CN106225770A - 隧道掌子面地质多维数字化记录识别方法及系统 - Google Patents
隧道掌子面地质多维数字化记录识别方法及系统 Download PDFInfo
- Publication number
- CN106225770A CN106225770A CN201610735843.5A CN201610735843A CN106225770A CN 106225770 A CN106225770 A CN 106225770A CN 201610735843 A CN201610735843 A CN 201610735843A CN 106225770 A CN106225770 A CN 106225770A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- tunnel
- rock mass
- geology
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C7/00—Tracing profiles
- G01C7/06—Tracing profiles of cavities, e.g. tunnels
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种隧道掌子面地质多维数字化记录识别方法,确定目标对象,确定摄像装置、红外测温仪、激光测距仪的安装位置,将目标对象分成4部分分别成像,对图像进行预处理,对预处理后的图像进行结构信息提取和分析,得到结构面特征和岩体纹理特征并进行三维地质结构模型重建,对地质进行预测,从三维地质结构模型中的掌子面图像得到相邻掌子面的断面及岩层节理图像,相邻的岩层节理边界为同一结构面,任意取角度的虚拟剖切面与结构面边界相交,得到地质纵剖面图。采用三种仪器快速、高效、全面的采集掌子面的情况,隧道掌子面图像的采集方式采用分区分别采集后再合成图像,可以提高采集图像的画面质量,利于后期图像处理,提高图像的准确性。
Description
技术领域
本发明涉及隧道工程技术领域,特别涉及一种隧道掌子面地质多维数字化记录识别方法及系统。
背景技术
目前,隧道工程的地质条件直接影响隧道施工的方法、安全、质量和进度,因而隧道掌子面地质编录作为隧道施工的一个重要的基础工作,为地质预测、隧道施工提供重要的基础数据。
掌子面地质编录主要是对隧道掌子面中重要地质构造信息的采集和分析,主要是通过肉眼观察,然后通过手工描述地质特征,此种作业方法不仅工作量大、工作强度高、受隧道施工洞内光线干扰大,而且编录的几何精度低、直观性差、信息反馈慢、信息量有限,同时也不利于对编录成果的分析和应用。
发明内容
有鉴于此,本发明要解决的技术问题之一在于提供一种隧道掌子面地质多维数字化记录识别方法,实现对隧道掌子面信息快速、高效、准确的采集和分析,直观性强。
本发明通过以下技术手段解决上述技术问题:
本发明提供了一种隧道掌子面地质多维数字化记录识别方法,具体包括以下步骤:
S1.确定目标对象,确定摄像装置、红外测温仪和激光测距仪的安装位置;
S2.经过掌子面的中心点十字相交线将所述目标对象分成4部分,分别对目标对象拍摄成像,在每部分的下部均设置钢尺测量掌子面边墙到中心点的距离,通过所述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;
S3.对所述图像进行预处理,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、蒙版的一种或多种组合进行图像处理;
S4.对预处理后的图像进行边界提取后得到边界清晰的掌子面图像,再进行结构面特征分析与掌子面不同岩体区域识别,分别得到从隧道掌子面上提取的岩体节理、裂隙等边界信息和掌子面不同岩体的区域划分,最后对不同岩体图像分析得到岩体纹理特征;
S5.用S4所得到的掌子面图像的岩体信息进行三维地质结构模型重建,根据相邻隧道掌子面中岩体节理、裂隙等边界信息建立同一结构面在以相邻掌子面为剖面而形成的剖面线间的对应关系,从而建立结构面的三维面形;
S6.从三维地质结构模型中的掌子面图像得到相邻掌子面的断面及岩层节理图像,相邻的岩层节理边界为同一结构面,任意取角度的虚拟剖切面与结构面相交,得到地质纵剖面图。
进一步,所述步骤4中的边界提取步骤包括:Canny边缘检测、数学形态学处理、清除节点及单点、全自动边界连接和人工辅助修建。
进一步,所述步骤4中的掌子面不同岩体区域识别,具体方法为:根据每种岩体在不同挖掘深度、不同工程路段的不同情况下拍摄的样片,从样片中提取岩体的特征建立特征库,从边界提取得到边界清晰的掌子面图像分割成多块,每一块图像进行特征提取并与特征库中相应的岩体信息进行匹配,将相同岩体区域的切割图片进行合并,将处于不同岩体之间的图像切片作为切割通道,并自动在切割通道中绘制切线,完成掌子面不同岩体区域识别。
本发明还提供一种隧道掌子面地质多维数字化记录识别系统,包括图像采集装置,采集隧道掌子面地质图像数据;图像处理装置,根据所述采集到的隧道掌子面地质图像数据对掌子面进行岩性分析,得到掌子面结构面特征和岩体纹理特征;三维地质结构模型重建装置,将所述掌子面结构面特征和岩体纹理特征进行三维地质结构模型重建,对掌子面进行地质分析、地质切片后生成地质剖面图。
进一步,所述图像采集装置包括摄像装置、红外测温仪、激光测距仪和辅助照明装置,所述摄像装置设置在掌子面的正前方,能完整拍摄整个掌子面的图像,所述红外测温仪和激光测距仪分别与摄像装置并排设置,所述辅助照明装置设置在摄像装置的非成像区域。
进一步,所述图像预处理模块包括灰度变换、色彩均衡化、亮度/对比度调整、色相/饱和度调整、图像滤波、蒙版的一种或多种组合进行图像处理。
进一步,所述图像处理装置包括顺次连接的图像比例转换模块、图像预处理模块、边界提取模块、结构面信息提取模块和结构面信息分析模块。
进一步,所述辅助照明装置为碘钨灯。
本发明的有益效果:
本发明的隧道掌子面地质多维数字化记录识别方法,通过将摄像装置、红外测温仪和激光测距仪安装在设定位置,分别对隧道掌子面图像、温度和距离进行采集,快速、高效、全面的采集掌子面的情况,隧道掌子面图像的采集方式采用分区分别采集后再合成图像,可以提高采集图像的画面质量,利于后期图像处理,提高图像的准确性。预处理后的图像进行结构面特征分析与掌子面不同岩体区域识别,分别得到结构面特征和岩体纹理特征,然后根据掌子面结构面特征和岩体纹理特征进行三维地质结构模型重建,对未开挖部分地质进行预测,全面了解地质情况,对后期施工开挖作好预测工作,最后对三维地质结构模型剖切得到地质剖面图,直观地了解地质情况。通过地质三维模型观察岩体结构面产状、分析岩层走势、预测预报危险区域等,可以为隧道的安全施工提供及时辅助参考,尽可能通过地质预报的方式避免出现隧道塌陷、地下水泛滥等因素导致的人员伤亡。
本发明的隧道掌子面地质多维数字化记录识别系统,包括图像采集装置,采集装置包括摄像装置、红外测温仪和激光测距仪,三种仪器结合快速、准确、全面采集掌子面信息,可为地质预报提供全面丰富的数据信息;图像处理装置,根据所述采集到的隧道掌子面地质图像数据对掌子面进行岩性分析,得到掌子面结构面特征和岩体纹理特征;三维地质结构模型重建装置,将所述掌子面结构面特征和岩体纹理特征进行三维地质结构模型重建,对掌子面进行地质分析、地质切片后生成地质剖面图,直观了解地质情况。通过地质模型观察岩体结构面产状、分析岩层走势、预测预报危险区域等,可以为隧道的安全施工提供及时辅助参考,尽可能通过地质预报的方式避免出现隧道塌陷、地下水泛滥等因素导致的人员伤亡。
附图说明
下面结合附图和实施例对本发明作进一步描述。
图1为本发明实施例1的工作流程图。
图2为本发明实施例2的结构原理图。
图3为本发明实施例2的图像处理装置的原理框图。
图4为本发明实施例2的三维地质结构模型重建装置的原理框图。
具体实施方式
实施例1
以下将结合附图对本发明进行详细说明,本发明的隧道掌子面地质多维数字化记录识别方法,如图1所示:具体包括以下步骤,
S1.确定目标对象,确定摄像装置、红外测温仪和激光测距仪的安装位置。为了提高检测精度,摄像装置选用有效像素数越高且成像质量越好的数码相机,采用的数码相机型号为佳能EOS45OD,为单反相机,其最大相机分辨率为4272x2848,即1220万像素,相机镜头为德国蔡司变焦距镜头,焦距为18-55mm,相机可自动或手动调焦。确定设备安装位置,将摄像装置固定在三脚架上,并将脚架云台调至水平,保持其稳定。相机拍摄方向与隧道掌子面所在平面垂直必须保持垂直。由于隧道内光线较暗、空气中混杂的粉尘较多,并且相机与被测目标对象间具有一定的距离,所以相机自带的闪光灯无法满足摄取高质量图像的要求,会给图像处理带来难度,也直接影响到摄像测量结果的精度,因此,掌子面地质图像采集过程中,利用碘钨灯照亮掌子面,以使掌子面地质图像达到系统处理亮度要求,成像效果更好。确定仪器安装位置,可提高采集掌子面图像的准确性,采用三种仪器对掌子面图像进行采集,可为地质预报提供全面丰富的数据信息。图像采集时间在掌子面排险之后,衬砌支护之前。
S2.经过掌子面的中心点十字相交线将所述目标对象分成4部分,分别对4部分的目标对象分别拍摄成像,需保证图像间有20%以上的重叠度,在每部分的下部均设置钢尺测量掌子面边墙到中心点的距离,通过所述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。把待测掌子面分为4部分,分别对该4部分进行拍摄,然后再将4部分的图像嵌接成完整的掌子面地质图像后进行图像处理。通过将目标对象分成4部分进行采集,可以提高采集图像的画面质量,利于后期图像处理,提高图像的准确性。钢尺测得掌子面边墙到中心点的距离为D(单位为cm),(x1,y1)、(x2,y2)为隧道掌子面地质图像中两点的像素坐标,图像解析时可按下式计算出图像比例转换系数:
式(1)中,a为图像比例转换系数,单位为pixel:cm。
S3.由于隧道掌子面的地质条件复杂多变,但掌子面拍摄图像受到环境的限制,为了弥补实际隧道掌子面数码图像质量上的不足,需要对采集的掌子面地质图像进行预处理,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、蒙版的一种或多种组合进行图像处理,提高隧道掌子面地质图像的质量。
S4.对预处理后的图像进行边界提取后得到边界清晰的掌子面图像,再进行结构面特征分析与掌子面不同岩体区域识别,分别得到从隧道掌子面上提取的岩体节理、裂隙等边界信息和掌子面不同岩体的区域划分,最后对不同岩体图像分析得到岩体纹理特征。
边界提取的目的一方面是为了从宏观上对提取出的主要结构面边界用于隧道三维地质结构面重建,另一方面则是为了对结构面特征进行统计分析。边界提取包括以下几个步骤:Canny边缘检测、数学形态学处理、清除节点及单点、边界全自动连接、人工辅助修建,经过边界提取这几个步骤,图像预处理之后的图像就可得到边界清晰的掌子面地质图像。
Canny边缘检测模块,为了对边缘检测方法的有效性进行评价,Canny提出了三个边缘检测准则,并用数学方法系统地推导出确定图像边缘检测函数性能指标的数学表达式:信噪比SNR、检测精度L和伪边界平均距离M,具体如下:假设输入图像为G(x),边缘检测的滤波函数为f(x),滤波器为有限脉冲响应,窗口为[-W,W],边缘发生在x=0,信号中的噪声是加性高斯白噪声n(x),其方差为,则信噪比SNR为
检测到的边缘点的位置距实际边缘点的位置最近,或者是由于噪声影响引起检测出的边缘偏离物体的真实边缘的程度最小,可以用检测精度L进行定量描述
式(3)的值越大,对于边缘的定位越准确。
将以上两个准则结合起来,可以用检测边缘的信噪比SNR和检测精度L的乘积来描述边缘检测算子,即
由Schwarz不等可得,当f(-x)=kG(x)时,式(4)达到其上界,其中k为常数,与x无关。
数学形态学处理,主要以二值图像为处理对象,通过一系列的集合运算,改善图像处理效果。基本的形态学运算是腐蚀和膨胀。简单膨胀是将与物体接触的所有点合并到该物体的过程。如果两个物体在某一点相隔少于上述几个像素,则它们将通过膨胀连通起来。膨胀在填补分割后物体中的空洞很有用。腐蚀是消除物体图像元用点的一种过程,其结果使剩下的物体沿周边比处理前小几个像素的面积。腐蚀对从一幅分割图像中小且无意义的图像元素集合来说是有用的。先腐蚀后膨胀的过程称为开运算,它具有消除细小物体、在纤细点处分离物体和平滑较大的边界时又不明显地改变其面积的作用。先膨胀后腐蚀的过程称为闭运算,它具有填充物体内部细小空洞、连接邻近物体、在不明显改变面积的情况下平滑其边界的作用。
清除节点及单点,对细化处理后的图像,需要将白色边界像素提取出来转化成直线段,这些直线段即为隧道掌子面结构面边界。
由于结构面在短距离内通常近似为直线,而图像细化结果中多数白色边界有分支,有碍于对直线边界线的提取。为得到隧道掌子面上的完整直线边界,首先考虑清除细化后图像中的白色边界线的三叉节点,同时将白色单点视为噪声清除。
边界全自动连接,连接边缘的过程采用的8邻域搜索方式,即若当前像素为边缘像素,其8邻域内有满足要求的点则将该点与当前点连接起来形成边缘。同时图像细化、清除节点均在8邻域内进行。故在全自动边界连接过程中,凡涉及邻域操作均只考虑8连通的情况。对数字图像分割成二值图像后,需要提取出图像中的白色边界线目标以便分析。
人工辅助修建:自动处理算法并不能完全满足要求,实际从隧道掌子面上提取的岩体节理、裂隙等边界可能存在错误或遗漏,因此需要在图像处理过程中加入人工干预功能,删除错误边界并加入遗漏的边界。
人工干预主要通过以下几种方式对边界进行处理:
(1)删除错误的节理、裂隙等结构面边界;
(2)添加正确的节理、裂隙等结构面边界;
(3)将同一结构面上的不连续的边界线连接完整。
经过上述Canny边缘检测、数学形态学处理、清除节点及单点、边界全自动连接、人工辅助修建这几个步骤后,可以得到清晰完整的掌子面图像,且从隧道掌子面上提取的岩体节理、裂隙等边界信息。
掌子面不同岩体区域的识别:首先将每种岩体在不同挖掘深度、不同工程路段等多种情况下进行图片拍摄,并做大量的数据采集,用经典神经网络法对岩体进行特征提取与识别,构建特征库,对每一种岩体都建立了完备的特征库后,就可以对不同岩体进行自动划分。把边界提取得到边界清晰的掌子面图像分割成多块,每一块图像进行特征提取并与特征库中相应的岩体信息进行匹配,将相同岩体区域的切割图片进行合并,将处于不同岩体之间的图像切片作为切割通道,并自动在切割通道中绘制切线,完成掌子面不同岩体区域识别。对局部岩体进行特征分析,采用空间频率测量法和纹理描述符的方法进行描述得到岩体的纹理特征。
S5.用S4所得到的掌子面图像的岩体信息进行三维地质结构模型重建,根据相邻隧道掌子面中岩体节理、裂隙等边界信息建立同一结构面在以相邻掌子面为剖面而形成的剖面线间的对应关系,从而建立结构面的三维面形,根据三维面形对地质进行预测。采用OpenGL技术对隧道掌子面进行三维重建,外围隧道建立,左侧、右侧和下侧均使用的是opengl的创建图元来建立;对于隧道上方的半圆柱体,使用的是NURBS曲线进行拟合。使用非均匀的节点,形成了Bezier面;对于需要建立的模型,也使用NURBS曲线拟合完成。对于物体的表面使用,考虑了镜面反射,漫反射和光的衰减。模型中定义全局光;启用深度测试,启用漫反射的功能,启用颜色混合模式,过滤线段的锯齿,尽量接近真实环境。不同的面使用不同的纹理。纹理功能的实现是基于opengl的本身支持的功能接口。在绘图元的时候,直接绘出纹理。在s,t方向均实现贴图。纹理过滤,启用的是近真实情况的功能,对最接近当前多边形的解析度的两个层级贴图进行采样,然后用这两个值进行线性插值,在绘制纹理与绘制图元同时进行。
S6.从三维地质结构模型中的掌子面图像得到相邻掌子面的断面及岩层节理图像,相邻的岩层节理边界为同一结构面,任意取角度的虚拟剖切面与结构面相交,得到地质纵剖面图,有助于全面了解地层构造,地质情况。
实施例2
本发明的隧道掌子面地质多维数字化记录识别系统,如图2,3,4所示,包括图像采集装置,采集隧道掌子面地质图像数据;图像处理装置,根据所述采集到的隧道掌子面地质图像数据对掌子面进行岩性分析,得到掌子面结构面特征和岩体纹理特征;三维地质结构模型重建装置,将掌子面结构面特征和岩体纹理特征进行三维地质结构模型重建,对掌子面进行地质分析、地质切片后生成地质剖面图。通过图像采集装置能准确、快速对隧道掌子面的地质图像进行采集,经过图像处理装置对掌子面图像进行岩性分析,得到掌子面结构面特征和岩体纹理特征,通过掌子面结构面特征和岩体纹理特征进行三维地质结构模型重建,对三维地质结构模型进行剖切,通过剖切面观察其内部现象的变化,直观性强,即通过地质模型观察岩体结构面产状、分析岩层走势、预测预报危险区域等,可以为隧道的安全施工提供及时辅助参考,尽可能通过地质预报的方式避免出现隧道塌陷、地下水泛滥等因素导致的人员伤亡。
图像采集装置,包括摄像装置、红外测温仪、激光测距仪和辅助照明装置,所述摄像装置设置在掌子面的正前方,能完整拍摄整个掌子面的图像,所述红外测温仪和激光测距仪分别与摄像装置并排设置,所述辅助照明装置设置在摄像装置的非成像区域。为了提高检测精度,摄像装置选用有效像素数越高且成像质量越好的数码相机,采用的数码相机型号为佳能EOS45OD,为单反相机,其最大相机分辨率为4272x2848,即1220万像素,相机镜头为德国蔡司变焦距镜头,焦距为18-55mm,相机可自动或手动调焦。由于隧道内光线较暗、空气中混杂的粉尘较多,并且相机与被测目标对象间具有一定的距离,所以相机自带的闪光灯无法满足摄取高质量图像的要求,会给图像处理带来难度,也直接影响到摄影测量结果的精度,因此,实际掌子面地质图像采集过程中,利用碘钨灯照亮掌子面,以使掌子面地质图像达到系统处理亮度要求,成像效果更好。摄像装置安装在掌子面的正前方,摄像装置安装在三脚架上,以相机能刚好拍摄完整的掌子面区域为宜。经过掌子面的中心点十字相交线将所述目标对象分成4部分,分别对4部分的目标对象分别拍摄成像,需保证图像间有20%以上的重叠度,在每部分的下部均设置钢尺测量掌子面边墙到中心点的距离,通过所述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。把待测掌子面分为4部分,分别对该4部分进行拍摄,然后再将4部分的图像嵌接成完整的掌子面地质图像后进行图像处理。通过将待测掌子面分成4部分进行采集,可以提高采集图像的画面质量,利于后期图像处理,提高图像的准确性。经过对图像分析得到不良地质所属的土体类型、范围、节理间距等参数。激光测距仪用于测量摄像装置距离掌子面的距离,辅助测衬砌表面的平整程度、确定节理参数。红外测温仪用于测量掌子面的温度,根据所得的温度确定地下水分布范围,通过图像和实物间的图像转换系数测算出实际的地下水分布范围。激光测距仪、辅助照明装置与摄像装置并排设置,辅助照明装置不能放置在摄像装置的成像区域,否则会影响图像数据。采用摄像装置、红外测温仪、激光测距仪三种仪器对掌子面的信息进行全面采集,使掌子面地质多维数字化记录识别系统记录的掌子面数据更全面、准确,更好地为地质预测做良好的数据采集基础。
图像处理装置包括顺次连接的图像比例转换模块、图像预处理模块、边界提取模块、结构面信息提取模块和结构面信息分析模块。图像比例转换模块,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。
图像预处理模块包括灰度变换、色彩均衡化、亮度/对比度调整、色相/饱和度调整、图像滤波、蒙版的一种或多种组合进行图像处理,以达到提高隧道掌子面地质图像质量的目的,这些图像处理方法均为现有技术常用的图像处理方法。
边界提取模块包括顺次连接的Canny边缘检测模块、数学形态学处理模块、清除节点及单点模块、全自动边界连接模块和人工辅助修建模块。
数学形态处理模块,主要以二值图像为处理对象,通过一系列的集合运算,改善了图像处理效果。基本的形态学运算是腐蚀和膨胀。简单膨胀是将与物体接触的所有点合并到该物体的过程。如果两个物体在某一点相隔少于上述几个像素,则它们将通过膨胀连通起来。膨胀在填补分割后物体中的空洞很有用。腐蚀是消除物体图像元用点的一种过程,其结果使剩下的物体沿周边比处理前小几个像素的面积。腐蚀对从一幅分割图像中小且无意义的图像元素集合来说是有用的。先腐蚀后膨胀的过程称为开运算,它具有消除细小物体、在纤细点处分离物体和平滑较大的边界时又不明显地改变其面积的作用。先膨胀后腐蚀的过程称为闭运算,它具有填充物体内部细小空洞、连接邻近物体、在不明显改变面积的情况下平滑其边界的作用。
清除节点及单点模块:对细化处理后的图像,需要将白色边界像素提取出来转化成直线段,这些直线段即为隧道掌子面结构面边界。
由于结构面在短距离内通常近似为直线,而图像细化结果中多数白色边界有分支,有碍于对直线边界线的提取。为得到隧道掌子面上的完整直线边界,首先考虑清除细化后图像中的白色边界线的三叉节点,同时将白色单点视为噪声清除。
全自动边界连接模块:连接边缘的过程采用的8搜索方式,即若当前像素为边缘像素,其8邻域内有满足要求的点则将该点与当前点连接起来形成边缘。同时图像细化、清除节点均在8邻域内进行。故在全自动边界连接过程中,凡涉及邻域操作均只考虑8连通的情况。对数字图像分割成二值图像后,需要提取出图像中的白色边界线目标以便分析。
人工辅助修建模块:自动处理算法并不能完全满足要求,实际从隧道掌子面上提取的岩体节理、裂隙等边界可能存在错误或遗漏,因此需要在图像处理过程中加入人工干预功能,删除错误边界并加入遗漏的边界。
人工干预主要通过以下几种方式对边界进行处理:
(1)删除错误的节理、裂隙等结构面边界;
(2)添加正确的节理、裂隙等结构面边界;
(3)将同一结构面上的不连续的边界线连接完整。
通过上述的步骤处理掌子面图像,得到边界清晰的掌子面图像,为结构面特征分析和掌子面岩体识别提供清晰图像。
三维地质结构模型重建装置包括顺次连接的三维模型建立模块、三维地质预测模块、三维地质切片模块和生成地质剖面图模块。三维模型建立模块利用经过处理的掌子面图像得到结构面特征和岩体特征通过OpenGL技术进行三维建模。三维地质预测模块通过三维建模对隧道掌子面地质进行预测,预测未开挖的隧道地质情况,为下一步施工提供数据参考。三维地质切片模块用于将三维空间模型进行剖切,更好地了解隧道地质情况。生成地质剖面图模块用于剖切后生成地质剖面图,直观地了解地质情况。通过地质模型观察岩体结构面产状、分析岩层走势、预测预报危险区域等,可以为隧道的安全施工提供及时辅助参考,尽可能通过地质预报的方式避免出现隧道塌陷、地下水泛滥等因素导致的人员伤亡。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.隧道掌子面地质多维数字化记录识别方法,其特征在于:具体包括以下步骤:
S1.确定目标对象,确定摄像装置、红外测温仪和激光测距仪的安装位置;
S2.经过掌子面的中心点十字相交线将所述目标对象分成4部分,分别对目标对象拍摄成像,在每部分的下部均设置钢尺测量掌子面边墙到中心点的距离,通过所述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;
S3.对所述图像进行预处理,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、蒙版的一种或多种组合进行图像处理;
S4.对预处理后的图像进行边界提取后得到边界清晰的掌子面图像,再进行结构面特征分析与掌子面不同岩体区域识别,分别得到从隧道掌子面上提取的岩体节理、裂隙等边界信息和掌子面不同岩体的区域划分,最后对不同岩体图像分析得到岩体纹理特征;
S5.用S4所得到的掌子面图像的岩体信息进行三维地质结构模型重建,根据相邻隧道掌子面中岩体节理、裂隙等边界信息建立同一结构面在以相邻掌子面为剖面而形成的剖面线间的对应关系,从而建立结构面的三维面形;
S6.从三维地质结构模型中的掌子面图像得到相邻掌子面的断面及岩层节理图像,相邻的岩层节理边界为同一结构面,任意取角度的虚拟剖切面与结构面边界相交,得到地质纵剖面图。
2.如权利要求1所述的隧道掌子面地质多维数字化记录识别方法,其特征在于:所述步骤4中的边界提取步骤包括:Canny边缘检测、数学形态学处理、清除节点及单点、全自动边界连接和人工辅助修建。
3.如权利要求1所述的隧道掌子面地质多维数字化记录识别方法,其特征在于:所述步骤4中的掌子面不同岩体区域识别,具体方法为:根据每种岩体在不同挖掘深度、不同工程路段的不同情况下拍摄的样片,从样片中提取岩体的特征建立特征库,从边界提取得到边界清晰的掌子面图像分割成多块,每一块图像进行特征提取并与特征库中相应的岩体信息进行匹配,将相同岩体区域的切割图片进行合并,将处于不同岩体之间的图像切片作为切割通道,并自动在切割通道中绘制切线,完成掌子面不同岩体区域识别。
4.隧道掌子面地质多维数字化记录识别系统,其特征在于:包括图像采集装置,采集隧道掌子面地质图像数据;图像处理装置,根据所述采集到的隧道掌子面地质图像数据对掌子面进行岩性分析,得到掌子面岩体的结构面特征和岩体纹理特征;三维地质结构模型重建装置,将所述结构面特征和岩体纹理特征进行三维地质结构模型重建,对掌子面进行地质分析、地质切片后生成地质剖面图。
5.如权利要求4所述的隧道掌子面地质多维数字化记录识别系统,其特征在于:所述图像采集装置包括摄像装置、红外测温仪、激光测距仪和辅助照明装置,所述摄像装置设置在掌子面的正前方,能完整拍摄整个掌子面的图像,所述红外测温仪和激光测距仪分别与摄像装置并排设置,所述辅助照明装置设置在摄像装置的非成像区域。
6.如权利要求4所述的隧道掌子面地质多维数字化记录识别系统,其特征在于:所述图像处理装置包括顺次连接的图像比例转换模块、图像预处理模块、边界提取模块、结构面信息提取模块和结构面信息分析模块。
7.如权利要求6所述的隧道掌子面地质多维数字化记录识别系统,其特征在于:所述图像预处理模块包括灰度变换、色彩均衡化、亮度/对比度调整、色相/饱和度调整、图像滤波、蒙版的一种或多种组合进行图像处理。
8.如权利要求4所述的隧道掌子面地质多维数字化记录识别系统,其特征在于:所述三维地质结构模型重建装置包括顺次连接的三维模型建立模块、三维地质预测模块、三维地质切片模块和生成地质剖面图模块。
9.如权利要求4所述的隧道掌子面地质多维数字化记录识别系统,其特征在于:所述辅助照明装置为碘钨灯。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610735843.5A CN106225770B (zh) | 2016-08-26 | 2016-08-26 | 隧道掌子面地质多维数字化记录识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610735843.5A CN106225770B (zh) | 2016-08-26 | 2016-08-26 | 隧道掌子面地质多维数字化记录识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106225770A true CN106225770A (zh) | 2016-12-14 |
CN106225770B CN106225770B (zh) | 2018-12-25 |
Family
ID=57556201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610735843.5A Expired - Fee Related CN106225770B (zh) | 2016-08-26 | 2016-08-26 | 隧道掌子面地质多维数字化记录识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106225770B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106803075A (zh) * | 2017-01-13 | 2017-06-06 | 淮南矿业(集团)有限责任公司 | 基于图像识别技术的地质信息智能化识别系统和方法 |
CN107832668A (zh) * | 2017-10-10 | 2018-03-23 | 广东欧珀移动通信有限公司 | 面部图像采集方法及相关设备 |
CN109029586A (zh) * | 2018-09-10 | 2018-12-18 | 华东交通大学 | 一种定位隧道掌子面几何及地学信息的综合分析仪 |
CN109139023A (zh) * | 2018-09-25 | 2019-01-04 | 清华大学 | 基于tbm管片拼装机的围岩观测系统 |
CN109187548A (zh) * | 2018-07-24 | 2019-01-11 | 西南交通大学 | 一种岩体裂隙识别方法 |
CN109209505A (zh) * | 2018-11-06 | 2019-01-15 | 重庆大学 | 土石混合体隧道三维数字信息管理系统构建方法 |
CN109557284A (zh) * | 2019-01-31 | 2019-04-02 | 四川省交通运输厅交通勘察设计研究院 | 一种隧道围岩级别智能快速判定系统及方法 |
CN109766894A (zh) * | 2019-01-21 | 2019-05-17 | 东北大学 | 一种基于图像识别技术的关键块体动态搜索系统及方法 |
CN109886534A (zh) * | 2019-01-09 | 2019-06-14 | 中国铁建重工集团有限公司 | 用于隧道围岩分级的辨识方法及装置 |
CN110135515A (zh) * | 2019-05-23 | 2019-08-16 | 南京工业大学 | 一种基于图像纹理的岩体结构均质区自动分区方法 |
WO2020155929A1 (zh) * | 2019-02-01 | 2020-08-06 | 中国铁建重工集团股份有限公司 | 一种岩体完整性判识方法 |
CN112748473A (zh) * | 2020-12-14 | 2021-05-04 | 中国铁建重工集团股份有限公司 | 隧道掌子面围岩素描系统及方法 |
CN114067094A (zh) * | 2021-11-11 | 2022-02-18 | 山东大学 | 用于凿岩台车的多光谱摄像系统及围岩智能判识方法 |
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 |
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 |
CN115661133A (zh) * | 2022-12-07 | 2023-01-31 | 山东省地质矿产勘查开发局第一地质大队(山东省第一地质矿产勘查院) | 一种地质类型识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008180672A (ja) * | 2007-01-26 | 2008-08-07 | Airec Engineering Corp | 内空変位センサ、内空変位測定システム、内空変位センサ取り付け方法 |
US7534995B2 (en) * | 2004-05-28 | 2009-05-19 | Deutsche Montan Technologie Gmbh | Device for examining rotor drilled holes |
CN102768022A (zh) * | 2012-07-20 | 2012-11-07 | 长安大学 | 采用数码照相技术的隧道围岩变形检测方法 |
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 |
CN104502990A (zh) * | 2015-01-06 | 2015-04-08 | 中国地质大学(武汉) | 一种基于数码图像的隧道掌子面地质调查方法 |
CN105809627A (zh) * | 2016-03-10 | 2016-07-27 | 中国电建集团成都勘测设计研究院有限公司 | 一种水电工程地下洞室的地质编录方法 |
-
2016
- 2016-08-26 CN CN201610735843.5A patent/CN106225770B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7534995B2 (en) * | 2004-05-28 | 2009-05-19 | Deutsche Montan Technologie Gmbh | Device for examining rotor drilled holes |
JP2008180672A (ja) * | 2007-01-26 | 2008-08-07 | Airec Engineering Corp | 内空変位センサ、内空変位測定システム、内空変位センサ取り付け方法 |
CN102768022A (zh) * | 2012-07-20 | 2012-11-07 | 长安大学 | 采用数码照相技术的隧道围岩变形检测方法 |
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 |
CN104502990A (zh) * | 2015-01-06 | 2015-04-08 | 中国地质大学(武汉) | 一种基于数码图像的隧道掌子面地质调查方法 |
CN105809627A (zh) * | 2016-03-10 | 2016-07-27 | 中国电建集团成都勘测设计研究院有限公司 | 一种水电工程地下洞室的地质编录方法 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106803075A (zh) * | 2017-01-13 | 2017-06-06 | 淮南矿业(集团)有限责任公司 | 基于图像识别技术的地质信息智能化识别系统和方法 |
CN106803075B (zh) * | 2017-01-13 | 2019-12-10 | 淮南矿业(集团)有限责任公司 | 基于图像识别技术的地质信息智能化识别系统和方法 |
CN107832668A (zh) * | 2017-10-10 | 2018-03-23 | 广东欧珀移动通信有限公司 | 面部图像采集方法及相关设备 |
CN109187548A (zh) * | 2018-07-24 | 2019-01-11 | 西南交通大学 | 一种岩体裂隙识别方法 |
CN109029586A (zh) * | 2018-09-10 | 2018-12-18 | 华东交通大学 | 一种定位隧道掌子面几何及地学信息的综合分析仪 |
CN109139023A (zh) * | 2018-09-25 | 2019-01-04 | 清华大学 | 基于tbm管片拼装机的围岩观测系统 |
CN109139023B (zh) * | 2018-09-25 | 2019-12-17 | 清华大学 | 基于tbm管片拼装机的围岩观测系统 |
CN109209505A (zh) * | 2018-11-06 | 2019-01-15 | 重庆大学 | 土石混合体隧道三维数字信息管理系统构建方法 |
CN109886534A (zh) * | 2019-01-09 | 2019-06-14 | 中国铁建重工集团有限公司 | 用于隧道围岩分级的辨识方法及装置 |
CN109766894A (zh) * | 2019-01-21 | 2019-05-17 | 东北大学 | 一种基于图像识别技术的关键块体动态搜索系统及方法 |
CN109557284A (zh) * | 2019-01-31 | 2019-04-02 | 四川省交通运输厅交通勘察设计研究院 | 一种隧道围岩级别智能快速判定系统及方法 |
CN109557284B (zh) * | 2019-01-31 | 2021-07-20 | 四川省交通运输厅交通勘察设计研究院 | 一种隧道围岩级别智能快速判定系统及方法 |
WO2020155929A1 (zh) * | 2019-02-01 | 2020-08-06 | 中国铁建重工集团股份有限公司 | 一种岩体完整性判识方法 |
CN110135515A (zh) * | 2019-05-23 | 2019-08-16 | 南京工业大学 | 一种基于图像纹理的岩体结构均质区自动分区方法 |
CN112748473A (zh) * | 2020-12-14 | 2021-05-04 | 中国铁建重工集团股份有限公司 | 隧道掌子面围岩素描系统及方法 |
CN114067094A (zh) * | 2021-11-11 | 2022-02-18 | 山东大学 | 用于凿岩台车的多光谱摄像系统及围岩智能判识方法 |
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 |
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 |
CN115661133A (zh) * | 2022-12-07 | 2023-01-31 | 山东省地质矿产勘查开发局第一地质大队(山东省第一地质矿产勘查院) | 一种地质类型识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106225770B (zh) | 2018-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106225770A (zh) | 隧道掌子面地质多维数字化记录识别方法及系统 | |
Paris et al. | A three-dimensional model-based approach to the estimation of the tree top height by fusing low-density LiDAR data and very high resolution optical images | |
Castillo et al. | SF3M software: 3-D photo-reconstruction for non-expert users and its application to a gully network | |
KR101305305B1 (ko) | 시공간 영상의 상관 분석을 이용한 표면 유속 측정 시스템 및 방법 | |
Ni et al. | Features of point clouds synthesized from multi-view ALOS/PRISM data and comparisons with LiDAR data in forested areas | |
CN110988909B (zh) | 基于tls进行高寒脆弱区沙地植被的植被盖度测定方法 | |
CN104318051B (zh) | 基于规则的大范围水体信息遥感自动提取系统及方法 | |
den Bieman et al. | Deep learning video analysis as measurement technique in physical models | |
Balenović et al. | Quality assessment of high density digital surface model over different land cover classes | |
Javernick et al. | Evaluation of a numerical model's ability to predict bed load transport observed in braided river experiments | |
CN108038433A (zh) | 基于多回波机载激光扫描数据的城市树木碳含量估计方法 | |
Baily et al. | Comparative assessment of analytical and digital photogrammetric methods in the construction of DEMs of geomorphological forms | |
Puech et al. | Using geographical information systems and aerial photographs to determine water levels during floods | |
CN114663787A (zh) | 一种融合无人机chm和rgb影像的单木分割方法 | |
Rashidi et al. | Ground filtering LiDAR data based on multi-scale analysis of height difference threshold | |
Resop et al. | Terrestrial laser scanning for delineating in-stream boulders and quantifying habitat complexity measures | |
CN113593040B (zh) | 一种堤防护坡植被异常生长病害识别方法及系统 | |
CN101464148B (zh) | 三维影像侦测、编修及重建系统 | |
CN114295069A (zh) | 无人机搭载三维激光扫描仪的边坡形变监测方法及系统 | |
RU2660224C2 (ru) | Способ выявления и картирования структуры почвенного профиля методом съемки в инфракрасном диапазоне спектра | |
CN116051980A (zh) | 基于倾斜摄影的建筑识别方法、系统、电子设备及介质 | |
Schneider et al. | Towards predicting vine yield: Conceptualization of 3d grape models and derivation of reliable physical and morphological parameters | |
Palmeri et al. | A Maximizing Hydraulic Radius (MHR) method for defining cross-section limits in rills and ephemeral gullies | |
Badea et al. | An overview of geoprocessing and export options for creating 3D GIS models using Drone2Map | |
Legleiter et al. | A two‐dimensional, reach‐scale implementation of space‐time image velocimetry (STIV) and comparison to particle image velocimetry (PIV) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181225 Termination date: 20210826 |
|
CF01 | Termination of patent right due to non-payment of annual fee |