一种基于精细化点云数据的隧道裂缝识别方法及系统

1.一种基于精细化点云数据的隧道裂缝识别方法，其特征在于，包括：S1，采集三维点云数据并对所述三维点云数据进行预处理；S2，对经过所述预处理的所述三维点云数据进行特征增强；S3，基于经过所述特征增强的所述三维点云数据自动识别隧道壁；S4，基于隧道壁面点云数据识别裂缝；S5，在完成裂缝识别后，对裂缝区域进行结果输出和分析；所述S1包括：S11，基于高精度激光雷达系统对隧道内部结构进行三维点云数据的采集，所述三维点云数据用于表征每个采样点的三维坐标和反射强度信息；S12，对所述三维点云数据进行预处理；所述S2包括：S21，进行法向量计算，包括：计算每个点的法向量，并通过分析法向量变化率来增强裂缝区域的法向量特征；S22，进行局部曲率计算和曲率增强，包括：计算每个点的局部曲率，增强裂缝区域与其他区域的几何差异性；S23，进行表面粗糙度计算与表面粗糙度增强，包括：通过计算点云表面与邻域点的高度差异，增强裂缝区域的表面粗糙度特征；S24，进行色彩强度或反射强度增强，包括：分析激光雷达的反射强度信息，利用多尺度分析和自适应融合方法，增强裂缝区域的反射强度特征；所述S4包括：S41，采用基于特征增强的区域生长算法，从法向量变化率大、曲率高、表面粗糙度大的点中自动选取裂缝区域的种子点；S42，构建多维相似性度量模型，结合法向量、曲率、表面粗糙度和反射强度的特征，计算相邻点与种子点的相似性；S43，基于相似性度量，沿裂缝主轴方向扩展裂缝区域，保持裂缝的线性特性；S44，设置裂缝生长的终止条件，当相似性度量值低于预设阈值或裂缝宽度达到最大阈值时，停止区域生长，通过对裂缝长度的限定，防止过度扩展导致误检；S45，基于后处理算法对裂缝边界进行平滑修正；S46，基于形态分析剔除生长过程中识别出的冗余小区域。 2.根据权利要求1所述的一种基于精细化点云数据的隧道裂缝识别方法，其特征在于，所述预处理包括：（1）基于统计分析的降噪方法对采集的所述三维点云数据进行噪声去除，以消除设备噪声和环境干扰产生的异常点；其中，所述基于统计分析的降噪方法通过计算所述三维点云数据中每个数据对应的点与其邻域数据对应的点的平均距离计算邻域平均距离，并判断邻域平均距离是否超过预设阈值来识别异常点；（2）基于高斯滤波器对经过噪声去除的所述三维点云数据进行滤波处理，去除局部波动以增强连续性并保持隧道裂缝的几何特征；（3）通过迭代最近点算法多次采集三维点云数据形成数据集，并通过所述数据集统一进行精确配准，确保所有三维点云数据在统一的坐标系下对齐；ICP算法通过不断迭代调整点云的旋转矩阵 和平移向量 ，使源点云与目标点云之间的距离最小化；（4）对经过所述精确配准后的所述三维点云数据基于双边滤波算法进行平滑处理；所述双边滤波的计算公式为式（4）： （4）；其中， 表示基于空间距离的高斯函数， 表示基于反射强度差异的权重函数， 和 分别表示源点云和目标点云中的点的反射强度； 表示待平滑的点的三维坐标向量， 表示点 邻域内的第j个邻近点的三维坐标, 表示点i与邻域点j之间的欧氏空间距离;（5）基于隧道结构已知的几何信息，对所述三维点云数据进行全局校正，确保裂缝检测过程中点云数据的一致性。 3.根据权利要求2所述的一种基于精细化点云数据的隧道裂缝识别方法，其特征在于，所述法向量计算对应的协方差矩阵如式（5）所示： （5）；其中， 表示邻域点的质心， 表示邻域内除 之外的所有k个点，协方差矩阵 的最小特征值对应的特征向量即为点 的法向量 ， 表示第j个邻域点相对于质心的偏移向量， 表示转置运算；进行法向量增强，包括：在计算出每个点的法向量后，通过分析邻域内点法向量之间的夹角变化来增强裂缝区域，法向量的计算公式如式（6）所示： （6）；式中， 表示邻域内点法向量之间的夹角变化， 表示点 的法向量， 表示邻域点 的法向量；所述S22包括：（1）局部曲率计算对于点 ，计算其邻域内法向量的变化率来得到局部曲率κ，局部曲率κ的计算公式为式（7）： （7）；其中， 和 分别为点 和邻域点 的法向量，k为邻域点的数量；（2）曲率增强通过非线性变换对局部曲率进行增强处理，所述增强后的曲率公式为式（8）： （8）；式中， 表示最小局部曲率， 表示最大局部曲率；所述S23包括：（1）表面粗糙度计算：对于点 ，通过计算其邻域内点的高度方差来描述表面粗糙度 ，如式（9）所示： （9）；其中， 表示点 的邻域内某一点的高度， 表示点 的邻域内所有点的高度均值；（2）表面粗糙度增强：增强后的表面粗糙度公式为式（10）： （10）；其中， 表示最小表面粗糙度， 表示最大表面粗糙度；所述S24的具体实施包括如下流程：（1）进行多尺度色彩强度分析；基于多尺度分析法，在不同尺度下计算每个点 与其邻域内点的反射强度差异 ，公式如式（11）所示： （11）；其中， 为尺度s下的邻域点集， 和 分别为点 和邻域点 的反射强度；（2）进行自适应增强系数融合；在每个尺度上计算增强系数 ，并进行自适应融合；增强系数 由反射强度的标准差 决定，增强系数 的计算公式如下式（12）所示： （12）；式中， 表示增强系数； 表示反射强度的标准差； 表示反射强度的最大标准差；（3）计算增强后的色彩强度或反射强度；增强后的色彩强度或反射强度 通过以下公式（13）计算： （13）；其中， 表示增强前的点 的色彩强度或反射强度； 表示所有点的色彩强度或反射强度最小值； 表示当前点云数据集中最小的色彩强度值或反射强度值；所述S3包括：S31，基于点云密度和法向量一致性，对隧道壁面以及基础设施各部分进行初步识别，基于隧道壁面点云的空间密集度及其表面法向量变化特征区分隧道壁与干扰区域，所述干扰区域包括轨道、设备和地面中的一个或多个；（1）所述隧道壁面点云的空间密集度基于点云密度分析获得，所述点云密度分析包括：通过分析隧道点云的密度差异，筛选出隧道壁面区域；（2）所述表面法向量变化特征基于法向量一致性分析获得，所述法向量一致性分析包括：通过计算法向量的变化来进一步区分隧道壁面区域，法向量 的计算公式如式（14）所示： （14）；式中， 表示邻域内点法向量夹角的余弦值的绝对值， 表示点 的法向量， 表示邻域点 的法向量；S32，基于隧道点云的特点，结合隧道点云数据的空间位置约束，利用高度约束、曲率约束和对称性分析，对隧道壁面区域进行精确提取；S33，提取并输出精确的隧道壁面点云数据，用于后续裂缝检测。 4.根据权利要求3所述的一种基于精细化点云数据的隧道裂缝识别方法，其特征在于，所述S41的多维相似性度量公式如下式（16）所示： （16）；其中， ， 分别表示点 ， 的单位法向量，方向描述点所在局部表面的几何朝向； , 表示点 ， 的局部曲率值，反映点周围表面凹凸变化程度； , 表示点 ， 的表面粗糙度指标； , 分别为点 ， 的反射强度值； , , , 为各特征项的权重因子；式中各除法项通过 归一化，确保不同维度的特征分量在统一尺度下进行加权计算；相似度度量值 ，数值越大表示两个点在综合特征上差异越大。 5.根据权利要求4所述的一种基于精细化点云数据的隧道裂缝识别方法，其特征在于所述S5包括：S51，结果输出，包括通过三维点云数据的分析，生成裂缝的空间位置、尺寸和形态特征，具体步骤如下：（1）裂缝空间位置输出，包括：记录裂缝的三维空间坐标并生成裂缝分布图，直观展示裂缝在隧道壁面的精确位置；（2）裂缝尺寸计算，包括：基于裂缝识别区域，通过累积裂缝主轴方向上相邻点的距离计算裂缝的长度；以及通过裂缝左右边界点的距离计算裂缝的宽度；（3）输出裂缝形态信息，所述裂缝形态信息用于提供详细的裂缝描述信息，包括裂缝的延展方向和几何特征；（4）将裂缝识别结果进行三维可视化展示，包括：裂缝在隧道点云模型中以标记颜色或线条展示；S52，在裂缝识别结果输出后，对裂缝进行类型分类和发展趋势分析，评估裂缝对隧道结构的影响，并生成完整的裂缝检测报告；包括：（1）裂缝类型分析：根据裂缝的长度、宽度和形态特征，对裂缝进行分类，标记高风险裂缝；（2）裂缝发展趋势分析：结合多次检测数据，分析裂缝的变化趋势，评估裂缝的风险等级；（3）裂缝影响评估：根据裂缝所在位置及尺寸，评估其对隧道结构的影响，提供预警信息。 6.一种基于精细化点云数据的隧道裂缝识别系统，用以实施权利要求1-5任一所述的方法，其特征在于，包括：数据采集模块，用于采集三维点云数据并对所述三维点云数据进行预处理；特征增强模块，用于对经过所述预处理的所述三维点云数据进行特征增强；隧道壁提取模块，用于基于经过所述特征增强的所述三维点云数据自动识别隧道壁；裂缝识别模块，用于基于隧道壁面点云数据识别裂缝；结果输出模块，用于在完成裂缝识别后，对裂缝区域进行结果输出和分析。 7.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有多条指令，所述处理器用于读取所述指令并执行如权利要求1-5任一所述的方法。 8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，所述多条指令可被处理器读取并执行如权利要求1-5任一所述的方法。