CN107220964A - 一种线状特征提取用于地质危岩体稳定性评估方法 - Google Patents

一种线状特征提取用于地质危岩体稳定性评估方法 Download PDF

Info

Publication number
CN107220964A
CN107220964A CN201710302861.9A CN201710302861A CN107220964A CN 107220964 A CN107220964 A CN 107220964A CN 201710302861 A CN201710302861 A CN 201710302861A CN 107220964 A CN107220964 A CN 107220964A
Authority
CN
China
Prior art keywords
rock body
dangerous rock
body surface
dimensional coordinate
coordinate point
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
Application number
CN201710302861.9A
Other languages
English (en)
Inventor
隋立春
朱海雄
陈卫
陈良良
安瑶军
方程喜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changan University
Original Assignee
Changan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changan University filed Critical Changan University
Priority to CN201710302861.9A priority Critical patent/CN107220964A/zh
Publication of CN107220964A publication Critical patent/CN107220964A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure

Abstract

本发明公开了一种线状特征提取用于地质危岩体稳定性评估方法，涉及危岩体稳定性评估技术领域。该方法包括：对两期点云数据粗配准和精配准；采用克里金插值方法，生成危岩体表面模型；对危岩体表面模型中的规则格网的三维坐标点集按照每一点的Z值进行灰度量化处理；采用边缘检测算子，对两个危岩体表面深度图像分别进行特征线提取；危岩体表面模型中规则格网的三维坐标点与危岩体表面深度图像中像素点的对应关系，通过计算两个危岩体表面模型中规则格网特征线的三维坐标点集合中相应点的变形量，确定危岩体在监测周期内的稳定性。该方法能够提取危岩体滑坡表面线状特征；获取的是三维形变量，可从三个方向的变形情况分析岩体内部稳定性。

Description

一种线状特征提取用于地质危岩体稳定性评估方法
技术领域
本发明涉及危岩体稳定性评估技术领域，更具体的涉及一种线状特征提取用于地质危岩体稳定性评估方法。
背景技术
在高陡边坡地带，例如山区岩质边坡，悬崖峭壁等，小规模的岩体崩塌是最为常见的滑坡类型，小型岩体崩塌造成滑坡速度快，一旦灾害发生，其危害是巨大的。
目前，利用三维激光扫描技术对各种危岩体滑坡的稳定性做了大量研究，其主要研究思路为：首先对点云数据进行结构面识别，然后根据提取的结构面信息分析监测周期内危岩体的运动趋势，这些方案都能实现危岩体滑坡的变形监测，但是变形监测的结果仅限于对危岩体局部表面运动情况的分析，获得的是一维形变量，而要对危岩体稳定性进行深入分析，不仅要提取出影响危岩体运动的主要特征如断裂线等，而且还要分析该特征沿三维方向的位移情况。
Linderbergh通过采用区域增长的方式进行面片分隔，然后建立表面模型，根据最小二乘准则计算出面片之间的距离，最后用统计分析的方法分析变形参数，其优点在于能够检测出比单点误差还要小变形，但自然场景下的危岩体表面几何特性复杂，尚且没有合适的经验函数来描述面片的几何特性。利用ICP算法对不同时期的点云进行配准，以所得到的平移量作为形变量。多时相的点云数据粗配准后，其表面法线方向几乎一致，未考虑到每个区域点云相对于参考点云的旋转因子，因此这种方法得到的变形量虽然精度高，但其可靠性低。
综上所述，现有技术中对危岩体稳定性监测，存在监测结果仅限于对危岩体局部表面运动情况的分析，其分析不够全面的问题。
发明内容
本发明实施例提供一种线状特征提取用于地质危岩体稳定性评估方法，用以解决现有技术中存在对危岩体稳定性监测的结果仅限于对危岩体局部表面运动情况的分析，其分析不够全面的问题。
本发明实施例提供一种线状特征提取用于地质危岩体稳定性评估方法，包括：
获取危岩体表面位置的两期点云数据；
对两期点云数据均进行植被点数据和无关噪声点数据去除处理；
通过地物特征点对两期点云数据进行粗配准，并通过ICP算法对两期点云数据进行精配准；
采用克里金插值方法，将两期点云数据分别生成两个危岩体表面模型；
对危岩体表面模型中的规则格网的三维坐标点集按照每一点的Z值进行灰度量化处理，将两个危岩体表面模型分别生成两个危岩体表面深度图像；
采用边缘检测算子，对两个危岩体表面深度图像分别进行特征线提取；并根据危岩体表面模型中规则格网的三维坐标点与危岩体表面深度图像中像素点的对应关系，分别获取两个危岩体表面模型中规则格网特征线的三维坐标点集合；
根据两个危岩体表面模型中规则格网特征线的三维坐标点集合，通过计算两个危岩体表面模型中规则格网特征线的三维坐标点集合中相应点的变形量，确定危岩体在监测周期内的稳定性。
较佳地，所述对危岩体表面模型中的规则格网的三维坐标点集按照每一点的Z值进行灰度量化处理，将两个危岩体表面模型分别生成两个危岩体表面深度图像；包括：
对危岩体表面模型中的规则格网的三维坐标点进行搜索，确定危岩体表面模型中的规则格网的三维坐标点中的最大Z值和最小Z值；
根据最大Z值和最小Z值，通过公式(1)，确定危岩体表面模型中的规则格网中的每个三维坐标点的像素灰度值；
将危岩体表面模型中的规则格网中的三维坐标点中的X坐标和Y坐标转化为危岩体表面深度图像的二维坐标；其中，危岩体表面深度图像的二维坐标点与危岩体表面深度图像的像素点对应；
根据危岩体表面模型中的规则格网中的每个三维坐标点的像素灰度值和危岩体表面深度图像的二维坐标，确定危岩体表面深度图像；
公式(1)如下所示：
其中，Gi为规则格网的三维坐标点灰度值；Zi为规则格网的三维坐标点高程值；Zmax为规则格网的三维坐标点中的最大Z值；Zmin为规则格网的三维坐标点中的最小Z值。
较佳地，所示采用边缘检测算子，对两个危岩体表面深度图像分别进行特征线提取；包括：
利用高斯滤波器对危岩体表面深度图像进行平滑处理；
确定危岩体表面深度图像的幅值和方向；
对危岩体表面深度图像的幅值进行最大化抑制处理；
通过双阈值算法跟踪危岩体表面深度图像边缘。
本发明实施例中，提供一种线状特征提取用于地质危岩体稳定性评估方法，与现有技术相比，其有益效果为：该方法结合数字图像处理技术提取出危岩体表面的断裂特征线，然后比较两期特征线三维坐标的变化情况来分析地质危岩体的稳定程度，能够提取危岩体滑坡表面线状特征，获取的是三维形变量，可以分别从X，Y，Z三个方向的变形情况分析岩体内部稳定性，提高了可靠性；对于提取出特征线的三维坐标，在X，Y，Z三个方向分析其位移情况，全面直观地反映了危岩体在监测周期内的运动情况。
附图说明
图1为本发明实施例提供的一种线状特征提取用于地质危岩体稳定性评估方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例提供的一种线状特征提取用于地质危岩体稳定性评估方法流程图。如图1所示，该方法包括：
步骤S101，获取危岩体表面位置的两期点云数据。
步骤S102，对两期点云数据均进行植被点数据和无关噪声点数据去除处理。
需要说明的是，危岩体表面植被生长茂盛，为了保证结果的精度，需要剔出植被点云和无关噪声点。
需要说明的是，去除噪声点和植被点是在采集完数据后，将数据导入Cyclone软件中，应用该软件的切面编辑功能去除明显的植被点和噪声点。
步骤S103，通过地物特征点对两期点云数据进行粗配准，并通过ICP算法对两期点云数据进行精配准。
需要说明的是，本发明采用依据特征点和ICP算法相结合的配准方法。这是由危岩体所处的地形环境决定的，高边坡危岩体表面无法布设长期有效的标靶，三维激光扫描仪在采集数据时，距离标靶距离较远，返回信号弱，因此提取出的标靶中心误差较大。而该配准方法，首先依据选择岩体表面的明显特征点完成粗配准，使得多期数据基本处于同一参考坐标系中，然后应用ICP配准算法完成精配准。
需要说明的是，由于采集的两期点云数据不在同一参考系下，所以对采集的数据要进行配准，配准是在采集两期数据后进行的，对两期点云数据进行配准时，首先依据选择岩体表面的明显特征点完成粗配准，使得两期数据基本处于同一参考坐标系中，然后应用ICP配准算法完成精配准。本发明中由于危岩体无法布设标靶，故通过选取地物特征点进行粗配准然后应用ICP配准方法实现精配准。
进一步，粗配准是在两期点云数据上选取同名特征点将第二期点云坐标与第一期点云坐标统一。配准原理使用三个以上的点解算刚体变换的七个参数：三个旋转参数、三个平移参数、和一个缩放参数，即每个点有三个条件，要解算七个参数至少需要七个条件，利用多余观测平差解算七参数，两个点之间的变换关系如下:
其中，R为旋转矩阵，定义如下：
由于选取的同名特征点不一定是同一个点，可能存在偏差，所以要进行ICP精配准。
进一步，ICP算法是目前应用广泛的点云配准算法，它通过迭代优化矩阵，在每次迭代过程中，对目标点集上的每个点，在参考点集中寻找最近点作为对应点，由此计算相应的坐标变换向量，将其用于目标点集上，得到新的目标点集并进入下次迭代过程，直到误差收敛，最终得到优秀的转换矩阵，实现两个点集的精确配准。
需要说明的是，因为不同时期获取的两期点云数据不在同一坐标参考系中，配准就是以第一期点云的坐标为参考坐标系，将第二期点云的坐标转换到该参考坐标系下，只有将两期点云统一到同一坐标系下，比较才有意义。
步骤S104，采用克里金插值方法，将两期点云数据分别生成两个危岩体表面模型。
需要说明的是，与自然邻点法相比，克里金插值法不会因为数据缺失引起表面模型边缘出现锯齿状。
需要说明的是，在实际扫描过程中，一般很难保证扫描的危岩体里面恰好与扫描仪横向扫描面内的坐标轴(X轴或Y轴)垂直，那么在点云表面内插之前需要进行旋转，保证危岩体里面与横向扫描面内的某一坐标轴能与立面垂直。
进一步，针对于表面起伏不大的危岩体，将扫描的点云数据投影到扫描平面内，得到一系列离散的点，利用这些离散点拟合出一条直线，根据直线的斜率求得直线与X轴之间的夹角θ，对于每一个数据点(xi，yi，zi)，利用下式对点云数据进行旋转变换，得到旋转后坐标(Xi，Yi，Zi)即相当于将点云数据绕Z轴旋转角度θ。同时，由于危岩体表面与水平面近似垂直，为了符合常规的表达方式，即危岩体数字表面模型的建立以Z方向为准，还需要对坐标系进行变换，将Z轴与Y轴进行对调，从而完成对数据的初始处理。
步骤S105，对危岩体表面模型中的规则格网的三维坐标点集按照每一点的Z值进行灰度量化处理，将两个危岩体表面模型分别生成两个危岩体表面深度图像。
较佳地，对危岩体表面模型中的规则格网数据进行灰度量化处理，将两个危岩体表面模型分别生成两个危岩体表面深度图像，具体包括：
对危岩体表面模型中的规则格网的三维坐标点进行搜索，确定危岩体表面模型中的规则格网的三维坐标点中的最大Z值和最小Z值。
根据最大Z值和最小Z值，通过公式(1)，确定危岩体表面模型中的规则格网中的每个三维坐标点的像素灰度值。
公式(1)如下所示：
其中，Gi为规则格网的三维坐标点灰度值；Zi为规则格网的三维坐标点高程值；Zmax为规则格网的三维坐标点中的最大Z值；Zmin为规则格网的三维坐标点中的最小Z值。
将危岩体表面模型中的规则格网中的三维坐标点中的X坐标和Y坐标转化为危岩体表面深度图像的二维坐标；其中，危岩体表面深度图像的二维坐标点与危岩体表面深度图像的像素点对应。
根据危岩体表面模型中的规则格网中的每个三维坐标点的像素灰度值和危岩体表面深度图像的二维坐标，确定危岩体表面深度图像。
需要说明的是，对内插得到的规则格网数据点进行搜索，得到最大Z值和最小Z值，依据公式(1)对各个高程进行量化，得到每个格网点的像素灰度值；同时将规则格网数据的三维点坐标中的X与Y坐标转化为危岩体表面深度影像的二维坐标，其中，坐标点与像素点一一对应，如此就生成了同规则格网大小相同的危岩体表面深度影像。
步骤S106，采用边缘检测算子，对两个危岩体表面深度图像分别进行特征线提取；并根据危岩体表面模型中规则格网的三维坐标点与危岩体表面深度图像中像素点的对应关系，分别获取两个危岩体表面模型中规则格网特征线的三维坐标点集合。
较佳地，采用边缘检测算子，对两个危岩体表面深度图像分别进行特征线提取；具体包括：
利用高斯滤波器对危岩体表面深度图像进行平滑处理。
确定危岩体表面深度图像的幅值和方向。
对危岩体表面深度图像的幅值进行最大化抑制处理。
通过双阈值算法跟踪危岩体表面深度图像边缘。
需要说明的是，边缘提取的过程是先检测出灰度的不连续性，然后将不连续的边缘像素连接起来，成为物体完整的特征。常用的边缘检测算子有Roberts算子，Sobel算子，Prewitt算子，Laplacian算子，Canny算子。本专利采用的是Canny算子。相比于其他算子Canny算子的边缘检测性和抗噪性都是最好的。
需要说明的是，规则格网中的每一个数据点的位置都可以使用其在格网数据中的行列号p[i,j]表示，对应的三维坐标为p[i,j](X,Y,Z)，其对应的像素点在深度图像中的行列号同样为[i,j]，因此当在深度影像中提取出某一确定的特征线时，可以根据该特征线在深度图像中的位置，从而在格网数据中找到相应的行列号，得到特征线的三维坐标集合。
需要说明的是，采用数字图像处理技术对危岩体表面进行特征提取，将量化生成的深度图像进行特征提取，规则格网的数据组织形式与深度图像的数据组织形式是相同的，每一个像素点对应规则格网的一个三维坐标点，依据这个关系可以提取出各特征线的三维坐标。
步骤S107，根据两个危岩体表面模型中规则格网特征线的三维坐标点集合，通过计算两个危岩体表面模型中规则格网特征线的三维坐标点集合中相应点的变形量，确定危岩体在监测周期内的稳定性。
需要说明的是，两期点云数据通过步骤S106可以提取出各自的特征线三维坐标点集，那么就可以通过相应点之间的坐标来计算每个点的变形量，同时两条特征线中所有点对的变形量刻画了整条特征线在监测周期内的运动情况。
需要说明的是，本发明结合数字图像处理技术提取出危岩体表面的断裂特征线，然后比较两期特征线三维坐标的变化情况来分析地质危岩体的稳定程度，能够提取危岩体滑坡表面线状特征，获取的是三维形变量，可以分别从X，Y，Z三个方向的变形情况分析岩体内部稳定性，提高了可靠性；对于提取出特征线的三维坐标，在X，Y，Z三个方向分析其位移情况，全面直观地反映了危岩体在监测周期内的运动情况。
以上公开的仅为本发明的几个具体实施例，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (3)

1.一种线状特征提取用于地质危岩体稳定性评估方法，其特征在于，包括：
获取危岩体表面位置的两期点云数据；
对两期点云数据均进行植被点数据和无关噪声点数据去除处理；
通过地物特征点对两期点云数据进行粗配准，并通过ICP算法对两期点云数据进行精配准；
采用克里金插值方法，将两期点云数据分别生成两个危岩体表面模型；
对危岩体表面模型中的规则格网的三维坐标点集按照每一点的Z值进行灰度量化处理，将两个危岩体表面模型分别生成两个危岩体表面深度图像；
采用边缘检测算子，对两个危岩体表面深度图像分别进行特征线提取；并根据危岩体表面模型中规则格网的三维坐标点与危岩体表面深度图像中像素点的对应关系，分别获取两个危岩体表面模型中规则格网特征线的三维坐标点集合；
根据两个危岩体表面模型中规则格网特征线的三维坐标点集合，通过计算两个危岩体表面模型中规则格网特征线的三维坐标点集合中相应点的变形量，确定危岩体在监测周期内的稳定性。
2.如权利要求1所述的线状特征提取用于地质危岩体稳定性评估方法，其特征在于，所述对危岩体表面模型中的规则格网的三维坐标点集按照每一点的Z值进行灰度量化处理，将两个危岩体表面模型分别生成两个危岩体表面深度图像；包括：
对危岩体表面模型中的规则格网的三维坐标点进行搜索，确定危岩体表面模型中的规则格网的三维坐标点中的最大Z值和最小Z值；
根据最大Z值和最小Z值，通过公式(1)，确定危岩体表面模型中的规则格网中的每个三维坐标点的像素灰度值；
将危岩体表面模型中的规则格网中的三维坐标点中的X坐标和Y坐标转化为危岩体表面深度图像的二维坐标；其中，危岩体表面深度图像的二维坐标点与危岩体表面深度图像的像素点对应；
根据危岩体表面模型中的规则格网中的每个三维坐标点的像素灰度值和危岩体表面深度图像的二维坐标，确定危岩体表面深度图像；
公式(1)如下所示：
<mrow> <msub> <mi>G</mi> <mi>i</mi> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>Z</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>Z</mi> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> </msub> </mrow> <mrow> <msub> <mi>Z</mi> <mi>max</mi> </msub> <mo>-</mo> <msub> <mi>Z</mi> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> </msub> </mrow> </mfrac> <mo>*</mo> <mn>255</mn> </mrow>
其中，Gi为规则格网的三维坐标点灰度值；Zi为规则格网的三维坐标点高程值；Zmax为规则格网的三维坐标点中的最大Z值；Zmin为规则格网的三维坐标点中的最小Z值。
3.如权利要求1所述的线状特征提取用于地质危岩体稳定性评估方法，其特征在于，所示采用边缘检测算子，对两个危岩体表面深度图像分别进行特征线提取；包括：
利用高斯滤波器对危岩体表面深度图像进行平滑处理；
确定危岩体表面深度图像的幅值和方向；
对危岩体表面深度图像的幅值进行最大化抑制处理；
通过双阈值算法跟踪危岩体表面深度图像边缘。
CN201710302861.9A 2017-05-03 2017-05-03 一种线状特征提取用于地质危岩体稳定性评估方法 Pending CN107220964A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710302861.9A CN107220964A (zh) 2017-05-03 2017-05-03 一种线状特征提取用于地质危岩体稳定性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710302861.9A CN107220964A (zh) 2017-05-03 2017-05-03 一种线状特征提取用于地质危岩体稳定性评估方法

Publications (1)

Publication Number Publication Date
CN107220964A true CN107220964A (zh) 2017-09-29

Family

ID=59944512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710302861.9A Pending CN107220964A (zh) 2017-05-03 2017-05-03 一种线状特征提取用于地质危岩体稳定性评估方法

Country Status (1)

Country Link
CN (1) CN107220964A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107862656A (zh) * 2017-10-30 2018-03-30 北京零壹空间科技有限公司 一种3d图像点云数据的规整化实现方法、系统
CN108072898A (zh) * 2018-02-11 2018-05-25 中国石油化工股份有限公司 基于平面数据密度估计的地质边界识别方法
CN108109157A (zh) * 2017-12-18 2018-06-01 武汉大学 一种基于数字式全景钻孔图像的岩体评估分析方法
CN110298103A (zh) * 2019-06-25 2019-10-01 中国电建集团成都勘测设计研究院有限公司 基于无人机机载三维激光扫描仪的高陡危岩体调查方法
CN110426001A (zh) * 2019-08-30 2019-11-08 四川大学 一种基于三维激光扫描的危岩体旋转位移监测方法
CN113324581A (zh) * 2021-04-26 2021-08-31 北京中关村智连安全科学研究院有限公司 一种高精度的非接触式边坡危岩监测预警方法
CN115452820A (zh) * 2022-07-21 2022-12-09 成都华建地质工程科技有限公司 基于钻孔电视图像提取结构面特征的方法及装置和介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104391340A (zh) * 2014-11-26 2015-03-04 中国电建集团成都勘测设计研究院有限公司 水电环境边坡危岩体地质检测方法
CN105335973A (zh) * 2015-10-20 2016-02-17 上海交通大学 运用于带钢加工生产线的视觉处理方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104391340A (zh) * 2014-11-26 2015-03-04 中国电建集团成都勘测设计研究院有限公司 水电环境边坡危岩体地质检测方法
CN105335973A (zh) * 2015-10-20 2016-02-17 上海交通大学 运用于带钢加工生产线的视觉处理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈良良: "高危岩体表面线状特征提取及形变分析", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107862656A (zh) * 2017-10-30 2018-03-30 北京零壹空间科技有限公司 一种3d图像点云数据的规整化实现方法、系统
CN107862656B (zh) * 2017-10-30 2020-11-06 北京零壹空间科技有限公司 一种3d图像点云数据的规整化实现方法、系统
CN108109157A (zh) * 2017-12-18 2018-06-01 武汉大学 一种基于数字式全景钻孔图像的岩体评估分析方法
CN108109157B (zh) * 2017-12-18 2021-07-06 武汉大学 一种基于数字式全景钻孔图像的岩体评估分析方法
CN108072898A (zh) * 2018-02-11 2018-05-25 中国石油化工股份有限公司 基于平面数据密度估计的地质边界识别方法
CN108072898B (zh) * 2018-02-11 2021-02-26 中国石油化工股份有限公司 基于平面数据密度估计的地质边界识别方法
CN110298103A (zh) * 2019-06-25 2019-10-01 中国电建集团成都勘测设计研究院有限公司 基于无人机机载三维激光扫描仪的高陡危岩体调查方法
CN110426001A (zh) * 2019-08-30 2019-11-08 四川大学 一种基于三维激光扫描的危岩体旋转位移监测方法
CN113324581A (zh) * 2021-04-26 2021-08-31 北京中关村智连安全科学研究院有限公司 一种高精度的非接触式边坡危岩监测预警方法
CN113324581B (zh) * 2021-04-26 2022-07-15 北京中关村智连安全科学研究院有限公司 一种高精度的非接触式边坡危岩监测预警方法
CN115452820A (zh) * 2022-07-21 2022-12-09 成都华建地质工程科技有限公司 基于钻孔电视图像提取结构面特征的方法及装置和介质
CN115452820B (zh) * 2022-07-21 2023-10-27 成都华建地质工程科技有限公司 基于钻孔电视图像提取结构面特征的方法及装置和介质

Similar Documents

Publication Publication Date Title
CN107220964A (zh) 一种线状特征提取用于地质危岩体稳定性评估方法
CN109684921B (zh) 一种基于三维激光雷达的道路边界检测与跟踪方法
US5471541A (en) System for determining the pose of an object which utilizes range profiles and synethic profiles derived from a model
CN103017739B (zh) 基于激光雷达点云与航空影像的真正射影像的制作方法
Cheng et al. 3D building model reconstruction from multi-view aerial imagery and lidar data
Zhou et al. Seamless fusion of LiDAR and aerial imagery for building extraction
CN107792115B (zh) 一种利用三维激光点云自动提取既有线轨顶高程方法
CN109633674A (zh) 基于激光点云数据的输电巡视三维航迹自动规划方法
CN108647646A (zh) 基于低线束雷达的低矮障碍物的优化检测方法及装置
CN111046776B (zh) 基于深度相机的移动机器人行进路径障碍物检测的方法
CN104766302B (zh) 一种利用无人机图像优化激光扫描点云数据的方法及系统
CN104657981B (zh) 一种移动机器人运动中三维激光测距数据动态补偿方法
CN110030951A (zh) 一种基于三维激光扫描技术的引水竖井缺陷检测方法
Yang et al. Ransac matching: Simultaneous registration and segmentation
CN104063702A (zh) 一种基于遮挡修复和局部相似性匹配的三维步态识别方法
CN106842216B (zh) 一种基于Kinect与三维激光协同的工件位姿在线检测方法
Cheng et al. Building boundary extraction from high resolution imagery and lidar data
CN109060820B (zh) 基于激光检测的隧道病害检测方法及隧道病害检测装置
CN111028221A (zh) 基于直线特征检测的飞机蒙皮对缝测量方法
CN113884002A (zh) 基于二三维信息融合的受电弓滑板上表面检测系统及方法
CN103065295B (zh) 一种基于建筑物角点自修正的航空与地面LiDAR数据高精度自动配准方法
Li et al. Feature extraction and modeling of urban building from vehicle-borne laser scanning data
CN110246223B (zh) 一种隧道建模方法及装置
Wang Automatic extraction of building outline from high resolution aerial imagery
CN112614233B (zh) 一种在vr虚拟环境下的碎片拼接方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170929

RJ01 Rejection of invention patent application after publication