CN109509184A - 基于全覆盖取样的结构面三维粗糙度系数确定方法 - Google Patents
基于全覆盖取样的结构面三维粗糙度系数确定方法 Download PDFInfo
- Publication number
- CN109509184A CN109509184A CN201811317049.4A CN201811317049A CN109509184A CN 109509184 A CN109509184 A CN 109509184A CN 201811317049 A CN201811317049 A CN 201811317049A CN 109509184 A CN109509184 A CN 109509184A
- Authority
- CN
- China
- Prior art keywords
- sample
- value
- sampling
- face
- dimensional
- 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
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
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- 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
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Optics & Photonics (AREA)
- Quality & Reliability (AREA)
- Processing Or Creating Images (AREA)
Abstract
一种基于全覆盖取样的结构面三维粗糙度系数确定方法,包括以下步骤:1)利用手持三维激光扫描仪大型的岩石结构面样品,获取结构面三维激光扫描图,并存为STL格式;2)利用MATLAB对1)中获取的图片进行数字化处理,将图片的底面旋转到水平面后,以样品图片的左下角为原点,相邻两边为X轴、Y轴,建立三维坐标系;3)对岩石结构面进行全覆盖取样;4)完成对样品结构面次取样;5)记录4)中单位取样区域的结构面粗糙信息,完成了对岩石结构面的全覆盖取样;6)求取5)中单位取样区域各自的三维粗糙度系数值并求出平均值即认为是该岩石结构面的三维粗糙度系数值。本发明能够较准确的求取大型岩石结构面三维粗糙度系数值。
Description
技术领域
本发明涉及一种利用渐进式全覆盖取样法求取结构面JRC值的计算方法。通过利用全覆盖取样方法,对结构面进行采样,使获取的样本集能较好的代表结构面整体,之后通过对系列小区域样本结构面JRC值的计算,实现对结构面整体JRC值的计算。适用于计算大型岩石结构面三维粗糙度系数值的场合。
背景技术
研究表明,岩体的稳定性很大程度受岩石结构面的影响。而岩石结构面的力学性质与岩石结构面的表面粗糙度密切相关。Barton等最早提出利用结构面表面粗糙度系数(JRC)来量化结构面表面粗糙度,并提出10条标准粗糙度轮廓曲线及JRC-JCS模型。此后,如何计算JRC值便成为国内外学者研究的热点。目前对计算轮廓线JRC2d值方法的研究逐渐成熟,主要计算方法有:经验估算法、统计参数法、直边法&修正直边法和分形维数法等。此后学者们将研究方向逐渐从对轮廓线JRC2d的研究转向对结构面JRC3d的研究,并取得丰硕的成果。目前学者们提出了大量的结构面JRC3d的表征方法:Rs表征法、F(θ)表征法、Z2s表征法、表征法、表征法、三维分形维数D表征法、BAP表征法、SRv表征法等。但学者们的研究主要针对结构面整体,对结合取样方法对结构面进行取样,利用大量小样本表征结构面整体的研究却较少。
在实际工程中,大型岩石结构面的尺寸往往非常大,如果以结构面整体为研究对象求取结构面JRC3d值,将对实验设备和数据后处理提出较高的要求。而结合合理的取样方法,将对结构面整体的计算转化为对大量小型样本的计算,从而使计算过程得到简化。
目前对结合对结构面取样计算岩体结构面JRC3d方法主要有:(1)是在结构面表面随机划取等面积的小型结构面样本,利用大量小型结构面的粗糙信息表征结构面整体粗糙信息。该取样方法获得的样本量较大,但样本覆盖的均匀性不够良好,因此样本代表性不够高,势必造成求值结果不合理,且该类方法在结构面模型的取样中的研究鲜有报道。且该类取样方法在对结构面轮廓线的取样中的研究鲜有报道;(2)二维均匀取样计算法:游志诚等利用样本大量剖面线的二维粗糙度系数(JRC2d)的平均近似值来近似代替样本结构面的三维粗糙度系数(JRC3d),即以每个结构面岩样表面中心为中心点,从0°开始,每隔5°作为一组剪切面,共36个剪切面,每个剪切面上以1mm左右的间距切100条剖面线,随后编程算出每个剪切方向每条剖面线的粗糙度系数并求出其平均值即为准三维粗糙度系数,然后求出36个剪切面的准粗糙度系数的平均值,即为所求的三维粗糙度系数这种计算法是利用大量轮廓线的JRC2d值的均值代替结构面整体的JRC3d值,这种计算方法的合理性还有待商榷。(3)三维均匀取样计算法:即是在确定小区域样本的面积后。通过划分网格的方法,将结构面整体划分为数个相同面积的网格,每个网格即是单个样本结构面,通过对大量小区域样本结构面JRC3d值的处理完成对结构面整体JRC3d值的处理。但这种计算法在取样时,样本与样本之间的粗糙信息不会被记录,会造成结构面粗糙信息的丢失。
发明内容
为了克服已有的对大型结构面粗糙度系数的计算中,由于取样方法的缺陷而导致的无法准确求取岩石结构面三维粗糙度系数值的缺点。本发明提供一种岩石结构面全覆盖确定方法,能够较准确的求取大型岩石结构面三维粗糙度系数值。
本发明解决其技术问题所采用的技术方案是:
一种基于全覆盖取样的结构面三维粗糙度系数确定方法,包括以下步骤:
1)利用手持三维激光扫描仪大型的岩石结构面样品,大小为Dcm*Dcm,获取结构面三维激光扫描图,并存为STL格式;
2)利用MATLAB对1)中获取的图片进行数字化处理,将图片的底面旋转到水平面后,以样品图片的左下角为原点,相邻两边为X轴、Y轴,建立三维坐标系,以点的Z轴数值表示该点的起伏高度,通过X、Y、Z三轴坐标信息来表示岩石结构面粗糙信息;
3)在对岩石结构面进去采样时,以边长为dcm的正方形为单位取样区域,Δ为每次推进长度,其中Δd<d<D,对岩石结构面进行全覆盖取样,具体取样方法为:令正方形四个角点坐标为(xi,yi)、(xi+d,yi)、(xi+d,yi+d、xi,yi+d、其中xi=Δd*m,yi=Δd*n,m、n∈0、D-dΔd,D-dΔd、m、n均为整数,利用MATLAB编程记录采样区域内样本结构面的粗糙信息;
4)使3)中m=1,此时n依次取值为依次类推,使n依次取值为即可完成对样品结构面以边长为d的正方形为取样区域,Δd为单位推进长度的次取样;
5)记录4)中个单位取样区域的结构面粗糙信息,此时便完成了对岩石结构面的全覆盖取样;
6)求取5)中个单位取样区域各自的三维粗糙度系数值并求出平均值即认为是该岩石结构面的三维粗糙度系数值,即
本发明提出的基于三维渐进式取样的结构面粗糙度系数值确定方法,即保证了样本的高代表性,又通过对大量小区域结构面三维粗糙度系数的处理代替对结构面整体粗糙度系数的处理保证了计算结果的合理性,且通过样本间的相互重叠保证了样本边界间粗擦信息不丢失。
本发明的有益效果主要表现在:(1)本发明通过计算大型结构面上系列小区域样本的JRC值,实现对结构面整体JRC值的计算,使计算大型结构面JRC值的计算过程得到简化。(2)利用全覆盖取样方法取样所获取的样本量更大,能够更好的表征结构面整体的粗糙信息。且全覆盖取样方法采样单元之间存在一定长度的重叠,可以保证采样单元之间粗糙信息不丢失。从而使计算结果更加精确、合理。
附图说明
图1是样本结构面。
图2是结构面全覆盖的取样方法的图解(D=100cm、d=10cm、Δd=2cm),其中,(a)表示采样单元沿X方向逐渐移动,(b)表示(a)中沿X方向排列的数个采样单元沿Y反方向逐渐移动。
图3是d=40cm,不同单次推进长度对应的JRC3d计算值对比图。
图4是Δd=5cm时,不同采样单元边长对应的JRC3d计算值对比图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1~图4,一种基于全覆盖取样的结构面三维粗糙度系数确定方法,包括以下步骤:
1)利用手持三维激光扫描仪大型的岩石结构面样品,大小为100cm*100cm,获取结构面三维激光扫描图,并存为STL格式;
2)利用MATLAB对1)中获取的图片进行数字化处理,获得结构面表面起伏形态的三维点云数据。将图片的底面摆正,以样品图片的左下角为原点,相邻两边为X轴、Y轴,建立三维坐标系,以点的Z轴数值表示该点的起伏高度。通过X、Y、Z三轴坐标信息来表示岩石结构面粗糙信息;
3)以X-Y平面上结构面的投影为工作平面,以投影的左下角点为原点,建立平面直角坐标系,设置取样单元为边长50cm的正方形,单次推进长度为2cm。令正方形四个角点坐标为:
(xi,yi)、(xi+50,yi)、(xi+50,yi+50)、(xi,yi+50)、其中xi=2*m,yi=2*n,(m、n∈(0、26),m、n均为整数)。利用MATLAB编写程序,遍取结构面上在X-Y投影落在该区域内的所有点{(xj,yj)|xj∈xi,xi+50,yj∈yi,yi+50,并记录这些点的三轴坐标信息,存为矩阵。
4)使3)中m=1,此时n依次取值为1、2、3…26,依次类推,使n依次取值为1、2、3…26(取样方法如图2),即可完成对样品结构面以边长为50cm的正方形为取样区域,2cm为单位推进长度的N=676次取样。利用MATLAB记录N=676个单位取样区域内的点云数据,利用点集的三维坐标信息表示该区域内结构面的粗糙信息,此时便完成了对岩石结构面的全覆盖取样。
5)利用均匀覆盖在结构面表面的轮廓曲线的二维粗糙度系数值的平均值来表示,即利用MATLAB编程,在岩体结构面表面三维点云数据上分别截取横向、竖向各10条均匀覆盖在结构面上的轮廓曲线的点云数据值,存为矩阵。并计算其各自的二维粗糙度系数值,计算结果如表1、2。
横向10条轮廓曲线的二维粗糙度系数值分别为:
表1
竖向10条轮廓曲线的二维粗糙度系数值分别为:
表2
求得结构面整体JRC值为:
6)同5)中方法,求676个单位取样区域各自的三维粗糙度系数值并求出其平均值即认为是该岩石结构面的三维粗糙度系数计算值。即
为验证本发明方法求值的合理性,逐渐改变d及Δd的取值,并以5)6)中的方法求出不同d、Δd取值下,小样本二维粗糙度系数值的平均值并与JRC3d的大小进行对比通,对比计算结果如下。
由于必须为整数,故在取确定D、d值后,Δd只能取特定值,本次三维渐进式取样的样本边长D=100cm。分别令d=20cm、30cm、40cm、50cm、60cm、70cm、80cm、90cm,对应的Δd的取值分别为Δdd=20=[4,5,8,10]、Δdd=30=[4、5,7,10]、Δdd=40=[2,3,4,5,6,10,15,20]、Δdd=50=[2,5,10,25]、Δdd=60=[2,4,5,8,10,20]、Δdd=70=[2,3,5,6,10,15]、Δdd=80=[2,4,5,10,20]、Δdd=90=[1,2,5,10](单位:cm),以上述d及对应Δd的取值分别对结构面进行全覆盖取样,并计算出各自样本三维粗糙度系数值的平均值计算结果如下:
d=20cm
d=30cm
d=40cm
d=50cm
d=60cm
d=70cm
d=80cm
d=90cm
通过比较d及Δd不通取值下,小样本三维粗糙度系数值均值与样本结构面整体三维粗糙度系数值JRC3d的大小关系,发现与JRC3d之间的误差都比较小,其中最大误差为7.94%,最小误差仅为0.4%,由此验证了本发明方法的求值合理性。
为确定能使求值结果最精确的d、Δd值,分别在固定d值取不同Δd值和固定Δd值取不同d值两种情况下,计算各样本三维粗糙度系数值的平均值的大小与样本结构面整体三维粗糙度系数值JRC3d进行对比,观察d、Δd取值对求值结果的影响。因取值必须为整数,故在D=100cm,d、Δd两个参数的取值参照7)中的取值对应关系。本次d、Δd的取值分别为d=40cm、Δd=5cm以确保Δd、d分别有较多的取值。
在采样单元边长d=40cm时,分别计算Δd=2、3、4、5、6、10、12、15、20、30(单位:cm)时,的值。计算结果如下:
在单次推进长度Δd=5cm时,分别计算d=10、20、30、40、50、60、70、80、90(单位:cm)时,的值。计算结果如下:
由上述对比结果及(7)各表中显示d及Δd对采样结果的影响基本呈如下规律:在d取值固定时,随着Δd的增大,小样本三维粗糙度系数值均值与样本结构面整体三维粗糙度系数值JRC3d直接的误差逐渐增大,说明在取样时,采样单元单次移动距离越小,样本之间的重叠度越高,采样效果越好。在Δd固定时,随着d值的增大,小样本三维粗糙度系数值均值与样本结构面整体三维粗糙度系数值JRC3d直接的误差先减小后增大,呈现出“上凸型”。计算误差呈现出这种变化趋势可理解为:在取样时,d值过小,会使取样的单位样本过小,d值过大虽然单位样本大,但是样本移动次数会随之减少,这两者均会导致采样效果变差。综上,在对结构面进行三维渐进式取样时,建议d的取值在D/2大小附近、Δd在合理范围内取较小值时,如此求值结果最精确。
Claims (1)
1.一种基于全覆盖取样的结构面三维粗糙度系数确定方法,其特征在于,所述方法包括以下步骤:
1)利用手持三维激光扫描仪大型的岩石结构面样品,大小为Dcm*Dcm,获取结构面三维激光扫描图,并存为STL格式;
2)利用MATLAB对1)中获取的图片进行数字化处理,将图片的底面旋转到水平面后,以样品图片的左下角为原点,相邻两边为X轴、Y轴,建立三维坐标系,以点的Z轴数值表示该点的起伏高度,通过X、Y、Z三轴坐标信息来表示岩石结构面粗糙信息;
3)在对岩石结构面进去采样时,以边长为dcm的正方形为单位取样区域,Δd为每次推进长度,其中Δd<d<D,对岩石结构面进行全覆盖取样,具体取样方法为:令正方形四个角点坐标为(xi,yi)、(xi+d,yi)、(xi+d,yi+d)、(xi,yi+d)、其中xi=Δd*m,yi=Δd*n,(m、 m、n均为整数),利用MATLAB编程记录采样区域内样本结构面的粗糙信息;
4)使3)中m=1,此时n依次取值为依次类推,使n依次取值为即可完成对样品结构面以边长为d的正方形为取样区域,Δd为单位推进长度的次取样;
5)记录4)中个单位取样区域的结构面粗糙信息,此时便完成了对岩石结构面的全覆盖取样;
6)求取5)中个单位取样区域各自的三维粗糙度系数值并求出平均值即认为是该岩石结构面的三维粗糙度系数值,即
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811317049.4A CN109509184A (zh) | 2018-11-07 | 2018-11-07 | 基于全覆盖取样的结构面三维粗糙度系数确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811317049.4A CN109509184A (zh) | 2018-11-07 | 2018-11-07 | 基于全覆盖取样的结构面三维粗糙度系数确定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109509184A true CN109509184A (zh) | 2019-03-22 |
Family
ID=65747740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811317049.4A Pending CN109509184A (zh) | 2018-11-07 | 2018-11-07 | 基于全覆盖取样的结构面三维粗糙度系数确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109509184A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110415290A (zh) * | 2019-07-03 | 2019-11-05 | 绍兴文理学院 | 一种系列尺度岩体结构面模型的代表性取样方法 |
CN114152221A (zh) * | 2021-10-27 | 2022-03-08 | 北京工业大学 | 一种基于分形维数的组合材料接触面粗糙度确定方法 |
CN112001907B (zh) * | 2020-08-24 | 2024-02-27 | 大连海事大学 | 一种隧道施工现场围岩粗糙度测量的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106227923A (zh) * | 2016-07-14 | 2016-12-14 | 中国地质大学(武汉) | 一种岩体结构面三维粗糙度评价方法 |
CN106482674A (zh) * | 2016-11-14 | 2017-03-08 | 绍兴文理学院 | 基于中智数函数的结构面粗糙度尺寸效应的近似表达方法 |
CN106769276A (zh) * | 2016-11-14 | 2017-05-31 | 绍兴文理学院 | 基于Dice相似度量的三维结构面代表性试样选取方法 |
CN107656902A (zh) * | 2017-09-13 | 2018-02-02 | 绍兴文理学院 | 不同采样间距下的结构面粗糙度系数统计方法 |
-
2018
- 2018-11-07 CN CN201811317049.4A patent/CN109509184A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106227923A (zh) * | 2016-07-14 | 2016-12-14 | 中国地质大学(武汉) | 一种岩体结构面三维粗糙度评价方法 |
CN106482674A (zh) * | 2016-11-14 | 2017-03-08 | 绍兴文理学院 | 基于中智数函数的结构面粗糙度尺寸效应的近似表达方法 |
CN106769276A (zh) * | 2016-11-14 | 2017-05-31 | 绍兴文理学院 | 基于Dice相似度量的三维结构面代表性试样选取方法 |
CN107656902A (zh) * | 2017-09-13 | 2018-02-02 | 绍兴文理学院 | 不同采样间距下的结构面粗糙度系数统计方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110415290A (zh) * | 2019-07-03 | 2019-11-05 | 绍兴文理学院 | 一种系列尺度岩体结构面模型的代表性取样方法 |
CN112001907B (zh) * | 2020-08-24 | 2024-02-27 | 大连海事大学 | 一种隧道施工现场围岩粗糙度测量的方法 |
CN114152221A (zh) * | 2021-10-27 | 2022-03-08 | 北京工业大学 | 一种基于分形维数的组合材料接触面粗糙度确定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106600690B (zh) | 基于点云数据的复杂建筑体三维建模方法 | |
CN109509184A (zh) | 基于全覆盖取样的结构面三维粗糙度系数确定方法 | |
CN112595258A (zh) | 基于地面激光点云的地物轮廓提取方法 | |
CN105572687B (zh) | 一种基于车载激光雷达点云制作建筑物数字线划图的方法 | |
CN103020342A (zh) | 一种从地面LiDAR数据中提取建筑物轮廓和角点的方法 | |
CN109556511A (zh) | 一种基于多视角rgb-d融合技术的悬架式高通量温室植物表型测量系统 | |
CN107792115A (zh) | 一种利用三维激光点云自动提取既有线轨顶高程方法 | |
CN102042814A (zh) | 大型堆场三维形貌的投影辅助摄像测量方法 | |
CN109886939A (zh) | 基于张量投票的桥梁裂缝检测方法 | |
CN108804714A (zh) | 点云数据存储方法及装置 | |
CN107392954A (zh) | 一种基于序列图像的粗大误差点剔除方法 | |
Hofmann | Analysis of TIN-structure parameter spaces in airborne laser scanner data for 3-D building model generation | |
WO2021139485A9 (zh) | 棱线损坏程度的检测方法及其装置 | |
CN115222883A (zh) | 一种基于地基LiDAR点云的电力杆塔重建方法 | |
CN114119902A (zh) | 一种基于无人机倾斜三维模型的建筑物提取方法 | |
US7893947B2 (en) | Method for extracting edge in photogrammetry with subpixel accuracy | |
CN109859301A (zh) | 一种岩石结构面粗糙度系数精细化表征方法 | |
CN109443256A (zh) | 基于渐进取样的结构面三维粗糙度系数确定方法 | |
CN112634458B (zh) | 一种基于特征显著性评价的口腔模型点云精简方法 | |
CN109493424A (zh) | 结构面三维表面形貌的全覆盖取样方法 | |
CN115980063A (zh) | 工件表面瑕疵检测方法及装置 | |
CN105043962B (zh) | 一种定量测量砂岩质文物表面风化速度的方法 | |
Pu | Generating building outlines from terrestrial laser scanning | |
CN103236078A (zh) | 一种基于面元的复杂场景三维重建方法 | |
CN109470168A (zh) | 结构面二维轮廓曲线渐进取样方法 |
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 |