CN108109157A - 一种基于数字式全景钻孔图像的岩体评估分析方法 - Google Patents
一种基于数字式全景钻孔图像的岩体评估分析方法 Download PDFInfo
- Publication number
- CN108109157A CN108109157A CN201711368683.6A CN201711368683A CN108109157A CN 108109157 A CN108109157 A CN 108109157A CN 201711368683 A CN201711368683 A CN 201711368683A CN 108109157 A CN108109157 A CN 108109157A
- Authority
- CN
- China
- Prior art keywords
- image
- borehole
- rock mass
- digital
- method based
- 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
- 239000011435 rock Substances 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004458 analytical method Methods 0.000 title claims abstract description 30
- 238000006243 chemical reaction Methods 0.000 claims abstract description 16
- 230000003044 adaptive effect Effects 0.000 claims abstract description 11
- 238000005553 drilling Methods 0.000 claims abstract description 11
- 238000011161 development Methods 0.000 claims abstract description 10
- 235000012149 noodles Nutrition 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 230000003287 optical effect Effects 0.000 claims abstract description 7
- 230000018109 developmental process Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 241001062009 Indigofera Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于数字式全景钻孔图像的岩体评估分析方法,对基于数字钻孔摄像技术获取的钻孔光学图像,按照下述步骤处理:S101、读取数字钻孔的平面展开图像,进行颜色空间转换,单独提取HSV空间中的S通道图像;S102、将获取的S单通道图像进行预处理;S103、将预处理后的图像进行自适应阈值分割与边缘细化;S104、将图像进行正弦函数匹配;S105、提取正弦函数拟合参数,并进行对应的岩体参数转换;S106、计算整图单位体积结构面条数以及结构面张开度,得到岩体综合评估系数。本发明的岩体评估分析方法,简单易行,稳定可靠,工作效率高,完成钻孔面的自动识别与参数提取,快速有效评估岩体完整性。
Description
技术领域
本发明涉及一种岩体评估分析方法,具体涉及一种基于数字式全景钻孔图像的岩体评估分析方法。
背景技术
工程岩体中发育有不同规模、不同形状、不同期次、不同成因的结构面,将岩体切割成形状各异、大小不一的镶嵌块体。实践表明,岩体完整性是工程岩体的重要特性,是水文地质、工程地质、土木工程、岩土工程等领域的重要评估指标。岩体的分类评价方法有很多种,其中比较有影响力的有:前苏联普氏岩石坚固系数测定、美国deere岩体质量指标RQD评估、地质力学RMR法、岩石质量指标Q分类体系等等;在专利CN 106296678A中,提出一种基于钻孔光学成像技术的RQD分析方法,对基于钻孔光学成像技术获取的钻孔光学成像照片,进行钻孔图像处理、钻孔信息识别、钻孔RQD计算步骤。
虽然RQD指标已得到广泛使用,但在实际工程中,经常出现同一结构区的同一岩体中,不同钻孔测得的RQD指标离散性很大,有时甚至与实际岩体完整性完全不符的情况。因此,由于工程活动的多样性和岩体赋存环境的复杂性,建立一个实用性强、便于不同工程人员参考,直观反映岩体完整性的分析方法是极为必要的。
基于数字光学技术的钻孔摄像设备能以图片或视频方式直接提供钻孔孔壁的图像,全景360度真实还原钻孔孔壁实际状况,全景图像平面展开是一幅包含一段完整(360度)钻孔孔壁的二维图像,类似孔壁沿北极方向垂直地被劈开,然后展成平面。而三维立体空间中的结构面,在展开平面图像中以一个完整周期的正弦曲线形式呈现,正弦曲线所包含的参数则与结构面的参数特性相关联,可以相互转换,更能直观便捷地反映孔内的实际情况,保证了地质信息采集的完整性和准确性。
在已有文献公开的方法中,对于数字钻孔图像的处理以及后续结构面的识别,存在较多的人为参与环节。人工输入操作参数,尤其是针对图像信息数据较大的情况,不仅仅工作效率低,也会出现处理结果的不稳定性。
本发明提出新的基于数字式全景钻孔图像的岩体评估分析方法,简单易行,稳定可靠,工作效率高,通过完成钻孔面的自动识别与参数提取,快速有效分析评估岩体完整性。
发明内容
本发明目的在于克服现有技术的缺陷,提供一种基于数字式全景钻孔图像的岩体评估分析方法。
本发明是这样实现的:
一种基于数字式全景钻孔图像的岩体评估分析方法,对基于数字钻孔摄像技术获取的钻孔光学图像,按照下述步骤处理:
S101、读取数字钻孔的平面展开图像,进行颜色空间转换,单独提取HSV空间中的S通道图像;
S102、将获取的S单通道图像进行预处理;
S103、将预处理后的图像进行自适应阈值分割与边缘细化;
S104、将图像进行正弦函数匹配;
S105、提取正弦函数拟合参数,并进行对应的岩体参数转换;
S106、计算整图单位体积结构面条数以及结构面张开度,得到岩体综合评估系数。
本发明的基于数字式全景钻孔图像的岩体评估分析方法,主要评估分析过程都是在Matlab平台上完成的。
下面对本发明的每个步骤进行更具体的说明。
步骤S101中,数字钻孔的平面展开图像,是将基于数字钻孔成像技术获取的全景三维图像,展开得到一幅包含一段360度的完整钻孔孔壁的二维图像。这里的展开,类似于孔壁沿北极方向垂直分割,将全景三维图像展开成平面二位图像。
步骤S101中,所述颜色空间转换,是指将图像的RGB颜色空间转换到HSV颜色空间。
这种颜色空间的转换,在本领域已经有常规的转换方法,这里不再赘述。
步骤S102中,所述预处理,包括图像滤波、图像增强。
更进一步的,所述图像滤波是指对获取的S单通道图像进行加权均值滤波,在尽量保留图像细节特征的条件下对图像的噪声进行抑制;所述图像增强是指对滤波后的图像进行自适应γ变换操作,有目的地强调图像特性,改善图像质量、丰富信息量,加强图像判读和识别效果,满足分析的需要。
步骤S103中,将预处理后的图像进行自适应阈值分割,是指根据图像的灰度特性,OSTU大津法分割,自适应确定分割阈值,将图像分割为目标裂缝和背景;
所述边缘细化是指将图像分割为目标裂缝和背景,完成二值化后,利用Matlab设置细化操作参数为无穷大,即意味着将一直对该图像做同样细化处理直到图像不再发生变化。
步骤S104中,将图像进行正弦函数匹配,是指基于数字钻孔成像技术获取的全景三维图像中的裂缝(结构面),在展开得到的360度的完整钻孔孔壁的二维图像中以一个完整的正弦函数体现,采用如下模型匹配:
其中A为幅值、ω为角频率、为初相、c为偏距。
步骤S105中,正弦函数拟合参数,包括幅值A、角频率ω、初相偏距c;所述进行对应的岩体参数转换,包括将幅值A转换为对应结构面倾角α,将初相转换为对应结构面倾向β,将偏距c转换为对应结构面深度Dep。
步骤S106中,计算整图单位体积结构面条数λμ是指计算整图总结构面条数λ与整图对应长度的体积V比值;计算结构面张开度εr,是指将图像裂缝结构面视宽度ε与结构面倾角α的余弦值做乘法运算。
与现有技术相比,本发明具有以下优点和有益效果:
本发明提供的方法是基于数字钻孔图像的,通过应用多种数字图像处理操作,提取正弦函数拟合参数,同时将对应的岩体参数进行转换,最后计算得到岩体综合评估系数,实现了岩体结构面的识别与参数的精确提取,以及最终综合参数对岩体完整性的有效评估。本发明具体有如下技术效果:
(1)本发明所述方法中提取数字钻孔图像HSV颜色空间的单S通道进行后续处理操作,对比RGB三通道空间以及其他单通道图像处理效果更佳,突出增强结构面,保留更多必要细节。
(2)本发明所述方法中加权均值滤波、γ变换的参数以及图像分割的阈值参数是根据图像质量自适应确定,实现了全自动化的处理,避免了人为因素干扰,简化了操作过程,极大的提高了工作效率。
(3)本发明所述方法中计算的单位体积结构面条数以及获得的结构面张开度,将钻孔图像特征与实际钻孔孔壁中结构面等情况相关联,作为岩体完整性的评估参数,能够简单直观并且快速有效地进行判读,为准确的评估提供了可靠的科学依据。
附图说明
图1为本发明基于数字式全景钻孔图像的岩体评估分析方法流程图。
图2为本发明数字式钻孔三维立体以及平面展开图像。
图3为本发明HSV、RGB颜色空间图像。
图4为本发明预处理结果图像。
图5为本发明分割与细化图像。
图6为本发明单结构面匹配正弦函数结果图像。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细说明。
如附图1所示,一种基于数字式全景钻孔图像的岩体评估分析方法,是在Matlab平台上,对基于数字钻孔成像技术获取的钻孔光学图片,按照如下步骤进行处理:
S101、读取数字钻孔的平面展开图像,进行颜色空间转换,单独提取HSV空间中的S通道图像。
图像读取是所有数字图像处理的前提,Matlab提供的图像读取函数支持多种图像文件格式,如jpg、bmp、png、gif、tif等。同时,Matlab对于二值图像、灰度图、索引图等不同图像类型均可有效识别。而基于数字钻孔成像技术得到的图像,通常附加包含图框、标尺、标注等信息,而在后续操作处理主要针对钻孔图像,因此在进行其他图像处理前应进行图像剪裁处理,得到纯粹的钻孔孔壁图像,以确保后续结构面的精确识别。
基于数字式钻孔成像技术获取的图像,均为RGB空间图像,分别有R(红)、G(绿)、B(蓝)三个通道,而通常HSV空间也具有H(色相)、S(饱和度)、V(亮度)三个通道,相对于RGB空间,HSV空间能够非常直观的表达色彩的明暗,色调,以及鲜艳程度,方便进行颜色之间的对比。而又通过对比发现单独S通道图像给出更明显的结构面对比图像,如图3所示,更有利于后续处理操作,所以本实施例中单独提取了S通道图像进行后续处理。
S102、将获取的S单通道图像进行预处理。
图像噪声的消除是图像处理中的一个重要内容,加权均值滤波能够在滤除噪声的同时保留图像细节,抑制图像中的模糊效应。作为本发明的一个具体实施例,选用3╳3窗口模板,通过调节窗口内各像素点对输出图像的影响,确定和保留图像细节的效果。当需要保留更多细节时候,窗口中心值可设置较大。处理结果如图4(a)所示。
本实施例中,采用γ变换来进行图像增强处理,目的是提升图像视觉效果,有选择地突出图像的全局或局部的特性。针对图像灰度值,进行如下灰度公式变换:
S=crγ (1)
r为输入灰度,S变换输出结果,γ为幂,c为常数,γ值不同变换效果不同。
本实施例所述方法设置γ值大于1,达到拉伸图像灰度级较高的区域(结构面),同时压缩灰度级较低的区域(背景)的目的,具体的γ值根据后续正弦函数匹配效果反馈来确定。本发明图像预处理结果如图4(b)所示。
S103、将预处理后进行自适应阈值分割与边缘细化。
阈值分割是最常见的是基于区域的分割方法,本实施例所述方法利用图像中区的目标区域(结构面)与其背景在灰度上的差异,选择合适的阈值,对图像中每个像素点进行区域的划分。本实施例所述方法采用Otsu法进行图像分割。Otsu法应用聚类的思想,目的将图像按灰度级划分成两个不同的区域,使得两个区域间灰度值的差异最大,而每个区域内部的灰度值差异最小,通常使用方差来作为灰度划分的判断标准,方差越大,分割越准确。
本实施例中,将经过前述操作处理后的钻孔图像进行细化,是指从待钻孔图像中除掉一些不必要的像素点,在保持原有结构面边缘特征信息的情况下精炼出结构面骨架,简化钻孔图像的数据量,提高图像精度,用以进入下一阶段的处理。
本发明采用的Otsu分割方法、边缘细化算法结果如图5所示。
S104、将图像进行正弦函数匹配。
数字钻孔平面展开图像,是将基于数字钻孔成像技术获取的全景三维图像,展开得到一幅包含一段完整(360度)钻孔孔壁的二维图像,类似孔壁沿北极方向垂直分割,展开成平面,如图2所示,圆柱面与一个倾斜面相交,其相交线为一椭圆。无论从哪个方位将圆柱面展开,相交线都表现为正弦或余弦曲线见图2。这类正弦曲线的周期为一固定值,周期长度等于数字钻孔图像宽度。于是,数字钻孔图像上的结构面可以用以下模板形式来匹配:
其中c为正弦函数的纵向偏距,暨结构面在钻孔中的深度,ω为正弦函数的角频率,大小等于2π与数字钻孔图像每行的像素点数N的比值,A为幅值,为初相。
匹配后的单结构面正弦函数结果图像如附图6所示。
S105、提取正弦函数拟合参数,并进行对应的岩体参数转换。
不同的结构面由于形态特征和物理特性的不同而呈现一定的差异。在数字钻孔图像中,主要表现为带状正弦曲线颜色的深浅、形态差异、宽度变化等等。简言之对于结构面的确认识别与提取,可以采用结构面的深度位置Dep,结构面最低点所对应位置顺时针方向与正北方向的夹角倾向β,结构面与水平面的夹角α,裂缝视角宽度ε这四个参数来描述。这些参数联系到正弦函数上,则有以下转换关系:
其中,H为数字钻孔图像标识的总长度,M为统计的数字钻孔图像每列的像素数,D为数字钻孔图像三维圆柱孔径,其大小为N与2π的比值。
S106、计算整图单位体积结构面条数以及结构面张开度,得到岩体综合评估系数。
本实施例中,采用的评价指标包括岩体单位体积内结构面条数λμ、结构面平均间距dp,结构面张开度ε,其中,λμ的大小应为整个钻孔孔壁的总结构面数λ与钻孔立体体积V的比值,具体变换如下:
V=πr2H (7)
其中r为钻孔半径,以上变换主要将图像像素与实际钻孔相联系,直观地呈现了从钻孔图像多方面读取的有效信息。
结构面平均间距Δ即为两个相邻结构面的深度位置差值,再求均值,其中反映到平面正弦函数上即为
Δi=|ci+1-ci| i=1,2…,λ-1 (9)
结构面张开度是指裂缝结构面张开的大小,基于数字钻孔图像显现的裂缝所计算量取的宽度为视宽度ε,要根据结构面视宽度ε与其倾角α才能真实还原结构面张开度εr,进行如下转换:
εr=ε·cisα (11)
以上岩体单位体积内结构面条数λμ、结构面平均间距Δ,结构面张开度εr,得到综合评估参数Kc,
其中Qc为常数。系数归一化,如表1所示,为岩体完整性评估系数参考。
表1岩体完整性评估系数参考
本实施例的基于数字式全景钻孔图像的岩体评估分析方法,从图像处理角度出发,有效便利地将图像多特征信息与实际钻孔信息相关联,得到综合评估参数,更直观简单地反应了岩体完整性。同时该方法可通过计算机编程,实现数字钻孔图像的批量处理,快速准确识别、提取岩体信息,提高工作效率
尽管这里参照本发明的解释性实施例对本发明进行了描述,上述实施例仅为本发明较佳的实施方式,本发明的实施方式并不受上述实施例的限制,应该理解,本领域技术人员可以设计出很多其他的修改和实施方式,这些修改和实施方式将落在本申请公开的原则范围和精神之内。
Claims (10)
1.一种基于数字式全景钻孔图像的岩体评估分析方法,其特征在于:对基于数字钻孔摄像技术获取的钻孔光学图像,按照下述步骤处理:
S101、读取数字钻孔的平面展开图像,进行颜色空间转换,单独提取HSV空间中的S通道图像;
S102、将获取的S单通道图像进行预处理;
S103、将预处理后的图像进行自适应阈值分割与边缘细化;
S104、将图像进行正弦函数匹配;
S105、提取正弦函数拟合参数,并进行对应的岩体参数转换;
S106、计算整图单位体积结构面条数以及结构面张开度,得到岩体综合评估系数。
2.根据权利要求1所述基于数字式全景钻孔图像的岩体评估分析方法,其特征在于:
所述基于数字式全景钻孔图像的岩体评估分析方法,评估分析过程是在Matlab平台上完成的。
3.根据权利要求1所述基于数字式全景钻孔图像的岩体评估分析方法,其特征在于:
步骤S101中,数字钻孔的平面展开图像,是将基于数字钻孔成像技术获取的全景三维图像,展开得到一幅包含一段360度的完整钻孔孔壁的二维图像。
4.根据权利要求1所述基于数字式全景钻孔图像的岩体评估分析方法,其特征在于:
步骤S101中,所述颜色空间转换,是指将图像的RGB颜色空间转换到HSV颜色空间。
5.根据权利要求1所述基于数字式全景钻孔图像的岩体评估分析方法,其特征在于:
步骤S102中,所述预处理,包括图像滤波、图像增强。
6.根据权利要求5所述基于数字式全景钻孔图像的岩体评估分析方法,其特征在于:
所述图像滤波是指对获取的S单通道图像进行加权均值滤波,在尽量保留图像细节特征的条件下对图像的噪声进行抑制;所述图像增强是指对滤波后的图像进行自适应γ变换操作,有目的地强调图像特性,改善图像质量、丰富信息量,加强图像判读和识别效果,满足分析的需要。
7.根据权利要求1所述基于数字式全景钻孔图像的岩体评估分析方法,其特征在于:
步骤S103中,将预处理后的图像进行自适应阈值分割,是指根据图像的灰度特性,OSTU大津法分割,自适应确定分割阈值,将图像分割为目标裂缝和背景;
边缘细化是指将图像分割为目标裂缝和背景,完成二值化后,利用Matlab设置细化操作参数为无穷大,即意味着将一直对该图像做同样细化处理直到图像不再发生变化。
8.根据权利要求1所述基于数字式全景钻孔图像的岩体评估分析方法,其特征在于:
步骤S104中,将图像进行正弦函数匹配,是指基于数字钻孔成像技术获取的全景三维图像中的结构面,在展开得到的360度的完整钻孔孔壁的二维图像中以一个完整的正弦函数体现,采用如下模型匹配:
其中A为幅值、ω为角频率、为初相、c为偏距。
9.根据权利要求8所述基于数字式全景钻孔图像的岩体评估分析方法,其特征在于:
步骤S105中,正弦函数拟合参数,包括幅值A、角频率ω、初相偏距c;所述进行对应的岩体参数转换,包括将幅值A转换为对应结构面倾角α,将初相转换为对应结构面倾向β,将偏距c转换为对应结构面深度Dep。
10.根据权利要求9所述基于数字式全景钻孔图像的岩体评估分析方法,其特征在于:
步骤S106中,计算整图单位体积结构面条数λμ是指计算整图总结构面条数λ与整图对应长度的体积V比值;计算结构面张开度εr,是指将图像裂缝结构面视宽度ε与结构面倾角α的余弦值做乘法运算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711368683.6A CN108109157B (zh) | 2017-12-18 | 2017-12-18 | 一种基于数字式全景钻孔图像的岩体评估分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711368683.6A CN108109157B (zh) | 2017-12-18 | 2017-12-18 | 一种基于数字式全景钻孔图像的岩体评估分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108109157A true CN108109157A (zh) | 2018-06-01 |
CN108109157B CN108109157B (zh) | 2021-07-06 |
Family
ID=62210105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711368683.6A Expired - Fee Related CN108109157B (zh) | 2017-12-18 | 2017-12-18 | 一种基于数字式全景钻孔图像的岩体评估分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108109157B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110360963A (zh) * | 2019-07-22 | 2019-10-22 | 中国科学院武汉岩土力学研究所 | 一种钻孔摄像技术的岩体结构面三维粗糙度描述方法 |
CN110443844A (zh) * | 2019-06-25 | 2019-11-12 | 中国地质大学(武汉) | 一种基于钻孔图像的岩体结构面几何信息提取方法 |
CN111798479A (zh) * | 2020-06-30 | 2020-10-20 | 中铁二局集团有限公司 | 一种钻芯取样数据处理方法及系统 |
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 |
CN117994347A (zh) * | 2024-04-07 | 2024-05-07 | 宝鸡市鹏盛鑫有色金属有限责任公司 | 一种法兰加工钻孔高精度定位方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040015296A1 (en) * | 2000-07-17 | 2004-01-22 | Emmanuel Causse | Seismic processing with general non-hyperbolic travel-time corrections |
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 |
CN107220964A (zh) * | 2017-05-03 | 2017-09-29 | 长安大学 | 一种线状特征提取用于地质危岩体稳定性评估方法 |
-
2017
- 2017-12-18 CN CN201711368683.6A patent/CN108109157B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040015296A1 (en) * | 2000-07-17 | 2004-01-22 | Emmanuel Causse | Seismic processing with general non-hyperbolic travel-time corrections |
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 |
CN107220964A (zh) * | 2017-05-03 | 2017-09-29 | 长安大学 | 一种线状特征提取用于地质危岩体稳定性评估方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110443844A (zh) * | 2019-06-25 | 2019-11-12 | 中国地质大学(武汉) | 一种基于钻孔图像的岩体结构面几何信息提取方法 |
CN110443844B (zh) * | 2019-06-25 | 2021-10-15 | 中国地质大学(武汉) | 一种基于钻孔图像的岩体结构面几何信息提取方法 |
CN110360963A (zh) * | 2019-07-22 | 2019-10-22 | 中国科学院武汉岩土力学研究所 | 一种钻孔摄像技术的岩体结构面三维粗糙度描述方法 |
CN111798479A (zh) * | 2020-06-30 | 2020-10-20 | 中铁二局集团有限公司 | 一种钻芯取样数据处理方法及系统 |
CN111798479B (zh) * | 2020-06-30 | 2024-01-23 | 中铁二局集团有限公司 | 一种钻芯取样数据处理方法及系统 |
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 |
CN117994347A (zh) * | 2024-04-07 | 2024-05-07 | 宝鸡市鹏盛鑫有色金属有限责任公司 | 一种法兰加工钻孔高精度定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108109157B (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108109157A (zh) | 一种基于数字式全景钻孔图像的岩体评估分析方法 | |
CN103020917B (zh) | 一种基于显著性检测的中国古代书法绘画图像复原方法 | |
CN106651872A (zh) | 基于Prewitt算子的路面裂缝识别方法及系统 | |
CN108537782B (zh) | 一种基于轮廓提取的建筑物图像匹配与融合的方法 | |
EP2624224A1 (en) | Identification method for valuable file and identification device thereof | |
CN111179232A (zh) | 基于图像处理的钢筋尺寸检测系统及方法 | |
CN104502990A (zh) | 一种基于数码图像的隧道掌子面地质调查方法 | |
CN102800051B (zh) | 一种基于分数阶微分的自适应浮选泡沫图像增强方法 | |
CN102184534B (zh) | 一种利用多尺度高帽选择变换的图像融合方法 | |
CN110838117B (zh) | 一种基于孔壁图像的岩石面孔隙度识别方法 | |
CN103325117B (zh) | 一种基于matlab的岩心图像处理方法及系统 | |
CN109858539A (zh) | 一种基于深度学习图像语义分割模型的roi区域提取方法 | |
CN110544300B (zh) | 一种基于二维手绘图像特征自动生成三维模型的方法 | |
CN109584240A (zh) | 滑坡后缘裂缝位移图像识别方法 | |
CN106296678B (zh) | 基于钻孔光学成像技术的rqd分析方法 | |
CN105093289A (zh) | 一种基于图像处理的地震层位识别方法 | |
CN110147778A (zh) | 稀土矿开采识别方法、装置、设备及存储介质 | |
CN116012316A (zh) | 一种钻井岩芯滚筒扫描图片的裂缝识别方法 | |
CN109766892A (zh) | 一种基于边缘检测的射线检测图像标记信息字符分割方法 | |
CN104835142A (zh) | 一种基于纹理特征的车辆排队长度检测方法 | |
CN109766850A (zh) | 基于特征融合的指纹图像匹配方法 | |
CN108460419A (zh) | 钻孔光学图像和雷达成像信息融合的裂缝参数提取方法 | |
CN111241916A (zh) | 一种交通标志识别模型的建立方法 | |
CN116109813A (zh) | 一种钻锚孔识别方法、系统、电子设备及介质 | |
US7003155B2 (en) | System and method for creating unclassified line drawings from classified NTM images |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210706 Termination date: 20211218 |
|
CF01 | Termination of patent right due to non-payment of annual fee |