基于三维重建与Unet神经网络的隧道掌子面围岩快速分级技术

doi:10.3973/j.issn.2096-4498.2022.01.005

隧道建设（中英文） ›› 2022, Vol. 42 ›› Issue (1): 33-40.DOI: 10.3973/j.issn.2096-4498.2022.01.005

基于三维重建与Unet神经网络的隧道掌子面围岩快速分级技术

李赤谋^{1, 2}，吕明^{1, 2}，袁青²，陈宇佳^3,
*，王树英³

（1. 中交文山高速公路建设发展有限公司，云南文山 663099；2. 中交第二航务工程局有限公司，湖北武汉 430040；3. 中南大学土木工程学院，湖南长沙 410075）

出版日期:2022-01-20 发布日期:2022-01-28
作者简介:李赤谋（1975—），男，湖北咸宁人，2005年毕业于长安大学，土木工程专业，本科，高级工程师，现从事土建工程建设及技术管理工作。E-mail： 158025582@qq.com。*通信作者：陈宇佳， E-mail： 204811047@csu.edu.cn。

Rapid Classification Technology of Surrounding Rock of Tunnel Face Based on ThreeDimensional Reconstruction and Unet Neural Networks

LI Chimou^{1, 2}, LYU Ming^{1, 2}, YUAN Qing², CHEN Yujia^{3, *}, WANG Shuying³

(1. Wenshan Expressway Construction and Development of CCCC Co., Ltd., Wenshan 663099, Yunnan, China; 2. CCCC Second Harbor Engineering Company Ltd., Wuhan 430040, Hubei, China; 3. School of Civil Engineering, Central South University, Changsha 410075, Hunan, China)

Online:2022-01-20 Published:2022-01-28

摘要/Abstract

摘要： 围岩等级是确定和调整隧道施工方案的重要依据，为减少由于施工实际围岩等级与地勘不符造成的经济损失、安全事故等问题，可对传统围岩分级方法进行改进。依托云南文麻高速大法郎隧道，采用三维重建、图像拼接、Unet神经网络等技术，结合围岩单轴抗压强度等特性，实现基于岩体完整性和强度特征的掌子面围岩结构面特征识别和围岩级别快速评价。先采用数码相机对隧道掌子面及周边硐壁进行图像信息采集，建立完整的三维模型，后通过投影和图像拼接得到掌子面高清拼接图像；基于Unet神经网络对掌子面图像进行节理迹线自动识别，对节理评价指标计算后得到隧道掌子面完整性信息；最后结合其他围岩特征信息，基于BQ分级方法进行掌子面围岩分级。研究结果表明：该围岩分级方法可获得清晰的掌子面图像，在依托工程现场较原始设计分级更符合现场实际情况，具有良好的应用性。

关键词: 公路隧道, 三维建模, 图像拼接, Unet神经网络, 节理, BQ分级

Abstract: The classification of surrounding rock is an important basis for determining and adjusting the rationality of tunnel construction schemes; therefore, the traditional surrounding rock classification method can be improved to reduce economic losses, safety accidents, and other problems caused by the difference between the actual classification of surrounding rock and geological surveying results. Based on the Dafalang tunnel of the Wenma expressway in Yunnan, threedimensional (3D) reconstruction, stitching of images, Unet neural networks, and surrounding rock characteristics of uniaxial compressive strength are considered to realize the recognition of structural plane features and the rapid evaluation of surrounding rock classification based on the integrity and strength characteristics of the rock mass. A digital camera collects images of the tunnel face and surrounding wall to create a 3D model using 3D image reconstruction. Second, the projection algorithm and image Mosaic technology are used to generate a highdefinition image of the tunnel face. Third, using Unet neural networks, a joint outline analysis is performed to automatically obtain tunnel face integrity information. Finally, the surrounding rock of the excavation face is classified using the BQ classification method, taking into account other rock characteristics. The results show that clear images of the tunnel face can be obtained using the recommended method. The field application results are more in line with the actual situation than the original design, which has a good application.

Key words: , highway tunnel, threedimensional modeling, image stitching, Unet neural networks, joint, BQ classification

中图分类号:

U 455.4

李赤谋, 吕明, 袁青, 陈宇佳, 王树英. 基于三维重建与Unet神经网络的隧道掌子面围岩快速分级技术[J]. 隧道建设, 2022, 42(1): 33-40.

LI Chimou, LYU Ming, YUAN Qing, CHEN Yujia, WANG Shuying.

Rapid Classification Technology of Surrounding Rock of Tunnel Face Based on ThreeDimensional Reconstruction and Unet Neural Networks [J]. Tunnel Construction, 2022, 42(1): 33-40.

[1]	邓实强, 丁浩, 杨孟, 刘帅, 陈建忠. 基于视频图像的公路隧道火灾烟雾检测[J]. 隧道建设, 2022, 42(2): 291-302.
[2]	董志明, 郭宝德, 许泽琪, 张晓芹, 曹建涛. 基于BIM技术的公路隧道洞门建筑光环境研究及应用[J]. 隧道建设, 2021, 41(S2): 144-150.
[3]	张志刚, 陈佳, 朱自鹏, 赵岩, 钟晓东. 东欧塞尔维亚长大公路隧道勘察设计介绍[J]. 隧道建设, 2021, 41(S2): 383-389.
[4]	赵强, 郭淞, 毕强. 公路隧道疏散救援关键技术——以北京东六环特长盾构隧道为例 [J]. 隧道建设, 2021, 41(S2): 429-437.
[5]	张奥宇, 邓敏. 建宁西路地下互通通风系统运营优化研究[J]. 隧道建设, 2021, 41(S2): 462-468.
[6]	李乃强, 蒋雅君, 刘世圭, 曾承宇, 肖华荣. 基于高压清洗技术的运营公路隧道中央排水管清洗技术研究[J]. 隧道建设, 2021, 41(S2): 647-654.
[7]	张睿, 周凯歌, 姚志刚, 方勇, 唐协, 周雄华. 米仓山特长公路隧道关键施工技术应用分析[J]. 隧道建设, 2021, 41(S2): 664-674.
[8]	龚海军, 赵耿鹏, 严健, 汪波, 张洋洋, 李增. 川藏公路矮拉山隧道大变形特征及其影响因素分析[J]. 隧道建设, 2021, 41(S2): 129-136.
[9]	康海波, 方晓峰, 邹逸伦, 田青峰, 方勇. 公路隧道爆破冲击波洞内传播规律研究[J]. 隧道建设, 2021, 41(S1): 130-.
[10]	王海龙, 韦良文, 雷圣偲. 小净距公路隧道中岩柱对地表沉降变形规律研究[J]. 隧道建设, 2021, 41(S1): 216-.
[11]	刘刚, 朱莉, 蒋贵川. 基于KNX技术的高速公路隧道智慧照明系统[J]. 隧道建设, 2021, 41(S1): 281-.
[12]	冯文生, 杜逸文, 徐海岩. 基于多因素耦合的高速公路隧道群定义探讨[J]. 隧道建设, 2021, 41(9): 1478-1484.
[13]	钱超, 邓木生, 李虎雄, 陈建勋, 王辰瑶. 公路隧道环境感知系统的设计与实现[J]. 隧道建设, 2021, 41(9): 1502-1508.
[14]	于家武, 郭新新. 木寨岭公路隧道复合型大变形控制技术与实践[J]. 隧道建设, 2021, 41(9): 1565-1576.
[15]	孙策. 超大断面双层盾构隧道火灾特性及疏散救援研究——以深圳机荷高速公路隧道为例 [J]. 隧道建设, 2021, 41(8): 1297-.

基于三维重建与Unet神经网络的隧道掌子面围岩快速分级技术

Rapid Classification Technology of Surrounding Rock of Tunnel Face Based on ThreeDimensional Reconstruction and Unet Neural Networks

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价