CN112037318A - 三维岩体结构模型的构建方法、系统及模型的应用 - Google Patents

Abstract

本发明提供了一种三维岩体结构模型的构建方法、系统及模型的应用。其中，三维岩体结构模型的构建方法包括获取样本岩石数字照片并进行二值化与特征增强预处理；提取预处理后样本岩石数字照片的图像特征点，根据图像特征点直接递增构建三维岩体结构模型；在递增构建三维岩体结构模型的过程中，还原三维岩体结构模型的色彩；循环平差修正三维岩体结构模型，运用泊松重构算法对修正后的三维岩体结构模型依次进行网格化、修复流形边缘、参数化及投影纹理操作，得到优化后的三维岩体结构模型。

Description

三维岩体结构模型的构建方法、系统及模型的应用

技术领域

本发明属于岩石三维表面模型构建领域，尤其涉及一种三维岩体结构模型的构建方法、系统及模型的应用。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

传统的摄影测量方法是在获取大量被测物体空间坐标，获取相机位置和姿态数据并保持不变的前提下，通过两张影像构建三维模型，而且还需要考虑相机的姿态、位置信息以及拍摄距离信息。发明人发现，传统的摄影测量方法在构建三维模型的过程中，计算复杂且准确性差。

发明内容

为了解决上述问题，本发明提供了一种三维岩体结构模型的构建方法、系统及模型的应用，其不需要获取拍摄距离信息，根据图像特征点直接递增构建三维岩体结构模型，并对模型进行优化及点云匹配恢复模型的色彩，提升了建模速度及精度。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种三维岩体结构模型的构建方法。

一种三维岩体结构模型的构建方法，包括：

获取样本岩石数字照片并进行二值化与特征增强预处理；

提取预处理后样本岩石数字照片的图像特征点，根据图像特征点直接递增构建三维岩体结构模型；在递增构建三维岩体结构模型的过程中，还原三维岩体结构模型的色彩；

循环平差修正三维岩体结构模型，运用泊松重构算法对修正后的三维岩体结构模型依次进行网格化、修复流形边缘、参数化及投影纹理操作，得到优化后的三维岩体结构模型。

本发明的第二个方面提供一种三维岩体结构模型的构建系统。

一种三维岩体结构模型的构建系统，包括：

照片预处理模块，其用于获取样本岩石数字照片并进行二值化与特征增强预处理；

模型预构建模块，其用于提取预处理后样本岩石数字照片的图像特征点，根据图像特征点直接递增构建三维岩体结构模型；在递增构建三维岩体结构模型的过程中，还原三维岩体结构模型的色彩；

模型优化模块，其用于循环平差修正三维岩体结构模型，运用泊松重构算法对修正后的三维岩体结构模型依次进行网格化、修复流形边缘、参数化及投影纹理操作，得到优化后的三维岩体结构模型。

本发明的第三个方面提供一种计算机可读存储介质。

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的三维岩体结构模型的构建方法中的步骤。

本发明的第四个方面提供一种计算机设备。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的三维岩体结构模型的构建方法中的步骤。

本发明的第五个方面提供三维岩体结构模型的应用。

一种采用上述所述三维岩体结构模型的构建方法所得到的三维岩体结构模型，用于标识岩体结构面。

与现有技术相比，本发明的有益效果是：

(1)本发明的构建对象与传统方法不同。传统方法需先构建整个环境三维模型，然后再针对环境三维模型进行岩体结构信息识别，实现掌子面信息调查；本发明的构建对象直接为提取的图像特征点，根据特征点直接递增构建三维岩体结构模型，简化了建模步骤，提高了掌子面地质调查的准确性。

(2)本发明对建模方法进行了优化。三维岩体结构模型构建后进行循环平差修正，并运用泊松重构算法(Poisson Surface Reconstructio)依次机芯网格化，修复流形边缘，参数化，投影纹理，提高了模型的精准度。

(3)本发明还原了模型的真实色彩。本发明在递增式模型构建过程中还原模型真彩色，便于进行后续的岩体结构人工分析。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1是本发明实施例的三维岩体结构模型的构建方法流程图；

图2是本发明实施例的二值化处理结果；

图3(a)是本发明实施例的中值滤波过滤前示意图；

图3(b)是本发明实施例的中值滤波过滤后示意图；

图3(c)是本发明实施例的中值滤波计算示意图；

图4(a)是本发明实施例的中值滤波过滤去噪前图像；

图4(b)是本发明实施例的中值滤波过滤去噪后图像；

图5(a)是本发明实施例的图像梯度域显著性优化前图像；

图5(b)是本发明实施例的图像梯度域显著性优化后图像；

图6(a)是本发明实施例的样本岩石数字照片坐标示意图；

图6(b)是样本岩石数字照片坐标对应的球面投影示意图；

图7是本发明实施例的二维图像球面投影示意图；

图8(a)是以某岩石块为例的SIFT特征点；

图8(b)是以某岩石块为例的主方向；

图9(a)是递增模型构建的模型过程；

图9(b)是本发明实施例的三维重构模型；

图10(a)是本发明实施例的结构面提取示意图；

图10(b)是本发明实施例的聚类的示意图。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

实施例一

结合附图1，本实施例的三维岩体结构模型的构建方法，包括：

步骤1：获取样本岩石数字照片并进行二值化与特征增强预处理。

在初始网格模型建立方面，由于建模对象为隧道内掌子面与边墙，表面特征不明显，又存在环境昏暗多尘的不利条件，因此无法直接应用现有的SIFT算法进行初始模型网络建立。针对上述问题，本实施例对数字照片进行二值化与特征增强处理。

数字照片二值化与特征增强的具体内容为：

隧道及地下工程中，环境昏暗且光线不均匀，拍摄的影像产生的阴影等会对岩体结构面迹线识别产生较大的干扰。隧道多尘的环境，在拍摄影像时不可避免产生较多噪点，污染影像信息。为提高二维岩体结构信息识别精度，需对图像进行二值化及去噪处理。

由于人体对亮度的感知敏感程度远大于对色彩信息的敏感程度，因此将有可能对处理结果产生干扰的RGB信息进行消除，只保留亮度信息，不会对岩体结构面迹线识别产生影响。

通过图像的二值化处理，在保留了岩体结构特征的同时，能够与更多边缘检测算法相匹配，提高了计算速度及算法的鲁棒性。图2为图像二值化处理结果。

环境因素不可避免的使图像产生噪声，而经典的中值滤波法可以在保证不影响图像边界清晰度的前提下，有效平滑噪声。因此引用中值滤波方法，对数字图像进行去噪处理。

中值滤波是将二维图像中像素点的值用相邻各个像素点像素值的中值代替，构建大小为5乘5的计算窗口，依次历遍所有像素点，使产生的像素值更接近原始像素值，去除主要噪声。

中值滤波计算公式见式：

Y(x,y)＝Med{y(a,b)|(a,b)∈S_xy}

其中，Y(x,y)为中值滤波输出结果，S_xy表示(x,y)是当前计算窗口中心点，y(a,b)是计算窗口所有点像素值。

图3(a)是中值滤波过滤前示意图；图3(b)是中值滤波过滤后示意图；图3(c)为中值滤波过滤噪点的计算过程。阴影部分为5乘5的中值滤波计算窗口，计算窗口内部的数值进行取中值计算，将得到的中值赋予计算窗口中心像素点像素值。赋值完成后，移动计算窗口，依次过滤所有像素点。中值滤波去噪前后对比，见图4(a)和图4(b)。

经过图像二值化及去噪处理的图像保留了亮度信息，但图像边界清晰度不能满足边缘检测的要求，判别结构面迹线仍然困难。目前，随着基于图像插值的计算机视觉技术发展，为提取岩体结构信息提供了可能。

图像梯度域显著性优化的实质是将差异不明显的图像放大，通过图像插值技术，增强图像边缘的特征，实现结构面迹线的识别。但传统图像插值法，如最近邻插值、线性插值等容易造成图像边缘的畸变，产生结构面迹线锯齿状或迹线失真等影响。应用等值线法，分割图像的平滑区域及纹理区域，在平滑区域应用多项式模型插值，在纹理区域采用有理函数模型插值，后根据Sobel算子模板计算图像的梯度，根据图像不同纹理方向进行权重优化，克服了传统方法失真的缺点。

图像不同区域的划分阈值为插值单元4个像素点及其周围像素点。将像素点均值作为阈值。对任意数据集f_i+r,j+s(r,s＝-1,0,1,2)不同像素结构，有不同检测阈值。检测阈值λ公式为：

图像插值的计算是利用各向同性Sobel算子检测水平及竖直方向的图像边缘，后与图像插值平面做卷积，求解图像梯度方向。图像梯度方向与垂直于纹理方向。

确定图像梯度方向后，对相应的中心点进行显著性优化。根据插值单元中心点周围像素值混合加权，预估中心点灰度值。图5(a)和图5(b)为图像梯度域显著性优化前后对比。

步骤2：提取预处理后样本岩石数字照片的图像特征点，根据图像特征点直接递增构建三维岩体结构模型；在递增构建三维岩体结构模型的过程中，还原三维岩体结构模型的色彩。

在具体实施中，采用SIFT算法提取预处理后样本岩石数字照片的图像特征点，根据图像特征点直接递增构建三维岩体结构模型。

尺度不变特征转换SIFT(Scale-invariant feature transform)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量。基于SIFT算法特征提取，通过对图像中特征点进行提取，然后获取稳定的特征点信息，从而得到特征点描述子进行多幅图像公共点匹配。利用高斯金字塔构建连续变化的空间尺度，借助DoG金字塔进行极值点检测，获得多尺度的视觉处理信息，得到图像本质信息。通过图像的极值点作为特征点，计算得到特征点的主方向，保证图像方向一致，后进行匹配，得到初始模型网格。SIFT算法主要有以下特点：(1)SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性；(2)独特性(Distinctiveness)好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配；(3)多量性，即使少数的几个物体也可以产生大量的SIFT特征向量；(4)高速性，经优化的SIFT匹配算法甚至可以达到实时的要求；(5)可扩展性，可以很方便的与其他形式的特征向量进行联合。

通过确定特征点的主方向，得到每张影像局部特征方向，从而保证图像稳定不变。对影像所有特征点进行匹配计算之后，获得了初始的模型网格。该模型已具有影像的内外方位元素及特征点坐标。将检测出的含有位置、尺度和方向的关键点即是该图像的SIFT特征点。本实施例以某岩石块为例，最终SIFT特征点及主方向分别如图8(a)和图8(b)所示。

将得到的初始模型网络作为基础，逐一地、递增式地估计倾斜影像的相对位置和姿态，递增模型构建的模型过程以及三维重构模型，如图9(a)和图9(b)所示。

在还原三维岩体结构模型的色彩的过程为：

根据每张样本岩石数字照片在三维岩体结构模型中贡献的位置，将样本岩石数字照片的RGB值赋予同坐标位置的点云，以恢复三维岩体结构模型的色彩。

具体地，将样本岩石数字照片的RGB值赋予同坐标位置的点云之前，还包括匹配三维岩体结构模型点云坐标与样本岩石数字照片坐标，其过程为：

匹配三维岩体结构模型点云坐标与样本岩石数字照片坐标的过程为：

用二维像素信息与三维点云数据直接共轴获取，将像素信息进行球面投影，相同角度的像素点RGB信息直接赋予至三维点，进行直接拼接，避免了基于特征点配准或基于反光片法手动配准的传统方法产生的测量误差，简化计算步骤。图6(b)为球面投影示意图，图6(a)为球面投影对应的样本岩石数字照片坐标示意图。

假定统一像素信息局部坐标系的x轴为正n边形，y轴为正m边形一半，图像宽度为w，高度为u，经二维岩体结构识别的岩体结构迹线图像中一点P坐标为(x,y)在投影球半径为R的坐标系中投影点P'(R,α,β,)，弦长为A，则有：

2πR＝nw

πR＝mu

由三角余弦定理可得：

同理，

经上述投影变换，像素数据的伪三维坐标系变为光滑的球面坐标系统。

如图7所示，在三维点云数据中，设点云数据一点M的坐标为(x',y',z'),则对应的球面坐标系中的点M’的坐标为(r,α',β')，其中：

由于像素数据所在的球面坐标系统与三维点云数据所在的球面坐标系统有共同的原点，且坐标轴均同向，因此，像素数据中任意一点坐标均有且只有三维激光点云数据中的一坐标与其对应。像素数据中的RGB值，三维点云数据中的空间坐标值在角度的桥梁下完成对接，实现了像素数据与三维点云数据的融合，将二维岩体结构迹线赋予三维特征，实现了三维的岩体结构识别，同时构建了高精度的真彩三维掌子面及边墙模型。

步骤3：循环平差修正三维岩体结构模型，运用泊松重构算法对修正后的三维岩体结构模型依次进行网格化、修复流形边缘、参数化及投影纹理操作，得到优化后的三维岩体结构模型。

在具体实施中，待加入影像需要和已有模型中影像有足够多匹配点，选择在某模型点投影光线最大交汇角大于设定阈值的一张影像，保证影像岩体结构特征点与原影像的岩体结构特征点具有较大的重合度，将具有最大重合度的影像作下一步处理；对于每张待加入的影像，利用DLT算法，利用已有模型点中与它具有投影关系的可视模型点，通过后方交会的方式得到待加入影像的外方位元素进行新影像的外方位元素解算，又基于后方交汇结果对解算结果进行修正；将待加入影像以及它带来的新的模型点信息，联合已有模型，组成一个新的区域网模型，并对模型网格进行修正，并利用光束法平差对新的区域网模型进行优化。为了提高区域网模型的精度，对新的区域网模型进行循环平差，在每一次平差之后采用一定的粗差剔除机制对已有的模型点和像对进行筛选；将新模型网格作为基础，添加具有最大重合度的新影像，得到再次优化的模型网格，以此循环往复，直至库中所有影像添加完成；稠密点云代替稀疏点云，清除干扰点，泊松重构算法(Poisson SurfaceReconstructio)网格化，修复流形边缘，参数化，投影纹理，最终得到样本岩石三维表面模型。

实施例二

本实施例提供了一种三维岩体结构模型的构建系统，其包括：

(1)照片预处理模块，其用于获取样本岩石数字照片并进行二值化与特征增强预处理。

数字照片二值化与特征增强的具体内容为：

隧道及地下工程中，环境昏暗且光线不均匀，拍摄的影像产生的阴影等会对岩体结构面迹线识别产生较大的干扰。隧道多尘的环境，在拍摄影像时不可避免产生较多噪点，污染影像信息。为提高二维岩体结构信息识别精度，需对图像进行二值化及去噪处理。

由于人体对亮度的感知敏感程度远大于对色彩信息的敏感程度，因此将有可能对处理结果产生干扰的RGB信息进行消除，只保留亮度信息，不会对岩体结构面迹线识别产生影响。

通过图像的二值化处理，在保留了岩体结构特征的同时，能够与更多边缘检测算法相匹配，提高了计算速度及算法的鲁棒性。图2为图像二值化处理结果。

环境因素不可避免的使图像产生噪声，而经典的中值滤波法可以在保证不影响图像边界清晰度的前提下，有效平滑噪声。因此引用中值滤波方法，对数字图像进行去噪处理。

中值滤波是将二维图像中像素点的值用相邻各个像素点像素值的中值代替，构建大小为5乘5的计算窗口，依次历遍所有像素点，使产生的像素值更接近原始像素值，去除主要噪声。

中值滤波计算公式见式：

Y(x,y)＝Med{y(a,b)|(a,b)∈S_xy}

其中，Y(x,y)为中值滤波输出结果，S_xy表示(x,y)是当前计算窗口中心点，y(a,b)是计算窗口所有点像素值。

图3(a)是中值滤波过滤前示意图；图3(b)是中值滤波过滤后示意图；图3(c)为中值滤波过滤噪点的计算过程。阴影部分为5乘5的中值滤波计算窗口，计算窗口内部的数值进行取中值计算，将得到的中值赋予计算窗口中心像素点像素值。赋值完成后，移动计算窗口，依次过滤所有像素点。中值滤波去噪前后对比，见图4(a)和图4(b)。

经过图像二值化及去噪处理的图像保留了亮度信息，但图像边界清晰度不能满足边缘检测的要求，判别结构面迹线仍然困难。目前，随着基于图像插值的计算机视觉技术发展，为提取岩体结构信息提供了可能。

图像梯度域显著性优化的实质是将差异不明显的图像放大，通过图像插值技术，增强图像边缘的特征，实现结构面迹线的识别。但传统图像插值法，如最近邻插值、线性插值等容易造成图像边缘的畸变，产生结构面迹线锯齿状或迹线失真等影响。应用等值线法，分割图像的平滑区域及纹理区域，在平滑区域应用多项式模型插值，在纹理区域采用有理函数模型插值，后根据Sobel算子模板计算图像的梯度，根据图像不同纹理方向进行权重优化，克服了传统方法失真的缺点。

图像不同区域的划分阈值为插值单元4个像素点及其周围像素点。将像素点均值作为阈值。对任意数据集f_i+r,j+s(r,s＝-1,0,1,2)不同像素结构，有不同检测阈值。检测阈值λ公式为：

图像插值的计算是利用各向同性Sobel算子检测水平及竖直方向的图像边缘，后与图像插值平面做卷积，求解图像梯度方向。图像梯度方向与垂直于纹理方向。

确定图像梯度方向后，对相应的中心点进行显著性优化。根据插值单元中心点周围像素值混合加权，预估中心点灰度值。图5(a)和图5(b)为图像梯度域显著性优化前后对比。

(2)模型预构建模块，其用于提取预处理后样本岩石数字照片的图像特征点，根据图像特征点直接递增构建三维岩体结构模型；在递增构建三维岩体结构模型的过程中，还原三维岩体结构模型的色彩。

在具体实施中，采用SIFT算法提取预处理后样本岩石数字照片的图像特征点，根据图像特征点直接递增构建三维岩体结构模型。

尺度不变特征转换SIFT(Scale-invariant feature transform)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量。基于SIFT算法特征提取，通过对图像中特征点进行提取，然后获取稳定的特征点信息，从而得到特征点描述子进行多幅图像公共点匹配。利用高斯金字塔构建连续变化的空间尺度，借助DoG金字塔进行极值点检测，获得多尺度的视觉处理信息，得到图像本质信息。通过图像的极值点作为特征点，计算得到特征点的主方向，保证图像方向一致，后进行匹配，得到初始模型网格。SIFT算法主要有以下特点：(1)SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性；(2)独特性(Distinctiveness)好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配；(3)多量性，即使少数的几个物体也可以产生大量的SIFT特征向量；(4)高速性，经优化的SIFT匹配算法甚至可以达到实时的要求；(5)可扩展性，可以很方便的与其他形式的特征向量进行联合。

通过确定特征点的主方向，得到每张影像局部特征方向，从而保证图像稳定不变。对影像所有特征点进行匹配计算之后，获得了初始的模型网格。该模型已具有影像的内外方位元素及特征点坐标。将检测出的含有位置、尺度和方向的关键点即是该图像的SIFT特征点。本实施例以某岩石块为例，最终SIFT特征点及主方向分别如图8(a)和图8(b)所示。

将得到的初始模型网络作为基础，逐一地、递增式地估计倾斜影像的相对位置和姿态，递增模型构建的模型过程以及三维重构模型，如图9(a)和图9(b)所示。

在还原三维岩体结构模型的色彩的过程为：

根据每张样本岩石数字照片在三维岩体结构模型中贡献的位置，将样本岩石数字照片的RGB值赋予同坐标位置的点云，以恢复三维岩体结构模型的色彩。

具体地，将样本岩石数字照片的RGB值赋予同坐标位置的点云之前，还包括匹配三维岩体结构模型点云坐标与样本岩石数字照片坐标，其过程为：

匹配三维岩体结构模型点云坐标与样本岩石数字照片坐标的过程为：

用二维像素信息与三维点云数据直接共轴获取，将像素信息进行球面投影，相同角度的像素点RGB信息直接赋予至三维点，进行直接拼接，避免了基于特征点配准或基于反光片法手动配准的传统方法产生的测量误差，简化计算步骤。图6(b)为球面投影示意图，图6(a)为球面投影对应的样本岩石数字照片坐标示意图。

假定统一像素信息局部坐标系的x轴为正n边形，y轴为正m边形一半，图像宽度为w，高度为u，经二维岩体结构识别的岩体结构迹线图像中一点P坐标为(x,y)在投影球半径为R的坐标系中投影点P'(R,α,β,)，弦长为A，则有：

2πR＝nw

πR＝mu

由三角余弦定理可得：

同理，

经上述投影变换，像素数据的伪三维坐标系变为光滑的球面坐标系统。

在三维点云数据中，设点云数据一点M的坐标为(x',y',z'),则对应的球面坐标系中的点M’的坐标为(r,α',β')，其中：

由于像素数据所在的球面坐标系统与三维点云数据所在的球面坐标系统有共同的原点，且坐标轴均同向，因此，像素数据中任意一点坐标均有且只有三维激光点云数据中的一坐标与其对应。像素数据中的RGB值，三维点云数据中的空间坐标值在角度的桥梁下完成对接，实现了像素数据与三维点云数据的融合，将二维岩体结构迹线赋予三维特征，实现了三维的岩体结构识别，同时构建了高精度的真彩三维掌子面及边墙模型。

(3)模型优化模块，其用于循环平差修正三维岩体结构模型，运用泊松重构算法对修正后的三维岩体结构模型依次进行网格化、修复流形边缘、参数化及投影纹理操作，得到优化后的三维岩体结构模型。

在具体实施中，待加入影像需要和已有模型中影像有足够多匹配点，选择在某模型点投影光线最大交汇角大于设定阈值的一张影像，保证影像岩体结构特征点与原影像的岩体结构特征点具有较大的重合度，将具有最大重合度的影像作下一步处理；对于每张待加入的影像，利用DLT算法，利用已有模型点中与它具有投影关系的可视模型点，通过后方交会的方式得到待加入影像的外方位元素进行新影像的外方位元素解算，又基于后方交汇结果对解算结果进行修正；将待加入影像以及它带来的新的模型点信息，联合已有模型，组成一个新的区域网模型，并对模型网格进行修正，并利用光束法平差对新的区域网模型进行优化。为了提高区域网模型的精度，对新的区域网模型进行循环平差，在每一次平差之后采用一定的粗差剔除机制对已有的模型点和像对进行筛选；将新模型网格作为基础，添加具有最大重合度的新影像，得到再次优化的模型网格，以此循环往复，直至库中所有影像添加完成；稠密点云代替稀疏点云，清除干扰点，泊松重构算法(Poisson SurfaceReconstructio)网格化，修复流形边缘，参数化，投影纹理，最终得到样本岩石三维表面模型。

实施例三

本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例一所述的三维岩体结构模型的构建方法中的步骤。

实施例四

本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例一所述的三维岩体结构模型的构建方法中的步骤。

实施例五

本实施例提供了一种如实施例一所述的三维岩体结构模型的构建方法所得到的三维岩体结构模型，其用于标识岩体结构面。

例如：港沟隧道位于济南市历城区，隧址区出露的岩性为奥陶系寒武系灰岩、白云质灰岩，受区域地质构造活动影响，隧址区局部节理密集带或构造断裂带发育。由于岩体裂隙发育，结构面相互切割，隧道开挖掘进过程极易造成不稳定块体坍塌掉落，严重威胁施工人员安全，影响施工进度。基于上述模型构建方法，摄取了研究区隧道掌子面表面的不同相对位置和姿态倾斜影像，通过上述三维模型构建流程，对隧道掌子面岩体表面进行三维重构，基于人工-自动交互平台标识结构面记对应参数提取。结构面提取与聚类的示意图，如图10(a)和图10(b)所示。

通过上述岩体表面模型开发了岩体结构面标识功能，以非共线点平面拟合方法，进行节理标注识别，包括有Trace和Plane两种标识方法，其中，Trace功能是采用线性方式，进行关键点拾取并连线，从而实现节理标识，此种方法适用于表面较平整岩体；Plane功能是采用多边形框选平面方式，拾取平面边界关键点，框选节理所在岩体平面，适用于起伏度较大，且局部存在节理切割平面的岩体；最后，软件可导出节理几何参数(位置、产状、迹长、节理间距等)。为深入分析结构面发育的规律性，将结构面按产状进行分组和统计分析。采用聚类算法实现结构面分组和优势方位的确定，并绘制了结构面赤平投影图，初步表明隧道开挖区域岩体主要发育三组优势结构面。

本实施例的构建对象与传统方法不同。传统方法需先构建整个环境三维模型，然后再针对环境三维模型进行岩体结构信息识别，实现掌子面信息调查；本发明的构建对象直接为提取的图像特征点，根据特征点直接递增构建三维岩体结构模型，简化了建模步骤，提高了掌子面地质调查的准确性。

本实施例对建模方法进行了优化。三维岩体结构模型构建后进行循环平差修正，并运用泊松重构算法(Poisson Surface Reconstructio)依次机芯网格化，修复流形边缘，参数化，投影纹理，提高了模型的精准度。

本实施例还原了模型的真实色彩。本发明在递增式模型构建过程中还原模型真彩色，便于进行后续的岩体结构人工分析。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种三维岩体结构模型的构建方法，其特征在于，包括：

获取样本岩石数字照片并进行二值化与特征增强预处理；

提取预处理后样本岩石数字照片的图像特征点，根据图像特征点直接递增构建三维岩体结构模型；在递增构建三维岩体结构模型的过程中，还原三维岩体结构模型的色彩；

循环平差修正三维岩体结构模型，运用泊松重构算法对修正后的三维岩体结构模型依次进行网格化、修复流形边缘、参数化及投影纹理操作，得到优化后的三维岩体结构模型。

2.如权利要求1所述的三维岩体结构模型的构建方法，其特征在于，还原三维岩体结构模型的色彩的过程为：

根据每张样本岩石数字照片在三维岩体结构模型中贡献的位置，将样本岩石数字照片的RGB值赋予同坐标位置的点云，以恢复三维岩体结构模型的色彩。

3.如权利要求1所述的三维岩体结构模型的构建方法，其特征在于，在二值化与特征增强预处理的过程中，采用中值滤波方法对样本岩石数字照片进行去噪处理。

4.如权利要求1所述的三维岩体结构模型的构建方法，其特征在于，在二值化与特征增强预处理的过程中，应用等值线法分割图像的平滑区域及纹理区域，在平滑区域应用多项式模型插值，在纹理区域采用有理函数模型插值，根据Sobel算子模板计算图像的梯度，根据图像不同纹理方向进行中心点周围像素值的权重优化。

5.如权利要求1所述的三维岩体结构模型的构建方法，其特征在于，循环平差修正三维岩体结构模型之前，还包括：

将待加入岩石数字照片及其图像特征点，联合已有三维岩体结构模型，组成一个新的区域网模型，并对模型网格进行修正，利用光束法平差对新的区域网模型进行优化；

或在循环平差修正三维岩体结构模型的过程中，在每一次平差之后采用预设的粗差剔除机制对已有三维岩体结构模型对应的图像特征点及岩石数字照片进行筛选。

6.如权利要求1所述的三维岩体结构模型的构建方法，其特征在于，将样本岩石数字照片的RGB值赋予同坐标位置的点云之前，还包括匹配三维岩体结构模型点云坐标与样本岩石数字照片坐标，其过程为：

匹配三维岩体结构模型点云坐标与样本岩石数字照片坐标的过程为：

用二维像素信息与三维点云数据直接共轴获取，将像素信息进行球面投影，相同角度的像素点RGB信息直接赋予至三维点，进行直接拼接。

7.一种三维岩体结构模型的构建系统，其特征在于，包括：

照片预处理模块，其用于获取样本岩石数字照片并进行二值化与特征增强预处理；

模型预构建模块，其用于提取预处理后样本岩石数字照片的图像特征点，根据图像特征点直接递增构建三维岩体结构模型；在递增构建三维岩体结构模型的过程中，还原三维岩体结构模型的色彩；

模型优化模块，其用于循环平差修正三维岩体结构模型，运用泊松重构算法对修正后的三维岩体结构模型依次进行网格化、修复流形边缘、参数化及投影纹理操作，得到优化后的三维岩体结构模型。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的三维岩体结构模型的构建方法中的步骤。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一项所述的三维岩体结构模型的构建方法中的步骤。

10.一种如权利要求1-6中任一项所述的三维岩体结构模型的构建方法所得到的三维岩体结构模型，其特征在于，用于标识岩体结构面。

Images