基于已知點(diǎn)約束的高精度煤礦巷道三維點(diǎn)云建模方法

關(guān)鍵詞：巷道建模；三維激光雷達(dá)掃描；同時定位與地圖構(gòu)建；SLAM；已知點(diǎn)約束；三維點(diǎn)云地圖

中圖分類號：TD67 文獻(xiàn)標(biāo)志碼：A

0引言

煤礦智能化是我國煤炭企業(yè)高質(zhì)量發(fā)展的核心技術(shù)支撐[1-2]，而高精度的時空數(shù)據(jù)是煤礦智能化的基礎(chǔ)。煤礦巷道作為采運(yùn)裝備的重要載體，是礦井實(shí)景三維的重要組成部分，也是智慧礦山的空間信息基礎(chǔ)，煤礦巷道三維建模對于科學(xué)合理地組織各類礦山信息，將海量異質(zhì)的礦山信息資源進(jìn)行全面、高效和有序地管理與整合起著重要作用，可為煤礦智能化開采提供精準(zhǔn)的三維空間數(shù)據(jù)支撐[3-4]。

煤礦巷道參數(shù)化建模方法主要有以下3 種[5]：借助巷道頂?shù)装逯行木€數(shù)據(jù)與斷面數(shù)據(jù)完成巷道建模；借助巷道中心線及頂?shù)装暹吔缇€完成巷道建模；利用巷道中心線及邊界線來提取高程以完成巷道建模。這3 種方法主要依靠斷面特征點(diǎn)、導(dǎo)線點(diǎn)、巷道中心線等數(shù)據(jù)進(jìn)行建模，受到特征數(shù)據(jù)精度影響導(dǎo)致建模精度較低，且不能準(zhǔn)確描述巷道邊界[6]。隨著傳感器技術(shù)的快速發(fā)展，三維激光雷達(dá)掃描技術(shù)憑借其測量速度快、范圍廣、精度高等優(yōu)勢，為煤礦巷道高精度三維點(diǎn)云建模開辟了新途徑。尤其是激光雷達(dá)同時定位與地圖構(gòu)建（Simultaneous Localizationand Mapping，SLAM）技術(shù)的快速發(fā)展與廣泛應(yīng)用極大地提高了煤礦巷道三維建模的效率[7-10]。H.Kim 等[11]利用編碼器和多個激光雷達(dá)傳感器在水平方向上連續(xù)檢測巷道壁形狀并執(zhí)行模式匹配，同時疊加垂直方向上的掃描結(jié)果，實(shí)現(xiàn)了高精度巷道建模。劉敬娜等[12]提出了一種分體分面組合模型自動建模技術(shù)，為煤礦巷道建模提供了一種新的技術(shù)思路。Wang Jiaheng 等[13]提出了基于體素網(wǎng)格的點(diǎn)云處理與改進(jìn)的點(diǎn)面匹配方法，并結(jié)合地面點(diǎn)云約束的滑動窗口優(yōu)化，得到了較好的建模結(jié)果。劉少杰等[14]提出了一種點(diǎn)云數(shù)據(jù)與三維柵格映射的掘進(jìn)巷道空間建模方法，極大地減少了數(shù)據(jù)處理量。江記洲等[15]將礦山巷道的三維點(diǎn)云數(shù)據(jù)通過圓柱面投影轉(zhuǎn)換為二維離散點(diǎn)，應(yīng)用分治算法進(jìn)行三角剖分，并保存二三維點(diǎn)云與三角網(wǎng)之間的拓?fù)潢P(guān)系，從而完成三維巷道模型重建。M. J. M. Gurgel 等[16]針對地下不利環(huán)境條件使建模技術(shù)變得復(fù)雜的問題，提出了適用于惡劣條件下的對齊與配準(zhǔn)算法，以獲得精確的三維模型。

然而，面對煤礦井下低照度、弱紋理、高粉塵等復(fù)雜條件，現(xiàn)有煤礦巷道三維建模方法存在成本高、時效性差和精度低等問題。因此，本文提出一種已知點(diǎn)約束的高精度煤礦巷道三維點(diǎn)云建模方法。該方法通過多重優(yōu)化的前端匹配，將已知點(diǎn)約束信息加入到復(fù)雜煤礦巷道激光SLAM 建模中，以校正測站點(diǎn)和全局點(diǎn)云地圖坐標(biāo)，從而提高煤礦巷道三維點(diǎn)云建模精度。

1方法原理

已知點(diǎn)約束的高精度煤礦巷道三維點(diǎn)云建模流程如圖1 所示。首先，采集激光雷達(dá)點(diǎn)云數(shù)據(jù)（采集頻率10 Hz） 、慣性測量單元（Inertial MeasurementUnit，IMU）數(shù)據(jù)（采集頻率200 Hz）和已知點(diǎn)坐標(biāo)數(shù)據(jù)。其次，對激光雷達(dá)點(diǎn)云數(shù)據(jù)與IMU 數(shù)據(jù)進(jìn)行處理：對于激光雷達(dá)點(diǎn)云數(shù)據(jù)，利用IMU 預(yù)測的位姿對激光雷達(dá)運(yùn)動過程中可能導(dǎo)致的點(diǎn)云畸變進(jìn)行去除，再通過多重優(yōu)化對去畸變的激光雷達(dá)點(diǎn)云數(shù)據(jù)進(jìn)行初步優(yōu)化，以提高前端配準(zhǔn)的精度和效率；對于IMU 數(shù)據(jù)，通過構(gòu)建新的預(yù)積分觀測值用于后端優(yōu)化。然后，激光SLAM 里程計判斷是否添加測站點(diǎn)，并通過附合導(dǎo)線控制測量計算各測站點(diǎn)坐標(biāo)。最后，將測站點(diǎn)坐標(biāo)作為約束，利用非線性優(yōu)化方法校正三維激光點(diǎn)云地圖，獲得已知點(diǎn)約束的巷道點(diǎn)云三維模型。

1.1數(shù)據(jù)處理

采用體素濾波器對激光雷達(dá)點(diǎn)云數(shù)據(jù)進(jìn)行降采樣，再針對降采樣數(shù)據(jù)進(jìn)行多重優(yōu)化。第1 重優(yōu)化：結(jié)合IMU 提供的加速度和角速度信息對激光雷達(dá)運(yùn)動畸變進(jìn)行校正， 生成畸變校正點(diǎn)云P， 同時對IMU 數(shù)據(jù)進(jìn)行預(yù)積分，形成用于后端優(yōu)化的IMU 因子，為后續(xù)的位姿估計提供運(yùn)動約束。第2 重優(yōu)化：使用迭代最近點(diǎn)（Iterative Closest Point，ICP）[17]對降采樣的激光雷達(dá)點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)，形成局部點(diǎn)云Q，再將畸變校正點(diǎn)云P 與局部點(diǎn)云Q 進(jìn)行ICP 配準(zhǔn)，形成激光雷達(dá)因子，通過2 次加入ICP 配準(zhǔn)，加強(qiáng)了對環(huán)境點(diǎn)云的約束。第3 重優(yōu)化：結(jié)合激光雷達(dá)點(diǎn)云數(shù)據(jù)和IMU 數(shù)據(jù)，計算當(dāng)前幀與前一幀之間的運(yùn)動變化，生成里程計因子。將激光雷達(dá)因子、IMU 因子和里程計因子融入到因子圖中實(shí)現(xiàn)狀態(tài)更新，在后端采用Scan Context 技術(shù)[18]加入回環(huán)檢測以糾正累計漂移。

1.2測站點(diǎn)坐標(biāo)確定

為確定測站點(diǎn)間的距離，通過大量實(shí)驗對多種巷道結(jié)構(gòu)和場景中不同測站點(diǎn)間距下的SLAM 定位精度進(jìn)行評估，發(fā)現(xiàn)當(dāng)測站點(diǎn)間距控制在90 m 以內(nèi)時，SLAM 定位誤差能夠保持在一個相對較低且可接受的范圍內(nèi)，生成的點(diǎn)云地圖具有較高的精度。因此，每隔一定時間計算激光雷達(dá)所在位置與初始位置的大致距離，若達(dá)到90 m，則在此位置附近生成的地圖點(diǎn)上確定1 個測站點(diǎn)，這樣每隔90 m 尋找1 個測站點(diǎn)作為約束，直至掃描結(jié)束。

附合導(dǎo)線控制測量始于一個已知點(diǎn)或已知邊，向外延伸經(jīng)過若干未知點(diǎn)，最終到達(dá)另一個已知點(diǎn)或已知邊，通過平差計算可以得到未知點(diǎn)的平面坐標(biāo)[19]。附合導(dǎo)線控制測量原理如圖2 所示。已知點(diǎn)A、點(diǎn)B、點(diǎn)C、點(diǎn)D的坐標(biāo)，假設(shè)點(diǎn)A、點(diǎn)B與點(diǎn)C、點(diǎn)D中間有3個測站點(diǎn)，若測量方向為從點(diǎn)A、點(diǎn)B出發(fā)向點(diǎn)C、點(diǎn)D方向前進(jìn)，則測得的前后測站點(diǎn)夾角為前進(jìn)方向的右側(cè)角度。通過已知點(diǎn)的坐標(biāo)方位角和測得的右側(cè)角度，可遞推計算出測站點(diǎn)的坐標(biāo)方位角。

以觀測邊EF為例，其坐標(biāo)方位角為

式中α_BE為觀測邊BE的坐標(biāo)方位角。

2實(shí)驗與分析

2.1實(shí)驗場景

采用GO?SLAM 手持式三維激光掃描儀在煤礦井下進(jìn)行實(shí)驗數(shù)據(jù)采集。掃描儀參數(shù)：掃描距離為120 m；掃描范圍為360°×285°；掃描速度為65 萬點(diǎn)/s；激光線數(shù)為32。實(shí)驗場景為實(shí)驗室模擬巷道和真實(shí)煤礦巷道，如圖3 所示（圖中紅色三角形位置為數(shù)據(jù)采集的起點(diǎn)，藍(lán)色路線表示數(shù)據(jù)采集路徑），數(shù)據(jù)采集路徑長度分別為286，1 352 m。

2.2定性分析

將本文方法與主流方法LeGO?LOAM[20]、LIO?SAM[21]在實(shí)驗室模擬巷道中的建圖結(jié)果進(jìn)行對比，如圖4 所示。可看出LeGO?LOAM 方法由于在地圖構(gòu)建過程中約束不足，導(dǎo)致實(shí)驗室模擬巷道建圖的起點(diǎn)與終點(diǎn)位置偏差較大，即使有回環(huán)檢測約束仍不能實(shí)現(xiàn)精準(zhǔn)建圖； LIO?SAM 方法建圖效果較好，建圖起點(diǎn)與終點(diǎn)位置偏差較小，但豎直方向的偏差較大；本文方法建圖的完整性和一致性更好，精度較LeGO?LOAM 與LIO?SAM 有較明顯的提高。

為進(jìn)一步驗證本文方法的有效性，在真實(shí)煤礦巷道對添加已知點(diǎn)約束前后的建圖結(jié)果進(jìn)行對比，如圖5 所示。可看出在未添加已知點(diǎn)約束的情況下，煤礦巷道點(diǎn)云地圖出現(xiàn)較大偏差；而添加已知點(diǎn)約束的煤礦巷道點(diǎn)云地圖具有較好的全局一致性，有效降低了點(diǎn)云地圖的偏差。

2.3定量分析

2.3.1定位精度

為定量分析本文方法的定位精度，將不同方法定位結(jié)果進(jìn)行對比，如圖6 所示。可看出本文方法定位結(jié)果與參考值最接近，而LeGO?LOAM 方法與LIO?SAM 方法定位結(jié)果與參考值相差較大；在實(shí)驗的前半段，由于巷道較寬，不存在激光點(diǎn)云被遮擋，且環(huán)境特征信息豐富，因此3 種方法定位精度均接近參考值；在實(shí)驗的最后，由于巷道狹窄，環(huán)境特征信息減少，LeGO?LOAM 方法與LIO?SAM 方法定位偏差較大，而本文方法定位結(jié)果與參考值擬合程度較高。

不同方法的定位誤差見表1。可看出本文方法在水平方向上最大誤差僅為0.426 m，平均誤差為0.199 m，豎直方向最大誤差為1.044 m，平均誤差為0.455 m；而LeGO?LOAM 方法和LIO?SAM 方法的各類誤差均大于本文方法，表明本文方法具有較高的定位精度。

2.3.2點(diǎn)云地圖精度

為定量分析本文方法構(gòu)建的三維點(diǎn)云地圖精度，在實(shí)驗場景用卷尺測量多種特征地物的尺寸，并將不同方法構(gòu)建的三維點(diǎn)云地圖導(dǎo)入點(diǎn)云數(shù)據(jù)處理軟件，測量點(diǎn)云地圖中對應(yīng)特征地物的尺寸，如圖7所示。將卷尺實(shí)測尺寸與通過不同方法構(gòu)建的三維點(diǎn)云地圖測量的尺寸進(jìn)行對比，結(jié)果見表2。

從表2 可看出， LeGO?LOAM方法在特征地物1 處的誤差最大，在各種特征地物處的平均相對誤差為3.40%；LIO?SAM方法相較于LeGO?LOAM方法精度有所提升，平均相對誤差為1.37%；本文方法在各種特征地物處的絕對誤差和相對誤差均小于LeGO?LOAM及LIO?SAM 方法， 平均相對誤差為0.55%， 表明本文方法構(gòu)建的三維點(diǎn)云地圖精度較高。

3結(jié)論

1） 提出了一種基于已知點(diǎn)約束的高精度煤礦巷道三維點(diǎn)云建模方法。對激光雷達(dá)點(diǎn)云數(shù)據(jù)進(jìn)行多重優(yōu)化，提高了前端配準(zhǔn)的精度和效率；利用附合導(dǎo)線控制測量獲取分段已知點(diǎn)，為三維激光點(diǎn)云建模提供全局約束條件；結(jié)合已知點(diǎn)和激光SLAM 確定的測站點(diǎn)進(jìn)行聯(lián)合平差計算，利用非線性優(yōu)化方法進(jìn)一步校正全局點(diǎn)云地圖，從而提高三維點(diǎn)云建模精度。

2） 實(shí)驗結(jié)果表明，該方法構(gòu)建的煤礦巷道三維點(diǎn)云地圖具有較好的全局一致性和幾何結(jié)構(gòu)真實(shí)性，在煤礦井下具有較高的定位與建圖精度。