基于深度卷积自编码网络的渣土车厢点云数据自校正方法

为解决智能化盾构施工中,施工隧道内所采集的渣土车原始点云数据存在畸变,从而影响渣土体积测量准确性的问题,基于点云数据处理与深度学习的方法,建立基于深度卷积自编码网络的渣土车厢自适应去畸变模型。首先,采用包围盒滤波和反距离加权插值对渣土车厢点云数据进行滤波与补全操作,接着使用真实渣土车厢尺寸构建网络的理想输出,并通过灰度化将点云数据转换为伪特征图,构建网络的数据集;然后,以传统卷积自编码网络为基础构建渣土车厢自校正网络,网络设计融合堆叠式卷积层和栈式自编码的处理方法,增加网络层数以获得更优的特征表达;最后,使用盾构掘进现场数据进行试验。结果表明:本文提出的渣土车厢点云数据自校正方法在保证时间效率的前提下,渣土车厢数据的峰值信噪比(PSNR)达到29.73,结构相似性(SSIM)达到0.86,均优于传统自编码网络与几何约束矫正的方法。证明了本文方法的正确性与有效性,能够提高隧道内所获取渣土车厢点云数据的可用性,同时为点云数据去畸变技术在三维重构和工程领域的应用提供了理论依据。

激光扫描技术在岩土工程勘察中的应用与效果评价

为分析评价激光扫描技术在岩土工程勘察中的应用效果,在某城市拟建公路隧道项目的岩土工程的勘察中应用了激光扫描技术:采用三维激光扫描系统扫描该隧道施工范围内的岩土结构,获取岩体结构的点云数据,利用软件Polyworks8.0中拼接模块IMAlign实现岩体点云数据拼接后,对拼接后的点云数据进行坐标转换,实现点云数据矫正,生成岩土3D图像;并通过自适应半径滤波方法去除图像中的噪声后,结合Rocfall软件和K-D树索引结构,获取图像中的危岩体的分布情况,完成工程附近危岩体勘察。将勘察结果和现场实际情况进行对比验证。结果表明,激光扫描技术用于岩土工程勘察具有可行性,可为工程施工提供可靠的数据依据。