无人机LiDAR改进的榆神矿区沉陷建模与去噪策略

本文主要探讨了在榆神矿区煤炭开采过程中，如何利用无人机LiDAR（Light Detection and Ranging，激光雷达）技术改进采煤沉陷建模的方法。传统的地面沉陷监测方法，如大地测量和InSAR（合成孔径雷达干涉测量）存在局限性，无人机LiDAR因其高精度和灵活性在沉陷区监测中展现出优势。作者选取榆神矿区的一个开采工作面作为实验区，这里地形复杂且植被覆盖率较低，通过获取两期的四组地面点云数据，试图克服现有主流点云滤波和插值算法导致的模型噪声问题。 文章首先介绍了几种常用的点云处理技术，包括专业化数字高程模型插值（如INARCGH插值）、反距离权重插值、克里金插值、自然邻域插值、样条函数插值以及各种滤波方法，如三角网渐进加密滤波、高程阈值滤波、多尺度曲率滤波、坡度阈值滤波和渐进形态学滤波。通过对这些方法的对比分析，发现专业化数字高程模型插值和三角网渐进加密滤波在提高沉陷模型精度方面表现较好。 然而，即使采用这些方法，生成的初始沉陷模型仍存在一些问题，如点云平面位置误差、非地面点噪声、点云内插误差以及水域覆盖范围变化等。这些问题限制了无人机LiDAR技术在实际应用中的效果。针对这些误差，作者提出了基于小波阈值的沉陷模型去噪优化方案，以进一步提升模型的精度和可靠性。 在整个研究过程中，作者引用了多项煤炭开采领域的研究成果，例如深部岩体力学、开采理论、冲击地压管理、智能化开采技术等，以提供更全面的理论背景和技术支持。汤伏全等人在《煤炭学报》上发表了他们的研究成果，强调了无人机LiDAR在复杂地形和地质条件下的沉陷建模改进的重要性，并展示了其在煤炭开采领域的潜在价值。 总结来说，这篇论文的核心内容是通过改进无人机LiDAR的数据处理方法，提升榆神矿区采煤沉陷建模的精度，以克服传统方法的局限，为煤炭开采过程中的地表沉陷监测提供了新的解决方案。这不仅有助于提高矿产资源的高效利用，也对保障安全生产具有重要意义。