基于惯导的移动三维测量技术在地铁保护区变形监测中的应用研究

在地铁保护区变形监测中,水平位移和沉降作为重要的监测内容,通常用全站仪和水准仪测量,其测量精度高,应用比较广泛,但是该手段仅能对布设有监测点的区域进行监测,无法掌握隧道整体的变形情况。本文提出基于惯导系统的移动三维测量技术,通过在隧道内布设基准网,配合Lidar控制点绝对坐标传递,对惯导系统的累积误差进行修正,最终得到隧道结构三维点云模型。依托杭州市某地铁区间三维扫描项目,采用不同间距的控制点对惯导系统的累积误差进行修正,经与全站仪测量值对比,结果表明:移动三维测量技术的水平位移和沉降监测精度与隧道线型有关,当隧道为直线有坡度环境时,其水平位移监测精度比较稳定,基本保持在0.76 mm左右,沉降监测精度随控制点间距增大而降低,最优可达0.72 mm。     

基于神经网络的自适应IIR滤波器

基于神经网络理论中能量函数的概念，提出了一种自适应ＩＩＲ滤波器的设计方法。利用ＨＯＰＦＩＥＬＤ的能量函数来解决ＩＩＲ滤波器的稳定问题，只用了一个人工社网络电路就可完成，而且计算速度快，避免了复杂性，可应用于快速变化信号的实时处理。     

基于三维激光扫描技术的地铁盾构隧道中轴线高程提取方法

针对目前三维激光扫描技术检测盾构隧道横断面方法效率低、不能充分利用高密度点云数据的问题，从精度、效率及充分利用高密度横断面点云数据三方面进行隧道中轴线高程分析。提出利用空间几何关系快速提取隧道原始点云数据横断面的方法，继而利用K近邻计算方法提取隧道中轴线高程。试验结果表明，该隧道中轴线高程提取方法与水准仪实测获得的隧道中轴线高程间最大差值为3 mm。与水准仪实测方法相比，该隧道中轴线高程提取方法的检测精度与检测效率均有较大改善，且其不需要进行横断面点云数据的抽稀，充分利用了海量原始点云数据，可推广应用至盾构隧道竣工验收工作。