地铁盾构隧道激光扫描海量数据处理及应用研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 引言 | 第12-20页 |
| 1.1 选题的背景和意义 | 第12-15页 |
| 1.1.1 地铁盾构隧道监测的意义 | 第12-13页 |
| 1.1.2 地铁盾构隧道传统监测技术及遇到的问题 | 第13-15页 |
| 1.2 隧道监测技术研究现状及发展前景 | 第15-17页 |
| 1.3 研究内容及结构安排 | 第17-20页 |
| 2 海量点云数据获取 | 第20-32页 |
| 2.1 盾构隧道海量点云数据获取方法 | 第20-24页 |
| 2.1.1 移动式三维激光扫描技术 | 第20-23页 |
| 2.1.2 激光扫描技术用于隧道变形监测的优势 | 第23-24页 |
| 2.2 海量点云数据获取步骤 | 第24-28页 |
| 2.2.1 测量模式 | 第24页 |
| 2.2.2 测量流程 | 第24-28页 |
| 2.3 激光扫描技术以及其数据特点 | 第28-30页 |
| 2.3.1 激光扫描技术的特点 | 第28-29页 |
| 2.3.2 海量点云数据特点 | 第29-30页 |
| 2.4 海量点云数据应用的研究现状 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 海量数据处理方法研究 | 第32-48页 |
| 3.1 隧道断面数据的提取 | 第32-35页 |
| 3.1.1 点云数据提取的意义 | 第32-33页 |
| 3.1.2 点云数据提取的原则 | 第33-35页 |
| 3.2 点云数据剔除噪声点的方法 | 第35-40页 |
| 3.2.1 点云数据噪声点分类 | 第35-36页 |
| 3.2.2 点云噪声点剔除算法 | 第36-37页 |
| 3.2.3 引入RANSAC算法剔除点云噪声点 | 第37-38页 |
| 3.2.4 随机取样一致性算法 | 第38-40页 |
| 3.3 隧道断面的曲线拟合 | 第40-47页 |
| 3.3.1 稳健估计法拟合断面曲线 | 第41-42页 |
| 3.3.2 椭圆曲线拟合 | 第42-44页 |
| 3.3.3 最小二乘法拟合圆曲线 | 第44-46页 |
| 3.3.4 RANSAC-LSM法拟合圆曲线 | 第46-47页 |
| 3.4 本章小结 | 第47-48页 |
| 4 地铁盾构隧道监测分析内容 | 第48-74页 |
| 4.1 断面变形 | 第48-49页 |
| 4.2 管片错台 | 第49-51页 |
| 4.2.1 管片错台的原因 | 第49-50页 |
| 4.2.2 管片错台的后果 | 第50-51页 |
| 4.3 隧道收敛变形 | 第51-52页 |
| 4.3.1 单次测量收敛分析 | 第51-52页 |
| 4.3.2 多次测量结果分析收敛 | 第52页 |
| 4.4 算法检验 | 第52-53页 |
| 4.5 实例结果分析 | 第53-72页 |
| 4.5.1 隧道监测工程实例之一 | 第53-61页 |
| 4.5.2 隧道监测工程实例之二 | 第61-66页 |
| 4.5.3 隧道监测工程实例之三 | 第66-72页 |
| 4.6 本章小结 | 第72-74页 |
| 5 结论与展望 | 第74-76页 |
| 5.1 结论 | 第74页 |
| 5.2 论文的创新点 | 第74-75页 |
| 5.3 进一步的工作目标和展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 附录A | 第80-84页 |
| 附录B | 第84-93页 |
| 附录C | 第93-95页 |
| 附录D | 第95-101页 |
| 附录E | 第101-102页 |
| 附录F | 第102-104页 |
| 作者简历 | 第104-108页 |
| 学位论文数据集 | 第108页 |
