一种RMLS盾构隧道全要素协同分离方法

摘要: 本发明属于遥感数据处理领域,具体涉及一种rmls盾构隧道全要素协同分离方法。背景技术:1、盾构隧道广泛应用于地铁、高铁等地下工程,但长期服役易出现结构变形、环缝...
一种RMLS盾构隧道全要素协同分离方法

本发明属于遥感数据处理领域,具体涉及一种rmls盾构隧道全要素协同分离方法。

背景技术:

1、盾构隧道广泛应用于地铁、高铁等地下工程,但长期服役易出现结构变形、环缝错台等病害,威胁运营安全。基于轨载式移动激光扫描(rail-borne mobile laserscanning,rmls)实现隧道全要素高精度分离,是病害精准检测与全生命周期管理的关键基础。目前,盾构隧道点云要素分离方法主要分为两类:一类是基于特征驱动的方法,通过几何属性、空间拓扑关系及强度特征构建多维度描述子实现要素逐步分离,具有较强可解释性;另一类是基于深度学习的方法,通过深度神经网络自动学习点云的深层次几何表征,分割精度较高。然而,现有技术在盾构隧道rmls点云存在缺失、噪声及遮挡等情况下,点云结构信息不完整,容易造成隧道壁等结构要素分离不准确,以及遮挡区域目标分离不完整。因此,亟需一种能够适应点云缺失、噪声及遮挡等情况,并充分利用盾构隧道结构特征和要素间约束关系,实现全要素协同分离的方法。

技术实现思路

1、针对现有技术的不足,本技术提出一种rmls盾构隧道全要素协同分离方法,结合点云的几何特征、空间关系及强度特征,提高数据不完整条件下的要素分离能力;同时,现有方法对盾构隧道的周期性结构特征、断面几何特征以及不同要素之间的约束关系利用不足,在复杂环境下不同结构要素容易相互干扰,影响要素分离的准确性,针对上述问题,本技术利用盾构隧道周期性结构特征、断面几何特征及要素间空间关系,对不同隧道要素进行逐级分离,提高复杂环境下全要素分离的准确性。

2、本技术提出一种rmls盾构隧道全要素协同分离方法,包括:

3、步骤s1:读取原始盾构隧道的rmls点云数据,包括:激光点的

x轴坐标、激光点的

y轴坐标、激光点的

z轴坐标、激光点的强度值及环名,其中,

y轴坐标沿盾构隧道里程方向,根据环名将rmls点云数据划分为多个断面,环名相同的激光点属于同一里程的断面;

4、步骤s2:根据激光点的强度值以及断面,进行环缝分离与盾构环划分;

5、步骤s3:基于盾构环划分结果,进行隧道壁分离;

6、步骤s4:基于rmls点云数据,进行螺栓孔、注浆孔与纵缝分离;

7、步骤s5:根据rmls点云数据,进行衬砌底板与轨道分离;

8、步骤s6:根据rmls点云数据、隧道壁分离结果、螺栓孔分离结果、注浆孔分离结果、纵缝分离结果、衬砌底板与轨道分离结果,计算剩余点云,根据剩余点云,进行附属设施分离与分类。

9、所述根据激光点的强度值以及断面,进行环缝分离与盾构环划分,包括:

10、步骤s2.1:计算各断面激光点的平均强度值,并将平均强度值最小的断面确定为基准环缝的位置;

11、步骤s2.2:根据相邻环缝间距

w,将与基准环缝间距为

kw的断面确定为初始环缝的位置,其中

k为正整数,将位于相邻初始环缝之间的全部断面划分为对应的管片;

12、步骤s2.3:对初始环缝的两侧管片进行强度统计,将平均强度值小于的第一个断面识别为调整后的环缝的左边界,平均强度值小于的最后一个断面识别为调整后的环缝的右边界,根据调整后的环缝的左边界以及调整后的环缝的右边界,得到调整后的环缝,其中,为左边管片的强度均值,为左边管片的强度标准差,为右边管片的强度均值,为右边管片的强度标准差;

13、步骤s2.4:根据调整后的环缝,将原始盾构隧道划分为多个独立的盾构环。

14、所述基于盾构环划分结果,进行隧道壁分离,包括:

15、步骤s3.1:螺栓孔断面识别及椭圆拟合约束下的隧道壁粗分离;

16、步骤s3.2:基于角度突变检测的隧道壁精细分离。

17、所述螺栓孔断面识别及椭圆拟合约束下的隧道壁粗分离,包括:

18、步骤s3.1.1:以盾构环为单位,将调整后的环缝边界对应的断面沿里程方向移动预设距离,确定各盾构环对应的螺栓孔断面;

19、步骤s3.1.2:针对每个螺栓孔断面,选取螺栓孔断面上半部分的点云执行ransac椭圆拟合算法,生成初始拟合椭圆;

20、步骤s3.1.3:计算各断面的激光点到初始拟合椭圆的距离,构成距离集合;

21、步骤s3.1.4:若距离集合中任一元素

diq符合第一判定条件:

diq

<0且

diq

<第一阈值

tsi,则判定对应的激光点为椭圆内非隧道壁点;若距离集合中任一元素

diq符合第二判定条件:

diq

>0且

diq

>第二阈值

tso,则判定对应的激光点为椭圆外非隧道壁点;对于不满足第一判定条件以及第二判定条件的激光点,判定对应的激光点为隧道壁点;

22、步骤s3.1.5:基于判定为隧道壁点的点云,选取隧道壁点的上半部分的点云重新执行ransac椭圆拟合,返回步骤s3.1.2,并基于重新拟合的椭圆重复距离计算及隧道壁点判定过程,直至不存在满足第一判定条件或第二判定条件的激光点,并将此时得到的拟合椭圆确定为基准椭圆

23、步骤s3.1.6:基于所述盾构环对应的基准椭圆,计算所述盾构环内各断面的激光点到所述基准椭圆的距离,得到新的距离集合,基于新的距离集合采用步骤s3.1.4的判定标准对各断面的激光点进行隧道壁分离。

24、所述基于角度突变检测的隧道壁精细分离,包括:

25、步骤s3.2.1:任取一断面上的点

n,搜寻

n的邻近点

m,计算弧

nm对应的圆心角;

26、步骤s3.2.2:若圆心角大于设定阈值

tε,则标记点

n与点

m为数据缺失区端点,若圆心角小于或等于设定阈值

tε,则搜寻点

m的邻近点

m’,计算点

m与点

m’对应的圆心角并重复步骤s3.2.2,直至所有断面上的点均判断完毕;

27、步骤s3.2.3:针对位于各缺失区端点的激光点

u1,搜寻对应的邻近点

u2,计算向量

u2

u1与向量

u2

oq之间的夹角∠

u1

u2

oq,设定角度容忍阈值

δ,当∠

u1

u2

oq<90°-

δ或 ∠

u1

u2

oq>90°+

δ时,判定激光点

u1为非隧道壁点;当90°-

δ≤ ∠

u1

u2

oq≤ 90°+

δ时,判定激光点

u1为隧道壁点,进而搜寻

u2的邻近点

u3,计算向量

u3

u2与向量

u3

oq之间的夹角∠

u2

u3

oq,重复步骤s3.2.3中判定非隧道壁点的步骤,直至无法检测到新的非隧道壁点为止,其中,

oq为第

q个盾构环对应的基准椭圆圆心点。

28、所述基于rmls点云数据,进行螺栓孔、注浆孔与纵缝分离,包括:

29、步骤s4.1:采用圆柱面投影算法将rmls点云数据展开为以断面里程

r为纵坐标、弧长

l为横坐标的二值图像;

30、步骤s4.2:采用八连通域标记算法对二值图像中0值目标像素进行连通区域标记、形态学去噪以及过分割区域合并,得到多个剩余连通成分;

31、步骤s4.3:针对每个剩余连通成分,计算面积

a、纵向高度

ly及横向宽度

lx,并设定判定规则,第一判定规则:若

a>ta且

tr1>

ly/

lx>

tr2,剩余连通成分被判定为螺栓孔;第二判定规则:若

a

tr1>

ly/

lx>

tr2,剩余连通成分被判定为注浆孔;第三判定规则:若

a>ta且

ly/

lx>

tr1,剩余连通成分被判定为纵缝,若第一判定规则、第二判定规则以及第三判定规则均不满足,则剩余连通成分被判定为噪声,予以剔除,其中,

ta为面积阈值,

tr1为长宽比判定阈值,

tr2为长宽比判定阈值,且

tr1>

tr2。

32、根据rmls点云数据,进行衬砌底板与轨道分离,包括:

33、步骤s5.1:针对rmls点云数据中的每个断面,以断面的拟合椭圆的中心为原点

ok,建立局部坐标系

xok

z,其中,

x轴方向定义为水平向右,

z轴方向定义为竖直向上;

34、步骤s5.2:在局部坐标系下,根据隧道先验参数计算衬砌底板与轨道所占的角度范围;

35、步骤s5.3:对于

z轴的坐标小于0的拟合椭圆的内任一点,计算对应的方位角,将所述方位角落在所述角度范围内的点加入衬砌底板及轨道初选点集;

36、步骤s5.4:针对衬砌底板及轨道初选点集中每一个初选衬砌底板点,计算激光反射强度,若激光反射强度值落在统计区间内,则初选衬砌底板点被判定为真实的衬砌底板轨道点;若激光反射强度值未落在统计区间内,则初选衬砌底板点被判定为噪声,并剔除所述初选衬砌底板点。

37、所述衬砌底板与轨道所占的角度范围,为()区间,其中,区间参数表达式如下:

38、;

39、;

40、其中,为第一区间参数,为第二区间参数,为拟合椭圆的中心的

z轴坐标,为隧道内径,为激光扫描设备相对于轨道平面的安装高度,为衬砌底板长度。

41、所述方位角,计算式如下:

42、;

43、其中,为方位角,

x为局部坐标系

xok

z中待计算激光点的

x轴坐标,

z分别为局部坐标系

xok

z中待计算激光点的

z轴坐标,

x0为拟合椭圆中心的

x轴坐标,

z0为拟合椭圆中心的

z轴坐标。

44、所述根据rmls点云数据、隧道壁分离结果、螺栓孔分离结果、注浆孔分离结果、纵缝分离结果、衬砌底板与轨道分离结果,计算剩余点云,根据剩余点云,进行附属设施分离与分类,包括:

45、步骤s6.1:将剩余点云投影至

xz平面,生成二维投影点集;

46、步骤s6.2:对二维投影点集进行栅格化处理,以每个栅格内的激光点数作为像素灰度值,构建点云密度图;

47、步骤s6.3:在点云密度图中,将像素灰度值大于密度阈值的区域识别为附属设施候选区域;

48、步骤s6.4:对附属设施候选区域进行八连通成分标记,提取各设施的独立连通成分;

49、步骤s6.5:将所有各设施的独立连通成分反向映射至三维空间,得到附属设施分离与分类结果。

50、有益效果:

51、本发明提出一种rmls盾构隧道全要素协同分离方法,本发明利用隧道结构的环形周期性特征,通过环缝沿隧道里程方向的周期性分布实现环缝定位与盾构环划分,并以盾构环为基本空间单元,结合各要素的几何(位置、尺寸、角度、密度)、物理(激光反射强度)特征差异及空间关联约束,逐级实现要素分离:融合几何间距约束与自适应强度特征,分离环缝并据此划分盾构环;结合位置约束的椭圆拟合与角度突变检测,分离隧道壁;利用连通域形态分析,分离螺栓孔、注浆孔与纵缝;融合对称分布的几何约束与反射强度特征,分离衬砌底板与轨道;通过投影密度分析、三维连通成分合并及多维度分类规则,分离管道、电缆、人工检测平台等附属设施。实验结果表明,各典型要素的kappa系数均在0.90以上、附属设施的kappa系数在0.87以上,验证了所提方法在复杂隧道环境下的有效性和鲁棒性,实现了全要素的高精度分离,为隧道智能诊断与运维管理提供了可靠的数据基础。