High-resolution ground-deformation and support monitoring using a portable handheld LiDAR approach
Notice bibliographique
Résumé
Light detection and ranging (LiDAR) technology plays a strategic role in the design and maintenance of underground support systems. Ground deformation, and by extension, ground support monitoring, are typically performed using tripod or wall-mounted survey-grade tools, single-point to multipoint measurements or by simple visual inspection. These traditional data-collection practices offer limited quality control, decreased accuracy and minimal standardisation across geotechnical personnel. As more portable underground LiDAR solutions become available, mine sites are integrating them into their daily underground inspections. Using a LiDAR-based approach, ground convergence and subsequent deformation monitoring can be completed using a model-to-model comparison between two scans taken at the same location but at different points in time. The comparison uses a distance computation to calculate the relative change between the two scans and generates a heat map based on the results. This paper presents a case study on the lowest reliable detection threshold for relative ground deformation by a handheld LiDAR solution. Mine sites with relatively small ground displacements require very high-resolution point clouds to achieve useful results in a model-to-model comparison. This paper aims to demonstrate that handheld LiDAR solutions can meet point cloud resolution and productivity requirements to efficiently capture small ground displacements in underground mining operations. This is achieved through the use of a portable infrared LiDAR device, which contains an integrated onboard attitude and heading reference system (AHRS). The combination of the infrared LiDAR and AHRS allows for the capture of georeferenced scans in seconds, which increases the efficiency of the data capture and downstream postprocessing workflow. Improving the fidelity of the data captured for ground deformation and support monitoring can result in safer excavations for both personnel and equipment, as well as more economical design and timelier support rehabilitation interventions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».