Towards Integrated Rock Support Visualisation in 3D Point Cloud of Underground Mines

기술 요약: 지하 광산의 3D 포인트 클라우드를 위한 통합 암반 지지체 시각화

문제 제기
지하 굴착 구조물의 구조적 무결성은 설치된 록볼트와 주변 암반의 구조적 조직 간의 상호작용에 크게 의존합니다. 현재, 이 상호작용에 대한 지질공학적 평가는 불연속면 특성화 (암반 절리 및 단층 매핑) 와 록볼트 식별이 별도의 작업으로 처리된다는 사실로 인해 방해받고 있습니다. 전통적인 모니터링 방법은 나침반 - 경사계와 육안 검사를 이용한 수동 검사를 기반으로 하는데, 이는 시간이 많이 소요되고 주관적이며 오류가 발생하기 쉽고, 특히 위험하고 조명이 부족한 지하 환경에서 공간적 범위가 제한적입니다. 최근 레이저 스캐닝의 발전으로 자동화된 구조 매핑과 록볼트 탐지가 개별적으로 가능해졌지만, 이 두 과정을 통합하는 기존 프레임워크는 존재하지 않습니다. 결과적으로, 록볼트 방향과 이를 차단하도록 의도된 불연속면 사이의 기하학적 관계가 자동화된 통합 방식으로 평가되지 않아, 수동 개입 없이 지지체 효과를 평가하는 능력이 제한됩니다.

방법론
본 연구는 지하 광산 굴착부로부터의 3D 포인트 클라우드 데이터를 처리하는 자동화된 프레임워크를 제안하며, 이는 구조 매핑과 록볼트 식별이라는 두 가지 상호 보완적인 파이프라인으로 구성된 통합 워크플로우를 포함합니다.

1. 데이터 전처리: 원시 포인트 클라우드는 통계적 이상치 제거, 균일한 보크셀 그리드 다운샘플링 (0.02 m), 그리고 바닥 점을 제거하기 위한 천막 시뮬레이션 필터링 (CSF) 을 거칩니다. 모든 점에 대해 고유값 설명자 (EVD) 와 점 법선 벡터를 계산하여 국부 표면 기하학을 특성화합니다.
2. 구조 매핑 파이프라인:
   • 기하학적 필터링: 고유값에서 유도된 "평면성" 설명자를 기반으로 점을 필터링하여 평면 표면 점만 유지하고, 록볼트 돌출부 같은 노이즈와 고곡률 특징을 제거합니다.
   • 클러스터링: 필터링된 점은 지질학적 방향 설명자 (경사각 및 경사 방향) 로 변환된 후, 순환적 경계를 처리하기 위해 직교 좌표계 공간으로 변환되고 HDBSCAN(노이즈가 있는 응용 프로그램의 계층적 밀도 기반 공간 클러스터링) 을 사용하여 클러스터링됩니다. 이는 다른 클러스터링 방법에서 사용되는 유효성 지수의 계산 비용을 피합니다.
   • 평면 피팅: 개별 불연속면은 연결 요소 분석을 통해 클러스터 내에서 세그먼트로 분할됩니다. 각 세그먼트에 대해 중심점과 평균 법선 벡터를 사용하여 최적 적합 3D 평면을 계산합니다.
3. 록볼트 식별 파이프라인:
   • 기하학적 필터링: 고유값을 사용하는 곡률 기반 필터는 상위 90 백분위수의 고곡률 점을 유지하여 잠재적인 록볼트 돌출부를 격리하고 배경 노이즈를 크게 줄입니다.
   • 시맨틱 분할: 재학습된 DeepBolt 아키텍처 (동적 그래프 합성곱 신경망) 가 필터링된 점에 대해 시맨틱 분할을 수행합니다. 이 모델은 경암 환경으로의 일반화를 개선하기 위해 석탄 및 금속 광산 스캔의 결합 데이터셋으로 재학습되었습니다.
   • 방향 추정: 식별된 록볼트 클러스터는 공분산 행렬의 고유값 분해를 통해 분석되어 주축 (우세한 신장 방향) 을 결정합니다. 이는 록볼트 벡터와 중심점을 정의하며, 노출된 돌출부 길이와 국부 천장 법선으로부터의 각도 편차를 계산할 수 있게 합니다.
4. 통합 시각화: 두 파이프라인의 출력은 다음을 생성하기 위해 병합됩니다:
   • 적합된 불연속면과 교차하는 록볼트 벡터를 보여주는 3D 공간 오버레이.
   • 정량적 각도 비교를 위한 불연속면 극점과 록볼트 방향을 표시하는 입체 투영 (스테레오넷).

주요 기여

• 최초 통합 프레임워크: 본 연구는 단일 3D 포인트 클라우드 소스로부터 불연속면 특성화와 록볼트 식별을 직접 상관시키는 최초의 자동화된 프레임을 제시합니다.
• 계산 효율성: 워크플로우는 두 파이프라인 전반에 걸쳐 공유 전처리 모듈 (특히 고유값 설명자) 을 재사용함으로써 효율성을 최적화하고 중복 계산을 방지합니다.
• 자동화된 품질 지표: 프레임워크는 수동 측정이 필요 없이 노출된 돌출부 길이와 국부 천장 법선으로부터의 편차 등 록볼트 수준의 품질 지표를 자동으로 생성합니다.
• 표면 충실도 평가: 통계적 가정이나 시추공 데이터에 의존하는 이산 균열 네트워크 (DFN) 모델과 달리, 이 접근법은 굴착 경계에서 물리적으로 관찰 가능한 특징만 시각화하여 노출된 암반에 대한 설치된 지지체의 직접적인 평가를 제공합니다.

결과
본 프레임워크는 호주 경암 금속 광산의 실제 세계 포인트 클라우드 스캔 (스캔 1, 약 2200 만 점, 처리를 위해 약 70 만 점으로 축소됨) 에서 검증되었습니다.

• 구조 매핑: 이 방법은 6 개의 불연속면 세트와 196 개의 개별 평면을 식별했습니다. 수동으로 유도된 참조 데이터셋 (CloudCompare 가상 나침반 사용) 에 대한 검증 결과, 경사각의 평균 절대 오차는 2.33°이며 경사 방향은 3°로, 수동 측정과 관련된 주관적 변동성 범위 내에 있었습니다.
• 록볼트 식별: 학습에서 제외된 89 개의 록볼트 테스트 세트에서, 모델은 93.3% 의 분류 정밀도와 95.4% 의 재현율을 달성했습니다. 분할에 대한 교차 합계 (IoU) 는 91.2% 로, 록볼트 기하학을 구분하는 데 높은 충실도를 나타냈습니다.
• 처리 시간: 전처리, 분석, 시각화를 포함한 전체 워크플로우는 표준 하드웨어에서 약 348 초 (5.8 분) 내에 실행되어 중간 규모 데이터셋에 적합한 것을 입증했습니다.
• 시각화 결과: 통합된 3D 및 스테레오넷 시각화는 구조적 평면과 교차하는 록볼트를 성공적으로 식별하고, 지지되지 않은 불연속면 세트 (특히 세트 2 와 5) 를 강조하며, 설치 품질 지표 (예: 돌출부 길이 및 각도 편차) 를 시각화했습니다.

의의 및 주장
저자들은 본 연구가 록볼트 지지체 효과에 대한 통합 지질공학적 평가를 향한 실용적이고 자동화된 단계를 제공한다고 주장합니다. 수동 측정, 추가 현장 데이터 획득, 또는 지하 기하학적 가정을 제거함으로써, 이 프레임워크는 지지체 설계의 기하학적 효과를 신속하고 반복 가능하며 객관적으로 평가할 수 있게 합니다. 이 논문은 이 도구를 "표면 충실도" 평가 방법으로 위치시켜, 엔지니어들이 스캔 데이터로부터 직접 정렬되지 않은 록볼트와 지지되지 않은 구조적 특징을 식별할 수 있게 합니다.

저자들은 명시적으로 한계를 밝힙니다: 이 프레임워크는 기하학적 및 공간적 관계를 평가하지만, 표면 레이저 스캐닝을 통해 관찰할 수 없기 때문에 기계적 앵커링 조건, 프리텐션, 하중 전달, 또는 내부 암반 상호작용을 평가할 수 없습니다. 추정된 록볼트 방향은 가시적인 돌출부에 기반한 근사치입니다. 따라서 이 프레임워크는 기계적 지지 능력의 직접적인 측정치가 아니라 기하학적 품질 보증 및 관리를 위한 도구로 제시됩니다. 저자가 제안한 향후 작업에는 몰입형 확장 현실 통합, 다중 시점 변화 탐지, 그리고 기계적 성능 모니터링을 위한 스마트 볼트 센서 데이터와의 기하학적 데이터 융합이 포함됩니다.