基于GeoSLAM的礦山生產環境快速虛擬重構研究

馬 駿 徐 帥 戴星航 紀旭波，3 王文軍

（1.深部金屬礦山安全開采教育部重點實驗室，遼寧 沈陽 110819；2.遼寧石油化工大學礦業工程學院，遼寧 撫順 113001；3.山東恒邦冶煉股份有限公司，山東 煙臺 264109；4.甘肅酒鋼集團宏興鋼鐵股份有限公司，甘肅 嘉峪關 735100）

深部開采過程常伴隨巖爆、大變形、大體積塌方等工程災害和高溫高濕的開采環境，使深部開采難度越來越大，安全性要求越來越高。數字礦山、智慧礦山、無人礦山的建設正是化解地下開采風險，提高生產效率，降低開采災害帶來的人員傷亡、設備損毀、資源損失與貧化的重要途徑。智慧礦山指應用物聯網、云計算、大數據、人工智能、數據倉庫、數據通信、虛擬現實、智慧采礦等多種技術手段，具有自主知識學習、自主運行、生產智能決策功能的礦山［1-5］。智慧礦山建設中一項重要工作是對礦山真實環境的虛擬描述和表征。井下生產環境的三維模型重構是目前對環境表征的一種行之有效的方法。

生產環境的重構是空間信息集成、虛擬現實和智慧采礦的基礎。將礦山和地下的所有構筑物、巷道、作業場所、生產環境等真實、完整地構建成三維模型，實現對整個礦山環境的實時預覽和智能化管理，為智能化、無人開采提供環境數據支撐。以往生產環境重構常用方法是測量人員現場測量、生成二維圖紙，再交付專業建模人員借助建模工具生成三維模型。如荊永濱等［6］基于地下金屬礦山三維建模，建立爆破模型計算爆破量，指導現場施工；靳慧廣等［7］依據實測二維圖紙和鉆孔數據，借助DIMINE軟件再現了礦體形態和礦床品位分布狀況；徐靜［8］根據地質勘查資料和生產資料，借助3Dmine礦業軟件建立礦區的地質模型和礦體模型，直觀反映出了礦體位置和三維空間形態。但這些方法存在測量工作繁重、建模工作量大，精度低、較難反映生產環境的全貌，對復雜環境表征能力有限等問題，且“測量—建模”的一次迭代周期長，不能及時更正生產環境重構過程中出現的問題。

使用三維激光掃描儀生成三維點云數據，然后利用點云數據重構三維環境模型是生產環境重構的一項新技術。如王虎等［9］提出了基于三維激光掃描的復雜空區逆向建模流程，并開展空區探測與治理的研究；石信肖等［10］首先使用三維激光掃描儀生成三維點云數據，借助Delaunay生長算法處理點云數據；王珍等［11］使用三維激光掃描儀重建礦山模型，然后分析計算表面積，為治理和修復廢棄礦山提供測量數據和決策。由三維激光掃描儀生成三維點云數據，處理點云數據生成模型的方法，較之以往現場測量生成二維圖紙再構建三維模型的方法，建模速度與精度有了顯著提升。但現有的三維激光掃描儀使用前的準備工作量大，需要初始定位、整平、放置標靶等多項準備工作；儀器便攜度不高，靈活性差，不利于現場復雜環境作業；掃描結果精度在厘米級，精度相對較差。

使用高精度、密集采樣的三維激光掃描設備是開采環境精準重構的發展趨勢。GeoSLAM系統搭配即時定位與地圖構建算法（Simultaneous Localization and Mapping，SLAM）解決空間點坐標定位問題，去除掃描設備工作過程中需要人工不斷地進行坐標定位的環節，減輕掃描工作量，提高工作效率，擁有高精度、密集采樣特點，為井下虛擬環境重構提供了一種嶄新途徑。本研究基于GeoSLAM設備，提出了應用于現場的三維環境快速重構工作流程；考慮對礦山原有數據的利用和實際生產需求，提出了GeoSLAM系統建模與工程測量數據建模相結合的井下生產環境重構方法，并將其應用于某金礦的井下生產環境重構工作中，結果表明，上述所提流程和建模方法合理有效。

1 GeoSLAM系統

1.1 系統介紹

GeoSLAM系統是由GeoSLAM公司研發的用于重構三維空間場景的一套包含軟硬件的三維激光掃描系統。系統包括：①ZEB-REVO便攜式三維激光掃描儀，實物如圖1（a）所示，用于掃描生成空間坐標點和相對坐標定位；②對空間坐標點云解算、預處理、封裝模型的一系列可視化及分析軟件。GeoSLAM系統數據生成原理如圖1（b）所示。

GeoSLAM系統具有以下特點：①掃描前期準備工作量小，數據掃描無需布置控制點，極大地減輕了掃描前期準備工作量；②掃描靈活、快速，支持手持、背負、車載等多種掃描方式，連續動態掃描方式靈活快速；③掃描精度高，ZEB-REVO使用100 Hz的激光掃描頻率，慣性測量單元和閉合掃描方法能夠矯正移動誤差和累計誤差，生成數據點誤差小，精度高；④點云處理和三維建模快速便捷，系統提供的軟件可將掃描數據自動解算為點云，軟件封裝了大量處理點云數據工具和三維建模工具，點云處理和三維建模快速高效。

1.2 原理分析

GeoSLAM系統使用激光掃描器生成空間坐標點，使用同時定位與地圖重構技術解決坐標點之間的相對坐標定位，SLAM算法最先在機器人領域被提出，用于機器人自主定位和導航［12］。激光掃描器以一定的空間角度發射激光，統計發出脈沖與接收脈沖的時間差來計算掃描儀與空間點之間的距離，記錄空間角度和距離得到空間點相對激光掃描儀當前位置的坐標，隨著激光掃描儀的移動，不斷生成不同時刻，相對激光掃描器不同位置的空間坐標點，SLAM算法通過探頭的運動軌跡和不同時刻不同位置空間點相對激光掃描器的坐標，將所有的坐標點映射到同一相對坐標系中，這些坐標點構成掃描物體的空間輪廓。ZEB-REVO中的慣性測量單元實時評估探頭的姿態和矯正測量人員行進速度對測量距離的影響。通過激光掃描器和慣性測量單元的結合使用可有效克服激光雷達垂直分辨率低和測量人員運動擾動影響測量精度的問題［13］。現場工作過程中，測量人員手持儀器沿掃描路線行進，再結合掃描移動過程中測量探頭的周期運動，即可生成待測空間的三維空間數據，數據生成的原理如圖1（b）所示。

在提高掃描精度方面，由于SLAM算法處理原始數據時，是基于參照點進行數據計算以確定點云的空間位置，當掃描逐漸推進時，掃描誤差會累積，一般使用環形閉合檢測修正里程計誤差［14］。實際測量過程中，操作人員盡可能地使設備結束掃描的最后位置和掃描開始的位置完全重合，能有效提升數據的精度。為保證數據精度與準確性，應盡量避免“原路返回”的測量路徑，測量過程中可進行多次“小閉路”掃描來進一步提升掃描數據的可靠性。

2 生產環境快速重構關鍵技術

2.1 基于GeoSLAM的生產環境重構流程

生產環境重構過程包含了外業測量和內業建模兩部分，整體流程如圖2所示。

外業測量包含掃描環境處理、掃描線路規劃、組裝儀器和現場掃描四個部分。井下環境復雜，為保證掃描過程中掃描儀能夠捕捉到足夠多的特征點，需要預先對掃描環境人為處理。對于環境特征單一的區域，可人為增加特征點；對于管線密集，或者有機車、鏟運機、行人的區域，需要清除不必要的干擾因素，減少特征點數量。

掃描線路的規劃遵循“路線閉合，避免重復”的原則，為減少掃描累計誤差，掃描線路必須閉合。井下巷道錯綜復雜的情況下，將大區域劃分為小區域，小區域內的掃描路線確保閉合；各個小區域之間避免重復掃描。現場掃描過程中，按照規劃好的掃描路徑對待掃描區域進行掃描，保持掃描范圍內的空間變化連續平滑，以免造成掃描數據異常。

內業建模工作包括數據導出、原始數據解算、點云預處理、點云建模、模型數據導出和模型評估。首先將數據采集器內的數據解算為三維空間點云數據，初始點云數據包含大量重復點、噪聲點、異常點，需要預處理后才能用于建模，最后借助系統提供的建模工具將點云數據構建成三維模型。

模型的好壞很大程度上依賴點云數據的質量。現場掃描工作直接影響點云數據的質量，如果建立的模型和現實相差較大，需要排查重構流程中的各個環節，分析掃描過程中造成誤差的原因，重新設計掃描方案，進行外業測量。從外業測量到內業建模，然后評估模型質量，對于不合格的模型，需重新外業測量。直到模型和現實環境相差很小，符合生產要求。

2.2 點云處理

實際掃描過程中，溫差、濃霧、粉塵、移動機車、空間形態復雜等多種因素都會對掃描精度造成較大影響，產生大量的噪點和異常點數據，并且儀器本身也存在一定的測量誤差。因此，需要對點云數據預處理，盡量減小數據中由環境、設備造成的誤差。

點云預處理的內容主要包含稀釋、降噪、裁剪、刪除體外孤點。稀釋處理是降低點云密度，去除重復測量的點，在減少空間點數量的同時保證點云呈現的整體空間形態不會發生變化，點云稀釋后將減輕建模的計算量，提高建模效率。降噪處理是組合使用多種濾波器去除掃描過程中造成的噪聲點和異常點，保證整體數據的平滑性。常用濾波器有直通濾波器、體素濾波器、統計濾波器、半徑濾波器、高斯濾波器和移動最小二乘法光滑濾波器等，不同濾波器側重功能不同，組合使用能夠起到降采樣，去除噪聲點和離群點，平滑邊緣角的效果。刪除體外孤點處理是計算點云中和大量的點相距距離較大的點，通過判斷點和點之間的距離關系，找出那些和大多數點無關性高的點，進行刪除。點云的預處理使點云數據整體上更加平滑，有利于后續建模。如圖3（a）是沒有處理的點云數據，點云密度大、重復點多，存在噪聲點，巷道邊緣存在孤立點。借助點云處理工具，對點云進行稀釋、降噪、去除體外孤立點后的點云如圖3（b）所示，可以看出模型輪廓清晰，不存在孤立點和噪聲點，處理效果良好。

2.3 模型重構

模型重構是環境虛擬重構的關鍵步驟。模型構建的任務是將預處理后的點云數據生成三角網格，再由三角網格生成實體模型。GeoSLAM系統提供了“封裝”工具將點云數據自動轉化為三角網格，再將三角網格轉化為三維實體。系統還提供對三維實體的編輯、修改、漫游、移動、旋轉等工具，使得三維建模過程快速高效。

將點云數據轉化為實體模型，選擇“封裝”工具，工具可以快速生成三維實體，快速生成的模型如圖4（a）所示。由點云初步構建的“封裝”模型會存在孔洞、釘狀物、小通道、自相交等缺陷，需要對模型進行修正。孔洞的解決方法是使用充填的方法，在孔洞上重新生成三角網格；模型上的凸起釘狀物，通過算法評估模型整體的平滑性，判斷檢測區域曲率與局域曲率是否相差很大，相差較大的區域存在凸起釘狀物的，需要將該區域曲率調整到和局部曲率相同來去除釘狀物。

GeoSLAM系統封裝了像“充填”、“網格醫生”、“流形”等工具可以快速檢測模型中存在的上述問題，能夠達到一鍵自動修復模型的程度。如圖4（b）是使用修復工具處理后的模型，可以看到巷道表面明顯光滑平整，模型完整。

2.4 組合建模

2.4.1 分區掃描的模型組合

建模區域過大的情況下，通常進行分區域掃描，每個區域單獨建模，然后區域之間組合成整體。對于分區域建模的情況，掃描時相鄰區域之間重疊掃描一定的面積，并且人為設置標志物或者記錄坐標點，用于模型組合。如圖5（a）、圖5（b）是分兩次掃描后建立的巷道模型，圖5（c）是組合后的巷道模型。

2.4.2 不同建模方法之間的模型組合

GeoSLAM系統通過現場快速掃描和后期強大的建模工具，能夠快速生成生產環境的實體模型，掃描儀通過密集采樣，能夠反映出巷道空區的細節。然而在礦山開采過程中，已經由測量人員測量了大量的二維圖紙，對于不需要精細化建模的區域，使用已有的二維圖紙建模；在需要精細建模的區域，使用掃描系統建模，將二維圖生成的三維模型和現場掃描構建的模型組合，得到整個礦區的三維模型。這種利用現有測量數據建模和特定區域的掃描建模相結合的方法，能夠極大節省建模成本和建模工作量，既復用了現有數據又滿足了特定區域精細化建模的需求。如圖6（a）是使用二維圖創建的三維巷道模型，圖6（b）是通過掃描創建的局部巷道模型，圖6（c）是二者組合后的模型。

3 工程應用

某金礦區由于礦脈整體薄而分散，井下工程布置多而不集中，巷道跨度大，給生產規劃和日常管理帶來一定困難。為了礦區生產環境的全面掌握和方便管理，對該礦山開展生產環境的重構試驗。

GeoSLAM系統重構的區域位于該礦山下屬礦區-215 m中段，該中段巷道沿東北—西南走向布置，掃描區域南北跨度250 m，東西跨度150 m。對該區域掃描得到的點云，按照本文所提環境重構流程，重構得到該區域的三維模型。結合該礦區在生產開采過程中的歷史測量數據，由測量數據構建出礦區井下三維模型，再結合GeoSLAM系統重構模型，構建出整個礦區井下環境模型，如圖7所示。

從井下環境重構的最終效果可以看出，由礦山歷史測量數據生成的模型，能夠直觀反映出整個礦區的井下三維景象，重構生成的巷道能夠反映出真實環境和巷道細節內容，還原實際生產環境，2種建模方法結合，不僅提高了測量數據的使用率，而且能滿足對特定區域精細建模的要求。

4 結論

（1）提出了基于GeoSLAM系統的井下生產環境重構整體流程，該生產環境重構流程主要包括數據掃描和三維建模2個重點內容，按操作流程劃分為外業測量和內業建模兩部分。

（2）提出了GeoSLAM系統建模與工程測量數據建模相結合的井下生產環境組合建模方法。該方法不僅能夠有效利用現有數據，而且滿足了特定區域精細建模的實際生成需求。

（3）井下生產環境重構的實踐結果表明，提出的生產環境重構方法和流程合理、有效，并且具有周期短、迭代快、歷史數據利用率高的優點，表明了Geo-SLAM系統可以作為一種新的三維環境重構工具，服務于智慧礦山的建設。