CN104502990A - 一种基于数码图像的隧道掌子面地质调查方法 - Google Patents
一种基于数码图像的隧道掌子面地质调查方法 Download PDFInfo
- Publication number
- CN104502990A CN104502990A CN201510004416.5A CN201510004416A CN104502990A CN 104502990 A CN104502990 A CN 104502990A CN 201510004416 A CN201510004416 A CN 201510004416A CN 104502990 A CN104502990 A CN 104502990A
- Authority
- CN
- China
- Prior art keywords
- mrow
- image
- tunnel face
- structural
- msub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000006243 chemical reaction Methods 0.000 claims abstract description 13
- 230000009466 transformation Effects 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 23
- 239000011435 rock Substances 0.000 claims description 21
- 238000003707 image sharpening Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000010079 rubber tapping Methods 0.000 claims description 2
- 239000002893 slag Substances 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 9
- 238000011835 investigation Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 5
- AEEAZFQPYUMBPY-UHFFFAOYSA-N [I].[W] Chemical compound [I].[W] AEEAZFQPYUMBPY-UHFFFAOYSA-N 0.000 description 4
- 238000009412 basement excavation Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000013016 learning Effects 0.000 description 2
- 230000003137 locomotive effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 229920002334 Spandex Polymers 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004759 spandex Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于数码图像的掌子面地质调查方法,步骤:A、确定目标对象,在隧道掌子面上进行标示;B、利用高分辨率的数码相机对掌子面进行摄像,拍摄完整的掌子面区域;C、通过隧道掌子面上两个标示点的距离和图像中两点像素值,计算实物和图像的比例转换系数;D、对数,进行灰度变换、色彩均衡化、亮度/对比度调整、色相/饱和度调整、图像滤波;E、对数码图像中所有像素计算;F、利用结构面的二值图像计算结构面的延伸长度、单位面积裂隙总延长、结构面线性拟合、结构面视倾角和结构面间距结构面参数,得到掌子面地质调查成果。得到隧道掌子面地质素描图,提高了地质素描速度,提高了地质调查的精度和准确性。
Description
技术领域
本发明涉及隧道掌子面地质调查技术领域,具体涉及一种基于数码图像的隧道掌子面地质调查方法,它适用于隧道掌子面节理、裂隙等结构面提取、分析。
背景技术
隧道工程地质条件具有多变性、复杂性,不确定性,同一隧道的不同地段的地质情况都千差万别。在开挖前不可能将地质情况调查得十分清楚,而必须通过开挖后的掌子面地质调查进行再辨识和再确定。同时,隧道掌子面地质调查不仅是超前地质预报工作的基础,还是确定地层、岩性、地下水状态等地质信息的最可靠、最有效手段,
传统的隧道掌子面地质调查仍然是通过地质技术人员,手工方式进行地层辨识、地质素描,现场测量、数据记录和后期处理的方式完成。实际隧洞开挖过程中,由于受施工的影响,洞内通常粉尘多、光线弱、通视条件差、机车过往频繁,这种传统的方法不仅受众多环境因素干扰,而且效率低;更重要的是隧道掌子面上方不易到达区域的结构面无法进行调查,而且掌子面上方岩体有时被结构面切割成危险体也给传统调查方法带来危险;同时,这种调查方式主观性强,调查结果往往因技术人员的经验、学识的不同而不尽相同。因此,传统的隧道掌子面地质调查方法已经严重滞后于工程应用。
发明内容
本发明的目的是在于提供了一种基于数码图像的隧道掌子面地质调查方法,方法易行,操作简便,自动提取隧道掌子面上的结构面,得到隧道掌子面地质素描图,提高了地质素描速度,提高了地质调查的精度和准确性,实现了对隧道掌子面围岩状况的自动分析和评价。
为了实现上述的目的,本发明采用以下技术方案:
本发明克服了传统隧道掌子面地质调查方法存在的缺陷,且有效提高了调绘精度及效率。首先,在隧道掌子面上确定目标对象,并利用高分辨率的数码相机对掌子面进行摄像,利用隧道掌子面上的标示点计算实物和图像的比例转换系数;然后,对隧道掌子面的数字图像进行预处理,增强图像的质量,再计算图像的小波变换模值及梯度方向,选取目标对象的模值作为识别阈值,扫描图像并保留在最大梯度方向上较识别阈值大的像素,同时,提取这些像素重新生成二值图像。最后,计算结构面的延伸长度、单位面积裂隙总延长、结构面线性拟合、结构面视倾角、结构面间距等结构面特征参数,得到隧道掌子面岩石质量指标RQD和地质调查结果。
一种基于数码图像的掌子面地质调查方法,包括如下步骤:
步骤1:确定目标对象,针对隧道掌子面地质调查的要求、目的和详细程度,对隧道掌子面上的岩层界线、岩脉、节理、裂隙等结构面。一般目标对象选取长度30-35cm之间的裂隙面,并且在隧道掌子面上进行标示。
步骤2:利用高分辨率的Nikon D3200数码相机对掌子面进行摄像。采用数码相机拍摄掌子面照片,将数码相机固定在三角架上,将三角架放置于隧道掌子面后方视野开阔处,调整好相机至掌子面距离,以相机能刚好拍摄完整的掌子面区域为宜。
步骤3:通过隧道掌子面上两个标示点的实际距离和图像中相对应的两点像素值,计算实物和图像的比例转换系数。
步骤4:对数码图像进行预处理,主要进行灰度变换、色彩均衡化、亮度/对比度调整、色相/饱和度调整、图像滤波等,以弥补实际隧道掌子面数码图像质量上的不足。
步骤5:对数码图像中所有像素逐一计算其小波变换模值及梯度方向,并提取目标对象的模值作为识别的阈值,扫描图像保留在最大梯度向上较目标对象模值大的像素,并提取这些像素生成只有主要结构面的二值图像。
步骤6:利用主要结构面的二值图像计算结构面的延伸长度、单位面积裂隙总延长、结构面线性拟合、结构面视倾角和结构面间距等结构面特征参数,得到岩石质量指标RQD及掌子面地质调查成果。
所述的步骤1中目标对象选取的原则是忽略那些长度小于30cm的结构面,根据地质调查的要求、目的和详细程度,仅考虑掌子面上大于30cm的结构面。目标对象选取长度30-35cm之间的裂隙面。
所述的步骤2中隧道掌子面的照片采集时间应该在隧道出渣结束,掌子面危岩体被排除后进行。
所述的步骤3中图像比例转换系数α标示点分别在隧道掌子面上的实际距离D和在数码图像上的像素坐标(x1,y1)、(x2,y2)计算,其计算公式别为:
式中:α为转换系数、D为距离、(x1,y1)、(x2,y2)为像素坐标。
所述的步骤4中隧道环境下采集的掌子面图像不但存在曝光不足,图像偏暗,或曝光太足,图像偏亮的问题,同时,图像中包含大量噪声。为使图像效果更好,需通过灰度变换、色彩均衡化、亮度/对比度调整来增强隧道掌子面地质图像对比度的效果。为了降低隧道掌子面地质图像的噪声,同时达到增强图像细节的目的,需通过图像滤波、图像柔化和图像锐化处理。
所述步骤5中针对图像中的任意像素坐标(x,y),每个像素的小波变换模值及最大梯度方向的计算分别为: 其中,为小波变换模值,为最大梯度方向,为沿水平方向的梯度矢量,为沿垂直方向的梯度矢量。
所述的步骤5中将掌子面摄像前标注的目标对象所对应的小波变换模值作为阈值,实现对掌子面众多结构面的筛选。
所述的步骤5中以目标对象所对应的小波变换模值作为阈值,将图像中所有像素点进行扫描、判断,变换模值小于阈值的像素点将被删除,仅保留在最大梯度方向上较目标对象模值大的像素点;然后提取这些像素点生成只有主要结构面的二值图像。
所述的步骤6中隧道掌子面上结构面长度的计算公式为
式中,Lj为第j条裂隙的延伸长度,a为比例转换系数,n为第j条裂隙上拾取的像素坐标的总数,(xi,yi)、(xi+1,yi+1)为隧道掌子面地质图像中第i点和第i+1点的图像像素坐标;
所述的步骤6中单位面积裂隙总延长C的计算公式为式中,Li为第i条裂隙的延伸长度,S为隧道掌子面区域的面积;
所述步骤6中结构面线性拟合计算方法如下:设n为掌子面上结构面数,第j个结构面上有m个己知像素点坐标的为(xi,yi),其中,(1≤i≤m),第j个结构面的线性拟合计算公式为yi=kjxi+bj(1≤j≤n),其中,是隧道掌子面上第j条结构面的斜率,是隧道掌子面上第j条结构面的截距,
所述的步骤6中结构面视倾角,计算公式为:α=arctg(kj),式中,kj为隧道掌子面上第j条结构面的斜率;
所述步骤6中结构面间距计算公式为:式中,α为比例转换系数,bmax为同组结构面拟合直线方程中最大截距值,bmin为同组结构面拟合直线方程中最小截距值,N为同组结构面数量,k为同组结构面倾角平均值的正切值;
所述的步骤6中岩石质量指标RQD值的计算公式为其中,di为第i条结构面间距,n为结构面间距大于10cm的数量,Dj为第j条切割线的长度,m为切割线数量。
本发明与现有技术相比,具有以下优点及效果:
传统的隧道掌子面地质调查仍然是通过地质技术人员,手工方式进行地层辨识、地质素描,现场测量、数据记录和后期处理的方式完成。实际隧洞开挖过程中,由于受施工的影响,洞内通常粉尘多、光线弱、通视条件差、机车过往频繁,这种传统的方法不仅受众多环境因素干扰,而且效率低;掌子面上方不易到达区域的岩体有时被切割成的危险体也给传统调查方法带来危险,同时,这种调查方式主观性强,调查结果往往因技术人员的经验、学识的不同而不尽相同。因此,传统的隧道掌子面地质调查方法已经严重滞后于工程应用。
(1)本发明利用现场采集的掌子面地质图像进行分析,自动提取隧道掌子面上的主要结构面,加以少量的人工干预,得到隧道掌子面地质素描图,提高了地质素描速度;
(2)本发明避免了人工地质素描中因地质技术人员的经验、学识不同而结果不同的缺陷,提高了地质调查的精度和准确性。
(3)本发明能够自动计算岩体结构面长度、单位面积裂隙长度、结构面平均间距、RQD等隧道掌子面上主要结构面的特征参数,实现了对隧道掌子面围岩状况的自动分析和评价。
附图说明
图1为一种基于数码图像的掌子面地质调查方法流程图;
图2为一种掌子面数码成像示意图;
图3为一种结构面提取的实例图;
图3a为一种原始图像示意图;
图3b为一种提取的结构面图像示意图;
图3c为一种原始图像示意图;
图3d为一种提取的结构面图像示意图;
图3e为一种原始图像示意图;
图3f为一种提取的结构面图像示意图;
图3所示的3个实例可见,该方法能够提取绝大部分节理、裂隙等结构面,仅有极少部分结构面由于噪声、误差等原因无法提取,如图3c和图3d对比图中圆圈标注处的结构面。但此精度已经完全能满足工程应用。
图4为一种隧道掌子面切割线及RQD值统计示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,便于清楚地了解本发明,但他们不对本发明构成限定。
实施例1:
一种基于数码图像的掌子面地质调查方法,其步骤是:
第一步,目标结构面的选取,具体步骤如下:
(a)隧道掌子面经过排险后,其上的岩层界线、岩脉、节理、裂隙等不同规模的结构面众多,根据地质调查的要求、目的和详细程度,选取待调查的最小规模的结构面作为目标对象。
(b)将选取的目标对象用反光膜片进行标示。
目标对象选取30cm左右的裂隙面,小于目标对象的结构面将被忽略,目标对象可以选择1-3个。同时,目标对象尽量选择掌子面中下部,但必须清晰可辨。
第二步,隧道掌子面数码图像的采集,具体步骤如下:
(a)在隧道掌子面的左、右两侧靠边墙处各作一个标记点。布设标示点的主要要求为:尽可能采用定制的专用标志(如莱卡自贴式反射片),并保证控制点在数码图像中清晰可辨。
(b)测量两标示点间的距离(5-10m)。利用钢卷尺测量和记录两个标记点间的距离,待图像采集完成后,可在掌子面地质图像上量测这两个标记点间的像素距离,根据两标记点的像素距离和实际距离确定图像的比例尺。
(c)获取掌子面图像。采用数码相机拍摄掌子面照片,将数码相机固定在三角架上,将三角架放置于隧道掌子面后方视野开阔处,相机距掌子面的7-12m为宜,以相机能刚好拍摄完整的掌子面区域为宜。在摄站上架设三脚架,将三脚架调整到1.5m左右,并将脚架云台调至水平,保持其稳定。调整相机快门、光圈和外置碘钨灯的位置,获得最佳的图片亮度,同时尽量使用小光圈,以形成大景深效果。
三角架上必须要有置平装置,可以调节相机水平。同时,相机拍摄方向与隧道掌子面所在平面垂直必须保持垂直。相机至掌子面的距离必须确保获得最高质量的数码图像,图像需做到清晰可辨、具有一定的亮度、尽可能少的图像噪声。
为了获得最佳成像效果,成像时不使用相机的闪光灯,仅用碘钨灯即可,但碘钨灯需放置于隧道掌子面后方,使灯光照射在掌子面上,并保证碘钨灯不在数码相机成像范围内。
如果隧道掌子面的面积较大,一张图片难以采集到完整的高质量图像数据,为保证成像质量,可分别对掌子面局部区域正射影,最后采用图像镶嵌将各局部掌子面正射影图像嵌接成完整的掌子面地质图像,但需保证图像间有20%以上的重叠度。
掌子面数码成像示意如图2所示。
第三步,图像比例转换,利用两个标示点在隧道掌子面上的实际距离D和两个标示点在数码图像上的像素坐标(x1,y1)、(x2,y2)计算图像比例转换系数a。计算方法如下:
式中:a为转换系数、d为距离、(x1,y1)、(x2,y2)为像素坐标。
第四步,图像预处理。隧道掌子面地质条件复杂多变,但掌子面图像受拍摄环境所限,为弥补实际隧道掌子面数码图像质量上的不足,需要对图像进行预处理,主要包括灰度变换、色彩均衡化、亮度/对比度调整、色相/饱和度调整、图像滤波等,以提高隧道掌子面地质图像的质量。
第五步,结构面检测识别,隧道掌子面的数码图像中,岩层层理、节理、裂隙等结构面形成的边缘,是由灰度值的剧烈变化形成的,通常为脉冲状或阶梯状。该发明的结构面检测识别就是通过计算图像中每个像素的小波变换模值及梯度方向,然后,提取目标对象的模值,并将其作为识别的阈值,将其与图像中的所有像素比较,删除那些较目标对象模值小的像素,保留在最大梯度方向上较目标对象模值大的所有像素,并提取这些像素重新生成二值图像。具体步骤如下:
(a)图像矩阵中的所有元素的小波变换模值及梯度方向计算。对于图像中的任意像素坐标(x,y),经平滑函数θs(x,y)在尺度s作用下的二维二进小波变换有两个分量,分别如下:
其中,平滑函数θ(x,y)满足下列条件:
其中,s为尺度,则二维尺度s下有如下定义:
式中,沿水平方向的梯度矢量,沿垂直方向的梯度矢量。向量 的模,取局部极大值的点对应了的相应位置的突变点或者尖锐、陡峭变化的位置,其大小反应了该位置的灰度强度;梯度对应于模极大值的点的方向。
模值和梯度方向的计算公式如下:
(b)提取目标对象的小波变换模值,作为结构面识别的阈值。
(c)边界点的识别,对图像中所有像素点进行扫描、判断,如果该点的小波变换模值小于目标阈值,该点就是背景点,否则,该点就是边界点,然后转到下一个像素点,指导图像中的点都扫描完毕。
(d)保留在最大梯度方向上较目标对象模值大的所有像素,并提取这些像素重新生成二值图像。
结构面提取前后的对比如图3所示。
第六步,结构面特征分析。
(a)隧道掌子面上结构面延续长度的计算
已知掌子面地质图像中某结构面上的所有点像素坐标,则结构面延续长度为所有相邻点的距离之和。具体计算公式如下:
式中,Lj为第j条裂隙的延伸长度,a为比例转换系数,n为第j条裂隙上拾取的像素坐标的总数,(xi,yi),(xi+1,yi+1)为隧道掌子面地质图像中第i点和第i+1点的图像像素坐标。
(b)单位面积裂隙总延长
单位面积裂隙总延长作为评价隧道掌子面岩体的破碎程度的重要指标,其计算公式如下:
式中,Li为第i条裂隙的延伸长度,S为隧道掌子面区域的面积。
(c)结构面线性拟合
结构面通常具有一定的线性特征,对于从图像中提取的结构面上的点,可通过线性拟合将其拟合成直线,为分析结构面在隧道掌子面剖面的视倾角、分组等提供方便。
系统中采用最小二乘法进行结构面的线性拟合。最小二乘法是一种数学优化方法,它通过最小化误差的平方和找到一组数据的最佳函数匹配。最小二乘法是用最简的方法求得一些绝对不可知的真值,而令误差平方之和为最小。最小二乘法通常用于曲线拟合。
设某隧道掌子面上共有n个结构面,第j个结构面的直线方程为yi=kix+bi(1≤j≤n),该结构面上有m个己知点坐标分别为(xi,yi),其中(1≤i≤n),令
则
(其中,A·m-B·B≠0)
(d)结构面的视倾角
由于隧道掌子面近似为一垂直平面,掌子面地质图像采集时将摄影方向限定为水平且垂直于掌子面,则形成的掌子面地质图像为正射影像,此时可直接分析掌子面上结构面视倾角,计算公式为:
α=arctg(kj)
式中,Kj为第j条隧道掌子面上的结构面的斜率。
(e)结构面间距
结构面间距指结构面间的垂直距离,通常指一个节理组的平均的或最常见的间距。结构面间距是反映岩体完整程度和岩石块体大小的重要指标。某组结构面平均间距为:
式中,a为比例转换系数,bmax为同组结构面拟合直线方程中最大截距值,bmin为同组结构面拟合直线方程中最小截距值,N为同组结构面数量,k为同组结构面倾角平均值的正切值。
(f)岩石质量指标RQD值
对隧道掌子面内提取出的结构面边界线以间距为10cm的平行和垂直切割线切割,统计结构面间距大于10cm的所有结构面间距之和,将其与分组线的总长之比作为掌子面的RQD值。即
其中,di为第i个结构面间距,n为结构面间距大于10cm的数量,Dj为第j条切割线的长度,N为切割线数量。
岩石质量指标RQD值的计算示意图如图4所示。
Claims (1)
1.一种基于数码图像的掌子面地质调查方法,其步骤是:
A、确定目标对象,针对隧道掌子面地质调查的要求、目的和详细程度,对隧道掌子面上的岩层界线、岩脉、节理、裂隙等结构面,目标对象选取长度30-35cm之间的结构面,在隧道掌子面上进行标示;
B、利用高分辨率的Nikon D3200数码相机对掌子面进行摄像,采用数码相机拍摄掌子面照片,将数码相机固定在三角架上,将三角架放置于隧道掌子面后方视野开阔处,调整好相机至掌子面距离,以相机能拍摄完整的掌子面区域;
C、通过隧道掌子面上两个标示点的距离和图像中相对应的两点像素值,计算实物和图像的比例转换系数;
D、对数码图像进行预处理,进行灰度变换、色彩均衡化、亮度/对比度调整、色相/饱和度调整、图像滤波,以弥补实际隧道掌子面数码图像质量上的不足;
E、对数码图像中所有像素逐一计算其小波变换模值及梯度方向,提取目标对象的模值作为识别的阈值,扫描图像保留在梯度向上目标对象模值的像素,提取像素生成结构面的二值图像;
F、利用结构面的二值图像计算结构面的延伸长度、单位面积裂隙总延长、结构面线性拟合、结构面视倾角和结构面间距结构面参数,得到岩石质量指标RQD及掌子面地质调查成果;
所述的步骤A中目标对象选取的是长度30-35cm之间的结构面,根据地质调查的要求、目的和详细程度,长度大于30-35cm之间的结构面才被统计和分析,小于30-35cm之间的结构面将被忽略;
所述的步骤B中隧道掌子面的照片采集时间在隧道出渣结束,掌子面危岩体被排除后进行;
所述的步骤C中图像比例转换系数a标示点分别在隧道掌子面上的实际距离D和在数码图像上的像素坐标(x1,y1)、(x2,y2)计算,其计算公式为:
所述的步骤D中隧道下采集的掌子面图像不但存在曝光不足,图像偏暗,或曝光太足,图像偏亮,通过灰度变换、色彩均衡化、亮度/对比度调整来增强隧道掌子面地质图像对比度,降低隧道掌子面地质图像的噪声,达到增强图像细节,通过图像滤波、图像柔化和图像锐化处理;
所述的步骤E中针对图像中的任意像素坐标(x,y),每个像素的小波变换模值及最大梯度方向的计算分别为: 其中,为小波变换模值,为最大梯度方向,为沿水平方向的梯度矢量,为沿垂直方向的梯度矢量;
所述的步骤F中隧道掌子面上结构面长度的计算公式为:
式中,Lj为第j条裂隙的延伸长度,a为比例转换系数,n为第j条裂隙上拾取的像素坐标的总数,(xi,yi)、(xi+1,yi+1)为隧道掌子面地质图像中第i点和第i+1点的图像像素坐标;
所述的步骤F中单位面积裂隙总延长C的计算公式为式中,Li为第i条裂隙的延伸长度,S为隧道掌子面区域的面积;
所述步骤F中结构面线性拟合计算方法如下:设n为掌子面上结构面数,第j个结构面上有m个己知像素点坐标的为(xi,yi),其中,(1≤i≤m),第j个结构面的线性拟合计算公式为yi=kjxi+bj(1≤j≤n),其中,是隧道掌子面上第j条结构面的斜率, 是隧道掌子面上第j条结构面的截距,
所述步骤F中结构面视倾角,计算公式为:α=arctg(kj),式中,kj为隧道掌子面上第j条结构面的斜率;
所述的步骤F中结构面间距计算公式为:式中,a为比例转换系数,bmax为同组结构面拟合直线方程中最大截距值,bmin为同组结构面拟合直线方程中最小截距值,N为同组结构面数量,k为同组结构面倾角平均值的正切值;
所述的步骤F中岩石质量指标RQD值的计算公式为其中,di为第i条结构面间距,n为结构面间距大于10cm的数量,Dj为第j条切割线的长度,m为切割线数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510004416.5A CN104502990A (zh) | 2015-01-06 | 2015-01-06 | 一种基于数码图像的隧道掌子面地质调查方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510004416.5A CN104502990A (zh) | 2015-01-06 | 2015-01-06 | 一种基于数码图像的隧道掌子面地质调查方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104502990A true CN104502990A (zh) | 2015-04-08 |
Family
ID=52944401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510004416.5A Pending CN104502990A (zh) | 2015-01-06 | 2015-01-06 | 一种基于数码图像的隧道掌子面地质调查方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104502990A (zh) |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104807446A (zh) * | 2015-04-10 | 2015-07-29 | 同济大学 | 一种隧道掌子面三维点云模型的获取方法 |
CN104915640A (zh) * | 2015-05-22 | 2015-09-16 | 中国科学院武汉岩土力学研究所 | 一种钻孔图像结构面自动识别与参数提取方法 |
CN106123853A (zh) * | 2016-08-31 | 2016-11-16 | 钟世航 | 一种隧道掌子面与边墙作地质体界面的测绘方法 |
CN106225770A (zh) * | 2016-08-26 | 2016-12-14 | 招商局重庆交通科研设计院有限公司 | 隧道掌子面地质多维数字化记录识别方法及系统 |
CN106248877A (zh) * | 2016-07-29 | 2016-12-21 | 山东大学 | 一种隧道水汽湿度模拟装置、隧道环境量化模拟系统及方法 |
CN107516315A (zh) * | 2017-08-25 | 2017-12-26 | 华南理工大学 | 一种基于机器视觉的掘进机出渣监测方法 |
CN107941194A (zh) * | 2017-11-06 | 2018-04-20 | 浙江大学 | 一种获取和计算工程岩体代表性rqd值的方法 |
CN108540703A (zh) * | 2018-06-12 | 2018-09-14 | 长江三峡勘测研究院有限公司(武汉) | 隧道倾斜摄影装置 |
CN108763804A (zh) * | 2018-06-05 | 2018-11-06 | 吉林大学 | 一种剔除测量空白域影响的岩体广义rqd获取方法 |
CN108761532A (zh) * | 2018-05-08 | 2018-11-06 | 河北煤炭科学研究院 | 煤矿工作面断层预测方法 |
CN109211137A (zh) * | 2018-09-11 | 2019-01-15 | 华东交通大学 | 一种快速识别隧道掌子面岩性的装置及方法 |
WO2019014810A1 (zh) * | 2017-07-17 | 2019-01-24 | 深圳市大疆创新科技有限公司 | 一种对图像的处理方法及装置、智能终端 |
CN109782337A (zh) * | 2018-12-28 | 2019-05-21 | 中国石油化工股份有限公司 | 一种基于地震属性图的有利储层边界自动拾取方法 |
CN109872311A (zh) * | 2019-02-01 | 2019-06-11 | 中国铁建重工集团有限公司 | 一种岩体完整性判识方法 |
JP2020038132A (ja) * | 2018-09-04 | 2020-03-12 | 大成建設株式会社 | コンクリート表面上のひび割れ特定方法、ひび割れ特定装置、ひび割れ特定システム及びプログラム |
CN111161414A (zh) * | 2019-12-31 | 2020-05-15 | 山东大学 | 块体结构三维建模方法及系统 |
CN111784803A (zh) * | 2020-07-01 | 2020-10-16 | 长江三峡勘测研究院有限公司(武汉) | 钻孔岩芯相互关系数据的自动采集系统及方法 |
CN112345542A (zh) * | 2020-11-18 | 2021-02-09 | 西南石油大学 | 一种隧道掌子面裂隙快速识别的方法 |
CN112989481A (zh) * | 2021-05-17 | 2021-06-18 | 中国科学院武汉岩土力学研究所 | 复杂地质隧道施工围岩稳定可视化图像数据处理方法 |
CN113781441A (zh) * | 2021-09-13 | 2021-12-10 | 中铁一局集团第二工程有限公司 | 一种应用于节理岩体隧道开挖过程中的注浆范围优化方法 |
CN114140448A (zh) * | 2021-12-06 | 2022-03-04 | 广西路信云信息技术有限公司 | 一种基于深度学习的隧道掌子面围岩智能分级方法及设备 |
CN114419088A (zh) * | 2022-01-24 | 2022-04-29 | 重庆中环建设有限公司 | 一种基于数字图像的隧道围岩信息提取方法 |
CN114881949A (zh) * | 2022-04-26 | 2022-08-09 | 成都唐源电气股份有限公司 | 一种隧道表面缺陷识别方法 |
CN115546113A (zh) * | 2022-09-15 | 2022-12-30 | 山东大学 | 掌子面裂隙图像与前方三维结构参数预测方法及系统 |
CN115761038A (zh) * | 2022-10-19 | 2023-03-07 | 山东大学 | 一种基于图像光谱技术的隧道掌子面地质素描方法及系统 |
CN116777823A (zh) * | 2023-02-02 | 2023-09-19 | 中国矿业大学 | 一种锚固孔图像结构面快速识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093388A (zh) * | 2013-02-01 | 2013-05-08 | 河海大学 | 一种基于隧道掌子面的摄影地质编录系统 |
WO2013135033A1 (zh) * | 2012-03-16 | 2013-09-19 | 同济大学 | 基于图像分析的隧道变形在线监测系统及其应用 |
CN103698817A (zh) * | 2013-12-27 | 2014-04-02 | 上海川海信息科技有限公司 | 基于图像的地下洞室掌子面快速安全预测方法 |
-
2015
- 2015-01-06 CN CN201510004416.5A patent/CN104502990A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013135033A1 (zh) * | 2012-03-16 | 2013-09-19 | 同济大学 | 基于图像分析的隧道变形在线监测系统及其应用 |
CN103093388A (zh) * | 2013-02-01 | 2013-05-08 | 河海大学 | 一种基于隧道掌子面的摄影地质编录系统 |
CN103698817A (zh) * | 2013-12-27 | 2014-04-02 | 上海川海信息科技有限公司 | 基于图像的地下洞室掌子面快速安全预测方法 |
Non-Patent Citations (2)
Title |
---|
冷彪: "基于数码成像的隧道掌子面地质信息系统研究", 《中国博士学位论文全文数据库·信息科技辑》 * |
田岩岩 等: "基于小波变换模极大值的边缘检测方法", 《大连海事大学学报》 * |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104807446A (zh) * | 2015-04-10 | 2015-07-29 | 同济大学 | 一种隧道掌子面三维点云模型的获取方法 |
CN104807446B (zh) * | 2015-04-10 | 2017-05-03 | 同济大学 | 一种隧道掌子面三维点云模型的获取方法 |
CN104915640A (zh) * | 2015-05-22 | 2015-09-16 | 中国科学院武汉岩土力学研究所 | 一种钻孔图像结构面自动识别与参数提取方法 |
CN106248877A (zh) * | 2016-07-29 | 2016-12-21 | 山东大学 | 一种隧道水汽湿度模拟装置、隧道环境量化模拟系统及方法 |
CN106225770B (zh) * | 2016-08-26 | 2018-12-25 | 招商局重庆交通科研设计院有限公司 | 隧道掌子面地质多维数字化记录识别方法及系统 |
CN106225770A (zh) * | 2016-08-26 | 2016-12-14 | 招商局重庆交通科研设计院有限公司 | 隧道掌子面地质多维数字化记录识别方法及系统 |
CN106123853B (zh) * | 2016-08-31 | 2018-08-17 | 钟世航 | 一种隧道掌子面与边墙作地质体界面的测绘方法 |
CN106123853A (zh) * | 2016-08-31 | 2016-11-16 | 钟世航 | 一种隧道掌子面与边墙作地质体界面的测绘方法 |
WO2019014810A1 (zh) * | 2017-07-17 | 2019-01-24 | 深圳市大疆创新科技有限公司 | 一种对图像的处理方法及装置、智能终端 |
CN107516315A (zh) * | 2017-08-25 | 2017-12-26 | 华南理工大学 | 一种基于机器视觉的掘进机出渣监测方法 |
CN107516315B (zh) * | 2017-08-25 | 2020-04-28 | 华南理工大学 | 一种基于机器视觉的掘进机出渣监测方法 |
CN107941194A (zh) * | 2017-11-06 | 2018-04-20 | 浙江大学 | 一种获取和计算工程岩体代表性rqd值的方法 |
CN107941194B (zh) * | 2017-11-06 | 2019-11-19 | 浙江大学 | 一种获取和计算工程岩体代表性rqd值的方法 |
CN108761532A (zh) * | 2018-05-08 | 2018-11-06 | 河北煤炭科学研究院 | 煤矿工作面断层预测方法 |
CN108763804A (zh) * | 2018-06-05 | 2018-11-06 | 吉林大学 | 一种剔除测量空白域影响的岩体广义rqd获取方法 |
CN108763804B (zh) * | 2018-06-05 | 2019-05-03 | 吉林大学 | 一种剔除测量空白域影响的岩体广义rqd获取方法 |
CN108540703A (zh) * | 2018-06-12 | 2018-09-14 | 长江三峡勘测研究院有限公司(武汉) | 隧道倾斜摄影装置 |
JP2020038132A (ja) * | 2018-09-04 | 2020-03-12 | 大成建設株式会社 | コンクリート表面上のひび割れ特定方法、ひび割れ特定装置、ひび割れ特定システム及びプログラム |
CN109211137A (zh) * | 2018-09-11 | 2019-01-15 | 华东交通大学 | 一种快速识别隧道掌子面岩性的装置及方法 |
CN109782337B (zh) * | 2018-12-28 | 2021-05-28 | 中国石油化工股份有限公司 | 一种基于地震属性图的有利储层边界自动拾取方法 |
CN109782337A (zh) * | 2018-12-28 | 2019-05-21 | 中国石油化工股份有限公司 | 一种基于地震属性图的有利储层边界自动拾取方法 |
CN109872311A (zh) * | 2019-02-01 | 2019-06-11 | 中国铁建重工集团有限公司 | 一种岩体完整性判识方法 |
CN111161414B (zh) * | 2019-12-31 | 2022-05-24 | 山东大学 | 块体结构三维建模方法及系统 |
CN111161414A (zh) * | 2019-12-31 | 2020-05-15 | 山东大学 | 块体结构三维建模方法及系统 |
CN111784803A (zh) * | 2020-07-01 | 2020-10-16 | 长江三峡勘测研究院有限公司(武汉) | 钻孔岩芯相互关系数据的自动采集系统及方法 |
CN112345542A (zh) * | 2020-11-18 | 2021-02-09 | 西南石油大学 | 一种隧道掌子面裂隙快速识别的方法 |
CN112989481A (zh) * | 2021-05-17 | 2021-06-18 | 中国科学院武汉岩土力学研究所 | 复杂地质隧道施工围岩稳定可视化图像数据处理方法 |
CN113781441A (zh) * | 2021-09-13 | 2021-12-10 | 中铁一局集团第二工程有限公司 | 一种应用于节理岩体隧道开挖过程中的注浆范围优化方法 |
CN113781441B (zh) * | 2021-09-13 | 2024-02-27 | 中铁一局集团第二工程有限公司 | 一种应用于节理岩体隧道开挖过程中的注浆范围优化方法 |
CN114140448A (zh) * | 2021-12-06 | 2022-03-04 | 广西路信云信息技术有限公司 | 一种基于深度学习的隧道掌子面围岩智能分级方法及设备 |
CN114419088A (zh) * | 2022-01-24 | 2022-04-29 | 重庆中环建设有限公司 | 一种基于数字图像的隧道围岩信息提取方法 |
CN114881949A (zh) * | 2022-04-26 | 2022-08-09 | 成都唐源电气股份有限公司 | 一种隧道表面缺陷识别方法 |
CN115546113A (zh) * | 2022-09-15 | 2022-12-30 | 山东大学 | 掌子面裂隙图像与前方三维结构参数预测方法及系统 |
CN115761038A (zh) * | 2022-10-19 | 2023-03-07 | 山东大学 | 一种基于图像光谱技术的隧道掌子面地质素描方法及系统 |
CN115761038B (zh) * | 2022-10-19 | 2023-06-30 | 山东大学 | 一种基于图像光谱技术的隧道掌子面地质素描方法及系统 |
CN116777823A (zh) * | 2023-02-02 | 2023-09-19 | 中国矿业大学 | 一种锚固孔图像结构面快速识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104502990A (zh) | 一种基于数码图像的隧道掌子面地质调查方法 | |
Riquelme et al. | Identification of rock slope discontinuity sets from laser scanner and photogrammetric point clouds: A comparative analysis | |
Garilli et al. | Automatic detection of stone pavement's pattern based on UAV photogrammetry | |
CN104574393B (zh) | 一种三维路面裂缝图像生成系统和方法 | |
CN101509782B (zh) | 一种小型地标捕获定位方法 | |
CN105865344A (zh) | 一种基于机器视觉的工件尺寸测量方法和装置 | |
CN113256082A (zh) | 一种隧道掌子面智能地质素描及地质评价方法 | |
CN108596165A (zh) | 基于无人机低空航拍图像的道路交通标线检测方法及系统 | |
CN109741271B (zh) | 一种检测方法及系统 | |
CN105574521A (zh) | 房屋轮廓提取方法和装置 | |
CN112070756B (zh) | 一种基于无人机倾斜摄影的路面立体病害测量方法 | |
Yang et al. | A fully automatic-image-based approach to quantifying the geological strength index of underground rock mass | |
CN106683132A (zh) | 一种高精细城市三维建模方法 | |
CN111340951A (zh) | 基于深度学习的海洋环境自动识别方法 | |
Manousakis et al. | Comparison of UAV-enabled photogrammetry-based 3D point clouds and interpolated DSMs of sloping terrain for rockfall hazard analysis | |
CN107798293A (zh) | 一种道路裂缝检测装置 | |
CN115877400A (zh) | 基于雷达与视觉融合的巷道顶板支护钢带钻孔定位方法 | |
CN104019772A (zh) | 一种桥梁结构砼表面蜂窝麻面面积测定仪及其检测方法 | |
Kim et al. | Application of photogrammetry and image analysis for rock slope investigation | |
Torkan et al. | Method to obtain 3D point clouds of tunnels using smartphone LiDAR and comparison to photogrammetry | |
Martin et al. | Comparison of terrestrial-based, high resolution, LiDAR and digital photogrammetry surveys of a rock slope | |
Mraz et al. | Experimental evaluation of a pavement imaging system: Florida department of transportation's multipurpose survey vehicle | |
CN113177949B (zh) | 一种大尺寸岩石颗粒特征识别方法及装置 | |
CN112964192A (zh) | 一种基于图像视频的工程测量在线标定方法及系统 | |
Gonçalves et al. | Planar projection of mobile laser scanning data in tunnels |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150408 |
|
WD01 | Invention patent application deemed withdrawn after publication |