基于三維激光掃描技術的巷道頂板監測研究

劉曉陽 胡喬森 李慧娟

(中國礦業大學(北京)機電與信息工程學院，北京市海淀區，100083)

?

基于三維激光掃描技術的巷道頂板監測研究

劉曉陽 胡喬森 李慧娟

(中國礦業大學(北京)機電與信息工程學院，北京市海淀區，100083)

針對巷道頂板穩定性監測中存在的隨著開采深度的增加，巷道頂板壓力逐漸增加，巷道頂板垮落嚴重，頂板災害頻繁發生，而對巖性變化和構造的分析監測越來越困難的問題，研究了當前巷道頂板穩定性監測方法和三維激光掃描技術在變形監測中的應用，通過采用三維激光掃描的方法對巷道頂板穩定性進行監測，得出三維激光掃描技術在巷道頂板穩定性監測中的可行性。

巷道頂板 頂板壓力 頂板穩定性 監測 三維激光掃描

煤炭是我國的主要能源，而我國的地質環境復雜，煤礦開采過程中，安全狀況令人擔憂。在煤礦的各種自然災害中，巷道頂板事故一直困擾著煤礦的安全生產。頂板災害是煤礦生產中最常見的災害，致死率一直居高不下。巷道頂板穩定性主要受地質條件或采動等影響，因而巷道頂板穩定性問題是多種問題的綜合表現，頂板的穩定性直接影響開采的方式、支護的強度、采區的位置等。隨著礦井開采深度的增加，巷道頂板的壓力變大，對巖性變化和構造的監測越來越困難，隨之而來的是頂板冒頂災害的頻繁發生。巷道作為煤礦開采推進中重要的組成部分之一，頂板的穩定性監測極其重要。因此，對巷道頂板穩定性的監測研究是保證煤礦井下安全生產的核心問題。

現今，巷道頂板穩定性領域的研究主要有巖體結構與力學理論、礦壓和地質條件理論、支護壓力監測等方法。當前對頂板構造、巖性變化分析及頂板穩定性分區及評價、預測都是利用鉆探、測井等傳統地質手段，我國現有的煤礦巷道安全監測系統通常使用應力傳感器獲取應力的變化參數來反映巷道頂板的穩定性，故而需要鉆孔安裝大量傳感器、網線、數據線、電源線，安裝成本巨大，對人力、物力要求極高，同時在使用過程中不可避免的受到干擾或損壞，由于工程量的限制和地質研究方法的局限性，很難對頂板空間進行精確監測。隨著三維激光掃描技術的逐漸發展，越來越多的領域將該技術作為首選的測量、監測解決方案。本文在研究了當前巷道頂板穩定性監測方法及三維激光掃描技術在變形監測領域中的應用方案，在此基礎上提出了將三維激光掃描技術應用到巷道頂板穩定性監測領域中。

1 系統方案

本文所選取的三維激光掃描儀利用光學干涉原理，以非接觸式快速獲取巷道頂板表面大量幾何紋理信息，以高質量、高精度的點云數據重建出巷道的三維模型。海量點云數據的處理與分析則需要大量的時間，而點云數據處理與分析的時間長短將直接影響到對巷道頂板變形的監測周期，因此，監測周期的縮短對井下的安全生產至關重要。當前點云數據處理領域中所使用的算法復雜度比較高，故而其監測周期過長，不利于井下的安全生產。因此，在深入分析現有點云數據處理算法的優點及不足基礎上，提出采用非均勻壓縮法對點云數據進行簡化，進而大大縮短點云數據在變形分析中的處理時間。

本文的監測系統方案包括使用三維激光掃描儀進行點云數據采集、對巷道點云數據進行處理簡化、對巷道模型進行變形分析。

2 巷道點云數據采集

現階段，三維激光掃描儀并不能完全達到本質安全型設備的標準，因此在對煤礦井下進行點云數據采集時，必須要保證掃描環境中遮擋物較少，例如頂板支架及開采設備等；空氣中的粉塵含量必須達標，否則對點云數據的精度有極大影響；空氣中的濕度必須合適；盡量選取礦井停止生產的區域，以免影響煤礦井下的安全生產；人員進行數據采集工作時，必須采取相應的安全預防措施。

本試驗采用FARO Laser Scanner Focus 3D進行現場數據采集，該掃描儀水平視野360°，垂直視野300°，測角精度0.015°，測距范圍0.6～130 m，最大測速976000點/s，測距誤差±2 mm。其點云數據采集步驟如下：

步驟1：在待測區域計算測點位置。在巷道內部多個測點進行三維點云數據的采集，測點與測點的間距越大，需要測量的次數就越少；反之間距越小，需要測量的次數就越多。而過大的測點間距會導致點云數據的誤差變大。同時兩測點之間掃描區域至少需要有30%以上的重合，便于后續點云拼接精度不受影響。

步驟2：使用三腳架將三維激光掃描儀固定到測點位置。

步驟3：準備多個球體及強力膠，使用至少3個球體固定到巷道內部不同平面上，作為標靶點，為點云數據分析做準備。

步驟4：在時間序列上對待測區域進行多次掃描，獲得T1，T2，…，Tn時刻的巷道點云數據。

3 巷道三維點云數據的簡化

三維激光掃描儀在高精度、高速度獲取數據方面有很大的優勢。因其以較高分辨率獲取的點云數據量非常龐大，故而存在大量的點云數據冗余。如果對獲取的原始點云數據在不經簡化的情況下進行數據的存儲、傳輸和處理，將會大大降低點云模型重建的速度和處理效率。因此本文提出采用非均勻壓縮法對巷道點云數據進行簡化。非均勻壓縮法即將點云數據應用八叉樹算法均勻分割成若干小立方體，然后計算每個立方體內點云點的平均曲率。根據各小立方體的平均曲率決定是否對該立方體再次進行八叉樹分割，直至分割完成。設共獲取n個點云數據點數，即集合Pi，i∈0,1,2,3…n。將Pi記做Cube，經第一次八叉樹分割得到Cube0，Cube1，Cube2，Cube3，Cube4,Cube5,Cube6,Cube7。對Cube0進行一次八叉樹分割得到Cube00，Cube01，Cube02，Cube03，Cube04,Cube05,Cube06,Cube07，依次對Cubei進行八叉樹分割。然后取每個小立方體的重心點來代替該小立方體中所有的點，并計算兩相鄰重心點的距離。

設巷道點云模型有n個點，任意兩相鄰點的距離為disk，計算任意兩相鄰點距離的均值d′和方差D(dis)：

式中：d′——任意兩相鄰點間的均值；

disk——任意兩相鄰點的距離；

D(dis)——任意兩相鄰點的距離的方差。

設第i個小立方體內共p個點，各點的曲率為ξp，則平均曲率ξ′為：

(3)

4 巷道模型形變分析

巷道的斷面提取為巷道形變分析的基礎。傳統的斷面提取方法是采用全站儀或斷面掃描儀按等距或等角模型沿著斷面采集一定數量的點位坐標，并根據采集的點集擬合分析斷面形變情況。這種斷面提取方法存在監測點位需要布置的比較多，浪費人力物力，自動化程度比較低，數據處理時間長，不利于監測，現場數據采集條件要求比較高等問題。

綜上，本文提出基于巷道點云數據分割的斷面提取技術，通過一次點云數據的采集，并對數據進行中軸線擬合，即可根據其中軸線提取任意位置的斷面點云數據。對于中軸線上任意一點，計算該點處的切線，則該切線的法平面即為斷面，巷道斷面示意圖如圖1所示。

計算過程中最終的斷面的厚度可由中軸線的曲率所決定，一般情況下，厚度取25cm即能滿足分析收斂性精度的要求。對統一空間上的時間序列上的斷面section1，section2，…，sectionT分別進行處理。由于巷道管壁的設計形狀不規則，因此本文對空間序列上的斷面模型做建模分析，參照其模型設定空間序列上的Matching模型，定為標準模型，如圖2所示。

圖1 巷道斷面示意圖

圖2 Matching模型

本文將每個時間序列上的斷面數據與Matching模型相擬合，選擇不同時間序列斷面上的n個基準點。基準點選擇越多越精確，但同時帶來的計算量呈幾何增長，因此本文在保證精度的情況下，選取14個基準點作為參考數據。

計算各個基準點到Matching模型對應基準點的平均距離ΔD1，ΔD2，…，ΔDT，設該空間區域擬合收斂系數為Φ1，Φ2，…，Φ14，則Φ可表達為：

(4)

則該空間區域平均收斂系數為：

(5)

5 試驗驗證

試驗巷道的點云數據運行在Core i7, 3.20GHz CPU, 16G內存, NVIDIA GTX 1080Ti的工作站上，應用VC++6.0、Geomagic Studio 2013、GOM Inspect計算獲得。

巷道點云數據是使用FARO Laser Scanner Focus 3D掃描冀中能源孫莊礦某巷道進行現場數據采集，得到某區域的巷道模型如圖3所示。

圖3 巷道模型

將獲取的點云數據導入Geomagic Studio中，未簡化的點云模型有1472663個點，經本文算法簡化后的點云模型有30797個點。在保證其精度的前提下，極大地加快了點云數據在變形分析中的運算時間，縮短了監測周期。

對時間序列上Tn時刻巷道點云數據按以上所述斷面提取方法，提取同一空間位置的斷面點云數據。將時間序列上斷面點云數據轉換為.stl格式導入GOMInspect對斷面點云數據進行擬合度測試。本文試驗以T0時刻斷面點云數據為參考獲得Matching模型。將T1時刻的斷面點云導入分析擬合度，具體分析報告數據如圖4所示。

對固定空間區域的5次時間序列上的T1，T2，T3，T4，T5斷面數據做擬合度分析，同時對每次所得到的變形數據做統計，其結果如表1所示。

圖4 評斷面點云擬合度測試

點位/mm斷面數據/mmT1時刻斷面T2時刻斷面T3時刻斷面T4時刻斷面T5時刻斷面A0+0.01-0.02-0.01+0.02B-0.09-0.1000+0.01C-0.11-0.13-0.11-0.09-0.09D-0.10-0.10-0.12-0.10-0.11E-0.11-0.12-0.09-0.08-0.03F-0.08-0.08-0.07-0.09-0.08G-0.32-0.31-0.29-0.29-0.30H-0.37-0.34-0.30-0.30-0.35I-0.03-0.03-0.02-0.020J-0.03-0.02-0.010-0.03K-0.09-0.05-0.04-0.05-0.07L+0.0300+0.02+0.03M-0.09-0.05-0.04-0.05-0.07N+0.0300+0.02+0.03

注：A～N為選取的14個點；正負號代表凹凸值

6 結語

三維激光掃描技術是近年來興起的一項高新技術，在眾多領域中有著極為廣泛的應用前景。本文針對三維激光掃描技術的優點和巷道變形分析原理，將三維激光掃描技術應用于煤礦井下巷道頂板穩定性監測中，為煤礦巷道頂板穩定性監測提供了一種新的方法與思路，為制定巷道頂板穩定性監測標準、分類規范監測信息、推動煤礦安全生產的標準化建設提供了一定的借鑒意義。

[1] 吳青峰.突出礦井緩傾斜堅硬煤層安全開采技術研究[J].中國煤炭,2016(4)[2] 張儉讓,余學義,任彥榮.韓家灣煤礦礦山壓力顯現規律與工作面安全開采[J].中國煤炭,2009(9)

[3] 周李兵,孫駿馳.煤礦巷道頂板離層監測系統設計[J].工礦自動化,2012(4)

[4] 陳凱,張達,張元生.采空區三維激光掃描點云數據處理方法[J].光學學報,2013(8)

[5] 陳鑫,王李管.采空區單站激光等距掃描與高效三維重建方法[J].中國礦業大學學報,2016(4)

[6] Xian Sheng Ran, Li Lin, Han Bing Wei. Point Cloud Data Acquisition Based on Reverse Engineering Technology[J].Applied Mechanics and Materials,2012(159)

[7] 劉洪濤,馬念杰.煤礦巷道冒頂高風險區域識別技術[J].煤炭學報,2011(12)

[8] 朱延娟,周來水,張麗艷.散亂點云數據配準算法[J].計算機輔助設計與圖形學學報,2006(4)

(責任編輯 張艷華)

Research on coal mine roof monitoring based on three-dimensional laser scanning technology

Liu Xiaoyang, Hu Qiaosen, Li Huijuan

(School of Mechanical Electronic & Information Engineering, China University of Mining & Technology, Beijing, Haidian, Beijing 100083, China)

With the increase of mining depth, the mining pressure increased gradually, then deep roadway roof caving became serious, and roof disasters occurred frequently, while the analysis of lithology and structural monitoring was becoming more and more difficult, the current roadway roof stability monitoring method and three-dimensional laser scanning technology application in the field of deformation monitoring were studied, the method of three-dimensional laser scanning of roadway roof stability monitoring was adopted, the feasibility of three-dimensional laser scanning technology in roadway roof stability monitoring was concluded.

roadway roof, roof stress, roof stability, monitoring, three-dimensional laser scanning technology

國家重點研發計劃項目(2016YFC0801800)，國家自然科學基金資助重點項目(51134024)，中央高校基本科研業務費專項資金項目(2009KJ03)

劉曉陽，胡喬森，李慧娟.基于三維激光掃描技術的巷道頂板監測研究[J].中國煤炭，2017,43(7)：81-83，107. Liu Xiaoyang, Hu Qiaosen, Li Huijuan. Research on coal mine roof monitoring based on three-dimensional laser scanning technology[J]. China Coal, 2017，43(7):81-83，107.

TD76

A

劉曉陽(1968-)，女，山西太原人，博士，副教授，主要從事礦井監控與通信方面的研究。