基于三維激光掃描的煤礦巷道形變監測方法

戴文祥， 陳雷， 閆鵬飛， 王利欣， 李波， 袁鵬喆

（1. 中煤大同能源有限責任公司，山西 大同 037034；2. 中煤（天津）地下工程智能研究院有限公司，天津 300120）

0 引言

煤礦巷道的形變和破壞是煤礦生產實踐中需要著重考慮解決的問題。煤礦巷道形變是指巷道巖層在受到外力因素作用下產生的形狀和尺寸的變化，巷道形變會造成井下交通中斷、生產設備損壞、人員傷亡等事故，嚴重威脅煤礦正常生產。因此，在煤礦開采過程中，及時、科學、準確地監測巷道形變，掌握巷道狀態及形變趨勢，對保障煤礦安全生產具有十分重要的意義[1]。

隨著計算機技術的快速發展，多種數值模擬技術被廣泛應用于巷道形變的研究中，如有限元法、離散元法、邊界元法、有限差分法、十字觀測法等。王偉等[2]運用理論計算與數值模擬分析，分析了動壓巷道的應力分布規律，為巷道的布設位置選取與支護提供了指導。姜耀東等[3]對開灤礦區趙各莊礦、唐山礦深部開采過程中巷道形變、破壞特征進行了研究，采用FLAC2D數值模擬軟件研究地應力與巷道巖層之間的密切關系。余偉健等[4]利用離散裂隙網絡在FLAC3D軟件中對礦山現場調查得到的裂隙進行了重構還原，研究分析了裂隙發育巖體巷道及典型支護結構體的變形破壞特征。楊景賀[5]采用離散元數值模擬方法，建立了不同支護條件下的高應力軟巖巷道模型，研究了高應力軟巖巷道變形破壞和支護加固的機理。

目前，針對巷道形變破壞的研究以現場實測為主，通過實測可掌握巷道形變破壞情況，直觀了解導致巷道形變破壞的因素及作用效果。葉美圖等[6]針對現有礦井巷道表面位移十字交叉測量方法存在的測量不便、耗時長、工作強度大、誤差不可控等問題，設計了一種礦井巷道表面位移激光測量裝置。該裝置基于激光測距原理，利用激光測距儀完成十字定心和變形測量，通過單個激光測距儀可分別測得巷道中每個測試站頂板、底板、左幫和右幫4個方向的表面位移量。井下試驗結果表明，該裝置實現了無繩測量，測量效率高，結果準確。宋康磊等[7]采用地質雷達測定巷道松動圈，研究了極薄煤層跨采條件下的松動圈大小及巷道形變規律。榮耀等[8]提出了綜采工作面三維激光掃描建模總體方案，對煤壁與頂板交線提取、標靶球檢測、點云拼接及坐標轉換等關鍵技術進行了研究，實現了三維地質坐標系下煤壁與頂板交線信息的近實時獲取，該信息可直接發送給采煤機滾筒，為采煤機下一刀截割提供數據參考。杜江麗等[9]提出了多邊形分割法，將模型的重點關注區域劃分為多個多邊形，對礦區邊坡形變監測數據進行研究。亓玉浩等[10]提出了一種綜采工作面實時三維建圖方法，可滿足綜采工作面監控的精度需求。劉曉陽等[11]針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。王峰[12]提出了以煤層透明化、綜采裝備透明化、決策及控制透明化為核心的基于透明工作面的智能化開采概念。鄒筱瑜等[13]面向移動機器人在煤礦巷道的建圖需求，提出了一種基于集成式因子圖優化的煤礦巷道移動機器人三維地圖構建方法。高曉進等[14]提出了軟巖巷道超前爆破預裂頂板防控技術，以解決軟巖巷道結構的形變問題。

上述方法為巷道形變監測提供了可行的解決方案，但還存在如下問題：① 單一的形變量指標難以準確反映巷道形變演化規律及圍巖狀態與發展趨勢。② 巷道形變具有區域性、連續性、突發性的特點，現有方法存在監測站點單一、測點有限的問題，難以實現大范圍、多站點、區域性同步測量。因此需要選取多個指標建立巷道形變監測指標體系，且需要研究一種具有區域性、連續性、實時性特點的巷道形變監測方法，及時、準確、全面地監測巷道形變以確保煤礦開采安全。

三維激光掃描技術可快速獲取被測物體表面三維坐標，點云數據精度高、密度大，包含反射強度等信息[15]，可實現對巷道形變連續監測。因此，針對煤礦巷道形變監測面臨的問題，本文提出了一種基于三維激光掃描的煤礦巷道形變監測方法。首先，利用深度學習模型VoxelNet對三維激光掃描數據進行檢測去噪。然后，利用alphashape算法對斷面離散點進行擬合，并采用基于差值的方法，對數據進行多維差值計算，得到巷道形變的具體數據，實現礦區巷道形變監測的全覆蓋。最后，利用中煤大同能源有限責任公司塔山煤礦為期1個月的實際監測數據，對巷道形變進行截面分析和三維整體分析。

1 煤礦巷道形變監測方法

1.1 三維激光掃描技術

三維激光掃描技術是一種先進的全自動、高精度立體掃描技術，具有操作簡單、速度快、靈活性高、精度高等特點[16]，數字化、自動化、實時性強，解決了目前空間信息技術發展的瓶頸。

三維激光掃描技術借助水平方位偏轉控制器及對應的高度角偏轉控制器科學控制反射棱鏡的實際轉動，使激光測距系統發射的激光能夠順著不同的坐標軸實時移動并掃描測量。掃描儀自身定義的坐標系統中，X軸在橫向掃描面內，Y軸在橫向掃描面內與X軸垂直，Z軸與橫向掃描面垂直。借助測得的三維掃描儀中心到目標點的斜距S、激光束水平方向偏轉角a和豎直方向偏轉角b來校準并計算激光腳點的實際三維坐標P（X，Y，Z）[17]。

三維激光點坐標計算原理如圖1所示，通過測量大量物體表面點位的三維坐標，讀取并集成現場物體的反射率和紋理等信息，生成被測物點云模型，獲取高精度、高分辨率的三維巷道點云數據。

圖1 三維激光點坐標計算原理Fig. 1 Principle of 3D laser point coordinate calculation

1.2 點云去噪

對三維巷道點云數據去噪是煤礦巷道形變監測得以有效應用的重要預處理步驟[18]。將噪點設為巷道內的人物和內壁附著的螺絲釘和管道等，通過VoxelNet網絡檢測出噪點后，再對數據進行分離。

首先使用點云標注工具Semantic Segmentation Editor制造數據集，標注人物和管道等信息后送入VoxelNet訓練。然后使用VoxelNet中的Voxel將三維空間中的一定空間劃分為一個格子，并使用PointNet網絡對格子的數據進行特征提取。最后用提取出來的特征代表這個格子，并放回到三維空間。將無序的點云數據變成高維特征數據，并使用三維卷積抽取有序的三維Voxel數據。

1.3 點云旋轉

給定2個來自不同坐標系的三維數據點集，找到2個三維數據點集的空間變換關系，使2個三維數據點集處于同一坐標系中，即可實現三維點云配準[19]。配準目標是在全局坐標框架中找到單獨獲取視圖的相對位置和方向，使2個三維數據點集之間的相交區域完全重疊。通過求點云M和點云N之間的旋轉矩陣和平移向量，使點云M和點云N的坐標處于同一坐標系下。通過歐拉角生成旋轉矩陣，將點云數據進行平移和旋轉。設新的空間直角坐標軸分別為X'，Y'，Z'，繞X'，Y'，Z'3個軸旋轉的角度分別為α，β，γ，繞X'，Y'，Z'旋轉分別得到的旋轉矩陣為

對3個旋轉矩陣的點云坐標進行逐元素相乘，得到最終的旋轉矩陣R。

1.4 點云連續斷面

將巷道切分為連續的斷面，根據斷面對巷道進行形變分析，分別向點云的X'OY'和Y'OZ'面進行數據投影，計算當前斷面的中心點P?(x?,y?,z?)，其中，x?,y?,z?為中心點P?在X'，Y'，Z'3個坐標軸上對應的數值。

隨后，構造與Z'軸平行的平面，平面與Z'軸平行且與Y'軸相切，則該平面的法向量u=[0 1 0]，該平面的方程為y-y?=0。由于落于平面的點比較稀疏，所以賦予平面一定的厚度，將點到平面一定距離d內的點都算作該平面的點。

1.5 形變分析

在實際掃描作業中，由于障礙物遮擋或受巷道空間掃描角度的限制，會出現部分點云空洞，難以保證斷面上處處都有激光斑點，所以需要對投影后的斷面離散點集進行擬合。alphashape算法可控制點集邊界擬合以創建非凸區域，采用該算法擬合投影后的斷面離散點集，其計算圓心的原理如圖2所示，計算步驟如下：

圖2 alphashape算法計算圓心原理Fig. 2 Diagram of alphashape algorithm calculating the center of a circle

1） 選取任意一點p(x,y)，以半徑為r的圓進行滾動，在斷面點集中搜索所有距離p點2r以內的點的集合，形成點集Q。

2） 選取點集Q中的任意點p1(x1,y1)，根據p和p12個點的坐標和半徑r，計算出經過p和p12個點且半徑為r的圓心p2(x2,y2)，p3(x3,y3)。

式中H為參數。

3） 計算點集Q中（除p1點）剩余點分別到p2,p3點的距離。若所有點到p2或p3的距離均大于半徑r，則證明p點為邊界點。

4） 若剩余的點到p2或p3點的距離不全都大于半徑r，則遍歷點集Q內的所有點，將其輪換作為p1點，重復上述過程。若存在某點滿足2）和3），則該點為邊界點，終止該點的判斷，繼續判斷下一點。若點集Q中所有臨近點中均不存在p1這樣的點，則p點為非邊界點。

根據alphashape算法擬合巷道斷面輪廓圖，構建不同監測時期同一位置的巷道斷面，將其疊加后，采用對比不同時期同一位置巷道斷面的高度和寬度等信息的方法，可以更直觀地分析巷道形變趨勢。具體分析過程：首先，由alphashapes算法計算第一期巷道斷面的輪廓點，分別計算相鄰2個點p′(x0,y0,z0),q(x1,y1,z1)所構成的線段l1的方向向量，默認p′,q處于同一平面內，故只保留X軸和Z軸值，記為p′(x0,z0),q(x1,z1)。然后，計算過p′點與l1垂直的直線l2，l2即法向直線。最后，計算第二期與第一期相同法向直線的點的坐標，計算2個點間的距離，將其記為形變值。

2 工程實踐

2.1 工程概況

中煤大同能源有限責任公司塔山煤礦的開采工作面為30507工作面，工作面采用單巷布置方式，即在工作面分別布置膠帶巷和回風巷。工作面西側布置回風巷，東側布置膠帶巷，膠帶巷東側為實煤區，回風巷西側為30509工作面采空區（2018年6月停采），30507工作面與30509工作面之間區段煤柱為8 m，因此將30507工作面回風巷作為監測地點，進行為期1個月的實際形變監測。

通過對30507工作面進行實地勘查，其具有以下特點：

1） 靠近工作面的回風巷區域形變量大，已有控制點坐標經過一定時間會發生變化，無法直接利用。

2） 對于井下空間地理坐標系，除用全站儀進行測點定位外，沒有更好的方式將點云數據和礦井坐標系進行聯系。

3） 礦區井下環境相對復雜，煤塵、空氣濕度、振動等工況極易影響工作效率和數據精度。

2.2 實踐方案

塔山煤礦正在回采的工作面為30507工作面，開始監測時采煤機所處位置在里程1 000 m處，監測范圍為里程600～900 m。在測繪區域起始位置即里程600 m處，前后上下交錯架設多個360°棱鏡。根據30507回風巷實際情況，考慮到工作面附近棱鏡位置會產生變化，因此以風門處于終采線以內的基準點為基準，測量各個360°棱鏡的三維坐標，使棱鏡與井下基準點處于同一坐標系下。采用后方交會的方式，在每次進行巷道形變監測數據采集時，以相同基準點作為初始測點的定向點，將礦井坐標系賦予點云數據，以保證每次進行形變監測工作所采集的點云數據都處于同一個空間坐標系下。

受巷道結構影響，只能選取接近于直線的布站路線進行三維激光掃描。為避免由于線性布站及井下煤塵、濕氣等因素造成的拼接誤差，相鄰測站之間采用棱鏡定位的方式進行拼接定位，選擇應用可識別棱鏡并記錄棱鏡信息的三維激光掃描儀。相鄰測站間需保證有2個及以上共同的棱鏡作為拼接基準。

將周期性采集的點云數據置于同一坐標系下，對多次的點云數據進行對比，得出巷道頂底板和煤柱側、回采側兩側壁的形變量。

2.3 數據采集

1） 控制測量。由于三維激光掃描儀具有獨立的坐標系統，為了將點云數據坐標系轉換為實際地理坐標系，需結合全站儀進行控制測量。在里程600 m處做3個能夠固定在錨桿上的棱鏡放置裝置，并在其上安置3個360°棱鏡。以風門處7號、9號、11號基準點為基準，采用全站儀測出3個棱鏡在礦區地測坐標系中的坐標。

2） 在里程600～900 m段，按30 m的間距，在巷道兩幫粉刷并做標記，作為掃描的架站位置；在里程600 m處開始架設三維激光掃描儀，并進行對中整平等操作。

3） 定位棱鏡測量。掃描儀架設完畢后，使用棱鏡掃描功能采集設置的360°棱鏡點位數據，將定位棱鏡信息同步至點云模型中。

4） 根據項目要求選擇合適的掃描參數，建立測站文件夾，使用棱鏡的掃描功能，識別測站間用于點云拼接所架設的棱鏡，識別完成后開始三維激光掃描，獲取該測站全景點云數據。

5） 檢查數據質量，若數據質量合格，即可將掃描儀遷移至下一預設測站，并以同樣步驟進行該測站的三維激光掃描。依次循環，直至待測區域全部掃描完成，即數據采集工作完成。

2.4 數據處理

數據處理過程只需將相鄰測站間相同的棱鏡目標進行匹配，即可達到點云拼接目的，過程如下：

1） 控制點坐標錄入。在數據處理軟件中，使用起始測站中采集的定位棱鏡點創建目標，將全站儀測量的定位棱鏡坐標賦予對應目標，控制點坐標錄入，如圖3所示。

圖3 控制點坐標錄入Fig. 3 Control point coordinate input

2） 后方交會拼接。起始測站點云利用其中的定位棱鏡點與已賦予現場坐標系坐標的目標點位匹配。第二測站點云以起始測站為基準，利用與起始測站共視的2個或2個以上棱鏡進行后方交會，將其與起始測站拼接[20]。后續測站依次進行，得到定位于現場坐標系中的整體測區點云模型。

3） 數據去噪。為采集完整的巷道頂板、底板及煤柱側、回采側兩側壁數據，采用360°全景掃描儀采集現場所有可視數據。由于噪點數據[21]（圖4）會對實施效率及結果精度造成影響，所以需對噪點數據進行去噪，去噪后數據如圖5所示。

圖4 選取的噪點數據Fig. 4 Selected noise data

圖5 去噪后數據Fig. 5 Denoised data

4） 數據輸出。對數據進行拼接、去噪后，在確保點云定位信息固定的前提下，導出相應格式的點云模型，如圖6和圖7所示。

圖6 煤礦巷道點云數據內部視角Fig. 6 Internal perspective of point cloud data in coal mine roadway

圖7 煤礦巷道點云數據外部視角Fig. 7 External perspective of point cloud data of coal mine roadway

2.5 數據分析

在數據處理過程中，將所有三維點云模型置于同一坐標系下，因此在將同一測區的2期三維點云數據導入對比分析軟件后，2期三維點云模型會自動放置在同一位置。

1） 三維整體分析。將置于同一位置的2期點云數據沿其法線方向進行差值分析，得到整體形變量，以色譜的形式將差值進行顯示，不同顏色的分布表示不同區域2期點云模型偏差的分布，顏色的深淺表示該區域偏差大小。通過對模型上顏色的分布和深淺分析，得到該測段巷道形變的整體趨勢，如圖8所示。如果巷道受到向內的擠壓，會變成紅色，紅色越深，表明擠壓程度越大；如果巷道趨近于無變化，則會變成綠色；如果巷道向外擴張，會變成藍色，藍色越深，表明向外擴張程度越大。

圖8 三維整體分析結果Fig. 8 3D overall analysis results

2） 截面分析。以三維整體分析為基礎，在整體巷道點云模型的豎直方向上按一定距離布置截面，截取2期點云在截面上的偏差，以色譜的形式將差值進行顯示，截面分析結果如圖9所示。可看出離工作面距離越近，附色模型的顏色越偏向紅色和藍色，且顏色越深，代表巷道形變越大。

圖9 巷道截面分析結果Fig. 9 Roadway section analysis results

兩期巷道截面對比如圖10所示，通過2個巷道輪廓的相對偏差，可看出該區域主要存在的形變：如果上輪廓向內偏離，則頂板發生塌陷；如果下輪廓向外偏離，則底板發生鼓起。

圖10 巷道截面對比Fig. 10 Comparison of roadway section

3） 預警記錄。點選預警記錄可查看預警位置、里程位置和最大形變值等信息，數據精確，可隨時觀察巷道形變情況，以便采取相應維護措施，巷道形變預警記錄如圖11所示。

圖11 巷道形變預警記錄Fig. 11 Roadway deformation warning record

3 結論

1） 將三維激光掃描技術應用于塔山煤礦30507工作面的形變監測，將人工智能與傳統方法相結合，提出了基于三維激光掃描的煤礦巷道形變監測方法。利用深度學習VoxelNet模型對點云數據進行去噪，利用alphashape算法對斷面離散點進行擬合，并采用基于差值的方法，將數據進行多維差值計算以得到巷道形變數據。

2） 利用塔山煤礦的實際監測數據，對巷道三維點云數據進行了截面分析和三維整體分析。截面分析主要基于巷道三維點云按固定間距選取截面，比對2期點云截面數據，通過截面輪廓差異判斷巷道形變情況；三維整體分析利用2期巷道三維點云數據進行整體比對，通過色譜顯示比對結果，分析巷道形變區域和變化趨勢。隨著測點距工作面的距離越近，附色模型越偏向紅色和藍色，且顏色越深，表明巷道形變越大。