[发明专利]TBM破岩矿渣数字近景摄影测量识别及反演方法

权利要求书

1.一种TBM破岩矿渣数字近景摄影测量识别及反演方法，其特征在于，包括以下步骤：

步骤1，图像标定校正：主要是由标定获得相机内参数矩阵和外参数矩阵，从而建立世界坐标系和摄像机坐标系以及图像坐标系的映射关系，再通过反变换以及灰度插值实现畸变图像的校正；

步骤2，TBM盾构机破岩产生矿渣；

步骤3，图像采集、姿态解算；

图像采集：在TBM破岩矿渣输送带的左边、右边和正上方的转台上分别固定摄像装置，所述摄像装置组成联机摄像系统，从输送带的左、右、上方采集矿渣图像；

姿态解算：采用PNP算法进行空间姿态计算，依据任意2D点的可视角度和对应3D点的可视角度一样，由一组2D点的映射中估计物体的3D姿态；

步骤4，图像处理、识别及分类；

图像处理：包括对矿渣图像进行灰度化处理，将彩色矿渣图像变成灰度矿渣图像；

图像识别：对灰度矿渣图像进行岩石图像灰度均值和纹理特征提取；计算多幅岩石图像的灰度均值，通过分析得到不同岩石图像灰度均值的范围，根据不同范围的图像灰度均值划分为不同种类的岩石；采用灰度共生矩阵进行纹理特征提取；

图像分类：采用不断训练的BP神经网络结构对矿渣进行分类；岩石灰度均值、纹理特征是作为BP神经网络结构的输入值数据，用来训练区分不同的岩石图像；图像分类的处理对象是岩石图像的灰度均值和纹理特征等提取的图像信息，处理结果是根据不同的图像信息分类矿渣图像，从而识别对应的矿渣；

步骤5，通过对矿渣图像的分类区分出所对应的矿渣种类，对已分类的矿渣进行室内物理力学实验，得到矿渣对应的围岩岩性特征参数，包括单轴抗压强度σ_c、围岩岩性类别R₁、泊松比μ、变形模量E_b、裂隙发育程度分级C_r；

步骤6，建立图像信息和特征参数之间的矿渣关系型数据库；所述图像信息是指矿渣图像的灰度均值和纹理特征的数字化信息，所述特征参数是指矿渣对应的围岩岩性特征参数；

步骤7，在矿渣关系型数据库搜索相似的图像信息，若存在相似图像信息，将矿渣参数上传至服务器主机储存的关系型数据库中，并据此推测现场矿渣对应的围岩岩性特征参数；若不存在相似图像信息，将新的图像信息加入矿渣关系型数据库中，更新矿渣关系型数据库；

步骤8，建立TBM掘进推力和掘进速度预测模型，预测前方TBM掘进推力和速度；TBM掘进总推力F预测模型如下：

式中，N为刀盘上装有的滚刀数量；π为圆周率；ω为滚刀刀圈宽度；r为滚刀半径；d为贯入深度；p₀为位于刀具正下方的基准压力；n＝0，1，2，…，∞；ψ为接触压力分布指数，取决于滚刀和岩石的参数；δ是滚刀岩石接触角；D是刀盘直径；l是护盾长度；是护盾与洞壁接触范围；p是接触压力，由护盾与地层接触情况决定；μ₁是护盾与岩石的摩擦系数，μ₂是后续设备与轨道间的摩擦系数；m是TBM后续设备质量，g是重力加速度；

TBM掘进速度预测模型如下：

Y(PR)＝β₀+β₁(σ_c)+β₂(R₁)+β₃(μ)+β₄(E_b)+β₅(C_r)

其中，Y(PR)为因变量，为掘进速度；β₀、β₁、β₂、β₃、β₄、β₅为各项自变量对应的系数；根据收集的现场试验数据，代入上述的正则方程，经过多元线性回归计算得到模型参数估计结果，得到的系数矩阵为：

将步骤7中推测得到的现场矿渣对应的围岩岩性特征参数单轴抗压强度σ_c、围岩岩性类别R₁、泊松比μ、变形模量E_b、裂隙发育程度分级C_r代入上述TBM掘进速度计算模型中即得到掘进速度Y(PR)。