基于激光點云技術的地鐵盾構隧道錯臺智能檢測方法*

謝嘉偉 魏志恒** 姚霄漢 陳萬里 李春翔

(1. 中國鐵道科學研究院集團有限公司城市軌道交通中心, 100081, 北京;2. 北京石泰集團有限公司, 100041, 北京;3. 北京市軌道交通運營管理有限公司, 100068, 北京∥第一作者, 助理工程師)

GB/T 39559.3—2020《城市軌道交通設施運營監測技術規范 第3部分:隧道》提出對隧道錯臺進行檢測,即通過測量手段獲取隧道表面不同時期的幾何形態特征,并將其與標準設計數據進行對比得到變形信息,同時建立時序變形圖譜對隧道變形數據進行分析,以指導地鐵隧道的維護。傳統地鐵隧道病害檢測技術主要以定點式傳感器檢測和單點激光測距技術為主[1]。

傳感器檢測方法僅能檢測隧道部分點位變形,無法獲得整體變化信息,而且實施時需要大量的檢測設備,花費成本高昂。單點激光測距技術以全站儀和測量機器人為主,只能獲取有限的監測點變化,依舊無法獲得整體變化信息,而且數據獲取的精度容易受環境影響。隨著微電子技術和信息技術的不斷發展,激光點云技術逐漸出現在大眾視野中,其應用工況包括:數字高程模型制作、三維建模、農林普查、土方計算及地質災害監測等。

本文對城市軌道交通隧道錯臺檢測技術進行了論述,提出運用激光點云技術[4]對隧道錯臺進行檢測的方法,通過智能化的檢測和分析推動城市軌道交通基礎設施檢測技術的綠色化與智能化發展。

1 激光點云技術的檢測原理

激光掃描技術作為一項與GPS(全球定位系統)比肩的測繪領域新技術,集激光技術、計算機技術、傳感器技術、測繪技術等多種技術于一體,其核心是激光測距技術和掃描控制技術。激光測距技術通過主動發射激光到目標物表面,采用記錄發射與接收激光信號的時差來計算目標物與掃描儀中心的距離:

d=ct/2

(1)

式中:

d——目標物與掃描儀中心的距離,單位m;

c——光速,單位m/s;

t——發射與接收激光信號的時差,單位s。

為實現三維方向上的掃描,需在激光器上加裝水平轉臺。當激光器工作時,記錄水平轉臺所在位置角度φ和光學掃描系統所在位置角度θ,根據測距值與儀器本身所在三維空間的坐標值,推算出目標物在以儀器中心為原點的三維空間坐標系中的坐標信息。三維激光測量原理如圖1所示。

圖1 三維激光測量原理圖

目標點的坐標(x,y,z)按式(2)進行計算:

(2)

2 點云數據處理技術

地鐵盾構隧道在數據采集完成后,經過多傳感器融合求解得到1條長線型的空間三維點云數據,在進行隧道變形檢測分析之前,對點云數據進行處理。點云數據處理的核心技術研究包括:隧道斷面的提取及擬合去噪技術,灰度圖和深度圖自動生成技術,以及隧道限界、橢圓度、收斂、錯臺等結構病害自動分析技術。數據預處理流程如圖2所示。

圖2 點云數據預處理流程圖

盾構隧道點云數據經預處理后,復雜線型的隧道點云被分成數條直線段的點云,且每個隧道表面點除了坐標信息之外,還包括里程信息。在進行隧道變形檢測時,直接對空間直線段的隧道點云進行處理,并基于點云數據對盾構隧道變形檢測分析方法進行研究。地鐵隧道變形檢測技術路線如圖3所示。

圖3 地鐵隧道變形檢測技術路線圖

2.1 隧道斷面的提取和擬合去噪技術

2.1.1 隧道中軸線與斷面提取

利用點云數據對隧道進行變形檢測時,隧道中軸線的提取尤為重要。中軸線反映了隧道的姿態及走向,同時也是隧道里程計算、斷面提取等數據處理與分析的基礎。隧道中某一段的中軸線可以用一個定位點加一個方向矢量來表示。運營期的盾構隧道在局部會存在一部分變形,但是其整體結構不會有太大變化。直線段的隧道點云數據在整體上符合空間圓柱面的特征,可以通過擬合空間圓柱面的方式提取中軸線。

2.1.1.1 隧道中軸線提取

經過空間圓柱迭代擬合分割算法的處理,提取到一系列隧道軸線定位點,由這些點首尾相連即可得到隧道的中軸線。地鐵隧道被分為若干長直線段,直線段兩端的定位點連線即為該段隧道點云的中軸線。

2.1.1.2 隧道斷面點云提取

隧道斷面是其變形分析的最小單元,其提取對后期的隧道變形分析非常有意義,直接影響到隧道變形檢測的結果。中軸線的提取結果可以用一個空間定位點與一個三維方向向量來表示。由于點云的離散性,需要為隧道斷面設置一個提取厚度以保證斷面的完整性,隨后即可按照檢測區間里程起始點與檢測里程間隔要求提取斷面。具體步驟如下:

步驟1 計算隧道變形檢測起始位置在隧道中軸線上的定位點p1(x0,y0,z0),根據中軸線方向向量[abc]得到該點處的平面方程:

a(x-x0)+b(y-y0)+c(z-z0)=0

(3)

步驟2 計算所有數據點(xi,yi,zi)到平面的距離d:

(4)

步驟4 根據設定的檢測間隔,重復步驟2和步驟3,完成所有隧道斷面的連續提取。

2.1.2 隧道斷面點云去噪

隧道斷面點云中包含隧道管線、護欄等附屬設施所形成的混雜點,此類噪聲點在前期無法剔除,但在完成斷面提取之后,則可以通過一定的算法將其去除。隧道斷面點云在理想情況下是一個標準圓形,在數據采集時,受到壁掛物等隧道附屬設施的遮擋,導致隧道壁點云采集不全而且混雜部分非隧道壁點云,但是在整體數據集中隧道壁點云仍然占據絕對比例。地鐵盾構隧道在長期運營中發生了輕微的形變,大量經驗研究表明,變形后的隧道斷面可以視為橢圓。本文基于橢圓擬合的思想,采用斷面點云去噪算法,將斷面點云進行橢圓擬合,將符合橢圓特征的點視為有效點,將不符合橢圓特征的的點視為噪聲去除,從而提取出隧道壁點云用于后續分析[2]。

利用最小二乘算法采用全局多項式方程計算的形式解算橢圓方程,當斷面點云數據中含有噪聲點時,直接采用最小二乘法不能解算出準確的橢圓參數。隧道壁點云在整個斷面點云中占比很大,若能夠不斷消除大尺度噪聲點,擬合結果就會逐漸向準確值收斂。橢圓的一般表達式為:

ax2+bxy+cy2+dx+ey+1=0

(5)

將1組隧道斷面數據代入式(5)可得:

(6)

則有:

BX=L

(7)

其中:

誤差方程V為:

V=ax2+bxy+cy2+dx+ey+1

(8)

采用最小二乘法求解得到X。

迭代最小二乘橢圓擬合算法的具體實現步驟如下:

步驟1 輸入斷面點云數據集,通過設置迭代收斂條件擬合平均誤差m。

步驟2 采用最小二乘法進行橢圓擬合,根據誤差方程計算每個點到擬合橢圓的誤差。

步驟3 對所有數據點的擬合誤差進行統計分析,計算擬合誤差均值與中誤差;若擬合誤差均值小于m,則迭代終止,執行步驟5;若擬合誤差均值大于m,則執行步驟4。

步驟4 剔除所有擬合誤差與擬合平均誤差大于3倍平均誤差中誤差的數據點,執行步驟2。

步驟5 輸出去噪后的斷面點云數據集。

2.2 灰度圖和深度圖自動生成技術

針對激光掃描儀初始采集的隧道斷面點云數據成果,設定起始里程、前進方向、管片寬度、隧道直徑、鋼軌類型、編碼頻率、起始幀和終止幀,通過自動配準的方式,結合高精度IMU(慣性測量裝置)同步采集的慣導數據和DMI(車載人機界面)編碼器數據,將點云數據中的軌道平面與標準軌道平面進行配準,實現點云和POS(基于點的信息管理系統)的高精度配準,得到點云數據相對于軌道平面的平移量和旋轉角度。配準工作完成后自動將點云數據生成6 848像素×4 931像素的高清灰度圖和深度圖,兩種影像均可以在二維視圖中顯示,并均可測量距離或面積,且每個像素均包含絕對坐標、里程等信息。基于隧道點云與灰度圖,對隧道管片進行自動識別與分割,按照管片與里程計算斷面橢圓長短軸、偏轉角及橢圓度等參數,分析與檢測隧道變形并對其進行定位。

2.3 錯臺病害自動分析技術

輸入地鐵盾構隧道管片環面深度圖,提取所需項點信息進行VIT(格式轉換),通過主干網絡ResNet(深度神經網絡)輸入到FPN(特征金字塔)中,對多尺度特征進行了充分融合,同時基于典型病害不同尺度的特征進行不同尺度目標的預測;通過卷積對結果進行分類、box(標定目標對象的位置和大小)及mask(確定每個對象的精確形狀和邊界)等處理。統計點云數據集的高程信息,對該信息進行量綱一化處理,而后映射RGB(彩色圖像)顏色值對點云進行渲染。采取平面擬合的方式對點云表面的法向量進行計算。選取一定數量的數據點和鄰域點,利用鄰域點擬合平面,則該擬合平面的法向量即為數據點的法向量,將該法向量量綱一化映射RGB顏色值實現對點云的渲染。圈取項點信息,通過RGB獲取深度值的方法計算該深度值位置左右的深度差;采用“根據深度值位置,反算點云位置”的方法,計算點云位置左右錯臺量的差值。地鐵盾構隧道管片環面錯臺病害自動分析流程如圖4所示。

圖4 地鐵盾構隧道管片環面錯臺病害自動分析流程圖

盾構隧道內錯臺是由管片錯位或管片破損導致的,在點云數據體現上,錯臺處會出現急劇的變化。錯臺檢測包括環間錯臺與環內錯臺。錯臺量的計算原理是檢查點云數據的連續性,通過計算管片內所有點到某一點距離的差值,并比較相鄰點間的差值變化,判斷是否出現錯臺。管片環內錯臺量檢測的具體步驟如下:

步驟1 將隧道斷面點云坐標原點平移至橢圓中心點,計算每一個點云的極坐標值。

步驟2 將點云按照極坐標角度值從小到大進行排序,計算極坐標半徑與設計半徑之間的差值。

步驟3 按照極坐標角度值順序比較相鄰數據點差值,若超出設定距離閾值,則視為出現錯臺。由于斷面點云并不連續,在進行去噪后部分隧道壁點云缺失。若相鄰數據點間半徑差值之差超過距離閾值,同時角度之差在角度閾值范圍之內,則視為出現錯臺,記錄錯臺所在的隧道斷面編號、錯臺角度及錯臺量。

步驟4 輸出錯臺檢測結果。

3 激光點云技術的檢測流程

激光點云技術的檢測流程如下:

1) 固定好選擇觀測的時段,利用激光設備進行數據采集,將數據輸入到上位機,利用上位機中的后處理軟件提取隧道點云數據。

2) 基于擬合的思想,通過圓柱擬合和斷面橢圓擬合提取隧道壁點云,利用統計濾波[3]去除離群點,利用布料模擬濾波[4]去除地面點實現點云數據的去噪處理,并利用空間體素采樣算法[5]對隧道點云數據進行精簡,以提高檢測的精度;同時在進行變形分析時,剔除隧道壁點云以外的數據點,避免對檢測結果的干擾。

3) 將過濾后的數據作為輸入項,利用編碼器和點云進行抽稀、插幀處理,加載圖片信息和里程信息,將點云坐標轉為平面坐標,并將距離信息進行插值平滑處理生成里程信息。

4) 將點云坐標轉為相對坐標。

5) 將強度、距離信息按行平滑處理,以當前點云的最優距離計算當前點云距離差,計算完成后將該差值進行量綱一化處理并且轉為RGB圖像,生成彩色圖片,通過軟件顯示圖片和位置信息,并通過添加里程樁和長短鏈的方式對里程信息進行修正。

6) 在盾構隧道管片環面深度圖內添加襯砌變形內容,通過三維窗口確認襯砌變形區域,最終生成含里程信息,以及襯砌變形區域的角度、面積和深度等信息的高精度檢測報告并對外進行輸出。

4 激光點云技術在地鐵盾構隧道中的應用

4.1 設備介紹

移動三維激光掃描系統主要由Z+F PROFILER 9012型激光斷面掃描儀、高精度慣性測量單元、雙頻三星GNSS(全球衛星導航系統)板卡(含天線)、車輪編碼器及安裝組件、多傳感器同步控制電路,以及存儲單元、電源管理與保護模塊、平板/筆記本電腦等硬件集成。移動三維激光掃描系統硬件外觀如圖5所示。

圖5 移動三維激光掃描系統硬件外觀

移動三維激光掃描系統中,Z+F PROFILER 9012型激光斷面掃描儀的點云掃描速度高于100萬點/s,斷面掃描速度高達200 r/s,可以實現非常密集斷面的高精度、高密度掃描,且這些海量數據可以在軟件中顯示和處理。激光斷面掃描儀的主要技術參數如表1所示。

表1 激光斷面掃描儀的主要技術參數

4.2 實例應用

以武漢某地鐵盾構隧道為例,對其管片環面錯臺進行現場檢測,如圖6所示。

圖6 武漢某地鐵盾構隧道管片環面錯臺現場檢測圖

通過檢測設備輸出的盾構隧道高精度三維點云圖像,如圖7所示。

圖7 地鐵盾構隧道三維點云圖像

運用激光點云技術輸出的盾構隧道管片環面原始深度圖如圖8所示。

圖8 武漢某地鐵盾構隧道原始深度圖(K148+076—K171+605)

4.3 對比分析

對圖8輸出的武漢某地鐵盾構隧道原始深度圖中矩形框位置放大圖進行人工比對,其結果見圖9。

圖9 經人工比對后的盾構隧道深度圖(K148+076—K171+605)

通過后處理軟件進行深度學習,得到K148+076—K171+605區段盾構隧道管片環面深度圖如圖10所示。對圖10中矩形框圈取的位置進行局部放大,可直接看出通過深度學習后輸出的錯臺識別圖像。

a) 經后處理的深度圖

利用同一段隧道同一設備不同時期輸出的錯臺數據驗證激光點云技術的重復精度,利用同一時段同一段隧道不同設備輸出的錯臺數據驗證激光點云技術的相對精度。地鐵隧道錯臺量重復精度與相對精度隨里程變化曲線如圖11所示。

a) 重復精度

通過圖11可以看出:運用激光點云技術進行隧道錯臺檢測,同一段隧道同一設備不同時段輸出的錯臺量平均偏差為0.357 5 mm,同一段隧道不同設備同一時段輸出的錯臺量平均偏差為0.360 0 mm。這進一步驗證了激光點云技術在隧道錯臺智能檢測上的適用性和優越性。

5 結語

通過激光點云技術,實現了對隧道內錯臺的快速與精確檢測。在列車運行速度為20～80 km/h的工況下,根據三維點云數據分析隧道內相鄰管片間的錯臺并輸出相關報告,提交錯臺量超過5 mm的區域;激光點云技術在提高檢測精度的同時,突破了隧道錯臺檢測的靜態檢測模式,實現了采用半自動化小車搭載的工作模式對隧道錯臺的動態檢測。同時還可以將盾構隧道管片環面錯臺檢測設備安裝到工程車上進行自動化檢測,極大地提高了隧道內錯臺的檢測效率。后期可通過技術手段建立隧道全斷面[6]病害庫,在錯臺檢測的基礎上對隧道全斷面進行檢測,加強城市軌道交通基礎設施檢測體系建設,實現基礎設施對象全覆蓋智能感知,提高安全風險預警能力,為設備養護維修提供科學決策,提高養護維修效率,降低養護維修成本,保障城市軌道交通持續安全運營。