La surveillance des déplacements et des mouvements de roches dans les mines souterraines est essentielle pour la sécurité et l'efficacité opérationnelle. Les méthodes traditionnelles manquent souvent de précision et ne couvrent pas l'ensemble de la zone. Emesent mis au point une solution de pointe utilisant des systèmes LiDAR SLAM afin d'améliorer la surveillance des mouvements dans les mines souterraines.
Le Dr Farid Kendoul, Emesent et directeur technique Emesent , explique comment Emesent a mis en œuvre cette technologie pour améliorer la précision des données et rationaliser le processus de surveillance, proposant ainsi une approche plus efficace pour identifier et gérer les problèmes potentiels.
Par le Dr Farid Kendoul
L'exploitation minière souterraine pose des défis particuliers, notamment en ce qui concerne la surveillance des déplacements et des mouvements de roches, qui peuvent entraîner de graves conséquences telles que des blessures et des retards de production coûteux, d'autant plus que les mines s'enfoncent de plus en plus profondément.
Les méthodes traditionnelles telles que la cartographie des dommages, les extensomètres et les stations totales présentent certes des avantages, mais elles se révèlent souvent insuffisantes en termes de couverture, de précision et de fréquence. La technologie3D LiDAR offre une alternative supérieure pour la surveillance de la convergence, en fournissant une couverture étendue et des informations détaillées sur les mouvements et les déformations de la roche dans les tunnels souterrains. Toutefois, pour une surveillance efficace, les deux balayages (de référence et récent) doivent être alignés avec précision afin de détecter les mouvements et les changements de faible ampleur (par exemple, un mouvement ou un changement de 20 mm). Un désalignement ou des erreurs de balayage peuvent conduire à des interprétations erronées de la déformation ou de la convergence.
À l'heure actuelle, deux principales méthodes LiDAR sont utilisées pour la surveillance de la convergence souterraine :
Les systèmes TLS fournissent 3D d'une grande précision. Associés à des points de contrôle au sol, ils permettent de créer un 3D précis de vastes zones. Cependant, le processus de collecte manuelle des données est chronophage : il faut souvent plusieurs jours pour couvrir des kilomètres de tunnels et préparer les données, ce qui limite leur utilisation à de petites zones critiques.
Ces scanners permettent de cartographier efficacement de vastes zones souterraines en quelques heures. Cependant, SLAM peuvent introduire des imprécisions (dérive) dans la 3D . Certaines mines remédient à ce problème en scannant de petites zones ou en découpant les scans de grande envergure en sections plus petites, puis en recourant à des logiciels tiers et à des interventions manuelles pour procéder à un alignement rigoureux, ce qui prend beaucoup de temps et freine leur généralisation.
Ces deux méthodes reposent sur une « transformation rigide » pour aligner le scan de référence et le nouveau scan. Ce processus consiste à déplacer et à faire pivoter le nouveau scan afin de l'ajuster au scan de référence à l'aide de méthodes telles que l'ICP (Iterative Closest Point). Dans l'alignement rigide, le scan de référence et le nouveau scan restent inchangés, seules leur position et leur orientation (transformation) étant ajustées. Si cette approche fonctionne bien dans des conditions idéales où les scans sont très précis et où les seules différences sont des changements environnementaux, elle n'est pas adaptée aux environnements à grande échelle tels que des tunnels de plusieurs kilomètres. Dans de tels cas, les imprécisions inhérentes et les dérives potentielles des scans entraînent des désalignements, ce qui se traduit par des erreurs dans la détection des déformations réelles et la convergence.
Emesent s'est lancée le défi de développer un nouveau système de surveillance par convergence qui combine les avantages des systèmesSLAM LiDAR SLAM sans les limites mentionnées précédemment. Leur approche innovante exploite LiDAR SLAM un balayage efficace de vastes zones, optimisé par des algorithmes novateurs permettant d'aligner automatiquement des balayages étendus et de fournir des résultats précis.
Au cœur du système de surveillance de convergence Emesentse trouve sa SLAM avancée, qui permet un alignement non rigide (élastique ou flexible) de scans de grande taille susceptibles de présenter des décalages, tout en conservant une précision locale pour la convergence et la détection des changements.
La solution de détection des changements et de surveillance de la convergence Emesentassocie SLAM mobile à capture rapide à un processus de traitement plus rapide, plus simple et plus reproductible. Cela permet aux exploitants miniers de scanner les excavations sur une plus grande superficie de manière plus régulière et de surveiller les changements à l'aide de données précises et quantitatives.
Cette solution associe deux Emesent phares Emesent :
1. Unecharge utile Hovermapdéployée à l'aide d'un véhicule, d'un sac à dos, d'un drone ou d'un appareil portable pour scanner efficacement, voire de manière autonome, pratiquement n'importe quelle zone souterraine.
2.Le logiciel de bureau Aurapermet de traiter les données brutes, d'aligner intelligemment les numérisations, de les comparer et de calculer les modifications, de visualiser les résultats ainsi que d'effectuer de nombreuses autres opérations utiles. La plupart de ces processus sont automatisés et ne nécessitent qu'une intervention minimale de l'utilisateur.
Le système de surveillance de la convergence Emesentconstitue une avancée majeure dans le domaine de la surveillance géotechnique, tirant parti des capacités avancées de SLAM Wildcat SLAM pour un alignement intelligent et non rigide (élastique et flexible) des scans. Dans cette approche innovante, le premier balayage sert de référence et reste inchangé, tandis que le second subit des modifications élastiques afin de s’aligner localement sur le balayage de référence par le biais d’une transformation non rigide. Ce processus repose sur l’identification et la mise en correspondance précises 3D dans les deux balayages, ce qui permet de tenir compte efficacement des dérives et des erreurs. Un tel alignement local est essentiel pour détecter avec précision les changements et surveiller efficacement la convergence dans des zones étendues et des tunnels capturés par un système SLAM mobile.
Cette méthode permet l'alignement précis de balayages de grande envergure, tels que des kilomètres de tunnels souterrains, offrant ainsi un haut niveau de précision tout en éliminant le fastidieux processus de segmentation des données généralement utilisé pour corriger la dérive de balayage. Elle permet ainsi de détecter des déformations et des changements aussi infimes que 5 mm dans certaines zones spécifiques et pouvant atteindre 15 mm dans des environnements souterrains classiques.
Pour illustrer les avantages de cet alignement par balayage intelligent, veuillez vous reporter à l'exemple présenté aux figures 1 et 2.
Le scan 1, représenté en bleu, est le scan de référence. Avant la réalisation du scan 2, représenté en vert, le tunnel a subi une légère déformation mise en évidence en rouge. Lors de l'acquisition du scan 2, un décalage s'est produit vers la fin du scan en raison d'erreurs cumulées du SLAM ou d'erreurs liées à la fusion et au géoréférencement des scans statiques.
Sur la figure 1, un alignement rigide des balayages 1 et 2 masque la véritable déformation du tunnel et estime à la place une variation apparente due à la dérive de balayage.
En revanche, la figure 2 montre qu'une transformation intelligente non rigide tient compte de la dérive et met clairement en évidence la véritable déformation du tunnel, qui correspond à la différence entre le balayage 1 et le balayage 2.
Bien que l'algorithme gère efficacement les déformations locales, il est important de noter que si un tunnel tout entier subit un déplacement global lors du deuxième balayage — ce qui est rare —, l'alignement intelligent interprétera ce phénomène comme une dérive dans les données SLAM et déformera celles-ci pour les aligner sur le balayage de référence, ce qui l'empêchera de détecter le déplacement global.
En associant cet algorithme de pointe aux flux de travail automatisés Aura, la solution Emesentoffre un processus simplifié et convivial qui élimine tout besoin de segmentation des données ou d’alignement manuel. Elle est ainsi parfaitement adaptée aux balayages de longue durée des rampes, tunnels et autres zones souterraines étendues. En supprimant la dépendance vis-à-vis de logiciels tiers et en réduisant au minimum les interventions de l'utilisateur, le système Emesentoffre un flux de travail plus rapide et plus efficace, avec des résultats reproductibles et quantifiables sur les emplacements où des changements ou des dilatations se produisent, ainsi que sur la vitesse de ces changements sur de vastes zones.
Le système innovant de surveillance de la convergence Emesentpermet non seulement d'améliorer la sécurité et la productivité des opérations minières souterraines, mais souligne également le leadership de l'entreprise dans le domaine des technologies minières. L'association de SLAM Wildcat SLAM et Aura constitue une approche révolutionnaire de la surveillance géotechnique, offrant une précision et une efficacité inégalées.
Alors que le secteur minier continue d'évoluer rapidement, l'engagement constant Emesenten faveur de l'innovation contribuera à améliorer la sécurité opérationnelle et la productivité.