基于激光点云的巷道三维重建关键技术研究.pdf

基于激光点云的巷道三维重建关键技术研究姜龙飞摘要：针对三维激光点云数据海量性、离散性、信息丰富但冗余大的特点本文研究了如何从海量点云数据提取空间信息并提出了基于“定位、扫描、滤波、重建、煤矿一张图显示”的煤矿巷道数据实时获取更新的新思路。在对数据进行体素滤波的基础上研究了PCL点云库常用的3种点云曲面重建方法可有效较少冗余信息提高运行效率探索了可直接加载于煤矿“一張图”系统的三维曲面重建算法。关键词：激光点云;曲面重建;MarchingCubes算法;Poisson算法;GreedyPT算法Abstract：Thispaperstudieshowtoextractspatialinformationfrommassivepointclouddataandputsforwardanewideaofreal-timeacquisitionandupdateofundergrounddataofcoalminebasedon"positioningscanningfilteringreconstructionanddisplayofonemapofcoalmine".OnthebasisofvoxelfilteringthispaperstudiesthreemethodsofpointcloudsurfacereconstructioncommonlyusedinPCLpointcloudbankwhichcaneffectivelyreduceredundantinformationandexploresa3Dsurfacereconstructionalgorithmthatcanbedirectlyloadedintothe"onemap"systemofcoalmine.Keywords：laserpointcloud;surfacereconstruction;MarchingCubesalgorithm;Poissonalgorithm;GreedyPTalgorithm0引言基于激光点云的三维场景曲面重建技术是通过记录激光扫描仪发射脉冲方向及接收目标表面反射激光的时间差（或相位差）来获取基于激光扫描仪视角的三维激光点云信息[1]其数据具有获取高效、精准便捷、测量非接触等优点[2]。但由于国内煤矿井下环境的复杂性、下井设备防爆安全性能的要求针对煤矿井下的三维场景重建的实际应用鲜有人研究。[3]煤矿生产过程中传统的建模方法主要有三棱柱体元[4]、约束三角网[5]及Bezier曲线[6]等大多基于井下巷道已有的特征点、中线、导线坐标数据等构建三维模型[7]模型精度受建模方法、测量精度影响且数据获取时一般需要暂停生产进行人工测量无法实时获取空间环境信息从而影响煤矿生产效率。三维点云采集装置可以通过激光扫描仪非接触地快速获取煤矿煤层采掘现场的空间信息实时获取矿井巷道和掘进工作面的点云数据重建场景信息计算掘进窗口的大小结合惯导系统和视觉SLAM技术（即SimultaneousLocalizationAndMapping同步定位与建图）实时定位采掘装备位置为煤矿井下实时控制指挥提供可视化平台从而提高煤炭生产效率。[8]目前基于激光点云曲面重建技术主要采用GeomagicStudio、3DSmax、maya、AutoCAD等软件进行后期处理。上述软件采用的建模方法多基于国内外已有的成熟软件需频繁的人工交互建模效率低智能化、自动化程度不高因此亟需探索一种基于三维激光点云的高效便捷且自动化程度高的巷道三维建模方法。[9]1研究思路煤矿井下三维点云数据的处理流程（如图1）包括了点云数据的采集、滤波、移除离群点、三维曲面重建等步骤。三维激光点云数据存在信息量大、数据离散、冗余多的特点本文在对数据进行降采样的基础上研究了3种常用的点云曲面重建方法可有效较少冗余信息。[10]2数据选取与研究方法2.1实验数据硬件：LiBackpackD50;软件：PCL点云库1.9.1、Visualstudio2