本發(fā)明涉及隧道工程監(jiān)測，具體涉及一種基于三維激光點(diǎn)云的爆破渣石塊度識別方法、介質(zhì)及設(shè)備。

背景技術(shù)：

1、鑒于山嶺隧道沿線地質(zhì)條件復(fù)雜多變，普遍采用適用性強(qiáng)、造價(jià)低的鉆爆法進(jìn)行施工掘進(jìn)。鉆爆法施工一般包括了爆破設(shè)計(jì)、鉆孔、爆破、出渣等過程，其中爆破后產(chǎn)生的渣石塊度尺寸直接影響了出渣工序的效率，在一定程度上反映了爆破施工參數(shù)的合理性，尤其是當(dāng)爆破塊度過大，則需要進(jìn)行二次爆破或機(jī)械鑿巖等作業(yè)嚴(yán)重滯后后續(xù)流程作業(yè)，說明了爆破炮眼間距過大或裝藥量不合理。因此，準(zhǔn)確分析爆破塊堆渣石的塊度尺寸大小可以有效指導(dǎo)爆破環(huán)節(jié)作業(yè)。

2、針對渣石塊度的分析研究方法可以分為兩類，一類是直接測量法，有施工隊(duì)伍在現(xiàn)場用皮尺逐一量測，該類方法精度高，但效率低、耗時(shí)長，極難適用于隧道爆破施工中；另一類方法是間接測量法，主要是依靠近年來在各個(gè)行業(yè)領(lǐng)域大范圍應(yīng)用的圖像處理技術(shù)，即通過圖像處理方面的算法實(shí)現(xiàn)爆破塊度的識別。利用圖像識別渣石塊度的研究中，一般采用數(shù)字圖像處理算法，split?desktop,?fragscan,?wipfrag是目前主流處理渣石塊度的軟件，主要利用顏色信息、距離信息、灰度信息等閾值分割識別渣石。

3、人工量測耗時(shí)較長，效率低下；基于圖像識別渣石塊度始終保持在二維層面，所識別的渣石尺寸只能作為單一平面的尺寸信息，爆破渣石作為三維層面的實(shí)物，僅用單一平面尺寸特征難以描述其整體尺度特征。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明目的在于提供一種從三維層面準(zhǔn)確計(jì)算出渣石的三維尺寸的基于三維激光點(diǎn)云的爆破渣石塊度識別方法，具體技術(shù)方案如下：

2、本發(fā)明提供一種基于三維激光點(diǎn)云的爆破渣石塊度識別方法，包括如下步驟：

3、s1：利用三維激光掃描儀掃描某隧道掌子面爆破后形成的爆破塊堆，得到爆破塊堆的初始點(diǎn)云模型；

4、s2：對初始點(diǎn)云模型進(jìn)行濾波處理得到邊緣特征增強(qiáng)的點(diǎn)云模型，具體是：

5、s2.1、采用統(tǒng)計(jì)濾波算法將初始點(diǎn)云模型中的離散點(diǎn)濾除得到統(tǒng)計(jì)濾波后的點(diǎn)云模型；

6、s2.2、采用卷積高斯濾波算法增強(qiáng)統(tǒng)計(jì)濾波后點(diǎn)云模型的邊緣特征得到邊緣特征增強(qiáng)的點(diǎn)云模型；

7、s3：采用局部表面擬合方法計(jì)算出點(diǎn)云模型中各點(diǎn)的法向量；

8、s4：根據(jù)法向量的夾角差異剔除點(diǎn)云模型中的凹陷點(diǎn)得到剔除凹陷點(diǎn)的點(diǎn)云模型；

9、s5：利用半徑濾波算法剔除點(diǎn)云模型中的孤立點(diǎn)得到半徑濾波后的點(diǎn)云模型；

10、s6：采用法向約束的歐式聚類算法將點(diǎn)云模型分割為多個(gè)點(diǎn)云簇；

11、s7：采用obb包圍盒算法分別計(jì)算得到s6分割得到的各點(diǎn)云簇的三維尺寸，并根據(jù)各點(diǎn)云簇的最大三維尺寸繪制得到能夠反映爆破渣石塊度的粒徑分布圖。

12、可選地，所述s1包括：

13、s1.1、對某隧道掌子面進(jìn)行爆破形成爆破塊堆；

14、s1.2、在該隧道掌子面降塵后架設(shè)三維激光掃描儀；

15、s1.3、利用三維激光掃描儀獲取爆破塊堆的表面信息、掃描時(shí)的掃描角度以及掃描方向，得到初始點(diǎn)云模型，其中：表面信息包括：爆破塊堆的形狀、顏色和掃描強(qiáng)度。

16、可選地，所述s2.1包括：

17、s2.1.1、采用k-d?tree近鄰搜索算法檢索初始點(diǎn)云模型中點(diǎn)的近鄰點(diǎn)，并假設(shè)初始點(diǎn)云模型中的所有點(diǎn)均與其近鄰點(diǎn)的距離構(gòu)成高斯分布；其中：設(shè)定近鄰搜索個(gè)數(shù)為；為點(diǎn)編號，取大于等于1的自然數(shù)；

18、s2.1.3、分別計(jì)算初始點(diǎn)云模型中點(diǎn)與其所有近鄰點(diǎn)之間的歐式距離；

19、s2.1.4、若點(diǎn)與其所有近鄰點(diǎn)之間的歐式距離均滿足，則保留點(diǎn)；否則將定義為離群點(diǎn)并刪除，令，返回至s2.1.3，直至遍歷初始點(diǎn)云模型中的所有點(diǎn)得到統(tǒng)計(jì)濾波后的點(diǎn)云模型；其中：為的均值，為的標(biāo)準(zhǔn)差，為設(shè)定閾值系數(shù)；

20、所述s2.2包括：

21、s2.2.1、利用k-d?tree近鄰搜索算法檢索點(diǎn)云模型中點(diǎn)的近鄰點(diǎn)，其中：設(shè)定近鄰搜索個(gè)數(shù)為；

22、s2.2.2、將s2.2.1中得到的各近鄰點(diǎn)分別賦予對應(yīng)的高斯權(quán)重，并進(jìn)行加權(quán)平均，其中：近鄰點(diǎn)的坐標(biāo)值調(diào)整方程如下：

23、；

24、其中：為點(diǎn)的第個(gè)近鄰點(diǎn)的坐標(biāo)；為近鄰點(diǎn)對應(yīng)的高斯權(quán)重，，為點(diǎn)到近鄰點(diǎn)的距離，為點(diǎn)與近鄰點(diǎn)之間構(gòu)建的高斯分布函數(shù)的標(biāo)準(zhǔn)差；

25、s2.2.3、遍歷檢索點(diǎn)云模型中的所有點(diǎn)，得到邊緣特征增強(qiáng)的點(diǎn)云模型。

26、可選地，所述s3包括：

27、s3.1、采用k-d?tree近鄰搜索算法檢索點(diǎn)云模型中點(diǎn)半徑范圍內(nèi)的近鄰點(diǎn)，得到點(diǎn)的近鄰點(diǎn)集；

28、s3.2、計(jì)算點(diǎn)的近鄰點(diǎn)集的協(xié)方差矩陣，具體公式如下：

29、；

30、其中：為點(diǎn)云模型中的點(diǎn)數(shù)量；為近鄰點(diǎn)集中的近鄰點(diǎn)的數(shù)量；為近鄰點(diǎn)的質(zhì)心，；

31、s3.3、對協(xié)方差矩陣進(jìn)行特征值分解，得到三個(gè)特征值，及其對應(yīng)的特征向量，其中：，；最小的特征向量即點(diǎn)的法向量；

32、s3.4、依據(jù)點(diǎn)對應(yīng)的掃描角度、方向計(jì)算出三維激光掃描儀掃描到該點(diǎn)時(shí)的方向向量，具體公式如下：

33、；

34、s3.5、檢查點(diǎn)的法向量與其對應(yīng)方向向量的夾角，若該夾角大于?90°，則需反向調(diào)整法向量得到調(diào)整后的法向量，具體公式如下：

35、。

36、可選地，所述s4包括：

37、s4.1、采用k-d?tree近鄰搜索算法檢索點(diǎn)云模型中點(diǎn)半徑范圍內(nèi)的近鄰點(diǎn)，并將近鄰點(diǎn)記為，將點(diǎn)的近鄰點(diǎn)中的凹關(guān)系點(diǎn)的數(shù)量記為；令；

38、s4.2、計(jì)算點(diǎn)的法向量與其近鄰點(diǎn)的法向量的夾角，具體公式如下；

39、；

40、s4.3、若，則令，并返回s4.2；若，則進(jìn)入s4.4；其中：為設(shè)定夾角閾值；

41、s4.4、依據(jù)點(diǎn)和其近鄰點(diǎn)的三維坐標(biāo)得到兩點(diǎn)連線的方向向量，具體公式如下：

42、；

43、其中：為點(diǎn)的第個(gè)近鄰點(diǎn)的坐標(biāo)；為點(diǎn)的坐標(biāo)；

44、s4.5、分別計(jì)算點(diǎn)的法向量與方向向量的夾角、近鄰點(diǎn)的法向量與方向向量的夾角，具體公式如下：

45、；

46、；

47、s4.6、若，當(dāng)且時(shí)點(diǎn)與點(diǎn)呈現(xiàn)凹連接關(guān)系，令、，并返回s4.2；當(dāng)或時(shí)，則點(diǎn)與點(diǎn)不呈現(xiàn)凹連接關(guān)系，令，并返回s4.2；若，則進(jìn)入s4.7；其中：為設(shè)定夾角閾值，為點(diǎn)半徑范圍內(nèi)的近鄰點(diǎn)數(shù)量；

48、s4.7、若，當(dāng)時(shí)將點(diǎn)移至凹陷點(diǎn)集中，當(dāng)時(shí)令，并返回至s4.1中；若，則將凹陷點(diǎn)集從點(diǎn)云模型中刪除，得到剔除凹陷點(diǎn)的點(diǎn)云模型；其中：為設(shè)定凹陷比例。

49、可選地，所述s5包括：

50、s5.1、采用k-d?tree近鄰搜索算法檢索點(diǎn)云模型中點(diǎn)檢索半徑為范圍內(nèi)的近鄰點(diǎn)；

51、s5.2、設(shè)定近鄰點(diǎn)的數(shù)量閾值q，將點(diǎn)云模型中近鄰點(diǎn)數(shù)量小于q的點(diǎn)均定義為離群點(diǎn)并刪除，得到半徑濾波后的點(diǎn)云模型。

52、可選地，所述s6包括：

53、s6.1、構(gòu)建點(diǎn)云模型的點(diǎn)集，設(shè)；

54、s6.2、選取點(diǎn)集中的任意一點(diǎn)作為種子點(diǎn)；

55、s6.3、采用k-d?tree近鄰搜索算法檢索種子點(diǎn)的近鄰點(diǎn)，其中：設(shè)定近鄰搜索個(gè)數(shù)為；

56、s6.4、分別計(jì)算各近鄰點(diǎn)與種子點(diǎn)的距離以及兩點(diǎn)的法向量夾角；

57、s6.5、若種子點(diǎn)的各近鄰點(diǎn)均滿足且，則將種子點(diǎn)及其所有近鄰點(diǎn)從點(diǎn)集聚類到集合中，其中：為設(shè)定距離閾值，為設(shè)定法向量夾角閾值；

58、s6.6、選取集合中點(diǎn)以外的點(diǎn)作為新的種子點(diǎn)，并返回至s6.3；直至集合中的點(diǎn)數(shù)不再增加，進(jìn)入s6.7；

59、s6.7、若點(diǎn)集為空集，則得到點(diǎn)云模型分割成的個(gè)點(diǎn)云簇；否則，令，并返回至s6.2。

60、可選地，所述s7包括：

61、s7.1、將單一點(diǎn)云簇的點(diǎn)云數(shù)據(jù)生成由個(gè)三角面片組成的待測模型，設(shè)定第個(gè)三角形的任一頂點(diǎn)坐標(biāo)為，其中：取1至的自然數(shù)；

62、s7.2、計(jì)算待測模型的中心點(diǎn)和協(xié)方差矩陣，具體公式如下：

63、；

64、；

65、其中：表示點(diǎn)云模型坐標(biāo)系中的某一坐標(biāo)軸，為點(diǎn)云模型坐標(biāo)系中之外的某一坐標(biāo)軸；?為待測模型點(diǎn)集中的第個(gè)三角形的某一頂點(diǎn)在坐標(biāo)軸上的坐標(biāo)分量，為待測模型點(diǎn)集中的第個(gè)三角形的點(diǎn)在坐標(biāo)軸上的坐標(biāo)分量。

66、s7.3、分解待測模型的協(xié)方差矩陣得到待測模型三個(gè)互相正交的相鄰向量，然后將其進(jìn)行單位化得到正交基，作為方向包圍盒的三個(gè)主軸方向；

67、s7.4、計(jì)算待測模型所有頂點(diǎn)在方向包圍盒三個(gè)主軸方向上的投影長度，即可求出待測模型在方向包圍盒三個(gè)主軸方向的尺度；

68、s7.5、將各點(diǎn)云簇對應(yīng)的待測模型在方向包圍盒三個(gè)主軸方向的最大尺度作為渣石塊體粒徑，然后利用excel表格繪制出能夠反映爆破渣石塊度的粒徑分布圖。

69、本發(fā)明還提供一種可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序指令，當(dāng)所述計(jì)算機(jī)程序指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上任一項(xiàng)所述的基于三維激光點(diǎn)云的爆破渣石塊度識別方法。

70、本發(fā)明還提供一種電子設(shè)備，包括：至少一個(gè)處理器、至少一個(gè)存儲器以及存儲在所述存儲器中的計(jì)算機(jī)程序指令，當(dāng)所述計(jì)算機(jī)程序指令被所述處理器執(zhí)行如上任一項(xiàng)所述的基于三維激光點(diǎn)云的爆破渣石塊度識別方法。

71、應(yīng)用本發(fā)明的技術(shù)方案，采用卷積高斯濾波算法增強(qiáng)點(diǎn)云模型的邊緣特征，并通過法相夾角差異剔除點(diǎn)云模型中的凹陷點(diǎn)和離散點(diǎn)，再采用法向約束的歐式聚類算法將點(diǎn)云分割為多個(gè)點(diǎn)云簇，最后計(jì)算得到點(diǎn)云簇的三維尺寸，實(shí)現(xiàn)了對渣石塊度的檢測，相對于人工識別技術(shù)，該技術(shù)操作簡單，識別速度快，識別精度高；相對于圖像識別技術(shù)識別爆破殘孔，可以從三維層面準(zhǔn)確計(jì)算出渣石的三維尺寸。

72、除了上面所描述的目的、特征和優(yōu)點(diǎn)之外，本發(fā)明還有其它的目的、特征和優(yōu)點(diǎn)。下面將參照圖，對本發(fā)明作進(jìn)一步詳細(xì)的說明。