CN112784403B - 基于点云数据建立节理岩体离散元模型的数值模拟方法 - Google Patents
基于点云数据建立节理岩体离散元模型的数值模拟方法 Download PDFInfo
- Publication number
- CN112784403B CN112784403B CN202011637847.2A CN202011637847A CN112784403B CN 112784403 B CN112784403 B CN 112784403B CN 202011637847 A CN202011637847 A CN 202011637847A CN 112784403 B CN112784403 B CN 112784403B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- rock mass
- point
- points
- 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 69
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004088 simulation Methods 0.000 title claims abstract description 15
- 238000001914 filtration Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 239000013598 vector Substances 0.000 claims description 18
- 230000005484 gravity Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000011946 reduction process Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 206010057175 Mass conditions Diseases 0.000 description 2
- 241000220317 Rosa Species 0.000 description 2
- 238000010297 mechanical methods and process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供一种基于点云数据建立节理岩体离散元模型的数值模拟方法。首先获取节理岩体的点云数据集,并进行去噪、精简滤波处理,然后计算结构面产状,通过点云数据建立的识别结构面的三维模型,不能直接导入离散元软件3DEC,因此借助Fracman软件和Rhino软件,Fracman软件结构面建模功能强大,Rhino软件模型处理功能完善,将模型处理成3DEC软件可读的数据文件,然后再导入3DEC软件进行数值分析,生成节理岩体的最终三维模型,本发明生成的节理岩体模型,可以得到更准确、真实的岩体状况,为工程现场提供更为可靠的依据。
Description
技术领域
本发明涉及岩土工程数值模拟技术领域,具体涉及一种基于点云数据建立节理岩体离散元模型的数值模拟方法。
背景技术
岩体是一种非连续地质材料,它经受长期的地质构造作用,在一定的地质环境中形成一定的结构,显现出宽广和多变的材料响应范围。岩体与一般工程材料相比,其最大特点是一般具有结构上的不连续性,多为层面和节理面等弱面所切割。岩体的性质取决于组成岩体的完整岩石的力学性质,以及岩体在漫长的地质年代中遭受多次应力变化所产生的不连续面的数量和性质。一般从宏观意义上说,岩体可以视为连续介质,从而可以用弹性力学或者塑性力学的方法来进行分析和计算。但在某些情况下,岩体却不能视作连续介质,如地下节理岩体中的巷道,这时就不宜用处理连续介质的力学方法来进行计算。于是,离散元作为一种处理节理岩体的数值方法就应运而生。
在数值模拟中,数值分析结果的合理性在很大程度上取决于模型建立的正确性和输入参数的可靠性。长期以来,国内外许多学者对如何获取更为可靠的信息进行了大量的科学研究,而三维激光扫描技术作为一种新型的测绘技术,近些年来得到了一定的应用和发展。该技术可以髙精度、快速地获取被测物体表面的三维坐标,其每个激光点都是被测物体表面的真实点,最终获取的被测物体表面点云数据在后期处理的时候真实可靠。与传统方法不同,它可以远距离、非接触式的获取岩体三维坐标,采集的点云数据可以用于创建高精度的三维模型,同时可以降低人工测量带来的工作风险。运用三维激光扫描对岩体表面进行扫描可以获得岩体表面的点云数据,依据点云数据重构岩体三维网格模型,对岩体表面结构面进行精准识别,从而使三维模型的开挖界面轮廓及岩体结构更为真实,运用所得的真实模型取代以往的虚拟模型进行节理岩体稳定性研究,并利用离散元软件3DEC对真实节理岩体模型进行静力计算和稳定性分析,以此得到更准确、真实的岩体状况,为工程现场提供更为可靠的依据。
发明内容
针对现有技术的不足,本发明提出一种基于点云数据建立节理岩体离散元模型的数值模拟方法,包括以下步骤:
步骤1:通过三维激光扫描仪对节理岩体表面进行扫描,获取节理岩体的点云数据集;
步骤2:对点云数据集进行去噪处理,得到去噪后的点云数据集;
步骤3:对去噪后的点云数据集进行精简滤波处理,得到精简后的点云数据集,所述精简滤波处理包括点云精简处理、体素化滤波处理;
步骤4:根据精简后的点云数据集识别出结构面,并计算出结构面产状参数;
步骤5:根据结构面产状参数进行结构面参数统计分析;
步骤6:将所有结构面产状统计参数输入到裂隙建模软件中得到节理岩体的初始三维模型;
步骤7:利用3D造型软件,将节理岩体的初始三维模型转换为离散元数值分析软件可识别的文件类型;
步骤8:将文件类型可识别的三维模型输入到数值模拟软件中进行数值分析,生成节理岩体的最终三维模型。
所述步骤3中的点云精简处理,表述为:采用字段截取法对去噪后的点云数据集进行过滤处理,得到过滤后的点云数据集;
所述体素化滤波处理,包括:
步骤3.1:设置体素栅格的大小;
步骤3.2:将体素栅格插入过滤后的点云数据集中;
步骤3.3:计算体素栅格内每个点到体素栅格中点的距离,取距离最小值对应的点作为每个体素栅格的重心点,删除掉除重心点以外的其他点,得到精简后的点云数据集。
所述步骤4包括:
步骤4.1:基于kd-tree实现k近邻搜索,建立精简后的点云数据集中的拓扑关系;
步骤4.2:利用改进的区域生长算法进行结构面的识别,包括:
步骤4.2.1:在识别区域中选取种子点作为初始生长点;
步骤4.2.2:计算种子点的法向量的夹角α',以及种子点周围邻域中所有点的法向量的夹角{α1,α2,…αi,…,αn},i=1,2,…,n,αi表示种子点周围邻域中第i个点的法向量的夹角;
步骤4.2.3:如果则将种子点周围邻域中第i个点合并到种子点所在的识别区域,如果/>则不进行合并操作,其中/>表示平整度约束值;
步骤4.2.4:在合并到识别区域的点中寻找新的种子点,重复步骤4.2.2~步骤4.2.3,直到再没有新的点合并到所述识别区域中,得到每个生长区域的聚类集;
步骤4.2.5:根据每个聚类集中的所有点拟合得到结构面所在平面的法线,并计算得到结构面的产状,所述结构面产状包括法向量、倾向、倾角。
所述拓扑关系是指点云邻域关系的建立,应先对点云进行空间划分,再在划分后候选点所在的子空间中划分新的子空间。
本发明的有益效果是:
本发明提出了一种基于点云数据建立节理岩体离散元模型的数值模拟方法,将获取的点云数据进行去噪、精简滤波处理,然后基于kd-tree实现k近邻搜索,建立精简后的点云数据集中的拓扑关系,利用改进的区域生长算法进行结构面的识别,借助Fracman软件和Rhino软件,将模型处理成3DEC软件可读的数据文件,然后再导入3DEC软件进行数值分析,根据本发明生成的节理岩体模型进行静力计算和稳定性分析,可以得到更准确、真实的岩体状况,为工程现场提供更为可靠的依据。
附图说明
图1为本发明中的基于点云数据建立节理岩体离散元模型的数值模拟方法流程图;
图2为本发明中的点云精简原理图;
图3为本发明中结构面模型导入3DEC流程图。
具体实施方式
下面结合附图和具体实施实例对发明做进一步说明。
如图1所示,一种基于点云数据建立节理岩体离散元模型的数值模拟方法,包括:
步骤1:通过三维激光扫描仪对节理岩体表面进行扫描,获取节理岩体的点云数据集;
通过三维激光扫描仪对节理岩体表面进行扫描,得到大量的初始点云数据,但采集的初始点云数据过大,对后续存储、显示、搜索、管理等方面造成极大不便。首先需要对点云进行精简,去除后期处理用不到的冗余无效数据。采用字段截取法对指定的某一维度实行的简单过滤,去除指定范围内部/外部的点,实现点云精简。
步骤2:对点云数据集进行去噪处理,通过对采集的空间点云数据进行字段截取实现点云去噪,得到去噪后的点云数据集;
步骤3:对去噪后的点云数据集进行精简滤波处理,得到精简后的点云数据集,所述精简滤波处理包括点云精简处理、体素化滤波处理;
采用体素化分析和欧式距离判断准则对点云数据进行滤波和离群点移除,利用Geomagic Studio软件对点云进行拼接,基于Delaunay三角化对数据进行缩减;将离散点云数据的坐标系进行统一,然后进行曲面构建。
所述点云精简处理,表述为:采用字段截取法对去噪后的点云数据集进行过滤处理,得到过滤后的点云数据集;
点云精简的原理图如图2所示,设定阈值限制过滤掉点云中所有Z字段不在某个范围内的点。如图2所示,点p1、p2的Z值大于0,点p3、p4、p5的Z值小于0,如果设置滤波条件为Z字段,指定范围为Z>0,则保留点p1、p2,点p3、p4、p5会被删除。
为了进一步减少点云的离散性,对过滤后的点云数据集进行离群点的剔除。采用欧式距离原则对离群点进行剔除的基本思想是对每个点的相邻点进行一个统计分析,并修剪那些不符合一定标准的点。对输入数据中的所有点,我们计算它们与其所有邻近点的平均距离,分析点到邻近点的距离分布。假设统计的结果为由均值和标准差决定的高斯分布,则平均距离在的标准范围外的点可被定义为离群点并从数据集中去除掉,离群点剔除之后再采用体素化滤波处理。
体素化滤波的过程为:首先向输入的点云内插三维体素栅格,确定体素栅格大小,每个三维立方体中会包含一个或者很多个点,有的可能不包括点,但是每个点只会被一个体素栅格所包含。体素栅格划分的越细,点云滤波采样率越高,同时对于细节特征的保留越高。然后分析计算每个三维立方体的重心点,在每个体素内用体素中所有点的重心来近似替代体素中的其他点,并删除体素内的其他点,则该体素内部所有点最终就用重心点表示,对所有体素处理后得到过滤后的点云数据。
所述体素化滤波处理,包括:
步骤3.1:设置体素栅格的大小;
步骤3.2:将体素栅格插入过滤后的点云数据集中;
步骤3.3:计算体素栅格内每个点到体素栅格中点的距离,取距离最小值对应的点作为每个体素栅格的重心点,删除掉除重心点以外的其他点,得到精简后的点云数据集;
计算体素栅格内每个点到体素栅格中点的距离dj,统计所有距离{d1,d2,…,dj,…dJ}中的距离最小值dmin,将与中点(x0,y0,z0)之间的距离为dmin的点定义为重心点,保留体素栅格内的重心点,删除体素栅格内的其他点,得到精简后的点云数据集,J表示每个体素栅格内的所有点的总数,j=1,2,…,J,dj表示点(xj,yj,zj)到中点(x0,y0,z0)之间的距离。
对离散点云数据建立拓扑关系,采用改进的区域生长算法直接对点云数据进行处理分析,实现对岩体结构面的识别;
应用主成分分析法拟合结构面法向量,并计算其产状;
通过绘制结构面玫瑰花图、极点图、等密度图和赤平极投影图对岩体结构面的产状分布特征进行统计。
基于结构面参数统计结果,构建研究节理岩体的三维模型。
步骤4:根据精简后的点云数据集识别出结构面,并计算出结构面产状,包括:
步骤4.1:基于kd-tree实现k近邻搜索,建立精简后的点云数据集中的拓扑关系,拓扑关系的建立一般是指点云邻域关系的建立,应先对点云进行空间划分,再在划分后候选点所在的子空间中划分新的子空间;
基于kd-tree实现快速k近邻搜索,是指若某个样本在特征空间中的k个最相似的样本中的大部分隶属某分类,则该样本属于此分类。当要确定待定点到底归属于哪一分类中时,可以用欧式距离为依据衡量该点k近邻的权重,找到与其最近的k个点所组成的局部点集。
步骤4.2:利用改进的区域生长算法进行结构面的识别,包括:
步骤4.2.1:在识别区域中选取种子点作为初始生长点;
步骤4.2.2:计算种子点的法向量的夹角α',以及种子点周围邻域中所有点的法向量的夹角{α1,α2,…αi,…,αn},i=1,2,…,n,αi表示种子点周围邻域中第i个点的法向量的夹角;
步骤4.2.3:如果则将种子点周围邻域中第i个点合并到种子点所在的识别区域,如果/>则不进行合并操作,其中/>表示平整度约束值;
步骤4.2.4:在合并到识别区域的点中寻找新的种子点,重复步骤4.2.2~步骤4.2.3,直到再没有新的点合并到所述识别区域中,得到每个生长区域的聚类集;
步骤4.2.5:根据每个聚类集中的所有点拟合得到结构面所在平面的法线,并计算得到结构面的产状,绘制玫瑰花图、等密度图、极点图、赤平投影图,所述结构面产状包括法向量、倾向、倾角。
步骤5:为了得到结构面产状各参数服从的概率模型,根据结构面产状参数进行结构面参数的统计分析;
步骤6:将所有结构面产状统计参数输入到裂隙建模软件Fracman中构建离散裂隙网络DFN模型,得到节理岩体的初始三维模型;
步骤7:利用3D造型软件Rhino,将节理岩体的初始三维模型转换为离散元数值分析软件可识别的文件类型;
基于岩体质量分级,对节理岩体的力学参数进行估算;由于岩体表面很大,采集岩体表面数据的过程中,扫描设备不能从一个方向和位置采集到岩体表面的完整数据,因此需要从不同的方向和位置对岩体进行多次分区扫描,从而得到岩体各个局部数据。这就需要对各个局部扫描数据进行拼接,拼接时首先在两片数据点云上选择对应的点,拼合完成后将这两片点云数据拟合成一个整体,而后将各局部坐标系转换为统一的坐标系。
对于三维结构面点云模型中边界清晰的结构面,对其进行识别和产状统计,首先要为离散点云数据建立拓扑关系,拓扑关系的建立一般是指点云邻域关系的建立,应先对点云进行空间划分,再在划分后候选点所在的子空间中划分新的子空间。本发明采用kd-tree的方法对点云数据进行领域搜索,其中心思想是:若某个样本在特征空间中的k个最相似的样本中的大部分隶属某分类,则该样本属于此分类。
本发明所用到的结构面识别方法是在传统区域生长法的基础上改进实现的,其实质是对点云进行分割。基本思想主要是考虑点云及其空间邻域点之间的关系,将具有相似性质的元素集合起来构成区域。具体实现为:先在识别区域中选取种子点作为初始生长点,基于种子点和周围邻域中点的法向量之间角度偏差的比较,将平整度约束条件下足够接近的点融合,符合条件的邻域点合并到种子点所在的区域中,在这些合并的点寻找新的种子点继续进行上面的过程,直到再没有满足条件的点可被包括进来。算法输出生长区域的聚类集,每个聚类都是一个相同平整度的点集。
基于改进的区域生长算法识别结构面,通过科学合理的统计并分析调查清楚结构面分布的规律和特点,是下一步正确进行岩体稳定性分析的基础。倾向、倾角、走向为表示结构面产状的三要素。由于结构面产状表示空间的一个平面,以法向量阈值识别分割出点云数据中的结构面后需根据识别出的点拟合结构面方程平面法线方向的向量,进而计算法向量和倾向、倾角。通过绘制各种结构面产状统计图可进行结构面空间分布特征的分析。
步骤8:将文件类型可识别的三维模型输入到离散元数值模拟软件3DEC中进行数值分析,生成节理岩体的最终三维模型,其结构面模型导入3DEC的流程图如图3所示。
通过点云数据建立的识别结构面的三维模型,不能直接导入离散元软件3DEC,因此借助Fracman软件和Rhino软件,Fracman软件结构面建模功能强大,Rhino软件模型处理功能完善,将模型处理成3DEC软件可读的数据文件,然后再导入3DEC软件。为了准确反映节理岩体在采动影响下的响应特征,首先要确定岩体的本构模型,然后依据岩体质量分级估算岩体力学参数,再者确定模型的边界条件、初始条件等,最后对模型进行开挖,分析其响应特征,模拟结束。
Claims (4)
1.一种基于点云数据建立节理岩体离散元模型的数值模拟方法,其特征在于,包括如下步骤:
步骤1:通过三维激光扫描仪对节理岩体表面进行扫描,获取节理岩体的点云数据集;从不同的方向和位置对岩体进行多次分区扫描,得到岩体各个局部点云数据;
步骤2:对点云数据集进行去噪处理,得到去噪后的点云数据集;
步骤3:对去噪后的点云数据集进行精简滤波处理,得到精简后的点云数据集,所述精简滤波处理包括点云精简处理、体素化滤波处理;对各个局部点云数据进行拼接,在两片数据点云上选择对应的点,拼合完成后将这两片点云数据拟合成一个整体,将各局部坐标系转换为统一的坐标系,然后进行曲面构建;
步骤4:根据精简后的点云数据集识别出结构面,并计算出结构面产状参数;
步骤5:根据结构面产状参数进行结构面参数统计分析;
步骤6:将所有结构面产状统计参数输入到裂隙建模软件中得到节理岩体的初始三维模型;
步骤7:利用3D造型软件,将节理岩体的初始三维模型转换为离散元数值分析软件可识别的文件类型;
步骤8:将文件类型可识别的三维模型输入到数值模拟软件中进行数值分析,生成节理岩体的最终三维模型。
2.根据权利要求1所述的一种基于点云数据建立节理岩体离散元模型的数值模拟方法,其特征在于,所述步骤3中的点云精简处理,表述为:采用字段截取法对去噪后的点云数据集进行过滤处理,得到过滤后的点云数据集;
所述体素化滤波处理,包括:
步骤3.1:设置体素栅格的大小;
步骤3.2:将体素栅格插入过滤后的点云数据集中;
步骤3.3:计算体素栅格内每个点到体素栅格中点的距离,取距离最小值对应的点作为每个体素栅格的重心点,删除掉除重心点以外的其他点,得到精简后的点云数据集。
3.根据权利要求1所述的一种基于点云数据建立节理岩体离散元模型的数值模拟方法,其特征在于,所述步骤4包括:
步骤4.1:基于kd-tree实现k近邻搜索,建立精简后的点云数据集中的拓扑关系;
步骤4.2:利用改进的区域生长算法进行结构面的识别,包括:
步骤4.2.1:在识别区域中选取种子点作为初始生长点;
步骤4.2.2:计算种子点的法向量的夹角α',以及种子点周围邻域中所有点的法向量的夹角α1,α2,…αi,…,αn,i=1,2,…,n,αi表示种子点周围邻域中第i个点的法向量的夹角;
步骤4.2.3:如果则将种子点周围邻域中第i个点合并到种子点所在的识别区域,如果/>则不进行合并操作,其中/>表示平整度约束值;
步骤4.2.4:在合并到识别区域的点中寻找新的种子点,重复步骤4.2.2~步骤4.2.3,直到再没有新的点合并到所述识别区域中,得到每个生长区域的聚类集;
步骤4.2.5:根据每个聚类集中的所有点拟合得到结构面所在平面的法线,并计算得到结构面的产状,所述结构面的产状包括法向量、倾向、倾角。
4.根据权利要求3所述的一种基于点云数据建立节理岩体离散元模型的数值模拟方法,其特征在于,所述拓扑关系是指点云邻域关系的建立,应先对点云进行空间划分,再在划分后候选点所在的子空间中划分新的子空间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011637847.2A CN112784403B (zh) | 2020-12-31 | 2020-12-31 | 基于点云数据建立节理岩体离散元模型的数值模拟方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011637847.2A CN112784403B (zh) | 2020-12-31 | 2020-12-31 | 基于点云数据建立节理岩体离散元模型的数值模拟方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112784403A CN112784403A (zh) | 2021-05-11 |
CN112784403B true CN112784403B (zh) | 2023-11-10 |
Family
ID=75754998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011637847.2A Active CN112784403B (zh) | 2020-12-31 | 2020-12-31 | 基于点云数据建立节理岩体离散元模型的数值模拟方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112784403B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113298935B (zh) * | 2021-05-28 | 2023-11-14 | 鞍钢集团矿业有限公司 | 一种基于点云成像技术确定巷道岩体结构特征参数的方法 |
CN113486817B (zh) * | 2021-07-09 | 2023-09-08 | 中国矿业大学 | 一种基于激光扫描的采煤工作面煤岩识别方法 |
CN113565488B (zh) * | 2021-07-30 | 2023-07-18 | 中国地质科学院岩溶地质研究所 | 一种基于钻孔基岩面裂隙网络模拟的岩溶塌陷发育靶区遴选方法 |
CN113763280B (zh) * | 2021-09-15 | 2023-11-21 | 湖南科技大学 | 用于点云去噪的基于空间层次拓扑关系的区域生长方法 |
CN114608476B (zh) * | 2022-03-09 | 2023-06-02 | 东北大学 | 一种复杂岩体三维点云结构面智能分析提取方法 |
CN116645602B (zh) * | 2023-04-28 | 2024-05-07 | 长安大学 | 石窟风化裂隙智能识别和三维重构方法、系统和存储介质 |
CN116935231B (zh) * | 2023-09-14 | 2023-11-28 | 湖北工业大学 | 一种隧道围岩结构面信息提取及关键块体识别方法 |
CN117409152B (zh) * | 2023-12-15 | 2024-03-15 | 山东绿城家居有限公司 | 一种用于自动化编织筐三维仿真方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108489402A (zh) * | 2018-06-08 | 2018-09-04 | 绍兴文理学院 | 基于三维激光扫描的露天矿山边坡岩体节理规模快速精细取值方法 |
CN109002581A (zh) * | 2018-06-21 | 2018-12-14 | 中国航发北京航空材料研究院 | 基于仿真的高温合金非标紧固件塑性成形逆向设计方法 |
CN111553292A (zh) * | 2020-04-30 | 2020-08-18 | 南京工业大学 | 一种基于点云数据的岩体结构面识别与产状分类方法 |
CN111985507A (zh) * | 2020-08-28 | 2020-11-24 | 东北大学 | 一种岩体三维点云节理迹线提取方法 |
-
2020
- 2020-12-31 CN CN202011637847.2A patent/CN112784403B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108489402A (zh) * | 2018-06-08 | 2018-09-04 | 绍兴文理学院 | 基于三维激光扫描的露天矿山边坡岩体节理规模快速精细取值方法 |
CN109002581A (zh) * | 2018-06-21 | 2018-12-14 | 中国航发北京航空材料研究院 | 基于仿真的高温合金非标紧固件塑性成形逆向设计方法 |
CN111553292A (zh) * | 2020-04-30 | 2020-08-18 | 南京工业大学 | 一种基于点云数据的岩体结构面识别与产状分类方法 |
CN111985507A (zh) * | 2020-08-28 | 2020-11-24 | 东北大学 | 一种岩体三维点云节理迹线提取方法 |
Non-Patent Citations (2)
Title |
---|
三维节理岩体计算模型的建立;刘连峰,王泳嘉;岩石力学与工程学报(第01期);37-43 * |
岩体结构面三维粗糙度系数表征新方法;葛云峰;唐辉明;黄磊;王亮清;孙淼军;范怡静;;岩石力学与工程学报(第12期);136-145 * |
Also Published As
Publication number | Publication date |
---|---|
CN112784403A (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112784403B (zh) | 基于点云数据建立节理岩体离散元模型的数值模拟方法 | |
CN111932688B (zh) | 一种基于三维点云的室内平面要素提取方法、系统及设备 | |
CN106529469B (zh) | 基于自适应坡度的无人机载LiDAR点云滤波方法 | |
CN111986115A (zh) | 激光点云噪声和冗余数据的精准剔除方法 | |
Biosca et al. | Unsupervised robust planar segmentation of terrestrial laser scanner point clouds based on fuzzy clustering methods | |
CN110009727A (zh) | 一种具有结构语义的室内三维模型自动重构方法及系统 | |
CN110276732B (zh) | 一种顾及地形特征线要素的山区点云空洞修复方法 | |
US20120166160A1 (en) | Block model constructing method for complex geological structures | |
CN111553292B (zh) | 一种基于点云数据的岩体结构面识别与产状分类方法 | |
CN111340723B (zh) | 一种地形自适应的机载LiDAR点云正则化薄板样条插值滤波方法 | |
CN109961510B (zh) | 一种基于三维点云重构技术的高切坡地质快速编录方法 | |
CN108764157B (zh) | 基于法向量高斯分布的建筑物激光脚点提取方法及系统 | |
CN111652241B (zh) | 融合影像特征与密集匹配点云特征的建筑物轮廓提取方法 | |
CN112991424B (zh) | 一种基于八叉树算法的分形维数计算方法及装置 | |
CN113987969A (zh) | 多高程尺度水流网的陆地水动态仿真模型 | |
CN113763529B (zh) | 一种基于三维扫描的变电站建模方法 | |
Wang et al. | Branching the limits: Robust 3D tree reconstruction from incomplete laser point clouds | |
CN116012613B (zh) | 一种基于激光点云的露天矿的土方量变化测算方法和系统 | |
CN117253205A (zh) | 一种基于移动测量系统的道路面点云快速提取方法 | |
CN116452764A (zh) | 一种融合地形信息的机载激光雷达点云分级抽稀方法 | |
Sun et al. | Datum feature extraction and deformation analysis method based on normal vector of point cloud | |
Ye et al. | Gaussian Mixture Model of Ground Filtering Based on Hierarchical Curvature Constraints for Airborne Lidar Point Clouds | |
CN117854060B (zh) | 基于深度学习的隧道岩体面状裂隙识别方法及系统 | |
Wang et al. | High-Quality Contour Line Generation from LiDAR Point Clouds for the Area of Forests | |
CN116958470B (zh) | 一种融合马尔可夫链和多点统计学的地质建模方法和装置 |
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 |