發(fā)布時(shí)間：2018-08-30 12:09

【摘要】：傳統(tǒng)的地鐵隧道沉降監(jiān)測(cè)主要通過(guò)人工在隧道中每隔一定距離布設(shè)斷面點(diǎn),使用全站儀進(jìn)行觀測(cè),該方法監(jiān)測(cè)點(diǎn)數(shù)量有限,并且測(cè)量精度易受環(huán)境因素的影響。而病害檢測(cè)則是采用人工檢測(cè)的方法,這種方式不僅速度慢,而且由于人眼觀察距離有限,極易出現(xiàn)遺漏的問(wèn)題。三維激光掃描技術(shù)是近幾年快速發(fā)展的非接觸測(cè)量技術(shù),將三維激光掃描技術(shù)應(yīng)用于隧道的沉降監(jiān)測(cè)和病害檢測(cè),不僅能夠提高工作效率,還能夠獲取高密度的隧道表面點(diǎn)云數(shù)據(jù),方便隧道的建模。海量的隧道點(diǎn)云數(shù)據(jù)給計(jì)算機(jī)軟硬件帶來(lái)了巨大的考驗(yàn),計(jì)算機(jī)的內(nèi)存和CPU處理能力有限,不能同時(shí)對(duì)所有點(diǎn)進(jìn)行處理,因此需要合理的索引結(jié)構(gòu)對(duì)隧道點(diǎn)云進(jìn)行管理。目前國(guó)內(nèi)外有很多學(xué)者對(duì)海量點(diǎn)云的管理與可視化的理論進(jìn)行了相關(guān)研究,提出了不同的點(diǎn)云管理模型,如四叉樹(shù)模型、八叉樹(shù)模型、R樹(shù)模型等等。每一種點(diǎn)云管理模型的適用情況是有限的,并不能適合所有不同空間分布的點(diǎn)云。本文采用隧道掃描小車獲取點(diǎn)云的方式,介紹了隧道掃描小車的基本硬件組成,以及使用掃描小車獲取點(diǎn)云的方法。由于掃描的動(dòng)態(tài)性,本文還介紹了點(diǎn)云的配準(zhǔn)方法。為了管理獲取的海量隧道點(diǎn)云,結(jié)合隧道點(diǎn)云的空間分布特點(diǎn),本文提出了適用于管理隧道點(diǎn)云的混合索引模型以及高效的點(diǎn)云數(shù)據(jù)存儲(chǔ)方式。為了實(shí)現(xiàn)流暢的點(diǎn)云可視化效果,本文提出了基于OSG的內(nèi)外存調(diào)度的隧道海量點(diǎn)云的可視化方法,通過(guò)使用OSG提供的分頁(yè)數(shù)據(jù)庫(kù)技術(shù),結(jié)合建立的隧道點(diǎn)云索引結(jié)構(gòu),實(shí)現(xiàn)了流暢的可視化效果�；谒淼傈c(diǎn)云的管理與可視化理論,本文設(shè)計(jì)并實(shí)現(xiàn)了隧道點(diǎn)云處理平臺(tái),該平臺(tái)集隧道點(diǎn)云的管理、可視化、交互于一體,并將隧道的橫斷面點(diǎn)云提取的功能集成到該平臺(tái)當(dāng)中,方便時(shí)實(shí)際的工程應(yīng)用。最后,本文選取武漢市某地鐵線路一段隧道作為實(shí)驗(yàn)區(qū),使用掃描小車對(duì)隧道進(jìn)行了掃描實(shí)驗(yàn),將獲取點(diǎn)云使用開(kāi)發(fā)的點(diǎn)云處理平臺(tái)進(jìn)行了相關(guān)處理,處理的效果顯示該點(diǎn)云管理與可視化理論滿足隧道海量點(diǎn)云處理的需求。
[Abstract]:The traditional subsidence monitoring of metro tunnels mainly uses total station to observe the subsidence of the tunnel by setting section points at certain distances manually. The number of monitoring points is limited and the measuring accuracy is easily affected by environmental factors. The method of disease detection is manual detection, which is not only slow, but also due to the human eye. Three-dimensional laser scanning technology is a non-contact measurement technology developed rapidly in recent years. The application of three-dimensional laser scanning technology to tunnel settlement monitoring and disease detection can not only improve work efficiency, but also obtain high-density tunnel surface point cloud data, which is convenient for tunnel modeling. Massive tunnel point cloud data has brought tremendous challenges to computer software and hardware. The computer memory and CPU processing capacity are limited, and all points can not be processed at the same time. Therefore, a reasonable index structure is needed to manage tunnel point cloud. Different point cloud management models are proposed, such as quadtree model, octree model, R-tree model and so on. Each point cloud management model is limited and can not be suitable for all point clouds with different spatial distribution. This paper also introduces the registration method of point clouds due to the dynamic nature of scanning. In order to manage the massive tunnel point clouds acquired, a hybrid index model for managing tunnel point clouds and efficient point cloud data storage are proposed in this paper. In order to achieve a smooth visualization of point clouds, this paper proposes a visualization method of massive tunnel point clouds based on OSG memory scheduling. By using the paging database technology provided by OSG and the index structure of tunnel point clouds, the visualization effect is realized smoothly. This paper designs and implements a tunnel point cloud processing platform, which integrates the management, visualization and interaction of the tunnel point cloud, and integrates the function of extracting the cross-section point cloud of the tunnel into the platform for convenient and practical engineering application. Finally, this paper selects a tunnel of a subway line in Wuhan as the experimental area, using the scanning trolley. Scanning experiments were carried out on the tunnel, and the point cloud processing platform was used to acquire the point cloud. The results show that the point cloud management and visualization theory can meet the needs of massive point cloud processing in the tunnel.
【學(xué)位授予單位】：武漢大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：U456.3;U231

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 梁新合;梁晉;郭成;曹巨明;;法向約束的多幅點(diǎn)云數(shù)據(jù)融合算法[J];西安交通大學(xué)學(xué)報(bào);2009年05期

2 孟凡文;吳祿慎;;用繼承與優(yōu)化算法精密拼接無(wú)序點(diǎn)云[J];光學(xué)精密工程;2009年04期

3 范然;金小剛;;大規(guī)模點(diǎn)云選擇及精簡(jiǎn)[J];圖學(xué)學(xué)報(bào);2013年03期

4 李偉;李旭東;趙慧潔;張穎;;基于姿態(tài)標(biāo)準(zhǔn)化的線特征點(diǎn)云提取方法[J];北京航空航天大學(xué)學(xué)報(bào);2013年08期

5 邱望標(biāo);呂圣楠;;帶有矩形參照物的可程序化點(diǎn)云精確拼接算法[J];組合機(jī)床與自動(dòng)化加工技術(shù);2010年09期

6 史寶全;梁晉;張曉強(qiáng);舒挽;;特征保持的點(diǎn)云精簡(jiǎn)技術(shù)研究[J];西安交通大學(xué)學(xué)報(bào);2010年11期

7 陳國(guó)安;劉飛;李麗;;采用模糊規(guī)則的人體點(diǎn)云特征尺寸識(shí)別與提取[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2011年08期

8 張旭;張學(xué)昌;唐覺(jué)明;;點(diǎn)云對(duì)稱邊特征的最優(yōu)化提取技術(shù)[J];中國(guó)機(jī)械工程;2013年05期

9 曹照均;李尚平;李冰;;多基準(zhǔn)點(diǎn)下多視點(diǎn)云拼接對(duì)齊方法的研究[J];機(jī)械設(shè)計(jì)與制造;2014年04期

10 李啟東;李文龍;周莉萍;;一種曲面特征保持的航空葉片點(diǎn)云精簡(jiǎn)方法[J];中國(guó)機(jī)械工程;2014年16期

相關(guān)會(huì)議論文 前10條

1 李文濤;韋群;楊海龍;;基于圖像的點(diǎn)云生成和預(yù)處理[A];2011年全國(guó)通信安全學(xué)術(shù)會(huì)議論文集[C];2011年

2 蔡來(lái)良;李儒;;點(diǎn)云數(shù)據(jù)處理算法與實(shí)現(xiàn)初步研究[A];第四屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

3 馬國(guó)慶;陶萍萍;楊周旺;;點(diǎn)云空間曲線的微分信息計(jì)算及匹配方法[A];第四屆全國(guó)幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會(huì)議論文集[C];2009年

4 江倩殷;劉忠途;李熙瑩;;一種有效的點(diǎn)云精簡(jiǎn)算法[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

5 解輝;張愛(ài)武;孟憲剛;;機(jī)載激光點(diǎn)云快速繪制方法[A];第二十五屆全國(guó)空間探測(cè)學(xué)術(shù)研討會(huì)摘要集[C];2012年

6 李凱;張愛(ài)武;;基于激光點(diǎn)云的糧倉(cāng)儲(chǔ)糧數(shù)量測(cè)量方法[A];第二屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

7 朱曉強(qiáng);余燁;劉曉平;袁曉輝;Bill P.Buckles;;基于航拍圖像和LiDAR點(diǎn)云的城市道路提取[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2008年

8 劉虎;;基于線性八叉樹(shù)的點(diǎn)云簡(jiǎn)化與特征提取研究[A];促進(jìn)科技經(jīng)濟(jì)結(jié)合，服務(wù)創(chuàng)新驅(qū)動(dòng)發(fā)展——蚌埠市科協(xié)2012年度學(xué)術(shù)年會(huì)論文集[C];2012年

9 李濱;王佳;;基于點(diǎn)云的建筑測(cè)繪信息提取[A];第四屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

10 楊雪春;;反求工程建模中點(diǎn)云切片技術(shù)研究[A];全國(guó)先進(jìn)制造技術(shù)高層論壇暨第八屆制造業(yè)自動(dòng)化與信息化技術(shù)研討會(huì)論文集[C];2009年

相關(guān)重要報(bào)紙文章 前2條

1 曹裕華 高化猛 江鴻賓;激光點(diǎn)云 亦真亦幻[N];解放軍報(bào);2013年

2 中國(guó)工程院院士 劉先林;四維遠(yuǎn)見(jiàn)的裝備創(chuàng)新[N];中國(guó)測(cè)繪報(bào);2012年

相關(guān)博士學(xué)位論文 前10條

1 彭檢貴;融合點(diǎn)云與高分辨率影像的城區(qū)道路提取與表面重建研究[D];武漢大學(xué);2012年

2 劉涌;基于連續(xù)序列自動(dòng)快速拼接的全方位三維測(cè)量技術(shù)研究[D];西南交通大學(xué);2013年

3 賴祖龍;基于LiDAR點(diǎn)云與影像的海岸線提取和地物分類研究[D];武漢大學(xué);2013年

4 王瑞巖;計(jì)算機(jī)視覺(jué)中相機(jī)標(biāo)定及點(diǎn)云配準(zhǔn)技術(shù)研究[D];西安電子科技大學(xué);2015年

5 段敏燕;機(jī)載激光雷達(dá)點(diǎn)云電力線三維重建方法研究[D];武漢大學(xué);2015年

6 李艷紅;車載移動(dòng)測(cè)量系統(tǒng)數(shù)據(jù)配準(zhǔn)與分類識(shí)別關(guān)鍵技術(shù)研究[D];武漢大學(xué);2014年

7 崔婷婷;結(jié)合車載點(diǎn)云和全景影像的建筑物立面重建[D];武漢大學(xué);2015年

8 韓峰;基于點(diǎn)云信息的既有鐵路狀態(tài)檢測(cè)與評(píng)估技術(shù)研究[D];西南交通大學(xué);2015年

9 金龍存;3D點(diǎn)云復(fù)雜曲面重構(gòu)關(guān)鍵算法研究[D];上海大學(xué);2012年

10 李揚(yáng)彥;基于點(diǎn)云的三維重建與形變事件分析[D];中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院;2013年

相關(guān)碩士學(xué)位論文 前10條

1 龔碩然;基于Delaunay三角剖分的點(diǎn)云三維網(wǎng)格重構(gòu)[D];河北大學(xué);2015年

2 楊紅粉;頻域技術(shù)應(yīng)用于點(diǎn)云配準(zhǔn)研究[D];北京建筑大學(xué);2015年

3 段紅娟;點(diǎn)云圖像交互式曲線骨架提取技術(shù)及其應(yīng)用[D];西南交通大學(xué);2015年

4 張永恒;散亂點(diǎn)云數(shù)據(jù)配準(zhǔn)方法研究[D];長(zhǎng)安大學(xué);2015年

5 吳愛(ài);面向特征擬合的點(diǎn)云簡(jiǎn)化方法研究[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

6 薛廣順;基于立體視覺(jué)的牛體點(diǎn)云獲取方法研究與實(shí)現(xiàn)[D];西北農(nóng)林科技大學(xué);2015年

7 胡誠(chéng);精度約束下地表LiDAR點(diǎn)云抽稀方法研究[D];西南交通大學(xué);2015年

8 余明;三維離散點(diǎn)云數(shù)據(jù)處理技術(shù)研究[D];南京理工大學(xué);2015年

9 陳星宇;基于三維彩色點(diǎn)云的地形分類方法研究[D];南京理工大學(xué);2015年

10 朱東方;基于復(fù)雜拓?fù)浣Y(jié)構(gòu)點(diǎn)云的曲線擬合研究與應(yīng)用[D];山東大學(xué);2015年

，

本文編號(hào)：2213029