[0001] 本发明涉及点云特征表征技术领域，尤其涉及一种隧道点云分布的表征方法及系统。

[0002] 本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

[0003] 随着地下空间的开发和利用，对隧道安全性的监测和评估也越来越重要。通过开展监控量测工作、进行三维模型重建以及对隧道结构的安全状态进行评价，可以更好地保障隧道的安全使用。传统的隧道检测方法如水准仪、全站仪等都采用单点式数据采集模式，需要人工操作，测量工作量大、效率低。相比之下，地面激光扫描(Terrestrial Laser Scanning,TLS)技术是一种以激光测距方式快速获取大量测点三维坐标的测量技术，激光扫描技术通过旋转激光束快速采集物体表面的三维坐标及属性信息，具高效、非接触全空间测量优势。在隧道监控量测方面，该技术相对于传统单点式检测方法，提供了一种能够快速、全断面捕捉隧道表面的三维坐标信息及属性的解决方案。激光扫描技术可实现隧道三维重建、结构变形分析和衬砌病害检测，逐渐成为在建或运营中隧道检测的优选技术。

[0004] 隧道点云特征指的是通过三维激光扫描等技术获取的隧道表面数据中的各种具体的几何和拓扑属性。这些特征对于理解隧道的物理状态、进行维护、检测和分析隧道的形变等方面非常重要。隧道点云特征主要包括：几何特征(比如：形状、尺寸、表面特征、三维坐标点)、结构特征(比如：裂缝和损伤、表观病害)、密度和质量(比如点云密度、数据质量)以及动态变化(隧道的变形监测)等。

[0005] 但是，受扫描模式、几何形态、表面属性以及扫描环境等因素的影响，点云分布呈现不均匀和起伏的现象，导致点云在局部区域过于密集或稀疏，以及点云无法完全准确地贴合物体的表面，扫描结果与实际物体之间存在偏差。

[0006] 点云分布是隧道三维建模和设计检测方案的基础，隧道三维建模的空间定位精度对TLS点云至关重要。针对点云分布问题，常采用优化点云扫描方案和点云数据后处理的手段提高点云分布质量。然而，在扫描方案方面，主要依据激光入射角进行设计，生成点云分布仍存在前述的问题；在后处理方面，往往采用统计方式调整点云分布，但统计性优化方法会造成部分扫描信息缺失。目前，缺少一套系统分析点云分布的表征方法，极少从理论上指导优化点云分布质量。如何提取点云分布特征，进而从中提取隧道的几何形态特征与衬砌表观病害信息是工程应用面临的重要问题。然而，目前对于三维激光扫描所得隧道点云的特征研究虽然存在，但是，对几何特征的提取是一个重要且复杂的任务，包括点云间距、倾角、点云厚度等特征的计算，以及点云分布密度、点云轨迹描述和误差测量。每个方面都有其特定的挑战和局限性，这些挑战直接影响隧道三维建模和变形测量的精度，不准确的几何特征提取会直接影响隧道模型的准确性。例如，如果点云间距和倾角未正确计算，可能导致模型中出现空洞或重叠区域，影响后续分析和决策的有效性。

[0007] 因此，开展隧道点云分布的表征方法研究，对提高点云分布质量，优化扫描方案设计和指导点云后处理具有重要的理论研究意义，提高激光扫描技术在隧道检测中应用价值。

[0051] 应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

[0052] 需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

[0053] 实施例一

[0054] 在一个或多个实施方式中，公开了一种隧道点云分布的表征方法，运用点云分布的正视图与侧视图分别识别其主要特征，密度与起伏度。一方面，该方法利用区域内的采样点数量与理想均匀点云分布中的数量相等这一特点对点云密度进行计算表征，通过理想均匀点云分布的密度计算扫描所得实际点云的密度。其中，理想均匀点云即视点与隧道表面完全贴合，无误差。另一方面，点云分布的起伏度通过定义“点云厚度”来对其进行量化表征，本发明依据激光测量原理并考虑入射角度和测量误差展开计算。

[0055] 以架站式激光扫描仪扫描圆形隧道为例，对隧道点云分布的表征方法进行描述。基于点云轨迹生成原理，以点云间距为指标，确定隧道检测方案中的扫描方式和测量断面长度。可以从激光入射方向减小测量误差，减小点云的波动，提高隧道三维建模和变形测量的精度。

[0056] 结合图6，本实施例方法具体包括如下过程：

[0057] (1)基于隧道几何尺寸和激光扫描模式，获取隧道点云数据的三维坐标信息，构建地面激光扫描隧道的物理模型。

[0058] 本实施例中，不需预先进行实地扫描，而是根据隧道几何尺寸和扫描模式，得到隧道点云数据的三维坐标信息(这是现有技术能够实现的)，可以在扫描前预测表征点云分布的指标，即点云厚度和点云间距，然后再根据计算得到的这两个指标，预判扫描站点间距等，指导扫描方案的设计。

[0059] 本实施例中，在得到点云数据之后，根据圆形隧道的形状和结构特点，构建TLS扫描隧道的物理模型。

[0060] 设圆柱形隧道的截面半径为R，隧道埋深z为0.3m。可通过以下公式得到隧道扫描任一采样点的坐标，记为(xi，yi，zi)：

[0061]

[0062]

[0063]2 2 2

[0064] 式中，yi +zi ＝R ， i＝1,2,…,n。Hi和Vi分别表示三维激光扫描仪在水平方向和垂直方向旋转扫描的角度。

[0065] (2)结合图2，以三维激光扫描仪垂直旋转能够产生的隧道点云采样点轨迹指定为环，仅考虑地面激光扫描线性误差，得到同一环内采样点的波动值，作为距离误差。

[0066] TLS线性误差如图3所示，由于点云分布受扫描模式、几何形态、表面属性以及扫描环境等因素的影响，点云分布呈现不均匀和起伏的现象，导致点云无法完全准确地贴合物体的表面，即激光扫描得到的结果从TLS中心到观测点的距离会沿激光入射的方向拉长或缩短，致使扫描结果与实际物体之间存在偏差。

[0067] 本实施例仅考虑TLS线性误差引起的同一环内采样点的波动值，称为距离误差Δr，距离误差Δr可由该点的三维坐标与线性误差影响因素a和b表示，即：

[0068]

[0069] 其中，(xi，yi，zi)为测量得到的该点的三维坐标。

[0070] 本发明仅考虑TLS线性误差引起的同一环内采样点的波动值，作为距离误差，将误差聚焦于主要误差来源线性误差，可以简化模型，提高数据处理效率，更直接地分析和理解误差的主导因素，为错误校正和系统优化提供清晰的方向；另外，线性误差通常是由扫描设备的固有特性(如激光的波长、脉冲宽度、扫描仪的定位和定向精度等)决定的。这些误差相对稳定且可预测，对其进行准确测量和补偿，可以显著提高测量数据的精确性和可重复性。

[0071] 本实施例通过计算距离误差可评估系统的测量精度，评估当前扫描技术的效率，依据误差计算结果调整扫描的分辨率等设备参数，以提高数据质量，及时优化扫描流程，帮助确定扫描数据满足工程精度要求。

[0072] (3)利用点云数据的三维坐标信息，分别计算点云间距和倾角；利用距离误差计算同一轨迹内采样点截面的曲率曲线，作为点云厚度。

[0073] 本实施例中，将TLS垂直旋转产生的采样点轨迹指定为环，结合图2和图5(a)，可直观看到点云轨迹与每一环点云，点云间距包括点间距dpoint(图中的dp)和环间距dring(图中的dr)如图中标注。本实施例作如下定义：同一环内相邻采样点P0与P1的间距称为点间距dpoint，相邻环之间的间距称为环间距dring；将环中相邻点的连线与水平面之间的夹角表示为倾角α。

[0074] 利用点云数据的三维坐标信息，计算得到点云间距和点云厚度，量化点云在被测表面上的波动，反映测量误差。

[0075] 点云间距可表征点云在平面维度的分布密度，点云间距越大，表示点云越稀疏，反之则越密集；点云厚度是指在某个特定方向上，点云覆盖的区间或范围；点云厚度则表征点云的起伏度，即点云数据与实际物体表面之间的最大测量偏差。

[0076] 点云间距和点云厚度的统计分析可以量化点云在被测表面上的波动。如果点云间距和点云厚度的值在预期的精度范围内，那么可以认为点云数据较好地贴合了被测物体的表面。反之，如果这些值超出了可接受的范围，则可能表明存在较大的测量误差。

[0077] 点云间距和点云厚度的不均匀性可以反映测量过程中的系统误差或随机误差。例如，由于扫描设备的性能限制、环境因素或操作者的技术差异，可能会导致某些区域的点云间距过大或点云厚度不均，从而影响测量结果的准确性。

[0078] 具体地，根据He l en公式，计算公式如下：

[0079]

[0080]

[0081]

[0082]

[0083]

[0084]

[0085]

[0086]

[0087] 点云厚度是指在垂直于被测表面方向上，点云数据所覆盖的区间或范围。由于距离误差Δr的存在，导致实际扫描所得的观测点并没有完全贴合隧道的真实表面，而是在一定范围内分布，这个分布的区间即为点云厚度。点云厚度是描述点云数据在垂直于被测表面方向上分布特征的一个重要指标。通过计算点云厚度，可以量化点云数据的测量误差，从而对隧道等工程结构的健康状况进行更准确的评估和监测。

[0088] 点云厚度可以通过测量点云数据中，在垂直于隧道表面方向上最远两点之间的距离得到，这个距离反映了点云数据在该方向上的分布范围或波动程度。点云厚度的计算公式如下：

[0089]

[0090] 式中，

[0091] 其中，(xi,yi,zi)为圆柱形隧道内任一采样点的坐标。

[0092] 作为进一步的方案，可根据计算得到的点云间距和点云厚度两个指标预判不同扫描方案下的点云质量，进而对扫描站点间距等参数进行调整(应用于前期扫描方案)，或者根据得到不同质量的点云，进行增加删减点云操作或者点云降噪等(进行后处理优化)。

[0093] 在本实施例中，为验证计算模型，绘制点云分布参数随隧道长度分布的变化图，实现圆形隧道TLS点云分布的量化表征。

[0094] 对总长度为15m的圆形隧道扫描所获点云数据进行处理，利用本实施例所提供的计算模型进行计算，获得相应的分布参数，包括点云间距、倾角相关参数和点云厚度相关参数，将参数与隧道长度联系起来，得到参数随隧道长度变化的变化趋势。这些数据具有重要的工程应用和研究价值，比如：

[0095] ①可以进行模型验证和改进：

[0096] 验证精度：通过将计算模型预测的结果与实际测量数据比较，可以验证模型的准确性。如果模型能够准确地预测点云分布参数随测站间距的变化，这表明模型在实际应用中是有效的。

[0097] 模型优化：如果发现模型预测的结果与实际数据存在偏差，可以通过分析这些差异来优化和调整模型。这可能涉及调整模型的某些假设、参数或算法。

[0098] ②可以进行结构健康监测：

[0099] 预警机制：通过分析隧道沿线点云参数的变化趋势，可以识别出结构可能存在的问题区域，如变形、裂缝或腐蚀。这些信息对于实施预防性维护措施和避免潜在的安全事故至关重要。

[0100] 维护计划：根据点云数据显示的隧道结构状态，可以制定更有针对性的维护和修复计划。例如，如果某个隧道段的点云厚度显著增加，可能需要特别注意该区域的结构完整性。

[0101] 本实施例中，通过上述过程得到扫描站点间距等参数之后，对地面激光扫描(TLS)技术进行参数设置，利用激光扫描仪从地面位置对目标进行全方位实际扫描，根据实际扫描的数据可以验证前期计算的扫描站点间距等参数是否合适。

[0102] 具体地，本实施例三维激光扫描仪在水平H和竖直V方向上均能够旋转，通过内置的马达系统驱动多面扫描棱镜转动，从而改变激光的扫描方向，实现对空间的快速扫描。三维激光扫描仪的垂直视野为320°，这意味着扫描仪在垂直方向上具有宽广的扫描范围；水平视野为360°，提供了全方位无死角的水平扫描能力。

[0103] 结合图1，采用TLS技术扫描隧道结构，三维激光扫描仪以水平和垂直角分辨率0.016°向目标发射激光脉冲，对隧道待检测区域进行全方位的扫描，得到系列空间点的数据集，数据集中记录了每一个空间点激光脉冲的回波信息、点云三维坐标信息以及反射强度信息等。

[0104] 根据实际激光扫描得到的数据，可以验证前期计算得到的扫描站点间距等参数是否合适，具体可以通过以下过程进行验证：

[0105] ①对扫描得到的点云数据进行直观的质量检查，包括：

[0106] 点云分布：检查点云是否均匀覆盖了隧道衬砌的整个表面。

[0107] 数据完整性：确认没有遗漏扫描的区域，特别是隧道的角落和边缘。

[0108] ②点云间距分析

[0109] 统计分析：对扫描得到的点云进行质量评估，包括点云的密度、分辨率、完整性等。可以使用本发明提供的计算方法进行分析，或者使用点云处理软件或算法进行分析，比如检查是否存在缺失的区域、点云之间的重叠情况等。

[0110] 间距一致性：确认点云间距在整个扫描区域是否一致，有没有出现异常的大间隔或高密度区域。

[0111] ③点云厚度测量

[0112] 点云厚度：测量垂直于扫描方向上的点云覆盖范围，即点云厚度。

[0113] 误差评估：评估点云厚度是否在可接受的误差范围内。

[0114] ④精度验证

[0115] 与已知数据对比：如果有已知尺寸的标准物体或标靶在隧道中，将点云数据与这些已知尺寸进行对比。

[0116] 控制点检查：在隧道中设置一些控制点，扫描后通过软件检查这些点的位置精度。

[0117] ⑤重复性测试

[0118] 重复扫描：在相同的扫描站点对同一区域进行多次扫描。

[0119] 数据配准：将多次扫描的数据进行配准，检查配准后的点云是否重叠，评估重复性。

[0120] ⑥实地检验

[0121] 现场复核：到隧道现场进行复核，检查是否有明显可见的扫描遗漏或错误。

[0122] 与设计图纸对比：将扫描得到的点云数据与隧道的设计图纸进行对比，检查是否有偏差。

[0123] ⑦修正与优化

[0124] 参数调整：如果发现问题，根据分析结果调整扫描参数，如站点间距、扫描角度等。

[0125] 重新扫描：必要时，重新进行扫描并重复上述验证步骤。

[0126] ⑧综合评估

[0127] 综合判断：综合考虑点云数据的覆盖度、间距、厚度和精度，评估扫描方案的适用性。

[0128] 通过上述过程，可以全面验证计算得到的扫描站点间距等参数是否合适，并据此对扫描方案进行优化，以确保获取高质量的点云数据。

[0129] 实施例二

[0130] 在一个或多个实施方式中，公开了一种隧道点云分布的表征系统，包括：

[0131] 模型构建模块，用于基于隧道几何尺寸和激光扫描模式，得到隧道点云数据的三维坐标信息，构建地面激光扫描隧道的物理模型；

[0132] 误差计算模块，用于以三维激光扫描仪垂直旋转产生的隧道点云采样点轨迹做为环；仅考虑地面激光扫描线性误差，得到同一轨迹内采样点的波动值，作为距离误差；

[0133] 点云特征计算模块，用于利用点云数据的三维坐标信息，分别计算点云间距和倾角；利用距离误差计算同一环内采样点截面的曲率曲线，作为点云厚度。

[0134] 作为进一步的方案，还包括预测模块，用于根据计算得到的点云间距和点云厚度两个指标预判不同扫描方案下的点云质量，进而对扫面站点间距等参数进行调整(应用于前期扫描方案)，或者根据得到不同质量的点云，进行增加删减点云操作或者点云降噪等(进行后处理优化)。

[0135] 上述各模块的具体实现方式已经在实施例一中进行了说明，不再详述。

[0136] 实施例三

[0137] 在一个或多个实施方式中，公开了一种终端设备，包括服务器，所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例一中的一种隧道点云分布的表征方法。为了简洁，在此不再赘述。

[0138] 应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

[0139] 存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。

[0140] 在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。

[0141] 实施例四

[0142] 在一个或多个实施方式中，公开了一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行实施例一中所述的一种隧道点云分布的表征方法。

[0143] 上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。