基于机器视觉三维重建技术的隧道掌子面岩体结构数字识别方法及应用

谢壮，陈宝林，傅金阳，祝志恒，郑静，阳军生



基于机器视觉三维重建技术的隧道掌子面岩体结构数字识别方法及应用

谢壮1，陈宝林1，傅金阳1，祝志恒1，郑静2，阳军生1

(1. 中南大学 土木工程学院，湖南 长沙 410075；2. 中交一公局第五工程有限公司，北京 100024)

提出采用数字图像结合机器视觉方法获取隧道掌子面岩体表观信息。通过采集隧道开挖面的序列图像，生成开挖面岩体表面的三维点云模型，利用投影算法获得隧道掌子面及硐壁岩体结构的平面模型高清影像；基于影像表面结构迹线素描结果进行岩体节理特征的量化描述。将该方法应用于东天山公路隧道开挖面岩体节理分布、节理倾角间距等特征参数的获取。研究结果表明：该方法可快速生成开挖面三维点云模型，实现隧道地质信息编录与围岩级别辨识，具有快速、准确的优点，可为施工提供参考。

隧道；掌子面；数字图像；三维点云重建；岩体节理

岩体质量评价是隧道施工过程中对围岩分级进行确认的重要基础。岩体结构的特征主要包括节理倾向、倾角和间距等，同时岩体表面的视觉观察也能够获取岩层特征等信息。对于隧道开挖面岩体结构信息的获取，传统的方式是采用地质素描，存在劳动强度大、效率低等问题。此外，三维激光扫描技术也是获取岩体结构面信息的重要技术手段，如Slob等[1]应用三维激光扫描仪获取边坡岩体结构面的三维点云，对激光扫描仪的工程应用做了探索性的工作。刘昌军等[2]应用激光扫描仪获取边坡岩体点云并进行结构面几何信息提取。但激光扫描设备价格相对高昂，且仅能获得岩体结构面的空间点坐标，无法获得表面纹理信息，对地质信息的辨识能力有限。同时，激光扫描法虽然具有远距离测量功能，但是存在最小扫描范围，对于隧道工程的施工环境来说，存在灵活性差、耗时等问题。隧道掌子面地质信息的准确获取，尤其是能够真实反映围岩形态的数字图像信息，对于隧道施工、运营都有巨大裨益。以近景摄影测量结合机器视觉分析方法的岩体表面结构信息获取技术，因其快捷、准确等特征受到了科研及工程人员的广泛关注和应用。范留明等[3]对利用数字图像技术测量岩体裂隙作了初步探索。王凤艳等[4−5]应用数字摄影测量结合图像处理技术对岩体结构面几何信息的解译进行了研究，但其效率和精度仍有待于提高。杨民等[6]采用数字图像技术通过像素比例尺对岩体结构线进行测量，相比于传统的素描方法测量更为准确、灵活。目前，常规的数码相机采用光敏元件，图像的拍摄质量受环境光线影响较大。现有近景摄影测量方法通常需要架设测量站点，同时在摄影场景内放置标记点，以便于测量后确定图像的比例尺及坐标。例如，杨天鸿等[7]应用ShapeMetrix3D成像系统获取掌子面图像，需在隧道现场需要设置测站及标记；王凤艳等[5, 8−9]基于数字摄影测量工作站VirtuoZo获取边坡岩体图像，同样需通过全站仪进行测站标定。上述方法在很大程度上限制了隧道掌子面图像拍摄测量过程的灵活性，尤其是在隧道内复杂、恶劣环境工作，图像质量难以保证。综上所述，本文从隧道开挖面图像采集的灵活性以及开挖面岩体结构信息获取的准确性方面进行综合考虑，采用机器视觉方法和图像空间点云处理技术，针对岩质隧道开挖面岩体结构信息的获取及管理提出一种有效可行的数字化识别方法，为地质信息编录提供支持。

1 基于多视几何的隧道掌子面图像构建方法

1.1 隧道掌子面信息获取流程

本文采用基于多视几何投影的方法，通过普通单反相机拍摄序列图像生成隧道开挖面岩体平面模型，并以隧道设计的标准轮廓为参照模型，生成高像素的掌子面及硐壁的平面图像模型，同时通过生成的掌子面及硐壁图像获取岩体节理、岩层分布等岩体信息，将采集的信息作为隧道地质信息编录的重要来源，可为隧道施工决策提供参考依据。具体实施流程如图1所示。

图1 基于多视几何投影方法的隧道开挖面岩体结构信息采集的基本流程

1.2 SFM方法三维重构的原理

SFM(Structure from Motion)是一种机器视觉方法，使用相机从多个角度对同一物体拍摄高重叠度照片序列，获取照片的特征点，利用几何投影关系构建被摄物体特征点的空间结构方程，通过求解方程获得被摄物体的特征点及拍摄相机的空间位置关系。根据Snarely等[10]所述原理，通过图像序列对围岩表面点云进行重建，具体重建效果如图2 所示。

图2 基于SFM生成围岩表面点云(左)，对应视点拍摄的岩体表面局部图像(右)

1.3 基于三维信息的图像投影矫正拼接

通过SFM方法进行三维点云重建后，得到相机及特征点的空间位置关系以及相机的投影方程。利用开挖面的设计信息构建出标准的投影面，然后通过鲁棒估计算法[11]在重建点云中确定投影面的空间位置。最后利用相机的投影关系确定出照片像素和投影模型的坐标对应关系，并依此对照片进行矫正。使用常规平面算法将矫正后的照片拼接得到最终的全景展示图[11−12]。整个高像素开挖面全景图像构建流程如图1所示。

1.4 多视几何投影方法的图像采集

根据隧道施工流程，在爆破出渣结束、喷混凝土或架设拱架之前进行围岩图像采集。现场拍摄使用单反相机(如尼康D7000)并配置外置闪光灯。为得到最佳效果，拍摄时尽可能垂直拍摄对象表面，使相邻图片有足够的重叠区域(控制在50%左右)，通过移动拍照的位置拍摄不同区域，避免原地转动相机，且拍摄的水平视野范围宜控制在5~10 m。具体拍摄示意图如图3和图4所示。

图3 掌子面拍摄位置示意图

图4 硐壁拍摄位置示意图

2 开挖面岩体信息获取

2.1 岩体表面平面模型的获取

按照图1所示流程生成点云模型，对于既定的隧道，其施工是按照既定设计轮廓和路线进行，因此，其参照模型直接采用设计隧道轮廓通过拉伸变换生成曲面网格，如图5所示。掌子面平面取为一个平面网格面。将参照模型导入点云模型，采用投影算法，生成“图像块”，最后基于常规的图像拼接软件生成平面模型，本文采用的是微软开发的Image Composite Editor，生成岩体表面平面模型。

2.2 图像比例尺确定

图像比例尺的确定是进行图像测量的关键步骤。因此，需先计算出平面模型图像中单个像素所代表的实际物理尺寸，通常包括水平和竖直2个方向上的尺寸，设平面模型的像素×，实际物理尺寸为×，则理论上图像比例尺有：

考虑到实际图像拼接过程中图像重叠造成的2个水平和垂直方向上的比例尺不对称，故可取2个方向比例尺的平均值作为全局比例尺。

实际应用时可根据实际的工程要求，选择合适的比例尺。选择的比例尺越小，图像测量的精度越大，相应的图像文件存储量及计算量也越高，若将比例尺设定为上述的2倍，则图像压缩后存储量降低为原来的近1/4，计算速度将更快。因此实际操作时可根据精度要求进行调整比例尺。同时，除了获得掌子面表面平面模型外，基于前述方法也可获得对应的硐壁岩体表面平面模型。

图5 标准隧道轮廓参照模型生成示意图

2.3 岩体表面结构线分析

2.3.1 节理特征描述

对于单条节理，其特征包含节理粗糙度、节理展开度、节理宽度、节理充填物和节理倾向等。而对于节理组来说，其特征包含了节理间距，节理组数和节理组主倾向等。本文主要针对节理倾角和节理间距进行分析。

2.3.2 单条节理特征描述

对应的倾角为：

线段长度为：

节理迹线的重心点坐标为：

节理的总长度为：

定义节理的主方向为：

图6 单条节理迹线特征描述示意图

Fig. 6 Schema of single joints characteristics description

2.3.3 节理组特征描述

定义节理迹线间的间距为节理迹线重心点间的距离：

2.3.4 基于K-means聚类的节理特征半自动提取

聚类算法被广泛应用于对数据分类中，是一种无监督学习算法。本文基于节理迹线特征进行分析，确定节理分组，进而确定节理组的主方向和 间距。

算法步骤如下。

Step 3：转向Step 4

Step 4：计算最优值及最佳分类:

2.3.5 基于测线法的节理迹线分析

RQD值是被广泛使用的岩体质量评价指标，通过虚拟测线模拟钻孔可以获取岩体质量，实质上是通过统计测线被岩体结构迹线切割的情况，如图7所示，并按值的计算公式进行计算：

其中：D是指虚拟测线被结构迹线切割的间距长度；total指虚拟测线总长度。

图7 单条虚拟测线法计算RQD值计算示意图

Fig. 7 Schema of scan line for RQD calculation

3 工程应用

东天山公路隧道沿线经过多条断裂带，隧道开挖后可见明显的夹层和局部挤压破碎带，开挖后掌子面围岩岩体信息的采集对指导施工尤为重要。本文针对该隧道的某区段开展应用，其设计轮廓如图8所示。现场图像采集使用单反型号为尼康D7000，配置了外置的闪光灯及35 mm镜头。某断面共采集开挖面图像68张(图9)，用时20 min左右。

图8 东天山隧道标准设计轮廓

3.1 平面模型生成及比例尺的确定

通过点云将图像重投影后生成的“图像块”，拼接生成的掌子面表面平面模型(图10)分辨率为9 965×7 160。已知隧道轮廓实际物理尺寸= 11 100 mm，=7 881.25 mm以宽度关系确定图像比例尺为11 100/9 965=1.11 mm/pixel，以高度关系确定比例尺为7 881.25/7 160=1.10 mm/pixel，可取平均值作为全局的比例尺。

图9 现场拍摄开挖面岩体原始图像序列(部分)

图10 由“图像块”生成掌子面岩体表面平面模型图

图11 掌子面岩体平面模型结构迹线素描图

3.2 岩体表面结构信息分析

基于前述方法获得该断面节理主要包括2组，每组节理倾角主方向分别为55.4°和127.3°，如图11所示，节理延伸长度统计结果如下。

组1(倾角55.4°)：最大节理延伸长度2.27 m，最小延伸长度0.23 m，平均延伸长度0.87 m；

组2(倾角127.3°)：最大节理延伸长度9.49 m，最小延伸长度0.33 m，平均延伸长度1.927 m。

基于测线法的RQD值测量：如图11所示，设置A和B测线获得测线与各迹线间的切割长度，并按式(12)计算RQD值，如表1所示。

表1 测线切割长度及RQD值

相比于现场人工测量，采用本方法具有更高的灵活性和准确性，同时可以从掌子面平面模型中获悉岩体的分层以及岩石类型等信息，可作为隧道地质信息编录的材料和围岩分级判别的依据。

4 结论

1) 基于SFM多视几何重构的原理，提出采用移动式拍摄方法获得隧道开挖面序列图像，通过图像三维重构、投影生成高像素隧道开挖面岩体表面平面模型，明确了隧道开挖面数字图像获取和图像比例尺确定的工作流程。该方法可克服传统方法中需要清场、基于全站仪设站进行定点标记、灵活性差等问题，具有很好的推广应用价值。

2) 基于隧道开挖面岩体图像平面模型，提出岩体节理结构迹线的几何描述方法。通过重心计算法描述不规则曲折的节理迹线，设计结构迹线组识别算法，可实现对节理进行系统化描述。

3) 提出在隧道开挖面岩体图像平面模型上计算岩体RQD值的方法，并以东天山公路隧道为例，阐述节理以及RQD计算的流程，验证了方法的可行性，可为隧道施工提供参考依据。

[1] Slob S, Hack R, Van Knapen B, et al. A method for automated discontinuity analysis of rock slopes with 3D laser scanning[C]// Proceedings of the 84th annual meeting of transportation research board, Washington D.C., 2005.

[2] 刘昌军, 丁留谦, 孙东亚. 基于激光点云数据的岩体结构面全自动模糊群聚分析及几何信息获取[J]. 岩石力学与工程学报, 2011, 30(2): 358−365. LIU Changjun, DING Liuqian, SUN Dongya. Automatic fuzzy clustering analysis and geometric information acquisition of rock mass discontinuity based on laser point cloud data[J]. Chinese Journal of Rock Mechanics, 2011, 30(2): 358−365.

[3] 范留明, 李宁. 基于数码摄影技术的岩体裂隙测量方法初探[J]. 岩石力学与工程学报, 2005, 24(5): 792−797. FAN Liuming, LI Ning. Study on rock mass joint measurement based on digital photogrammetry[J]. Chinese Journal of Rock Mechanics, 2005, 24(5): 792− 797

[4] 王凤艳, 陈剑平, 杨国东, 等. 基于数字近景摄影测量的岩体结构面几何信息解算模型[J]. 吉林大学学报(地球科学版), 2012, 42(6): 1839−1846. WANG Fengyan, CHEN Jianping, YANG Guodong, et al. Solution models of geometrical information of rock mass discontinuity based on digital close range photogrammetry[J]. Journal of Jilin University (Earth Science Edition), 2012, 42(6): 1839−1846.

[5] 王凤艳, 陈剑平, 付学慧, 等. 基于VirtuoZo的岩体结构面几何信息获取研究[J]. 岩石力学与工程学报. 2008, 27(1): 169−175. WANG Fengyan, CHEN Jianping, FU Xuehui, et al. Study on geometrical information of obtaining rock mass discontinuities based on VirtuoZo[J]. Chinese Journal of Rock Mechanics and Engineering, 2008, 27(1): 169−175.

[6] 杨民, 王卫星. 基于图像技术的岩体结构面间距测量[J]. 计算机应用, 2010, 30(增1): 146−147, 158. YANG Min, WANG Weixing. Rock discontinuity spacing measurement based on image technique[J]. Journal of Computer Applications, 2010, 30(Suppl 1): 146−147, 158.

[7] 杨天鸿, 于庆磊, 陈仕阔, 等. 范各庄煤矿砂岩岩体结构数字识别及参数表征[J]. 岩石力学与工程学报. 2009, 28(12): 2482−2489. YANG Tianhong, YU Qinglei, CHEN Shikuo, et al. Rock mass structure digital recognition and hydro-mechanical parameters characterization of sandstone in Fangezhuang coal mine[J]. Chinese Journal of Rock Mechanics, 2009, 28(12): 2482−2489.

[8] 刘子侠. 基于数字近景摄影测量的岩体结构面信息快速采集的研究应用[D]. 长春: 吉林大学, 2009. LIU Zixia. Research and application of rapid acquiring discontinuities information in rock mass based on digital close range photogrammetry[D]. Changchun: Jilin University, 2009.

[9] Andrew A M. Multiple view geometry in computer vision[J]. Kybernetes, 2003, 30(9/10): 1865−1872.

[10] Snavely N, Seitz S M, Szeliski R. Photo tourism: Exploring photo collections in 3D[J]. Acm Transactions on Graphics, 2006, 25(3): 835−846.

[11] ZHU Z H, FU J Y, YANG J S, et al. Panoramic image stitching for arbitrarily shaped tunnel lining inspection[J]. Computer-Aided Civil and Infrastructure Engineering, 2016, 31(12): 936−953.

[12] 祝志恒, 阳军生, 肖超, 等. 基于形函数的隧道衬砌内壁影像展平方法及其应用[J]. 铁道科学与工程学报, 2014, 11(3): 101−106. ZHU Zhiheng, YANG Junsheng, XIAO Chao, et al. A method for tunnel lining surface photo flattening based on shape functions transform[J]. Journal of Railway Science and Engineering, 2014, 11(3): 101−106.

Digital identification and application of rock mass structure on tunnel excavation face based on computer vision 3D reconstruction

XIE Zhuang1, CHEN Baolin1, FU Jinyang1, ZHU Zhiheng1, ZHENG Jing2, YANG Junsheng1

(1. School of Civil Engineering, Central South University, Changsha 410075, China; 2. CCCC First Highway Fifth Engineering Co., Ltd, Beijing 100024, China)

This paper proposed a method of digital image combines with computational vision technology to obtain the information of excavation face rock structure. We generated point cloud of excavation face from sequence-images of it by using Structure from Motion, and then through projection algorithm create high-definition image of excavation face rock structure, finally, we plotted the trace of rock structure and quantify it. We demonstrated this method in a road tunnel construction, and we obtained the information of rock structure characteristics including the distribution of rock joints, the gap of rock joints and so on. The research results show: this method, which can support tunnel rock face characteristic identity and the result high-definition images of it can be the source data of geological logging, shows the advantages of rapid operation and accuracy.

tunnel; excavation face; digital image; 3D point cloud reconstruction; rock joints

10.19713/j.cnki.43−1423/u.2019.04.022

U455.7

A

1672 − 7029(2019)04 − 1001 − 07

2018−06−01

新疆自治区重大科技专项课题(2018A03003-5)；国家自然科学基金资助项目(51608539)；湖南省自然科学基金资助项目(2019JJ50747)

傅金阳(1985−)，男，湖南长沙人，副教授，从事隧道及地下工程方面科研工作；E−mail：jyfu2010@163.com

(编辑 阳丽霞)