，对基线2分别绕z坐标轴和x坐标轴旋转角度值旋转至基线3，使截取位置的法向与y坐标轴的正交方向一致。

请参见图4，图4是本发明实施例中的点云剖面提取示意图，5为相邻剖面的间距，6为提取剖面的高度，提取的剖面高度以及相邻剖面的间距都为固定值，对隧道点云数据[xiyizi]^t和截取点[x0y0z0]^t按如下步骤变换后在相应坐标值[x′0y′0z′0]^t处截取断面：

[xiyizi]^t＝ab[xiyizi]^t(8)

[x′0y′0z′0]^t＝ab[x0y0z0]^t(9)

其中，并求得断面坐标值[x′y′z′]^t如公式(10)所示：

[x′y′z′]^t＝[x′0y′0z′0]^t+r[cosθ0sinθ]^t(10)

其中，θ∈[0,2π]，为断面点与轴线上截取点连线所对应的角度值。

请参见图5，图5是本发明实施例中的剖面示意图，7为提取的一个点云剖面。

请参见图6，图6是本发明实施例中的点到格网方法的模型图，8为参考点云数据，9为比较点云数据，10为沿格网局部发现侧岭的距离，11为由参考点云数据8拟合成的曲面，即参考面，12为比较点云数据9中的任意一点到参考面11的距离，即隧道的变形量。

请参见图7，图7是本发明实施例的硬件设备工作示意图，所述硬件设备具体包括：一种基于点云剖面的隧道变形监测设备701、处理器702及存储设备703。

一种基于点云剖面的隧道变形监测设备701：所述一种基于点云剖面的隧道变形监测设备701实现所述一种基于点云剖面的隧道变形监测方法。

处理器702：所述处理器702加载并执行所述存储设备703中的指令及数据用于实现所述一种基于点云剖面的隧道变形监测方法。

存储设备703：所述存储设备703存储指令及数据；所述存储设备703用于实现所述一种基于点云剖面的隧道变形监测方法。

本发明的有益效果是：本发明提供的方法提取得到的剖面点云数量较少，提高了数据处理的效率，同时也避免了由于剖面点云的拟合而造成的拟合误差，实用性强，精度高。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。