论文阅读--基于MLS点云语义分割和螺栓孔定位的盾构隧道错位检测方法

目前存在的问题：

• 隧道错位识别方法只能针对特定错位形式；
• 将点云转化为灰度图像会受到环境的影响。

文章主要研究内容：

• 将点云无损展开
• 将2.5D点云转化为2D图像进行语义分割
• 提取螺栓孔感兴趣区域，最小拟合方法获取错位值

论文翻译：

摘要：盾构隧道环片错位对隧道结构稳定性和防水造成不利影响。 目前的方法只能检测圆形隧道中有限类型的位错，这给满足实际要求带来了挑战。 介绍了一种适用于各种形状盾构隧道的错位检测方法，可实现环间错位和环内错位的检测。 首先，引入了点云无损展开方法，允许在不影响点云特征的情况下展开任意截面形状的隧道点云。 随后，提出了地铁隧道点云分割工作流程，使得图像深度学习网络能够直接应用于隧道点云。 然后将螺栓识别为位错测量的标记，并介绍了一种螺栓感兴趣区域定位和配对的方法。 该方法通过从感兴趣区域拟合参考面来计算位错值。 在总长 2.45 km、包含 200 亿个点的圆形和类矩形盾构隧道上进行的一系列实验表明，所提出的分割工作流程与图像语义分割模型相结合，最大 mIoU 达到 90.2%，比传统隧道高出 10%。 直接分割隧道点云。 该方法经过反复的精度测试，并与全站仪测量、RANSAC平面拟合、扫描线法等其他方法进行了比较。 该方法的结果显示出高精度和稳定性，测量精度 RMSE 为 0.89 mm，MAE 为 0.69 mm，效率比全站仪测量高 20 倍。

INTRODUCTION

全球城市地区的扩张带来了越来越严峻的挑战，特别是交通拥堵和城市土地稀缺的加剧，在大城市尤其明显，中国就是一个典型的例子。 作为缓解地面交通压力不断升级的战略应对措施，地铁建设在主要城市中心发挥着举足轻重的作用[1]。由隧道掘进机（TBM）开挖的盾构隧道已成为新建地铁网络建设的主要方法[2]。 这种偏好归因于盾构隧道开挖速度快、对环境保护的承诺以及综合效益的优势积累等值得称赞的属性[3]。 尽管盾构隧道具有这些优点，但随着使用寿命的延长，也可能出现各种缺陷[4-6]，包括变形、裂纹、渗漏、错位等现象。为保证地铁隧道的持续安全运营，需要解决以下问题： 必须进行定期检查，以便尽早发现并纠正这些潜在缺陷。盾构隧道中的术语“错位”是指隧道衬砌段之间发生的错位或位移[7]。 在盾构隧道施工过程中，多个环段共同构成隧道的单个环。 随后，多个这样的环相互连接以形成完整的隧道结构。 这些位错有可能损害盾构隧道的防水和整体机械性能，降低其承载能力，从而影响隧道运营的安全[8-10]。 盾构隧道中的位错可分为环间位错和环内位错两类。 环间位错是指两个相邻环段之间的位错，而环内位错是指同一环段中相邻环段之间的位错。 与裂缝和泄漏等其他隧道缺陷相比，位错表现出更隐蔽的性质。 由于它通常表现为垂直位移，因此很难检测和测量。 目前，盾构隧道错位的检测通常仅限于地铁夜间停运期间的维护时段。 该过程依赖于人工检测或全站仪测量，存在检测效率低、体力劳动强度大、容易疏忽等问题。 随着地铁里程的增加、运营寿命的延长以及劳动力成本的飙升，目前事实证明，地铁巡检模式已不能满足铁路养护部门的实际需求。 近年来，激光扫描技术以其非接触、高精度、高频等优点在隧道测量中得到了广泛的应用[11-14]。 然而，从隧道海量离散点云数据中准确提取错位位置并测量错位值，特别是排除电缆、通风、照明和其他辅助设施的干扰仍然是一个重大挑战。 为了克服上述挑战，我们的研究研究了 MLS 点云位错的精确测量。 本文的贡献主要体现在以下三个方面：

1.本文提出了一种适用于铁路隧道MLS的点云语义分割框架。 该框架将各种形状的铁路隧道的点云转换为二维图像，同时保留强度和几何特征。 图像语义分割方法可以直接应用于铁路隧道点云，与传统点云语义分割方法相比，分割精度显着提高。

2.在点云语义分割的基础上，提出了一种适用于各种形状盾构隧道环间和环内错位的自动化错位定位和测量方法。

3.通过圆形和类矩形盾构隧道的综合试验验证了本文方法的精度、效率和可靠性。

本文的其余部分结构如下：第二部分概述了有关盾构隧道错位检测的相关文献，第三部分概述了所提出的方法，第四部分介绍了隧道点云分割和错位测量的结果，以及 第五节提供讨论和结论。

II. RELATED WORKS

一般来说，现有盾构隧道位移检测方法可分为直接法、全站仪测量法、位移传感器法和激光扫描法等。 直接法是直接用直尺或卡尺测量两个环段之间的错位，是最直接的测量方法。 然而，由于其基于接触的性质，该方法是最耗时和劳动密集型的，通常仅用于具有明显错位的隧道部分的位错定量测量。 全站仪作为隧道领域应用最广泛的测量仪器，也应用于位移检测[15]。 与直接法相比，全站仪位移测量的效率有所提高。 但由于测量角度的限制，全站仪仍然需要连续的站台移动来测量隧道中不同位置的错位。 因此，其测量效率对于满足盾构隧道的运营和维护需求仍然具有挑战性。 一些研究人员采用光纤传感器等位移传感器来检测盾构隧道中的错位[16]。 在这种方法中，分布式光纤线路预先安装在隧道中，通过监测光纤的变形来检测错位。 该方法可以实现近乎实时的在线检测，测量精度高。 但需要在错位发生之前预先安装传感器。 摄影测量技术已广泛应用于隧道变形、渗漏和裂缝检测[17,18]。 然而，段之间的错位沿隧道垂直方向分布，由于测量角度的限制，通过二维图像进行检测具有挑战性。 因此，该技术在应用于盾构隧道的错位检测时面临困难。 激光扫描技术因其非接触式、高测量频率和优越的精度等特点，已成为盾构隧道掘进中管片错位检测的主要方法[19]。 近年来，人们在这一领域投入了大量的研究工作。 在早期阶段，主要采用地面激光扫描仪（TLS）。 Xie和Liu[20]利用TLS获取盾构隧道的点云，对隧道横截面进行圆形和椭圆形拟合。 这种方法有助于检测同一盾构隧道环内各段之间的位错。 徐等人。 [7] 在盾构隧道施工过程中采用 TLS 来测量管片之间的错位，确保装配误差保持在规定的公差范围内。 通过识别段之间的接缝，该方法不仅可以计算一个环内相邻段之间的位错，而且有利于计算相邻环之间的位错。 当采用TLS测量隧道等细长目标时，需要设置多个站点并将点云拼接在一起才能获得隧道的完整表示[21]，导致数据采集效率相对较低。因此，一些学者开始利用能够在铁路轨道上运行的移动激光扫描仪（MLS）来获取地铁隧道的点云。 与 TLS 相比，这种方法显着提高了数据采集效率。 回顾了 MLS 在地铁隧道错位检测中应用的文献，我们将结果整理于表 1 中。使用 MLS 点云检测盾构隧道错位的典型流程如下。 首先，沿隧道中心线展开隧道点云，生成灰度图像以供后续处理。 其次，识别错位指标以定位错位位置。 一些研究人员采用计算机视觉[22-24]或深度学习方法[25]来直接识