CN114049454A - 一种基于混合聚类解译岩体结构面产状的方法及系统 - Google Patents
一种基于混合聚类解译岩体结构面产状的方法及系统 Download PDFInfo
- Publication number
- CN114049454A CN114049454A CN202210030308.5A CN202210030308A CN114049454A CN 114049454 A CN114049454 A CN 114049454A CN 202210030308 A CN202210030308 A CN 202210030308A CN 114049454 A CN114049454 A CN 114049454A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- clustering
- rock mass
- interpreting
- structural plane
- 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.)
- Granted
Links
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
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Architecture (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提出了一种基于混合聚类解译岩体结构面产状的方法及系统,涉及岩土工程的技术领域。包括采用无人机、全站仪对边坡进行数字影像采集,使用全站仪定位地面控制点;对边坡的数字影像进行平差调整,利用三维建模软件内置的场景重建模块对边坡进行三维点云重建,根据重建模型输出点云数据;利用图像标注工具软件对数字影像进行结构面人工标注,通过图像标注工具自动提取出标注的局部结构面以及数字影像信息;对点云数据进行三维和二维的数据映射并生成映射文件;利用混合聚类算法解译出对应结构面的产状,并利用映射文件内包括的点云数据提取出岩体结构面的产状信息。其能够弥补传统工程地质测量的缺点,有着安全、高效、可交互的优点。
Description
技术领域
本发明涉及岩土工程的技术领域,具体而言,涉及一种基于混合聚类解译岩体结构面产状的方法及系统。
背景技术
在岩体开采的过程中,边坡开挖后不稳定的岩体结构面很可能会引起规模较大的岩体失稳导致重大的工程事故,因此,岩体结构面是工程岩体稳定性评价和分析的重要基础,它广泛应用于水利、边坡、隧道等工程项目的质量评价中。传统的工程地质测量方法(皮尺、罗盘)受工程环境影响,提取结构面特征危险系数高、难度较大、效率低。因此,急需一种基于混合聚类解译岩体结构面产状的方法。
发明内容
本发明的目的在于提供一种基于混合聚类解译岩体结构面产状的方法,其能够弥补传统工程地质测量的缺点,有着安全、高效、可交互的优点。
本发明的实施例是这样实现的:
第一方面,本申请实施例提供一种基于混合聚类解译岩体结构面产状的方法,其包括采用无人机、全站仪对边坡进行第一预设数量的数字影像采集,使用全站仪定位地面控制点; 采用三维建模软件,对边坡的数字影像进行平差调整,利用三维建模软件内置的场景重建模块对边坡进行三维点云重建,得到重建模型,根据重建模型输出点云数据;利用图像标注工具软件对数字影像进行结构面人工标注,通过图像标注工具自动提取出标注的局部结构面以及数字影像信息;对点云数据进行三维和二维的数据映射并生成映射文件;利用混合聚类算法解译出对应结构面的产状,并利用映射文件内包括的点云数据提取出岩体结构面的产状信息。
在本发明的一些实施例中,对点云数据进行三维和二维的数据映射并生成映射文件的步骤包括:利用直接线性变换算法,求解预设已知区域内的第二预设数量的三维坐标点;对任一三维坐标点以及对应的二维像素坐标点,解算关键的外方位元素和内方位元素的系数矩阵;解出系数矩阵后,获得需要的未知空间坐标。
在本发明的一些实施例中,第二预设数量为大于等于六个。
在本发明的一些实施例中,利用聚类算法解译出对应结构面的产状,并利用映射文件内包括的点云数据提取出岩体结构面的产状信息的步骤包括:混合聚类算法为包括DBSCAN密度聚类算法和SKMEAN聚类算法;利用DBSCAN密度聚类算法通过点云样本的紧密程度数据,对点云所处的簇进行区分,得到结果簇集;在结果簇集中选取最大的簇集合;再利用SKMEAN聚类算法对相似度进行聚类,得到结构面的产状信息。
在本发明的一些实施例中,再利用SKMEAN聚类算法对相似度进行聚类,得到结构面的产状信息的步骤包括:利用SKMEAN聚类算法对最大的簇集合进行中心聚类;利用样本点与点之间的相似度进行聚类;计算出样本集合处于中心位置的法向量;获取结构面的法向量之后,根据法向量和产状的几何数据,计算出结构面的产状信息并将结构面利用圆盘模型进行可视化。
在本发明的一些实施例中,圆盘模型包括设置二维圆形区域,在二维圆形区域外设置方向指引,根据方向指引将产状信息在二维圆形区域内显示。
在本发明的一些实施例中,计算出结构面的产状信息并将结构面利用圆盘模型进行可视化后的步骤还包括:将产状信息以及圆盘模型上传至后台终端进行存储方便统一管理。
第二方面,本申请实施例提供一种基于混合聚类解译岩体结构面产状的系统,其包括前置模块,用于采用无人机、全站仪对边坡进行第一预设数量的数字影像采集,使用全站仪定位地面控制点; 模型预设模块,用于采用三维建模软件,对边坡的数字影像进行平差调整,利用三维建模软件内置的场景重建模块对边坡进行三维点云重建,得到重建模型,根据重建模型输出点云数据;标注模块,用于利用图像标注工具软件对数字影像进行结构面人工标注,通过图像标注工具自动提取出标注的局部结构面以及数字影像信息;映射模块,用于对点云数据进行三维和二维的数据映射并生成映射文件;解译模块,用于利用混合聚类算法解译出对应结构面的产状,并利用映射文件内包括的点云数据提取出岩体结构面的产状信息。
第三方面,本申请实施例提供一种电子设备,包括至少一个处理器、至少一个存储器和数据总线;其中:处理器与存储器通过数据总线完成相互间的通信;存储器存储有可被处理器执行的程序指令,处理器调用程序指令以执行一种基于混合聚类解译岩体结构面产状的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现一种基于混合聚类解译岩体结构面产状的方法。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
为了解决传统的工程地质测量方法(皮尺、罗盘)受工程环境影响,提取结构面特征危险系数高、难度较大、效率低的问题。本设计采用数字化采集岩体结构面,利用无人机以及全站仪直接远距离对边坡进行特征采集,并利用混合聚类算法进行解译,从而弥补了传统工程地质测量的缺点,有着安全、高效、可交互的优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明中一种基于混合聚类解译岩体结构面产状的方法的流程图;
图2为本发明中一种基于混合聚类解译岩体结构面产状的方法的另一种流程图;
图3为本发明中一种基于混合聚类解译岩体结构面产状的方法再一种流程图;
图4为本发明中边坡三维点云重建模型示意图;
图5为本发明中DBSCAN和SKMEAN混合聚类算法求解产状示意图;
图6为本发明中点云映射示意图;
图7为本发明中结构面产状解译可视化示意图;
图8为本发明中一种基于混合聚类解译岩体结构面产状的系统的结构示意图;
图9为本发明中一种电子设备的结构示意图。
图标:1、前置模块;2、模型预设模块;3、标注模块;4、映射模块;5、解译模块;6、处理器;7、存储器;8、数据总线。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在本申请的描述中,需要说明的是,术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该申请产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本申请和简化描述,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,因此不能理解为对本申请的限制。
在本申请的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的各个实施例及实施例中的各个特征可以相互组合。
实施例1
请参阅图1、图4、图5、图6和图7,为本申请实施例提供的一种基于混合聚类解译岩体结构面产状的方法,为了解决传统的工程地质测量方法(皮尺、罗盘)受工程环境影响,提取结构面特征危险系数高、难度较大、效率低的问题。本设计采用数字化采集岩体结构面,利用无人机以及全站仪直接远距离对边坡进行特征采集,并利用混合聚类算法进行解译,从而弥补了传统工程地质测量的缺点,有着安全、高效、可交互的优点。
S1:采用无人机、全站仪对边坡进行第一预设数量的数字影像采集,使用全站仪定位地面控制点;
对于传统的工程地质测量方法,例如皮尺或罗盘等等,其有着危险系数高的问题,由此本设计采用无人机进行远程操控进行数字影像采集,并利用全站仪定位控制点作为参照。
S2:采用三维建模软件,对边坡的数字影像进行平差调整,利用三维建模软件内置的场景重建模块对边坡进行三维点云重建,得到重建模型,根据重建模型输出点云数据;
由于三维建模软件较为成熟,由此对于本设计中三维建模软件可以采用的种类较多例如,SOLIDWORKS、CAD或PROE等三维建模软件,本实施例以三维SMART3D建模软件为例,由于在进行测量时,同一个未知点通过不同的线路推算得到的坐标观测值会有所不同,故而为了尽可能保证准确性,对边坡的数字影像进行平差调整;随后利用三维SMART3D建模软件对边坡进行三维点云重建,最后根据重建模型输出(*.LAS)格式的点云数据。
S3:利用图像标注工具软件对数字影像进行结构面人工标注,通过图像标注工具自动提取出标注的局部结构面以及数字影像信息;
本设计中图像标注工具软件采用LABELME软件,其是麻省理工(MIT)的计算机科学和人工智能实验室(CSAIL)研发的图像标注工具,可以使用该工具创建定制化标注任务或执行图像标注,本实施例旨在利用人工先对结构面进行标注,在利用LABELME软件配合其内的人工智能运算自动提取出标注的局部结构面以及数字影像信息;从而节约人力。
S4:对点云数据进行三维和二维的数据映射并生成映射文件;
而对于三维数据在平面图上无法直观的进行观察,故而采用映射的方式生成映射文件从而方便观察。
S5:利用混合聚类算法解译出对应结构面的产状,并利用映射文件内包括的点云数据提取出岩体结构面的产状信息。
最后利用混合聚类算法解译出对应结构面的产状,从而达到解决传统方法提取结构面特征危险系数高、难度较大、效率低的问题。
请参阅图2和图6,在本发明的一些实施例中,对点云数据进行三维和二维的数据映射并生成映射文件的步骤包括:
S41:利用直接线性变换算法,求解预设已知区域内的第二预设数量的三维坐标点;
而对于映射的具体方法,本实施例利用近景摄影测量中的核心算法直接线性变换算法(DIRECT LINEAR TRANSFORM,DLT), DLT算法是求解物体空间坐标(X,Y,Z)和像素坐标(U,V)之间线性关系的算法,其主要解算流程是,通过已知物体空间的任意一定数量的三维坐标点,改坐标点数量设置为等于大于6个(第二预设数量)。
S42:对任一三维坐标点以及对应的二维像素坐标点,解算关键的外方位元素和内方位元素的系数矩阵;
并将对应的二维像素坐标点解算关键的外方位元素和内方位元素的系数矩阵L。
S43:解出系数矩阵后,获得需要的未知空间坐标。
解出L矩阵后,即可求解出任意未知物方空间坐标。因此,任意一张数字影像均可通过DLT算法求解出于三维点云的映射关系。
请参阅图3和图7,在本发明的一些实施例中,利用聚类算法解译出对应结构面的产状,并利用映射文件内包括的点云数据提取出岩体结构面的产状信息的步骤包括:
S51:混合聚类算法为包括DBSCAN密度聚类算法和SKMEAN聚类算法;利用DBSCAN密度聚类算法通过点云样本的紧密程度数据,对点云所处的簇进行区分,得到结果簇集;
而对于混合聚类算法本实施例采用DBSCAN密度聚类算法和SKMEAN聚类算法的结合,DBSCAN算法是一种以密度为核心的聚类算法,该算法可通过点云样本的紧密程度来区分点云所处的簇。根据DBSCAN算法聚类所得的簇,取其最大的一类簇集合。
S52:在结果簇集中选取最大的簇集合;再利用SKMEAN聚类算法对相似度进行聚类,得到结构面的产状信息。
请参阅图3和图7,在本发明的一些实施例中,再利用SKMEAN聚类算法对相似度进行聚类,得到结构面的产状信息的步骤包括:
S521:利用SKMEAN聚类算法对最大的簇集合进行中心聚类;
在DBSCAN进行计算后,随后利用SKMEAN算法对最大的簇集合进行中心聚类。
S522:利用样本点与点之间的相似度进行聚类;
S523:计算出样本集合处于中心位置的法向量;
而SKEMAN算法关键是利用样本点与点之间的相似度进行聚类,进而可以计算出样本集合处于中心位置的法向量。
S524:获取结构面的法向量之后,根据法向量和产状的几何数据,计算出结构面的产状信息并将结构面利用圆盘模型进行可视化。
获取结构面的法向量之后,根据法向量和产状的几何概念即可计算出结构面的产状信息并将结构面利用圆盘模型进行可视化。
请参阅图6和图7,在本发明的一些实施例中,圆盘模型包括设置二维圆形区域,在二维圆形区域外设置方向指引,根据方向指引将产状信息在二维圆形区域内显示。
在本发明的一些实施例中,而利用圆盘模型则是为了方便进行观察,并在圆盘模型上设置方向指引以定位特征点在边坡上的位置以及方向,提高了便捷性。
在本发明的一些实施例中,计算出结构面的产状信息并将结构面利用圆盘模型进行可视化后的步骤还包括:将产状信息以及圆盘模型上传至后台终端进行存储方便统一管理。
在本发明的一些实施例中,对于计算的数据在后天终端同意储存,方便后续核算时作为参照或对比进行深层次的研究。
实施例2
请参阅图8,为本发明提供的一种基于混合聚类解译岩体结构面产状的系统,包括:前置模块1,用于采用无人机、全站仪对边坡进行第一预设数量的数字影像采集,使用全站仪定位地面控制点; 模型预设模块2,用于采用三维建模软件,对边坡的数字影像进行平差调整,利用三维建模软件内置的场景重建模块对边坡进行三维点云重建,得到重建模型,根据重建模型输出点云数据;标注模块3,用于利用图像标注工具软件对数字影像进行结构面人工标注,通过图像标注工具自动提取出标注的局部结构面以及数字影像信息;映射模块4,用于对点云数据进行三维和二维的数据映射并生成映射文件;解译模块5,用于利用混合聚类算法解译出对应结构面的产状,并利用映射文件内包括的点云数据提取出岩体结构面的产状信息。
实施例3
请参阅图9,为本发明提供的一种电子设备,其特征在于,包括至少一个处理器6、至少一个存储器7和数据总线8;其中:处理器6与存储器7通过数据总线8完成相互间的通信;存储器7存储有可被处理器6执行的程序指令,处理器6调用程序指令以执行一种基于混合聚类解译岩体结构面产状的方法。例如实现:
采用无人机、全站仪对边坡进行第一预设数量的数字影像采集,使用全站仪定位地面控制点; 采用三维建模软件,对边坡的数字影像进行平差调整,利用三维建模软件内置的场景重建模块对边坡进行三维点云重建,得到重建模型,根据重建模型输出点云数据;利用图像标注工具软件对数字影像进行结构面人工标注,通过图像标注工具自动提取出标注的局部结构面以及数字影像信息;对点云数据进行三维和二维的数据映射并生成映射文件;利用混合聚类算法解译出对应结构面的产状,并利用映射文件内包括的点云数据提取出岩体结构面的产状信息。
实施例4
本发明提供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,该计算机程序被处理器6执行时实现一种基于混合聚类解译岩体结构面产状的方法。例如实现:
采用无人机、全站仪对边坡进行第一预设数量的数字影像采集,使用全站仪定位地面控制点; 采用三维建模软件,对边坡的数字影像进行平差调整,利用三维建模软件内置的场景重建模块对边坡进行三维点云重建,得到重建模型,根据重建模型输出点云数据;利用图像标注工具软件对数字影像进行结构面人工标注,通过图像标注工具自动提取出标注的局部结构面以及数字影像信息;对点云数据进行三维和二维的数据映射并生成映射文件;利用混合聚类算法解译出对应结构面的产状,并利用映射文件内包括的点云数据提取出岩体结构面的产状信息。
其中,存储器7可以是但不限于,随机存取存储器(RANDOM ACCESS MEMORY,RAM),只读存储器(READ ONLY MEMORY,ROM),可编程只读存储器(PROGRAMMABLE READ-ONLYMEMORY,PROM),可擦除只读存储器(ERASABLE PROGRAMMABLE READ-ONLY MEMORY,EPROM),电可擦除只读存储器(ELECTRIC ERASABLE PROGRAMMABLE READ-ONLY MEMORY,EEPROM)等。
处理器6可以是一种集成电路芯片,具有信号处理能力。该处理器6可以是通用处理器,包括中央处理器(CENTRAL PROCESSING UNIT,CPU)、网络处理器(NETWORKPROCESSOR,NP)等;还可以是数字信号处理器(DIGITAL SIGNAL PROCESSING,DSP)、专用集成电路(APPLICATION SPECIFIC INTEGRATED CIRCUIT,ASIC)、现场可编程门阵列(FIELD-PROGRAMMABLE GATE ARRAY,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,READ-ONLY MEMORY)、随机存取存储器(RAM,RANDOM ACCESS MEMORY)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其它的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种基于混合聚类解译岩体结构面产状的方法,其特征在于,包括:
采用无人机、全站仪对边坡进行第一预设数量的数字影像采集,使用全站仪定位地面控制点;
采用三维建模软件,对所述边坡的所述数字影像进行平差调整,利用所述三维建模软件内置的场景重建模块对边坡进行三维点云重建,得到重建模型,根据所述重建模型输出点云数据;
利用图像标注工具软件对所述数字影像进行结构面人工标注,通过所述图像标注工具自动提取出标注的局部结构面以及数字影像信息;
对所述点云数据进行三维和二维的数据映射并生成映射文件;
利用混合聚类算法解译出对应结构面的产状,并利用映射文件内包括的所述点云数据提取出岩体结构面的产状信息。
2.如权利要求1所述的一种基于混合聚类解译岩体结构面产状的方法,其特征在于,对所述点云数据进行三维和二维的数据映射并生成映射文件的步骤包括:
利用直接线性变换算法,求解预设已知区域内的第二预设数量的三维坐标点;
对任一所述三维坐标点以及对应的二维像素坐标点,解算关键的外方位元素和内方位元素的系数矩阵;
解出所述系数矩阵后,获得需要的未知空间坐标。
3.如权利要求2所述的一种基于混合聚类解译岩体结构面产状的方法,其特征在于,所述第二预设数量为大于等于六个。
4.如权利要求1所述的一种基于混合聚类解译岩体结构面产状的方法,其特征在于,利用聚类算法解译出对应结构面的产状,并利用映射文件内包括的所述点云数据提取出岩体结构面的产状信息的步骤包括:
所述混合聚类算法为包括DBSCAN密度聚类算法和SKMEAN聚类算法;
利用所述DBSCAN密度聚类算法通过点云样本的紧密程度数据,对点云所处的簇进行区分,得到结果簇集;在所述结果簇集中选取最大的簇集合;再利用所述SKMEAN聚类算法对相似度进行聚类,得到结构面的产状信息。
5.如权利要求4所述的一种基于混合聚类解译岩体结构面产状的方法,其特征在于,再利用所述SKMEAN聚类算法对相似度进行聚类,得到结构面的产状信息的步骤包括:
利用所述SKMEAN聚类算法对所述最大的簇集合进行中心聚类;
利用样本点与点之间的相似度进行聚类;
计算出样本集合处于中心位置的法向量;
获取结构面的法向量之后,根据法向量和产状的几何数据,计算出结构面的产状信息并将结构面利用圆盘模型进行可视化。
6.如权利要求5所述的一种基于混合聚类解译岩体结构面产状的方法,其特征在于,所述圆盘模型包括设置二维圆形区域,在所述二维圆形区域外设置方向指引,根据所述方向指引将所述产状信息在所述二维圆形区域内显示。
7.如权利要求5所述的一种基于混合聚类解译岩体结构面产状的方法,其特征在于,计算出结构面的产状信息并将结构面利用圆盘模型进行可视化后的步骤还包括:将所述产状信息以及所述圆盘模型上传至后台终端进行存储方便统一管理。
8.一种基于混合聚类解译岩体结构面产状的系统,其特征在于,包括:
前置模块,用于采用无人机、全站仪对边坡进行第一预设数量的数字影像采集,使用全站仪定位地面控制点;
模型预设模块,用于采用三维建模软件,对所述边坡的所述数字影像进行平差调整,利用所述三维建模软件内置的场景重建模块对边坡进行三维点云重建,得到重建模型,根据所述重建模型输出点云数据;
标注模块,用于利用图像标注工具软件对所述数字影像进行结构面人工标注,通过所述图像标注工具自动提取出标注的局部结构面以及数字影像信息;
映射模块,用于对所述点云数据进行三维和二维的数据映射并生成映射文件;
解译模块,用于利用混合聚类算法解译出对应结构面的产状,并利用映射文件内包括的所述点云数据提取出岩体结构面的产状信息。
9.一种电子设备,其特征在于,包括至少一个处理器、至少一个存储器和数据总线;其中:所述处理器与所述存储器通过所述数据总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令以执行如权利要求1-7任一所述的方法。
10.一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,该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210030308.5A CN114049454B (zh) | 2022-01-12 | 2022-01-12 | 一种基于混合聚类解译岩体结构面产状的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210030308.5A CN114049454B (zh) | 2022-01-12 | 2022-01-12 | 一种基于混合聚类解译岩体结构面产状的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114049454A true CN114049454A (zh) | 2022-02-15 |
CN114049454B CN114049454B (zh) | 2022-04-15 |
Family
ID=80196294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210030308.5A Active CN114049454B (zh) | 2022-01-12 | 2022-01-12 | 一种基于混合聚类解译岩体结构面产状的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114049454B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116665079A (zh) * | 2023-06-21 | 2023-08-29 | 南京师范大学 | 复杂场景下顾及空间关系的岩体结构特征识别方法与系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108489403A (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产状快速精细取值方法 |
CN110887747A (zh) * | 2019-11-18 | 2020-03-17 | 宁波大学 | 基于三维重构和三维雕刻技术的露天矿山边坡结构面剪切试验的试样制作方法 |
CN112037318A (zh) * | 2020-07-22 | 2020-12-04 | 山东大学 | 三维岩体结构模型的构建方法、系统及模型的应用 |
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 |
CN112529844A (zh) * | 2020-11-24 | 2021-03-19 | 成都理工大学 | 一种基于三维激光扫描的岩体结构面识别与信息提取方法 |
CN113223163A (zh) * | 2021-04-28 | 2021-08-06 | Oppo广东移动通信有限公司 | 点云地图构建方法及装置、设备、存储介质 |
-
2022
- 2022-01-12 CN CN202210030308.5A patent/CN114049454B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108489403A (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产状快速精细取值方法 |
CN110887747A (zh) * | 2019-11-18 | 2020-03-17 | 宁波大学 | 基于三维重构和三维雕刻技术的露天矿山边坡结构面剪切试验的试样制作方法 |
CN112037318A (zh) * | 2020-07-22 | 2020-12-04 | 山东大学 | 三维岩体结构模型的构建方法、系统及模型的应用 |
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 |
CN112529844A (zh) * | 2020-11-24 | 2021-03-19 | 成都理工大学 | 一种基于三维激光扫描的岩体结构面识别与信息提取方法 |
CN113223163A (zh) * | 2021-04-28 | 2021-08-06 | Oppo广东移动通信有限公司 | 点云地图构建方法及装置、设备、存储介质 |
Non-Patent Citations (3)
Title |
---|
JIAYAO CHEN ET AL: "Towards semi-automatic discontinuity characterization in rock tunnel faces using 3D point clouds", 《ENGINEERING GEOLOGY》 * |
YADONG XUE ET AL: "Novel SfM-DLT method for metro tunnel 3D reconstruction and Visualization", 《SCIENCEDIRECT》 * |
秦枭: "岩体结构面参数的摄影测量解译及三维网络建模系统开发与应用研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116665079A (zh) * | 2023-06-21 | 2023-08-29 | 南京师范大学 | 复杂场景下顾及空间关系的岩体结构特征识别方法与系统 |
CN116665079B (zh) * | 2023-06-21 | 2024-02-23 | 南京师范大学 | 复杂场景下顾及空间关系的岩体结构特征识别方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114049454B (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20190082062A (ko) | 포인트 클라우드 데이터 사이의 매칭 관계를 확정하는 방법 및 장치 | |
Wu et al. | An extended minimum spanning tree method for characterizing local urban patterns | |
CN106779417A (zh) | 工程勘察信息数字化采集、管理及综合应用方法 | |
US8949246B2 (en) | System and method for importing NetCDF data | |
CN110363054B (zh) | 道路标识线识别方法、装置和系统 | |
CN114049454B (zh) | 一种基于混合聚类解译岩体结构面产状的方法及系统 | |
CN111460059A (zh) | 环境空气质量数据可视化方法、装置、设备和存储介质 | |
CN111540027B (zh) | 一种检测方法、装置、电子设备及存储介质 | |
Yadav et al. | Identification of trees and their trunks from mobile laser scanning data of roadway scenes | |
Psarros et al. | INFORMATION TECHNOLOGY AND ARCHAEOLOGICAL EXCAVATIONS: A BRIEF OVERVIEW. | |
CN110795978A (zh) | 路面点云数据提取方法、装置、存储介质及电子设备 | |
Song et al. | Development of comprehensive accuracy assessment indexes for building footprint extraction | |
CN117268350A (zh) | 一种基于点云数据融合的移动式智能测绘系统 | |
CN108121853B (zh) | 一种基于AutoCAD计算挖填方工程量的系统与方法 | |
CN105701856B (zh) | 一种植被提取方法及系统 | |
CN111259771A (zh) | 基于图像特征分解的高空间分辨率遥感图像找矿方法 | |
Krooks et al. | WebGL visualisation of 3D environmental models based on finnish open geospatial data sets | |
CN112097776A (zh) | 用于提高航线地图渲染效率的方法及系统 | |
Li et al. | A novel method for cliff vegetation estimation based on the unmanned aerial vehicle 3D modeling | |
Tang et al. | Accuracy test of point-based and object-based urban building feature classification and extraction applying airborne LiDAR data | |
CN110413662B (zh) | 一种多通道式经济数据输入系统、采集系统与方法 | |
Guo et al. | A comparative study of large karst cave point cloud registration in various scanning modes | |
Mascarenhas et al. | Isocontour based visualization of time-varying scalar fields | |
Ozga et al. | An interactive system for agricultural acreage estimates using Landsat data | |
CN111325396B (zh) | 一种基于海洋风的预警分析方法、智能终端及存储介质 |
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 |