[发明专利]一种基于移动点云数据的智能分析盾构隧道环间错台量方法

权利要求书

1.一种基于移动点云数据的智能分析盾构隧道环间错台量的方法；其特征在于，包括以下步骤：

第一步：点云数据获取

三维激光扫描采用移动式三维激光扫描仪，移动式三维激光扫描仪用线扫描模式获取点云数据，点云数据中的点包含三个维度的信息，1、里程方向信息，即该点的里程；2、以扫描仪为原点，该点的水平和纵向位置信息；

第二步：基于螺栓孔位置识别的环缝位置信息提取

在原始点云数据中，螺栓孔点云数据的形状与其它点云数据有明显的不同，是特征点云数据，采用极坐标结合距离阈值的方式提取特征点云数据，即螺栓孔点云数据；将螺栓孔点云数据进行降维k-means缩进聚类，使近似里程的特征点云数据归为一类，可以得到螺栓孔的里程信息；隧道轴线方向相邻的螺栓孔的中间位置既为管片环缝的位置或每环中心断面位置；

第三步：环缝两边断面的提取

将环缝位置信息进行提取之后，计算环缝位置里程两边1cm处的里程作为环间错台比较的断面位置里程，根据该位置里程提取相应的8mm厚度断面，这样得到环缝两边的断面，便于接下来的环间错台量计算；

第四步：隧道环间错台量的提取

将上述得到的环缝两边的断面，采用极坐标结合距离阈值的方式进行去噪处理，留下断面的管片点云数据，将断面按角度每10°分割一次，每个断面分为36个区间，轨道中心为0°和360°，每个区间取平均值，两个断面相同角度的区间进行比较，即得出该区间的错台量。

2.按照权利要求1所述的一种基于移动式点云数据的运营期盾构隧道环间错台量提取方法，其特征在于，所述第二步中基于螺栓孔位置识别的环缝位置信息提取具体步骤包括如下：

1)将原始的点云数据进行降维处理，省略Y方向信息，此时点云数据每个点只保留X、Z方向信息；

2)笛卡尔坐标转化极坐标；提取X方向最小、最大各10个点，对两个维度的点云各取平均值，即可求出二维原始点云数据的中心点，将该中心点设为坐标原点，其它各点云数据进行坐标平移，并转换为极坐标；

3)设置距离和角度阈值提取隧道顶部螺栓孔位置；提取大于隧道半径，并且角度在50°～80°和100°～130°的点云数据，该点云数据既为螺栓孔特征点云；

4)采用K-means聚类算法将近似里程的螺栓孔数据进行聚类，每环管片有2组螺栓孔数据；取每组螺栓孔数据的中位数里程代表该组螺栓孔的里程信息；取相邻螺栓孔里程信息的中间位置即为环缝位置或每环中间位置，只保留环缝里程信息排除每环中间里程信息，即得到环缝里程信息。