基于中心轴正交旋转的点云数据隧道断面提取方法

隧道断面的精确提取是隧道形变分析中的一个关键环节,然而,隧道内部复杂的形状和环境使得点云处理算法变得复杂,传统的断面提取与变形分析算法已经不适用于点云数据,因此亟需更高效和更鲁棒的算法。针对这一问题,本文提出了一种基于点云数据的隧道断面连续提取方法。首先,引入结合随机样本一致性(Random Sample Consensus,RANSAC)圆柱拟合与半径滤波的方法,以有效滤除离群点及附着在隧道壁上的噪声点;接着,通过双向投影获取隧道中轴线,并根据“与隧道中轴线正交旋转的直线相交于隧道壁”建立数学模型,从而实现对隧道点云断面的连续提取;最后,以断面点的拟合圆心坐标和设计半径为参数计算隧道的形变量,并通过可视化渲染直观展示隧道整体变形情况。为证明本文方法的有效性,实验选取了成都市某地铁线路三段地铁隧道的激光点云数据,结果表明,该方法滤除噪声时Ⅰ类误差、Ⅱ类误差和总误差均值分别为1.48%、1.03%和1.21%,Kappa系数达到97.45%。相比传统的最小二乘法、密度聚类法以及法向偏差法,本方法的3类误差之和分别降低了9.34%、10.61%和4.41%,Kappa系数则提高了5.36%、6.38%和3.65%。这充分展现出本方法更优越的鲁棒性和准确性;此外,该方法所提取出的隧道断面拟合半径与设计半径的偏差均值低至1.36 mm。相比目前的1.60 mm方法及6.00 mm方法,本文方法的偏差均值分别降低了2.5 mm和2.7 mm。而求得隧道形变量范围在0~18 mm之间,同时通过点云渲染方式直观展示了隧道整体变形情况。本研究的方法为隧道安全监测工作提供了可靠依据和基础支持。