CN115775334A - 高陡边坡危岩体远程非接触智能识别和落石风险评估方法 - Google Patents

Abstract

本发明公开了高陡边坡危岩体远程非接触智能识别和落石风险评估方法，通过结构面的运动学分析，结合点云中各结构面的空间位置信息，采用自动算法的形式实现危岩体的智能识别。目的是通过非接触测量技术识别边坡中可能的危岩体并评估其发生失稳的可能性，降低人工勘察风险，并以智能化的形式提高危岩体识别的效率、客观性、准确性和全面性，同时根据落石风险等级和规模为采取合理的防治措施提供指导。

Description

高陡边坡危岩体远程非接触智能识别和落石风险评估方法

技术领域

本发明属于边坡危岩体监测预警领域，具体涉及高陡边坡危岩体远程非接触智能识别和落石风险评估方法。

背景技术

岩质边坡由结构体和结构面组成，其中具有失稳崩塌风险的危岩体易发生落石灾害，该灾害是山区地质灾害的主要类型之一。随着国家基础设施建设不断深入山区，诸多工程的安全建设也受制于危岩体。全面调查识别与超前防护是危岩体防治最有效的方法，但是传统地质调查手段很难实现对大范围危岩体展开全面详细调查，尤其是岩壁、高陡边坡、滑坡残留边坡、严重破碎的山体或者频繁发生落石的区域，地质人员更是难以接近。

无人机、三维激光扫描等远程非接触式测量技术为危岩体的调查和评估提供新的技术手段，其可以远程、快速、准确地获取边坡岩体的几乎所有几何特征，这样的结果通常以点云或者三维模型呈现。国内外大量研究表明，从非接触测量数据中可以提取边坡任意位置的详细地形坡度、结构面产状等信息(葛云峰，等.基于三维激光扫描技术的岩体结构面智能识别与信息提取[J].岩石力学与工程学报,2017(36),12:3050-3061.)，作为危岩体稳定性判断提供依据。

目前对于点云数据或三维模型数据，一般只限于利用各种算法对岩体结构面进行自动或半自动识别，但结构面识别之后的相关应用，尤其是危岩体的监测识别以及落石风险评估涉及很少。

发明内容

本发明所为了解决背景技术中存在的技术问题，目的在于提供了高陡边坡危岩体远程非接触智能识别和落石风险评估方法，通过非接触测量技术识别边坡中可能的危岩体并评估其发生失稳的可能性，降低人工勘察风险，并以智能化的形式提高危岩体识别的效率、客观性、准确性和全面性，同时根据其风险等级和规模为采用合理的防治措施提供指导。本方法通过结构面的运动学分析，结合点云中各结构面的空间位置信息，采用自动算法的形式实现危岩体的智能识别，并计算危岩体的破坏形式和落石风险等级可以为防治措施提供指导。

为了解决技术问题，本发明的技术方案是：

高陡边坡危岩体远程非接触智能识别和落石风险评估方法，所述方法包括：

获取边坡空间三维模型中的结构面数据；

基于所述结构面数据对结构面分组与排序处理，得到结构面的排序结果和结构面的分类结果；

基于所述结构面数据计算结构面平均迹长，确定结构面影响范围；

根据上述结构面的排序结果、结构面的分类结果及结构面影响范围，采用运动学识别潜在的危岩体，得到危岩体分析结果；

根据危岩体分析结果，采用运动学分析计算潜在的危岩体的风险等级，得到落石风险等级信息。

进一步，利用非接触测量技术测量边坡数据，经数据预处理后转换为边坡空间三维模型。

进一步，所述边坡空间三维模型中的结构面数据，包括危岩体智能识别需要结构面的具体空间位置和大小信息、产状信息和迹长地质信息。

进一步，所述对结构面分组与排序处理，具体包括：

根据所述产状信息计算结构面的外法向量n(x，y，z)；

其中，产状的倾向为φ，倾角为θ；

根据所述结构面位置信息计算结构面中心nc(x₀，y₀，z₀)；

按D值大小对结构面排序；

D＝-n·nc＝-(xx₀+yy₀+zz₀)；

按结构面产状不同，采用聚类分析方法将结构面分为j组优势结构面和随机结构面。

进一步，所述结构面影响范围R：

k为该组结构面数量，为L迹长。

进一步，所述采用运动学识别潜在的危岩体，具体包括：

寻找受结构面nc影响的结构面nc*，其判断条件为：

判断是否发生平面失稳破坏，若nc*满足：

位于nc平面上部，即D＞D*＝-n·nc*＝-(xx₀ ^*+yy₀ ^*+zz₀ ^*)，

属于正常坡面，即z*＞0，且：

θ₀为岩体摩擦角；

或属于悬垂坡面，即z*＜0，且

则该结构面nc*与nc组合的块体，可能发生平面失稳破坏；

iii判断是否发生倾倒失稳破坏，若nc*满足：

位于nc平面上部，即D＞D*＝-n·nc*＝-(xx0^*+yy₀ ^*+zz₀ ^*)；

属于正常坡面，即z*＞0，且：

θ₀为岩体摩擦角；

或属于悬垂坡面，即z*＜0，且

则该结构面nc*与nc组合的块体，可能发生倾倒失稳破坏；

判断是否发生楔形体失稳破坏，若多个结构面nc*满足：

位于nc平面下部，即D＜D*＝-n·nc*＝-(xx₀ ^*+yy₀ ^*+zz₀ ^*)；

其中任意两两结构面i，j交线的法向量nc_ij为：

对应的倾向φ_ij和倾角θ_ij为：

若nc_ij属于正常交线，即z_ij＞0，且：

θ₀为岩体摩擦角；

或属于悬垂交线，即z_ij＜0，且

则该结构面nc*_i，nc*_j与nc组合的块体，可能发生其楔形体失稳破坏。

进一步，采用运动学分析计算潜在的危岩体的落石风险等级，具体包括：

结构面nc*与nc组合的块体，可能发生平面失稳破坏的风险系数pf计算为：

结构面nc*与nc组合的块体，可能发生倾倒失稳破坏的风险系数tf计算为：

结构面nc*_i、nc*_j与nc组合的块体，可能发生楔形体失稳破坏的风险系数wf计算为：

结构面总的失稳风险f为：

f＝1-(1-pf)(1-tf)(1-wf)。

进一步，在得到危岩体的风险等级信息后，所述方法还包括：输出各破坏形式下的危岩体识别结果和落石风险评估图。

与现有技术相比，本发明的优点在于：

通过结构面的运动学分析，结合点云中各结构面的空间位置信息，采用自动算法的形式实现危岩体的智能识别。目的是通过非接触测量技术识别边坡中可能的危岩体并评估其发生失稳的可能性，降低人工勘察风险，并以智能化的形式提高危岩体识别的效率、客观性、准确性和全面性，同时根据其风险等级和规模为采用合理的防治措施提供指导。

附图说明

图1、边坡发生倾倒失稳的落石风险图；

图2、边坡发生楔形体失稳的落石风险图；

图3：边坡发生平面失稳的落石风险图；

图4：边坡岩体失稳破坏的落石风险图。

具体实施方式

下面结合实施例描述本发明具体实施方式：

需要说明的是，本说明书所示意的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。

同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。

实施例1：

(1)本实施例的边坡模型的数据来源是三维激光扫描仪的获取的点云，该点云经过必要的降噪，拼接和坐标转换后，采用Delaunay三角剖分算法将点云转换为边坡三角网模型。该边坡模型主要有四组优势结构面。

(2)采用自动化算法得到该边坡中所有的结构面信息，并且该结构面与边坡三角网模型的结构面一一对应。

(3)采用均值聚类将结构面划分为四组，并计算结构面的D值，按D值对各组结构面从小到大的排序。算法将从左下角起，依次遍历所有结构面。

(4)计算各组结构面平均迹长，确定各组结构面影响范围R；

(5)采用运动学分析识别潜在的危岩体。在分析时根据块体失稳启动形式将，危岩体分为三类：平面失稳，楔形体失稳和倾倒失稳，同时将结构面也分为正常结构面和悬垂结构面。

(6)采用运动学分析计算潜在的危岩体的风险等级。根据平面失稳，楔形体失稳和倾倒失稳三种形式，分别计算结构面失稳风险。

(7)输出各破坏形式下的危岩体识别结果和落石风险图(附图1，可能发生倾倒破坏的危岩体和该模式对应的落石风险，附图2，可能发生楔形体破坏的危岩体和该模式对应的落石风险，附图3，可能发生平面破坏的危岩体和该模式对应的落石风险，边坡总体的危岩体分布和落石风险图，附图4)。

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。

上面对本发明优选实施方式作了详细说明，但是本发明不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

不脱离本发明的构思和范围可以做出许多其他改变和改型。应当理解，本发明不限于特定的实施方式，本发明的范围由所附权利要求限定。

Claims (8)

1.高陡边坡危岩体远程非接触智能识别和落石风险评估方法，其特征在于，所述方法包括：

获取边坡空间三维模型中的结构面数据；

基于所述结构面数据对结构面分组与排序处理，得到结构面的排序结果和结构面的分类结果；

基于所述结构面数据计算结构面平均迹长，确定结构面影响范围；

根据上述结构面的排序结果、结构面的分类结果及结构面影响范围，采用运动学识别潜在的危岩体，得到危岩体分析结果；

根据危岩体分析结果，采用运动学分析计算潜在的危岩体的风险等级，得到危岩体的风险等级信息。

2.根据权利要求1所述的高陡边坡危岩体远程非接触智能识别和落石风险评估方法，其特征在于，利用非接触测量技术测量边坡数据，经数据预处理后转换为边坡空间三维模型。

3.根据权利要求1所述的高陡边坡危岩体远程非接触智能识别和落石风险评估方法，其特征在于，所述边坡空间三维模型中的结构面数据，包括危岩体智能识别需要结构面的具体空间位置和大小信息、产状信息和迹长地质信息。

4.根据权利要求3所述的高陡边坡危岩体远程非接触智能识别和落石风险评估方法，其特征在于，所述对结构面分组与排序处理，具体包括：

根据所述产状信息计算结构面的外法向量n(x，y，z)；

其中，产状的倾向为φ，倾角为θ；

根据所述结构面位置信息计算结构面中心nc(x₀，y₀，z₀)；

按D值大小对结构面排序；

D＝-n·nc＝-(xx₀+yy₀+zz₀)；

按结构面产状不同，采用聚类分析方法将结构面分为j组优势结构面和随机结构面。

5.根据权利要求4所述的高陡边坡危岩体远程非接触智能识别和落石风险评估方法，其特征在于，所述结构面影响范围R：

k为该组结构面数量，为L迹长。

6.根据权利要求5所述的高陡边坡危岩体远程非接触智能识别和落石风险评估方法，其特征在于，所述采用运动学分析识别潜在的危岩体，具体包括：

寻找受结构面nc影响的结构面nc*，其判断条件为：

判断是否发生平面失稳破坏，若nc*满足：

位于nc平面上部，即D＞D*＝-n·nc*＝-(xx₀ ^*+yy₀ ^*+zz₀ ^*)，

属于正常坡面，即z*＞0，且：

θ₀为岩体摩擦角；

或属于悬垂坡面，即z*＜0，且

则该结构面nc*与nc组合的块体，可能发生平面失稳破坏；

iii判断是否发生倾倒失稳破坏，若nc*满足：

位于nc平面上部，即D＞D*＝-n·nc*＝-(xx₀ ^*+yy₀ ^*+zz₀ ^*)；

属于正常坡面，即z*＞0，且：

θ₀为岩体摩擦角；

或属于悬垂坡面，即z*＜0，且

则该结构面nc*与nc组合的块体，可能发生倾倒失稳破坏；

判断是否发生楔形体失稳破坏，若多个结构面nc*满足：

位于nc平面下部，即D＜D*＝-n·nc*＝-(xx₀ ^*+yy₀ ^*+zz₀ ^*)；

其中任意两两结构面i，j交线的法向量nc_ij为：

对应的倾向φ_ij和倾角θ_ij为：

若nc_ij属于正常交线，即z_ij＞0，且：

θ₀为岩体摩擦角；

或属于悬垂交线，即z_ij＜0，且

则该结构面nc*_i，nc*_j与nc组合的块体，可能发生其楔形体失稳破坏。

7.根据权利要求1所述的高陡边坡危岩体远程非接触智能识别和落石风险评估方法，其特征在于，采用运动学分析计算潜在的危岩体风险等级，具体包括：

结构面nc*与nc组合的块体，可能发生平面失稳破坏的风险系数pf计算为：

结构面nc*与nc组合的块体，可能发生倾倒失稳破坏的风险系数tf计算为：

结构面nc*_i、nc*_j与nc组合的块体，可能发生楔形体失稳破坏的风险系数wf计算为：

结构面控制的危岩体的落石总体风险f为：

f＝1-(1-pf)(1-tf)(1-wf)。

8.根据权利要求1所述的高陡边坡危岩体远程非接触智能识别和落石风险评估方法，其特征在于，在得到危岩体的落石风险等级信息后，所述方法还包括：输出各破坏形式下的危岩体识别结果和落石风险评估图。

Images