盾构隧道管片错台自动检测方法——基于设施点云剔除与管片分割

《Sensors》：Automatic Detection Method for Shield Tunnel Segment Dislocation Based on Facility Point Cloud Removal and Segment Segmentation

　　

移动激光扫描（MLS）已成为地铁盾构隧道变形监测的有效技术。在各类变形特征中，管片错台是反映相邻管片间相对变形、影响管片接缝力学性能与防水性能的重要结构健康指标。然而，现有基于MLS的错台检测方法仍受设施干扰、接缝定位不准及定量分析自动化程度低等问题制约。为此，研究人员提出一种基于MLS点云处理的盾构隧道管片错台自动检测框架，主要包括三步：首先，提出融合偏移特征（offset feature）与语义分割的点云滤波策略，在保留隧道内壁数据的同时剔除设施相关噪声；其次，结合螺栓孔提取与移动模板匹配实现环向（纵向）与纵向（环向）接缝精确定位，其中螺栓孔基于法向量与距离双约束识别；最后，基于滤波与分割结果自动进行错台分析。实验表明，所提滤波方法较传统椭圆拟合与圆柱拟合精度分别提升8.7%与5.6%；以同源MLS数据人工解译为参考，接缝定位与错台分析偏差均小于2 mm，与人工解译高度一致。相比已有自动方法，该方法在准确性与可靠性上更优，显著降低人工巡检需求，提升了盾构隧道变形评估的自动化、一致性与可靠性，为结构健康监测提供有效方案。

研究背景方面，截至2025年12月31日，中国54个城市运营城市轨道交通线路343条，总长11710.3 km，隧道占比显著。盾构隧道投入运营后受邻近施工、设计局限、运营振动及土体荷载影响，易出现变形、开裂与渗漏。管片错台分为环内错台（同环上下管片间，允许±10 mm）与环间错台（相邻环间，允许±15 mm），是评价结构健康的关键指标。现有MLS点云处理面临附属设施（管道、接触网、钢轨）干扰严重，且传统椭圆/圆柱拟合在隧道变形后易误删有效衬砌点；接缝定位方法在复杂环境下依赖人工、鲁棒性不足。因此，研究人员开展融合偏移特征与语义分割的滤波、基于螺栓孔与移动模板的管片分割及错台量化研究，成果发表于《Sensors》。

关键技术方法上，研究人员采用南京地铁某盾构区间MLS实测点云（约40 km，设计半径2.75 m，NJCK-Track One移动检测系统，扫描速率2.18×10⁶点/秒，测距精度优于1.2 mm+10 ppm），以CloudCompare人工分离设施点作滤波真值，人工解译接缝与错台作评价参考。主要方法包括：①在PointNet++中拼接偏移特征（点到截面中心归一化径向距）、局部平移与归一化特征成7维输入实现语义分割滤波；②圆柱坐标展开点云，以法向量-距离双约束提取螺栓孔并经DBSCAN聚类；③将环向接缝定位转化为螺栓孔与移动模板最优匹配，纵向接缝由分段拟合折线确定；④错台定义为邻环测点（接缝两侧各10 cm）到固定参考截面中心径向距之差。

研究结果部分，3.1节滤波效果比较中，增强PointNet++训练收敛更快、损失更低；在测试集上较基线减少壁面与设施混淆，精度较椭圆拟合、圆柱拟合分别高8.7%、5.6%，完整保留衬砌点。3.2节管片分割结果中，螺栓孔提取在13环无遮挡条件下仅因里程标遮挡漏检1个；环向接缝平均定位误差1.6 mm；纵向接缝RMSE低于Bolt-Center法与灰度阈值法，全角度误差更小，侧部与遮挡区优势明显。3.3节变形分析中，环间错台在?150°~?60°与90°~150°与传统法均接近人工值，但在30°~70°传统法因纵向接缝误定位大幅偏离，所提法全角度与人工值偏差控制在2 mm内；环内错台同样稳定，误差小于2 mm。

讨论部分指出，真实衬砌偏离理想椭圆/圆柱，偏移特征引入截面先验弥补局部几何相似导致的误分；段级模板匹配提升复杂环境鲁棒性；固定参考中心避免刚体平移低估错台。局限在于偏移特征依赖圆截面先验，暂不适用于矩形/马蹄形隧道，且未耦合接缝刚度、螺栓状态与水土压力等力学模型。结论部分翻译如下：

（1）所提点云滤波结合偏移特征与语义分割，较椭圆、圆柱拟合精度分别提升8.7%与5.6%，更好区分衬砌点与噪声。

（2）所提接缝定位法环向平均误差1.6 mm，纵向较Bolt-Center法与灰度阈值法在遮挡、污渍与局部变形下精度更高、鲁棒更强。

（3）所提错台分析环间与环内误差均控于2 mm内，得益于精确接缝定位与错台点有效性验证，降低误检。

（4）框架模块化集成滤波、定位与分析，为盾构隧道点云处理提供自动解决方案。