CN110570401A - 一种基于图像识别的斜坡碎裂岩体信息获取方法 - Google Patents
一种基于图像识别的斜坡碎裂岩体信息获取方法 Download PDFInfo
- Publication number
- CN110570401A CN110570401A CN201910764193.0A CN201910764193A CN110570401A CN 110570401 A CN110570401 A CN 110570401A CN 201910764193 A CN201910764193 A CN 201910764193A CN 110570401 A CN110570401 A CN 110570401A
- Authority
- CN
- China
- Prior art keywords
- rock mass
- particles
- fractured rock
- image
- slope
- 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 215
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000002245 particle Substances 0.000 claims abstract description 279
- 238000009826 distribution Methods 0.000 claims abstract description 33
- 238000011065 in-situ storage Methods 0.000 claims abstract description 24
- 238000011161 development Methods 0.000 claims abstract description 14
- 239000002023 wood Substances 0.000 claims description 25
- 239000000523 sample Substances 0.000 claims description 18
- 229910000831 Steel Inorganic materials 0.000 claims description 14
- 239000010959 steel Substances 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000009533 lab test Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 description 11
- 238000012360 testing method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 125000004432 carbon atom Chemical group C* 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000011499 joint compound Substances 0.000 description 1
- 238000010951 particle size reduction Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- 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)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于图像识别的斜坡碎裂岩体信息获取方法，本发明基于高山峡谷区滑坡破裂岩体实例，借助高清数码相机采集的多张碎裂岩体图像，提出对图像中颗粒进行矢量化，并计算提取颗粒几何参数、碎裂块度指数、块体分形维数、颗粒分布的曲率系数，获得碎裂岩体颗粒的几何特征信息和发育分布规律信息，并估算原位岩体抗剪强度信息，从而快速评价碎裂岩体质量。本发明有效地解决了现有技术在高山峡谷等交通不便的地区不易获取斜坡碎裂岩体信息，且无法有效评价碎裂岩体质量的问题。
Description
技术领域
本发明属于岩体信息获取的技术领域，尤其涉及一种基于图像识别的斜坡 碎裂岩体信息获取方法。
背景技术
在我国青藏高原等构造活跃的高山峡谷区，经历横向收缩、垂向增厚、隆 升成山等复杂造山过程，发育有多层次、多期次、多类型叠加的构造变形，造 成斜坡内部岩体普遍十分碎裂；加之，这些地区强震频发，如近百年来就发生 7级以上强震达30余次，促使斜坡岩体进一步碎裂，极大降低了该区斜坡稳 定性。
虽然地质雷达、三维激光扫描等新技术不断发展，可以快速获得对象的三 维点云，但需要多个配套设备和相关供电要求，且对于高山峡谷等交通不便地 区操作不易；取样后，室内进行的抗剪强度试验，由于取样过程造成碎裂岩体 结构的人为破坏、颗粒粒径变小、棱角破坏等问题，导致试验结果与现场往往 存在较大差异，从而无法对碎裂岩体质量进行有效评价。
发明内容
针对现有技术中的上述不足，本发明提供的一种基于图像识别的斜坡碎裂 岩体信息获取方法解决了现有技术中在高山峡谷等交通不便的地区不易获取斜 坡碎裂岩体信息，且无法有效识别碎裂颗粒边界的问题，以及取样后，在室内 进行的抗剪强度试验，无法对碎裂岩体质量进行有效评价的问题。
为了达到以上目的，本发明采用的技术方案为：
本方案提供一种基于图像识别的斜坡碎裂岩体信息获取方法，包括如下步 骤：
S1、选择控制斜坡稳定性的关键带碎裂岩的岩露头,对所述岩露头开挖探槽 或平硐，并在碎裂岩体断面以固定间隔固定钢钉，采集斜坡碎裂岩体的图像信 息；
S2、利用钢钉作为定位点对采集的图像进行拼接；
S3、对拼接后图像中的碎裂岩体块石颗粒进行矢量化处理；
S4、根据所述矢量化处理后的图像计算得到碎裂岩体的颗粒几何特征信息、 发育分布规律信息以及原位抗剪强度信息，从而完成对斜坡碎裂岩体信息的获 取。
本发明的有益效果是：本发明基于高山峡谷区滑坡破裂岩体实例，借助高 清数码相机采集的多张碎裂岩体图像，提出对图像中颗粒进行矢量化处理，并 提取图像中颗粒的几何特征信息、反映碎裂岩体发育分布规律信息的碎裂岩体 的块度指数、碎裂岩体分形维数和图像中的颗粒分布的曲率系数，以及计算碎 裂岩体抗剪强度信息，从而快速评价碎裂岩体质量，本发明有效地解决了现有 技术中在高山峡谷等交通不便的地区不易获取斜坡碎裂岩体信息，且无法有效 识别碎裂颗粒边界的问题。
进一步地，所述步骤S1包括如下步骤：
A1、选择斜坡关键带碎裂岩的岩露头,对所述岩露头开挖探槽或平硐；
A2、在碎裂岩体断面以固定的间隔固定钢钉，构成平直的米格网；
A3、制作木框，将木框依次放置于每个格网内，并对木框及其内部岩体断 面依次拍照；
A4、利用数码相机内置的电子水准仪对拍摄角度进行调整，并判断木框两 边的图像是否变形，若是，则返回步骤A1，反之，则进入步骤S2，从而完成对 斜坡碎裂岩体图像的采集。
上述进一步方案的有益效果是：本发明采集的图像能在一定比例尺条件下 的进行缩放，或用已知长度的重垂测线进行比例尺的确定，能有效地获取清晰 的图像信息，为斜坡碎裂岩体信息的获取提供了良好的条件。
再进一步地，所述步骤S2中对采集的图像进行拼接，其具体为：
利用Photoshop软件，以图像的中部为主，图像的上、下两部分为辅，调 整照片大小，让照片中木框边界重合，对采集的图像进行拼接。
上述进一步方案的有益效果是：本发明能够最大程度地选用角度垂直平硐 侧壁且细节清晰的图像，且能使图像的拼接次数降低为最少，进一步保证了图 像的清晰度，并且为保证拼接质量，在平硐侧壁上间隔0.5m钉有钢钉作为定位 点，以便于Photoshop拼接图像的过程中进行定位于校核。
再进一步地，所述步骤S4包括如下步骤：
B1、根据所述矢量化处理后的图像计算得到图像中颗粒的几何特征信息、 反映碎裂岩体发育分布规律信息的碎裂岩体的块度指数、碎裂岩体分形维数和 颗粒分布的曲率系数；
B2、根据所述图像中颗粒的几何特征信息、碎裂岩体的块度指数、碎裂岩 体的分形维数以及图像中的颗粒分布的曲率系数计算得到碎裂岩体的质量指 数；
B3、根据所述碎裂岩体的质量指数计算得到碎裂岩体的抗剪强度，从而完 成对斜坡碎裂岩体信息的获取。
上述进一步方案的有益效果是：本发明通过提取图像中颗粒的几何特征信 息、反映碎裂岩体发育分布规律信息的碎裂岩体的块度指数、碎裂岩体分形维 数和图像中的颗粒分布的曲率系数以及计算碎裂岩体的抗剪强度，从而获得斜 坡碎裂岩体信息，快速评价碎裂岩体质量。
再进一步地，所述步骤B1中计算图像中颗粒的几何特征信息，包括如下步 骤：
C1、根据所述矢量化处理后的图像获取二维断面上单个碎裂岩体颗粒的最 大可视长轴MODmax以及可视短轴MODmin；
C2、根据所述最大可视长轴MODmax以及可视短轴MODmin计算得到图像中单 个颗粒的平均粒径，所述单个颗粒的平均粒径MOD的表达式如下：
C3、利用领域轮廓跟踪方法对图像中目标颗粒边缘进行轮廓跟踪，标记并 统计目标颗粒的轮廓像素；
C4、根据所述轮廓像素的个数以及轮廓单个像素的边长计算得到其对应的 图像中颗粒的周长Cz；
C5、统计轮廓内像素个数，利用像素边长平方计算得到单个像素面积，并 利用轮廓内各像素面积累加计算得到颗粒面积Sz；
C6、根据所述颗粒的周长以及面积计算得到图像中单个颗粒的圆度，其中， 所述单个颗粒的圆度YD的表达式如下：
其中，Cz表示图像中单个颗粒的周长，Sz表示图像中单个颗粒的面积；
C7、根据所述各颗粒平均粒径MOD计算得到图像中所有颗粒粒径MOD的概 率，所述所有颗粒粒径MOD的概率FMOD(i)的表达式如下：
其中，Fm(i)表示图像中所有颗粒的平均粒径MOD在第i个粒径大小区间的频 数，Ft表示总的碎裂岩体个数，n表示粒径区间的总分段数；
C8、根据颗粒的圆度YD计算得到图像中所有颗粒圆度YD的概率，所述所有 颗粒圆度YD的概率FYD(i)的表达式如下：
其中，Fm(i)表示图像中颗粒的圆度YD在第i个圆度大小区间的频数；
C9、根据所述所有颗粒粒径MOD的概率FMOD(i)以及所有颗粒圆度YD的概率 FYD(i)分别计算得到图像中所有颗粒的平均粒径以及平均圆度，从而完成图像中 颗粒的几何特征信息的计算，其中：
所述图像中所有颗粒的平均粒径EMOD的表达式如下：
其中，i表示区间的个数，且i＝1,..,n，n表示区间的总数，FMOD(i)表示图像 中所有颗粒平均粒径MOD的概率，MOD(i)表示第i区间粒径长度的上限值；
所述图像中所有颗粒的平均圆度的表达式如下：
其中，i表示区间的个数，且i＝1,..,n，n表示区间的总数，FYD(i)表示图像中 所有颗粒的圆度YD的概率，YD(i)表示第i区间颗粒的圆度上限值。
上述进一步方案的有益效果是：本发明通过颗粒的平均粒径、颗粒的圆度、 不同平均粒径的概率以及不同颗粒的圆度的概率计算得到所有颗粒的平均粒径 以及平均圆度，提高了颗粒几何特征信息的准确性，为获取斜坡碎裂岩体信息 提供了良好的条件。
再进一步地，所述步骤B1中碎裂岩体颗粒的块度指数CRBI的表达式如下：
CRBI＝0.01×Cr0.01+0.1×Cr0.1+0.3×Cr0.3+0.5×Cr0.5
+1×Cr1+3×Cr3+10×Cr10+30×Cr30+50×Cr50+100×Cr100
其中，Cr0.01、Cr0.1、Cr0.3、Cr0.5、Cr1、Cr3、Cr10、Cr30、Cr50、Cr100分别表示 碎裂岩块的图像中单个颗粒的平均粒径值在0.01～0.1、0.1～0.3、0.3～0.5、 0.5～1、1～3、3～10、10～30、30～50、50～100cm和≥100cm的区间的概率。
上述进一步方案的有益效果是：本发明利用碎裂岩块的图像中不同平均粒 径的概率值计算得到碎裂岩体的块度指数，提高了计算的精确度。
再进一步地，所述步骤B1中计算碎裂岩体分形维数，包括如下步骤：
D1、根据所述颗粒的平均粒径MOD计算得到颗粒的颗分曲线，其中，颗粒 的颗分曲线的表达式如下：
其中，P(r)表示碎裂岩体单个颗粒平均粒径MOD小于粒径的变量r的碎裂岩 体累计值，Sr表示单个颗粒平均粒径MOD小于粒径的变量r的碎裂岩体颗粒二维 面积之和，ρ1表示碎裂岩体的密度，S1碎裂岩体的总面积，m表示MOD小于粒 径的变量r的碎裂岩体颗粒总个数，Sz(i)表示第i个颗粒的面积，n表示图像内颗 粒的总个数。
D2、根据所述颗粒的颗分曲线计算得到碎裂岩体累计值P(r)和粒径的变量r 的对数值，并根据所述对数值利用最小二乘法拟合得到斜率b；
D3、根据所述斜率b计算得到碎裂岩体的分形维数D，其中，碎裂岩体的分 形维数D的表达式如下：
D＝3-b
上述进一步方案的有益效果是：本发明通过计算颗粒的颗分曲线以及碎裂 岩体的斜率获得碎裂岩体的分形维数，提高了碎裂岩体的分形维数的精确度， 为获得碎裂岩体发育分布规律提供了良好的条件。
再进一步地，所述步骤B1中图像中的颗粒分布的曲率系数Cc的表达式如下：
其中，d10、d30、d60分别表示颗分曲线上占总质量10％、30％、60％时的粒径MOD 值。
上述进一步方案的有益效果是：本发明通过选择颗分曲线上占总质量10％、30％、60％时的平均粒径值获得颗粒分布的曲率系数，有效地提高了颗粒分布的 曲率系数的精度，为获得碎裂岩体发育分布规律提供了良好的条件。
再进一步地，所述步骤B2中碎裂岩体的质量指数的表达式如下：
其中，EMOD表示图像中所有颗粒的平均粒径，EYD表示图像中所有颗粒的平 均圆度，CRBI表示碎裂岩体的块度指数，D表示碎裂颗粒分形维数，Cc表示图 像中的颗粒分布的曲率系数。
上述进一步方案的有益效果是：本发明通过图像中所有的平均粒径、二维 断面上碎裂岩体的最大可视长轴、最大的圆度值、所有的平均圆度、碎裂岩体 的块度指数以及图像中的颗粒分布的曲率系数计算得到碎裂岩体的质量指数， 提高了碎裂岩体的质量指数的计算精确度，为获取碎裂岩体的抗剪强度提供了 良好的条件。
再进一步地，所述步骤S4中碎裂岩体的原位抗剪强度τ原位的表达式如下：
τ原位＝K×τ室内
σn0＝γh
其中，τ室内表示按原位法向应力计算得到的抗剪强度，σn0表示现场取样点 原位法向应力，γ为斜坡岩体密度和重力加速度乘积，h为从取样点算起的坡体 厚度，表示室内试验获得的内摩擦角，c表示室内试验获得的内聚力，K表示 与碎裂颗粒质量指数MI相关的颗粒抗剪强度修正系数。
上述进一步方案的有益效果是：本发明利用碎裂颗粒质量指数计算碎裂岩 体的抗剪强度，提高了抗剪强度的精确度，并通过抗剪强度有效地识别碎裂颗 粒边界的信息，从而获取在高山峡谷等交通不便地区的斜坡碎裂岩体信息。
附图说明
图1为本发明的方法流程图。
图2为本实施例中单个格网的示意图。
图3为本实施例中图像拼接的示意图。
图4为本实施例中对图像进行矢量化处理的示意图。
图5为本实施例斜坡碎裂岩体图像拍摄方向、图像采集断面、岩石块体断 面示意图。
图6为本实施例斜坡碎裂岩体中颗粒长轴、短轴、周长、面积的示意图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理 解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的 普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精 神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保 护之列。
实施例
本发明基于高山峡谷区10余滑坡破裂岩体实例，借助高清数码相机采集的 1000多张碎裂岩体图像，提出对图像中颗粒进行矢量化，并提取图像中颗粒的 几何特征信息、反映碎裂岩体发育分布规律信息的碎裂岩体的块度指数、碎裂 岩体分形维数和图像中的颗粒分布的曲率系数，以及计算碎裂岩体抗剪强度信 息，从而快速评价碎裂岩体质量，本发明有效地解决了现有技术中在高山峡谷 等交通不便的地区不易获取斜坡碎裂岩体信息，且无法有效识别碎裂颗粒边界 的问题。
如图1所示，本发明提供了一种基于图像识别的斜坡碎裂岩体信息获取方 法，其实现方法如下：
S1、选择控制斜坡稳定性的关键带碎裂岩的岩露头,对所述岩露头开挖探槽 或平硐，并在碎裂岩体断面以固定间隔固定钢钉，采集斜坡碎裂岩体的图像信 息，其实现方法如下：
A1、选择斜坡关键带碎裂岩的岩露头,对所述岩露头开挖探槽或平硐；
A2、在碎裂岩体断面以固定的间隔固定钢钉，构成平直的米格网；
A3、制作木框，将木框依次放置于每个格网内，并对木框及其内部岩体断 面依次拍照；
A4、利用数码相机内置的电子水准仪对拍摄角度进行调整，并判断木框两 边的图像是否变形，若是，则返回步骤A1，反之，则进入步骤S2，从而完成对 斜坡碎裂岩体图像的采集。
本实施例中，选择控制斜坡稳定性的“关键带”碎裂岩的岩露头,对所述岩 露头开挖探槽或平硐，在碎裂岩体断面以1m×1m的间隔固定钢钉，构成平直的米 格网，再以0.2m宽木条制作内框尺寸为0.8m×0.8m的木框，整个木框尺寸为 1m×1m，从而使得木框刚好卡在4颗钢钉内，达到固定木框的目的。如图2所示， 将木框依次放置于每个格网内，即4颗钢钉围成的方形区域内，对木框及其内 部岩体断面依次拍照，采集斜坡碎裂岩体的图像信息，利用数码相机内置的电 子水准仪进行镜头拍摄角度的调整。图像拍摄完成后立即检查图像的拍摄质量： 当木框两边未发生明显变形时图像可用，反之则重新拍摄。一个木框分上、中、 下拍摄三张图像，最有利于图像拼接。木框上标记有以10cm为单位的刻度，可 便于图像在具比例尺条件下的缩放，或用已知长度的重垂测线进行比例尺的确 定能有效地获取清晰的图像信息，为斜坡碎裂岩体信息的获取提供了良好的条 件；
S2、如图3所示，利用钢钉作为定位点对采集的图像进行拼接，其具体为： 利用Photoshop软件，并以图像的中部为主，图像的上、下两部分为辅，调整 照片大小，让照片中木框边界重合，对采集的图像进行拼接。
在本实施例中，由于平硐场地尺寸的限制，数码相机拍摄的图像区域仍然 有限，需要进行一定的拼接才足以研究一定范围内的岩体。用Photoshop软件 来进行拍摄图像的拼接，要最大程度地选用角度垂直平硐侧壁且细节清晰的图 像，由于在图像拼接边界上易发生位错主，用来拼接的图像数量尽可能少，拼 接次数越少，产生的误差就越少，由于一张图像上中心区域较四周区域图像角 度更为稳定，一个木框的上、中、下三张照片，拼接时以中部图像为主，上、 下两部分图像为补充。为保证拼接质量，利用木框对Photoshop拼接图像的过 程进行定位与校核。
S3、对拼接后图像中的碎裂岩体块石颗粒进行矢量化处理。
如图4所示，用AutoCAD软件对照片中碎裂岩块矢量化。图像矢量化过程 中，应该注意到碎裂岩体碎裂程度在不同的局部区域表现出局部的差异性，矢 量化同样应该体现出差异性。由于构造地质环境中，斜坡岩石破碎是十分复杂 过程，形成了不同形状、不同大小、不同风化程度的碎裂块体，块体间又被泥 质、钙质、铁质等胶结，采用计算机、人工智能等手段很难准确、有效的识别 碎裂颗粒边界。将照片导入AutoCAD软件中，用人眼识别颗粒边界。具体步骤： 在AutoCAD软件命令栏中输入直线命令的快件方式“PL”，按一下空格键，提示 指定起点时在颗粒边界上点击鼠标左键，接着依次沿颗粒边界点击鼠标左键； 在围绕颗粒点击一周后，在AutoCAD软件命令栏中输入C，按下空格键，闭合多 段线，从而完成一个颗粒的矢量化。矢量化颗粒大小根据肉眼所能识别的最小 颗粒确定，肉眼无法识别的微细颗粒则用相应大小的圆点代替。
S4、根据所述矢量化处理后的图像计算得到斜坡碎裂岩体的颗粒几何特征 信息、发育分布规律信息以及原位抗剪强度信息，从而完成对斜坡碎裂岩体信 息的获取，其实现方法如下：
B1、根据所述矢量化处理后的图像计算得到图像中颗粒的几何特征信息、 反映碎裂岩体发育分布规律信息的碎裂岩体的块度指数、碎裂岩体分形维数和 颗粒分布的曲率系数，其中：
所述计算图像中颗粒的几何特征信息，包括如下步骤：
C1、如图5所示，根据所述矢量化处理后的图像获取二维断面上单个碎裂 岩体颗粒的最大可视长轴MODmax以及可视短轴MODmin；
C2、根据所述最大可视长轴MODmax以及可视短轴MODmin计算得到图像中单 个颗粒的平均粒径，所述单个颗粒的平均粒径MOD的表达式如下：
C3、利用领域轮廓跟踪方法对图像中目标颗粒边缘进行轮廓跟踪，标记并 统计目标颗粒的轮廓像素；
C4、根据所述轮廓像素的个数以及轮廓单个像素的边长计算得到其对应的 图像中颗粒的周长Cz；
C5、统计轮廓内像素个数，利用像素边长平方计算得到单个像素面积，利 用轮廓内各像素面积累加计算得到颗粒面积Sz；
C6、如图6所示，根据所述颗粒的周长以及面积计算得到图像中单个颗粒 的圆度，其中，所述单个颗粒的圆度YD的表达式如下：
其中，Cz表示图像中单个颗粒的周长，Sz表示图像中单个颗粒的面积；
C7、根据所述各颗粒平均粒径MOD计算得到图像中所有颗粒粒径MOD的概 率，所述所有颗粒粒径MOD的概率FMOD(i)的表达式如下：
其中，Fm(i)表示图像中所有颗粒的平均粒径MOD在第i个粒径大小区间的频 数，Ft表示总的碎裂岩体个数，n表示粒径区间的总分段数；
C8、根据颗粒的圆度YD计算得到图像中所有颗粒圆度YD的概率，所述所有 颗粒圆度YD的概率FYD(i)的表达式如下：
其中，Fm(i)表示图像中颗粒的圆度YD在第i个圆度大小区间的频数；
C9、根据所述所有颗粒粒径MOD的概率FMOD(i)以及所有颗粒圆度YD的概率 FYD(i)分别计算得到图像中所有颗粒的平均粒径以及平均圆度，从而完成图像中 颗粒的几何特征信息的计算，其中：
所述图像中所有颗粒的平均粒径EMOD的表达式如下：
其中，i表示区间的个数，且i＝1,..,n，n表示区间的总数，FMOD(i)表示图像 中所有颗粒平均粒径MOD的概率，MOD(i)表示第i区间粒径长度的上限值；
所述图像中所有颗粒的平均圆度的表达式如下：
其中，i表示区间的个数，且i＝1,..,n，n表示区间的总数，FYD(i)表示图像中 所有颗粒的圆度YD的概率，YD(i)表示第i区间颗粒的圆度上限值；
所述碎裂岩体的块度指数CRBI的表达式如下：
CRBI＝0.01×Cr0.01+0.1×Cr0.1+0.3×Cr0.3+0.5×Cr0.5
+1×Cr1+3×Cr3+10×Cr10+30×Cr30+50×Cr50+100×Cr100
其中，Cr0.01、Cr0.1、Cr0.3、Cr0.5、Cr1、Cr3、Cr10、Cr30、Cr50、Cr100分别表示 碎裂岩块的图像中单个颗粒的平均粒径值在0.01～0.1、0.1～0.3、0.3～0.5、 0.5～1、1～3、3～10、10～30、30～50、50～100cm和≥100cm的区间的概率。
所述计算碎裂岩体的分形维数，包括如下步骤：
D1、根据所述颗粒的平均粒径MOD计算得到颗粒的颗分曲线，其中，颗粒 的颗分曲线的表达式如下：
其中，P(r)表示碎裂岩体单个颗粒平均粒径MOD小于粒径的变量r的碎裂岩 体累计值，Sr表示单个颗粒平均粒径MOD小于粒径的变量r的碎裂岩体颗粒二维 面积之和，ρ1表示碎裂岩体的密度，S1碎裂岩体的总面积，m表示MOD小于粒 径的变量r的碎裂岩体颗粒总个数，Sz(i)表示第i个颗粒的面积，n表示图像内颗 粒的总个数。
D2、根据所述颗粒的颗分曲线计算得到碎裂岩体累计值P(r)和粒径的变量r 的对数值，并根据所述对数值利用最小二乘法拟合得到斜率b；
D3、根据所述斜率b计算得到碎裂岩体的分形维数D，其中，碎裂岩体的分 形维数D的表达式如下：
D＝3-b；
B2、根据所述图像中颗粒的几何特征信息、碎裂岩体的块度指数、碎裂岩 体的分形维数以及图像中的颗粒分布的曲率系数计算得到碎裂岩体的质量指 数；
所述碎裂岩体的质量指数包含颗粒几何特征(即颗粒尺寸和圆度信息)、颗 粒分布特征(即颗粒块度指数、分形维数和曲率系数信息)，质量指数的表达式 如下：
其中，EMOD表示图像中所有颗粒的平均粒径，EYD表示图像中所有颗粒的平 均圆度，CRBI表示碎裂岩体的块度指数，D表示碎裂颗粒分形维数，Cc表示图 像中的颗粒分布的曲率系数；
B3、根据所述碎裂岩体的质量指数计算得到碎裂岩体的抗剪强度，从而完 成对斜坡碎裂岩体信息的获取，碎裂岩体的抗剪强度τ估计公式，取碎裂岩体进 行室内抗剪强度试验，获得室内抗剪强度τ室内，由于取样和制样过程中难免对颗 粒结构产生了再次破坏，采用颗粒质量指数对室内试验获得的库仑强度进行修 正，从而获得现场(原位)碎裂岩体抗剪强度τ原位。
所述碎裂岩体的原位抗剪强度τ原位的表达式如下：
τ原位＝K×τ室内
σn0＝γh
其中，τ室内表示按原位法向应力计算得到的抗剪强度，σn0表示现场取样点 原位法向应力，γ为斜坡岩体密度和重力加速度乘积，h为从取样点算起的坡体 厚度，表示室内试验获得的内摩擦角，c表示室内试验获得的内聚力，K表示 与碎裂颗粒质量指数MI相关的颗粒抗剪强度修正系数。
上式中，MI现场表示上述过程所述的在现场获得参数，按公式计算得到的岩体质量指数值，MI室内表示现场取样到 室内，试验制样后，按相同方法对试样进行图像采集、拼接、矢量化、信息提 取后获得的岩体质量指数值。
所述碎裂岩体的室内质量指数MI室内获得方法如下：对采集回的碎裂岩体进 行室内大剪试验，选择大剪仪的剪切盒内径为500mm，高410mm。将碎裂岩体试 样放入剪切盒内，通过击实使之达到现场重度γ，从而完成制样。然后，通过高 清数码相机采集试样盒内碎裂岩体图像，由于试样盒尺寸小于1m,所以无需进行 钢钉定位和图像拼接。通过S3、S4步骤对碎裂岩体图像进行信息采集，并按公 式计算碎裂颗粒质量指数MI值，此处MI值为从室内 获得，故标记为MI室内。
进一步，对试样进行剪切试验；共进行5组剪切试验，每组法向应力σ0分 别为0.2MPa,0.4MPa,0,6MPa,0.8MPa,1MPa，每组逐级施加剪应力，读取试 样抗剪强度值、峰值抗剪强度和剪切位移值，当剪切变形急剧增大时认为试样 剪切破坏，终止试验。试样不能重复使用。在EXCEL里绘制5次试验的法向应 力σ0(X轴)-峰值强度τ(Y轴)散点图，用直线进行拟合，直线与Y轴交点即 为c值(内聚力)，直线斜率的倾角即为(内摩擦角)。将σn0(取样点法向应力) 作为σ0代入公式从而计算得碎裂岩体的原位抗剪强度τ室内。
本发明借助高清数码相机采集的多张碎裂岩体图像，如表1所示，
表1
| 序号 | E<sub>MOD</sub>/mm | E<sub>YD</sub> | CRBI | D | c<sub>c</sub> | MI<sub>现场</sub> | MI<sub>室内</sub> | τ<sub>室内</sub>/MPa | τ<sub>原位</sub>/MPa |
| 1 | 5.2 | 1 | 4.2 | 2.1 | 2.2 | 13.1 | 7.2 | 0.07 | 0.12 |
| 2 | 7.6 | 0.89 | 11.5 | 1.8 | 3.9 | 24.6 | 18.4 | 0.16 | 0.22 |
| 3 | 14.5 | 0.62 | 14.6 | 1.2 | 4.5 | 36.1 | 26.7 | 0.23 | 0.31 |
| 4 | 22.5 | 0.57 | 17.8 | 1.1 | 6.7 | 49.6 | 38.6 | 0.33 | 0.43 |
| 5 | 43.7 | 0.32 | 21.4 | 1.05 | 4 | 73.1 | 56.3 | 0.39 | 0.51 |
从表1可以看出，本发明通过对图像中颗粒进行矢量化，并计算提取颗粒 几何参数、碎裂块度指数、块体分形维数、颗粒分布的曲率系数，获得碎裂岩 体颗粒的几何特征信息和发育分布规律信息，并估算原位岩体抗剪强度信息， 从而快速评价碎裂岩体质量。本发明有效地解决了现有技术中在高山峡谷等交 通不便的地区不易获取斜坡碎裂岩体信息、评价碎裂岩体质量的问题。
从数据可以看出，由于取样导致碎裂岩体结构破坏、颗粒再次破碎、棱角 破坏等，造成MI现场显著大于MI室内，这是导致室内试验得到的抗剪强度与实际存 在较大差异的原因，本发明通过进行抗剪强度修正，提供了有效解决这一问题 的方法。
Claims (10)
1.一种基于图像识别的斜坡碎裂岩体信息获取方法，其特征在于，包括如下步骤：
S1、选择控制斜坡稳定性的关键带碎裂岩的岩露头,对所述岩露头开挖探槽或平硐，并在碎裂岩体断面以固定间隔固定钢钉，采集斜坡碎裂岩体的图像信息；
S2、利用钢钉作为定位点对采集的图像进行拼接；
S3、对拼接后图像中的碎裂岩体块石颗粒进行矢量化处理；
S4、根据所述矢量化处理后的图像计算得到碎裂岩体的颗粒几何特征信息、发育分布规律信息以及原位抗剪强度信息，从而完成对斜坡碎裂岩体信息的获取。
2.根据权利要求1所述的基于图像识别的斜坡碎裂岩体信息获取方法，其特征在于，所述步骤S1包括如下步骤：
A1、选择斜坡关键带碎裂岩的岩露头,对所述岩露头开挖探槽或平硐；
A2、在碎裂岩体断面以固定的间隔固定钢钉，构成平直的米格网；
A3、制作木框，将木框依次放置于每个格网内，并对木框及其内部岩体断面依次拍照；
A4、利用数码相机内置的电子水准仪对拍摄角度进行调整，并判断木框两边的图像是否变形，若是，则返回步骤A1，反之，则进入步骤S2，从而完成对斜坡碎裂岩体图像的采集。
3.根据权利要求1所述的基于图像识别的斜坡碎裂岩体信息获取方法，其特征在于，所述步骤S2中对采集的图像进行拼接，其具体为：
利用Photoshop软件，并以图像的中部为主，图像的上、下两部分为辅，调整照片大小，让照片中木框边界重合，对采集的图像进行拼接。
4.根据权利要求1所述的基于图像识别的斜坡碎裂岩体信息获取方法，其特征在于，所述步骤S4包括如下步骤：
B1、根据所述矢量化处理后的图像计算得到图像中颗粒的几何特征信息、反映碎裂岩体发育分布规律信息的碎裂岩体的块度指数、碎裂岩体分形维数和颗粒分布的曲率系数；
B2、根据所述图像中颗粒的几何特征信息、碎裂岩体的块度指数、碎裂岩体的分形维数以及图像中的颗粒分布的曲率系数计算得到碎裂岩体的质量指数；
B3、根据所述碎裂岩体的质量指数计算得到碎裂岩体的抗剪强度，从而完成对斜坡碎裂岩体信息的获取。
5.根据权利要求4所述的基于图像识别的斜坡碎裂岩体信息获取方法，其特征在于，所述步骤B1中计算图像中颗粒的几何特征信息，包括如下步骤：
C1、根据所述矢量化处理后的图像获取二维断面上单个碎裂岩体颗粒的最大可视长轴MODmax以及可视短轴MODmin；
C2、根据所述最大可视长轴MODmax以及可视短轴MODmin计算得到图像中单个颗粒的平均粒径，所述单个颗粒的平均粒径MOD的表达式如下：
C3、利用领域轮廓跟踪方法对图像中目标颗粒边缘进行轮廓跟踪，标记并统计目标颗粒的轮廓像素；
C4、根据所述轮廓像素的个数以及轮廓单个像素的边长计算得到其对应的图像中颗粒的周长Cz；
C5、统计轮廓内像素个数，利用像素边长平方计算得到单个像素面积，并利用轮廓内各像素面积累加计算得到颗粒面积Sz；
C6、根据所述颗粒的周长以及面积计算得到图像中单个颗粒的圆度，其中，所述单个颗粒的圆度YD的表达式如下：
其中，Cz表示图像中单个颗粒的周长，Sz表示图像中单个颗粒的面积；
C7、根据所述各颗粒平均粒径MOD计算得到图像中所有颗粒粒径MOD的概率，所述所有颗粒粒径MOD的概率FMOD(i)的表达式如下：
其中，Fm(i)表示图像中所有颗粒的平均粒径MOD在第i个粒径大小区间的频数，Ft表示总的碎裂岩体个数，n表示粒径区间的总分段数；
C8、根据颗粒的圆度YD计算得到图像中所有颗粒圆度YD的概率，所述所有颗粒圆度YD的概率FYD(i)的表达式如下：
其中，Fm(i)表示图像中颗粒的圆度YD在第i个圆度大小区间的频数；
C9、根据所述所有颗粒粒径MOD的概率FMOD(i)以及所有颗粒圆度YD的概率FYD(i)分别计算得到图像中所有颗粒的平均粒径以及平均圆度，从而完成图像中颗粒的几何特征信息的计算，其中：
所述图像中所有颗粒的平均粒径EMOD的表达式如下：
其中，i表示区间的个数，且i＝1,..,n，n表示区间的总数，FMOD(i)表示图像中所有颗粒平均粒径MOD的概率，MOD(i)表示第i区间粒径长度的上限值；
所述图像中所有颗粒的平均圆度的表达式如下：
其中，i表示区间的个数，且i＝1,..,n，n表示区间的总数，FYD(i)表示图像中所有颗粒的圆度YD的概率，YD(i)表示第i区间颗粒的圆度上限值。
6.根据权利要求4所述的基于图像识别的斜坡碎裂岩体信息获取方法，其特征在于，所述步骤B1中碎裂岩体颗粒的块度指数CRBI的表达式如下：
CRBI＝0.01×Cr0.01+0.1×Cr0.1+0.3×Cr0.3+0.5×Cr0.5+1×Cr1+3×Cr3+10×Cr10+30×Cr30+50×Cr50+100×Cr100
其中，Cr0.01、Cr0.1、Cr0.3、Cr0.5、Cr1、Cr3、Cr10、Cr30、Cr50、Cr100分别表示碎裂岩块的图像中单个颗粒的平均粒径值在0.01～0.1、0.1～0.3、0.3～0.5、0.5～1、1～3、3～10、10～30、30～50、50～100cm和≥100cm的区间的概率。
7.根据权利要求4所述的基于图像识别的斜坡碎裂岩体信息获取方法，其特征在于，所述步骤B1中计算碎裂岩体分形维数，包括如下步骤：
D1、根据所述颗粒的平均粒径MOD计算得到颗粒的颗分曲线，其中，颗粒的颗分曲线的表达式如下：
其中，P(r)表示碎裂岩体单个颗粒平均粒径MOD小于粒径的变量r的碎裂岩体累计值，Sr表示单个颗粒平均粒径MOD小于粒径的变量r的碎裂岩体颗粒二维面积之和，ρ1表示碎裂岩体的密度，S1碎裂岩体的总面积，m表示MOD小于粒径的变量r的碎裂岩体颗粒总个数，Sz(i)表示第i个颗粒的面积，n表示图像内颗粒的总个数。
D2、根据所述颗粒的颗分曲线计算得到碎裂岩体累计值P(r)和粒径的变量r 的对数值，并根据所述对数值利用最小二乘法拟合得到斜率b；
D3、根据所述斜率b计算得到碎裂岩体的分形维数D，其中，碎裂岩体的分形维数D的表达式如下：
D＝3-b 。
8.根据权利要求4所述的基于图像识别的斜坡碎裂岩体信息获取方法，其特征在于，所述步骤B1中图像中的颗粒分布的曲率系数Cc的表达式如下：
其中，d10、d30、d60分别表示颗分曲线上占总质量10％、30％、60％时的粒径MOD值。
9.根据权利要求4所述的基于图像识别的斜坡碎裂岩体信息获取方法，其特征在于，所述步骤B2中碎裂岩体的质量指数的表达式如下：
其中，EMOD表示图像中所有颗粒的平均粒径，EYD表示图像中所有颗粒的平均圆度，CRBI表示碎裂岩体的块度指数，D表示碎裂颗粒分形维数，Cc表示图像中的颗粒分布的曲率系数。
10.根据权利要求1所述的基于图像识别的斜坡碎裂岩体信息获取方法，其特征在于，所述步骤S4中碎裂岩体的原位抗剪强度τ原位的表达式如下：
τ原位＝K×τ室内
σn0＝γh
其中，τ室内表示按原位法向应力计算得到的抗剪强度，σn0表示现场取样点原位法向应力，γ为斜坡岩体密度和重力加速度乘积，h为从取样点算起的坡体厚度，表示室内试验获得的内摩擦角，c表示室内试验获得的内聚力，K表示与碎裂颗粒质量指数MI相关的颗粒抗剪强度修正系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910764193.0A CN110570401B (zh) | 2019-08-19 | 2019-08-19 | 一种基于图像识别的斜坡碎裂岩体信息获取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910764193.0A CN110570401B (zh) | 2019-08-19 | 2019-08-19 | 一种基于图像识别的斜坡碎裂岩体信息获取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110570401A true CN110570401A (zh) | 2019-12-13 |
| CN110570401B CN110570401B (zh) | 2020-04-21 |
Family
ID=68774009
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910764193.0A Active CN110570401B (zh) | 2019-08-19 | 2019-08-19 | 一种基于图像识别的斜坡碎裂岩体信息获取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110570401B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111324958A (zh) * | 2020-02-25 | 2020-06-23 | 北京交通大学 | 一种道砟颗粒随机不规则轮廓生成方法 |
| CN111583776A (zh) * | 2020-04-28 | 2020-08-25 | 南京师范大学 | 一种侵入岩体发育时序获取方法 |
| CN113177949A (zh) * | 2021-04-16 | 2021-07-27 | 中南大学 | 一种大尺寸岩石颗粒特征识别方法及装置 |
| CN113899661A (zh) * | 2021-11-08 | 2022-01-07 | 北京科技大学 | 基于矿岩颗粒体系结构特征的细小颗粒穿流特性研究方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101413871A (zh) * | 2008-12-05 | 2009-04-22 | 西北有色金属研究院 | 一种多孔材料孔结构分形维数的计算方法 |
| CN101609050A (zh) * | 2009-07-20 | 2009-12-23 | 大连海事大学 | 一种根据岩芯饼化识别地应力的智能系统 |
| CN102277859A (zh) * | 2011-05-16 | 2011-12-14 | 河海大学 | 基于分形理论的爆破堆石料颗粒级配的优化方法 |
| CN102609986A (zh) * | 2012-03-14 | 2012-07-25 | 中国矿业大学(北京) | 数字矿山中矿体建模系统及其建模和检测方法 |
| CN104462654A (zh) * | 2014-11-11 | 2015-03-25 | 中国矿业大学 | 浅埋藏煤层开采地表贯通裂隙分布和漏风特征判定方法 |
| CN106526693A (zh) * | 2016-09-30 | 2017-03-22 | 中国石油天然气股份有限公司 | 裂缝识别方法和装置 |
| CN107239629A (zh) * | 2017-06-15 | 2017-10-10 | 内蒙古科技大学 | 一种岩石结构面实验室合理尺寸确定的分形维数分析方法 |
| CN109598015A (zh) * | 2018-10-08 | 2019-04-09 | 成都理工大学 | 碎裂结构岩体碎裂程度分级评价方法 |
-
2019
- 2019-08-19 CN CN201910764193.0A patent/CN110570401B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101413871A (zh) * | 2008-12-05 | 2009-04-22 | 西北有色金属研究院 | 一种多孔材料孔结构分形维数的计算方法 |
| CN101609050A (zh) * | 2009-07-20 | 2009-12-23 | 大连海事大学 | 一种根据岩芯饼化识别地应力的智能系统 |
| CN102277859A (zh) * | 2011-05-16 | 2011-12-14 | 河海大学 | 基于分形理论的爆破堆石料颗粒级配的优化方法 |
| CN102609986A (zh) * | 2012-03-14 | 2012-07-25 | 中国矿业大学(北京) | 数字矿山中矿体建模系统及其建模和检测方法 |
| CN104462654A (zh) * | 2014-11-11 | 2015-03-25 | 中国矿业大学 | 浅埋藏煤层开采地表贯通裂隙分布和漏风特征判定方法 |
| CN106526693A (zh) * | 2016-09-30 | 2017-03-22 | 中国石油天然气股份有限公司 | 裂缝识别方法和装置 |
| CN107239629A (zh) * | 2017-06-15 | 2017-10-10 | 内蒙古科技大学 | 一种岩石结构面实验室合理尺寸确定的分形维数分析方法 |
| CN109598015A (zh) * | 2018-10-08 | 2019-04-09 | 成都理工大学 | 碎裂结构岩体碎裂程度分级评价方法 |
Non-Patent Citations (5)
| Title |
|---|
| 于庆磊: "基于数字图像的岩石类材料破裂过程分析方法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
| 刘子侠: "基于数字近景摄影测量的岩体结构面信息快速采集的研究应用", 《中国博士学位论文全文数据库 基础科学辑》 * |
| 卫振海: "岩土材料结构性问题研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
| 杨晴雯: "地震大型滑坡滑带岩体结构特征及地质原型分析", 《科学技术与工程》 * |
| 韩东亮: "数字近景摄影测量获取岩体结构面几何信息的方法研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111324958A (zh) * | 2020-02-25 | 2020-06-23 | 北京交通大学 | 一种道砟颗粒随机不规则轮廓生成方法 |
| CN111324958B (zh) * | 2020-02-25 | 2022-05-03 | 北京交通大学 | 一种道砟颗粒随机不规则轮廓生成方法 |
| CN111583776A (zh) * | 2020-04-28 | 2020-08-25 | 南京师范大学 | 一种侵入岩体发育时序获取方法 |
| CN113177949A (zh) * | 2021-04-16 | 2021-07-27 | 中南大学 | 一种大尺寸岩石颗粒特征识别方法及装置 |
| CN113177949B (zh) * | 2021-04-16 | 2023-09-01 | 中南大学 | 一种大尺寸岩石颗粒特征识别方法及装置 |
| CN113899661A (zh) * | 2021-11-08 | 2022-01-07 | 北京科技大学 | 基于矿岩颗粒体系结构特征的细小颗粒穿流特性研究方法 |
| CN113899661B (zh) * | 2021-11-08 | 2022-12-27 | 北京科技大学 | 基于矿岩颗粒体系结构特征的细小颗粒穿流特性研究方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110570401B (zh) | 2020-04-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110570401B (zh) | 一种基于图像识别的斜坡碎裂岩体信息获取方法 | |
| Li et al. | Automatic characterization of rock mass discontinuities using 3D point clouds | |
| CN106934795B (zh) | 一种混凝土桥梁裂缝的自动检测方法和预测方法 | |
| 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 | |
| Zhang et al. | A modified method of discontinuity trace mapping using three-dimensional point clouds of rock mass surfaces | |
| EP3074948B1 (en) | Automated saw cut correction for 3d core digital modeling from computerized tomography scanner (cts) images | |
| CN105654482B (zh) | 基于数字图像技术的土石混合体表征单元体尺度的确定方法 | |
| Manousakis et al. | Comparison of UAV-enabled photogrammetry-based 3D point clouds and interpolated DSMs of sloping terrain for rockfall hazard analysis | |
| CN102855628A (zh) | 多源多时相高分辨率卫星遥感影像自动匹配方法 | |
| Corradetti et al. | Quantitative analysis of folds by means of orthorectified photogrammetric 3D models: a case study from Mt. Catria, Northern Apennines, Italy | |
| Yang et al. | A fully automatic-image-based approach to quantifying the geological strength index of underground rock mass | |
| CN112906265A (zh) | 一种隧道软弱围岩变形识别与数值模拟方法 | |
| CN115564717A (zh) | 一种基于无人机影像的矿区地表裂缝参数提取方法 | |
| CN112785596B (zh) | 基于dbscan聚类的点云图螺栓分割和高度测量方法 | |
| Cardenal et al. | Close range digital photogrammetry techniques applied to landslide monitoring | |
| Ivanov et al. | Estimation of the height and angles of orientation of the upper leaves in the maize canopy using stereovision | |
| Adnan et al. | Preliminary assessment of joint roughness coefficient of rock slope using close-range photogrammetry technique | |
| Zheng et al. | Accuracy comparison of rock discontinuity geometric parameters in photogrammetry based on two georeferencing methods: Control points and geotagged photos | |
| Shan et al. | Feasibility of Accurate Point Cloud Model Reconstruction for Earthquake‐Damaged Structures Using UAV‐Based Photogrammetry | |
| CN113177949B (zh) | 一种大尺寸岩石颗粒特征识别方法及装置 | |
| CN114969861A (zh) | 大尺度岩体结构精细化辨识及尺寸效应参数获取方法 | |
| CN112964192A (zh) | 一种基于图像视频的工程测量在线标定方法及系统 | |
| Cleveland et al. | Principles and applications of digital photogrammetry for geotechnical engineering | |
| CN114255051A (zh) | 基于立体测绘卫星的正射产品的真实性检验方法 | |
| Jun et al. | Research on oblique aerial photography and its application in detection of hidden geological hazards |
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 |