[发明专利]一种基于凿岩台车的掌子面智能分析方法

权利要求书

1.一种基于凿岩台车的掌子面智能分析方法，采用了一种掌子面智能感知系统，其特征在于，所述掌子面智能感知系统包括图像采集组件和电脑；图像采集组件设有两组，分别对称安装在台车的驾驶室两侧；图像采集组件包括相机和云台；云台固定在台车上，相机安装在云台内部；电脑中安装有软件系统，通过软件系统电脑能与相机、云台通信；

所述掌子面智能分析方法包括以下步骤：

步骤一，利用相机拍摄不同角度下的标定板对相机进行标定，得出相机内部参数；

步骤二，控制云台以左上、左下、中间、右上、右下五个姿态拍摄放置在掌子面前方左上、左下、中间、右上、右下五个位置的标靶，记录各个姿态下各个标靶中心的像素坐标，利用相机-云台-台车运动学建模，得到标靶中心像素坐标在台车坐标系下的坐标值；利用全站仪测量台车坐标系下各标靶中心的坐标值，通过使上述两种方式得到的不同拍摄姿态下掌子面前方不同位置标靶的坐标差值最小，得到修正的运动学建模参数，进而求出两个相机间的位姿关系；

步骤三，操作电脑中的软件系统采集掌子面图像并自动存储，应用开发的双目成像算法，对拍摄的掌子面左右图像进行三维重建，获取掌子面的点云数据以及三角网格；

掌子面的三维重建，具体是利用相机内部参数和相机之间的位姿关系对两个相机拍摄的图像进行初步校正；然后再将两张初步校正后的图片进行一次双目匹配校正，并得到视差图；再将匹配校正后的视差图转换到初步校正后以左图像为基坐标的坐标系下；最后进行三维重建，将求解出的三维结果转换到台车坐标系下；

步骤四，利用区域生长算法识别出结构面产状，通过平面拟合算法和k-means聚类算法分别完成平面拟合和结构面分组，计算出每组结构面的平均倾向和平均倾角。

2.根据权利要求1所述的一种基于凿岩台车的掌子面智能分析方法，其特征在于，所述步骤四具体是：从掌子面图像三维重建后的点云数据中识别出噪声点并去除后，将点云数据进行三角网格化，引入半边结构给三角网格顶点、边、和面添加索引，采用区域生长算法进行结构面识别；采用随机抽样一致性算法，对同一结构面的点云数据进行结构面拟合，计算出结构面的法向量；并应用k-means无监督聚类算法对识别的结构面分组，其中将轮廓系数作为k-means聚类结果的评价指标来选择出最优结构面组数；结合隧道坐标系与台车坐标系的转化矩阵，计算出每组结构面的倾向和倾角。

3.根据权利要求2所述的一种基于凿岩台车的掌子面智能分析方法，其特征在于，结构面的识别具体是：结构面整体表现为平面，边缘处表现为棱角状；在三维表面重建后的网格中，多个空间三角面片相互连接形成结构面，它们的法向量方向相同，而位于不同结构面边缘部位的三角形面片的法向量变化大。

4.根据权利要求3所述的一种基于凿岩台车的掌子面智能分析方法，其特征在于，所述k-means聚类算法具体是：

S1、设定产状最小组数和最大组数，进而确定初始聚类中心K的范围；

S2、结构面的法向量作为数据样本，计算每个样本到K个聚类中心的距离并将其分到距离最小的聚类中心所对应的类中；

S3、通过结合内聚度和分离度两种因素的指标轮廓系数对聚类效果进行评价，选择出聚类中心最优K值；

S4、聚类后对结构面产状进行分组，计算每组结构面的倾向、倾角平均值。

5.根据权利要求1～4任意一项所述的一种基于凿岩台车的掌子面智能分析方法，其特征在于，步骤二中，拍摄放置在掌子面不同位置上的标靶时，凿岩台车位于掌子面正前方，驾驶室的操作人员随时观察环境情况，通过操作掌子面系统软件拍摄清晰的掌子面图像，自动保存图像并记录当前拍摄图像的隧道里程。

6.根据权利要求5所述的一种基于凿岩台车的掌子面智能分析方法，其特征在于，所述相机采用型号为BASLER-acA5472-5gc的工业相机。

7.根据权利要求6所述的一种基于凿岩台车的掌子面智能分析方法，其特征在于，所述相机内部参数包括相机焦距、畸变系数、像素间距和主点位置。