CN111553292A - 一种基于点云数据的岩体结构面识别与产状分类方法 - Google Patents

Abstract

本发明是一种基于点云数据的岩体结构面识别与产状分类方法。首先采用激光扫描与摄影测量技术，获取描述岩体地质几何特征的点云数据；其次开展点云数据预处理(去噪、修补、抽稀与大地坐标匹配)；然后将点云数据转换为TIN数据，对TIN数据中所有格网单元平面法向量的方向、角度、高程标准差指标进行ISODATA聚类分析，在采用移动窗口法过滤掉较小聚类后获得潜在岩体结构面(层面、节理、断层)；最后对潜在岩体结构面检验高程变异标准差(在+1与‑1之间)判别平面特征来识别岩体结构面。步骤包括：数据采集，数据预处理、数据转换、指标计算、聚类分析、聚类过滤，结构面判定、数据后处理。本发明大幅提高基于点云数据提取岩体地质信息的自动化效率。

Description

一种基于点云数据的岩体结构面识别与产状分类方法

技术领域

本发明涉及一种激光点云技术的岩体结构面数字提取与产状分类、测量方法，属于工程地质勘察技术领域。

背景技术

岩体结构面产状测量方法归纳起来主要有四类：

①、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产状信息。该方法在面对实际工程中岩体结构面分布广、数量多、随机性强的特点，低效、费力、耗时使之难以满足工程需求，而且遇到人迹罕至陡崖险坡受现场条件的影响，测量方法便难以实施，从而导致测量数据的全面性与代表性也受到限制。

②、钻孔定向取芯法(Rosengren,1968)、孔内照相法(Eoek&Pentz,1968)、数字全景钻孔摄像法(王川婴,2001)即通过钻孔取芯后对岩芯中所含结构面产状的量测或通过孔内摄像对孔壁内侧结构面纹理进行数字图像量测来获取钻孔深度范围内相交的结构面产状信息。该方法可以获得深部岩体结构面产状信息，但是孔径范围测量尺寸使得该方法对于长大结构面的测量精度较低，同时钻孔破岩与孔位垂直度也会影响到测量精度。

③、摄影测量法(Ross-Brown&At-kinson,1972；Hagan,1978)即基于数字图像与摄影测量的基本原理，应用计算机三维成像技术、影像匹配、图像插值、模式识别等多学科理论与方法相融合，可以获取地物表面的相对坐标空间几何信息，通过计算这些几何信息可以得到暴露地表岩体结构面产状信息。该方法采用非接触的测量手段，可以不受现场地形条件的制约，但是该方法精度受摄影图像质量与双目摄像间距控制，同时仍然需要一定的人工干预，单条岩体结构面的工作效率比精测线法有所提高，而面对实际工程中众多结构面大量人工干预仍然是无法接受的。

④、地面三维激光扫描法(Terrestrial Laser Scanning，简称TLS)，即通过对地物目标的逐点激光扫描测距可快速获得描述地物表面相对几何坐标信息的高精度点云数据(激光数据)，通过一定人工干预与数据截取可以计算出那些暴露在岩壁表面上的岩体结构面产状。该方法取消了摄影测量法中相对繁琐的摄影测量算法，提高了测量速度与精度，但是仍然需要人工干预在海量点云数据中手动截取描述暴露岩体结构面产状的点云数据，而且该方法对于未暴露岩体结构面或以迹线形式显现的岩体结构面产状是无法测量。

综上所述，面对实际工程中岩体结构面数量多、分布广和随机性强等特点，目前技术瓶颈在于如何兼顾非接触式(取消场地制约)、全自动(取消人工干预)、测量速度快(算法简洁)、普适性(适合多种赋存环境岩体结构面)。

发明内容

技术问题：本发明目的在于提供一种基于点云数据的岩体结构面识别与产状分类方法，借助地面三维激光扫描技术的快速精准空间测量手段，针对岩体结构面的几何特征，规避点云数据的噪声与冗余，实现岩体地质调查区域内所有岩体结构面一次性自动化的提取、分类与测量。

技术方案：本发明的一种基于点云数据的岩体结构面识别与产状分类方法为：在采用三维激光扫描与摄影测量技术获取描述岩体地质几何特征点云数据的基础上，采用对点云数据转换为TIN数据中所有格网单元平面法向量的方向、角度、高程标准差指标进行ISODATA聚类分析，在采用移动窗口法过滤掉较小聚类后获得潜在岩体结构面；而后对潜在岩体结构面检验高程变异标准差，在+1与-1之间判别平面特征来识别岩体结构面。

所述的岩体结构面包括层面、节理、断层。

该方法包括以下步骤：

步骤1：数据采集，在选定岩体地质调查区域后，采用三维激光扫描技术与多幅定焦摄影测量技术，获取描述岩体地质调查区表面几何形态的点云数据；

步骤2：数据预处理：包括去噪，去掉岩体地质调查区中植被或局部表面覆盖物在点云数据中产生的噪声；修补，去噪后点云数据局部造成空洞，依据空洞邻域点云数据趋势分布进行点云数据填充；抽稀，点云数据分布密度的不均一造成局部数据冗余，对数据分布过密区根据点云数据趋势分布进行密度抽稀；大地坐标匹配，依据3个标定点、 2个校准点GPS测量，将点云数据与大地坐标进行匹配；

步骤3：数据转换，依据点云数据进行三角剖分，获得TIN数据格式；

步骤4：指标计算，依据TIN数据的数字高程模型中每个三角网格的三个顶点坐标，计算三角网格平面法向量的方向、角度、以及三个顶点坐标的高程标准差等三个指标；

步骤5：聚类分析，对所有三角网格单元平面法向量的方向、角度、和高程标准差进行ISODATA聚类分析；

步骤6：聚类过滤，采用移动窗口法将聚类结果再进行空间位置分组，依据现场岩体结构面的面积与点云数据的密度，设置合适的分组三角网格数作为阈值，过滤掉小于阈值的聚类分组，剩余的聚类分组为潜在岩体结构面；

步骤7：结构面判定，计算潜在岩体结构面所组成TIN数据三角网格的顶点坐标的高程变异标准差，检验高程变异标准差是否在+1与-1之间，若是则判定该聚类所构成的点云数据呈现平面特征，若否则该聚类为一般岩石暴露面，最后来判别潜在岩体结构面是否是真实的岩体结构面；

步骤8：数据后处理，将岩体结构面所对用的TIN数据转换为点云数据，采用最小二乘法通过点云坐标计算每个结构面的产状值包括倾向和倾角。

有益效果：本发明主要针对野外岩体结构面的数量多、分布广和随机性强等特征，传统岩体结构面产状测量方法工作效率低下，甚至遇到人迹罕至陡崖险坡根本无法实施。本发明借助于地面激光激光的精准空间测量技术提出了一种全自动、非接触式的岩体结构面产状数字化测量方法。本发明在产状测量过程中无人工干预，采集数据后结合一系列数字处理方法能获取高精度的岩体结构面产状信息，是一种全自动、非接触式的岩体结构面数字化提取、自动化分类与测量方法。

具体实施方式

下面举例对本发明的技术方案进行详细说明：

本发明的一种基于点云数据的岩体结构面识别与产状分类方法如下：

步骤1：数据采集，在选定岩体地质调查区域后，采用三维激光扫描技术与多幅定焦摄影测量技术，获取描述岩体地质调查区表面几何形态的点云数据；

步骤2：数据预处理，包括：去噪，去掉岩体地质调查区中植被或局部表面覆盖物在点云数据中产生的噪声；修补，去噪后点云数据局部造成空洞，依据空洞邻域点云数据趋势分布进行点云数据填充；抽稀，点云数据分布密度的不均一造成局部数据冗余，对数据分布过密区根据点云数据趋势分布进行密度抽稀；大地坐标匹配，依据5点(3个标定点，2个校准点)GPS测量，将点云数据与大地坐标进行匹配；

步骤3：数据转换，依据点云数据进行三角剖分，获得TIN数据格式；

采用Delaunay三角剖分法，首先选取出距离最小的两个点构成一条Delaunay边，再利用Delaunay三角网判别法则确定Delaunay三角形的第三个端点，对每一条新确定的边进行迭代处理，最后生成包含所有点的三角网。构TIN的关键在于如何确定第三个点。具体流程可分为：

(1)选取任意点作为初始点。

(2)检测出与初始点距离最近的点，连接起来作为三角形的一个基准边，依据Delaunay三角网判别法则确定第三个端点。

(3)连接步骤二中的三个端点，形成两条新的基准边。

(4)迭代步骤二和步骤三直到处理完所有的基准边。

步骤4：指标计算，依据TIN数据的数字高程模型中每个三角网格的三个顶点坐标，计算三角网格平面法向量的方向、角度、以及三个顶点坐标的高程标准差等三个指标；

(1)点云数据的正射投影

点云数据的正射投影，即将点云数据投影到竖直平面的投影面上，使用扫描点云与投影面之间的距离反映点云局部几何特征，并通过距离数据构建构建后续的DEM栅格数据。

操作步骤共分为两个步骤：

步骤1：选取一些点云并求解正射投影面方向；

步骤2：根据投影面方向旋转坐标系，结果满足其中两个轴形成投影面，另一个作为投影深度轴，然后将扫描点正射投影至该投影面；

(2)法向量的方向、角度

岩体表面某一点的坡度α和坡向β都是曲面函数H＝f(x,y)在东西和南北上高程变化率的函数，关系表达式为：

式中，f_x和f_y分别为东西和南北方向上的高程变化率。坡向β的初始方向为正北并按顺时针方向测量。X轴的方向表示东西方向，Y轴的方向表示南北方向。坡度α范围设为[0°， 90°]，坡向β范围设为[0°，360°]。

(3)高程标准差

高程标准差是反映岩体结构面起伏程度的宏观参数。

其中z(i,j)是高程值，

是高程平均值，D(z)是高程方差，m和n是计算窗口的网格数。

步骤5：聚类分析，对所有三角网格单元平面法向量的方向、角度、和高程标准差进行ISODATA聚类分析；

采用迭代自组织数据分析算法(ISODATA)，根据TIN数据中所有格网单元平面法向量的方向、角度、高程标准差三个数据层进行无监督分类，获取法向量具有同向特征的潜在岩体结构面。

ISODATA聚类算法主要涉及以下步骤：

(1)选择初始参数。

(2)计算每个聚类的距离指标函数。

(3)根据给定的要求合并或拆分聚类。

(4)重复迭代。计算新的指标，并确定结果是否符合聚类的要求。

步骤6：聚类过滤，采用移动窗口法将聚类结果再进行空间位置分组，依据现场岩体结构面的面积与点云数据的密度，设置合适的分组三角网格数作为阈值，过滤掉小于阈值的聚类分组，剩余的聚类分组为潜在岩体结构面；

步骤7：结构面判定，计算潜在岩体结构面所组成TIN数据三角网格的顶点坐标的高程变异标准差，检验高程变异标准差是否在+1与-1之间，若是则判定该聚类所构成的点云数据呈现平面特征，若否则该聚类为一般岩石暴露面，最后来判别潜在岩体结构面是否是真实的岩体结构面；

岩体结构面位置指数(TPI)表示中心点z₀的高程与其周围预定半径R内的平均高程

之差：

其中z(i,j)是高程值，

是高程平均值。TPI值为正，表明中心点位置高于它的邻域平均值；TPI值为负，则表明中心点位置低于它的邻域平均值。在岩体结构面平整度分析中，TPI>0表明调查点位于结构面隆起附近，TPI<0表明调查点位于结构面凹谷附近，

表明调查点位于水平的结构面平面内或结构面坡面中部。但是TPI的范围不仅取决于高程差异，还取决于预定半径R的取值。

高程变异标准差DEV使用TPI和高程的标准差SD来计算中心点z₀的平面位置：

步骤8：数据后处理，将岩体结构面所对用的TIN数据转换为点云数据，采用最小二乘法通过点云坐标计算每个结构面的产状值(倾向和倾角)。

Claims (3)

1.一种基于点云数据的岩体结构面识别与产状分类方法，其特征在于：在采用三维激光扫描与摄影测量技术获取描述岩体地质几何特征点云数据的基础上，采用对点云数据转换为TIN数据中所有格网单元平面法向量的方向、角度、高程标准差指标进行ISODATA聚类分析，在采用移动窗口法过滤掉较小聚类后获得潜在岩体结构面；而后对潜在岩体结构面检验高程变异标准差，在+1与-1之间判别平面特征来识别岩体结构面。

2.根据权利要求1所述的一种基于点云数据的岩体结构面识别与产状分类方法，其特征在于所述的岩体结构面包括层面、节理、断层。

3.根据权利要求1所述的一种基于点云数据的岩体结构面识别与产状分类方法，其特征在于该方法包括以下步骤：

步骤1：数据采集，在选定岩体地质调查区域后，采用三维激光扫描技术与多幅定焦摄影测量技术，获取描述岩体地质调查区表面几何形态的点云数据；

步骤2：数据预处理：包括去噪，去掉岩体地质调查区中植被或局部表面覆盖物在点云数据中产生的噪声；修补，去噪后点云数据局部造成空洞，依据空洞邻域点云数据趋势分布进行点云数据填充；抽稀，点云数据分布密度的不均一造成局部数据冗余，对数据分布过密区根据点云数据趋势分布进行密度抽稀；大地坐标匹配，依据3个标定点、2个校准点GPS测量，将点云数据与大地坐标进行匹配；

步骤3：数据转换，依据点云数据进行三角剖分，获得TIN数据格式；

步骤4：指标计算，依据TIN数据的数字高程模型中每个三角网格的三个顶点坐标，计算三角网格平面法向量的方向、角度、以及三个顶点坐标的高程标准差等三个指标；

步骤5：聚类分析，对所有三角网格单元平面法向量的方向、角度、和高程标准差进行ISODATA聚类分析；

步骤6：聚类过滤，采用移动窗口法将聚类结果再进行空间位置分组，依据现场岩体结构面的面积与点云数据的密度，设置合适的分组三角网格数作为阈值，过滤掉小于阈值的聚类分组，剩余的聚类分组为潜在岩体结构面；

步骤7：结构面判定，计算潜在岩体结构面所组成TIN数据三角网格的顶点坐标的高程变异标准差，检验高程变异标准差是否在+1与-1之间，若是则判定该聚类所构成的点云数据呈现平面特征，若否则该聚类为一般岩石暴露面，最后来判别潜在岩体结构面是否是真实的岩体结构面；

步骤8：数据后处理，将岩体结构面所对用的TIN数据转换为点云数据，采用最小二乘法通过点云坐标计算每个结构面的产状值包括倾向和倾角。