基于GeoSLAM的矿山生产环境快速虚拟重构研究

马 骏 徐 帅 戴星航 纪旭波，3 王文军

（1.深部金属矿山安全开采教育部重点实验室，辽宁 沈阳 110819；2.辽宁石油化工大学矿业工程学院，辽宁 抚顺 113001；3.山东恒邦冶炼股份有限公司，山东 烟台 264109；4.甘肃酒钢集团宏兴钢铁股份有限公司，甘肃 嘉峪关 735100）

深部开采过程常伴随岩爆、大变形、大体积塌方等工程灾害和高温高湿的开采环境，使深部开采难度越来越大，安全性要求越来越高。数字矿山、智慧矿山、无人矿山的建设正是化解地下开采风险，提高生产效率，降低开采灾害带来的人员伤亡、设备损毁、资源损失与贫化的重要途径。智慧矿山指应用物联网、云计算、大数据、人工智能、数据仓库、数据通信、虚拟现实、智慧采矿等多种技术手段，具有自主知识学习、自主运行、生产智能决策功能的矿山［1-5］。智慧矿山建设中一项重要工作是对矿山真实环境的虚拟描述和表征。井下生产环境的三维模型重构是目前对环境表征的一种行之有效的方法。

生产环境的重构是空间信息集成、虚拟现实和智慧采矿的基础。将矿山和地下的所有构筑物、巷道、作业场所、生产环境等真实、完整地构建成三维模型，实现对整个矿山环境的实时预览和智能化管理，为智能化、无人开采提供环境数据支撑。以往生产环境重构常用方法是测量人员现场测量、生成二维图纸，再交付专业建模人员借助建模工具生成三维模型。如荆永滨等［6］基于地下金属矿山三维建模，建立爆破模型计算爆破量，指导现场施工；靳慧广等［7］依据实测二维图纸和钻孔数据，借助DIMINE软件再现了矿体形态和矿床品位分布状况；徐静［8］根据地质勘查资料和生产资料，借助3Dmine矿业软件建立矿区的地质模型和矿体模型，直观反映出了矿体位置和三维空间形态。但这些方法存在测量工作繁重、建模工作量大，精度低、较难反映生产环境的全貌，对复杂环境表征能力有限等问题，且“测量—建模”的一次迭代周期长，不能及时更正生产环境重构过程中出现的问题。

使用三维激光扫描仪生成三维点云数据，然后利用点云数据重构三维环境模型是生产环境重构的一项新技术。如王虎等［9］提出了基于三维激光扫描的复杂空区逆向建模流程，并开展空区探测与治理的研究；石信肖等［10］首先使用三维激光扫描仪生成三维点云数据，借助Delaunay生长算法处理点云数据；王珍等［11］使用三维激光扫描仪重建矿山模型，然后分析计算表面积，为治理和修复废弃矿山提供测量数据和决策。由三维激光扫描仪生成三维点云数据，处理点云数据生成模型的方法，较之以往现场测量生成二维图纸再构建三维模型的方法，建模速度与精度有了显著提升。但现有的三维激光扫描仪使用前的准备工作量大，需要初始定位、整平、放置标靶等多项准备工作；仪器便携度不高，灵活性差，不利于现场复杂环境作业；扫描结果精度在厘米级，精度相对较差。

使用高精度、密集采样的三维激光扫描设备是开采环境精准重构的发展趋势。GeoSLAM系统搭配即时定位与地图构建算法（Simultaneous Localization and Mapping，SLAM）解决空间点坐标定位问题，去除扫描设备工作过程中需要人工不断地进行坐标定位的环节，减轻扫描工作量，提高工作效率，拥有高精度、密集采样特点，为井下虚拟环境重构提供了一种崭新途径。本研究基于GeoSLAM设备，提出了应用于现场的三维环境快速重构工作流程；考虑对矿山原有数据的利用和实际生产需求，提出了GeoSLAM系统建模与工程测量数据建模相结合的井下生产环境重构方法，并将其应用于某金矿的井下生产环境重构工作中，结果表明，上述所提流程和建模方法合理有效。

1 GeoSLAM系统

1.1 系统介绍

GeoSLAM系统是由GeoSLAM公司研发的用于重构三维空间场景的一套包含软硬件的三维激光扫描系统。系统包括：①ZEB-REVO便携式三维激光扫描仪，实物如图1（a）所示，用于扫描生成空间坐标点和相对坐标定位；②对空间坐标点云解算、预处理、封装模型的一系列可视化及分析软件。GeoSLAM系统数据生成原理如图1（b）所示。

GeoSLAM系统具有以下特点：①扫描前期准备工作量小，数据扫描无需布置控制点，极大地减轻了扫描前期准备工作量；②扫描灵活、快速，支持手持、背负、车载等多种扫描方式，连续动态扫描方式灵活快速；③扫描精度高，ZEB-REVO使用100 Hz的激光扫描频率，惯性测量单元和闭合扫描方法能够矫正移动误差和累计误差，生成数据点误差小，精度高；④点云处理和三维建模快速便捷，系统提供的软件可将扫描数据自动解算为点云，软件封装了大量处理点云数据工具和三维建模工具，点云处理和三维建模快速高效。

1.2 原理分析

GeoSLAM系统使用激光扫描器生成空间坐标点，使用同时定位与地图重构技术解决坐标点之间的相对坐标定位，SLAM算法最先在机器人领域被提出，用于机器人自主定位和导航［12］。激光扫描器以一定的空间角度发射激光，统计发出脉冲与接收脉冲的时间差来计算扫描仪与空间点之间的距离，记录空间角度和距离得到空间点相对激光扫描仪当前位置的坐标，随着激光扫描仪的移动，不断生成不同时刻，相对激光扫描器不同位置的空间坐标点，SLAM算法通过探头的运动轨迹和不同时刻不同位置空间点相对激光扫描器的坐标，将所有的坐标点映射到同一相对坐标系中，这些坐标点构成扫描物体的空间轮廓。ZEB-REVO中的惯性测量单元实时评估探头的姿态和矫正测量人员行进速度对测量距离的影响。通过激光扫描器和惯性测量单元的结合使用可有效克服激光雷达垂直分辨率低和测量人员运动扰动影响测量精度的问题［13］。现场工作过程中，测量人员手持仪器沿扫描路线行进，再结合扫描移动过程中测量探头的周期运动，即可生成待测空间的三维空间数据，数据生成的原理如图1（b）所示。

在提高扫描精度方面，由于SLAM算法处理原始数据时，是基于参照点进行数据计算以确定点云的空间位置，当扫描逐渐推进时，扫描误差会累积，一般使用环形闭合检测修正里程计误差［14］。实际测量过程中，操作人员尽可能地使设备结束扫描的最后位置和扫描开始的位置完全重合，能有效提升数据的精度。为保证数据精度与准确性，应尽量避免“原路返回”的测量路径，测量过程中可进行多次“小闭路”扫描来进一步提升扫描数据的可靠性。

2 生产环境快速重构关键技术

2.1 基于GeoSLAM的生产环境重构流程

生产环境重构过程包含了外业测量和内业建模两部分，整体流程如图2所示。

外业测量包含扫描环境处理、扫描线路规划、组装仪器和现场扫描四个部分。井下环境复杂，为保证扫描过程中扫描仪能够捕捉到足够多的特征点，需要预先对扫描环境人为处理。对于环境特征单一的区域，可人为增加特征点；对于管线密集，或者有机车、铲运机、行人的区域，需要清除不必要的干扰因素，减少特征点数量。

扫描线路的规划遵循“路线闭合，避免重复”的原则，为减少扫描累计误差，扫描线路必须闭合。井下巷道错综复杂的情况下，将大区域划分为小区域，小区域内的扫描路线确保闭合；各个小区域之间避免重复扫描。现场扫描过程中，按照规划好的扫描路径对待扫描区域进行扫描，保持扫描范围内的空间变化连续平滑，以免造成扫描数据异常。

内业建模工作包括数据导出、原始数据解算、点云预处理、点云建模、模型数据导出和模型评估。首先将数据采集器内的数据解算为三维空间点云数据，初始点云数据包含大量重复点、噪声点、异常点，需要预处理后才能用于建模，最后借助系统提供的建模工具将点云数据构建成三维模型。

模型的好坏很大程度上依赖点云数据的质量。现场扫描工作直接影响点云数据的质量，如果建立的模型和现实相差较大，需要排查重构流程中的各个环节，分析扫描过程中造成误差的原因，重新设计扫描方案，进行外业测量。从外业测量到内业建模，然后评估模型质量，对于不合格的模型，需重新外业测量。直到模型和现实环境相差很小，符合生产要求。

2.2 点云处理

实际扫描过程中，温差、浓雾、粉尘、移动机车、空间形态复杂等多种因素都会对扫描精度造成较大影响，产生大量的噪点和异常点数据，并且仪器本身也存在一定的测量误差。因此，需要对点云数据预处理，尽量减小数据中由环境、设备造成的误差。

点云预处理的内容主要包含稀释、降噪、裁剪、删除体外孤点。稀释处理是降低点云密度，去除重复测量的点，在减少空间点数量的同时保证点云呈现的整体空间形态不会发生变化，点云稀释后将减轻建模的计算量，提高建模效率。降噪处理是组合使用多种滤波器去除扫描过程中造成的噪声点和异常点，保证整体数据的平滑性。常用滤波器有直通滤波器、体素滤波器、统计滤波器、半径滤波器、高斯滤波器和移动最小二乘法光滑滤波器等，不同滤波器侧重功能不同，组合使用能够起到降采样，去除噪声点和离群点，平滑边缘角的效果。删除体外孤点处理是计算点云中和大量的点相距距离较大的点，通过判断点和点之间的距离关系，找出那些和大多数点无关性高的点，进行删除。点云的预处理使点云数据整体上更加平滑，有利于后续建模。如图3（a）是没有处理的点云数据，点云密度大、重复点多，存在噪声点，巷道边缘存在孤立点。借助点云处理工具，对点云进行稀释、降噪、去除体外孤立点后的点云如图3（b）所示，可以看出模型轮廓清晰，不存在孤立点和噪声点，处理效果良好。

2.3 模型重构

模型重构是环境虚拟重构的关键步骤。模型构建的任务是将预处理后的点云数据生成三角网格，再由三角网格生成实体模型。GeoSLAM系统提供了“封装”工具将点云数据自动转化为三角网格，再将三角网格转化为三维实体。系统还提供对三维实体的编辑、修改、漫游、移动、旋转等工具，使得三维建模过程快速高效。

将点云数据转化为实体模型，选择“封装”工具，工具可以快速生成三维实体，快速生成的模型如图4（a）所示。由点云初步构建的“封装”模型会存在孔洞、钉状物、小通道、自相交等缺陷，需要对模型进行修正。孔洞的解决方法是使用充填的方法，在孔洞上重新生成三角网格；模型上的凸起钉状物，通过算法评估模型整体的平滑性，判断检测区域曲率与局域曲率是否相差很大，相差较大的区域存在凸起钉状物的，需要将该区域曲率调整到和局部曲率相同来去除钉状物。

GeoSLAM系统封装了像“充填”、“网格医生”、“流形”等工具可以快速检测模型中存在的上述问题，能够达到一键自动修复模型的程度。如图4（b）是使用修复工具处理后的模型，可以看到巷道表面明显光滑平整，模型完整。

2.4 组合建模

2.4.1 分区扫描的模型组合

建模区域过大的情况下，通常进行分区域扫描，每个区域单独建模，然后区域之间组合成整体。对于分区域建模的情况，扫描时相邻区域之间重叠扫描一定的面积，并且人为设置标志物或者记录坐标点，用于模型组合。如图5（a）、图5（b）是分两次扫描后建立的巷道模型，图5（c）是组合后的巷道模型。

2.4.2 不同建模方法之间的模型组合

GeoSLAM系统通过现场快速扫描和后期强大的建模工具，能够快速生成生产环境的实体模型，扫描仪通过密集采样，能够反映出巷道空区的细节。然而在矿山开采过程中，已经由测量人员测量了大量的二维图纸，对于不需要精细化建模的区域，使用已有的二维图纸建模；在需要精细建模的区域，使用扫描系统建模，将二维图生成的三维模型和现场扫描构建的模型组合，得到整个矿区的三维模型。这种利用现有测量数据建模和特定区域的扫描建模相结合的方法，能够极大节省建模成本和建模工作量，既复用了现有数据又满足了特定区域精细化建模的需求。如图6（a）是使用二维图创建的三维巷道模型，图6（b）是通过扫描创建的局部巷道模型，图6（c）是二者组合后的模型。

3 工程应用

某金矿区由于矿脉整体薄而分散，井下工程布置多而不集中，巷道跨度大，给生产规划和日常管理带来一定困难。为了矿区生产环境的全面掌握和方便管理，对该矿山开展生产环境的重构试验。

GeoSLAM系统重构的区域位于该矿山下属矿区-215 m中段，该中段巷道沿东北—西南走向布置，扫描区域南北跨度250 m，东西跨度150 m。对该区域扫描得到的点云，按照本文所提环境重构流程，重构得到该区域的三维模型。结合该矿区在生产开采过程中的历史测量数据，由测量数据构建出矿区井下三维模型，再结合GeoSLAM系统重构模型，构建出整个矿区井下环境模型，如图7所示。

从井下环境重构的最终效果可以看出，由矿山历史测量数据生成的模型，能够直观反映出整个矿区的井下三维景象，重构生成的巷道能够反映出真实环境和巷道细节内容，还原实际生产环境，2种建模方法结合，不仅提高了测量数据的使用率，而且能满足对特定区域精细建模的要求。

4 结论

（1）提出了基于GeoSLAM系统的井下生产环境重构整体流程，该生产环境重构流程主要包括数据扫描和三维建模2个重点内容，按操作流程划分为外业测量和内业建模两部分。

（2）提出了GeoSLAM系统建模与工程测量数据建模相结合的井下生产环境组合建模方法。该方法不仅能够有效利用现有数据，而且满足了特定区域精细建模的实际生成需求。

（3）井下生产环境重构的实践结果表明，提出的生产环境重构方法和流程合理、有效，并且具有周期短、迭代快、历史数据利用率高的优点，表明了Geo-SLAM系统可以作为一种新的三维环境重构工具，服务于智慧矿山的建设。