[发明专利]一种基于混合聚类解译岩体结构面产状的方法及系统有效
申请号: | 202210030308.5 | 申请日: | 2022-01-12 |
公开(公告)号: | CN114049454B | 公开(公告)日: | 2022-04-15 |
发明(设计)人: | 赵其华;韩刚;郑涛;李崇标;苏芮;李华 | 申请(专利权)人: | 成都理工大学 |
主分类号: | G06T17/05 | 分类号: | G06T17/05;G06T19/20;G06K9/62;G06V10/762 |
代理公司: | 成都鱼爪智云知识产权代理有限公司 51308 | 代理人: | 邓渠清 |
地址: | 610059 *** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 混合 解译 结构 产状 方法 系统 | ||
本发明提出了一种基于混合聚类解译岩体结构面产状的方法及系统,涉及岩土工程的技术领域。包括采用无人机、全站仪对边坡进行数字影像采集,使用全站仪定位地面控制点;对边坡的数字影像进行平差调整,利用三维建模软件内置的场景重建模块对边坡进行三维点云重建,根据重建模型输出点云数据;利用图像标注工具软件对数字影像进行结构面人工标注,通过图像标注工具自动提取出标注的局部结构面以及数字影像信息;对点云数据进行三维和二维的数据映射并生成映射文件;利用混合聚类算法解译出对应结构面的产状,并利用映射文件内包括的点云数据提取出岩体结构面的产状信息。其能够弥补传统工程地质测量的缺点,有着安全、高效、可交互的优点。
技术领域
本发明涉及岩土工程的技术领域,具体而言,涉及一种基于混合聚类解译岩体结构面产状的方法及系统。
背景技术
在岩体开采的过程中,边坡开挖后不稳定的岩体结构面很可能会引起规模较大的岩体失稳导致重大的工程事故,因此,岩体结构面是工程岩体稳定性评价和分析的重要基础,它广泛应用于水利、边坡、隧道等工程项目的质量评价中。传统的工程地质测量方法(皮尺、罗盘)受工程环境影响,提取结构面特征危险系数高、难度较大、效率低。因此,急需一种基于混合聚类解译岩体结构面产状的方法。
发明内容
本发明的目的在于提供一种基于混合聚类解译岩体结构面产状的方法,其能够弥补传统工程地质测量的缺点,有着安全、高效、可交互的优点。
本发明的实施例是这样实现的:
第一方面,本申请实施例提供一种基于混合聚类解译岩体结构面产状的方法,其包括采用无人机、全站仪对边坡进行第一预设数量的数字影像采集,使用全站仪定位地面控制点; 采用三维建模软件,对边坡的数字影像进行平差调整,利用三维建模软件内置的场景重建模块对边坡进行三维点云重建,得到重建模型,根据重建模型输出点云数据;利用图像标注工具软件对数字影像进行结构面人工标注,通过图像标注工具自动提取出标注的局部结构面以及数字影像信息;对点云数据进行三维和二维的数据映射并生成映射文件;利用混合聚类算法解译出对应结构面的产状,并利用映射文件内包括的点云数据提取出岩体结构面的产状信息。
在本发明的一些实施例中,对点云数据进行三维和二维的数据映射并生成映射文件的步骤包括:利用直接线性变换算法,求解预设已知区域内的第二预设数量的三维坐标点;对任一三维坐标点以及对应的二维像素坐标点,解算关键的外方位元素和内方位元素的系数矩阵;解出系数矩阵后,获得需要的未知空间坐标。
在本发明的一些实施例中,第二预设数量为大于等于六个。
在本发明的一些实施例中,利用聚类算法解译出对应结构面的产状,并利用映射文件内包括的点云数据提取出岩体结构面的产状信息的步骤包括:混合聚类算法为包括DBSCAN密度聚类算法和SKMEAN聚类算法;利用DBSCAN密度聚类算法通过点云样本的紧密程度数据,对点云所处的簇进行区分,得到结果簇集;在结果簇集中选取最大的簇集合;再利用SKMEAN聚类算法对相似度进行聚类,得到结构面的产状信息。
在本发明的一些实施例中,再利用SKMEAN聚类算法对相似度进行聚类,得到结构面的产状信息的步骤包括:利用SKMEAN聚类算法对最大的簇集合进行中心聚类;利用样本点与点之间的相似度进行聚类;计算出样本集合处于中心位置的法向量;获取结构面的法向量之后,根据法向量和产状的几何数据,计算出结构面的产状信息并将结构面利用圆盘模型进行可视化。
在本发明的一些实施例中,圆盘模型包括设置二维圆形区域,在二维圆形区域外设置方向指引,根据方向指引将产状信息在二维圆形区域内显示。
在本发明的一些实施例中,计算出结构面的产状信息并将结构面利用圆盘模型进行可视化后的步骤还包括:将产状信息以及圆盘模型上传至后台终端进行存储方便统一管理。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于成都理工大学,未经成都理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210030308.5/2.html,转载请声明来源钻瓜专利网。