巷道形变监测方法、监测装置、电子设备和存储介质

1.本发明涉及矿山井下勘测技术领域，尤其涉及一种巷道形变监测方法、监测装置、电子设备和存储介质。


背景技术：

2.近年来，随着煤炭开采工作不断以高强度向深部发展，导致发生巷道坍塌等矿山灾害的可能性随之升高，因此，需要对巷道进行监测。
3.相关技术中，监测方法是利用顶板离层仪等类似设备对单点进行检测，但是这个过程中高密度的现场布置以及数据的观测与记录都依赖人工操作，这样一方面会导致测量误差大，以致无法提供准确的巷道断面形变以及三维变化趋势，另一方面还会因为工人需要在井下恶劣环境中需要重复性监测，工作危险性高，劳动强度大。
4.因此，如何智能且准确地实现对巷道形变的监测是目前亟待解决的问题。


技术实现要素：

5.本发明旨在从一定程度上解决相关技术中的技术问题。
6.为此，本发明的第一个目的在于提出一种巷道形变监测方法，该方法能够智能且准确地完成对井下巷道三维空间形变量的监测。
7.本发明的第二个目的在于提出一种巷道形变监测装置。
8.本发明的第三个目的在于提出一种电子设备。
9.本发明的第四个目的在于提出一种计算机可读存储介质。
10.本发明的第五个目的在于提出一种计算机程序产品。
11.为达到上述目的，本发明第一方面实施例提出了一种巷道形变监测方法，包括以下步骤：获取自主移动车在巷道的当前监测位置，本次扫描得到的当前点云模型和当前位姿，及上次扫描得到的历史点云模型和历史位姿；根据所述当前位姿和所述历史位姿，计算两次扫描位姿的刚性变换；根据所述刚性变换和所述历史点云模型，计算本次扫描的期望点云模型；采用点云配准方法，根据所述当前点云模型和所述期望点云模型，计算所述当前监测位置的三维空间形变量。
12.根据本发明实施例的巷道形变监测方法，先获取自主移动车在巷道的当前监测位置，本次扫描得到的当前点云模型和当前位姿，及上次扫描得到的历史点云模型和历史位姿，然后根据所述当前位姿和所述历史位姿，计算两次扫描位姿的刚性变换，并根据所述刚性变换和所述历史点云模型，计算本次扫描的期望点云模型，最后采用点云配准方法，根据所述当前点云模型和所述期望点云模型，计算所述当前监测位置的三维空间形变量。由此，该方法能够智能且准确地完成对井下巷道三维空间形变量的监测。
13.另外，本发明第一方面实施例提出的巷道形变监测方法还可以具有如下附加的技术特征：
14.根据本发明的一个实施例，所述当前位姿的获取过程，包括：
15.在所述自主移动车进入巷道时，读取电子地图；其中，所述电子地图中保存有布设在所示巷道中各个uwb锚节点的监测位置信息；
16.在所述自主移动车行进过程中，采用设置在所述自主移动车上的激光雷达实时观测的位置信息与所述电子地图中保存的检测位置信息进行匹配；
17.如果匹配成功，则在所述当前监测位置，结合超宽带无线定位模型获取所述自主移动车在所述电子地图中的绝对位姿；
18.根据所述绝对位姿，计算所述当前位姿。
19.根据本发明的一个实施例，所述历史点云模型和所述历史位姿获取的过程，包括：
20.在所述自主移动车行进过程中，采用设置在所述自主移动车上的射频识别rfid读写器实时读取在所述当前监测位置上设置的rfid标签中的rfid标签信息；其中，所述rfid标签信息中包括所述自主移动车在所示当前监测位置的所述历史点云模型和所述历史位姿。
21.根据本发明的一个实施例，所述根据所述当前位姿和所述历史位姿，获取两次扫描位姿的刚性变换之前，包括：
22.判断是否接收到断面扫描指令；
23.如果接收到所述断面扫描指令，则控制所述自主移动车停车。
24.为达到上述目的，本发明第二方面实施例提出了一种巷道形变监测装置，包括：获取模块，用于获取自主移动车在巷道的当前监测位置，本次扫描得到的当前点云模型和当前位姿，及上次扫描得到的历史点云模型和历史位姿；第一计算模块，用于根据所述当前位姿和所述历史位姿，计算两次扫描位姿的刚性变换；第二计算模块，用于根据所述刚性变换和所述历史点云模型，计算本次扫描的期望点云模型；第三计算模块，用于采用点云配准方法，根据所述当前点云模型和所述期望点云模型，计算所述当前监测位置的三维空间形变量。
25.根据本发明实施例的巷道形变监测装置，通过获取模块获取自主移动车在巷道的当前监测位置，本次扫描得到的当前点云模型和当前位姿，及上次扫描得到的历史点云模型和历史位姿，通过第一计算模块根据当前位姿和历史位姿，计算两次扫描位姿的刚性变换，通过第二计算模块根据刚性变换和历史点云模型，计算本次扫描的期望点云模型，通过第三计算模块采用点云配准方法，根据当前点云模型和期望点云模型计算当前监测位置的三维空间形变量。由此，该装置能够智能且准确地完成对井下巷道三维空间形变量的监测。
26.另外，本发明第二方面实施例提出的巷道形变监测装置还可以具有如下附加的技术特征：
27.根据本发明的一个实施例，所述当前位姿通过所述获取模块获取时，包括：
28.在所述自主移动车进入巷道时，读取电子地图；其中，所述电子地图中保存有布设在所示巷道中各个uwb锚节点的监测位置信息；
29.在所述自主移动车行进过程中，采用设置在所述自主移动车上的激光雷达实时观测的位置信息与所述电子地图中保存的检测位置信息进行匹配；
30.在匹配成功时，在所述当前监测位置，结合超宽带无线定位模型获取所述自主移动车在所述电子地图中的绝对位姿；
31.根据所述绝对位姿，计算所述当前位姿。
32.根据本发明的一个实施例，所述历史点云模型和所述历史位姿通过获取模块获取时，包括：
33.在所述自主移动车行进过程中，采用设置在所述自主移动车上的射频识别rfid读写器实时读取在所述当前监测位置上设置的rfid标签中的rfid标签信息；其中，所述rfid标签信息中包括所述自主移动车在所示当前监测位置的所述历史点云模型和所述历史位姿。
34.根据本发明的一个实施例，上述装置还包括：
35.判断模块，用于判断是否接收到断面扫描指令；
36.控制模块，用于在接收到所述断面扫描指令时，控制所述自主移动车停车。
37.为达到上述目的，本发明第三方面实施例提出了一种电子设备，包括：处理器和存储器；其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现第一方面实施例的巷道形变监测方法。
38.本发明实施例的电子设备，通过执行上述的巷道形变监测方法，能够智能且准确地完成对井下巷道三维空间形变量的监测。
39.为达到上述目的，本发明第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现第一方面实施例的巷道形变监测方法。
40.本发明实施例的计算机可读存储介质，通过执行上述的巷道形变监测方法，能够智能且准确地完成对井下巷道三维空间形变量的监测。
41.为达到上述目的，本发明第五方面实施例提出了一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行第一方面实施例的巷道形变监测方法。
42.本发明实施例的计算机程序产品，通过执行上述的巷道形变监测方法，能够智能且准确地完成对井下巷道三维空间形变量的监测。
43.本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
44.本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
45.图1是根据本发明实施例的巷道形变监测方法的流程图；
46.图2是本发明一个实施例的基于电子地图和uwb定位模块的绝对位姿获取原理图；
47.图3是本发明一个实施例的基于rfid无线射频技术任务触发以及信息存储流程图；
48.图4是本发明一个实施例的基于固态激光雷达的巷道扫描模型与基于uwb定位模块的绝对位姿两次扫描点云模型之间的空间变换关系；
49.图5是本发明一个实施例的基于三维点云模型配准的空间变形量计算流程；
50.图6是本发明一个实施例的上一次扫描空间点云模型经过刚性变换后的期望点云模型的示意图；
51.图7是本发明一个实施例的本次扫描的当前点云模型的示意图；
52.图8是本发明一个实施例的图6和图7点云配准的结果图；
53.图9是本发明一个实施例的巷道形变监测方法的工作示意图；
54.图10是根据本发明实施例的巷道形变监测装置的方框示意图。
具体实施方式
55.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
56.下面参考附图描述本发明实施例的巷道形变监测方法、监测装置、电子设备和存储介质。
57.近年来，国际能源紧缺形势对煤炭产能提出极高的要求，随着开采工作不断以高强度向深部发展，导致发生巷道坍塌等矿山灾害的可能性随之升高，因此，需要对巷道进行监测。
58.相关技术中，监测方法是利用顶板离层仪等类似设备对单点进行检测，但是这个过程中高密度的现场布置以及数据的观测与记录都依赖人工操作，这样一方面会导致测量误差大，以致无法提供准确的巷道断面形变以及三维变化趋势，另一方面还会因为工人需要在井下恶劣环境中需要重复性监测，工作危险性高，劳动强度大。
59.井下的自主移动车agv(automatic guided vehicle)具备远程操控或自主移动能力，可以通过携带传感器实时采集环境数据，可以将工人从长期繁重的勘测工作中解放出来。激光点云的电子地图如gis(geographic information science)电子地图在地面移动设备上被广泛用于提供准确的环境空间信息，且通常与视觉、gnss(global navigation satellite system，全球导航卫星系统)等传感器融合提供精确位置。但是，由于巷道环境不同，地点三维信息相似度高，且视觉、gnss等传感器存在退化、光照不足和信号缺失等问题，导致无法满足自主定位需求。而巷道三维点云模型的建立需要连续扫描，通过模型间的对比来获取断面三维空间形变量。
60.综上，在井下环境中利用自主移动车agv进行自主移动定位，并获取断面的三维空间形变量，对于井下安全监管和开发建设都具有重要意义。
61.图1是根据本发明实施例的巷道形变监测方法的流程图。
62.需要说明的是，本发明实施例的巷道形变监测方法的执行主体为本发明实施例的巷道形变监测装置，本发明实施例的巷道形变监测装置可以设置在电子设备中，例如，可以是自主移动车agv的电子设备中。
63.如图1所示，本发明实施例的巷道形变监测方法，包括以下步骤：
64.s101，获取自主移动车在巷道的当前监测位置，本次扫描得到的当前点云模型和当前位姿，及上次扫描得到的历史点云模型和历史位姿。
65.在执行步骤s101之前，先结合图2进行说明，针对井下巷道进行超宽带uwb(ultra wide band)锚节点的布设，并将各个超宽带uwb锚节点的位置信息预先保存在井下的电子地图中。针对井下巷道重点断面的监测位置进行rfid(radio frequency identification，射频识别)标签(如无源rfid标签)布设，借助rfid标签的无线射频技术将当前监测位置的历史点云模型和历史位姿进行标签化。针对自主移动车agv，在自主移动车agv上设置超宽
带雷达uwb模块(如固态激光雷达)、rfid读写器和电子设备，自主移动车agv在井下巷道自主移动的过程中，依次执行步骤s101-s104。其中，需要说明的是，超宽带雷达uwb模块(如固态激光雷达)可以采用拼接的方式安装在自主移动车agv顶部，以便可以实时感知自主移动车agv的行进方向。
66.在自主移动车agv进入巷道时，电子设备读取电子地图，该电子地图中保存有布设在所示巷道中各个uwb锚节点的监测位置信息。在自主移动车agv行进过程中，电子设备采用设置在自主移动车agv上的激光雷达实时观测的位置信息与电子地图中保存的检测位置信息进行匹配，并在激光雷达实时观测的位置信息与电子地图中保存的检测位置信息匹配成功时，将该监测位置作为当前监测位置，并在当前监测位置，结合超宽带无线定位模型获取自主移动车agv在电子地图中的绝对位姿。以及，电子设备在当前监测位置，利用固态激光雷达拼接点云的三维建模程序，基于octree八叉树法对巷道点云进行空间上的压缩，并利用离散小波变换dnt算法重建巷道单位结构，将该模型保存为当前点云模型mi。
67.并且，在自主移动车agv行进过程中，电子设备在当前监测位置，采用设置在自主移动车上的rfid读写器实时读取在当前监测位置上设置的rfid标签中的rfid标签信息，该rfid标签信息中包括自主移动车在所示当前监测位置的历史点云模型和历史位姿
[0068][0069]
电子设备在得到当前位姿和历史位姿之后，判断是否接收到断面扫描指令，并在接收到断面扫描指令时，控制自主移动车agv停车。电子设备在确定自主移动车agv停稳后，根据绝对位姿计算当前位姿xi。之后，如图4所示，执行下述步骤s102-s104的计算。
[0070]
s102，根据当前位姿和历史位姿，计算两次扫描位姿的刚性变换。
[0071]
电子设备在得到历史位姿和当前位姿xi之后，根据刚体转换关系可以求得两次扫描位姿之间的刚性变换t。
[0072]
s103，根据刚性变换和历史点云模型，计算本次扫描的期望点云模型。
[0073]
在该步骤中，如图5所示，将刚性变换t和历史点云模型相乘，得到本次扫描的期望点云模型
[0074]
s104，采用点云配准方法，根据当前点云模型和期望点云模型，计算当前监测位置的三维空间形变量。
[0075]
在执行步骤s104之前，引入了kd-tree算法，根据点云之间匹配关系，并根据下述公式(1)求解得到点云之间的空间变换矩阵e。
[0076][0077]
建立当前点云模型mi的正态分布模型为建立历史点云模型的正态分布模型其中，mi为当前点云模型mi中的一个监测位置，为历史点云模型中的一个监测位置，为当前点云模型mi对应的协方差阵，为历史点云模型的协方差阵，则当前点云模型和历史点云模型之间的转换误差δe可以定义为下述公式(2)。
[0078]
[0079]
则转换误差δe的高斯分布可以表示为下述公式(3)。
[0080][0081]
即，转换误差服从正态分布，利用最大似然估计法，巷道的空间变形量可以由下述公式(4)求解。其中，当取得最优解时，即得到了基于上一次扫描模型的巷道三维模型空间位置变化。
[0082][0083]
为了验证本发明巷道形变监测方法的有效性，做出了如下验证：
[0084]
如图7所示，图7是上次扫描的历史点云模型在刚性变换下的期望点云模型。
[0085]
如图8所示，图8为本次扫描的当前点云模型。
[0086]
如图9所示，左侧数据为图7和图8的空间变换量计算结果；右侧为两帧点云模型在变换矩阵作用下的配准图，完成了监测位置的空间变换量计算，可知理论集合度为100％。
[0087]
由此，本发明实施例的巷道形变监测方法实现了无人操作即可完成井下巷道形变量的监测，并且可以通过评估井下巷道形变量如空间平移量和旋转量，为安全生产和矿山巷道开发提供精准可靠的数据。
[0088]
为使本领域技术人员更清楚地了解本发明的巷道形变监测方法，参考图9所示的巷道形变监测方法的工作示意图，具在得到计算得到当前监测位置的三维空间形变量，即执行步骤s104之后，则结束当前监测位置的监测，配套软件保存本次扫描得到的当前点云模型和当前位姿，并将本次扫描得到的当前点云模型和当前位姿保存在电子设备中。然后，对巷道中所有监测位置重复上述步骤s101-s104，由电子设备依次实时记录不同监测位置的监测结果。
[0089]
由此，本发明实施例的巷道形变监测方法可以应用于井下巷道断面变形监测，依据该方法可以实时获得井下巷道三维点云模型以及精确的监测点三维空间变化量。
[0090]
并且，本发明通过借助uwb定位模块、rfid无线射频识别和数据管理技术，设计并开发了井下巷道环境自主定位以及任务触发方法，构建井下巷道环境gis电子地图、uwb定位模块、rfid无线射频模块与自主移动agv之间的动态体系。在利用uwb模块获取绝对位姿基础上，通过读取不同监测点rfid标签信息，agv在巷道中自主完成停车、三维建模和计算环境空间变量等行为。提出利用固态激光雷达观测量获取巷道环境三维模型，在绝对位姿刚体变换基础上利用点云配准方法如gicp点云配准方法，计算点云之间空间位置变化量。在掌握巷道断面实时信息的同时可以监测巷道断面在时间段内的变化规律。
[0091]
综上所述，根据本发明实施例的巷道形变监测方法，先获取自主移动车在巷道的当前监测位置，本次扫描得到的当前点云模型和当前位姿，及上次扫描得到的历史点云模型和历史位姿，然后根据当前位姿和历史位姿，计算两次扫描位姿的刚性变换，并根据刚性变换和历史点云模型，计算本次扫描的期望点云模型，最后采用点云配准方法，根据当前点云模型和期望点云模型，计算当前监测位置的三维空间形变量。由此，该方法能够智能且准确地完成对井下巷道三维空间形变量的监测。
[0092]
图10是本发明实施例的巷道形变监测装置的方框示意图。
[0093]
如图10所示，本发明实施例的巷道形变监测装置100，包括：获取模块101、第一计算模块102、第二计算模块103和第三计算模块104。
[0094]
其中，获取模块101用于获取自主移动车在巷道的当前监测位置，本次扫描得到的当前点云模型和当前位姿，及上次扫描得到的历史点云模型和历史位姿。第一计算模块102用于根据当前位姿和历史位姿，计算两次扫描位姿的刚性变换。第二计算模块103用于根据刚性变换和历史点云模型，计算本次扫描的期望点云模型。第三计算模块104用于采用点云配准方法，根据当前点云模型和期望点云模型，计算当前监测位置的三维空间形变量。
[0095]
根据本发明的一个实施例，当前位姿通过获取模块101获取时，包括：
[0096]
在自主移动车进入巷道时，读取电子地图；其中，电子地图中保存有布设在所示巷道中各个uwb锚节点的监测位置信息；
[0097]
在自主移动车行进过程中，采用设置在自主移动车上的激光雷达实时观测的位置信息与电子地图中保存的检测位置信息进行匹配；
[0098]
在匹配成功时，在当前监测位置，结合超宽带无线定位模型获取自主移动车在电子地图中的绝对位姿；
[0099]
根据绝对位姿，计算当前位姿。
[0100]
根据本发明的一个实施例，历史点云模型和历史位姿通过获取模块101获取时，包括：
[0101]
在自主移动车行进过程中，采用设置在自主移动车上的射频识别rfid读写器实时读取在当前监测位置上设置的rfid标签中的rfid标签信息；其中，rfid标签信息中包括自主移动车在所示当前监测位置的历史点云模型和历史位姿。
[0102]
根据本发明的一个实施例，上述装置还包括：
[0103]
判断模块，用于判断是否接收到断面扫描指令；
[0104]
控制模块，用于在接收到断面扫描指令时，控制自主移动车停车。
[0105]
需要说明的是，本发明实施例的巷道形变监测装置中未披露的细节，请参考本发明实施例的巷道形变监测方法中所披露的细节，具体这里不再赘述。
[0106]
根据本发明实施例的巷道形变监测装置，通过获取模块获取自主移动车在巷道的当前监测位置，本次扫描得到的当前点云模型和当前位姿，及上次扫描得到的历史点云模型和历史位姿，通过第一计算模块根据当前位姿和历史位姿，计算两次扫描位姿的刚性变换，通过第二计算模块根据刚性变换和历史点云模型，计算本次扫描的期望点云模型，通过第三计算模块采用点云配准方法，根据当前点云模型和期望点云模型计算当前监测位置的三维空间形变量。由此，该装置能够智能且准确地完成对井下巷道三维空间形变量的监测。
[0107]
基于上述实施例，本发明还提出了一种电子设备。
[0108]
本发明实施例的电子设备，包括：处理器和存储器；其中，处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于实现上述的巷道形变监测方法。
[0109]
本发明实施例的电子设备，通过执行上述的巷道形变监测方法，能够智能且准确地完成对井下巷道三维空间形变量的监测。
[0110]
基于上述实施例，本发明还提出了一种计算机可读存储介质。
[0111]
本发明实施例的计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现第一方面实施例的巷道形变监测方法。
[0112]
本发明实施例的计算机可读存储介质，通过执行上述的巷道形变监测方法，能够
智能且准确地完成对井下巷道三维空间形变量的监测。
[0113]
基于上述实施例，本发明还提出了一种计算机程序产品。
[0114]
在本发明的实施例中，在本发明实施例的计算机程序产品中的指令处理器执行时，执行上述的巷道形变监测方法。
[0115]
本发明实施例的计算机程序产品，通过执行上述的巷道形变监测方法，能够智能且准确地完成对井下巷道三维空间形变量的监测。
[0116]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0117]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0118]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
[0119]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0120]
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编
程门阵列(fpga)等。
[0121]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0122]
此外，在本发明各个实施例中的各功能单元可以集成在一个模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0123]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

技术特征：
1.一种巷道形变监测方法，其特征在于，包括以下步骤：获取自主移动车在巷道的当前监测位置，本次扫描得到的当前点云模型和当前位姿，及上次扫描得到的历史点云模型和历史位姿；根据所述当前位姿和所述历史位姿，计算两次扫描位姿的刚性变换；根据所述刚性变换和所述历史点云模型，计算本次扫描的期望点云模型；采用点云配准方法，根据所述当前点云模型和所述期望点云模型，计算所述当前监测位置的三维空间形变量。2.根据权利要求1所述的巷道形变监测方法，其特征在于，所述当前位姿的获取过程，包括：在所述自主移动车进入巷道时，读取电子地图；其中，所述电子地图中保存有布设在所示巷道中各个超宽带uwb锚节点的监测位置信息；在所述自主移动车行进过程中，采用设置在所述自主移动车上的激光雷达实时观测的位置信息与所述电子地图中保存的检测位置信息进行匹配；如果匹配成功，则在所述当前监测位置，结合超宽带无线定位模型获取所述自主移动车在所述电子地图中的绝对位姿；根据所述绝对位姿，计算所述当前位姿。3.根据权利要求1所述的巷道形变监测方法，其特征在于，所述历史点云模型和所述历史位姿获取的过程，包括：在所述自主移动车行进过程中，采用设置在所述自主移动车上的射频识别rfid读写器实时读取在所述当前监测位置上设置的rfid标签中的rfid标签信息；其中，所述rfid标签信息中包括所述自主移动车在所示当前监测位置的所述历史点云模型和所述历史位姿。4.根据权利要求1所述的巷道形变监测方法，其特征在于，所述根据所述当前位姿和所述历史位姿，获取两次扫描位姿的刚性变换之前，包括：判断是否接收到断面扫描指令；如果接收到所述断面扫描指令，则控制所述自主移动车停车。5.一种巷道形变监测装置，其特征在于，包括：获取模块，用于获取自主移动车在巷道的当前监测位置，本次扫描得到的当前点云模型和当前位姿，及上次扫描得到的历史点云模型和历史位姿；第一计算模块，用于根据所述当前位姿和所述历史位姿，计算两次扫描位姿的刚性变换；第二计算模块，用于根据所述刚性变换和所述历史点云模型，计算本次扫描的期望点云模型；第三计算模块，用于采用点云配准方法，根据所述当前点云模型和所述期望点云模型，计算所述当前监测位置的三维空间形变量。6.根据权利要求5所述的巷道形变监测装置，其特征在于，所述当前位姿通过所述获取模块获取时，包括：在所述自主移动车进入巷道时，读取电子地图；其中，所述电子地图中保存有布设在所示巷道中各个uwb锚节点的监测位置信息；在所述自主移动车行进过程中，采用设置在所述自主移动车上的激光雷达实时观测的
位置信息与所述电子地图中保存的检测位置信息进行匹配；在匹配成功时，在所述当前监测位置，结合超宽带无线定位模型获取所述自主移动车在所述电子地图中的绝对位姿；根据所述绝对位姿，计算所述当前位姿。7.根据权利要求5所述的巷道形变监测装置，其特征在于，所述历史点云模型和所述历史位姿通过获取模块获取时，包括：在所述自主移动车行进过程中，采用设置在所述自主移动车上的射频识别rfid读写器实时读取在所述当前监测位置上设置的rfid标签中的rfid标签信息；其中，所述rfid标签信息中包括所述自主移动车在所示当前监测位置的所述历史点云模型和所述历史位姿。8.根据权利要求5所述的巷道形变监测装置，其特征在于，所述装置还包括：判断模块，用于判断是否接收到断面扫描指令；控制模块，用于在接收到所述断面扫描指令时，控制所述自主移动车停车。9.一种电子设备，其特征在于，包括：处理器和存储器；其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如权利要求1-4中任一项所述的巷道形变监测方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-4中任一项所述的巷道形变监测方法。

技术总结
本发明提出一种巷道形变监测方法、监测装置、电子设备和存储介质，所述方法包括：获取自主移动车在巷道的当前监测位置，本次扫描得到的当前点云模型和当前位姿，及上次扫描得到的历史点云模型和历史位姿；根据当前位姿和历史位姿，计算两次扫描位姿的刚性变换；根据刚性变换和历史点云模型，计算本次扫描的期望点云模型；采用点云配准方法，根据当前点云模型和期望点云模型，计算当前监测位置的三维空间形变量。由此，该方法能够智能且准确地完成对井下巷道三维空间形变量的监测。下巷道三维空间形变量的监测。下巷道三维空间形变量的监测。


技术研发人员：史慧 王国法 朱立达 任怀伟 杨建宇 呼少平 巩师鑫
受保护的技术使用者：东北大学
技术研发日：2023.04.28
技术公布日：2023/9/20