CN113570722A - 一种围岩裂缝信息提取及完整性系数快速测定方法 - Google Patents
一种围岩裂缝信息提取及完整性系数快速测定方法 Download PDFInfo
- Publication number
- CN113570722A CN113570722A CN202110828482.XA CN202110828482A CN113570722A CN 113570722 A CN113570722 A CN 113570722A CN 202110828482 A CN202110828482 A CN 202110828482A CN 113570722 A CN113570722 A CN 113570722A
- Authority
- CN
- China
- Prior art keywords
- point
- point cloud
- surrounding rock
- extracting
- integrity
- 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
Links
- 239000011435 rock Substances 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000000605 extraction Methods 0.000 title description 5
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000005484 gravity Effects 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000003672 processing method Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- 238000005192 partition Methods 0.000 claims 1
- 230000001105 regulatory effect Effects 0.000 claims 1
- 230000000717 retained effect Effects 0.000 claims 1
- 238000010276 construction Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000011796 hollow space material Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Graphics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种围岩裂缝信息提取及完整性系数快速测定方法,包括:获得目标围岩的三维空间点云数据;对点云数据进行归一化配准处理、降噪处理、抽稀处理和曲面修补处理;提取裂缝信息;通过裂缝信息进行聚类划分识别,确定完整性系数;本发明的围岩裂缝信息提取及完整性系数快速测定方法可以及时有效的获取岩体体积节理数,为围岩分级快速判定提供相关指标参数,使得围岩分级过程更加高效,降低了施工成本,提高工作效率,缩短工作周期;还使分级克服可复杂环境造成的阻力,使其适应性更强;同时,在高效的分级过程中,还可以保证分级的精度高,误差小。
Description
技术领域
本发明涉及隧道工程技术领域,尤其是一种围岩裂缝信息提取及完整性系数快速测定方法。
背景技术
隧道围岩快速分级是实现合理准确支护设计、保障现场施工安全的前提。根据《工程岩体分级标准》,围岩基本分级可由岩石坚硬程度和岩体完整程度确定。岩石的完整程度则是根据完整性指数来进行划分。显然,传统划分方法需要根据室内岩石试验实现,判定周期长、效率不高。
随着三维形貌、三维激光等扫描技术的发展,其设备的效率、便携性、准确度不断提升。该类技术可以获取扫描对象的空间点云数据信息,智能识别目标体的物理外形特征。将该类扫描设备及技术可应用到地质工作当中,可以有效减少外业工作的时间和工作量。
传统的围岩分级方法需要在工程现场投入大量时间以及精力,且分级结果受现场施工员的主观意识影响程度较大,不仅如此,在个别环境条件特殊的工程段内,人为分级面临的环境阻力较大,严重影响工作进度及精度。
发明内容
本发明的发明目的在于:针对上述存在的问题,提供一种围岩裂缝信息提取及完整性系数快速测定方法;本发明解决了围岩分级受主观影响大的问题;解决了分级受环境阻力大的问题;还解决了分级工作效率低且精度低的问题。
本发明采用的技术方案如下:
一种围岩裂缝信息提取及完整性系数快速测定方法,包括:获得目标围岩的三维空间点云数据;对点云数据进行归一化配准处理、降噪处理、抽稀处理和曲面修补处理;提取裂缝信息;通过裂缝信息进行聚类划分识别,确定完整性系数。
进一步的,所述获得三维空间点云数据通过若干激光扫描仪进行扫描采集。
进一步的,所述归一化处理方法为:以首个扫描点Ai为基准点,用下一扫描点Ai+1的坐标减去基准点坐标Ai得到基准坐标差值Δi+1;对下一扫描点下得到的点云数据坐标ai+1全部减去基准坐标差值Δi+1,得到新的点云数据[ai+1]normal;令i=1,2,3,…,n,直到第n个扫描点下的点云数据完成归一化处理。
进一步的,所述降噪处理方法为:采用k-means点云去噪算法进行散乱点云的处理,分层后的点云根据k-means聚类形成k类,彼此拓扑,其中聚类出的k类中既含有所需点云,也包含了噪声点云;因此,设置一个加权欧式距离作为阈值dr,判断该类内的点云到聚类中心的距离li,如果li的距离大于dr,则可以认为该点是噪声点并且予以删除,如果li的距离小于dr,则该点予以保留。
进一步的,所述抽稀处理方法为:获得点云数据三个坐标最大值X,Y,Z,构造大包围盒,设定小包围盒边长为L,则包围盒的个数为再将每一个小单元包围进行编号处理,即W={W1,W2,W3,…,W4};再计算每一个散点所属的包围盒并进行标记;从第一个包围盒开始计算每一个包围盒的中心m={xm,ym,zm};最后计算单元包围盒中每一个点到中心的距离,并找到距离最近的点,将其作为采样点,替代包围盒中其他点。
进一步的,所述曲面修补方法为:空洞边界提取;边界点曲率计算;三角形重心加权;重心曲率赋值;边长检测。
进一步的,所述提取裂缝信息方法包括:利用曲面拟合算法对围岩表面点云拟合曲面;再对裂缝内部点云移除并将点云向拟合曲面投影并展开;获得裂缝几何信息提取所需要的局部有效点云;将隧道围岩点云数据向拟合曲面进行正交投影,再依照拟合曲面的顶部进行二维展开,形成一个新的平面坐标系;再利用Delaunay三角剖分改进的AlphaShapes算法提取裂缝轮廓。
进一步的,提取裂缝轮廓方法为:建立点集的Delaunay三角网;判断对三角网边长是否符合Alpha Shape模型;所有符合Alpha Shapes要求的边,构成的轮廓线即为点集的边缘线。
进一步的,聚类划分识别,确定完整性系数方法为:将各裂隙依据其偏转角划并成组,进而识别1m测线上的成组节理条数Si和非成组节理条数S0,再依据下式计算得到岩体的体积节理数,其公式为:其中,Jv为岩体体积节理数,Si为组节理在1m测线上的条数,S0为1m3岩体非成组节理条数。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明的围岩裂缝信息提取及完整性系数快速测定方法可以及时有效的获取岩体体积节理数,为围岩分级快速判定提供相关指标参数,使得围岩分级过程更加高效,降低了施工成本,提高工作效率,缩短工作周期。
2、本发明还使分级克服可复杂环境造成的阻力,使其适应性更强。
3、本发明在高效的分级过程中,还可以保证分级的精度高,误差小。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1是快速测定方法流程图。
图2是扫描点位分布示意图。
图3是降噪流程图。
图4是抽稀流程图。
图5是裂隙信息提取流程图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书(包括任何附加权利要求、摘要)中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
实施例1
一种围岩裂缝信息提取及完整性系数快速测定方法,如图1所示,包括:
S1:获得目标围岩的三维空间点云数据。
上述步骤中,获得三维空间点云数据通过若干激光扫描仪进行扫描采集;由于设备投射范围、视场范围、物体自身遮挡的限制以及扫描设备一次采样只能获得被测物体一个侧面的信息,故对于大型物体需要从不同的角度进行多次采样,然后再通过多视点云拼接与融合,形成整体的三维点云。
为保证扫描区域内每个点都能够从不同角度扫描两次,对三维扫描仪控制点作出如下规定:重叠扫描宽度L0≥0.5dim,即放置点A、B间的垂直间距需满足L3≥(L1+L2)tanα-0.5di;如图2所示,A1(X1,Y1,Z1),A2(X2,Y2,Z2)为两相邻仪器放置点;α为仪器扫描时旋转角度的一半;L1为放置点A2到掌子面的垂直距离;L2为放置点A1到掌子面的垂直距离;L0为两相邻放置点扫描区域的重叠部分,即拼接校准区域;L3为放置点A1、A2间的垂直间距;0.5di为上一个控制点的扫描宽度。
S2:对点云数据进行归一化配准处理、降噪处理、抽稀处理和曲面修补处理。
上述步骤中,由于现场扫描时仪器定点未必在同一直线上,而各扫描点得到初始点云数据坐标均处于以该次扫描点为原点的坐标系,为尽量降低后续多视数据拼接误差,将各扫描点所得的初始点云数据归一化处理,其方法为:以首个扫描点Ai为基准点,用下一扫描点Ai+1的坐标减去基准点坐标Ai得到基准坐标差值Δi+1;对下一扫描点下得到的点云数据坐标ai+1全部减去基准坐标差值Δi+1,得到新的点云数据[ai+1]normal;令i=1,2,3,…,n,直到第n个扫描点下的点云数据完成归一化处理,其算法如表1所示。
表1 点云归一化算法步骤描述
该算法中:Ai(Xi,Yi,Zi)为第i次扫描时仪器的定点坐标,ai(xi,yi,zi)为第i个定点坐标下的点云数据坐标,[ai+1]normal为归一化后的第i+1个定点坐标下的点云数据坐标。
所述降噪处理方法为:采用改进的k-means点云去噪算法进行散乱点云的处理,分层后的点云根据k-means聚类形成k类,彼此拓扑,其中聚类出的k类中既含有所需点云,也包含了噪声点云。因此,我们设置一个加权欧式距离作为阈值dr,判断该类内的点云到聚类中心的距离li,如果li的距离大于dr,则可以认为该点是噪声点并且予以删除,如果li的距离小于dr,则该点予以保留,并增加一个点云数并再次开始和阈值对比;同时在判断过程中加入余弦相似度sin(x,y)以增加判断的精度,如图3所示。
所述抽稀处理方法为:利用包围盒均匀抽稀法进行点云数据抽稀,获得点云数据三个坐标最大值X,Y,Z,构造大包围盒,假设设定的小包围盒边长为L,则包围盒的个数约为并将每一个小单元包围进行编号处理即W={W1,W2,W3,…,W4}。然后计算每一个散点所属的包围盒并进行标记。从第一个包围盒开始计算每一个包围盒的中心m={xm,ym,zm};所述计算公式如下:
再计算单元包围盒中每一个点到中心的距离,并找到距离最近的点,将其作为采样点,替代包围盒中其他点;循环计算所有包围盒,直到每一个包围盒都被处理为止,如图4所示。
所述曲面修补方法为:采用三角网形式的曲面定向修补方法,包括空洞边界提取;边界点曲率计算;三角形重心加权;重心曲率赋值;边长检测。
先空洞边界提取:首先对配准、降噪、抽稀后的点云数据建立三角网格,遍历所有三角形,若存在任意两条边边长均大于给定边长阈值,则认为该三角形顶点为空洞顶点,标记该点坐标。
边界点曲率计算:本实施例中采用normal cycle理论计算边界点曲率,在边界点周围选取一小范围邻域计算其曲率平均值,对给定顶点pi,以pi为球心,取半径为ri的领域C,考虑领域内的点和边,定义如下矩阵:
式中:|C|为C的面积,e为C中网格的边,eˉ为e方向上的单位向量,||e∩C||是e∩C的长度,总是在0和|e|之间,β(e)是以e为公共边的两个法向三角形法向的夹角。
计算矩阵Epi(C)的特征值,Epi(C)的最小特征值和特征方向可作为顶点pi处网格曲面的法向量的估计式。最小特征值和最大特征值可作为主曲率k1,k2的估计式,于是可以通过主曲率的微分几何求得平均曲率和高斯曲率,公式为:
三角形重心加权:首先计算空洞内每个三角形的重心坐标Pgi(式x),再计算三角形三个顶点与重心坐标的距离(式x),采用反距离权重法确定三个顶点对重心坐标在平面法向量方向上坐标增量的权矩阵P(式x、式x)。
式中:xgi、ygi、zgi为第i个三角形的重心坐标;x1、x2、x3为第i个三角形的三个顶点x坐标;y1、y2、y3为第i个三角形的三个顶点y坐标;z1、z2、z3为第i个三角形的三个顶点z坐标。
式中:di为第i个三角形顶点至重心点的距离;xgi、ygi、zgi为第i个三角形的重心坐标;xi、yi、zi为第i个三角形的顶点坐标;
式中:wi为三角形内第i个顶点对应的权重;di为三角形第i个顶点至重心点的距离;三角形对应的n=2,m=3。
最后解得三角形内部重心坐标的权P=(w1,w2,w3)
坐标增量计算公式为:Δi=k*Pi
式中:Δi为第i个三角形重心坐标的改正值;k为三角形三个顶点的高斯曲率矩阵;Pi为第i个三角形内部重心坐标的权值。
重心曲率赋值:每个重心坐标在所在三角形平面法向量方向上加上改正数即得到改正重心点坐标。
边长检测:再次遍历所有三角形,若仍存在任意两条边边长均大于给定边长阈值,则重复上述步骤。
S3:提取裂缝信息。
上述步骤中,采用曲面点云数据裂缝信息提取,其方法为:利用结合LMS算法和RANSAC算法的曲面拟合算法对围岩表面点云拟合曲面后,裂缝内部的点云依然存在,且会对后续裂缝的几何信息的提取产生明显影响;因此,对此部分的点云进行移除;裂缝内部点云移除后,将点云向拟合曲面投影并展开,三维点云变换至二维平面点云。
其次,裂缝内部的点云与围岩表面拟合曲面的点云不在同一个曲面上;将裂缝内部点云移除后,裂缝的几何轮廓便可以通过裂缝边缘的一系列样本点进行提取。将所有超出拟合曲面距离L的点进行移除;L是根据三维激光扫描仪扫描参数定义的一个临界值:L=σαc,其中,σ是三维激光扫描仪的精度,αc是通过多次试验获得的范围值。
裂缝内部点云移除后,获得裂缝几何信息提取所需要的局部有效点云。
为获取裂缝的实际几何信息,将隧道围岩点云数据向拟合曲面进行正交投影,再依照拟合曲面的顶部进行二维展开,形成一个新的平面坐标系;点云中原有的三维坐标(x,y,z)在新的二维坐标系中获得了二维坐标(x,y);为方便说明,本实施例采取圆柱面横断面,按照二维的形式分析点向拟合曲面的投影和展开。
再利用Delaunay三角剖分改进的Alpha Shapes算法提取裂缝轮廓,方法为:建立点集的Delaunay三角网;若三角网中某条边的长度大于Da,则该边不符合Alpha Shapes要求,删除该边;对其余边依次进行是否符合Alpha Shape模型判断。依据上述方法求出每条边以Da为直径的两个外接圆圆心位置;建立该边对应的检索格网,对检索格网内点集中的点进行距离判断,识别出符合Alpha Shapes要求的边,直至所有边均判断完毕,所有符合Alpha Shapes要求的边,构成的轮廓线即为点集的边缘线,如图5所示。
此外,本实施例中,随着外接圆直径Da值的变小,除了裂缝轮廓被识别出来以外,一些错误的轮廓信息也被识别出来。因此,需要对识别出的裂缝信息进行一个区分,剔除掉错误的裂缝轮廓信息。定义一个最小区域面积值Amin,该值需要大于直径Da的圆面积,并根据实际裂缝检测宽度需要设置。
S4:通过裂缝信息进行聚类划分识别,确定完整性系数。
上述步骤中,通过已提取出的点云数据中的裂缝、裂隙信息(边缘点坐标),依次闭合裂隙边缘点云坐标形成封闭图形,依据边缘轮廓点云坐标为每个封闭图形自动分配长轴与短轴,生成(ai,bi)轴数据集,ai代表第i个闭合图形长轴长度,bi代表第i个闭合图形短轴长度,每个轴数据集对应一个αi,αi代表该节理的偏转角,最终形成(ai,bi,αi)节理数据集。采用聚类分析算法,将各裂隙依据其偏转角划并成组,进而识别1m测线上的成组节理条数Si和非成组节理条数S0,再依据下式计算得到岩体的体积节理数:
其中,Jv为岩体体积节理数,Si为组节理在1m测线上的条数,S0为1m3岩体非成组节理条数。
再依据规范推荐表2可以得到岩体完整性指标Kv。
表2 Jv与Kv的对应关系
本发明的围岩裂缝信息提取及完整性系数快速测定方法可以及时有效的获取岩体体积节理数,为围岩分级快速判定提供相关指标参数,使得围岩分级过程更加高效,降低了施工成本,提高工作效率,缩短工作周期;还使分级克服可复杂环境造成的阻力,使其适应性更强;同时,在高效的分级过程中,还可以保证分级的精度高,误差小。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合,以及披露的任一新的方法或过程的步骤或任何新的组合。
Claims (9)
1.一种围岩裂缝信息提取及完整性系数快速测定方法,其特征在于,包括:获得目标围岩的三维空间点云数据;对点云数据进行归一化配准处理、降噪处理、抽稀处理和曲面修补处理;提取裂缝信息;通过裂缝信息进行聚类划分识别,确定完整性系数。
2.如权利要求1所述的围岩裂缝信息提取及完整性系数快速测定方法,其特征在于,所述获得三维空间点云数据通过若干激光扫描仪进行扫描采集。
3.如权利要求1所述的围岩裂缝信息提取及完整性系数快速测定方法,其特征在于,所述归一化处理方法为:以首个扫描点Ai为基准点,用下一扫描点Ai+1的坐标减去基准点坐标Ai得到基准坐标差值Δi+1;对下一扫描点下得到的点云数据坐标ai+1全部减去基准坐标差值Δi+1,得到新的点云数据[ai+1]normal;令i=1,2,3,…,n,直到第n个扫描点下的点云数据完成归一化处理。
4.如权利要求1所述的围岩裂缝信息提取及完整性系数快速测定方法,其特征在于,所述降噪处理方法为:采用k-means点云去噪算法进行散乱点云的处理,分层后的点云根据k-means聚类形成k类,彼此拓扑,其中聚类出的k类中既含有所需点云,也包含了噪声点云;因此,设置一个加权欧式距离作为阈值dr,判断该类内的点云到聚类中心的距离li,如果li的距离大于dr,则可以认为该点是噪声点并且予以删除,如果li的距离小于dr,则该点予以保留。
6.如权利要求1所述的围岩裂缝信息提取及完整性系数快速测定方法,其特征在于,所述曲面修补方法为:空洞边界提取;边界点曲率计算;三角形重心加权;重心曲率赋值;边长检测。
7.如权利要求1所述的围岩裂缝信息提取及完整性系数快速测定方法,其特征在于,所述提取裂缝信息方法包括:利用曲面拟合算法对围岩表面点云拟合曲面;再对裂缝内部点云移除并将点云向拟合曲面投影并展开;获得裂缝几何信息提取所需要的局部有效点云;将隧道围岩点云数据向拟合曲面进行正交投影,再依照拟合曲面的顶部进行二维展开,形成一个新的平面坐标系;再利用Delaunay三角剖分改进的Alpha Shapes算法提取裂缝轮廓。
8.如权利要求7所述的围岩裂缝信息提取及完整性系数快速测定方法,其特征在于,提取裂缝轮廓方法为:建立点集的Delaunay三角网;判断对三角网边长是否符合Alpha Shape模型;所有符合Alpha Shapes要求的边,构成的轮廓线即为点集的边缘线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110828482.XA CN113570722A (zh) | 2021-07-22 | 2021-07-22 | 一种围岩裂缝信息提取及完整性系数快速测定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110828482.XA CN113570722A (zh) | 2021-07-22 | 2021-07-22 | 一种围岩裂缝信息提取及完整性系数快速测定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113570722A true CN113570722A (zh) | 2021-10-29 |
Family
ID=78166109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110828482.XA Pending CN113570722A (zh) | 2021-07-22 | 2021-07-22 | 一种围岩裂缝信息提取及完整性系数快速测定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113570722A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114549740A (zh) * | 2022-01-14 | 2022-05-27 | 武汉科技大学 | 岩体裂隙三维模型构建及特征参数智能提取方法及应用 |
CN114608476A (zh) * | 2022-03-09 | 2022-06-10 | 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 |
CN116485887A (zh) * | 2023-01-16 | 2023-07-25 | 湖北普罗格科技股份有限公司 | 一种无监督3d纸箱检测方法及系统 |
CN117237403A (zh) * | 2023-08-15 | 2023-12-15 | 天津大学 | 一种岩石的节理面吻合度确定方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103870845A (zh) * | 2014-04-08 | 2014-06-18 | 重庆理工大学 | 点云聚类去噪过程中新的k值优化方法 |
CN104217124A (zh) * | 2014-09-15 | 2014-12-17 | 天津大学 | 以工程样本数据为依托的tbm施工围岩分级方法 |
CN110390683A (zh) * | 2018-04-17 | 2019-10-29 | 河海大学 | 一种基于密集点云的古城墙三维裂缝检测方法 |
CN112906265A (zh) * | 2021-02-04 | 2021-06-04 | 中交四公局第五工程有限公司 | 一种隧道软弱围岩变形识别与数值模拟方法 |
-
2021
- 2021-07-22 CN CN202110828482.XA patent/CN113570722A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103870845A (zh) * | 2014-04-08 | 2014-06-18 | 重庆理工大学 | 点云聚类去噪过程中新的k值优化方法 |
CN104217124A (zh) * | 2014-09-15 | 2014-12-17 | 天津大学 | 以工程样本数据为依托的tbm施工围岩分级方法 |
CN110390683A (zh) * | 2018-04-17 | 2019-10-29 | 河海大学 | 一种基于密集点云的古城墙三维裂缝检测方法 |
CN112906265A (zh) * | 2021-02-04 | 2021-06-04 | 中交四公局第五工程有限公司 | 一种隧道软弱围岩变形识别与数值模拟方法 |
Non-Patent Citations (3)
Title |
---|
冯晓光 等: "公路隧道围岩现场快速分级方法研究", 《西安科技大学学报》, pages 33 - 38 * |
王勇等: "一种新的散乱点云快速去噪算法", 《计算机应用与软件》, 31 July 2015 (2015-07-31), pages 74 - 78 * |
肖文韬: "基于三维激光扫描技术的隧道衬砌表面裂缝检测与管理研究", 《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》, pages 034 - 138 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114549740A (zh) * | 2022-01-14 | 2022-05-27 | 武汉科技大学 | 岩体裂隙三维模型构建及特征参数智能提取方法及应用 |
CN114549740B (zh) * | 2022-01-14 | 2024-08-27 | 武汉科技大学 | 岩体裂隙三维模型构建及特征参数智能提取方法及应用 |
CN114608476A (zh) * | 2022-03-09 | 2022-06-10 | 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 |
CN116485887A (zh) * | 2023-01-16 | 2023-07-25 | 湖北普罗格科技股份有限公司 | 一种无监督3d纸箱检测方法及系统 |
CN116485887B (zh) * | 2023-01-16 | 2024-02-02 | 湖北普罗格科技股份有限公司 | 一种无监督3d纸箱检测方法及系统 |
CN117237403A (zh) * | 2023-08-15 | 2023-12-15 | 天津大学 | 一种岩石的节理面吻合度确定方法及装置 |
CN117237403B (zh) * | 2023-08-15 | 2024-03-29 | 天津大学 | 一种岩石的节理面吻合度确定方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113570722A (zh) | 一种围岩裂缝信息提取及完整性系数快速测定方法 | |
CN111080627B (zh) | 一种基于深度学习的2d+3d大飞机外形缺陷检测与分析方法 | |
CN108846888B (zh) | 一种古木建筑构件精细尺寸信息自动化提取方法 | |
CN110095060A (zh) | 基于三维扫描技术的钢结构快速质量检测方法 | |
CN111811420B (zh) | 隧道三维轮廓整体绝对变形监测方法及系统 | |
CN106446343B (zh) | 一种径流叶轮直纹叶片参数化型线的自动提取方法 | |
CN110807781B (zh) | 一种保留细节与边界特征的点云精简方法 | |
CN106874580A (zh) | 一种基于点云数据的弯管模型重建方法 | |
CN109147040B (zh) | 基于模板的人体点云孔洞修补方法 | |
JP2014500484A (ja) | 連続b‐スプライン変形を利用してタイヤ表面の三次元画像を前処理する方法 | |
CN116402866A (zh) | 基于点云的零件数字孪生几何建模与误差评定方法及系统 | |
CN110060338A (zh) | 一种基于bim模型的预制构件点云识别方法 | |
CN107330901A (zh) | 一种基于骨架的物体构件分解方法 | |
CN106091923A (zh) | 基于三维激光扫描技术的工业螺栓圆孔的中心点快速测定方法 | |
CN114037706A (zh) | 一种基于三维点云模型的预制梁段表面平整度检测方法 | |
CN111932669A (zh) | 一种基于边坡岩体特征对象的变形监测方法 | |
CN111489432A (zh) | 一种基于点云数据的弯管重建及余量计算方法 | |
CN115019010A (zh) | 一种基于三维激光扫描+bim技术的隧道结构病害展示方法 | |
CN110942077B (zh) | 基于权重局部变化度和l1中值优化的特征线提取方法 | |
CN110310322B (zh) | 一种10微米级高精度器件装配表面检测方法 | |
Radvar-Esfahlan et al. | Robust generalized numerical inspection fixture for the metrology of compliant mechanical parts | |
CN114998395A (zh) | 一种有效的堤岸三维数据变化检测方法及系统 | |
CN113870326B (zh) | 一种基于图像和三维点云配准的结构损伤映射、量化及可视化方法 | |
CN117928385A (zh) | 一种基于远程无人机和传感器的工程施工智能测量方法 | |
CN116909208B (zh) | 基于人工智能的壳体加工路径优化方法及系统 |
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 |