CN111985507B - 一种岩体三维点云节理迹线提取方法 - Google Patents
一种岩体三维点云节理迹线提取方法 Download PDFInfo
- Publication number
- CN111985507B CN111985507B CN202010883769.8A CN202010883769A CN111985507B CN 111985507 B CN111985507 B CN 111985507B CN 202010883769 A CN202010883769 A CN 202010883769A CN 111985507 B CN111985507 B CN 111985507B
- Authority
- CN
- China
- Prior art keywords
- point
- joint trace
- points
- point cloud
- rock mass
- 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.)
- Active
Links
- 239000011435 rock Substances 0.000 title claims abstract description 70
- 238000000605 extraction Methods 0.000 title abstract description 12
- 239000013598 vector Substances 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 22
- 230000008859 change Effects 0.000 claims abstract description 8
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 239000003086 colorant Substances 0.000 claims description 9
- 238000000513 principal component analysis Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/005—Tree description, e.g. octree, quadtree
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Astronomy & Astrophysics (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及岩体表面特征识别技术领域,提供一种岩体三维点云节理迹线提取方法,包括:步骤1:获取岩体的三维点云数据;步骤2:基于三维点云的颜色信息,根据三维点云的颜色变化,提取岩体表面的潜在节理迹线点第一集合A1;步骤3:基于三维点云的几何信息,根据三维点云的曲率变化,提取岩体表面的潜在节理迹线点第二集合A2;步骤4:对潜在节理迹线点集合A=A1∪A2进行局部优化:步骤5:基于建立局部矢量缓冲区的双向连接算法,对优化后的节理迹线点集合A'进行处理,得到岩体表面的节理迹线。本发明能够提高岩体表面节理迹线提取的精度,得到符合真实岩体表面特征的节理迹线。
Description
技术领域
本发明涉及岩体表面特征识别技术领域,特别是涉及一种岩体三维点云节理迹线提取方法。
背景技术
在岩体质量分级及岩体结构稳定性分析的过程中,节理迹线提取的精细化程度是一个重要参考指标,在地质勘查和灾害评估中有着重要的参考意义。目前岩体表面特征识别技术已日趋成熟,但精细提取依然是一个亟待解决的难题。目前的岩体表面节理迹线提取方法,大多是通过点云的曲率变换或图像处理技术来实现,提取特征比较单一,缺少岩体表面颜色特征和几何特征的交融性。这样得到的节理迹线,从岩体表面的实际情况上来说精细化程度低,难以支撑岩体质量评估和岩体稳定性分析。因此,岩体表面节理迹线提取的精细程度越高,越有利于地质人员对岩体进行评估和分析,但节理迹线的精确提取需要更精确的技术手段来支撑。据此,针对上述问题,有必要提出一种高精度的岩体三维点云节理迹线提取方法。
发明内容
针对现有技术存在的问题,本发明提供一种岩体三维点云节理迹线提取方法,能够提高岩体表面节理迹线提取的精度,得到符合真实岩体表面特征的节理迹线。
本发明的技术方案为:
一种岩体三维点云节理迹线提取方法,其特征在于,包括下述步骤:
步骤1:获取岩体的三维点云数据;
步骤2:基于三维点云的颜色信息,根据三维点云的颜色变化,提取岩体表面的潜在节理迹线点第一集合A1;
步骤3:基于三维点云的几何信息,根据三维点云的曲率变化,提取岩体表面的潜在节理迹线点第二集合A2;
步骤4:对潜在节理迹线点集合A=A1∪A2进行局部优化:
步骤4.1:对每个潜在节理迹线点a∈A进行邻域搜索,对潜在节理迹线点a的邻域La内的点进行主成分分析,得到邻域La对应的主成分方向线la;
步骤4.2:将潜在节理迹线点a垂直投影至主成分方向线la上,得到的投影点a'即为对应的优化后的节理迹线点,形成优化后的节理迹线点集合A';
步骤5:基于建立局部矢量缓冲区的双向连接算法,对优化后的节理迹线点集合A'进行处理,得到岩体表面的节理迹线:
步骤5.1:从优化后的节理迹线点集合A'中随机选取一个点作为初始搜索点;
步骤5.2:令i=1,在初始搜索点处建立局部矢量缓冲区Q0;
步骤5.3:在局部矢量缓冲区Q0内未被连接的点中搜索初始搜索点的第i近邻点,判断是否能搜索到初始搜索点的第i近邻点:若是,则连接初始搜索点与该第i近邻点,并将该第i近邻点作为当前搜索点,进入步骤5.4;若否,则进入步骤5.7;
步骤5.4:令k=1,在当前搜索点处建立局部矢量缓冲区Q;
步骤5.5:在局部矢量缓冲区Q内未被连接的点中搜索当前搜索点的第k近邻点,判断是否能搜索到当前搜索点的第k近邻点:若是,则获取当前搜索点到第k近邻点的走向V1、上一个连接点到当前搜索点的走向V2,计算走向V1与走向V2的夹角θ,进入步骤5.6;若否,则令i=i+1,转至步骤5.3;
步骤5.6:对当前搜索点进行多向判断:
当时:连接当前搜索点与第k近邻点,并更新当前搜索点为第k近邻点,转至步骤5.4;
当时:令k=k+1,转至步骤5.5;其中,/>为预设的夹角阈值;
步骤5.7:判断节理迹线点集合A'内未被连接的点中是否存在未被选取的点:若是,则从未被连接的点中随机选取一个未被选取的点作为初始搜索点,转至步骤5.2;若否,则结束搜索,得到岩体表面的节理迹线。
所述步骤1具体包括:获取岩体的近景无人机影像数据,采用多视图三维重建方法,从近景无人机影像数据中获取岩体的三维点云数据;或采用三维激光扫描方法获取岩体的三维点云数据。
所述步骤2包括下述步骤:
步骤2.1:对三维点云的颜色信息进行二值化处理,得到表示三维点云颜色的单一化数值;
步骤2.2:对三维点云建立空间八叉树索引,对每个索引空间内的点进行颜色比对,留下颜色较深的点,得到岩体表面颜色较深的多个区域;所述颜色较深的点为索引空间内单一化数值小于设定阈值的点;
步骤2.3:基于边界识别算法对颜色较深的每个区域进行边界识别,得到颜色较深的每个区域的边界点,所有边界点构成潜在节理迹线点第一集合A1。
所述步骤3包括下述步骤:
步骤3.1:对三维点云建立空间八叉树索引,基于三维点云的几何信息,对每个索引空间内的点进行主成分分析,计算每个索引空间对应的局部曲面的极大曲率方向、极小曲率方向、切平面的法向量;
步骤3.2:基于傅里叶变换,利用每个索引空间对应的局部曲面的极大曲率方向、极小曲率方向、切平面的法向量及该索引空间内每个点的几何信息,计算各点的主曲率;
步骤3.3:将每个索引空间内主曲率小于设定阈值的点作为潜在节理迹线点,构成潜在节理迹线点第二集合A2。
本发明的有益效果为:
本发明在获取岩体三维点云数据的基础上,基于三维点云的颜色信息和几何信息的双重特征对潜在节理迹线点进行提取,结合邻域搜索与主成分分析对潜在节理迹线点集合进行局部优化,并基于建立局部矢量缓冲区的改进双向连接算法从优化后的节理迹线点集合中提取岩体表面的节理迹线,提高了岩体表面节理迹线提取的精度,所提取的节理迹线既符合真实岩体的表面特征,又能为岩体质量评估和岩体稳定性分析提供数据支持。
附图说明
图1为本发明的岩体三维点云节理迹线提取方法的流程图。
图2为具体实施方式中本发明的岩体三维点云节理迹线提取方法的过程框架图。
图3为本发明的岩体三维点云节理迹线提取方法中建立局部矢量缓冲区的双向连接算法的流程图。
具体实施方式
下面将结合附图和具体实施方式,对本发明作进一步描述。
如图1所示,本发明的岩体三维点云节理迹线提取方法,包括下述步骤:
步骤1:获取岩体的三维点云数据:
本实施例中,获取岩体的近景无人机影像数据,采用多视图三维重建方法,从近景无人机影像数据中获取岩体的三维点云数据。如图2所示,采用AgisoftPhotoScan软件从近景无人机影像数据中获取岩体的三维点云数据。所述三维点云数据包括颜色信息和几何信息,所述颜色信息包括每一个点在RGB三个通道的值(r,g,b),所述几何信息包括每一个点的三维坐标(x,y,z)。
此外,还可以采用相机来获取岩体的近景影像数据。还可以采用三维激光扫描方法获取岩体的三维点云数据。
步骤2:基于三维点云的颜色信息,根据三维点云的颜色变化,提取岩体表面的潜在节理迹线点第一集合A1:
步骤2.1:对三维点云的颜色信息进行二值化处理,得到表示三维点云颜色的单一化数值;
步骤2.2:对三维点云建立空间八叉树索引,对每个索引空间内的点进行颜色比对,留下颜色较深的点,得到岩体表面颜色较深的多个区域;所述颜色较深的点为索引空间内单一化数值小于设定阈值的点;
步骤2.3:基于边界识别算法对颜色较深的每个区域进行边界识别,得到颜色较深的每个区域的边界点,所有边界点构成潜在节理迹线点第一集合A1。
步骤3:基于三维点云的几何信息,根据三维点云的曲率变化,提取岩体表面的潜在节理迹线点第二集合A2:
步骤3.1:对三维点云建立空间八叉树索引,基于三维点云的几何信息,对每个索引空间内的点进行主成分分析,计算每个索引空间对应的局部曲面的极大曲率方向、极小曲率方向、切平面的法向量;
步骤3.2:基于傅里叶变换,利用每个索引空间对应的局部曲面的极大曲率方向、极小曲率方向、切平面的法向量及该索引空间内每个点的几何信息,计算各点的主曲率;
步骤3.3:将每个索引空间内主曲率小于设定阈值的点作为潜在节理迹线点,构成潜在节理迹线点第二集合A2。
步骤4:对潜在节理迹线点集合A=A1∪A2进行局部优化:
步骤4.1:对每个潜在节理迹线点a∈A进行邻域搜索,对潜在节理迹线点a的邻域La内的点进行主成分分析,得到邻域La对应的主成分方向线la;
步骤4.2:将潜在节理迹线点a垂直投影至主成分方向线la上,得到的投影点a'即为对应的优化后的节理迹线点,形成优化后的节理迹线点集合A'。
步骤5:如图3所示,基于建立局部矢量缓冲区的双向连接算法,对优化后的节理迹线点集合A'进行处理,得到岩体表面的节理迹线:
步骤5.1:从优化后的节理迹线点集合A'中随机选取一个点作为初始搜索点;
步骤5.2:令i=1,在初始搜索点处建立局部矢量缓冲区Q0;
步骤5.3:在局部矢量缓冲区Q0内未被连接的点中搜索初始搜索点的第i近邻点,判断是否能搜索到初始搜索点的第i近邻点:若是,则连接初始搜索点与该第i近邻点,并将该第i近邻点作为当前搜索点,进入步骤5.4;若否,则进入步骤5.7;
步骤5.4:令k=1,在当前搜索点处建立局部矢量缓冲区Q;
步骤5.5:在局部矢量缓冲区Q内未被连接的点中搜索当前搜索点的第k近邻点,判断是否能搜索到当前搜索点的第k近邻点:若是,则获取当前搜索点到第k近邻点的走向V1、上一个连接点到当前搜索点的走向V2,计算走向V1与走向V2的夹角θ,进入步骤5.6;若否,则令i=i+1,转至步骤5.3;
步骤5.6:对当前搜索点进行多向判断:
当时:连接当前搜索点与第k近邻点,并更新当前搜索点为第k近邻点,转至步骤5.4;
当时:令k=k+1,转至步骤5.5;其中,/>为预设的夹角阈值;
步骤5.7:判断节理迹线点集合A'内未被连接的点中是否存在未被选取的点:若是,则从未被连接的点中随机选取一个未被选取的点作为初始搜索点,转至步骤5.2;若否,则结束搜索,得到岩体表面的节理迹线。
显然,上述实施例仅仅是本发明的一部分实施例,而不是全部的实施例。上述实施例仅用于解释本发明,并不构成对本发明保护范围的限定。基于上述实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,也即凡在本申请的精神和原理之内所作的所有修改、等同替换和改进等,均落在本发明要求的保护范围内。
Claims (4)
1.一种岩体三维点云节理迹线提取方法,其特征在于,包括下述步骤:
步骤1:获取岩体的三维点云数据;
步骤2:基于三维点云的颜色信息,根据三维点云的颜色变化,提取岩体表面的潜在节理迹线点第一集合A1;
步骤3:基于三维点云的几何信息,根据三维点云的曲率变化,提取岩体表面的潜在节理迹线点第二集合A2;
步骤4:对潜在节理迹线点集合A=A1∪A2进行局部优化:
步骤4.1:对每个潜在节理迹线点a∈A进行邻域搜索,对潜在节理迹线点a的邻域La内的点进行主成分分析,得到邻域La对应的主成分方向线la;
步骤4.2:将潜在节理迹线点a垂直投影至主成分方向线la上,得到的投影点a'即为对应的优化后的节理迹线点,形成优化后的节理迹线点集合A';
步骤5:基于建立局部矢量缓冲区的双向连接算法,对优化后的节理迹线点集合A'进行处理,得到岩体表面的节理迹线:
步骤5.1:从优化后的节理迹线点集合A'中随机选取一个点作为初始搜索点;
步骤5.2:令i=1,在初始搜索点处建立局部矢量缓冲区Q0;
步骤5.3:在局部矢量缓冲区Q0内未被连接的点中搜索初始搜索点的第i近邻点,判断是否能搜索到初始搜索点的第i近邻点:若是,则连接初始搜索点与该第i近邻点,并将该第i近邻点作为当前搜索点,进入步骤5.4;若否,则进入步骤5.7;
步骤5.4:令k=1,在当前搜索点处建立局部矢量缓冲区Q;
步骤5.5:在局部矢量缓冲区Q内未被连接的点中搜索当前搜索点的第k近邻点,判断是否能搜索到当前搜索点的第k近邻点:若是,则获取当前搜索点到第k近邻点的走向V1、上一个连接点到当前搜索点的走向V2,计算走向V1与走向V2的夹角θ,进入步骤5.6;若否,则令i=i+1,转至步骤5.3;
步骤5.6:对当前搜索点进行多向判断:
当时:连接当前搜索点与第k近邻点,并更新当前搜索点为第k近邻点,转至步骤5.4;
当时:令k=k+1,转至步骤5.5;其中,/>为预设的夹角阈值;
步骤5.7:判断节理迹线点集合A'内未被连接的点中是否存在未被选取的点:若是,则从未被连接的点中随机选取一个未被选取的点作为初始搜索点,转至步骤5.2;若否,则结束搜索,得到岩体表面的节理迹线。
2.根据权利要求1所述的岩体三维点云节理迹线提取方法,其特征在于,所述步骤1具体包括:获取岩体的近景无人机影像数据,采用多视图三维重建方法,从近景无人机影像数据中获取岩体的三维点云数据;或采用三维激光扫描方法获取岩体的三维点云数据。
3.根据权利要求1所述的岩体三维点云节理迹线提取方法,其特征在于,所述步骤2包括下述步骤:
步骤2.1:对三维点云的颜色信息进行二值化处理,得到表示三维点云颜色的单一化数值;
步骤2.2:对三维点云建立空间八叉树索引,对每个索引空间内的点进行颜色比对,留下颜色较深的点,得到岩体表面颜色较深的多个区域;所述颜色较深的点为索引空间内单一化数值小于设定阈值的点;
步骤2.3:基于边界识别算法对颜色较深的每个区域进行边界识别,得到颜色较深的每个区域的边界点,所有边界点构成潜在节理迹线点第一集合A1。
4.根据权利要求1所述的岩体三维点云节理迹线提取方法,其特征在于,所述步骤3包括下述步骤:
步骤3.1:对三维点云建立空间八叉树索引,基于三维点云的几何信息,对每个索引空间内的点进行主成分分析,计算每个索引空间对应的局部曲面的极大曲率方向、极小曲率方向、切平面的法向量;
步骤3.2:基于傅里叶变换,利用每个索引空间对应的局部曲面的极大曲率方向、极小曲率方向、切平面的法向量及该索引空间内每个点的几何信息,计算各点的主曲率;
步骤3.3:将每个索引空间内主曲率小于设定阈值的点作为潜在节理迹线点,构成潜在节理迹线点第二集合A2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010883769.8A CN111985507B (zh) | 2020-08-28 | 2020-08-28 | 一种岩体三维点云节理迹线提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010883769.8A CN111985507B (zh) | 2020-08-28 | 2020-08-28 | 一种岩体三维点云节理迹线提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111985507A CN111985507A (zh) | 2020-11-24 |
CN111985507B true CN111985507B (zh) | 2023-07-28 |
Family
ID=73440277
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010883769.8A Active CN111985507B (zh) | 2020-08-28 | 2020-08-28 | 一种岩体三维点云节理迹线提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111985507B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112784403B (zh) * | 2020-12-31 | 2023-11-10 | 东北大学 | 基于点云数据建立节理岩体离散元模型的数值模拟方法 |
CN115688473B (zh) * | 2022-11-15 | 2023-05-16 | 大连海事大学 | 一种由单节理迹线生成曲面节理圆盘的岩体结构重构方法 |
CN117854061B (zh) * | 2024-03-07 | 2024-05-10 | 山东大学 | 基于三维点云的隧道掌子面迹线裂隙提取方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000019240A2 (en) * | 1998-09-28 | 2000-04-06 | Pgs Seres As | Amplitude variation as a function of offset attribute and rock property contrast analysis for seismic survey data |
CN105180890A (zh) * | 2015-07-28 | 2015-12-23 | 南京工业大学 | 融合激光点云和数字影像的岩体结构面产状测量方法 |
CN109685821A (zh) * | 2018-12-26 | 2019-04-26 | 中国科学院大学 | 基于高质量体素的区域生长3d岩体点云平面提取方法 |
CN110260785A (zh) * | 2019-05-27 | 2019-09-20 | 同济大学 | 基于三维激光扫描的岩体隧道掌子面分析反馈集成系统 |
CN110288700A (zh) * | 2019-06-26 | 2019-09-27 | 东北大学 | 一种岩质边坡结构面自动分组及位移预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8723886B2 (en) * | 2010-09-08 | 2014-05-13 | Navteq B.V. | Generating a multi-layered geographic image and the use thereof |
-
2020
- 2020-08-28 CN CN202010883769.8A patent/CN111985507B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000019240A2 (en) * | 1998-09-28 | 2000-04-06 | Pgs Seres As | Amplitude variation as a function of offset attribute and rock property contrast analysis for seismic survey data |
CN105180890A (zh) * | 2015-07-28 | 2015-12-23 | 南京工业大学 | 融合激光点云和数字影像的岩体结构面产状测量方法 |
CN109685821A (zh) * | 2018-12-26 | 2019-04-26 | 中国科学院大学 | 基于高质量体素的区域生长3d岩体点云平面提取方法 |
CN110260785A (zh) * | 2019-05-27 | 2019-09-20 | 同济大学 | 基于三维激光扫描的岩体隧道掌子面分析反馈集成系统 |
CN110288700A (zh) * | 2019-06-26 | 2019-09-27 | 东北大学 | 一种岩质边坡结构面自动分组及位移预测方法 |
Non-Patent Citations (5)
Title |
---|
Ageometry and texture-based automatic discontinuity trace extraction method for rock mass point cloud;Jiateng Guo等;《ELSEVIER》;第124卷;1-10 * |
Efficient and automactic plane detection approach for 3d rock mass point clouds;Liang Hu等;《SPRINGER LINK》;839-864 * |
三维空间影像技术在地质工程中的综合应用研究;董秀军;《中国优秀博士论文全文数据库 信息科技辑 》;I138-69 * |
基于三维点云的岩体结构面自动分类与参数计算;郭甲腾等;《东北大学学报(自然科学版)》;第41卷(第8期);1161-1166 * |
基于机器视觉三维重建技术的隧道掌子面岩体结构数字识别方法及应用;谢壮等;《铁道科学与工程学报》;第16卷(第4期);1001-1007 * |
Also Published As
Publication number | Publication date |
---|---|
CN111985507A (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111985507B (zh) | 一种岩体三维点云节理迹线提取方法 | |
CN108107444B (zh) | 基于激光数据的变电站异物识别方法 | |
CN109544456B (zh) | 基于二维图像和三维点云数据融合的全景环境感知方法 | |
US10942130B2 (en) | Damage information processing device and damage information processing method | |
CN105654507B (zh) | 一种基于图像动态特征跟踪的车辆外廓尺寸测量方法 | |
US20220365186A1 (en) | Automatic detection of a calibration standard in unstructured lidar point clouds | |
CN111242855B (zh) | 基于rgb-d的ssim结构相似度的迭代深度图结构修复方法 | |
CN115272312B (zh) | 基于机器视觉的塑料手机外壳缺陷检测方法 | |
CN105956542B (zh) | 一种结构线束统计匹配的高分遥感影像道路提取方法 | |
CN112529044B (zh) | 基于车载LiDAR的铁路接触网提取分类的方法 | |
CN112801075B (zh) | 基于航摄影像的农村道路边界线的自动提取方法 | |
CN113592862A (zh) | 钢板表面缺陷的点云数据分割方法、系统、设备、介质 | |
CN117854060B (zh) | 基于深度学习的隧道岩体面状裂隙识别方法及系统 | |
CN109187548A (zh) | 一种岩体裂隙识别方法 | |
CN114140466B (zh) | 基于图像处理的植物根系测量方法、系统及装置 | |
CN114463425A (zh) | 一种基于概率Hough直线检测的工件表面无特征点定位方法 | |
US5974170A (en) | Method of detecting relief contours in a pair of stereoscopic images | |
CN109344750B (zh) | 一种基于结构描述子的复杂结构三维对象识别方法 | |
CN112001954B (zh) | 一种基于极曲线约束的水下pca-sift图像匹配方法 | |
CN116432052B (zh) | 一种新能源汽车模具用夹具质量检测方法 | |
CN117115390A (zh) | 一种变电站中变电设备的三维模型布局方法 | |
CN116452826A (zh) | 基于机器视觉的遮挡情况下煤矸石轮廓估计方法 | |
CN110728723B (zh) | 一种面向瓦片地图的道路自动提取方法 | |
CN109948682B (zh) | 基于正态随机抽样分布的激光雷达点云电力线分类方法 | |
CN111209835B (zh) | 一种改进的surf移动机器人图像匹配方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |