CN108489402A - 基于三维激光扫描的露天矿山边坡岩体节理规模快速精细取值方法 - Google Patents

Abstract

一种基于三维激光扫描的露天矿山边坡岩体节理规模快速精细取值方法，采用三维激光扫描测量方法获得结构面几何参数，利用K均值聚类方法进行了结构面分组，并在各组结构面迹长统计分析的基础上，结合野外现场测量结果，确定了边坡各组岩体结构面产状、规模的统计分布规律与统计特征值，计算结构面贯通率系数，提供一种露天矿山边坡岩体节理规模快速精细取值方法。

Description

基于三维激光扫描的露天矿山边坡岩体节理规模快速精细取 值方法

技术领域

本发明涉及一种露天矿山边坡岩体节理规模快速精细取值方法，特别的是本发明是采用三维激光扫描测量方法获得了的结构面几何参数，利用K均值聚类方法进行了结构面分组，在各组结构面产状统计分析的基础上，结合野外现场测量结果，确定边坡各组岩体结构面产状、规模的统计分布规律与统计特征值，野外现场调查与室内统计分析相结合，显著提高了露天矿山边坡岩体结构面规模确定的可靠性，本发明属于工程技术领域。

背景技术

结构面是边坡岩体中由力学强度较低的部位或岩性相对软弱的夹层构成的不连续面，岩体的变形与稳定性主要取决于结构面的发育条件。露天矿山边坡的稳定性受岩体结构面控制，结构面的产状、规模、组合型式及其与边坡面的空间组合关系决定了矿山边坡潜在的破坏模式。矿山边坡的稳定性受岩体结构面控制，结构面的产状、规模、组合型式及其与边坡面的空间组合关系决定了矿山边坡潜在的破坏模式。露天矿山边坡的工程岩体中发育有不同规模的结构面，不同规模结构面对矿山边坡稳定性影响的程度和范围是不同的，需要开展结构面规模和露天矿山边坡规模的匹配性分析。一般来说，露天矿山边坡的规模是比较好确定的，但是结构面规模测量却存在不小的问题。

虽然，在前人研究中有关岩体结构面产状测量较多，但针对岩体节理规模快速测定的研究较少。结构面发育规模一般通过迹长来表示，它是指结构面在露头表面出露的长度。目前，工程中常用测线法、窗口统计法即通过皮尺和罗盘人工现场逐一测量结构面几何信息(迹长、倾向、倾角、间距、隙宽等)。由于岩体结构面具有分布广、数量多、随机性强的特点，仅仅依据这种低效、费力、耗时的常规方法难以满足工程需求，特别是遇到陡崖、险坡等现场条件，这类测量方法便难以实施。

岩体结构面三维网络模拟是研究岩体结构特征的重要手段，为了获得准确的岩体结构面三维网络模型，必须保证结构面规模统计模型的正确性。然而，常规测量方法测量数据的全面性与代表性，受到限制很难保证结构面规模测量结果的准确性。

依据结构面规模与边坡规模的匹配关系，可以将结构面划分为贯穿性结构面、非贯穿性结构面两大类。边坡可能沿着贯穿性结构面及其组合发生整体滑移或楔体破坏，这时边坡的稳定性称为总体边坡的整体稳定性。若总体边坡整体稳定性较好，但贯穿性结构面可能与非贯穿结构面和小规模结构面组合构成潜在滑动面，边坡可能沿着该组合滑动面发生变形破坏，此时边坡的稳定性称为总体边坡的局部稳定性。贯穿性、非贯穿性结构面类型的判定对边坡稳定性评价有着重要意义，但是目前并没快速、精确的方法进行测定。

因此，针对目前岩体结构面规模研究的局限性，亟需提出一套完整的露天矿山边坡岩体节理规模快速精细取值方法。

发明内容

为了解决露天矿山边坡岩体节理规模精细快速取值问题，本发明采用三维激光扫描测量方法获得结构面几何参数，利用K均值聚类方法进行了结构面分组，并在各组结构面迹长统计分析的基础上，结合野外现场测量结果，确定了边坡各组岩体结构面迹长的统计分布规律与统计特征值，计算结构面贯通率系数，提供一种露天矿山边坡岩体节理规模快速精细取值方法。

为了解决上述技术问题，本发明提供如下技术方案：

一种基于三维激光扫描的露天矿山边坡岩体节理规模快速精细取值方法，所述方法包括以下步骤：

(1)现场结构面几何参数测量；

(2)结构面三维激光扫描精细测量，过程如下：

2.1：根据观测边坡岩体范围与空间位置，选取岩体表面的某个测量点作为初始测量点；

2.2：根据各个测量点与三维激光扫描仪的可旋转测量头之间的距离，设定三维激光扫描仪的主机的测点空间位置和姿态；

2.3：等分辨率扫描边坡岩体结构面空间点云数据；

2.4：检查点云数据记录结果，对扫描过程中产生的噪声、孔洞进行修补，对局部稀疏数据增补处理；

(3)结构面点云数据分析与处理，过程如下：

3.1：计算拓扑构造后的点云中当前点与相邻点的距离与距离均值，通过距离阈值对点云数据中噪声点进行识别和剔除；

3.2：根据设定的测量装置自身空间坐标初始位置与现场结构面接触式测量步骤2中所测得的参考结构面产状和迹长，确定点云数据的空间三维坐标；

3.3：采用快速k近邻搜索方法，估计点云表面法线；

3.4：采用区域生长算法进行结构面识别，并对识别出的结构面进行分割提取；

3.5：对提取出的结构面进行平面拟合，获取所以结构面的产状数据，即倾向A₁，倾角B₁；

3.6：选取各组结构面轮廓边界端点，按下式计算任意一条结构面迹线的迹长L₁：

式中：L₁为迹长；(a_i，b_i，c_i)表示第i个控制点坐标；n为迹线控制点数量；

(4)结构面产状K均值聚类与结构面规模统计分析。

进一步，所述步骤(4)中，结构面产状K均值聚类与结构面规模统计分析的过程如下：

4.1：将现场结构面产状接触式测量确定的K组结构面倾向A₀ ^*，倾角B₀ ^*，作为每个聚类确定一个初始聚类中心，得到K个初始聚类中心；

4.2：根据相似性度量准则计算每个样本数据距聚类中心的距离；将每个样本数据分配到距它最近的聚类中心，得到K组数据；

4.3：对于每组结构面，采用特征模量分析方法求解每组数据的聚类中心，假设某组内存在l个数据，求解它们的聚类中心采用如下：

首先，采用如下公式计算矩阵S

式中(x_i，y_i，z_i)为任意结构面的单位法向量，i＝1,2，…，l；

然后，求解矩阵S的特征值(τ₁，τ₂，τ₃)及其对应的特征向量(ξ₁，ξ₂，ξ₃)，τ₁＜τ₂＜τ₃，最大特征值对应的特征向量ξ₃为组内l个向量的平均向量，该平均向量作为新的聚类中心；

4.4：按照4.2～4.3重复计算，直到所有聚类中心的位置都固定，结构面数据的组别分配也随之固定；

4.5：将4.4得到的以单位法向量表示的结构面产状数据转换为以倾向、倾角表示的结构面产状数据；

4.6：将4.5得到的每组结构面对应的迹长数据进行统计分析，计算结构面迹长的平均值m与标准差σ，计算迹长数据的稳健区间[m-σ,m+σ]；

4.7：判断K组结构面的初始聚类中心对应的迹长L₀ ^*，是否落在稳健区间[m-σ,m+σ]范围内，若在该范围内，结构面聚类分析完成；若不在该范围内，说明初始聚类数目K估计不正确，需要对K值进行修改，将新的聚类数目K₁，K₁＝K+1，带入4.1，重新按照4.1～4.6进行聚类，直到初始聚类中心的迹长L₀ ^*，落在稳健区间[m-σ,m+σ]范围内；

4.8：根据4.7得到的最后结构面分组情况，计算结构面倾向、倾角、迹长的概率分布；

4.9：根据4.8得到的最后结构面迹长、倾角统计平均值L_m和B_m，计算结构面贯通率系数λ，

节理贯通率系数λ>β倍数的断层为贯穿结构面，β的取值范围为0.85～0.95；节理贯通率系数λ≤β倍数的断层为非贯穿结构面。

再进一步，所述步骤(1)中，现场结构面几何参数测量的过程如下：

1.1：通过露天矿山边坡分级分析确定所需研究的边坡研究范围，测量边坡节理至坡顶的高度H，观察研究范围内岩体结构面发育的总体特征；

1.2：依据观察到的结构面发育总体特征，初步判断边坡岩体由k₀组结构面构成，采用地质罗盘对各组结构面中露头完整、测量条件较好的结构面进行测量，作为参考结构面产状；采用钢卷尺、激光测距仪对各组结构面中露头完整、测量条件较好的结构面进行测量，作为参考结构面长度；采用数码相机对边坡岩质结构面进行拍摄，照片记录相应结构面位置；

1.3：采用地质罗盘、钢卷尺或激光测距仪对每组结构面产状、迹长进行测量，产状包括倾向A₀，倾角B₀，至少获得9个测点数据；

1.4：对于倾角小于等于80°的结构面，每组结构面产状数据依据结构面倾角大小，剔除最大2个值、最小2个值，计算其余5个产状、迹长数据的算术平均值，即倾向A₀ ^*，倾角B₀ ^*、迹长L₀ ^*，倾向A₀ ^*，倾角B₀ ^*视为代表该组结构面总体规律的产状，迹长L₀ ^*视为代表该组结构面总体规律的迹长；

对于倾角大于80°的结构面，每组结构面产状数据依据结构面倾向，按产状数据集中原则归类剔除异常数据后，计算其余5个产状、迹长数据的算术平均值，即倾向A₀ ^*，倾角B₀ ^*、迹长L₀ ^*，倾向A₀ ^*，倾角B₀ ^*视为代表该组结构面总体规律的产状，迹长L₀ ^*视为代表该组结构面总体规律的迹长。

本发明的有益效果是：采用三维激光扫描测量方法快速获得结构面几何参数，将现场结构面产状接触式测量结果作为初始聚类中心，利用K均值聚类方法进行了结构面分组，并在各组结构面迹长统计分析的基础上，结合野外现场测量结果对分组结果进行检验，确定了边坡各组岩体结构面规模的概率分布，得到了结构面贯通率系数。

具体实施方式

下面对本发明做进一步说明。

一种基于三维激光扫描的露天矿山边坡岩体节理规模快速精细取值方法，包括现场代表性结构面几何参数测量、结构面三维激光扫描精细测量、结构面点云数据分析与处理、结构面产状K均值聚类与结构面规模统计分析四个方面内容，包括以下步骤：

(1)现场结构面几何参数测量：

1.1：通过露天矿山边坡分级分析确定所需研究的边坡研究范围，测量边坡节理至坡顶的高度H，观察研究范围内岩体结构面发育的总体特征；

1.2：依据观察到的结构面发育总体特征，初步判断边坡岩体由k₀组结构面构成，采用地质罗盘对各组结构面中露头完整、测量条件较好的结构面进行测量，作为参考结构面产状；采用钢卷尺、激光测距仪对各组结构面中露头完整、测量条件较好的结构面进行测量，作为参考结构面长度；采用数码相机对边坡岩质结构面进行拍摄，照片记录相应结构面位置；

1.3：采用地质罗盘、钢卷尺(或激光测距仪)对每组结构面产状(倾向A₀，倾角B₀)、迹长进行测量，至少获得9个测点数据；

1.4：对于倾角小于等于80°的结构面，每组结构面产状数据依据结构面倾角大小，剔除最大2个值、最小2个值，计算其余5个产状、迹长数据的算术平均值(倾向A₀ ^*，倾角B₀ ^*、迹长L₀ ^*)，倾向A₀ ^*，倾角B₀ ^*可视为代表该组结构面总体规律的产状，迹长L₀ ^*可视为代表该组结构面总体规律的迹长。

对于倾角大于80°的结构面，每组结构面产状数据依据结构面倾向，按产状数据集中原则归类剔除异常数据后，计算其余5个产状、迹长数据的算术平均值(倾向A₀ ^*，倾角B₀ ^*、迹长L₀ ^*)，倾向A₀ ^*，倾角B₀ ^*可视为代表该组结构面总体规律的产状，迹长L₀ ^*可视为代表该组结构面总体规律的迹长。

(2)结构面三维激光扫描精细测量，过程如下：

2.1：根据观测边坡岩体范围与空间位置，选取岩体表面的某个测量点作为初始测量点；

2.2：根据各个测量点与三维激光扫描仪的可旋转测量头之间的距离，设定三维激光扫描仪的主机的测点空间位置和姿态；

2.3：等分辨率扫描边坡岩体结构面空间点云数据；

2.4：检查点云数据记录结果，对扫描过程中产生的噪声、孔洞进行修补，对局部稀疏数据增补处理。

(3)结构面点云数据分析与处理，过程如下：

3.1：计算拓扑构造后的点云中当前点与相邻点的距离与距离均值，通过距离阈值对点云数据中噪声点进行识别和剔除；

3.2：根据设定的测量装置自身空间坐标初始位置与现场结构面接触式测量步骤(2)中所测得的参考结构面产状和迹长，确定点云数据的空间三维坐标；

3.3：采用快速k近邻搜索方法，估计点云表面法线；

3.4：采用区域生长算法进行结构面识别，并对识别出的结构面进行分割提取；

3.5：对提取出的结构面进行平面拟合，获取所以结构面的产状数据(倾向A₁，倾角B₁)。

3.6：选取各组结构面轮廓边界端点，按下式计算任意一条结构面迹线的迹长L₁：

式中：L₁为迹长；(a_i，b_i，c_i)表示第i个控制点坐标；n为迹线控制点数量。

(4)结构面产状K均值聚类与结构面规模统计分析，过程如下：

4.1：将现场结构面产状接触式测量确定的K组结构面倾向A₀ ^*，倾角B₀ ^*，作为每个聚类确定一个初始聚类中心，得到K个初始聚类中心。

4.2：根据相似性度量准则计算每个样本数据距聚类中心的距离；将每个样本数据分配到距它最近的聚类中心，得到K组数据。

4.3：对于每组结构面，采用特征模量分析方法求解每组数据的聚类中心。假设某组内存在l个数据，求解它们的聚类中心可采用如下：

首先，采用如下公式计算矩阵S

式中(x_i，y_i，z_i)为任意结构面的单位法向量，i＝1,2，…，l。

然后，求解矩阵S的特征值(τ₁，τ₂，τ₃)及其对应的特征向量(ξ₁，ξ₂，ξ₃)，τ₁＜τ₂＜τ₃，最大特征值对应的特征向量ξ₃为组内l个向量的平均向量，该平均向量作为新的聚类中心。

4.4：按照4.2～4.3重复计算，直到所有聚类中心的位置都固定，结构面数据的组别分配也随之固定。

4.5：将4.4得到的以单位法向量表示的结构面产状数据转换为以倾向、倾角表示的结构面产状数据；

4.6：将4.5得到的每组结构面对应的迹长数据进行统计分析，计算结构面迹长的平均值m与标准差σ，计算迹长数据的稳健区间[m-σ,m+σ]。

4.7：判断K组结构面的初始聚类中心对应的迹长L₀ ^*，是否落在稳健区间[m-σ,m+σ]范围内，若在该范围内，结构面聚类分析完成；若不在该范围内，说明初始聚类数目K估计不正确，需要对K值进行修改，将新的聚类数目K₁，K₁＝K+1，带入4.1，重新按照4.1～4.6进行聚类，直到初始聚类中心的迹长L₀ ^*，落在稳健区间[m-σ,m+σ]范围内。

4.8：根据4.7得到的最后结构面分组情况，计算结构面倾向、倾角、迹长的概率分布。

4.9：根据4.8得到的最后结构面迹长、倾角统计平均值L_m和B_m，计算结构面贯通率系数λ，

节理贯通率系数λ>β倍数的断层为贯穿结构面，β的取值范围为0.85～0.95；节理贯通率系数λ≤β倍数的断层为非贯穿结构面。

Claims (3)

1.一种基于三维激光扫描的露天矿山边坡岩体节理规模快速精细取值方法，其特征在于，所述方法包括以下步骤：

(1)现场结构面几何参数测量；

(2)结构面三维激光扫描精细测量，过程如下：

2.1：根据观测边坡岩体范围与空间位置，选取岩体表面的某个测量点作为初始测量点；

2.2：根据各个测量点与三维激光扫描仪的可旋转测量头之间的距离，设定三维激光扫描仪的主机的测点空间位置和姿态；

2.3：等分辨率扫描边坡岩体结构面空间点云数据；

2.4：检查点云数据记录结果，对扫描过程中产生的噪声、孔洞进行修补，对局部稀疏数据增补处理；

(3)结构面点云数据分析与处理，过程如下：

3.1：计算拓扑构造后的点云中当前点与相邻点的距离与距离均值，通过距离阈值对点云数据中噪声点进行识别和剔除；

3.2：根据设定的测量装置自身空间坐标初始位置与现场结构面接触式测量步骤2中所测得的参考结构面产状和迹长，确定点云数据的空间三维坐标；

3.3：采用快速k近邻搜索方法，估计点云表面法线；

3.4：采用区域生长算法进行结构面识别，并对识别出的结构面进行分割提取；

3.5：对提取出的结构面进行平面拟合，获取所以结构面的产状数据，即倾向A₁，倾角B₁；

3.6：选取各组结构面轮廓边界端点，按下式计算任意一条结构面迹线的迹长L₁：

式中：L₁为迹长；(a_i，b_i，c_i)表示第i个控制点坐标；n为迹线控制点数量；

(4)结构面产状K均值聚类与结构面规模统计分析。

2.如权利要求1所述的基于三维激光扫描的露天矿山边坡岩体节理规模快速精细取值方法，其特征在于，所述步骤(4)中，结构面产状K均值聚类与结构面规模统计分析的过程如下：

4.1：将现场结构面产状接触式测量确定的K组结构面倾向A₀ ^*，倾角B₀ ^*，作为每个聚类确定一个初始聚类中心，得到K个初始聚类中心；

4.2：根据相似性度量准则计算每个样本数据距聚类中心的距离；将每个样本数据分配到距它最近的聚类中心，得到K组数据；

4.3：对于每组结构面，采用特征模量分析方法求解每组数据的聚类中心，假设某组内存在l个数据，求解它们的聚类中心采用如下：

首先，采用如下公式计算矩阵S

式中(x_i，y_i，z_i)为任意结构面的单位法向量，i＝1,2，…，l；

然后，求解矩阵S的特征值(τ₁，τ₂，τ₃)及其对应的特征向量(ξ₁，ξ₂，ξ₃)，τ₁＜τ₂＜τ₃，最大特征值对应的特征向量ξ₃为组内l个向量的平均向量，该平均向量作为新的聚类中心；

4.4：按照4.2～4.3重复计算，直到所有聚类中心的位置都固定，结构面数据的组别分配也随之固定。

4.5：将4.4得到的以单位法向量表示的结构面产状数据转换为以倾向、倾角表示的结构面产状数据；

4.6：将4.5得到的每组结构面对应的迹长数据进行统计分析，计算结构面迹长的平均值m与标准差σ，计算迹长数据的稳健区间[m-σ,m+σ]；

4.7：判断K组结构面的初始聚类中心对应的迹长L₀ ^*，是否落在稳健区间[m-σ,m+σ]范围内，若在该范围内，结构面聚类分析完成；若不在该范围内，说明初始聚类数目K估计不正确，需要对K值进行修改，将新的聚类数目K₁，K₁＝K+1，带入4.1，重新按照4.1～4.6进行聚类，直到初始聚类中心的迹长L₀ ^*，落在稳健区间[m-σ,m+σ]范围内；

4.8：根据4.7得到的最后结构面分组情况，计算结构面倾向、倾角、迹长的概率分布；

4.9：根据4.8得到的最后结构面迹长、倾角统计平均值L_m和B_m，计算结构面贯通率系数λ，

节理贯通率系数λ>β倍数的断层为贯穿结构面，β的取值范围为0.85～0.95；节理贯通率系数λ≤β倍数的断层为非贯穿结构面。

3.如权利要求1或2所述的基于三维激光扫描的露天矿山边坡岩体节理规模快速精细取值方法，其特征在于，所述步骤(1)中，现场结构面几何参数测量的过程如下：

1.1：通过露天矿山边坡分级分析确定所需研究的边坡研究范围，测量边坡节理至坡顶的高度H，观察研究范围内岩体结构面发育的总体特征；

1.2：依据观察到的结构面发育总体特征，初步判断边坡岩体由k₀组结构面构成，采用地质罗盘对各组结构面中露头完整、测量条件较好的结构面进行测量，作为参考结构面产状；采用钢卷尺、激光测距仪对各组结构面中露头完整、测量条件较好的结构面进行测量，作为参考结构面长度；采用数码相机对边坡岩质结构面进行拍摄，照片记录相应结构面位置；

1.3：采用地质罗盘、钢卷尺或激光测距仪对每组结构面产状、迹长进行测量，产状包括倾向A₀，倾角B₀，至少获得9个测点数据；

1.4：对于倾角小于等于80°的结构面，每组结构面产状数据依据结构面倾角大小，剔除最大2个值、最小2个值，计算其余5个产状、迹长数据的算术平均值，即倾向A₀ ^*，倾角B₀ ^*、迹长L₀ ^*，倾向A₀ ^*，倾角B₀ ^*视为代表该组结构面总体规律的产状，迹长L₀ ^*视为代表该组结构面总体规律的迹长；

对于倾角大于80°的结构面，每组结构面产状数据依据结构面倾向，按产状数据集中原则归类剔除异常数据后，计算其余5个产状、迹长数据的算术平均值，即倾向A₀ ^*，倾角B₀ ^*、迹长L₀ ^*，倾向A₀ ^*，倾角B₀ ^*视为代表该组结构面总体规律的产状，迹长L₀ ^*视为代表该组结构面总体规律的迹长。