CN113256082A - 一种隧道掌子面智能地质素描及地质评价方法 - Google Patents

一种隧道掌子面智能地质素描及地质评价方法 Download PDF

Info

Publication number
CN113256082A
CN113256082A CN202110496779.0A CN202110496779A CN113256082A CN 113256082 A CN113256082 A CN 113256082A CN 202110496779 A CN202110496779 A CN 202110496779A CN 113256082 A CN113256082 A CN 113256082A
Authority
CN
China
Prior art keywords
geological
tunnel
tunnel face
sketch
face
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.)
Pending
Application number
CN202110496779.0A
Other languages
English (en)
Inventor
陈培帅
袁青
杨钊
张子平
熊齐欢
杨林
吴忠仕
陈世豪
江鸿
褚存
梁晓腾
王伟
唐湘隆
李傲赢
肖靖
冯德定
唐祖阳
黄威
杨睿
李雪松
任梦
罗会武
李德杰
杨本亮
李勇智
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CCCC Second Harbor Engineering Co
Original Assignee
CCCC Second Harbor Engineering Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CCCC Second Harbor Engineering Co filed Critical CCCC Second Harbor Engineering Co
Priority to CN202110496779.0A priority Critical patent/CN113256082A/zh
Publication of CN113256082A publication Critical patent/CN113256082A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V8/00—Prospecting or detecting by optical means
    • G01V8/02—Prospecting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Software Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Geometry (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Geophysics (AREA)
  • Computer Graphics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Excavating Of Shafts Or Tunnels (AREA)

Abstract

本发明公开了一种隧道掌子面智能地质素描及地质评价方法，其特征在于，包括以下步骤：步骤一、通过摄像设备拍摄采集隧道掌子面的图片；步骤二、对采集的图片进行初步处理，确定同一基准线；步骤三、将图片根据隧道进尺里程进行排列定位；步骤四、识别图片的围岩分层界限和节理裂隙特征；步骤五、步骤根据提取的围岩分层与节理裂隙特征进行三维动态建模，得到隧道掌子面的三维动态模型；步骤六、以三维动态模型实现隧道地质评价；步骤七、根据地质评价结果对掌子面围岩采取相应施工处理。本发明提高了超前地质预报效率，提高地质素描的准确性与科学性、减少环境和人工观察的误差影响，增强了施工的安全性。

Description

一种隧道掌子面智能地质素描及地质评价方法
技术领域
本发明涉及隧道掌子面智能地质素描及地质评价方法领域。更具体地说，本发明涉及一种科学准确的隧道掌子面智能地质素描及地质评价方法。
背景技术
在公路隧道工程建设中，经常遇到地质环境恶劣、施工条件较差的情况。特别是西部隧道工程的开发中，岩石破裂程度高、岩溶、高地热等不良地质现象严重，加之受制于工期、气候和经费等条件的限制，施工条件和状况通常很差，容易导致灾害事故的频发。所以隧道掌子面的地质素描分析与智能评价不仅是施工过程中地质超前预报的需要，在整个隧道建设的过程中也占有极其重要的位置。
目前隧道的掌子面地质素描及裂隙岩体识别途径直观并且单一，基本完全依靠人工。依赖于地质罗盘、皮尺等基础工具进行信息采集，纯手工做地质素描，现场测量然后记录存档。这样的方法存在两个关键问题：信息不够准确、工作效率低下。隧道施工的现场环境非常恶劣，粉尘和昏暗的光照条件非常不方便现场测量；另一方面受相关人员的地质知识水平及工作经验的影响，地质描述的完整性和准确性都无法得到保障，由此获得的数据也缺乏一致性和可比性。信息提取的不准确很容易导致分析结果与实际情况大相径庭，同时隧道中岩爆、塌方等不安全因子也会随时威胁到地质人员的安全。故必须重视超前地质预报的安全性和实用性，开发一种智能地质素描和地质评价技术。
发明内容
为了实现根据本发明的这些目的和其它优点，提供了一种隧道掌子面智能地质素描及地质评价方法，包括以下步骤：
步骤一、通过摄像设备拍摄采集隧道掌子面的图片；
步骤二、对采集的隧道掌子面图片进行初步处理，确定同一基准线；
步骤三、将隧道掌子面图片根据隧道进尺里程进行排列定位；
步骤四、识别隧道掌子面图片的围岩分层界限和节理裂隙特征；
步骤五、步骤根据提取的围岩分层与节理裂隙特征进行三维动态建模，得到隧道掌子面的三维动态模型；
步骤六、以隧道掌子面的三维动态模型实现隧道地质评价；
步骤七、根据地质评价结果对掌子面围岩采取相应施工处理。
根据本发明的一优选实施方案，所述的隧道掌子面智能地质素描及地质评价方法中，所述步骤二中，对采集的隧道掌子面图片进行初步处理，具体包括以下步骤：
S21、采用基于YUV空间的Y分量均衡法对隧道掌子面图片进行直方图变换，将输入的RGB图像转换到YUV空间，对Y分量即亮度通道进行直方图均衡化，再转换回RGB图像；
S22、采用高斯滤波进行处理，使整个隧道掌子面图片过渡均匀平滑，去除细节，过滤掉噪声，且对邻域内像素灰度进行平均；
S23、结合拉普拉斯算法和以下公式1)对经S22步骤处理的图像进行锐化处理，其中所述公式1)为
Figure BDA0003054676060000021
S24、利用图像角度修正技术确定掌子面拍摄照片的同一基准线。
根据本发明的一优选实施方案，所述的隧道掌子面智能地质素描及地质评价方法中，所述步骤四中，采用人工神经网络和边缘检测算法、线性检测技术进行图像的数据化处理，根据采集照片处理后的结果进行掌子面结构边界线的识别和分层迹线的判断。
根据本发明的一优选实施方案，所述的隧道掌子面智能地质素描及地质评价方法中，所述步骤四中，以分形理论和计盒维数法提取裂隙信息，于每段里程的掌子面三维模型中进行自动化素描，制备出掌子面节理裂隙特征图示。
根据本发明的一优选实施方案，所述的隧道掌子面智能地质素描及地质评价方法中，所述步骤五中，依据处理后的岩层分界情况与节理裂隙特征建立隧道三维地质结构模型，绘制地质信息动态色谱显示图，从已知结构面平面向前延伸，形成掌子面前方未开挖区域的结构面预测结果。
根据本发明的一优选实施方案，所述的隧道掌子面智能地质素描及地质评价方法中，所述步骤六中，结合专家调查法、模糊评判法以及层次分析法针对所得隧道地层信息展开地质风险等级评价，采用力学分析法和工程类比法建立隧道地质反馈设计。
根据本发明的一优选实施方案，所述的隧道掌子面智能地质素描及地质评价方法中，所述步骤七中，根据地质建模与地质评价的结果判定此处的地质风险和围岩等级，确定相应的施工处理措施。
根据本发明的一优选实施方案，所述的隧道掌子面智能地质素描及地质评价方法中，所述步骤一中，选取合适的施工间歇时间，根据地质超前预报的要求并考虑隧道整体宏观状况进行拍摄照片位置的选定，跟随隧道开挖方向向前推进，等距离设置图像采集点。
根据本发明的一优选实施方案，所述的隧道掌子面智能地质素描及地质评价方法中，所述步骤三中，具体步骤包括以下方式，按公式(2)计算出图像与实际尺寸的比例：
Figure BDA0003054676060000031
式中，λ为图像比例转换系数，(x1，y1)、(x2，y2)为隧道掌子面图像中两标记点的像素坐标，D为施工现场两标记点间的实际距离；
将所有隧道掌子面图像通过放大或缩小达到特定的比例转换系数进行标准化来对所有隧道掌子面图像统一分析；
将标准化后的隧道掌子面图像按照隧道施工开挖的顺序在隧洞轴线方向上进行排列，按各里程位置进行定位，建立三维空间坐标系，将所有隧道掌子面图像与现实隧道掌子面一一对应，在三维空间坐标系上布设图像位置信息。
根据本发明的一优选实施方案，所述的隧道掌子面智能地质素描及地质评价方法中，图像采集时，数码相机位于开挖通道的中间位置，摄影方向垂直于掌子面，成像面与掌子面平行。
本发明至少包括以下有益效果：
(1)本发明的隧道掌子面智能地质素描及地质评价方法，基于图像去噪增强技术对隧道掌子面地质拍照初始照片进行处理，增强分辨率和图像质量。结合实际掌子面位置实现各图像在整体隧道中的三维虚拟定位，解决初始图像的分辨率质量及参照标准问题。
(2)通过自动化程序提取掌子面图像中的裂隙节理特征，制备破碎程度纵向三维动态色谱显示图，根据岩体分层与裂隙特征进行隧道掌子面地质动态评价。建立三维地层模型，预测未开挖部分的地质结构信息，保证已开挖隧洞安全监测的同时为后续里程隧道的施工提供了地质参考，提高了超前地质预报效率，提高地质素描的准确性与科学性、减少环境和人工观察的误差影响，增强了施工的安全性。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明中隧道掌子面智能地质素描及地质评价方法的结构示意图。
图2为本发明中隧道掌子面的拍照布置图。
其中，B1-掌子面，B2-岩层分界面。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变形。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
本领域技术人员应理解的是，在本发明的揭露中，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系是基于附图所示的方位或位置关系，其仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此上述术语不能理解为对本发明的限制。
可以理解的是，术语“一”应理解为“至少一”或“一个或多个”，即在一个实施例中，一个元件的数量可以为一个，而在另外的实施例中，该元件的数量可以为多个，术语“一”不能理解为对数量的限制。
如图1所示，本发明的一优选实施方案提供一种隧道掌子面智能地质素描及地质评价方法，包括以下步骤：
步骤一、通过摄像设备拍摄采集隧道掌子面的图片；具体的，选取合适的施工间歇时间，根据地质超前预报的要求并考虑隧道整体宏观状况进行拍摄照片位置的选定，跟随隧道开挖方向向前推进，等距离设置图像采集点。
其中通过照相机现场拍摄采集隧道掌子面图片，就我国目前隧道快速施工的水平，一般采用钻爆与TBM施工相结合的方法。一个开挖循环进尺约2～3m，二个开挖循环是4～6m，三个开挖循环是6～9m。而超前地质预报短距离预报的范围是在0～15m，每一个开挖循环都能拍摄到完整的掌子面围岩照片，采取大于一个开挖循环进尺且小于两个开挖循环进尺可以确保照片的连续性，因此每隔3-5m拍摄一张数码照片。
在当前开挖隧道掌子面上作一标记点，采用全站仪测得隧道掌子面上标记点的三维坐标。
需要进一步注意的是，图像采集时，数码相机位于开挖通道的中间位置，摄影方向垂直于掌子面，成像面与掌子面平行，这是由于，位于中间位置可以更好地收集掌子面图片的特征与边缘线轨迹，摄影方向垂直于掌子面即是为了摆脱由于角度差异造成的图片成像不精确，尽可能地修复角度误差，避免后续识别的尺寸误差问题。
图像采集过程中注意光线的补给，在隧道掌子面布设施工时所用的隧道照明灯便于全站仪的量测和照片采集。
拍照时根据光线情况调整好相机的参数，从中心角度拍摄隧道掌子面全景图，必须保证照片清晰，且包含隧道掌子面所有范围。
采集时间的选择：选取在隧道掌子面排险完成后至衬砌支护前这段不会对掌子面进行施工的时间。此时可以采集到完整的隧道掌子面图像。
步骤二、对采集的隧道掌子面图片进行初步处理，确定同一基准线；具体包括以下步骤：
S21、采用基于YUV空间的Y分量均衡法对隧道掌子面图片进行直方图变换，将输入的RGB图像转换到YUV空间，对Y分量即亮度通道进行直方图均衡化，再转换回RGB图像；
通过直方图变换进行亮度/对比度优化。直方图反映了图像的明暗分布规律，可以通过图像变换进行直方图调整，获得较好的视觉效果。
S22、采用高斯滤波进行处理，使整个隧道掌子面图片过渡均匀平滑，去除细节，过滤掉噪声，且对邻域内像素灰度进行平均，给予了不同位置像素不同的权值。在对图像细节进行模糊的同时，更多地保留图像总体的灰度分布特征，平滑过程中保留源图像的总体特征的效果较好。
S23、结合拉普拉斯算法和以下公式1)对经S22步骤处理的图像进行锐化处理，其中所述公式为
Figure BDA0003054676060000061
采用拉普拉斯算法进行锐化处理，拉普拉斯算子作为二阶导数算子，能够很好的识别并加强边界。拉普拉斯图像锐化采用模板如公式(1)。通过像素和邻域范围内的像素值的关系重新定义该像素，使亮者更亮，暗者更暗。
利用图像角度修正技术确定掌子面拍摄照片的同一基准线。通过CDR矫正图像工具，根据平移—放大缩小—网格工具—更正镜头畸变—旋转图像-水平、垂直透视步骤消除拍摄时相机的位置角度误差，采用不受位置角度影响的输入量对位置角度进行校正。之后利用OpenCV中基于直线探测的矫正算法进行核验，包括用霍夫线变换探测出图像中的所有直线；计算出每条直线的倾斜角，求他们的平均值；根据倾斜角旋转矫正。
S24、利用图像角度修正技术确定掌子面拍摄照片的同一基准线。
步骤三、将隧道掌子面图片根据隧道进尺里程进行排列定位；具体包括，以下方式，按公式(2)计算出图像与实际尺寸的比例：
Figure BDA0003054676060000062
式中，λ为图像比例转换系数，(x1，y1)、(x2，y2)为隧道掌子面图像中两标记点的像素坐标，D为施工现场两标记点间的实际距离；
对隧道掌子面上左右边墙靠近底面部分取近似水平两点，测量这两点间的实际距离D。同时，在隧道掌子面图像中测量这两点的像素距离d，则此时图像与实际掌子面比例转换系数为d/D。
将所有隧道掌子面图像通过放大或缩小达到特定的比例转换系数进行标准化来对所有隧道掌子面图像统一分析；
将标准化后的隧道掌子面图像按照隧道施工开挖的顺序在隧洞轴线方向上进行排列，按各里程位置进行定位，建立三维空间坐标系，将所有隧道掌子面图像与现实隧道掌子面一一对应，在三维空间坐标系上布设图像位置信息。
步骤四、识别隧道掌子面图片的围岩分层界限和节理裂隙特征；
具体的，采用人工神经网络和边缘检测算法、线性检测技术进行图像的数据化处理，根据采集照片处理后的结果进行掌子面结构边界线的识别和分层迹线的判断。以分形理论和计盒维数法提取裂隙信息，于每段里程的掌子面三维模型中进行自动化素描，制备出掌子面节理裂隙特征图示。
建立人工神经网络计算模型，结构由输入层，隐含层，输出层组成。预处理后的图像数据从输入层输入，经过隐含层，输出层的计算得到预测迹线信息，预测值为输出层的输出结果。将部分掌子面图像作为输入层，根据此图像绘制的地质素描图作为输出层，进行机器模型的学习训练，经过多次样本训练后，建立适合准确的训练模型，匹配后续掌子面图像的迹线情况，以此预测后续掌子面图像的智能素描结果，即在图2中以隧道掌子面B1的前后顺序为主导，以开挖后区域的掌子面图像预测模型预测未开挖区域的掌子面围岩结果，形成岩层分界面B2。
采用边缘检测算法通过标识数字图像中亮度变化明显的点，剔除支护、岩石碎屑等不相关的信息，保留掌子面图像重要的结构属性。经各算子比对后采用Canny边缘检测算子对隧道掌子面上的边界线进行检测。采用多级边缘检测算法，在尽量地减少噪声产生的误报之下，标识出尽量多的实际岩层边缘，且能够达到检测出的边缘与实际边缘最大程度的接近的效果。通过组合得到的两幅隧道边缘图提取检测结果，这样既能检测图像中重要的、显著的线条、轮廓等，又去掉了那些过于细节的边缘。采用三个边缘检测准则，并以数学方法系统确定掌子面图像边缘检测函数性能指标的数学表达式：信噪比、检测精度和伪边界平均距离。
通过线性检测技术识别掌子面图像中小的直线段、线条等，对图像边缘进行描绘，便于掌握图像特征。利用HoughLinesP函数进行直线检测，调整控制条参数至最佳效果，通过调节边缘检测窗口控制条来对迹线检测结果进行调整。对于不能检测出来的线条采用手动绘制，岩层和分界线的数量实时统计和输出。
掌子面岩体裂隙分布符合分形理论，采用计盒维数法来计算分形维数。计盒维数由相同形状集覆盖确定，易于进行程序化计算。结合GIS技术，通过在已绘制构造线的掌子面素描底图上按照一定规律遍历生成方盒网络，查询出覆盖构造线的方盒数作为基础数据，计算出分维数来定量描述岩体裂隙的分布特征。
根据上述图像处理结果，通过几个主要参数完成地质素描：节理组数、平均裂隙间距、产状。
节理组数：组成交叉节理系统的节理组数目。将产状大致相同的节理划分为一组。根据对实际隧道掌子面图像上节理的分析结果，将视倾角之差小于10°的节理划分为一组进行统计。
平均裂隙间距：一个节理组的平均或最常见的间距，反映岩体完整程度和岩石块体大小，以公式(3)结合节理特征结果进行统计。
Figure BDA0003054676060000081
式中，λ为比例转换系数；bmax为同组结构面拟合直线方程中最大截距值；bmin为同组结构面拟合直线方程中最小截距值；N为同组结构面数量；
Figure BDA0003054676060000082
为同组结构面倾角平均值的正切值。
产状：利用已测得的位于结构面的三个点的空间坐标，计算出结构面的平面方程，进而得出平面法线方程，法线与水平面间夹角的余角，即为结构面的倾角；由法线在水平面上的投影向量计算出结构面倾向。
步骤五、步骤根据提取的围岩分层与节理裂隙特征进行三维动态建模，得到隧道掌子面的三维动态模型；
具体的，依据处理后的岩层分界情况与节理裂隙特征建立隧道三维地质结构模型，绘制地质信息动态色谱显示图，从已知结构面平面向前延伸，形成掌子面前方未开挖区域的结构面预测结果。
根据隧道各相邻掌子面上主要结构面边界线的对应关系和裂隙节理迹线的位置尺寸，建立隧道三维地质结构模型，通过模型展示隧道开挖区域的岩层结构面和地质风险情况，并根据已知结构面平面向前延伸，可形成掌子面前方未开挖区域的结构面预测结果。
根据所得的特征参数，由蒙特卡洛法则生成随机模型，并从中选取最优模型。选取合适的模型之后，将确定性模型按照一定的准则加入，加入时要保证模型的体密度不变。根据现场测量的二维点，利用前面图像匹配之后计算出三维坐标，然后利用所求取的三维坐标结合测量结构面的产状、迹长信息及裂隙节理相关特征在模型中进行描绘。通过已开挖区域的岩层识别分层和未开挖掌子面的结构面预测情况对模型进行补充修正。
根据已开挖区域的隧道掌子面岩层裂隙特征和结构面围岩分层情况，在三维地层模型上记录裂隙长度、宽度等信息的极限值，绘制相应初始色谱图。随着开挖进程推进，通过记录每一区段掌子面的裂隙特征和围岩分层信息对初始色谱图进行修正，调整合适的最大值与最小值情况，制作隧道开挖情况下随时间推进的隧道三维地质信息动态色谱显示图。
步骤六、以隧道掌子面的三维动态模型实现隧道地质评价；
具体的，结合专家调查法、模糊评判法以及层次分析法针对所得隧道地层信息展开地质风险等级评价，采用力学分析法和工程类比法建立隧道地质反馈设计。
基于专家调查法、模糊评判法、层次分析法等方法针对所得隧道地层信息展开地质风险等级评价。
专家调查法通过书面打分的形式咨询多名相关专家的意见，在向专家咨询之前明确施工风险，报告智能地质素描的初期结果。相关专家匿名对风险发表观点，然后由技术人员汇总专家意见，以全面准确判定风险等级及相应的处理措施。
模糊综合评判法通过影响隧道施工的因素如岩石强度、完整性、裂隙长度等建立隧道掌子面地质灾害评判模型，以概率空间地模糊数即发生灾害可能性代表概率，失效可能性表示失效概率。权衡公路隧道各类风险因素的加权值，给定有效论域，结合之前地质智能素描结论信息，对隧道掌子面地质进行综合评价。
层次分析法通过将隧道地质风险问题分解成若干个层次进行综合地质评价，各个层次影响因素对隧道施工的影响因素均可以进行量化，如断层属性、破裂带长度、岩石等级等。主要分析步骤为确定判断矩阵→计算矩阵特征值和特征向量→进行归一化检验。
结合模糊综合评判法和层次分析法设计模糊层次分析法，以结构面长度、层间厚度、裂隙间距、裂隙长度等信息为主要因素，建立隧道地质风险评价模型，通过专家调查法和人工智能算法结合图像处理后数据对评价模型进行循环修正。
采用力学分析法和工程类比法建立隧道地质反馈设计。
力学分析法利用理论计算来确定围岩衬砌参数，并以监控信息基础，通过反演算法得到与开挖隧道相匹配的支护结构参数。同时，在对隧道衬砌结构开展力学计算时，必须先清除其应力分布规律，然后在根据结构计算原理进行动态反馈设计。工程类比法根据监控单位提供的信息，将开挖中隧道与已建成围岩等级相近隧洞展开对比分析。
步骤七、根据地质评价结果对掌子面围岩采取相应施工处理。具体的，根据地质建模与地质评价的结果判定此处的地质风险和围岩等级，确定相应的施工处理措施。
根据地质建模与地质评价的结果判定此处的地质风险和围岩等级，综合判断隧道支护稳定情况，预测可能发生的风险事故，并及时调整支护参数，以实现隧道工程的动态反馈设计和信息化施工。当隧道动态风险达到预警时，应当加强支护，并优化施工方案，如风险较大应对支护结构重新设计。
依据上述具体步骤，进而逐步开展隧道掌子面智能地质素描及地质评价方法，完成超前地质预报重点工作。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (10)

1.一种隧道掌子面智能地质素描及地质评价方法，其特征在于，包括以下步骤：
步骤一、通过摄像设备拍摄采集隧道掌子面的图片；
步骤二、对采集的隧道掌子面图片进行初步处理，确定同一基准线；
步骤三、将隧道掌子面图片根据隧道进尺里程进行排列定位；
步骤四、识别隧道掌子面图片的围岩分层界限和节理裂隙特征；
步骤五、步骤根据提取的围岩分层与节理裂隙特征进行三维动态建模，得到隧道掌子面的三维动态模型；
步骤六、以隧道掌子面的三维动态模型实现隧道地质评价；
步骤七、根据地质评价结果对掌子面围岩采取相应施工处理。
2.根据权利要求1所述的隧道掌子面智能地质素描及地质评价方法，其特征在于，所述步骤二中，对采集的隧道掌子面图片进行初步处理，具体包括以下步骤：
S21、采用基于YUV空间的Y分量均衡法对隧道掌子面图片进行直方图变换，将输入的RGB图像转换到YUV空间，对Y分量即亮度通道进行直方图均衡化，再转换回RGB图像；
S22、采用高斯滤波进行处理，使整个隧道掌子面图片过渡均匀平滑，去除细节，过滤掉噪声，且对邻域内像素灰度进行平均；
S23、结合拉普拉斯算法和以下公式1)对经S22步骤处理的图像进行锐化处理，其中所述公式1)为
Figure FDA0003054676050000011
S24、利用图像角度修正技术确定掌子面拍摄照片的同一基准线。
3.根据权利要求1所述的隧道掌子面智能地质素描及地质评价方法，其特征在于，所述步骤四中，采用人工神经网络和边缘检测算法、线性检测技术进行图像的数据化处理，根据采集照片处理后的结果进行掌子面结构边界线的识别和分层迹线的判断。
4.根据权利要求3所述的隧道掌子面智能地质素描及地质评价方法，其特征在于，所述步骤四中，以分形理论和计盒维数法提取裂隙信息，于每段里程的掌子面三维模型中进行自动化素描，制备出掌子面节理裂隙特征图示。
5.根据权利要求1所述的隧道掌子面智能地质素描及地质评价方法，其特征在于，所述步骤五中，依据处理后的岩层分界情况与节理裂隙特征建立隧道三维地质结构模型，绘制地质信息动态色谱显示图，从已知结构面平面向前延伸，形成掌子面前方未开挖区域的结构面预测结果。
6.根据权利要求1所述的隧道掌子面智能地质素描及地质评价方法，其特征在于，所述步骤六中，结合专家调查法、模糊评判法以及层次分析法针对所得隧道地层信息展开地质风险等级评价，采用力学分析法和工程类比法建立隧道地质反馈设计。
7.根据权利要求1所述的隧道掌子面智能地质素描及地质评价方法，其特征在于，所述步骤七中，根据地质建模与地质评价的结果判定此处的地质风险和围岩等级，确定相应的施工处理措施。
8.根据权利要求1所述的隧道掌子面智能地质素描及地质评价方法，其特征在于，所述步骤一中，选取合适的施工间歇时间，根据地质超前预报的要求并考虑隧道整体宏观状况进行拍摄照片位置的选定，跟随隧道开挖方向向前推进，等距离设置图像采集点。
9.根据权利要求1所述的隧道掌子面智能地质素描及地质评价方法，其特征在于，所述步骤三中，具体步骤包括以下方式，按公式(2)计算出图像与实际尺寸的比例：
Figure FDA0003054676050000021
式中，λ为图像比例转换系数，(x1，y1)、(x2，y2)为隧道掌子面图像中两标记点的像素坐标，D为施工现场两标记点间的实际距离；
将所有隧道掌子面图像通过放大或缩小达到特定的比例转换系数进行标准化来对所有隧道掌子面图像统一分析；
将标准化后的隧道掌子面图像按照隧道施工开挖的顺序在隧洞轴线方向上进行排列，按各里程位置进行定位，建立三维空间坐标系，将所有隧道掌子面图像与现实隧道掌子面一一对应，在三维空间坐标系上布设图像位置信息。
10.根据权利要求1所述的隧道掌子面智能地质素描及地质评价方法，其特征在于，图像采集时，摄像设备位于开挖通道的中间位置，摄影方向垂直于掌子面，成像面与掌子面平行。
CN202110496779.0A 2021-05-07 2021-05-07 一种隧道掌子面智能地质素描及地质评价方法 Pending CN113256082A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110496779.0A CN113256082A (zh) 2021-05-07 2021-05-07 一种隧道掌子面智能地质素描及地质评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110496779.0A CN113256082A (zh) 2021-05-07 2021-05-07 一种隧道掌子面智能地质素描及地质评价方法

Publications (1)

Publication Number Publication Date
CN113256082A true CN113256082A (zh) 2021-08-13

Family

ID=77223894

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110496779.0A Pending CN113256082A (zh) 2021-05-07 2021-05-07 一种隧道掌子面智能地质素描及地质评价方法

Country Status (1)

Country Link
CN (1) CN113256082A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113781441A (zh) * 2021-09-13 2021-12-10 中铁一局集团第二工程有限公司 一种应用于节理岩体隧道开挖过程中的注浆范围优化方法
CN114419088A (zh) * 2022-01-24 2022-04-29 重庆中环建设有限公司 一种基于数字图像的隧道围岩信息提取方法
CN115546113A (zh) * 2022-09-15 2022-12-30 山东大学 掌子面裂隙图像与前方三维结构参数预测方法及系统
CN115638763A (zh) * 2022-09-09 2023-01-24 广州市盛通建设工程质量检测有限公司 一种三维地铁隧道变形监测方法、系统、设备及存储介质
CN115761038A (zh) * 2022-10-19 2023-03-07 山东大学 一种基于图像光谱技术的隧道掌子面地质素描方法及系统
CN116012336A (zh) * 2023-01-09 2023-04-25 中国地质大学（北京） 隧道智慧化地质素描及围岩等级判识装置及方法
CN117152344A (zh) * 2023-06-28 2023-12-01 西南交通大学 基于照片重建点云的隧道围岩结构面解析方法及系统
CN117934484A (zh) * 2024-03-25 2024-04-26 中铁四局集团有限公司 一种隧道掌子面围岩级别判定方法、设备、存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106780284A (zh) * 2016-12-28 2017-05-31 中铁工程装备集团有限公司 隧道洞壁围岩完整性信息采集装置及评价方法
CN112215820A (zh) * 2020-10-13 2021-01-12 仇文革 一种基于图像数据的隧道掌子面分析方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106780284A (zh) * 2016-12-28 2017-05-31 中铁工程装备集团有限公司 隧道洞壁围岩完整性信息采集装置及评价方法
CN112215820A (zh) * 2020-10-13 2021-01-12 仇文革 一种基于图像数据的隧道掌子面分析方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
冷彪: "基于数码成像的隧道掌子面地质信息系统研究", 《中国优秀博硕士学位论文全文数据库(博士) 信息科技辑》 *
李鹏云等: "基于图像处理的隧道掌子面地质构造信息提取研究", 《土木建筑工程信息技术》 *
董鑫等: "基于摄影测量的海底隧道围岩结构面识别研究", 《港工技术》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113781441A (zh) * 2021-09-13 2021-12-10 中铁一局集团第二工程有限公司 一种应用于节理岩体隧道开挖过程中的注浆范围优化方法
CN113781441B (zh) * 2021-09-13 2024-02-27 中铁一局集团第二工程有限公司 一种应用于节理岩体隧道开挖过程中的注浆范围优化方法
CN114419088A (zh) * 2022-01-24 2022-04-29 重庆中环建设有限公司 一种基于数字图像的隧道围岩信息提取方法
CN115638763A (zh) * 2022-09-09 2023-01-24 广州市盛通建设工程质量检测有限公司 一种三维地铁隧道变形监测方法、系统、设备及存储介质
CN115546113A (zh) * 2022-09-15 2022-12-30 山东大学 掌子面裂隙图像与前方三维结构参数预测方法及系统
CN115761038A (zh) * 2022-10-19 2023-03-07 山东大学 一种基于图像光谱技术的隧道掌子面地质素描方法及系统
CN115761038B (zh) * 2022-10-19 2023-06-30 山东大学 一种基于图像光谱技术的隧道掌子面地质素描方法及系统
CN116012336A (zh) * 2023-01-09 2023-04-25 中国地质大学（北京） 隧道智慧化地质素描及围岩等级判识装置及方法
CN116012336B (zh) * 2023-01-09 2024-02-23 中国地质大学（北京） 隧道智慧化地质素描及围岩等级判识装置及方法
CN117152344A (zh) * 2023-06-28 2023-12-01 西南交通大学 基于照片重建点云的隧道围岩结构面解析方法及系统
CN117152344B (zh) * 2023-06-28 2024-05-24 西南交通大学 基于照片重建点云的隧道围岩结构面解析方法及系统
CN117934484A (zh) * 2024-03-25 2024-04-26 中铁四局集团有限公司 一种隧道掌子面围岩级别判定方法、设备、存储介质

Similar Documents

Publication Publication Date Title
CN113256082A (zh) 一种隧道掌子面智能地质素描及地质评价方法
Chen et al. Automated extraction and evaluation of fracture trace maps from rock tunnel face images via deep learning
CN110069972B (zh) 自动探测真实世界物体
Chen et al. Towards semi-automatic discontinuity characterization in rock tunnel faces using 3D point clouds
Lemy et al. Discontinuity trace map construction using photographs of rock exposures
CN103632158B (zh) 森林防火监控方法及森林防火监控系统
Xue et al. Novel SfM-DLT method for metro tunnel 3D reconstruction and Visualization
CN112215820A (zh) 一种基于图像数据的隧道掌子面分析方法
Yang et al. A fully automatic-image-based approach to quantifying the geological strength index of underground rock mass
Dan et al. Application of deep learning-based image recognition technology to asphalt–aggregate mixtures: Methodology
Hadjigeorgiou et al. An evaluation of image analysis algorithms for constructing discontinuity trace maps
Leng et al. Rock mass trace line identification incorporated with grouping algorithm at tunnel faces
Rankohi et al. Image-based modeling approaches for projects status comparison
CN116229354A (zh) 基于特征参数自动提取的掌子面图像围岩等级辨识方法
Chen et al. A novel image-based approach for interactive characterization of rock fracture spacing in a tunnel face
Yang et al. Superpixel image segmentation-based particle size distribution analysis of fragmented rock
Jiang et al. Application of canny operator threshold adaptive segmentation algorithm combined with digital image processing in tunnel face crevice extraction
CN116030208A (zh) 一种真实无人机虚拟仿真输电线路场景搭建方法及系统
Chen et al. A critical review of automated extraction of rock mass parameters using 3D point cloud data
CN116524017B (zh) 一种用于矿山井下检测识别定位系统
Lu et al. A deep learning method for building façade parsing utilizing improved SOLOv2 instance segmentation
CN107038700A (zh) 基于gssim的土壤湿度空间分布特征定量分析方法
Yusoff et al. Detection of discontinuity pattern and orientation for tunnel faces by using 2D and 3D image analysis techniques
CN115388798A (zh) 一种隧道开挖面变形快速测量方法及装置
US20230136883A1 (en) Joint surface safety evaluation apparatus

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210813