基于三维激光扫描的煤矿巷道形变监测方法

摘要

针对传统煤矿巷道形变监测方法存在数据采集不全面、数据形式不直观、精度差、不能实现对全巷道形变连续监测等问题,提出了一种基于三维激光扫描的煤矿巷道形变监测方法。首先利用三维激光扫描技术获取煤矿巷道真实的三维点云数据;其次利用深度学习模型VoxelNet对三维激光扫描数据进行检测去噪,将无序的点云数据转换成高维特征数据;再次利用alphashape算法对提取的巷道断面离散点进行拟合,并采用基于差值的方法对数据进行多维差值计算,以得到巷道形变的具体数据,实现矿区巷道形变监测的全覆盖。将三维激光扫描技术应用于塔山煤矿30507工作面的形变监测,对巷道三维点云数据进行了截面分析和三维整体分析。分析结果表明:通过2期巷道截面轮廓的相对偏差,可直接观测该区域的主要形变,如果上轮廓向内偏离则顶板发生塌陷;如果下轮廊向外偏离,则底板发生鼓起。随着测点距工作面的距离越近,附色模型的颜色越偏向红色和蓝色,且颜色越深,巷道形变越大。