期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于PointNet++进行附属设施语义分割的隧道收敛变形分析 被引量:1
1
作者 卞政 石波 +3 位作者 吴凡 王静 赵凯 杨兴宜 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第11期4827-4839,共13页
随着城市轨道交通日趋广泛,隧道结构变形引起的地铁安全事故凸显,亟需对运营期隧道进行变形检测。隧道衬砌作为隧道变形分析的研究对象,衬砌内表面存在的大量附属设施影响隧道收敛变形分析精度。为了提高变形分析精度,解决点云处理环节... 随着城市轨道交通日趋广泛,隧道结构变形引起的地铁安全事故凸显,亟需对运营期隧道进行变形检测。隧道衬砌作为隧道变形分析的研究对象,衬砌内表面存在的大量附属设施影响隧道收敛变形分析精度。为了提高变形分析精度,解决点云处理环节中存在的自动化程度低的问题,提出基于PointNet++点云语义分割的隧道收敛变形分析方法。首先利用深度学习方法进行点云语义分割,对隧道衬砌附属设施进行自动滤除。然后对隧道衬砌进行断面提取,利用随机抽样一致性算法(Random Sample Consensus,RANSAC)对隧道断面点云进行采样,分析隧道收敛变形程度,从Z+F PROFILER 9012A激光断面扫描仪获取山东省济南市地铁盾构隧道点云实测数据上并进行应用。研究结果表明:所提出的处理方法可以有效地将大规模隧道衬砌与连接紧密的附属设施分离出来,隧道附属设施总体分类精度达到96%,滤波结果较好地保留了隧道衬砌原始形态特征。在对隧道整体和局部收敛变形分析的重复性验证中,测试区间内隧道整体变形精度往返测长半轴平均偏差为1.04 mm,短半轴平均偏差为0.9 mm,测试区间内隧道局部收敛变形往返测标准差最小为0.773 mm,最大为0.938 mm,可以满足隧道收敛变形分析的精度需求。研究结果可以有效提升处理大规模隧道数据的自动化程度,具有良好的有效性与可靠性,对运营期地铁隧道收敛变形检测或监测有较好的实践应用意义。 展开更多
关键词 轨道交通隧道 激光点云 收敛变形分析 点云深度学习 随机抽样一致性
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部