基于已知點約束的高精度煤礦巷道三維點云建模方法

關鍵詞：巷道建模；三維激光雷達掃描；同時定位與地圖構建；SLAM；已知點約束；三維點云地圖

中圖分類號：TD67 文獻標志碼：A

0引言

煤礦智能化是我國煤炭企業(yè)高質量發(fā)展的核心技術支撐[1-2]，而高精度的時空數(shù)據(jù)是煤礦智能化的基礎。煤礦巷道作為采運裝備的重要載體，是礦井實景三維的重要組成部分，也是智慧礦山的空間信息基礎，煤礦巷道三維建模對于科學合理地組織各類礦山信息，將海量異質的礦山信息資源進行全面、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、導線點、巷道中心線等數(shù)據(jù)進行建模，受到特征數(shù)據(jù)精度影響導致建模精度較低，且不能準確描述巷道邊界[6]。隨著傳感器技術的快速發(fā)展，三維激光雷達掃描技術憑借其測量速度快、范圍廣、精度高等優(yōu)勢，為煤礦巷道高精度三維點云建模開辟了新途徑。尤其是激光雷達同時定位與地圖構建（Simultaneous Localizationand Mapping，SLAM）技術的快速發(fā)展與廣泛應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果，實現(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，為煤礦巷道建模提供了一種新的技術思路。Wang Jiaheng 等[13]提出了基于體素網格的點云處理與改進的點面匹配方法，并結合地面點云約束的滑動窗口優(yōu)化，得到了較好的建模結果。劉少杰等[14]提出了一種點云數(shù)據(jù)與三維柵格映射的掘進巷道空間建模方法，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云數(shù)據(jù)通過圓柱面投影轉換為二維離散點，應用分治算法進行三角剖分，并保存二三維點云與三角網之間的拓撲關系，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)境條件使建模技術變得復雜的問題，提出了適用于惡劣條件下的對齊與配準算法，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約束的高精度煤礦巷道三維點云建模方法。該方法通過多重優(yōu)化的前端匹配，將已知點約束信息加入到復雜煤礦巷道激光SLAM 建模中，以校正測站點和全局點云地圖坐標，從而提高煤礦巷道三維點云建模精度。

1方法原理

已知點約束的高精度煤礦巷道三維點云建模流程如圖1 所示。首先，采集激光雷達點云數(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）和已知點坐標數(shù)據(jù)。其次，對激光雷達點云數(shù)據(jù)與IMU 數(shù)據(jù)進行處理：對于激光雷達點云數(shù)據(jù)，利用IMU 預測的位姿對激光雷達運動過程中可能導致的點云畸變進行去除，再通過多重優(yōu)化對去畸變的激光雷達點云數(shù)據(jù)進行初步優(yōu)化，以提高前端配準的精度和效率；對于IMU 數(shù)據(jù)，通過構建新的預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，并通過附合導線控制測量計算各測站點坐標。最后，將測站點坐標作為約束，利用非線性優(yōu)化方法校正三維激光點云地圖，獲得已知點約束的巷道點云三維模型。

1.1數(shù)據(jù)處理

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

1.2測站點坐標確定

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

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

以觀測邊EF為例，其坐標方位角為

式中α_BE為觀測邊BE的坐標方位角。

2實驗與分析

2.1實驗場景

采用GO?SLAM 手持式三維激光掃描儀在煤礦井下進行實驗數(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/s；激光線數(shù)為32。實驗場景為實驗室模擬巷道和真實煤礦巷道，如圖3 所示（圖中紅色三角形位置為數(shù)據(jù)采集的起點，藍色路線表示數(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]在實驗室模擬巷道中的建圖結果進行對比，如圖4 所示?？煽闯鯨eGO?LOAM 方法由于在地圖構建過程中約束不足，導致實驗室模擬巷道建圖的起點與終點位置偏差較大，即使有回環(huán)檢測約束仍不能實現(xiàn)精準建圖； LIO?SAM 方法建圖效果較好，建圖起點與終點位置偏差較小，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。

為進一步驗證本文方法的有效性，在真實煤礦巷道對添加已知點約束前后的建圖結果進行對比，如圖5 所示?？煽闯鲈谖刺砑右阎c約束的情況下，煤礦巷道點云地圖出現(xiàn)較大偏差；而添加已知點約束的煤礦巷道點云地圖具有較好的全局一致性，有效降低了點云地圖的偏差。

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，將不同方法定位結果進行對比，如圖6 所示?？煽闯霰疚姆椒ǘㄎ唤Y果與參考值最接近，而LeGO?LOAM 方法與LIO?SAM 方法定位結果與參考值相差較大；在實驗的前半段，由于巷道較寬，不存在激光點云被遮擋，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，而本文方法定位結果與參考值擬合程度較高。

不同方法的定位誤差見表1?？煽闯霰疚姆椒ㄔ谒椒较蛏献畲笳`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點云地圖精度

為定量分析本文方法構建的三維點云地圖精度，在實驗場景用卷尺測量多種特征地物的尺寸，并將不同方法構建的三維點云地圖導入點云數(shù)據(jù)處理軟件，測量點云地圖中對應特征地物的尺寸，如圖7所示。將卷尺實測尺寸與通過不同方法構建的三維點云地圖測量的尺寸進行對比，結果見表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%， 表明本文方法構建的三維點云地圖精度較高。

3結論

1） 提出了一種基于已知點約束的高精度煤礦巷道三維點云建模方法。對激光雷達點云數(shù)據(jù)進行多重優(yōu)化，提高了前端配準的精度和效率；利用附合導線控制測量獲取分段已知點，為三維激光點云建模提供全局約束條件；結合已知點和激光SLAM 確定的測站點進行聯(lián)合平差計算，利用非線性優(yōu)化方法進一步校正全局點云地圖，從而提高三維點云建模精度。

2） 實驗結果表明，該方法構建的煤礦巷道三維點云地圖具有較好的全局一致性和幾何結構真實性，在煤礦井下具有較高的定位與建圖精度。