La mesure et la surveillance de la convergence des tunnels miniers permettent d’intervenir dans des zones à risque d’affaissement, d’augmenter la sécurité du personnel et de maintenir la continuité des opérations de production minière. Les méthodes actuellement utilisées pour la surveillance de la convergence reposent sur des processus manuels (à l’aide de distancemètres, télémètres laser, etc.) qui fournissent des données ponctuelles, sont coûteuses en temps, inefficaces et inadéquates pour la surveillance des grandes mines souterraines. Pour pallier ces problèmes, la technologie LiDAR mobile offre un grand potentiel. Celle-ci permet d’acquérir rapidement, à partir d’une plateforme mobile, des données géospatiales 3D avec une précision et un niveau de détail très élevés. Quoique très prometteuse, la technologie LiDAR mobile présente des problématiques qui empêchent son utilisation à des fins de surveillance de la convergence des tunnels miniers. L’objectif global du projet « MinEyes » était de contribuer à l’amélioration de la sécurité et de la productivité des opérations minières en développant des méthodes et technologies géospatiales avant-gardistes basées sur la technologie LiDAR mobile. Plus spécifiquement, il visait à enrichir et à améliorer les capacités des SLM pour offrir une modélisation 3D précise et efficace des tunnels miniers et ainsi améliorer la surveillance de leur convergence. Les travaux ont été réalisés en trois phases qui ont permis, respectivement, d’améliorer la précision des mesures et du positionnement souterrain de la technologie LiDAR mobile, d’améliorer et d’automatiser le traitement et la modélisation des nuages de points LiDAR 3D pour la détection des déformations dans les tunnels miniers, et d’analyser le potentiel de l’intégration de la technologie LiDAR mobile dans les processus miniers.
Le projet a permis l’avancement des connaissances en lien avec les méthodes de positionnement précis souterrain à l’aide de nouvelles méthodes et technologies (ex. super-beacons de Marvelmind) et le traitement semi-automatisé des nuages des points LiDAR (apprentissage machine) afin d’optimiser les applications possibles des systèmes LiDAR mobiles en milieu minier. D’un point de vue mise en application, il a aussi permis l’identification des facteurs à considérer pour assurer l’efficacité opérationnelle des systèmes LiDAR mobiles, autant d’un point de vue technique, qu’économique. Ces éléments contribuent à l’amélioration de la sécurité du personnel et à l’augmentation de la productivité des entreprises minières. Le projet a permis de former dix étudiants, dans un environnement multidisciplinaire, avec les compétences scientifiques et techniques essentielles et requises par l’industrie, la technologie LiDAR étant en pleine expansion. De plus, les résultats du projet seront transférables dans d’autres domaines qui requièrent des données LiDAR de haute précision (ex. infrastructures, mobilité, etc.).
Pour le partenaire, le projet a permis l’accès à des connaissances, des compétences et des expertises uniques en lien avec la cartographie LiDAR mobile. En particulier : une analyse comparative des récents capteurs LiDAR 3D actuellement disponibles sur le marché, une méthodologie pour l’amélioration de la précision du système uGPS-RM (nouvelle méthode de positionnement intérieur à l’aide des technologies beacon, l’intégration de nouveaux capteurs LiDAR au uGPS), de nouveaux algorithmes pour la manipulation et l’analyse des données LiDAR à l’aide de méthodes basées sur l’intelligence artificielle et l’apprentissage machine, et une étude sur la qualité des données LiDAR mobile issues de différentes technologies disponibles sur le marché afin de recommander la technologie appropriée pour des besoins en mesures précises telles que le calcul de volumes, la détection des déformations, la caractérisation de la structure des roches, en plus de la surveillance de la convergence des tunnels miniers.
Chercheur responsable
Mir Abolfazi Mostafavi
Équipe de recherche
- Mir Abolfazi Mostafavi, Université Laval
- Kamran Esmaeili, Université de Toronto
- Martin Grenon, Université Laval
- Christian Larouche, Université Laval
- Jacek Paraszczak, Université Laval
Durée du projet
3 ans
Montant
300 000 $
Partenaire financier
Ministère de l’Énergie et des Ressources naturelles
Appel de propositions
Développement durable du secteur minier