煤礦巷道三維激光掃描關鍵技術及工程實踐

王海軍，劉再斌，雷曉榮，韓保山，陸自清

（中煤科工集團西安研究院有限公司，陜西 西安 710077）

近年來，隨著工業(yè)互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、人工智能、5G 等技術的飛速發(fā)展及在各行各業(yè)的廣泛應用，傳統(tǒng)的煤炭行業(yè)迎來了智能化、無人化發(fā)展的巨大機遇并取得了一系列成果。但是，必須清醒地認識到煤礦智能化開采距離真正的智能化、無人化還有很長的路要走，中國工程院王國法院士指出：智慧煤礦與智能化開采是一個復雜的巨系統(tǒng)，精準地質(zhì)信息探測是當前智慧煤礦建設中的重點研發(fā)方向之一[1-2]。

巷道承載了礦井運輸、通風、排水、供電、逃生路徑等功能，巷道三維模型的快速獲取成為地質(zhì)透明化的重要一環(huán)，是煤礦智能化高效綠色開采的重要組成部分。傳統(tǒng)巷道建模主要有3 種：基于巷道頂?shù)装逯行木€和斷面建模；基于巷道中心線和頂?shù)装暹吔缇€建模；基于巷道中心線或者邊界線和高程建模。一般步驟：采集巷道測量數(shù)據(jù)（實測數(shù)據(jù)、斷面數(shù)據(jù)）、數(shù)據(jù)去重、規(guī)格化、模型構建、表面三角化、實體渲染[3]。其中最重要的是采集巷道測量數(shù)據(jù)，一種方法是利用井下巷道的導線點并結合巷道的地質(zhì)寫實圖獲取數(shù)據(jù)并建模，另一種方法是組織人力進行巷道尺寸、煤層起伏情況等數(shù)據(jù)測量。第一種方法的缺點是隨著礦井采掘活動的進行，巷道會產(chǎn)生一定的形變，導致地質(zhì)寫實、圖紙更新和建模需要定期重復；第二種方法的缺點是井下地質(zhì)寫實和測量費時費力，效率低下。

三維激光掃描技術可以快速獲取被測物體的表面三維坐標，掃描得到的點云數(shù)據(jù)精度高、密度大、包含反射強度等豐富的語義信息。借助點云數(shù)據(jù)可以構建復雜巷道模型。一般通過三維激光掃描系統(tǒng)進行數(shù)據(jù)采集，該系統(tǒng)集成了全球衛(wèi)星導航系統(tǒng)、慣性測量單元、一顆或多顆激光雷達、全景相機、里程計等傳感器，安裝在飛機、車輛、移動小車等不同的載體上，可實現(xiàn)不同場景三維點云數(shù)據(jù)的快速獲取。受到衛(wèi)星定位信號及精度的影響，在信號較差環(huán)境下（如地下停車場、隧道、煤礦井下等）點云數(shù)據(jù)的采集及拼接是業(yè)界的難題。

為此，很多學者針對這些特殊應用場景進行研究。江記洲等[4]采用圓柱面投影將三維點云轉(zhuǎn)換為二維離散點，用分治算法進行三角剖分，結合二三維點云及三角網(wǎng)之間的拓撲關系重建三維巷道模型；石信肖等[5]針對三維激光掃描技術獲取的點云數(shù)據(jù)，使用Delaunay 生長算法引入邊和角約束條件、設置三角網(wǎng)邊長閾值并構建了狹長形海量巷道點云模型；金卓等[6]針對單站點三維激光掃描點云，提出一種基于圓柱形投影面巷道建模方法；張君等[7]將移動式三維激光掃描設備的數(shù)據(jù)獲取、數(shù)據(jù)處理、模型建立等引入井巷工程快速測繪中，提高了工作效率；郭良林等[8]提出兩期單測站點云配準的方法，研究三維激光掃描在井下巷道變形監(jiān)測中的應用；劉曉陽等[9]采用三維激光掃描方法對巷道頂板穩(wěn)定性進行監(jiān)測研究；趙小平等[10]基于三維激光掃描技術和三維GIS 構建三維巷道空間模型的數(shù)據(jù)庫組合法則，實現(xiàn)了巷道數(shù)據(jù)模型構建。以上研究主要是基于點云數(shù)據(jù)在小段巷道模型構建、井巷測繪和巷道變形等方面取得了一定的應用效果，但是鮮有涉及大場景、長距離工作面巷道的多站數(shù)據(jù)校正、掃描、配準和重建等內(nèi)容。

筆者在分析三維激光掃描方法煤礦井下環(huán)境面臨的主要難題的基礎上，重點研究了三維激光掃描的原理、關鍵技術和主要難題，設計了三維激光掃描系統(tǒng)的數(shù)據(jù)處理系統(tǒng)，為復雜巷道的快速掃描和重建提供了一種解決辦法。

1 煤礦井下三維激光掃描面臨的難題

在煤礦井下環(huán)境中，三維激光掃描系統(tǒng)面臨的主要難題體現(xiàn)在以下幾個方面：

（1）煤礦井下工況環(huán)境屬于GB 3836.1-2010《爆炸性環(huán)境第1 部分：設備 通用要求》規(guī)定的爆炸性環(huán)境，要求在該場景下使用的電氣設備必須具備礦用安全標志證書和防爆合格證。三維激光掃描系統(tǒng)的防爆改造是難點之一；

（2）在煤礦井下環(huán)境作業(yè)時，三維激光掃描系統(tǒng)自身的位姿必須通過慣性測量單元和里程計確定，由于組成慣性測量單元的陀螺儀存在漂移問題，長時間累積計算會產(chǎn)生較大誤差[11]，所以單次點云采集時間不宜過長；

（3）分段測量的多個點云數(shù)據(jù)如何以較高的精度對準到統(tǒng)一的地理坐標系坐標，對準后大距離點云數(shù)據(jù)的處理和拼接難題；

（4）煤礦井下巷道距離長（需要分段采集）、煤巖特征相對單一（需要人工布設多個特征靶點）、巷道分支多（拼接困難）、粉塵較大（點云噪點增多）等特點，給點云數(shù)據(jù)的外業(yè)采集、內(nèi)業(yè)處理和拼接帶來很大的困難。

2 激光掃描原理及技術流程

2.1 激光掃描原理

三維激光掃描系統(tǒng)的測距原理為飛行時間測量法，即激光發(fā)射器發(fā)射出一束超短激光脈沖，激光投射到被測物體上，發(fā)生漫反射后返回光，激光接收器接收到漫反射光，通過記錄激光束在空中的飛行時間，可準確計算被測物體到激光雷達傳感器中心的距離d，表示為：

式中：d為距離；c為光速（一般為300 000 km/s）；t激光束飛行時間。

空間某數(shù)據(jù)點的坐標計算如圖1 所示。

圖1 空間點坐標計算Fig.1 Calculation of the space point coordinate

式中：X、Y、Z分別為某數(shù)據(jù)點在儀器坐標系下的坐標值；α為該激光束的垂直角分辨率；β為水平旋轉(zhuǎn)間隔。

2.2 三維激光掃描技術流程

綜合考慮煤礦井下巷道錯綜復雜的特點以及本次作業(yè)距離等因素，設計如圖2 所示的三維激光掃描技術流程。

圖2 三維激光掃描技術流程Fig.2 3D laser scanning technology process

①制定掃描采集方案，利用巷道現(xiàn)有的導線點坐標布設高反反光貼并測繪出相應的坐標點；

② 在每一個布設高反反光貼位置進行三維掃描系統(tǒng)的動態(tài)標定，而后開始采集原始點云數(shù)據(jù)，到下一個導線點位置處停止上一次數(shù)據(jù)采集并再次進行動態(tài)標定和原始點云數(shù)據(jù)采集，直到設定的采集路徑全部采集后進入下一環(huán)節(jié)；

③對采集的每一站點云數(shù)據(jù)進行預處理（包含大尺度濾波和小尺度濾波），過濾掉大范圍內(nèi)的空間干擾點云；然后對點云數(shù)據(jù)的關鍵特征點進行提取和拼接，拼接處重復的點云采用濾波算法去重；

④ 點云高分重建、邊界特征提取等專門應用；⑤ 最后輸出標準格式的點云數(shù)據(jù)。

3 三維激光掃描重建關鍵技術

3.1 三維激光掃描系統(tǒng)動態(tài)標定

3.1.1 面臨的難題

三維激光掃描系統(tǒng)獲得的點云數(shù)據(jù)，是以掃描系統(tǒng)激光雷達中心為原點的儀器坐標系。三維激光掃描系統(tǒng)儀器坐標系的具體定義為：原點位于激光光源點（激光發(fā)射器），X軸正方向與激光雷達水平安裝時0°激光線的發(fā)射方向一致，X軸順時針旋轉(zhuǎn)90°即為Y軸正方向，Z軸垂直于X軸與Y軸組成的平面上為正，如圖3 所示。其中，灰色線條表示激光雷達接收和發(fā)射陣列各通道在垂直方向激光線束的分布。

圖3 儀器坐標系Fig.3 Coordinate system of the instrument

煤礦井下使用的是地理坐標系（1980 西安坐標系或2000 國家大地坐標系），巷道掃描獲取的點云也需要轉(zhuǎn)換到地理坐標系。在煤礦井下環(huán)境作業(yè)時，三維激光掃描系統(tǒng)自身的位姿必須通過慣性測量單元和里程計確定，由于組成慣性測量單元的陀螺儀存在漂移問題，長時間累積計算會產(chǎn)生較大誤差。為了獲取準確的點云坐標，點云數(shù)據(jù)單次采集時間不宜過長，而且必須對三維激光掃描系統(tǒng)的坐標進行動態(tài)標定。

3.1.2 坐標變換

在煤礦井下具有已知導線點（測量坐標點）的位置作為采集的起始點。如圖4b 所示，上部紅色點為導線點，三維激光掃描系統(tǒng)放置在導線點的正下方，巷道兩旁布置2 個高反標定物，并拿全站儀測量高反標定物中心的坐標。在激光掃描開始工作前，計算儀器采集的高反標志物的中心坐標與全站儀測量的高反標定物中心坐標，得出動態(tài)標定系數(shù)，其本質(zhì)是兩個三維空間坐標的3 個平移和3 個旋轉(zhuǎn)運算，尺度變換參數(shù)取1，空間三維坐標變換原理如下：

式中：(x0,y0,z0)T為兩坐標之間的平移量；A=AZ(φ)AY(θ)AX(?)，為繞X軸旋轉(zhuǎn)?、繞Y軸旋轉(zhuǎn)θ和繞Z軸旋轉(zhuǎn)φ的3 個旋轉(zhuǎn)矩陣的乘積，(xd′,yd′,zd′)T為初始坐標，(xd,yd,zd)T為目標坐標。

旋轉(zhuǎn)角順時針為正，逆時針為負[12]。

旋轉(zhuǎn)矩陣A可改寫為單位四元組元素表示，求解并最終得出平移量和旋轉(zhuǎn)量[13]。

空間坐標轉(zhuǎn)化為地理坐標的變換模型如下：

式中：L為大地經(jīng)度；B為大地緯度；H為大地高程；a為橢球的長半軸，6 378.137 km；N為橢球的卯西圈曲率半徑；e為橢球的第一偏心率，；b為橢球的短半軸，6 356.752 km；Φ、R為中間變量，其表達式如下。

利用式（7）計算時有交叉變量，先求出B的初值，帶入式（7）求出H、N的初值，再次求出B的值。

3.2 點云預處理

1）大尺度噪聲濾波

大尺度噪聲指在主體點云周圍，偏離主體點云且空間分布較稀疏的點或距離主體點云中心較遠的點云，一般認為距離主體點云位置較遠的點云所含的特征信息不豐富，可以考慮為噪點。采用統(tǒng)計濾波[14]去除大尺度噪聲，主要步驟如下。

①對每個點云數(shù)據(jù)每個點的鄰域進行統(tǒng)計分析，假設點云中所有點的距離構成高斯分布，其形狀由均值μ和標準差ε決定。假設第n個點的坐標為Mn(Xn,Yn,Zn)，該點到任意一點Pm(Xm,Ym,Zm)的距離為：

② 遍歷每個點到任意點Pm(Xm,Ym,Zm)之間距離平均值和標準差公式分別為：

③假設標準差的倍數(shù)為k，則計算過程中只需要輸入點數(shù)n和k兩個閾值即可，當某個點距離n個點的平均距離在標準差范圍（μ-εk,μ+εk）內(nèi)時保留，反之定義為噪點刪除。

2）小尺度噪聲濾波

小尺度噪聲指混合在主體點云中的噪點，會影響點云模型的平整度，造成點云模型失真。移動最小二乘平滑濾波主要以重采樣點偏差的平方和最小，對給定點集定義一個隱式全面，將采樣點局部區(qū)域中的點投影到該曲面上，并用高階多項式逼近以實現(xiàn)采樣點的平滑和去噪[15]。移動最小二乘法計算原理如下：

已知節(jié)點X=[x1,x2,···,xu]T（xi∈Rr，u為節(jié)點數(shù)，r為節(jié)點空間維數(shù)），對應的節(jié)點值Y=[y1,y2,···,yu]T，求解擬合函數(shù)f(x)使得：

式中：w(·)為xi的權函數(shù)，x-xi即為節(jié)點間的歐式距離，權函數(shù)是一個減函數(shù)，隨距離增加而減小，權函數(shù)具有緊支性，即在xi的影響域外權函數(shù)為零。推導后擬合函數(shù)可表示為：

式中：

3.3 點云關鍵點提取與特征描述

在三維點云空間關鍵點提取與特征描述時，除了考慮常規(guī)的坐標和特征外，需要考慮法線方向、曲率、紋理特征等描述子。點云關鍵點的數(shù)量相比于原始點云減少很多。與局部特征描述子結合在一起，可以完整地描述整個點云且不失代表性和可描述性。綜合考慮到特征描述子應具備旋轉(zhuǎn)不變性、較強表征力和不包含任何手工特征等因素，文中點云關鍵點提取選用尺度不變特征轉(zhuǎn)換SIFT（Scale Invariant Feature Transform），特征描述選用快速點特征直方圖算法FPFH（Fast Point Feature Histograms）。

1）SIFT 特征檢測算法

SIFT 特征檢測算法是D.G.Lowe[16]在1999 年提出的一種局部特征描述算法，2004 年完善后引入到三維點云中，實現(xiàn)了對點云特征的提取，具有對亮度變化、噪聲、旋轉(zhuǎn)和平移等因素保持較好的不變性。SIFT 算法的主要步驟如下。

①構建尺度空間。二維圖像的尺度空間函數(shù)定義為：

其中，G(x,y,σ)是圖像I(x,y)的可變高斯函數(shù)：

式中：(x,y)為圖像I上某點的坐標；S表示尺度空間；σ為尺度空間因子，其值越小表示圖像越平滑。

同一階上兩個相鄰層的尺度函數(shù)相減得到高斯差分金字塔：

式中：k′為同一階上兩個相鄰層之間的尺度比例。

② 尺度函數(shù)空間內(nèi)檢測極值點。將每一個采樣點與同層、相鄰層的所有相鄰點進行比較，得到局部極值點（最大值或最小值）并作為下一個候選關鍵點。

③特征點過濾及定位。對局部極值點進行三維二次函數(shù)擬合可以得出特征點的位置和尺度，尺度函數(shù)進行泰勒展開并求偏導，去掉低對比度的特征點和不穩(wěn)定的邊緣點后得到極值點的位置：

④ 確定關鍵點方向值。利用梯度直方圖統(tǒng)計領域像素的梯度方向，梯度直方圖的主峰值為關鍵點的主方向。

⑤ 建立包含尺度、位置、方向等信息的特征描述子。

2）FPFH 特征描述算法

點特征直方圖PFH（Point Feature Histograms）算法是R.B.Rusu 等[17]于2008 年提出的基于特征點與其鄰域點的空間幾何關系來編碼的特征描述算法，n個點云計算PFH 特征的時間復雜度為O(nk2)，效率較低。在保留PFH 算法核心思想的基礎上R.B.Rusu等[18]于2009 年又提出了快速點特征直方圖（FPFH）特征描述子，計算時間復雜度降到O(nk)。該算法的主要步驟如下。

①構建點對坐標系。對于每一個組點對ps和pt，建立局部坐標系：

式中：×表示外積；h為點的法向。

② 計算特征算子。對于點云模型中所有點首先設定半徑r鄰域，計算α、η和γ三個特征算子：

式中：·為內(nèi)積；d為ps和pt之間的歐式距離。

③特征編碼。對于每個點pi計算包含兩倍半徑r內(nèi)的其他點。查詢點pq與周圍c個點組成的點對，于新包含點的SPFH 進行加權并與點pq本身的SPFH求和，最后得到目標點pq的FPFH，公式如下：

式中：wi為點pq與近鄰點pi的歐式距離；c為pq鄰域內(nèi)的近鄰點個數(shù)。

3.4 點云配準

點云配準一般分為粗配準和精配準兩部分。

1）粗配準

粗配準指在點云相對位姿未知的情況下對點云進行配準，可以為精配準提供較好的初始值。采用FPFH 特征描述算法，得到初始的變換矩陣，將源點云配準到目標點云上，具體步驟如下。

①預先設置閾值δ′，在源點云ps中選擇幾個特征點并確定這些點的空間距離大于閾值δ′，保證每個特征點的FPFH 特征不同。

② 依據(jù)特征點的FPFH 特征，在目標點云pt中找到相似的FPFH 特征一個或多個點，并從這些相似點中隨機選取至少3 個點作為源點云在目標點云中的一一對應點。

③計算對應點間的剛體變換矩陣。先求出源點云與目標點云間的變換關系，然后依據(jù)該變換關系計算對應點變換后的距離誤差和函數(shù)，將此函數(shù)作為評價配準性能指標。

式中：ml為預先設定的值；li為第i組對應點經(jīng)過變換后的距離差。

粗配準后源點云與目標點云間的旋轉(zhuǎn)和平移誤差縮小，獲得較好的初始位置。

2）精配準

迭代最近點ICP（Iterative Closest Point）算法[19-20]是點云精配準使用最多的方法之一。基本原理是：在待匹配的源點云集合Q 和目標點云集合P 中，按照一定的約束條件，找到最鄰近點（pi,qi），然后計算出最優(yōu)匹配參數(shù)R和T，使得誤差函數(shù)E(R,T)最小，即：

主要計算步驟如下。

①計算最近點集。分別在源點云集合Q 和目標點云集合P 中，使用高維索引Kd-Tree（Kd 樹）找出近鄰點pi和qi，使得‖qi-pi‖最小。

② 分別計算旋轉(zhuǎn)矩陣R和平移矩陣T。

③對源點云集合Q 中的點qi，應用旋轉(zhuǎn)矩陣R和平移矩陣T求解出新的點云集：

④ 計算qi′與對應點集pi的平均距離：

如果d′′小于給定的閾值或大于設定的最大迭代次數(shù)，則停止迭代返回第②步。

⑤ 經(jīng)過多次迭代計算，得到最優(yōu)的旋轉(zhuǎn)矩陣R和平移矩陣T，實現(xiàn)點云的精確配準。

4 工程實踐

4.1 施工位置

唐家會煤礦地處準格爾煤田中部，井田面積大約28.573 km2，可采煤層4、5、6、9上和9下共5 層，主要開采6 煤，資源總儲量7.66 億t，核定生產(chǎn)能力900 萬t/a。6 煤以暗煤、亮煤為主，大部含夾矸4～6 層，厚度13.723～22.716 m，平均厚度18.363 m。某工作面位于6 煤西南部，走向長度1 590 m，寬240 m。

4.2 掃描準備

掃描路徑規(guī)劃：從副立井開始，沿著6 煤輔運大巷、6 煤南輔運大巷、某工作面回風巷道、切眼、某工作面運輸巷道、6 煤南回風大巷輔運聯(lián)巷、6 煤南輔運大巷，到6 煤南輔運大巷與某工作面回風巷道交匯處終止，總掃描距離大約5 625 m。總導線點44 個,每個導線點布設一個高反反光貼組合（由兩片單獨的反光貼拼成一個直角組合），尺寸：30 mm×5 mm，進口強力黏膠。導線點和反光貼組合的布設如圖4 所示。

圖4 中頂部紅色點表示導線點，巷道側(cè)幫藍色部分表示高反反光貼組合，反光貼組合頂部的紅色位置表示2 個反光貼拼接后的直角的頂點位置。

圖4 施工前準備Fig.4 Preparation before construction

4.3 巷道掃描

巷道激光掃描的難點在于井下巷道環(huán)境相對復雜。對比輪式激光掃描小車、無人機載三維掃描系統(tǒng)和移動式三維激光掃描系統(tǒng)的優(yōu)缺點后，本文采用中煤科工集團西安研究院有限公司自主研發(fā)的移動式三維激光掃描系統(tǒng)進行數(shù)據(jù)采集。該系統(tǒng)由多線激光雷達、旋轉(zhuǎn)云臺、里程計、慣性單元等組成，主要技術參數(shù)見表1。

表1 移動式三維激光掃描系統(tǒng)主要技術參數(shù)Table 1 Main technical parameters of mobile 3D laser scanning

掃描、處理和拼接完成的點云模型如圖5 所示。

圖5 巷道點云成果Fig.5 Results of roadway points cloud

4.4 輪廓線提取

煤礦井下巷道輪廓線提取相對簡單，主要步驟如下：

①把巷道點云模型整體做頂透視，然后把三維點云模型投影到水平面，設置內(nèi)部和外部輪廓線寬度為單點大小，并批量導出內(nèi)部和外部輪廓線的數(shù)據(jù)點坐標；

② 復制所有的輪廓線坐標數(shù)據(jù)，打開AutoCAD軟件，點擊多線段命令，在命令提示欄中粘貼所有坐標并空格確認輸入即可。

提取的巷道點云輪廓（紅色）和巷道（黑色）對比如圖6 所示：

圖6 巷道點云輪廓Fig.6 The contour of roadway points cloud

從圖6 可以看出，點云模型提取的輪廓線與巷道平面圖疊加后的整體吻合度較好，局部位置稍微有偏差（兩導線點較遠時）。

4.5 巷道掃描與工作面聯(lián)合建模

采用4.4 節(jié)中點云模型投影到XOY平面提取的輪廓線的數(shù)據(jù)點坐標，過該坐標點作平行于Z軸的切片并采用軟件系統(tǒng)配套軟件測量出巷道縱向高度。在圖6 中提取出巷道關鍵位置的坐標信息并與Auto-CAD 圖紙構建的巷道模型進行局部修正，較精確地構建巷道模型。在此基礎上，將巷道模型和掃描后的點云巷道模型融合可以實現(xiàn)待回采工作面巷道的快速測量（圖7），有助于工作面地質(zhì)模型的快速動態(tài)更新。

圖7 巷道與工作面聯(lián)合建模Fig.7 Joint modeling of the roadway and working face

圖7 中，黑色部分為工作面地質(zhì)模型，灰色部分為傳統(tǒng)手段構建的巷道模型，彩色部分為巷道點云模型，紅色部分為長度標尺。

4.6 精度分析

本次應用共44 個導線點（即44 站測量數(shù)據(jù)），44 站點云數(shù)據(jù)進行拼接時，每兩站數(shù)據(jù)之間的重疊度為20%。點云拼接精度用局部縱向切割和整體偏差進行表示。

1）局部縱向切割精度

采用4.4 節(jié)中投影到XOY平面提取的輪廓線的數(shù)據(jù)點坐標，間隔5 m 抽取1 個樣本點過該坐標進行縱向切割，測量點云數(shù)據(jù)巷道切割后剖面圖中巷道頂?shù)装逯g的距離（單個點的縱向切割如圖8 所示），共抽取5 個樣本點（樣本點越多，所取的巷道越長，對巷道中同一個樣本點與點云定位越困難）與巷道頂?shù)装鍦y量距離進行對比分析，并給出偏差值（偏差值的計算方法為點云成果切片后巷道高的測量值與實際巷道高的測量值的差），結果見表2。

表2 縱向切割精度Table 2 Longitudinal cutting accuracy

圖8 巷道切片F(xiàn)ig.8 Roadway slicing

從表2 可以看出，點云成果切片后巷道高度的測量值與實際巷道高度的測量值的差絕對值最大為0.027 m，最小為0.007 m，該偏差在移動式三維激光掃描系統(tǒng)中激光雷達的測量精度范圍內(nèi)。移動式三維激光掃描系統(tǒng)中激光雷達的極限測量距離為30 m，剔除煤礦井下粉塵、水霧等影響因素，實際測距10 m 處能較清晰地掃描到被測物體。因此，該系統(tǒng)適用于礦井所有巷道斷面高度方向的掃描。

2）整體偏差

把點云模型投影到XOY平面后與巷道平面圖疊合后進行對比分析，把二者的偏差距離按照測量起始點到5 625 m 對應長度進行分段統(tǒng)計，結果見表3。

表3 整體偏差Table 3 Overall deviation

從表3 可以看出，隨著點云數(shù)據(jù)拼接長度的增加，點云巷道模型與實際巷道投影后的平面圖重疊度越來越低，整體偏差越來越大。巷道距離超過5 400 m 時，偏差相對較大，超過了業(yè)界認可的0.3 m 以內(nèi)的要求。

5 結 論

a.針對煤礦井下特殊的工況環(huán)境，設備防爆、陀螺儀慣性導航漂移、坐標對準和長距離拼接等是煤礦井下三維激光掃描面臨的施工和技術難題。在此基礎上，論述了三維激光掃描系統(tǒng)核心部件三維激光雷達的測距原理，包括飛行時間測量法的原理和空間坐標的轉(zhuǎn)換公式；提出煤礦井下長距離巷道三維激光點云數(shù)據(jù)處理的技術實現(xiàn)流程。

b.煤礦井下長距離巷道三維激光點云掃描需要重點解決的關鍵技術，包括三維激光掃描系統(tǒng)動態(tài)標定、基于大小尺度噪聲濾波的點云預處理技術、點云關鍵點提取與特征描述技術、基于粗配準和精配準的點云配準技術等。

c.采用自主研發(fā)的移動式三維激光掃描系統(tǒng)在準格爾煤田某礦工作面進行試驗，驗證了設備性能、施工流程和點云數(shù)據(jù)處理流程的可行性，為煤礦智能化開采巷道信息的精準探測和巷道三維模型的快速獲取探索了一條可行的技術路徑。

d.移動式三維激光掃描系統(tǒng)在掃描巷道距離5 400 m 內(nèi)時整體拼接偏差能滿足實際使用。因此，下一步研究的重點是提高大場景、長距離點云巷道模型的整體拼接精度。