《隧道及地下工程信息化技术与应用》课件 第三章 三维激光扫描技术在隧道工程中的应用

第三章三维激光扫描技术在隧道工程中的应用东南大学土木工程学院《隧道及地下工程信息化技术与应用》内容提纲三维激光扫描技术概述基于扫描点云的限界检查与预警2基于扫描点云的渗漏水自动识别3基于扫描点云的隧道收敛变形计算4基于扫描点云的隧道结构三维重构513.1三维激光扫描技术介绍3.1.1三维激光扫描技术三维激光扫描技术已经成为当前研究的热点之一，并在文物数字化保护、土木工程、工业测量、自然灾害调查、数字城市地形可视化、城乡规划等领域得到广泛的应用。3.1三维激光扫描技术介绍3.1.2三维激光扫描仪点云数据采集与格式Maptek公司I-SITE法如（FARO）徕卡（Leica）天宝（Trimble）拓扑康（Topcon）Surphaser3.1三维激光扫描技术介绍3.1.3三维激光扫描仪点云数据生成图像的方法点云生成图像流程坐标信息三维激光扫描仪截面扫描仪(x,y,z)(x,y)里程信息无论是三维扫描仪还是截面扫描仪，都可以将坐标的位置信息转换为平面信息，并进一步结合扫描点的反射率信息得到灰度图像。3.1三维激光扫描技术介绍反射率信息反射率是扫描仪提供的除位置信息外，另一种非常具有研究价值的数据。不同类型的材料以及不同的表面光洁度都会对反射率产生影响。将不同的反射率转化为灰度信息，则可以获得灰度图像。3.1.3三维激光扫描仪点云数据生成图像的方法点云生成图像示意图内容提纲三维激光扫描技术概述基于扫描点云的限界检查与预警1基于扫描点云的渗漏水自动识别3基于扫描点云的隧道收敛变形计算4基于扫描点云的隧道结构三维重构523.2基于扫描点云的限界检查与预警车辆轮廓线与隧道测量数据限界检查：对隧道内可能影响设备运行、车辆行驶安全的各类物体进行检测，如突然掉落的触网、电线等，这些物体可能对隧道的正常运营构成威胁。传统的限界检测方法主要依赖于人工巡检，即通过人工观察的方式来识别并定位限界侵入位置。在侵入物体较小或难以察觉的情况下，可能需要截取大量的隧道断面进行仔细排查，人工检查的工作量巨大。利用激光扫描仪可方便地获取隧道轮廓点云。通过对这些点云数据的处理和分析，可以精确地获得隧道限界预警信息。与传统检测方式比较内容提纲三维激光扫描技术概述基于扫描点云的限界检查与预警1基于扫描点云的渗漏水自动识别2基于扫描点云的隧道收敛变形计算4基于扫描点云的隧道结构三维重构533.3基于扫描点云的渗漏水自动识别渗漏水病害作为盾构隧道的常见病害之一，是隧道日常检测的重要内容。渗漏水病害检测方法可分为人工巡检、数字照相检测和激光扫描检测3种。随着地铁隧道病害检测需求的急剧增长，低效、耗时、高成本的人工巡检方法难以满足日益增长的渗漏水检测需求。近年来，具有快速、高效等优点的数字照相技术和激光扫描技术逐渐成为渗漏水检测的重要手段。3.3基于扫描点云的渗漏水自动识别3.3.1图像识别特征规则隧道特征物，指一系列与病害（如渗漏水、裂缝等）灰度类似、可能影响到病害识别效果的物体。在盾构隧道中，主要考虑4种常见的特征物，即电线、消防管、螺栓孔和注浆孔。隧道内表面展开灰度图像类型图像特征规则特征物电线灰度0~35、像素高度20pixel、像素宽度3136pixel、像素坐标0~760pixel（水平）和2000~2330pixel（竖向）消防管灰度0~35、像素高度40pixel、像素宽度3136pixel、像素坐标2380~2520pixel（竖向）螺栓孔灰度30~80、像素高度和宽度均为40pixel注浆孔灰度30~80、椭圆度0.8~1.2、像素高度和宽度均为15pixel渗漏水灰度20~70、密实度<1.6、像素面积≥200pixel2最大像素宽度和高度密实度3.3基于扫描点云的渗漏水自动识别3.3.1图像识别特征规则3.3.2渗漏水图像识别方法3.3基于扫描点云的渗漏水自动识别渗漏水识别流程基于特征规则的盾构隧道渗漏水图像识别方法的基本原理是先识别并去除图像中的特征物，再提取渗漏水病害信息。3.3基于扫描点云的渗漏水自动识别1.特征物识别与去除（1）图像分割

：初步提取图像中符合灰度阈值的像素点，形成粗略的兴趣区域（ROI）。（2）连通域分析：在粗略提取的ROI基础上，采用8-邻域的方法进一步形成连通域。连通域分析3.3.2渗漏水图像识别方法3.3基于扫描点云的渗漏水自动识别（3）获取连通域属性：计算连通域的属性值。连通域属性值包括像素高度（e.weight）、像素宽度（e.height）、像素面积（e.area）、像素坐标（e.coordinate）、灰度（e.grayscale）和密实度（pactness）等。连通域属性3.3.2渗漏水图像识别方法3.3基于扫描点云的渗漏水自动识别（4）特征物判定和去除：制定的特征规则作为判定和去除特征物的条件。当连通域单元的所有属性值均符合相应的判定条件时，则判定该连通域为这一类特征物。然后将该连通域的灰度值重置为255，去除该类特征物。灰度重置3.3.2渗漏水图像识别方法3.3基于扫描点云的渗漏水自动识别2.渗漏水识别去除了特征物的隧道内表面灰度图像除了渗漏水病害，还存在小范围的噪声像素和污迹。因此，在识别渗漏水图像时，需要综合考虑灰度值、像素面积以及图像的密实度等多个特征规则，以确保识别的准确性和可靠性。首先，利用阈值分割方法初步提取灰度值在20~70之间的兴趣区域；然后，通过连通域分析形成连通域单元，获取连通域属性。渗漏水形态学修正过程3.3.2渗漏水图像识别方法每5环（100m2）渗漏水数量每环渗漏水面积3.3.3渗漏水识别实例验证与对比3.3基于扫描点云的渗漏水自动识别上海某地铁盾构隧道渗漏水识别结果分析采用激光扫描设备检测上海某地铁盾构隧道，测量全长120m，管片100环，共获取2张隧道内表面展开图像。3.3基于扫描点云的渗漏水自动识别采用人工巡检的方式记录对隧道现场的真实渗漏水情况进行了详细记录，共发现81处渗漏水点。而采用基于特征规则的图像识别方法共识别渗漏水83处，与真实渗漏水结果对比后，得出准确识别渗漏水78处。类型识别个数准确识别个数准确率/%螺栓孔59241870.6电线2626100消防管44100注浆孔14810470.2渗漏水837894.0特征物和渗漏水识别准确率上海某地铁盾构隧道3.3.3渗漏水识别实例验证与对比3.3基于扫描点云的渗漏水自动识别基于特征规则的渗漏水识别效果

未考虑特征规则的渗漏水识别效果渗漏水识别对比分析3.3.3渗漏水识别实例验证与对比内容提纲三维激光扫描技术概述基于扫描点云的限界检查与预警1基于扫描点云的渗漏水自动识别3基于扫描点云的隧道收敛变形计算2基于扫描点云的隧道结构三维重构543.4基于扫描点云的隧道收敛变形计算近年来，随着三维激光扫描仪和二维激光扫描设备的普及，传统的基于少数特征点的测量方式已被全断面点云数据的采集所取代，这种转变丰富了测量信息的内容与深度。如何利用这些详尽的点云数据来描述隧道横向变形，成为了隧道激光扫描仪应用的热点之一。3.4基于扫描点云的隧道收敛变形计算当前激光扫描数据应用于隧道变形测量时面临显著的挑战，即简单地将隧道形态拟合为圆或椭圆模型，往往难以反映隧道的真实形态，导致所得直径的两端位置与通过全站仪精确测量所确定的点位之间存在偏差。这一现象表明了传统基于收敛直径的测量方法与基于激光扫描点云拟合的测量体系在测量原理、数据处理及精度标准等方面均有所不同，因此难以直接进行精确的比较或相互替代。开发了一种能够与人工测量体系相兼容的点云数据直径计算方法。3.4.1点云数据的预处理3.4基于扫描点云的隧道收敛变形计算在隧道的三维激光扫描过程中，由于隧道内部环境的复杂性，如螺栓孔、消防水管、电线、触网、逃生平台及其他多种设施的存在，所获取的点云数据往往掺杂了诸多干扰点。此外，隧道底部生成的直线点云，作为不属于隧道主体建筑轮廓曲线的一部分，同样被视为干扰因素，应予以剔除。

原始点云数据去除干扰点后的点云数据3.4.2接缝定位与收敛计算方法3.4基于扫描点云的隧道收敛变形计算根据隧道设计数据和隧道真实变形，利用CAD软件提取并模拟隧道变形后的点云数据据此模拟的点云数据，采用非确定半径的最小二乘圆拟合方法，以求得拟合圆的半径和圆心，并计算每点的误差。圆心拟合最小二乘原理为：对上式化简，得到三元一次方程组式，可以直接解出圆心和半径：3.4基于扫描点云的隧道收敛变形计算通过计算可绘制出误差分布图，定位识别的接缝为邻接块和标准块之间的接缝，点云排列顺序为：标准块—邻接块—封顶块—邻接块—标准块。模拟隧道点云圆拟合误差分布真实激光扫描点云圆拟合误差分布3.4.2接缝定位与收敛计算方法3.4.3基于扫描点云的隧道收敛变形计算应用案例3.4基于扫描点云的隧道收敛变形计算针对某运营中的地铁盾构隧道，选取了4个代表性断面分别进行人工测量与激光扫描点云提取。为了评估两种测量方法的差异，将人工测量的直径视为基准真值，与激光扫描仪测量得到的直径进行了详细对比。截面人工测量直径/m激光扫描直接提取计算直径/m绝对误差/m相对误差/%截面15.52735.5211-0.0062-0.11截面25.52355.5224-0.0011-0.02截面35.51455.5075-0.0070-0.13截面45.51855.5061-0.0124-0.22即便是针对同一点的测量，激光扫描仪与人工测量之间仍存在一定的误差。全站仪与激光扫描仪测量相同点计算直径的误差3.4基于扫描点云的隧道收敛变形计算通过比较直接由激光扫描仪提取的接缝位置与基于前述算法计算得出的接缝位置，来量化接缝判别的误差。直接提取法中接缝坐标（x,y）接缝定位法中接缝坐标（x,y）点位误差/m（-2.515,2.82）（-2.510,2.812）0.0094（-2.581,2.807）（-2.578,2.805）0.0036（-2.594,2.786）（-2.603,2.796）0.0135（-2.592,2.790）（-2.587,2.787）0.0058（2.781,2.530）（2.784,2.529）0.0032（2.715,2.570）（2.720,2.572）0.0054（2.680,2.606）（2.683,2.600）0.0067（2.685,2.638）（2.683,2.637）0.0022接缝位置的计算值与真实值之间的点位误差基本维持在1cm以内。可以合理推断该方法所识别出的接缝位置与实际情况高度吻合，证实了其在接缝识别中的有效性和精确性。3.4.3基于扫描点云的隧道收敛变形计算应用案例3.4基于扫描点云的隧道收敛变形计算在确定接缝位置后，进一步对比了三种不同方法计算得到的隧道直径：直接提取法、椭圆拟合法、接缝定位法。3.4.3基于扫描点云的隧道收敛变形计算应用案例计算直径与实测值对比椭圆拟合法和接缝定位法获取测量点点位误差对比直径误差内容提纲三维激光扫描技术概述基于扫描点云的限界检查与预警1基于扫描点云的渗漏水自动识别3基于扫描点云的隧道收敛变形计算2基于扫描点云的隧道结构三维重构453.5基于扫描点云的隧道结构三维重构在数据处理与分析中，点云信息作为一种高度规整的结构化数据类型，其计算效率与处理能力的优势尤为突出。点云数据中每一条记录都包含了扫描点的里程信息、二维坐标（x,y）信息，反射率信息以及其他额外信息。可以直接将点云数据变换为隧道实体形状。20米长盾构隧道的扫描点云三维效果隧道点云颜色单一，细节辨识度较低。为增强可视化效果，进一步挖掘数据潜力，引入了反射率信息，将点云中每个点的反射率值（范围0至1）映射至灰度值（范围0至255），实现了点云色彩的差异化填充。3.5基于扫描点云的隧道结构三维