本发明属于隧道机械化施工爆破质量，尤其涉及一种基于三维点云和神经网络的隧道机械化施工爆破质量预测方法。
背景技术：
1、传统的超欠挖测量通过拟合实际开挖轮廓断面上多个测点来得到实际开挖断面，并与爆破设计开挖断面对比，获取超欠挖量。随着三维激光扫描仪的应用，现有的爆破质量检测与评价技术基于三维点云对实际开挖轮廓面进行扫描，建立开挖轮廓三维模型，实现超欠挖值、体积的计算。现有技术中通过预处理隧道开挖区段对应的断面设计图；提取隧道设计断面轮廓，识别设计断面轮廓类型以及对轮廓曲线进行计算；对采集的隧道开挖轮廓点云模型进行滤波计算和位姿调整；基于隧道轮廓曲线划分隧道开挖轮廓点云模型，划分为与设计轮廓曲线各直线段对应的点云模型和各曲线段对应的点云模型；基于对隧道点云模块划分的多个区块，分区计算隧道超欠挖值；展开渲染后的超欠挖点云模型；依据网格划分计算隧道超欠挖体积。该现有技术降低了网格建模难度，避免了实体建模时程序宕机，利用提出的图像处理技术获取轮廓参数，实现自动化建模。现有技术还包括获取爆破前隧道的三维点云数据，提取隧道中轴线信息，拟合得到爆破前的爆破区域三维模型；获取爆破后隧道的三维点云数据，并进行稀化和三角化处理，得到爆破后的爆破区域三维模型；对爆破前后的三维模型进行布尔运算，并将单纯形法应用到三维模型计算中，得到各个位置处的超欠挖数据信息；引入多理论模型的综合集成赋权法权重模型，对各个爆破指标进行定量化分析，得到隧道的爆破质量评估结果。现有技术通过隧道点云数据建立爆破前后的隧道爆破区域的三维模型并进行对比，能够直观地展示各个位置处的超欠挖状态，以及全面、有效、客观和定量化地评估隧道的爆破质量。
2、综上可知，现有技术中已有的爆破质量检测相关技术都只是对已爆破区域进行测量的，本发明是针对待爆破区域爆破质量进行预测，因此提供了一种基于三维点云和神经网络的隧道机械化施工爆破质量预测方法。
技术实现思路
1、为解决上述技术问题，本发明提出了一种基于三维点云和神经网络的隧道机械化施工爆破质量预测方法，凭借三维激光扫描仪快速扫描实际开挖轮廓，通过超欠挖检测方法计算超欠挖值，通过构建超欠挖预测模型实现爆破质量的预测，并以此为基础，对爆破质量进行可视化，实现待爆破区域爆破质量的快速识别，从而改善施工组织安排、提高施工效率。
2、为实现上述目的，本发明提供了一种基于三维点云和神经网络的隧道机械化施工爆破质量预测方法，包括：
3、通过三维激光扫描仪对目标隧道进行现场扫描，获得目标隧道的点云数据；
4、对所述目标隧道的点云数据进行预处理，获得所述目标隧道的实际工程坐标数据；
5、对所述目标隧道的实际工程坐标数据进行点处理，获得点处理后的点云数据；
6、将所述点处理后的点云数据进行多边形处理，获得三维多边形曲面模型；
7、根据爆破设计轮廓曲面和所述三维多边形曲面模型构建爆破质量计算模型；
8、获取超欠挖值，将所述超欠挖值输入所述爆破质量计算模型，获得所述目标隧道的超欠挖值；
9、基于钻孔施工日志、爆破设计方案、隧道施工信息和开挖轮廓点云数据构建超欠挖预测模型模块，将所述目标隧道的超欠挖值输入所述超欠挖预测模型，获得隧道爆破质量，完成对隧道机械化施工爆破质量预测。
10、根据本发明提供的基于三维点云和神经网络的隧道机械化施工爆破质量预测方法，通过三维激光扫描仪对目标隧道进行现场扫描，获得目标隧道的点云数据的方法包括：所述目标隧道每个施工循环完成爆破、出渣和排险施工后，采用三维激光扫描仪对现场隧道开挖轮廓进行三维扫描，同时将靶球安置于隧道内已知坐标点，以对齐实际工程坐标，获得目标隧道的点云数据。
11、根据本发明提供的基于三维点云和神经网络的隧道机械化施工爆破质量预测方法，对所述目标隧道的点云数据进行预处理，获得所述目标隧道的实际工程坐标数据的方法包括：
12、根据靶球坐标位置，将所述目标隧道的点云数据转换为实际工程坐标，通过cloudcompare点云处理开源软件对所述目标隧道的点云数据进行点云分割，获得所述目标隧道的实际工程坐标数据。
13、根据本发明提供的基于三维点云和神经网络的隧道机械化施工爆破质量预测方法，对所述目标隧道的实际工程坐标数据进行点处理，获得点处理后的点云数据的方法包括：
14、基于所述目标隧道的实际工程坐标数据，采用离群点去噪算法去除与隧道开挖轮廓面距离较远的体外孤点，根据统计滤波算法进一步去噪，获得去噪后的实际工程坐标数据，设置预置采样间隔，对所述去噪后的实际工程坐标数据进行下采样，获得所述点处理后的点云数据。
15、根据本发明提供的基于三维点云和神经网络的隧道机械化施工爆破质量预测方法，将所述点处理后的点云数据进行多边形处理，获得三维多边形曲面模型的方法包括：
16、将所述点处理后的点云数据转换为隧道开挖轮廓三维多边形曲面模型，采用基于曲面拟合的孔洞填充方法，提取孔洞周围特征点，连接成特征线，并计算局部曲面的曲率，根据曲率生成面片，获得三维多边形曲面模型。
17、根据本发明提供的基于三维点云和神经网络的隧道机械化施工爆破质量预测方法，基于所述钻孔施工日志、爆破设计方案、隧道施工信息和开挖轮廓点云数据构建超欠挖预测模型模块包括数据输入单元、爆破质量预测模型单元和爆破质量可视化单元；
18、所述数据输入单元，用于根据隧道待爆破区域超欠挖数据库将超欠挖值进行爆破质量分级，将分级后的数据输入所述爆破质量预测模型单元；
19、所述爆破质量预测模型单元，用于接收所述分级后的数据，基于变分自编码器、cnn网络和dnn网络进行隧道待开挖轮廓上不同位置和深度的爆破质量分级预测，获得预测结果；
20、所述爆破质量可视化单元，用于将所述预测结果进行可视化。
21、根据本发明提供的基于三维点云和神经网络的隧道机械化施工爆破质量预测方法，根据隧道待爆破区域超欠挖数据库讲超欠挖值进行爆破质量分级的方法包括：根据规范将爆破质量分为等级：欠挖ii级、欠挖i级、控制合理、超挖i级、超挖ii级、超挖iii级、超挖iv级。
22、根据本发明提供的基于三维点云和神经网络的隧道机械化施工爆破质量预测方法，所述爆破质量预测模型单元包括：编码器、解码器和特征采样子单元；
23、所述编码器设置三个池化层，首层采用maxpool，以去除数据中的冗余信息，后两层则采avgpool，保留特征中的所有信息；
24、所述解码器采用convtranspose层对高斯采样特征进行上采样处理，卷积核大小为3，滑动步长为2，输入填充层数与输出填充层均为1；
25、所述特征采样子单元用于对提取到的特征进行高斯随机采样。
26、本发明技术效果：本发明公开了一种基于三维点云和神经网络的隧道机械化施工爆破质量预测方法，现有的隧道爆破质量检测相关技术仅针对已爆破开挖区域的爆破质量测量，无法对待爆破区域存在的潜在超欠挖区域进行预测和识别，因此在施工组织安排上存在滞后性，导致作业人员无法对过度的超挖和欠挖现象作出及时合理的整治措施，拖延了施工进度；本发明能够实现隧道待开挖轮廓上不同位置和深度处的爆破质量预测和潜在过度超欠挖区域的识别，从而改善了隧道施工组织安排，提高了隧道施工效率，并为后续爆破设计方案的调整优化提供指导。
