A three-dimensional reconstruction method of coal mine tunnel fused with LiDAR and IMU
-
摘要:
针对煤矿掘进巷道存在典型非结构化、特征退化、大尺度环境，巷道三维重建易出现位姿估计精度低、累计漂移误差大等问题，提出了一种激光雷达和惯导（Inertial Measurement Unit，IMU）融合的煤矿掘进巷道三维重建方法。该方法通过迭代卡尔曼滤波将激光雷达观测模型的残差函数和IMU预测模型的先验状态偏差紧耦合，经状态更新得到更为精确的后验状态，提升了退化环境下的位姿估计精度。为降低巷道三维模型重建过程中的累计漂移误差，提出基于体素化广义迭代最近点（Voxelized Generalized ICP，VGICP）的回环检测算法，以基于体素的单分布到多分布的方式进行配准，完成对回环帧的选取及精确匹配，实现回环帧的全局位姿校正，有效降低煤矿巷道三维重建的累计漂移误差。相比于A-LOAM、LEGO-LOAM、LINS算法，所提算法在位姿估计精度和全局一致性方面显著提升。公开数据集实验结果表明：所提算法的RPE和APE均方根误差分别为
0.2718 和0.5008 ，与其他算法相比分别降低了53.14%、50.97%、48.31%，和50.41%、47.99%、47.49%。开展了3种模拟巷道场景三维重建实验，结果表明所提算法构建的室内长廊模型各区域在长度、宽度和高度方向的误差均在1.2%以内；所提算法构建的煤矿巷道三维模型与真实巷道空间分布一致，总体距离退化误差仅为2.46%，较其他3种算法重建性能分别提升了66.12%、65.30%、70.43%。在煤矿主体实验室掘进巷道进行三维重建实验，结果表明三维重建结果在长度、宽度和高度方向的平均误差百分比分别为0.47%、0.75%和0.67%，可以实现掘进巷道三维精确建模。Abstract:In view of the problems of typical unstructured, degraded characteristics and large-scale environment in coal mine tunnel, and the 3D reconstruction of coal mine tunnel is prone to low pose estimation accuracy and large cumulative drift error, a 3D reconstruction method of coal mine tunnel fused with lidar and inertial measurement unit (IMU) is proposed. In this method, the residual function of the lidar observation model and the prior state deviation of the IMU prediction model are tightly coupled through iterative kalman filter, and a more accurate posteriori state is obtained through state update, which provides reliable pose estimation for the degraded environment. In order to reduce the cumulative drift error in the process of tunnel 3D model reconstruction, a loopback detection algorithm based on Voxelized Generalized ICP (VGICP) is proposed. It is registered in a voxel-based single to multi-distribution mode, so as to complete the selection and accurate matching of loopback keyframes, realize the global pose correction of loopback keyframes, and effectively reduce the cumulative drift error of 3D reconstruction of coal mine tunnel. Compared with the A-LOAM and LEGO-LOAM algorithms, the proposed algorithm has significantly improved the accuracy and global consistency of pose estimation. Experimental results on public datasets show that the root mean square errors of RPE and APE of the proposed algorithm are
0.2718 and0.5008 , respectively, which are reduced by 53.14%, 50.97%, 48.31%, and 50.41%, 47.99% 47.49% respectively compared with other algorithms. Two real-world 3D reconstruction experiments are carried out. The results show that the error percentage of each area of the indoor corridor model constructed by the proposed algorithm in the directions of length, width and height was within 1.2%. The three-dimensional model of coal mine tunnel constructed by the proposed algorithm is consistent with the spatial distribution of the real coal mine tunnel. The overall distance degradation error is only 2.46%, which is 66.12%, 65.30% and 70.43% higher than that of the other three algorithms, respectively. Three-dimensional reconstruction experiments are carried out in the roadway excavation in the main laboratory of the coal mine. The results show that the average error percentages in the length, width and height directions are 0.47%, 0.75% and 0.67%, respectively. It can realize the accurate three-dimensional modeling of the tunnel.-
Keywords:
- coal mine tunnel /
- 3D reconstruction /
- lidar /
- inertial navigation /
- iterative kalman filter /
- loopback detection
-
0. 引 言
煤矿智能化开采是煤矿企业迈向高质量发展的必由之路[1-3]，而煤矿隐蔽致灾因素是制约矿井安全、高效、绿色、智能化开采的关键地质因素[4-6]。透明地质是实现煤矿隐蔽致灾因素勘查的重要技术手段[6-7]，其中地质构造透明化勘查是重中之重。地质构造不仅控制和影响工作面煤层厚度、煤层顶底板起伏形态，也是矿井水害、顶板/矿压、瓦斯、火灾、煤尘等多种矿井灾害的隐蔽致灾因素，因此，地质构造隐蔽致灾因素的透明化勘查是实现煤矿智能开采的关键技术，尤其是地质构造复杂的矿井。为此，以地质构造条件复杂的国家能源集团新疆能源有限责任公司屯宝煤矿为研究背景，以实现矿井高水平级智能化建设为目标，以制约煤矿安全、高效开采的关键性地质因素地质构造为切入点开展研究。
屯宝煤矿位于新疆准南煤田硫磺沟矿区，目前前国内外学者关于新疆准南煤田地质构造的研究多集中在区域大尺度构造形成机制、演化、控煤及煤层气富集模式[8-10]和构造样式、岩浆侵入[11-12]以及煤层气富集机理[13-14]等方面；构造与矿井灾害的研究主要为断层的导水性、不同属性断层顶板矿压显现规律、断层的加固与注浆改造、工作面及其巷道过断层的安全技术措施等；煤矿区地质构造及其异常区的精细探测主要采用地面二/三维地震技术[15-16]、井下采煤工作面的槽波勘探[17-20]，工作面回采前的无线电坑透勘探[21]，采掘工作面的地面、井下瞬变电磁勘探[22]和微动勘探[23]以及钻孔窥视等物探方法。上述勘探技术基本解决了煤矿区地质构造的宏观发育特征及其采掘工作面地质构造与富水异常的圈定问题，基本可以保障煤矿的安全开采并为灾害治理提供靶区。但是，随着近年来智能开采理论和工程实践的发展，煤矿智能开采对地质构造探测提出了更高的要求[17,19]，主要体现在对煤层厚度及其顶底板构造起伏形态的控制达到亚米级别，对小型断裂构造的探测要求做到超前、精准的控制。为实现工作面地质透明化，随采地震、随掘地震[24-26]、采掘工作面的地质雷达[27]、孔中瞬变电磁勘探[21]、孔中地质雷达[28]、钻孔多参数地球物理测井、孔间电法CT[29]、孔间地震波CT[30]、缪子勘探[31]等多种地质及其构造透明化探测技术应用而生，为透明地质[2,6,32-34]提供了有效的物探技术支持。但物探的多解性和井下物探的局限性，导致其无法完全解决所有的问题，还需以地质分析为背景，进一步结合地质钻探进行精细地解释。因此，构造地质[35]、沉积环境及其灾害关系研究[36-39]等先进的技术被应用于煤矿智能开采地质保障。此外，常规钻探和井下定向钻探技术被广泛应用于煤矿井下工作面煤岩界面探查[7,40-41]、孔内物探工作开展、超前瓦斯治理[42-43]、探放水[1,44]、注浆防灭火[45]、坚硬顶板超前弱化改造[46]、冲击地压灾害防治等[46-47]矿井灾害的探查与防治以及各类隐蔽致灾因素的专项探查与治理。但上述研究仍缺乏针对不同地质条件或煤矿区的系统性勘查技术。
为从根本上解决这一问题，提出煤矿地质构造隐蔽致灾因素透明化勘查的思路，采用区域及矿井构造分析，智能开采工作面超前物探、钻探、测试化验等综合探查地质构造特征，结合各类灾害如瓦斯、顶板、冲击地压等灾害探查成果，分析地质构造与隐蔽致灾因素的关系，并通过数字化、三维地质建模[3,6,34,48-49]实现对智能开采工作面构造隐蔽致灾因素的逐级透明。
1. 构造地质特征
1.1 区域构造地质特征
准南煤田位于准噶尔盆地南缘中段冲断带的齐古断褶带东部。准噶尔盆地南缘为典型的陆相多旋回叠合盆地，经历了印支、燕山及喜马拉雅多期强烈构造运动的叠加改造，构造特征及地层展布极其复杂[8-9]，形成了现今“东西分段、南北分带”的构造格局（图1）。硫磺沟矿区西起三屯河，东至乌鲁木齐河，北以乌鲁木齐西大断裂为界，南抵柴窝堡盆地。其构造线展布与天山褶皱带方向基本一致[9]，由一系列呈北东东方向展布的背向斜、逆冲断裂组成（图1a）。区内主要发育喀拉扎背斜、西山逆断层、阿克德向斜、头屯河向斜、桌子山背斜、小梁子逆断层及郝家沟背斜。区内中生代盆地受燕山期和喜山期构造运动影响，地层发生多次强烈隆起和夷平，地层倾角11°～34°，局部达50°～75°。
屯宝井田西山窑组厚度约225 m，含煤16层，含煤系数约17.98%。可采煤层9层，分别为4、5、7、9、10、14−1、14−2、15−1、15−2，可采煤层厚度为13.16～74.96 m，平均37.83 m，可采含煤系数为16.81%。
1.2 矿井构造特征
屯宝井田整体为缓倾斜单斜构造，地层走向呈北东—南西，倾向北西，地层倾角10°～24°。受背向斜构造影响，区内断层较发育，以高角度正断层为主，断层走向以北北西、北西向为主，倾向以北东向为主，南西向次之（图1b）。正断层多表现为张性，分布密集，断层倾角普遍为70°～80°，断层规模较大。逆断层多为压性，断层倾角普遍为50°～60°（图1c、图1d），破坏作用较强，断层面后期被上覆泥岩充填，表现为封闭性断层。井田内三维地震解释断层17条，其中，落差30～50 m断层共2条，落差10～20 m断层共3条，落差5～10 m断层共7条，落差0～5 m断层共5条。矿井采掘过程中揭露断层（断点）83条，多为落差小于5 m的正断层。
屯宝煤矿开采4～5煤层，经多年的开采揭示，目前主要矿井灾害隐蔽致灾因素类型为坚硬顶板、冲击地压、瓦斯富集，上述灾害与构造隐蔽致灾因素存在密切的关系，制约矿井设计、采掘工程部署以及煤矿安全、高效、绿色、智能化开采，其中断层是最主要的构造隐蔽致灾因素[50-53]。屯宝煤矿作为国家能源集团新疆能源的首批智能化建设示范矿井，其中瓦斯和矿井冲击地压隐蔽致灾因素的透明化是重点示范方向。确定研究对象为WII02040502智能开采工作面，其地质构造较为典型，具有示范意义。
2. 透明化勘查技术体系
透明地质是实现工作面智能开采的前提，而地质透明化勘查是实现透明地质的关键性技术手段。因此，需要根据不同煤矿区地质构造条件和煤矿智能化建设需求，探索并构建一套适应于该区域或矿井的工作面地质透明化勘查技术体系。针对屯宝煤矿地质特征和多年的生产实践，归纳总结各类地质分析、综合勘查工程，综合分析各类技术适用性及其有效性。以制约煤矿安全、高效、绿色、智能化开采的关键性隐蔽致灾因素为切入点，构建面向智能开采的地质构造透明化勘查技术框架（图2），在此基础上详细介绍各类技术及其勘查效果。
![]()
图 2 构造隐蔽致灾因素透明化技术框架Figure 2. Technical framework of transparent hidden disaster-causing factors of geological structure2.1 构造透明化勘查技术
2.1.1 地震勘探技术
地震勘探技术包括地面的二/三维地震勘探和井下工作面的槽波勘探技术。其中三维的地震勘探技术可以实现对5 m以上断层的识别、煤层顶底板构造起伏形态、古河流冲刷带以及煤层厚度的解释；槽波勘探技术可用于对采煤工作面内部小型地质构造如断层、冲刷带、挠褶带等进行超前探测，结合地质及其钻探进行物探异常的地质构造属性解释。槽波探查发现WII02040502工作面内发育多条断裂构造，显示存在异常区8处（图3）。
![]()
图 3 无线电波透视和透射法槽波探查成果Figure 3. Radio wave perspective and transmission method slot wave detection results2.1.2 地质钻探技术
利用地面钻探、井下常规超前钻探及井下定向钻探（图4a）等地质钻探技术，在钻探过程中对钻井液消耗量、钻探工艺参数、钻井岩屑的变化进行统计、分析，可第一时间获取孔内地质构造（如断层、破碎带等）的特征信息。同时，根据煤岩层及其界面的特征对煤岩石界面进行定向钻探，配合岩屑编录、钻效分析、钻孔窥视等技术，可以实现智能工作面煤岩界面定向钻探识别[7]，并利用三维地质建模技术实现对工作面煤层的模型构建（图4b）。
![]()
图 4 工作面定向钻探查及三维地质模型Figure 4. Directional drilling exploration and 3D geological model屯宝煤矿钻遇断层具有憋泵、泥浆消耗量大或孔内漏失、孔口岩屑返渣变少变大、钻进效率底下、掉块卡钻等钻探响应特征。
2.1.3 地质写实
地质写实通过对煤矿井下掘进工作面及巷道和回采工作面开切眼揭露的剖面进行定期测量和素描写实，记录煤层厚度、煤层顶底板岩性、煤岩体结构、煤层及其夹矸、标志层、地层产状以及裂缝等特征的变化，如图5所示。
屯宝煤矿发育的地质构造类型包括正逆断层相关的地堑（图5a）、地垒式断裂组合（图5b）、雁列式组合（图5c）和挠曲构造（图5d）以及煤层厚度的突变带、断层破碎带等构造形式。WII02040502工作面主要发育8条断层，断层落差0.40～5.70 m，以正断层为主，断面倾角15°～78°，以高倾角为主。
2.1.4 地球物理测井技术
地球物理测井技术包括地面常规的地球物理测井技术、井下地球物理多参数测井等技术。井下多参数地球物理测井技术（图6a）可以实现对全钻孔段岩性、裂缝、断层、岩浆倾入等地质构造的可视化成像，完成对钻孔电视、自然伽马、视电阻率、自然电位、激发极化电位、孔斜等多参数的孔内地球物理测井参数的获取，为岩性识别、断层带、顶板富水性等探查提供定量和定性解释。断层破碎带具有高自然伽马、高电阻率等特点。
![]()
图 6 地球物理测井技术及孔中物探成果Figure 6. Geophysics logging techniques and geophysical results in holes2.1.5 孔中物探技术
适应于解决地质构造的孔中物探技术包括钻孔窥视、孔中地质雷达、孔间CT等技术。其中钻孔窥视（图6b）是地面和井下应用最广泛的技术，可以实现对超前探测钻孔、定向钻探钻孔地层岩性及其断层破碎带、裂缝等地质构造的解释和识别（图6c、图6d）。
2.1.6 随采/随掘探测技术
随采/随掘探测技术通过在工作面回采前方/掘进巷道后方提前安置地震传感器，利用采煤机、掘进机截割煤壁时产生的震动信号，实时接收地震波在遇到断层、陷落柱、采空区等异常时产生的反射波。随采/随掘地震信号通过光纤环网实时传输到地面处理中心后，利用专用处理软件开展大规模的并行计算，动态生成掘进巷道前方地质构造的成像结果，可以满足快速掘进对超前探测精度、速度要求[22-23]。
2.2 地质构造与矿井灾害关系分析
采用数值模拟、相似材料模拟、监测监控、理论分析等多种技术手段对矿井地质构造（如断层、褶皱）与矿井灾害进行分析，运用数值统计、回归分析、相关性分析等多种分析方法，综合研究不同类型的地质构造隐蔽致灾因素与矿井灾害的关系。重点研究地质构造与应力集中区分布的关系，地质构造带瓦斯富集特征及其地质构造附近瓦斯异常涌出的规律，采掘工作面过断裂构造煤层顶板移近和变形以及矿压显现特征。
2.2.1 断裂构造与应力集中的关系
WII02040502工作面通过断层时，在断层破碎带影响范围内出现煤岩松散、破碎，巷道围岩应力集中，巷道底鼓，顶板下沉等问题，由此导致断层带300 m范围内两帮移近量超过1 m，底鼓达0.50 m，对工作人员及其设备构成严重威胁。因此，需要在查明构造的前提下进一步查明断裂构造对应力集中的影响及其范围。
对工作面过T2断层期间巷道不同位置锚杆应力监测和煤柱侧应力分布规律进行研究，结果表明：
1）PASAT−M应力探测结果（图7）显示，受T2断层影响，围岩应力在距断层20～30 m范围内出现应力集中区域，将其划分为中等危险区域，运输巷一侧的影响范围较回风巷一侧大。
2）回风巷与运输巷煤柱侧锚杆应力变化趋势基本相似，距离工作面越远越小；受断层的影响两巷道锚杆应力峰值出现明显的差异性，表现为运输巷应力峰值出现在超前工作面10～15 m，工作面回风巷为5～10 m。
因此，断层对工作面巷道的影响在10～15 m出现应力峰值，工作面过断层20～30 m范围出现的应力集中区是冲击地压灾害防治重点区域。
2.2.2 断裂构造与瓦斯富集的关系
对工作面瓦斯含量、瓦斯涌出量、钻孔窥视、裂缝统计、采样点与断层面的距离等参数进行统计和分析。工作面瓦斯分布特征如图8所示，断层附近瓦斯参数变化规律如图9所示。结果发现：
1）工作面煤层瓦斯含量为2.10～2.86 m3/t，在正常区域瓦斯含量为2.10～2.30 m3/t；工作面瓦斯涌出量为6.39～14.39 m3/min，工作面存在瓦斯富集区。
2）工作面瓦斯含量与瓦斯涌出量的分布具有明显分带性，表现为在F1～F2断层、开切眼与F6断层间的瓦斯含量相对低，而在F3～F7断层间为瓦斯富集带。瓦斯含量与瓦斯涌出量呈明显的正相关性（图9a）。
3）工作面瓦斯的含量、涌出量受断层的控制，其中F3断层带、F4～F5断层带间存在2个相对较高富集区，因此，该区域是瓦斯突出防治的重点区域。
4）通过对工作面断层及其裂缝的统计、分型分维度与瓦斯含量关系分析，工作面瓦斯的含量或涌出量与断裂构造的分型维数呈对数关系，相关性显著（图9b）。
5）煤层瓦斯的含量、瓦斯涌出量随着工作面与断层的距离变化呈现对数相关性，相关性显著（图9c、图9d）；瓦斯的含量、瓦斯的涌出量在距离断层25 m处出现明显的增加，在大于25 m区域变化不大，在小于25 m区域随着距离的减小呈指数型增大。这一结论与前述的断层对应力集中的影响是一致的，因此，距离断层25 m区域是顶板冒落和瓦斯突出灾害的隐蔽致灾因素叠合区域，为重点防治区域。
2.2.3 断裂构造与矿压显现的关系
断层对煤岩层的物质结构和构造应力场分布的影响程度取决于断层性质（包括断层倾角、断层充填情况，断层面形态等）、断层围岩性质（断层面的抗剪强度和岩体的抗拉强度）以及地应力状态。断层面上的剪应力等于断层面的抗剪强度时，断层就处于临界不稳定状态，此时轻微的扰动就可能引发断层活化，甚至导致强烈的冲击地压。断层极大地扰乱了地应力场的分布，这种对地应力的扰乱只是发生在断层附近有限范围内，超过一定距离，地应力分布恢复正常状态，因此，查明这一范围对冲击地压的探测防治具有指导意义。通过现场监测、数值模拟与相似材料模拟等多种方式综合研究表明：
1）针对应力集中区的围岩运动宏微观监测，结果显示在距离工作面前方3～15 m是压力升高区，其中5 m是峰值区，随后降低，孔内裂缝的密度明显增加；在开采扰动条件下工作面过断层及其破碎带煤岩体应力与变形加剧断层的活化，容易形成工作面片帮和大面积冒顶以及冲击地压的显现（图10a）。
![]()
2）由于断层破坏了煤岩层的连续性，采动应力演化规律变得异常复杂。当工作面逐渐靠近断层时，超前支承压力的正常前移受阻，使得采场覆岩压力大部分作用在采煤工作面和断层面之间的煤体上，导致该部分煤体支承压力大幅度增加（图10b—图10d）。
3）从对断层附近采掘活动的数值模拟分析（图11a、图11b）可以看出，当工作面在断层一侧向断层推进时，工作面前方的垂直应力和水平应力均有明显的集中现象，由于构造区域存在地质构造应力场，通常使煤岩体的构造应力尤其是水平构造应力增加。在支承压力异常和构造应力异常的双重影响下，断层带附近煤岩发生压力型冲击的可能性将会加大。
![]()
4）相似材料模拟（图11c）、数值模拟与工作面回采矿压监测、巷道变形、锚索应力应变等结果具有高度的相同性，表明数值模拟参数及模型选择合理，相似材料模拟配比及开挖方法得当，可以揭示工作面过断层矿压及冲击地压显现的机理。
因此，工作面初次来压位置前后20 m和工作面见方前后30 m为中等冲击危险区域，采空区煤柱影响区、停采线区域前后50 m、落差大于4 m的断层前后30 m等为弱冲击危险区域[52]。
2.3 地质构造隐蔽致灾因素勘查技术体系
通过对上述各技术的分析结合煤矿多年的生产实践和应用效果检验，形成了适应于屯宝煤矿的地质构造隐蔽致灾因素勘查技术体系，如图12所示。
![]()
图 12 地质构造隐蔽致灾因素勘查技术体系Figure 12. Technology system of geological structure hidden disaster-casuing factor exploration构建的智能开采工作面的构造隐蔽致灾地质因素勘查技术体系可分为4个层级：①区域构造地质研究。②隐蔽致灾因素的勘查，隐蔽致灾因素勘查重点针对矿井智能开采工作面而开展，以历史资料分析快速圈定工作面地质构造类型及其潜在的隐蔽致灾异因素，在此基础上针对地质构造和隐蔽致灾因素类型，选择合适的物探技术（如槽波、坑透、随采随掘探测、测井或孔中物探等）进一步确定物探的异常区和隐蔽致灾因素的特征；在物探圈定的基础上开展钻探验证（如定向钻探的超前探测、采样测试等），获取隐蔽致灾因素评价或探测治理的关键性数，保障巷道快速掘进及工作面的快速回采；在生产过程中根据生产揭露和监测监控资料及数据，动态调整隐蔽致灾因素范围及其评价参数。③在探测和获取参数后采用理论分析、数值模拟、相似材料模拟、工程类比等方式，进行地质构造隐蔽致灾因素评价，根据评价结果提出针对性探查防治措施和工程治理方案。④最终，通过相关性分析、数字化技术、数据融合以及三维地质建模技术，将隐蔽致灾因素调查、分析、评价的成果三维呈现，实现构造隐蔽致灾因素的透明化。
3. 构造隐蔽致灾因素透明化技术
3.1 多源数据融合
3.1.1 数据源分析
屯宝煤矿WII02040502工作面先后采用了三维地震、无线电波透视、槽波勘探、井下钻探、巷道写实编录等技术手段对工作面断层进行精细探查。但技术手段不同导致成果数据类型多样、格式不统一，探测工程空间范围不同，解释成果的精度也有所差别。本次三维地质建模数据来源主要包括：钻孔数据，如钻孔名称、孔口坐标、终孔深度、孔斜数据、分层数据等，巷道写实、超前探煤孔写实等地质写实数据均以钻孔数据进行处理；通过轨迹测井计算得到的各煤层分界面、煤层厚度等资料；三维地震数据，如导入的已解释好的地震数据，其格式为SEGY，加载前经时深转换处理；槽波数据，如断层、褶皱等地质地质构造发育情况；生产数据，如矿压监测数据、瓦斯参数测试数据、邻近工作面地质构造及隐蔽致灾因素特征等。
3.1.2 数据综合
数据融合的基础是数据的集成与综合，即将不同的数据源通过坐标转换、数据投影等方法进行数据归一化处理。以工作面地理坐标为约束，将三维地震成果、槽波勘探、井下钻探数据成果转换为工作面绝对坐标，为数据处理做好准备。
数据集成后，对多源数据进行选取、位移、化简等操作，将其统一在同一比例尺上。
3.1.3 数据融合分析
不同的物探、钻探、实测手段针对同一地质构造可解释出不同的成果，即便是同一技术手段，也会解释出不同的结果，处理这一矛盾是数据融合主要解决的问题。本次三维地质建模以矿井高精度三维地震解释成果为基础，以地面钻孔资料进行地质地震标定，以巷道写实数据、探煤厚钻孔数据为约束，对三维地震数据、槽波数据和无线电波透视数据进行校正。数据流经过以上3个层次顺序处理，最终形成三维建模数据。
3.2 复杂断层三维可视化建模
3.2.1 断层建模
1）生成断面：将断层建模数据通过一定的空间插值方法进行计算，生成断层面。断面生成过程需控制断面垂向延伸长度，生成的断面根据该断面钻孔断点进行校正（图13a）。
2）断面校正：为保证计算生成的断面与实际断层展布规律一致，对生成的断面进行人工校正。编辑断面形态，使之与巷道揭露信息一致。根据断层复杂接触关系及多期次断层与地层切割关系，修正断层发育情况（图13b）。
3.2.2 地层模型
关键层面模型：工作面模型以煤层为关键层面进行建模，采用多点统计学方法进行煤层形态空间插值建模，通过计算机多种曲面插值算法，计算地层面，根据钻孔分层点校正地层面，设置地层接触关系等，进而建立地层格架模型（图14）。确定工作面地层起伏、煤层厚度变化信息，与断层展布模型切割相交，对交线平滑处理后形成工作面静态三维地质模型（图15）。
![]()
图 15 断层及关键层面三维静态地质模型Figure 15. 3D static geological model of faults and critical layers三维地层体模型：断层模型与关键层面模型（图15、图16）建立后，对层面进行纵向网格剖分，内插形成多个地层网格，垂向网格结合平面网格进行三维网格化，最终建立地层模型。
![]()
图 16 工作面煤层及断层三维地层体模型Figure 16. 3D stratigraphic model of coal seam and fault in working face3.3 构造隐蔽致灾因素透明化
采用数字化技术将上述隐蔽致灾因素进行数字化表达，如断层导致的应力集中区在断层分布的20 m范围内，瓦斯含量及其涌出量异常区分布在断层面25 m附近，断层导致的巷道变形、工作面回采应力、应变等矿压显现在30 m范围等阈值指标进行危险区的圈定；同时，结合地质构造引发的如煤层厚度的变化突变带、应力集中区、挠褶带等隐蔽致灾因素进行三维灾害属性建模。
最终，将地质模型（如地层、构造、煤层厚度及其顶底板起伏）与构造隐蔽致灾因素属性模型进行融合，建立WII02040502工作面构造隐蔽致灾因素三维透明化模型（图17）。
![]()
图 17 三维地质构造隐蔽致灾因素分布Figure 17. Distribution map of hidden disaster-causing factors in 3D geological structures由图17可知，WII02040502工作面存在的构造隐蔽致灾因素包括由8条断层构造导致的应力集中区、煤层厚度突变带、瓦斯富集区、挠褶带等类型。上述各类因素的叠加区域为高危险区，单一因素区为中等危险区，其他区域为低危险区。煤矿存在因断层而诱发矿井冲击地压显现、瓦斯突出、采掘工作面过断层顶板冒顶、应力集中等矿井灾害风险。
4. 结 论
1）构建了煤矿智能开采工作面构造隐蔽致灾因素透化勘查技术体系，以屯宝煤矿为研究对象、以WII02040502智能开采工作面为工程背景，实现了对该工作面隐蔽致灾因素的快速调查、多手段综合勘查、多方法的分析与评价，最终，采用数字化、相关性分析技术、三维建模实现了对构造隐蔽致灾因素的三维透明化展示，形成了区域构造地质研究、隐蔽致灾因素精细勘查、致灾威胁性科学评价、地质构造透明化的4个层级的逐级地质构造隐蔽致灾因素透明化勘查技术体系。
2）查明了屯宝煤矿总体构造形态为单斜构造背景上发育有断层、挠褶皱及其低幅度的褶曲构造，其中以断裂构造为主，断裂构造的发育严重的制约着矿井采掘工程面的设计和部署，同时威胁着煤矿的安全、高效、绿色、智能化开采。
3）屯宝煤矿与地质构造相关的隐蔽致灾因素包括断层诱发的地应力集中、煤层厚度突变、煤层瓦斯富集、煤岩体结构特征变化、巷道掘进冒顶、工作面回采强矿压显现、顶板冲击地压显现等矿井灾害致灾因素，其中冲击地压和瓦斯突出是主要的矿井灾害类型。
4）研究成果对新疆自治区矿井智能化建设、隐蔽致灾因素透明化勘查具有借鉴意义。此外，上述研究成果为屯宝煤矿智能化建设和煤矿隐蔽致灾因素勘查治理的初步成果，后续将隐蔽致灾因素透明化与灾害的监测预警相融合，实现煤矿隐蔽致灾因素透明化与预警联动。
-
![]()
图 2 煤矿巷道三维重建总体方案
Figure 2. The overall scheme of three-dimensional reconstruction of coal mine
![]()
图 10 模拟煤矿巷道工作面场景轮廓
Figure 10. Contour diagram of simulated coal mine tunnel working face scene
![]()
图 11 模拟煤矿巷道工作面场景三维重建结果
Figure 11. Reconstruction results of simulated coal mine tunnel working face scene
表 1 各算法轨迹误差统计
Table 1 Trajectory error statistics of each algorithm
算法 A-LOAM LEGO-LOAM LINS OURS RPE 最大值 2.7500 2.5402 2.3449 1.0224 平均值 0.3815 0.3715 0.3517 0.2197 最小值 0.0023 0.0027 0.0112 0.0067 均方根误差 0.5800 0.5543 0.5258 0.2718 标准差 0.4368 0.4262 0.3909 0.1599 APE 最大值 1.9418 1.8644 1.8088 1.5932 平均值 0.9199 0.8655 0.8555 0.4276 最小值 0.1587 0.1382 0.1308 0.0020 均方根误差 1.0099 0.9628 0.9537 0.5008 标准差 0.4416 0.4167 0.4004 0.2610 
下载: 导出CSV
表 2 室内长廊三维模型重建误差统计
Table 2 Statistics of the reconstruction error of the 3D model of the indoor corridor
测量区域 A-LOAM LINS OURS 长度 宽度 长度 宽度 长度 宽度 高度 AB段 模型尺寸/mm 18717 — 19176 2132 19629 2119 2324 实际尺寸/mm 19700 2100 19700 2100 19700 2100 2300 误差值/mm −983 — −524 32 −71 19 24 误差/% 4.99 — 2.66 1.52 0.36 0.90 1.04 BC段 模型尺寸/mm 10504 2265 10577 2251 10447 2236 2479 实际尺寸/mm 10400 2215 10400 2215 10400 2215 2450 误差值/mm 104 50 177 36 47 21 29 误差/% 1.00 2.26 1.70 1.63 0.45 0.95 1.18 BD段 模型尺寸/mm 8828 3877 — 4005 8736 3973 2476 实际尺寸/mm 8700 3940 8700 3940 8700 3940 2450 误差值/mm 128 −63 — 65 36 33 26 误差/% 1.47 1.60 — 1.65 0.41 0.84 1.06 DE段 模型尺寸/mm 18746 — 19296 2263 21175 2231 2473 实际尺寸/mm 21250 2215 21250 2215 21250 2215 2450 误差值/mm − 2504 — −1954 48 −75 16 23 误差/% 11.78 — 9.20 2.17 0.35 0.72 0.94 EF段 模型尺寸/mm 12996 2286 13005 2256 12952 2235 2478 实际尺寸/mm 12900 2215 12900 2215 12900 2215 2450 误差值/mm 96 71 105 41 52 20 28 误差/% 0.74 3.21 0.81 1.85 0.40 0.90 1.14
下载: 导出CSV
表 3 各算法距离退化误差统计
Table 3 Distance degradation error statistics of each algorithm
方法 P0-P1/m P1-P2/m P2-P3/m P3-P4/m 总距离/m 误差/% 真实值 44.00 48.00 47.00 45.00 184.00 − A-LOAM 41.30 45.77 40.84 42.74 170.65 7.26 LEGO-LOAM 40.33 43.14 44.88 42.61 170.96 7.09 LINS 42.52 43.90 40.31 41.96 168.69 8.32 OURS 43.46 46.91 45.98 43.13 179.48 2.46
下载: 导出CSV
表 4 掘进巷道场景三维重建误差
Table 4 Reconstruction error of the tunnel scene
参数 实际尺寸/m 模型尺寸/m 误差/m 误差/% 长度 23.42 23.31 0.11 0.47 宽度 4.00 3.97 0.03 0.75 高度 3.00 2.98 0.02 0.67
下载: 导出CSV
-
[1] 王国法,王虹,任怀伟,等. 智慧煤矿2025情景目标和发展路径[J]. 煤炭学报,2018,43(2):295−305. WANG Guofa,WANG Hong,REN Huaiwei,et al. 2025 scenarios and development path of intelligent coal mine[J]. Journal of China Coal Society,2018,43(2):295−305.
[2] 毛君,杨润坤,谢苗,等. 煤矿智能快速掘进关键技术研究现状及展望[J]. 煤炭学报,2024,49(2):1214−1229. MAO Jun,YANG Runkun,XIE Miao,et al. Research status and prospects of key technologies for intelligent rapid excavation in coal mines[J]. Journal of China Coal Society,2024,49(2):1214−1229.
[3] 王国法. 《煤矿智能化建设指南(2021年版)》解读:从编写组视角进行解读[J]. 智能矿山,2021,2(4):2−9. [4] 胡兴涛,朱涛,苏继敏,等. 煤矿巷道智能化掘进感知关键技术[J]. 煤炭学报,2021,46(7):2123−2135. HU Xingtao,ZHU Tao,SU Jimin,et al. Key technology of intelligent drivage perception in coal mine roadway[J]. Journal of China Coal Society,2021,46(7):2123−2135.
[5] 马宏伟,王岩,杨林. 煤矿井下移动机器人深度视觉自主导航研究[J]. 煤炭学报,2020,45(6):2193−2206. MA Hongwei,WANG Yan,YANG Lin. Research on depth vision based mobile robot autonomous navigation in underground coal mine[J]. Journal of China Coal Society,2020,45(6):2193−2206.
[6] 杨林,马宏伟,王岩. 基于激光惯性融合的煤矿井下移动机器人SLAM算法[J]. 煤炭学报,2022,47(9):3523−3534. YANG Lin,MA Hongwei,WANG Yan. LiDAR-Inertial SLAM for mobile robot in underground coal mine[J]. Journal of China Coal Society,2022,47(9):3523−3534.
[7] ZHANG J,SINGH S. LOAM:Lidar odometry and mapping in real-time[C]//Robotics:Science and Systems X. Robotics:Science and Systems Foundation,2014.
[8] SHAN T X,ENGLOT B. LeGO-LOAM:Lightweight and ground-optimized lidar odometry and mapping on variable terrain[C]//2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). Piscataway,NJ:IEEE,2018:4758−4765.
[9] YANG L,MA H W,WANG Y,et al. A tightly coupled LiDAR-inertial SLAM for perceptually degraded scenes[J]. Sensors,2022,22(8):3063. doi: 10.3390/s22083063
[10] YANG X,LIN X H,YAO W Q,et al. A robust LiDAR SLAM method for underground coal mine robot with degenerated scene compensation[J]. Remote Sensing,2023,15(1):186.
[11] 刘峰,王宏伟,刘宇. 基于多传感融合的巷道三维空间映射[J]. 煤炭学报,2024,49(9):4019−4026 LIU Feng,WANG Hongwei,LIU Yu. Research on 3D Spatial Mapping of Road ways Based on Multi-sensor Fusion[J]. Journal of Coal Industry,2024,49(9):4019−4026
[12] SHAN T X,ENGLOT B,MEYERS D,et al. LIO-SAM:Tightly-coupled lidar inertial odometry via smoothing and mapping[C]//2020 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). Piscataway,NJ:IEEE,2020:5135−5142.
[13] 马庆禄,汪军豪,张杰,等. 激光雷达与惯性测量单元同步融合下的园区三维建图[J]. 光学 精密工程,2024,32(3):422−434. doi: 10.37188/OPE.20243203.0422 MA Qinglu,WANG Junhao,ZHANG Jie,et al. Three-dimensional mapping of park based on synchronous fusion of lidar and inertial measurement unit[J]. Optics and Precision Engineering,2024,32(3):422−434. doi: 10.37188/OPE.20243203.0422
[14] XU W,CAI Y X,HE D J,et al. FAST-LIO2:Fast direct LiDAR-inertial odometry[J]. IEEE Transactions on Robotics,2022,38(4):2053−2073. doi: 10.1109/TRO.2022.3141876
[15] 张福斌,王凯,廖伟飞,等. 激光雷达/MEMS IMU/里程计紧组合导航算法[J]. 仪器仪表学报,2022,43(7):139−148. ZHANG Fubin,WANG Kai,LIAO Weifei,et al. Lidar/MEMS IMU/Odometer integrated tightly navigation algorithm[J]. Chinese Journal of Scientific Instrument,2022,43(7):139−148.
[16] 任好玲,吴江东,林添良,等. 基于多传感器紧耦合的工程机械定位与建图系统[J]. 机械工程学报,2023,59(24):323−333. doi: 10.3901/JME.2023.24.323 REN Haoling,WU Jiangdong,LIN Tianliang,et al. Construction machinery localization and mapping system based on multi-sensor tight coupling[J]. Journal of Mechanical Engineering,2023,59(24):323−333. doi: 10.3901/JME.2023.24.323
[17] REN Z L,WANG L G,BI L. Robust GICP-based 3D LiDAR SLAM for underground mining environment[J]. Sensors,2019,19(13):2915. doi: 10.3390/s19132915
[18] REN Z L,WANG L G. Accurate real-time localization estimation in underground mine environments based on a distance-weight map (DWM)[J]. Sensors,2022,22(4):1463. doi: 10.3390/s22041463
[19] JI X L,ZUO L,ZHANG C H,et al. LLOAM:LiDAR odometry and mapping with loop-closure detection based correction[C]//2019 IEEE International Conference on Mechatronics and Automation (ICMA). Piscataway,NJ:IEEE,2019:2475−2480.
[20] JIANG J W,WANG J K,WANG P,et al. LiPMatch:LiDAR point cloud plane based loop-closure[J]. IEEE Robotics and Automation Letters,2020,5(4):6861−6868. doi: 10.1109/LRA.2020.3021374
[21] 徐晓苏,李诺,姚逸卿. 基于快速回环检测的室外环境下激光雷达SLAM算法[J]. 中国惯性技术学报,2022,30(6):716−722. XU Xiaosu,LI Nuo,YAO Yiqing. Lidar SLAM algorithm in outdoor environment based on fast loop detection[J]. Journal of Chinese Inertial Technology,2022,30(6):716−722.
[22] 马宝良,崔丽珍,李敏超,等. 露天煤矿环境下基于LiDAR/IMU的紧耦合SLAM算法研究[J]. 煤炭科学技术,2024,52(3):236−244. doi: 10.12438/cst.2023-0538 MA Baoliang,CUI Lizhen,LI Minchao,et al. Study on tightly coupled LiDAR-Inertial SLAM for open pit coal mine environment[J]. Coal Science and Technology,2024,52(3):236−244. doi: 10.12438/cst.2023-0538
[23] 薛光辉,李瑞雪,张钲昊,等. 基于激光雷达的煤矿井底车场地图融合构建方法研究[J]. 煤炭科学技术,2023,51(8):219−227. XUE Guanghui,LI Ruixue,ZHANG Zhenghao,et al. Lidar based map construction fusion method for underground coal mine shaft bottom[J]. Coal Science and Technology,2023,51(8):219−227.
[24] 李芳威,鲍久圣,王陈,等. 基于LD改进Cartographer建图算法的无人驾驶无轨胶轮车井下SLAM自主导航方法及试验[J/OL]. 煤炭学报,1−12[2025−02−18]. https://doi.org/10.13225/j.cnki.jccs.2023.0731. LI Fangwei,BAO Jiusheng,WANG Chen,et al. Unmanned trackless rubber wheeler based on LD improved Cartographer mapping algorithm Underground SLAM autonomous navigation method and test[J/OL]. Journal of Coal Industry,1−12[2025−02−18]. https://doi.org/10.13225/j.cnki.jccs.2023.0731.
[25] 邱佳月,赖际舟,方玮,等. 一种基于动态剔除和场景匹配的Robust SLAM方法[J]. 仪器仪表学报,2022,43(3):249−257. QIU Jiayue,LAI Jizhou,FANG Wei,et al. A Robust SLAM method based on eliminating dynamic points and matching scenes[J]. Chinese Journal of Scientific Instrument,2022,43(3):249−257.
[26] 郝宇,张亿,黄磊,等. 基于改进图优化的移动机器人二维激光SLAM算法研究[J/OL]. 激光与光电子学进展,1−13[2025−02−18]. http://kns.cnki.net/kcms/detail/31.1690.TN.20240517.1421.004.html. HAO Yu,ZHANG Yi,HUANG Lei,et al. Research on Mobile Robot 2D Laser SLAM Algorithm Based on Improved Graph Optimization [J/OL]. Laser & Optoelectronics Progress,1−13[2025−02−18]. http://kns.cnki.net/kcms/detail/31.1690.TN.20240517.1421.004.html.
[27] 薛光辉,张钲昊,张桂艺,等. 煤矿井下点云特征提取和配准算法改进与激光SLAM研究[J/OL]. 煤炭科学技术,1−12[2025−02−18]. http://kns.cnki.net/kcms/detail/11.2402.TD.20240722.1557.003.html. XU Guanghui,ZHANG Zhenghao,ZHANG Guiyi,et al. Improvement of Point Cloud Feature Extraction and Alignment Algorithms and LiDAR SLAM in Coal Mine Underground [J/OL]. Coal Science and Technology, 1−12[2025−02−18]. http://kns.cnki.net/kcms/detail/11.2402.TD.20240722.1557.003.html.
-
期刊类型引用(3)
1. 李立，杨东辉，陈晓鹏，张星星，樊聪. 井下钻孔测井技术在煤矿不良地质体探测中的应用. 晋控科学技术. 2025(01): 33-38 . 
百度学术
2. 邹元春，卢新明，刘建功，赵家巍，李静，王毅颖. 煤矿绿色智能开采地质基座的内涵与研究进展. 中国煤炭. 2025(01): 23-31 . 百度学术
3. 王海军，韩珂，吴艳，董敏涛，桑向阳，朱玉英. 基于穿层钻孔的工作面地质构造透明化技术. 中国矿业. 2024(S2): 170-175 . 百度学术
其他类型引用(0)
计量
- 文章访问数: 89
- HTML全文浏览量: 14
- PDF下载量: 35
- 被引次数: 3
