馬明剛,鄭德華,潘月梁,李思遠(yuǎn),張 兵,胡 創(chuàng)
(1.浙江寧海抽水蓄能有限公司,浙江 寧海 315600) (2.河海大學(xué)地球科學(xué)與工程學(xué)院,江蘇 南京 210098)
三維激光掃描技術(shù)在水工構(gòu)筑物的三維建模和變形監(jiān)測(cè)等應(yīng)用中愈發(fā)廣泛[1-2],其中,由于主體附屬結(jié)構(gòu)點(diǎn)云如洞室支護(hù)錨桿點(diǎn)云與其周圍環(huán)境凹凸結(jié)構(gòu)點(diǎn)云難以區(qū)分,造成建模質(zhì)量和變形提取準(zhǔn)確性的降低. 目前,國(guó)內(nèi)外學(xué)者研究提取或剔除錨桿點(diǎn)云的分類方法主要集中在4個(gè)方面:(1)采用邊緣檢測(cè)、圓柱檢測(cè)等形態(tài)檢測(cè)算法提取大型錨桿目標(biāo);(2)采用遙感與圖像處理方法提取點(diǎn)云特征圖像;(3)應(yīng)用體素結(jié)構(gòu)提取地物點(diǎn)云;(4)采用智能學(xué)習(xí)方法建立點(diǎn)云的多維特征描述符提取錨桿點(diǎn)云特征. 如,劉元元[3]利用支持向量機(jī)(support vector machines,SVM)使用費(fèi)舍爾編碼對(duì)快速點(diǎn)特征直方圖(fast point feature histograms,FPFH)進(jìn)行編碼得到費(fèi)舍爾向量,將其與地物的幾何、輻射等全局特征結(jié)合實(shí)現(xiàn)桿狀物的識(shí)別分類,其中,路燈、路牌桿狀物點(diǎn)云的漏提率分別為10.7%、33.3%. 楊必勝等[4]通過(guò)分析掃描區(qū)域的點(diǎn)云特征圖像,結(jié)合圖像處理中的閾值識(shí)別、輪廓提取方法實(shí)現(xiàn)點(diǎn)云的快速分類. 王鵬等[5]利用掃描線數(shù)據(jù)中的橫剖面及空間形態(tài)特征為約束條件進(jìn)行地物分類,實(shí)現(xiàn)了對(duì)桿狀物點(diǎn)云的自動(dòng)準(zhǔn)確提取,錨桿目標(biāo)識(shí)別率為96.6%,漏提率為3.4%. 黃禮輝等[6]提出“桿狀度”的概念表達(dá)桿狀物在地物整體中所占的比例,將點(diǎn)云數(shù)據(jù)投影為特征圖像,利用桿狀物在特征圖像上和其鄰域特征點(diǎn)的差異提取錨桿點(diǎn)云,識(shí)別率為93.6%,漏提率為6.4%. 另有一些學(xué)者研究了大型桿狀目標(biāo)如海底管道[7-8]、輸電塔筒形結(jié)構(gòu)[9]的精確提取與缺陷檢測(cè);中型桿狀目標(biāo)如在數(shù)字化城市建設(shè)中,道路環(huán)境中的路燈、電桿、標(biāo)識(shí)牌等錨桿的自動(dòng)識(shí)別提取[10-11]. 上述研究主要針對(duì)車載、機(jī)載激光掃描系統(tǒng)以及多波束原理獲取的大尺度點(diǎn)云開展的不同尺寸桿狀目標(biāo)提取. 對(duì)于支護(hù)錨桿等小型密集桿狀目標(biāo)點(diǎn)云識(shí)別,Singh等[12]使用人工神經(jīng)網(wǎng)絡(luò)對(duì)光滑頂板表面的支護(hù)錨桿點(diǎn)云進(jìn)行識(shí)別,采用多尺度方差比例(proportion of variance,POV)、多尺度徑向表面描述符(radial surface descriptor,RSD)和FPFH局部點(diǎn)描述符實(shí)現(xiàn)了錨桿點(diǎn)云的精確提取,召回率為 89.52%;該方法適用于從平面頂板的規(guī)則幾何特征點(diǎn)云中提取錨桿點(diǎn)云,無(wú)法對(duì)洞室表面凹凸不平、錨桿長(zhǎng)短不一且伸出方向不一致等特征的洞室密集點(diǎn)云進(jìn)行支護(hù)錨桿點(diǎn)云的有效提取.
目前主要算法在提取管道等大型錨桿目標(biāo),路燈、電桿等中型錨桿目標(biāo)以及平面頂板中的支護(hù)錨桿等小型錨桿目標(biāo)具有較高的提取率,較好的識(shí)別結(jié)果仍存在5%左右的漏提率. 此外,支護(hù)錨桿點(diǎn)云常存在的混合像元現(xiàn)象呈現(xiàn)了不同視角獲取的支護(hù)錨桿點(diǎn)云含有掃描方向的虛假拖影點(diǎn)云,在施工洞室變形監(jiān)測(cè)和精確建模中將會(huì)引起錯(cuò)誤的變形提取結(jié)果和降低建模精度. 因而,針對(duì)施工洞室表面噴混交錯(cuò)凹凸條件下小型錨桿目標(biāo)的點(diǎn)云提取問(wèn)題,采用模糊聚類和曲率頻數(shù)統(tǒng)計(jì)方法,研究從復(fù)雜表面點(diǎn)云中有效提取多特征錨桿點(diǎn)云的自適應(yīng)處理方法.
通常支護(hù)錨桿連接的表面凹凸不平、不同支護(hù)錨桿周圍起伏存在差異,錨桿分布相對(duì)稀疏均勻且無(wú)相互遮擋. 掃描獲取的支護(hù)錨桿密集點(diǎn)云受本身外露長(zhǎng)度和掃描視線方向的影響產(chǎn)生不同危害程度的虛假拖影點(diǎn)云. 為了減小錨桿周圍的凹凸表面對(duì)錨桿點(diǎn)云提取準(zhǔn)確度的影響,設(shè)計(jì)錨桿點(diǎn)云初步識(shí)別和精確提取2個(gè)步驟以精確提取洞室表面支護(hù)錨桿點(diǎn)云. 首先,根據(jù)降采樣后錨桿點(diǎn)云遠(yuǎn)大于周圍表面凹凸起伏的特征,采用點(diǎn)云局部鄰域檢測(cè)方法提取疑似錨桿點(diǎn);采用距離聚類法將疑似錨桿點(diǎn)云聚類為獨(dú)立點(diǎn)云簇;針對(duì)各簇疑似錨桿點(diǎn)云,計(jì)算各點(diǎn)曲率并采用閾值法確定存在錨桿結(jié)構(gòu)的點(diǎn)云簇;最后采用自適應(yīng)曲率閾值法精確提取各簇錨桿點(diǎn)云. 根據(jù)以上過(guò)程,形成錨桿點(diǎn)云自適應(yīng)提取流程,如圖1所示.
圖1 錨桿點(diǎn)云自適應(yīng)提取流程Fig.1 Anchor point cloud adaptive extraction process
1.2.1 疑似錨桿點(diǎn)云提取
為提高初識(shí)別效率,需在保留錨桿特征的基礎(chǔ)上對(duì)原始點(diǎn)云降采樣,其中,根據(jù)錨桿尺寸確定降采樣距離參數(shù). 設(shè)點(diǎn)p(x,y,z)為降采樣后點(diǎn)云中某一點(diǎn),確定鄰域半徑R,獲取以p點(diǎn)為中心鄰域內(nèi)的點(diǎn)云Q(xi,yi,zi).鄰域半徑R值選取過(guò)小將導(dǎo)致鄰域范圍內(nèi)不能準(zhǔn)確識(shí)別所有錨桿點(diǎn)云;半徑R值選取過(guò)大將導(dǎo)致錨桿點(diǎn)云與周圍表面的區(qū)分程度和處理效率降低.因此,鄰域半徑R值的選取與錨桿長(zhǎng)度相關(guān),一般取略大于最長(zhǎng)錨桿長(zhǎng)度的1/2.將鄰域局部點(diǎn)云Q進(jìn)行霍特林變換,得到局部坐標(biāo)系的鄰域點(diǎn)云Q′,計(jì)算局部坐標(biāo)系下各點(diǎn)Z軸坐標(biāo)值的標(biāo)準(zhǔn)差Zstd,并根據(jù)Zstd大小判斷該鄰域局部點(diǎn)云中是否存在疑似錨桿點(diǎn)云.具體實(shí)現(xiàn)過(guò)程如下:
(1)按式(1)計(jì)算點(diǎn)云中心坐標(biāo)m:
(1)
(2)根據(jù)鄰域局部點(diǎn)云Q和中心坐標(biāo)m,按式(2)計(jì)算協(xié)方差矩陣C:
(2)
(3)根據(jù)正定矩陣C的3個(gè)特征值d1,d2和d3(d1 (3) (4)按式(4)計(jì)算變換后點(diǎn)云Q的標(biāo)準(zhǔn)差Zstd: (4) (5)設(shè)置閾值L,當(dāng)鄰域內(nèi)某點(diǎn)到XOY平面的距離Dxoy>L·Zstd時(shí),則判斷該點(diǎn)為疑似錨桿點(diǎn)云. 由于常規(guī)環(huán)境下,錨桿周圍表面并非規(guī)則平面型幾何特征,常含較多無(wú)規(guī)律交錯(cuò)分布、大小不等的微小凸起,且凹凸起伏程度遠(yuǎn)小于錨桿的凸起形態(tài),因此,若距離閾值L較小則將微小凸起點(diǎn)云誤識(shí)別為錨桿點(diǎn)云;閾值L較大則導(dǎo)致漏提短小錨桿點(diǎn)云.為提高疑似錨桿點(diǎn)云提取的準(zhǔn)確性,L的取值需滿足可提取處理區(qū)域內(nèi)最短錨桿的1/2長(zhǎng)度,以初識(shí)別出鄰域點(diǎn)云中疑似錨桿的頂端部位點(diǎn)云. 1.2.2 疑似錨桿點(diǎn)云聚類與篩選 初識(shí)別出的疑似錨桿頂端部位點(diǎn)云在空間上呈現(xiàn)塊狀分布特征,采用距離聚類法得到疑似錨桿點(diǎn)云簇.其中,聚類距離參數(shù)D根據(jù)初識(shí)別降采樣參數(shù)確定,為降采樣點(diǎn)云最大間距.針對(duì)聚類所得n簇疑似錨桿點(diǎn)云簇,以每簇點(diǎn)云重心為球心,主方向長(zhǎng)度為半徑構(gòu)建n個(gè)包圍球,在原始密集點(diǎn)云中搜尋各包圍球內(nèi)點(diǎn)云得到n簇原始疑似錨桿點(diǎn)云集Yi(i=1,2,…,n),點(diǎn)云Yi經(jīng)霍特林變換至局部坐標(biāo)系得點(diǎn)云集Y′i,變換后錨桿周圍點(diǎn)云均位于XOY平面附近,錨桿頂端點(diǎn)云主方向與Z軸平行.計(jì)算Y′i各點(diǎn)至XOY平面的距離di,根據(jù)錨桿最小長(zhǎng)度值及di的最值,判定原始疑似錨桿點(diǎn)云集Yi內(nèi)是否含有錨桿點(diǎn)云. 1.3.1 錨桿點(diǎn)云曲率計(jì)算 針對(duì)數(shù)據(jù)采集過(guò)程中因混合像元效應(yīng)產(chǎn)生的錨桿部位拖影現(xiàn)象造成局部平面曲率偏低的問(wèn)題,計(jì)算曲率之前,根據(jù)局部坐標(biāo)系中點(diǎn)云Zi值預(yù)先提取錨桿頂部點(diǎn)云.其中,閾值Zlim按下式計(jì)算: (5) 滿足|Zi|>Zlim的點(diǎn)即為錨桿頂部點(diǎn)云,經(jīng)篩選計(jì)算剩余點(diǎn)曲率時(shí),取其中一點(diǎn)q(x,y,z),由式(1)、式(2)計(jì)算以q點(diǎn)為中心,半徑為r的局部鄰域點(diǎn)云的特征值矩陣Cq,根據(jù)其特征值λ1、λ2、λ3可求得點(diǎn)q的曲率Qq: (6) 為避免因鄰域半徑值r過(guò)小造成錨桿點(diǎn)云曲率值偏低致提取不準(zhǔn)確的問(wèn)題,鄰域半徑值r應(yīng)大于錨桿直徑. 1.3.2 曲率統(tǒng)計(jì)與冪曲線擬合 獲取各點(diǎn)云簇的點(diǎn)云曲率后,對(duì)曲率值進(jìn)行分布統(tǒng)計(jì),計(jì)算曲率頻數(shù)直方圖擬合曲線的曲率最大值點(diǎn),將其對(duì)應(yīng)的點(diǎn)云曲率值作為該點(diǎn)云簇曲率閾值T以區(qū)分錨桿點(diǎn)云與周圍環(huán)境表面點(diǎn)云.其中,直方圖擬合以直方圖頻數(shù)最大值為分界線,對(duì)曲率頻數(shù)采用如下冪函數(shù)曲線進(jìn)行模型擬合: y=axb, (7) 式中,x為曲率值,y為曲率頻數(shù),a、b為擬合參數(shù).針對(duì)各點(diǎn)云簇得到自適應(yīng)閾值后,判斷原始點(diǎn)云中曲率值大于閾值T的點(diǎn)為錨桿點(diǎn).以周圍環(huán)境表面點(diǎn)云誤提取率P對(duì)提取錨桿點(diǎn)云準(zhǔn)確率進(jìn)行評(píng)價(jià),見下式: (8) 式中,n1為各原點(diǎn)云簇的點(diǎn)數(shù),n2為人工判別提取錨桿點(diǎn)數(shù),n3為本文方法提取錨桿點(diǎn)數(shù).最終所得誤提取率P越小,則錨桿點(diǎn)云提取準(zhǔn)確率越高. 圖2 實(shí)驗(yàn)數(shù)據(jù)采集Fig.2 Experimental data acquisition 錨桿支護(hù)方法是地下工程中重要的支護(hù)方法,應(yīng)用于各類地下工程中以提高施工期的穩(wěn)定性,保持一定的承載能力. 在抽水蓄能電站地下廠房開挖階段,由于地質(zhì)條件、爆破等因素造成變形,需定期監(jiān)測(cè)以保證施工的安全性. 本文實(shí)驗(yàn)對(duì)象為浙江省某抽水蓄能電站地下主廠房施工洞室,見圖2(a). 實(shí)驗(yàn)數(shù)據(jù)采集采用德國(guó)Z+F IMAGER 5016三維激光掃描儀掃描洞室,掃描設(shè)置分辨率為0.6 mm,采集的洞室表面密集點(diǎn)云數(shù)據(jù),見圖2(b). 由于施工期洞室拱頂具有支護(hù)錨桿分布密集、裸露長(zhǎng)度不一,噴混表面存在大量凸起的特點(diǎn),導(dǎo)致不同測(cè)站獲取的錨桿點(diǎn)云不完全相同且錨桿根部存在因混合像元效應(yīng)產(chǎn)生的虛假點(diǎn)云,嚴(yán)重影響洞室點(diǎn)云配準(zhǔn)的精度和變形量提取的準(zhǔn)確性. 因此,采用本文提出的基于曲率頻數(shù)統(tǒng)計(jì)的錨桿點(diǎn)云自適應(yīng)提取方法自動(dòng)剔除錨桿點(diǎn)云. 試驗(yàn)區(qū)域?yàn)? m長(zhǎng)度的拱頂節(jié)段精配準(zhǔn)后的洞室點(diǎn)云,拱頂支護(hù)錨桿直徑約為4 cm. 首先,對(duì)該區(qū)域點(diǎn)云進(jìn)行均勻降采樣處理,得到點(diǎn)間距1 cm的降采樣點(diǎn)云,見圖3. 其中,某一存在支護(hù)錨桿結(jié)構(gòu)的局部點(diǎn)云,見圖4(a),該區(qū)域降采樣后點(diǎn)云仍保持錨桿原始結(jié)構(gòu)特征,見圖4(b). 圖4 支護(hù)錨桿點(diǎn)云降采樣Fig.4 Down-sampling of supporting anchor point cloud 圖3 試驗(yàn)區(qū)域降采樣后點(diǎn)云Fig.3 Point cloud in test area after down-sampling 其次,通過(guò)設(shè)置閾值L,對(duì)降采樣點(diǎn)云采用本文提出的支護(hù)錨桿初識(shí)別方法提取疑似支護(hù)錨桿點(diǎn)云. 根據(jù)試驗(yàn)區(qū)支護(hù)錨桿統(tǒng)計(jì)長(zhǎng)度,L取5 cm時(shí),準(zhǔn)確識(shí)別出所有支護(hù)錨桿點(diǎn)云部位,識(shí)別出的錨桿點(diǎn)云中存在少量洞室微小凸起的誤識(shí)別點(diǎn)云. 其中,洞室支護(hù)錨桿的原始某點(diǎn)鄰域內(nèi)點(diǎn)云,見圖5(a),初識(shí)別后得到的疑似支護(hù)錨桿點(diǎn)云,見圖5(b). 5 m節(jié)段拱頂整體點(diǎn)云經(jīng)初識(shí)別得到所有疑似支護(hù)錨桿點(diǎn)云,見圖6中凸起部分點(diǎn)云. 圖5 疑似錨桿初識(shí)別結(jié)果Fig.5 Initial identification result of suspected supporting anchor 圖6 初識(shí)別的疑似錨桿點(diǎn)云Fig.6 Suspected supporting anchor point cloud of initial identification 對(duì)提取的疑似支護(hù)錨桿點(diǎn)云進(jìn)行距離聚類,共獲得疑似支護(hù)錨桿點(diǎn)云442簇,包含錨桿結(jié)構(gòu)點(diǎn)云與誤識(shí)別的洞室微小凸起點(diǎn)云. 以各簇點(diǎn)云重心為中點(diǎn),在原始點(diǎn)云中提取其鄰域范圍內(nèi)點(diǎn)云并轉(zhuǎn)換至局部坐標(biāo)系進(jìn)行判定. 通過(guò)疑似錨桿點(diǎn)云在原始數(shù)據(jù)中提取的疑似錨桿原始點(diǎn)云,見圖7(a),局部坐標(biāo)系中該疑似錨桿原始點(diǎn)云各點(diǎn)到XOY平面距離的統(tǒng)計(jì)直方圖,見圖7(b),試驗(yàn)區(qū)域內(nèi)的錨桿結(jié)構(gòu)點(diǎn)云簇,見圖8. 圖8 存在錨桿結(jié)構(gòu)的點(diǎn)云簇Fig.8 Point cloud clusters with supporting anchor structure 經(jīng)錨桿結(jié)構(gòu)部位判定,該試驗(yàn)節(jié)段區(qū)域共獲取27組錨桿結(jié)構(gòu)點(diǎn)云簇. 為驗(yàn)證自動(dòng)識(shí)別的結(jié)果,采用人工判別方式統(tǒng)計(jì)該試驗(yàn)區(qū)域內(nèi)的真實(shí)支護(hù)錨桿結(jié)構(gòu)數(shù)量為28組,其中2組支護(hù)錨桿結(jié)構(gòu)點(diǎn)云因距離較近位于同一點(diǎn)云簇中. 由此可見,本文方法與人工識(shí)別的支護(hù)錨桿點(diǎn)云簇?cái)?shù)量相同,試驗(yàn)節(jié)段區(qū)域內(nèi)所有的錨桿結(jié)構(gòu)點(diǎn)云簇均能被提取,該方法的錨桿結(jié)構(gòu)點(diǎn)云初識(shí)別準(zhǔn)確率為100%. 對(duì)初識(shí)別中確定存在支護(hù)錨桿結(jié)構(gòu)的27組錨桿結(jié)構(gòu)點(diǎn)云簇,以式(5)中Zlim為閾值提取錨桿頂部點(diǎn)云;根據(jù)實(shí)際錨桿直徑取鄰域半徑值r為5 cm,按式(6)計(jì)算各簇點(diǎn)云曲率,不同類型的支護(hù)錨桿結(jié)構(gòu)所在的點(diǎn)云簇曲率分布,如圖9所示. 圖9 錨桿所在點(diǎn)云簇曲率分布Fig.9 Curvature distributions of cloud cluster with anchor rods 由圖9可知,不同點(diǎn)云簇中頂拱部分與支護(hù)錨桿部分的曲率存在差異,可根據(jù)統(tǒng)計(jì)各點(diǎn)云簇曲率頻數(shù)直方圖加以區(qū)分. 按式(7)對(duì)曲率頻數(shù)數(shù)據(jù)進(jìn)行冪函數(shù)曲線擬合得各點(diǎn)云簇閾值,精提取得到27組點(diǎn)云簇進(jìn)行錨桿點(diǎn)云. 統(tǒng)計(jì)各點(diǎn)云簇原始點(diǎn)云數(shù)n1、人工提取點(diǎn)數(shù)n2、本文方法提取點(diǎn)數(shù)n3及拱頂點(diǎn)云誤識(shí)別率P,見表1. 由表1可得,針對(duì)不同的支護(hù)錨桿類型,本文方法提取的支護(hù)錨桿點(diǎn)數(shù)量均略多于人工提取的支護(hù)錨桿點(diǎn)數(shù)量,拱頂點(diǎn)云誤識(shí)別率范圍為0.1%~5.2%,被誤識(shí)別的點(diǎn)主要位于支護(hù)錨桿與頂拱交接部位,該部位曲率變化存在差異造成錨桿點(diǎn)云過(guò)識(shí)別現(xiàn)象;27組點(diǎn)云簇所精提取的錨桿點(diǎn)云均無(wú)漏識(shí)別現(xiàn)象. 表1 各點(diǎn)云簇錨桿提取結(jié)果Table 1 Extraction results of anchor rods in each cloud cluster 根據(jù)該試驗(yàn)區(qū)域所提取的27組錨桿點(diǎn)云的特征,可劃分為4類典型錨桿結(jié)構(gòu)點(diǎn)云. 其中,類型Ⅰ存在少量混合像元型錨桿點(diǎn)云,共計(jì)14組,其特征如21號(hào)錨桿點(diǎn)云,見圖10;類型Ⅱ存在反向拖影型錨桿點(diǎn)云,共計(jì)9組,其特征如17號(hào)錨桿點(diǎn)云,見圖11;類型Ⅲ為正常狀態(tài)型錨桿點(diǎn)云,共計(jì)3組,其特征如8號(hào)錨桿點(diǎn)云,見圖12;類型Ⅳ為多錨桿聚集型錨桿點(diǎn)云,共計(jì)1組,其特征如26號(hào)錨桿點(diǎn)云,見圖13. 圖10 少量拖影點(diǎn)支護(hù)錨桿提取結(jié)果Fig.10 Supporting anchor extraction results of small amount of shadow point 圖11 長(zhǎng)支護(hù)錨桿提取結(jié)果Fig.11 Extraction results of long supporting anchor 圖12 正常掃描狀態(tài)下支護(hù)錨桿提取結(jié)果Fig.12 Supporting anchor extraction results of normal scanning state 圖13 雙支護(hù)錨桿提取結(jié)果Fig.13 Extraction results of double support anchor 由圖10-圖13可知,類型Ⅰ為長(zhǎng)約20 cm的支護(hù)錨桿,其中包含少量因混合像元效應(yīng)產(chǎn)生的拖影點(diǎn);類型Ⅱ?yàn)橐桓L(zhǎng)支護(hù)錨桿,其頂部包含較多拖影點(diǎn),底部存在因掃描誤差造成的反向拖影現(xiàn)象;類型Ⅲ為正常掃描狀態(tài)下的支護(hù)錨桿,含極少量拖影點(diǎn);類型Ⅳ為上文所述2根支護(hù)錨桿位于同一點(diǎn)云簇內(nèi)的情形. 從上述結(jié)果可以看出,當(dāng)支護(hù)錨桿不垂直于頂拱表面時(shí),存在過(guò)識(shí)別現(xiàn)象,其主要位于支護(hù)錨桿與頂拱表面夾角小于90°的方位,支護(hù)錨桿與頂拱表面夾角大于90°的部位幾乎不存在過(guò)識(shí)別現(xiàn)象. 由此可見,本文方法能夠準(zhǔn)確地從存在大量微小凸起的拱頂噴混表面中提取出不同特征類型、分布密集的支護(hù)錨桿點(diǎn)云,采用本文方法提取的支護(hù)錨桿點(diǎn)數(shù)量多于人工提取的支護(hù)錨桿點(diǎn)數(shù)量,但不存在漏識(shí)別問(wèn)題,能夠滿足后續(xù)數(shù)據(jù)應(yīng)用處理的要求. 本文針對(duì)地下施工洞室拱頂?shù)闹ёo(hù)錨桿點(diǎn)云及其根部拖影點(diǎn)云影響點(diǎn)云精配準(zhǔn)精度和變形量提取的問(wèn)題,根據(jù)錨桿點(diǎn)云和拱頂表面點(diǎn)云之間的曲率差異,提出一種基于曲率頻數(shù)統(tǒng)計(jì)的錨桿點(diǎn)云自適應(yīng)提取方法,經(jīng)實(shí)驗(yàn)驗(yàn)證,得到以下結(jié)論: (1)設(shè)計(jì)的洞室支護(hù)錨桿點(diǎn)云初識(shí)別和精提取環(huán)節(jié),能夠準(zhǔn)確地從不規(guī)則噴混拱頂密集點(diǎn)云中提取支護(hù)錨桿結(jié)構(gòu)點(diǎn)云及其根部拖影點(diǎn)云. (2)構(gòu)建局部坐標(biāo)系下Z坐標(biāo)的分布特征初步篩選疑似支護(hù)錨桿點(diǎn),并采用距離聚類法得到所有支護(hù)錨桿點(diǎn)云簇. 提出依據(jù)實(shí)際支護(hù)錨桿長(zhǎng)度篩選部分支護(hù)錨桿頂端點(diǎn)云的方法,經(jīng)實(shí)驗(yàn)驗(yàn)證,初識(shí)別與聚類后的錨桿結(jié)構(gòu)數(shù)量準(zhǔn)確率為100%. 在保留支護(hù)錨桿邊緣特征的前提下,通過(guò)預(yù)先對(duì)原始密集點(diǎn)云降采樣,能夠有效提高支護(hù)錨桿點(diǎn)云的提取效率. (3)提出的基于曲率頻數(shù)統(tǒng)計(jì)的自適應(yīng)提取方法具有良好的適用性與穩(wěn)定性,拱頂點(diǎn)云誤識(shí)別率范圍為0.1%~5.2%,無(wú)錨桿點(diǎn)云漏識(shí)別現(xiàn)象,能夠精確區(qū)分拱頂部位點(diǎn)云與不同類型的支護(hù)錨桿結(jié)構(gòu)點(diǎn)云,可為水電施工洞室、高鐵隧道、高邊坡等錨桿支護(hù)工程采用三維激光掃描點(diǎn)云進(jìn)行精確配準(zhǔn)、變形監(jiān)測(cè)和精確建模等數(shù)據(jù)處理提供無(wú)錨桿點(diǎn)云影響的優(yōu)質(zhì)數(shù)據(jù).1.3 錨桿點(diǎn)云精提取方法
2 洞室錨桿點(diǎn)云初識(shí)別
3 洞室錨桿點(diǎn)云精提取
4 結(jié)論