CN115797256B - 基于无人机的隧道岩体结构面信息的处理方法以及装置 - Google Patents

Abstract

本申请提供了基于无人机的隧道岩体结构面信息的处理方法以及装置，用于在隧道岩体结构面的摄影测量中，摆脱对全站仪或者定位装置的依赖，便捷地完成隧道岩体结构面的测量工作。方法包括：获取无人机从被测隧道岩体区域采集到的图像信息；从图像信息中提取出点云信息；在点云信息的基础上，使用Delaunay三角剖分算法进行点云表面重建，以建立对应的三维网格模型，三维网格模型每个三角面片计算了对应的法向量；以三角形标靶的坐标为基准点，将法向量转化为大地坐标系下的法向量；基于区域生长算法对模型进行结构面识别，以将网格拟合成不同平面，求出不同平面的法向量并视为结构面的法向量，求出不同平面的倾向和倾角。

Description

基于无人机的隧道岩体结构面信息的处理方法以及装置

技术领域

本申请涉及地质测绘领域，具体涉及基于无人机的隧道岩体结构面信息的处理方法以及装置。

背景技术

岩体工程的完整性、稳定性及岩体力学参数主要由结构面性质决定，从露出岩体准确的获取结构面产状对于开展岩体质量评价、指导岩体的支护与加固具有重要意义。

通常，测量结构面性质一般采用下面有3种方法：

第一种为传统的人工接触式测量，主要利用地质罗盘和测量绳对结构面逐个测量读取，此种测量方法对于范围较大的岩体而言，测量人员很难去逐个测量，工作量大效率低，对于陡坡高危隧洞危险性增大，且人工测量极大地依赖于测量人员的经验主观性，难以保证数据的科学性；

第二种为摄影测量技术，近些年又演变为双目摄影测量技术，摄影测量技术最初可追溯至19世纪应用于军事领域，20世纪逐步发展成熟，它利用相机按照一定的顺序对物体进行连续拍照，同时利用全站仪或者GPS获得控制点的绝对坐标(一般为3个及以上多余的点用来反向校验)，基于这些坐标来标定摄影测量的点云，但是在实际操作过程中需要同时操控多台机器多人配合遇到大型岩体时耗时较长效率低下；

第三种为三维激光点云扫描技术，利用三维激光扫描仪获取被测量岩体的三维点云数据，一般可以通过确定扫描仪自身Y轴与正北方的夹角即可通过转换矩阵快速完成矩阵转换。

而对于其中的第二种测量技术，即摄影测量技术，容易看出，其存在现场操作流程较为复杂的问题。

发明内容

本申请提供了基于无人机的隧道岩体结构面信息的处理方法以及装置，用于在隧道岩体结构面的摄影测量中，摆脱对全站仪或者定位装置的依赖，便捷地完成隧道岩体结构面的测量工作。

第一方面，本申请提供了一种基于无人机的隧道岩体结构面信息的处理方法，方法包括：

处理设备获取无人机从被测隧道岩体区域采集到的图像信息，被测隧道岩体区域配置有实体的三角形标靶，图像信息的图像内容中包含三角形标靶；

处理设备从图像信息中提取出点云信息；

处理设备在点云信息的基础上，使用Delaunay三角剖分算法进行点云表面重建，以建立对应的三维网格模型，三维网格模型由多个三角面片构成，每个三角面片计算了对应的法向量；

处理设备以三角形标靶的坐标为基准点，将法向量转化为大地坐标系下的法向量；

处理设备基于区域生长算法对三维网格模型进行结构面识别，以将网格拟合成不同平面，求出不同平面的法向量并视为结构面的法向量，求出不同平面的倾向和倾角。

结合本申请第一方面，在本申请第一方面第一种可能的实现方式中，处理设备以三角形标靶的坐标为基准点，将法向量转化为大地坐标系下的法向量，包括以下内容：

其中，A、B、C分别为三角形标靶的顶点，X_A、Y_A、Z_A为点A的坐标，X_B、Y_B、Z_B为点B的坐标，X_C、Y_C、Z_C为点C的坐标，和/>为向量AB和AC的单位矢量，/>为三角形标靶的法向向量；

根据电子罗盘测出三角形标靶的倾向与倾角，通过下式计算大地坐标系三轴的单位法向量：

其中，α₁、β₁分别为测出的三角形标靶的倾向和倾角；

构建出三角面片的法向向量(a,b,c)，通过下式完成对大地坐标系下的单位法向量转换：

其中，(n_x,n_y,n_z)为局部坐标系下的法向量，(a,b,c)为完成转换后的大地坐标系下的结构面法向量。

结合本申请第一方面，在本申请第一方面第二种可能的实现方式中，处理设备从图像信息中提取出点云信息之后，方法还包括：

处理设备对点云信息进行离群点去除处理以及滤波去噪处理。

结合本申请第一方面第二种可能的实现方式，在本申请第一方面第三种可能的实现方式中，处理设备对点云信息进行滤波去噪处理，包括：

处理设备通过以下拉普拉斯公式，对点云信息进行滤波去噪处理：

其中，Δ和为拉普拉斯算子，拉普拉斯算子为笛卡儿坐标系中的所有非混合二阶偏导数，x、y、z分别代表空间上的笛卡儿坐标。

结合本申请第一方面，在本申请第一方面第四种可能的实现方式中，处理设备从图像信息中提取出点云信息之后，方法还包括：

处理设备检测点云信息中是否存在稀疏点云信息；

若存在，则处理设备安排无人机针对稀疏点云信息对应位置的补飞任务，以获取稀疏点云对应位置的点云信息来代替稀疏点云信息。

结合本申请第一方面，在本申请第一方面第五种可能的实现方式中，处理设备求出不同平面的倾向和倾角，包括：

设(a b c)为相应点云的法向量，

当b＞0，处理设备通过下式求出不同平面的倾向和倾角：

其中，α为倾向，β为倾角；

当b≤0，处理设备通过下式求出不同平面的倾向和倾角：

结合本申请第一方面，在本申请第一方面第六种可能的实现方式中，方法还包括：

处理设备基于K-mens聚类算法，对不同平面的倾向和倾角进行聚类，得到被测隧道岩体区域的优势结构面信息。

第二方面，本申请提供了一种基于无人机的隧道岩体结构面信息的处理装置，装置包括：

获取单元，用于获取无人机从被测隧道岩体区域采集到的图像信息，被测隧道岩体区域配置有实体的三角形标靶，图像信息的图像内容中包含三角形标靶；

提取单元，用于从图像信息中提取出点云信息；

构建单元，用于在点云信息的基础上，使用Delaunay三角剖分算法进行点云表面重建，以建立对应的三维网格模型，三维网格模型由多个三角面片构成，每个三角面片计算了对应的法向量；

转化单元，用于以三角形标靶的坐标为基准点，将法向量转化为大地坐标系下的法向量；

计算单元，用于基于区域生长算法对三维网格模型进行结构面识别，以将网格拟合成不同平面，求出不同平面的法向量并视为结构面的法向量，求出不同平面的倾向和倾角。

结合本申请第二方面，在本申请第二方面第一种可能的实现方式中，转化单元，具体用于：

其中，A、B、C分别为三角形标靶的顶点，X_A、Y_A、Z_A为点A的坐标，X_B、Y_B、Z_B为点B的坐标，X_C、Y_C、Z_C为点C的坐标，和/>为向量AB和AC的单位矢量，/>为三角形标靶的法向向量；

根据电子罗盘测出三角形标靶的倾向与倾角，通过下式计算大地坐标系三轴的单位法向量：

其中，α₁、β₁分别为测出的三角形标靶的倾向和倾角；

构建出三角面片的法向向量(a,b,c)，通过下式完成对大地坐标系下的单位法向量转换：

其中，(n_x,n_y,n_z)为局部坐标系下的法向量，(a,b,c)为完成转换后的大地坐标系下的结构面法向量。

结合本申请第二方面，在本申请第二方面第二种可能的实现方式中，装置还包括预处理单元，用于：

对点云信息进行离群点去除处理以及滤波去噪处理。

结合本申请第二方面第二种可能的实现方式，在本申请第二方面第三种可能的实现方式中，预处理单元，具体用于：

处理设备通过以下拉普拉斯公式，对点云信息进行滤波去噪处理：

其中，Δ和为拉普拉斯算子，拉普拉斯算子为笛卡儿坐标系中的所有非混合二阶偏导数，x、y、z分别代表空间上的笛卡儿坐标。

结合本申请第二方面，在本申请第二方面第四种可能的实现方式中，装置还包括预处理单元，用于：

检测点云信息中是否存在稀疏点云信息；

若存在，则安排无人机针对稀疏点云信息对应位置的补飞任务，以获取稀疏点云对应位置的点云信息来代替稀疏点云信息。

结合本申请第二方面，在本申请第二方面第五种可能的实现方式中，计算单元，具体用于：

设(a b c)为相应点云的法向量，

当b＞0，通过下式求出不同平面的倾向和倾角：

其中，α为倾向，β为倾角；

当b≤0，通过下式求出不同平面的倾向和倾角：

结合本申请第二方面，在本申请第二方面第六种可能的实现方式中，装置还包括聚类单元，用于：

基于K-mens聚类算法，对不同平面的倾向和倾角进行聚类，得到被测隧道岩体区域的优势结构面信息。

第三方面，本申请提供了一种处理设备，包括处理器和存储器，存储器中存储有计算机程序，处理器调用存储器中的计算机程序时执行本申请第一方面或者本申请第一方面任一种可能的实现方式提供的方法。

第四方面，本申请提供了一种计算机可读存储介质，计算机可读存储介质存储有多条指令，指令适于处理器进行加载，以执行本申请第一方面或者本申请第一方面任一种可能的实现方式提供的方法。

从以上内容可得出，本申请具有以下的有益效果：

在对被测隧道岩体区域进行结构面测量时，本申请相比于现有的摄影测量技术，采用无人机采集其图像信息，将该图像信息转化为点云信息，由此构建一三维网格模型，模型中每个三角面片都计算了对应的法向量，继续以现场配置的三角形标靶的坐标为基准点，将这每个三角面片的法向量转化为大地坐标系下的法向量，此时继续基于区域生长算法对三维网格模型进行结构面识别，以将网格拟合成不同平面，求出不同平面的法向量并视为结构面的法向量，求出不同平面的倾向和倾角，如此获得被测隧道岩体区域的结构面的测量结果，在这过程中，不需要全站仪或者定位装置来提供定位，且通过一系列的数据处理还可完成高精度的结构面测量工作，显然，具有较佳的实用价值。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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的附图。

图1为本申请基于无人机的隧道岩体结构面信息的处理方法的一种流程示意图；

图2为本申请三角形标靶的一种场景示意图；

图3为本申请基于无人机的隧道岩体结构面信息的处理装置的一种结构示意图；

图4为本申请处理设备的一种结构示意图。

具体实施方式

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，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。在本申请中出现的对步骤进行的命名或者编号，并不意味着必须按照命名或者编号所指示的时间/逻辑先后顺序执行方法流程中的步骤，已经命名或者编号的流程步骤可以根据要实现的技术目的变更执行次序，只要能达到相同或者相类似的技术效果即可。

本申请中所出现的模块的划分，是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式，例如多个模块可以结合成或集成在另一个系统中，或一些特征可以忽略，或不执行，另外，所显示的或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，模块之间的间接耦合或通信连接可以是电性或其他类似的形式，本申请中均不作限定。并且，作为分离部件说明的模块或子模块可以是也可以不是物理上的分离，可以是也可以不是物理模块，或者可以分布到多个电路模块中，可以根据实际的需要选择其中的部分或全部模块来实现本申请方案的目的。

在介绍本申请提供的基于无人机的隧道岩体结构面信息的处理方法之前，首先介绍本申请所涉及的背景内容。

本申请提供的基于无人机的隧道岩体结构面信息的处理方法、装置以及计算机可读存储介质，可应用于处理设备，用于在隧道岩体结构面的摄影测量中，摆脱对全站仪或者定位装置的依赖，便捷地完成隧道岩体结构面的测量工作。

本申请提及的基于无人机的隧道岩体结构面信息的处理方法，其执行主体可以为基于无人机的隧道岩体结构面信息的处理装置，或者集成了该基于无人机的隧道岩体结构面信息的处理装置的服务器、物理主机或者用户设备(User Equipment，UE)等不同类型的处理设备。其中，基于无人机的隧道岩体结构面信息的处理装置可以采用硬件或者软件的方式实现，UE具体可以为智能手机、平板电脑、笔记本电脑、台式电脑或者个人数字助理(Personal Digital Assistant，PDA)等终端设备，处理设备可以通过设备集群的方式设置。

下面，开始介绍本申请提供的基于无人机的隧道岩体结构面信息的处理方法。

首先，参阅图1，图1示出了本申请基于无人机的隧道岩体结构面信息的处理方法的一种流程示意图，本申请提供的基于无人机的隧道岩体结构面信息的处理方法，具体可包括如下步骤S101至步骤S105：

步骤S101，处理设备获取无人机从被测隧道岩体区域采集到的图像信息，被测隧道岩体区域配置有实体的三角形标靶，图像信息的图像内容中包含三角形标靶；

可以理解的是，本申请在测量被测隧道岩体区域的结构面时，具体是基于无人机通过航拍拍摄到的图像进行的。

与此同时，相比于现有的摄影测量技术中需要依赖于全站仪或者定位装置(如北斗定位装置、GPS定位装置)，本申请在数据处理过程中，则是引入一三角形标靶，该三角形标靶是以实体的形式存在的，因此可以清楚地纳入到无人机的视野中并拍摄为相应的图像内容，以此提供基准位置，方便进行精确的数据处理，尤其适用于隧道岩体现场环境，容易理解，隧道岩体现场环境通常处于较为偏僻或者较深的地方，全站仪以及定位装置的使用本就存在容易受到干扰的情况。

此外，对于无人机，可以理解的是，其包括图像采集任务的飞行任务在实际应用中可以由处理设备进行控制，甚至的，无人机还可纳入处理设备的范畴中，其处理设备以控制设备以及无人机的形式配置。

可以理解的是，对应于步骤S101，在具体操作中，还可包括无人机航拍任务以及三角形标靶的部署处理。

具体来说，在被测隧道岩体区域附近，可以选择一处地势平坦的地方，供无人机起降，并布置好一个三角形标靶，标定好其三个顶点位置(分别为A﹑B﹑C控制点)，可以使用电子罗盘测量出三角形标靶的倾向和倾角。

对于无人机的控制，首先需要根据使用需求确定无人机的参数，再确定好选配的无人机软硬件条件，做好无人机准备工作。

在无人机的飞行过程中，其飞行姿态主要由所测结构面的法向量决定，一般需要把摄像头对准其法向量位置，保证与结构面最少保持一定的有效距离，航向及旁向重叠率都为80％；

旁向重叠率是指在第一条航线中拍到的区域，与第二条航线拍到的区域，俩块区域重叠的部分相对于原来区域所占比率就叫做旁向重叠率。

待无人机采集到图像信息后，则可通过无线网络进行回传，或者待降落后通过有线传输进行回传。

步骤S102，处理设备从图像信息中提取出点云信息；

可以理解，在获取到无人机从被测隧道岩体区域采集到的图像信息后，则可进行点云信息的提取，或者说，将图像信息转化为点云信息。

作为一种实例，可以通过如摄影测量软件Context Capture利用运动恢复结构(Structure from Motion，SfM)技术从拍摄的图像中完成点云提取工作。

步骤S103，处理设备在点云信息的基础上，使用Delaunay三角剖分算法进行点云表面重建，以建立对应的三维网格模型，三维网格模型由多个三角面片构成，每个三角面片计算了对应的法向量；

在得到了点云信息的情况下，则可开始进行三维模型的构建工作，具体的，本申请则通过使用Delaunay三角剖分算法，来重建点云表面，如此得到由大量三角面片构成的三维网格模型，每个三角面片则计算有其法向量，供后续的数据处理使用。

步骤S104，处理设备以三角形标靶的坐标为基准点，将法向量转化为大地坐标系下的法向量；

进一步的，对于上面计算出的三维网格模型及其三角面片的法向量，是对应于图像坐标系的，并不是正常理解的真实坐标系，对此，此时，则可借助前面提及的三角形标靶在纳入图像后的坐标，以其为基准点，进行坐标的转换，将步骤S103中所提及的法向量转化为大地坐标系下的法向量，完成坐标系的转换。

步骤S105，处理设备基于区域生长算法对三维网格模型进行结构面识别，以将网格拟合成不同平面，求出不同平面的法向量并视为结构面的法向量，求出不同平面的倾向和倾角。

可以理解，在本申请中，对于被测隧道岩体区域的结构面信息，是以其三维结构的平面，还有平面的倾向、倾角三者进行体现的，此处所涉及的平面，则是需要在步骤S103所处理到的三角面片对应平面的基础上继续进行数据加工，以连通相邻且近似的平面区域，形成大的平面的拟合，如此，将三维网格模型包含的大量大小一致的三角面片重构成不同的平面。

其中，此处就可以涉及到区域生长算法的应用，区域生长算法其算法原理，容易理解，就是以某个三角面片为出发点，向周围的相邻三角面片进行搜索，确定其是否可以认为处于同一平面，若可以，则纳入同一平面，并继续向下一个的相邻三角面片进行搜索…如此，当遍历所有三角面片后，则可生成不同的平面，每个平面一般是由多个相邻的三角面片组成。

此外，作为结构面信息的内容呈现需求，除了平面(结构面)的确定，还需确定平面的倾向和倾角，此时则可涉及到步骤S104所处理得到的、大地坐标系下的法向量，此时以大的平面为出发点，计算法向量所对应的倾向和倾角。

具体的，可以以平面所包含的三角面片的法向量的均值，来计算倾向和倾角；或者，也可以平面所包含的各三角面片的法向量，来计算倾向和倾角，再取均值，得到最终确定的倾向和倾角。

甚至的，在具体操作中，还可采用其他的平衡策略，以处于低层面的三角面片来确定高层面的、整体的倾向和倾角。

从图1所示实施例可看出，在对被测隧道岩体区域进行结构面测量时，本申请相比于现有的摄影测量技术，采用无人机采集其图像信息，将该图像信息转化为点云信息，由此构建一三维网格模型，模型中每个三角面片都计算了对应的法向量，继续以现场配置的三角形标靶的坐标为基准点，将这每个三角面片的法向量转化为大地坐标系下的法向量，此时继续基于区域生长算法对三维网格模型进行结构面识别，以将网格拟合成不同平面，求出不同平面的法向量并视为结构面的法向量，求出不同平面的倾向和倾角，如此获得被测隧道岩体区域的结构面的测量结果，在这过程中，不需要全站仪或者定位装置来提供定位，且通过一系列的数据处理还可完成高精度的结构面测量工作，显然，具有较佳的实用价值。

继续对上述图1所示实施例的各个步骤及其在实际应用中可能的实现方式进行详细阐述。

对于本申请基于点云信息构建的三维网格模型，在处理其三角面片的法向量在坐标系之间的转换过程(即以三角形标靶的坐标为基准点，将法向量转化为大地坐标系下的法向量的过程)中，作为一种具体的实现方案，可以按照以下构思进行：

其中，A、B、C分别为三角形标靶的顶点，X_A、Y_A、Z_A为点A的坐标，X_B、Y_B、Z_B为点B的坐标，X_C、Y_C、Z_C为点C的坐标，和/>为向量AB和AC的单位矢量，/>为三角形标靶的法向向量；

根据电子罗盘测出三角形标靶的倾向与倾角，通过下式计算大地坐标系三轴的单位法向量：

其中，α₁、β₁分别为测出的三角形标靶的倾向和倾角；

构建出三角面片的法向向量(a,b,c)，通过下式完成对大地坐标系下的单位法向量转换：

其中，(n_x,n_y,n_z)为局部坐标系下的法向量，(a,b,c)为完成转换后的大地坐标系下的结构面法向量。

其中，三角形标靶的部署还可参考图2示出的本申请三角形标靶的一种场景示意图。

此外，本申请从图像信息中提取到的点云信息，为进一步提高基于点云信息所构建的三维网格模型的模型精度，本申请还可对点云信息进行预处理工作，以提高点云信息的信息质量。

作为又一种适于实用的实现方案，处理设备具体可以对点云信息进行离群点去除处理以及滤波去噪处理。

容易理解，离群点去除处理，就是移除点云信息中明显的离群点，例如，在实际应用中可以采用cloudcompare算法来执行离群点去除处理。

滤波去噪处理，也能起到一定程度的离群点的去除效果，此外，还可过滤异常点或者遮挡物形成的点云，使得点云信息整体更为的平滑，保留下结构面更多的信息。

进一步的，对于此处涉及的滤波去噪处理，在具体操作中，还可包括以下内容：

处理设备通过以下拉普拉斯公式，对点云信息进行滤波去噪处理：

其中，Δ和为拉普拉斯算子，拉普拉斯算子为笛卡儿坐标系中的所有非混合二阶偏导数(是一个微分算子)，x、y、z分别代表空间上的笛卡儿坐标。

可以理解的是，该拉普拉斯公式，与点云集顶点表现出线性几何关系，从计算机硬件配置角度而言，可以大大减少运行时间和内存空间的消耗。

此外，在另一方面，步骤S102中所提取出的点云信息，还可能由于图像内容缺失的情况，而反映到点云信息时则会导致稀疏点云的出现，因此，在实际应用中，还可包括：

处理设备检测点云信息中是否存在稀疏点云信息；

若存在，则处理设备安排无人机针对稀疏点云信息对应位置的补飞任务，以获取稀疏点云对应位置的点云信息来代替稀疏点云信息。

可以理解，本申请认为，稀疏点云信息的出现，对应了之前无人机图像信息的采集存在一定程度上的位置忽略的情况，从而导致某些局部位置的图像采集工作不够到位，进而从该局部位置采集的图像信息难以提取出足够稠密的点云信息。

因此，处理设备还可触发无人机针对这些局部位置重新进行图像信息的采集工作，如此所获取到的图像信息可以提取出足够稠密的点云信息，来代替之前的稀疏点云信息，完善点云信息，进而保证后续基于点云信息构建的三维网格模型具有其高精度。

此外，在结合平面的法向量来计算倾向和倾角的过程中，本申请也提出以下一种具体的实现方案。

设(a b c)为相应点云的法向量，

当b＞0，处理设备通过下式求出不同平面的倾向和倾角：

其中，α为倾向，β为倾角；

当b≤0，处理设备通过下式求出不同平面的倾向和倾角：

/>

当然，可以理解的是，该倾向和倾角的计算处理，除了可应用于计算步骤S105中的倾向和倾角，还可应用于计算步骤S103中的倾向和倾角。

为方便理解以上内容，还可借助下面给出的一组实例，理解上述坐标系之间法向量的转化，还有倾向、倾角的计算。

一、坐标系之间法向量的转化实例(左侧对应转化前的无人机的图像坐标系，右侧对应转化后的大地坐标系)

表1-坐标系之间法向量的转化实例

/>

二、倾向、倾角的计算实例(92组结构面，从左到右相邻的倾角和倾向对应一个结构面，每行对应三个结构面)

表2-倾向、倾角的计算实例

而在确定了结构面信息，即平面、平面的倾向以及平面的倾角后，则可进行输出，例如可以以txt的文本文档形式进行输出，又例如以表格文件进行输出。

此外，除了可以输出txt、表格等不同文件的形式进行文件的输出，还可以通过显示屏、短信、邮件等输出渠道进行内容的输出，具体可以随实际需要调整，在此不做限定。

进一步的，对应于测量工作，还可引入优势结构面信息的输出。

优势结构面信息，可以理解为隧道岩体区域在整体上主要的结构面信息，也就是说，是隧道岩体区域的主要结构面特征，如此可以简洁明了地反映出本次被测隧道岩体区域的主要结构面特征、关键结构面特征。

举例而言，可以采用聚类的形式，在不同光平面的结构面信息中进行聚类，如此可以获得不同平面之间出现最多的结构面信息，也就是优势结构面信息。

例如，处理设备可基于K-mens聚类算法，对不同平面的倾向和倾角进行聚类，得到被测隧道岩体区域的优势结构面信息。

当然，在具体操作中，也可采用其他类型的聚类算法进行结构面信息的聚类处理，在此不做具体限定。

以上是本申请提供的基于无人机的隧道岩体结构面信息的处理方法的介绍，为便于更好的实施本申请提供的基于无人机的隧道岩体结构面信息的处理方法，本申请还从功能模块角度提供了一种基于无人机的隧道岩体结构面信息的处理装置。

参阅图3，图3为本申请基于无人机的隧道岩体结构面信息的处理装置的一种结构示意图，在本申请中，基于无人机的隧道岩体结构面信息的处理装置300具体可包括如下结构：

获取单元301，用于获取无人机从被测隧道岩体区域采集到的图像信息，被测隧道岩体区域配置有实体的三角形标靶，图像信息的图像内容中包含三角形标靶；

提取单元302，用于从图像信息中提取出点云信息；

构建单元303，用于在点云信息的基础上，使用Delaunay三角剖分算法进行点云表面重建，以建立对应的三维网格模型，三维网格模型由多个三角面片构成，每个三角面片计算了对应的法向量；

转化单元304，用于以三角形标靶的坐标为基准点，将法向量转化为大地坐标系下的法向量；

计算单元305，用于基于区域生长算法对三维网格模型进行结构面识别，以将网格拟合成不同平面，求出不同平面的法向量并视为结构面的法向量，求出不同平面的倾向和倾角。

在一种示例性的实现方式中，转化单元304，具体用于：

其中，A、B、C分别为三角形标靶的顶点，X_A、Y_A、Z_A为点A的坐标，X_B、Y_B、Z_B为点B的坐标，X_C、Y_C、Z_C为点C的坐标，和/>为向量AB和AC的单位矢量，/>为三角形标靶的法向向量；

根据电子罗盘测出三角形标靶的倾向与倾角，通过下式计算大地坐标系三轴的单位法向量：

其中，α₁、β₁分别为测出的三角形标靶的倾向和倾角；

构建出三角面片的法向向量(a,b,c)，通过下式完成对大地坐标系下的单位法向量转换：

其中，(n_x,n_y,n_z)为局部坐标系下的法向量，(a,b,c)为完成转换后的大地坐标系下的结构面法向量。

在又一种示例性的实现方式中，装置还包括预处理单元306，用于：

对点云信息进行离群点去除处理以及滤波去噪处理。

在又一种示例性的实现方式中，预处理单元，具体用于：

处理设备通过以下拉普拉斯公式，对点云信息进行滤波去噪处理：

其中，Δ和为拉普拉斯算子，拉普拉斯算子为笛卡儿坐标系中的所有非混合二阶偏导数，x、y、z分别代表空间上的笛卡儿坐标。

在又一种示例性的实现方式中，装置还包括预处理单元306，用于：

检测点云信息中是否存在稀疏点云信息；

若存在，则安排无人机针对稀疏点云信息对应位置的补飞任务，以获取稀疏点云对应位置的点云信息来代替稀疏点云信息。

在又一种示例性的实现方式中，计算单元305，具体用于：

设(a b c)为相应点云的法向量，

当b＞0，通过下式求出不同平面的倾向和倾角：

其中，α为倾向，β为倾角；

当b≤0，通过下式求出不同平面的倾向和倾角：

在又一种示例性的实现方式中，装置还包括聚类单元307，用于：

基于K-mens聚类算法，对不同平面的倾向和倾角进行聚类，得到被测隧道岩体区域的优势结构面信息。

本申请还从硬件结构角度提供了一种处理设备，参阅图4，图4示出了本申请处理设备的一种结构示意图，具体的，本申请处理设备可包括处理器401、存储器402以及输入输出设备403，处理器401用于执行存储器402中存储的计算机程序时实现如图1对应实施例中基于无人机的隧道岩体结构面信息的处理方法的各步骤；或者，处理器401用于执行存储器402中存储的计算机程序时实现如图3对应实施例中各单元的功能，存储器402用于存储处理器401执行上述图1对应实施例中基于无人机的隧道岩体结构面信息的处理方法所需的计算机程序。

示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器402中，并由处理器401执行，以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机装置中的执行过程。

处理设备可包括，但不仅限于处理器401、存储器402、输入输出设备403。本领域技术人员可以理解，示意仅仅是处理设备的示例，并不构成对处理设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如处理设备还可以包括网络接入设备、总线等，处理器401、存储器402、输入输出设备403等通过总线相连。

处理器401可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，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、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，处理器是处理设备的控制中心，利用各种接口和线路连接整个设备的各个部分。

存储器402可用于存储计算机程序和/或模块，处理器401通过运行或执行存储在存储器402内的计算机程序和/或模块，以及调用存储在存储器402内的数据，实现计算机装置的各种功能。存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据处理设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

处理器401用于执行存储器402中存储的计算机程序时，具体可实现以下功能：

获取无人机从被测隧道岩体区域采集到的图像信息，被测隧道岩体区域配置有实体的三角形标靶，图像信息的图像内容中包含三角形标靶；

从图像信息中提取出点云信息；

在点云信息的基础上，使用Delaunay三角剖分算法进行点云表面重建，以建立对应的三维网格模型，三维网格模型由多个三角面片构成，每个三角面片计算了对应的法向量；

以三角形标靶的坐标为基准点，将法向量转化为大地坐标系下的法向量；

基于区域生长算法对三维网格模型进行结构面识别，以将网格拟合成不同平面，求出不同平面的法向量并视为结构面的法向量，求出不同平面的倾向和倾角。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的基于无人机的隧道岩体结构面信息的处理装置、处理设备及其相应单元的具体工作过程，可以参考如图1对应实施例中基于无人机的隧道岩体结构面信息的处理方法的说明，具体在此不再赘述。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本申请提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请如图1对应实施例中基于无人机的隧道岩体结构面信息的处理方法的步骤，具体操作可参考如图1对应实施例中基于无人机的隧道岩体结构面信息的处理方法的说明，在此不再赘述。

其中，该计算机可读存储介质可以包括：只读存储器(Read Only Memory，ROM)、随机存取记忆体(Random Access Memory，RAM)、磁盘或光盘等。

由于该计算机可读存储介质中所存储的指令，可以执行本申请如图1对应实施例中基于无人机的隧道岩体结构面信息的处理方法的步骤，因此，可以实现本申请如图1对应实施例中基于无人机的隧道岩体结构面信息的处理方法所能实现的有益效果，详见前面的说明，在此不再赘述。

以上对本申请提供的基于无人机的隧道岩体结构面信息的处理方法、装置、处理设备以及计算机可读存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (9)

1.一种基于无人机的隧道岩体结构面信息的处理方法，其特征在于，所述方法包括：

处理设备获取无人机从被测隧道岩体区域采集到的图像信息，所述被测隧道岩体区域配置有实体的三角形标靶，所述图像信息的图像内容中包含所述三角形标靶；

所述处理设备从所述图像信息中提取出点云信息；

所述处理设备在所述点云信息的基础上，使用Delaunay三角剖分算法进行点云表面重建，以建立对应的三维网格模型，所述三维网格模型由多个三角面片构成，每个所述三角面片计算了对应的法向量；

所述处理设备以所述三角形标靶的坐标为基准点，将所述法向量转化为大地坐标系下的法向量；

所述处理设备基于区域生长算法对所述三维网格模型进行结构面识别，以将网格拟合成不同平面，求出所述不同平面的法向量并视为结构面的法向量，求出所述不同平面的倾向和倾角；

所述处理设备以所述三角形标靶的坐标为基准点，将所述法向量转化为大地坐标系下的法向量，包括以下内容：

其中，A、B、C分别为所述三角形标靶的顶点，X_A、Y_A、Z_A为点A的坐标，X_B、Y_B、Z_B为点B的坐标，X_C、Y_C、Z_C为点C的坐标，和/>为向量AB和AC的单位矢量，/>为所述三角形标靶的法向向量；

根据电子罗盘测出三角形标靶的倾向与倾角，通过下式计算大地坐标系三轴的单位法向量：

其中，α₁、β₁分别为测出的所述三角形标靶的倾向和倾角；

构建出三角面片的法向向量(a,b,c)，通过下式完成对所述大地坐标系下的单位法向量转换：

其中，(n_x,n_y,n_z)为局部坐标系下的法向量，(a,b,c)为完成转换后的大地坐标系下的结构面法向量。

2.根据权利要求1所述的方法，其特征在于，所述处理设备从所述图像信息中提取出点云信息之后，所述方法还包括：

所述处理设备对所述点云信息进行离群点去除处理以及滤波去噪处理。

3.根据权利要求2所述的方法，其特征在于，所述处理设备对所述点云信息进行滤波去噪处理，包括：

所述处理设备通过以下拉普拉斯公式，对所述点云信息进行滤波去噪处理：

其中，Δ和为拉普拉斯算子，所述拉普拉斯算子为笛卡儿坐标系中的所有非混合二阶偏导数，x、y、z分别代表空间上的笛卡儿坐标。

4.根据权利要求1所述的方法，其特征在于，所述处理设备从所述图像信息中提取出点云信息之后，所述方法还包括：

所述处理设备检测所述点云信息中是否存在稀疏点云信息；

若存在，则所述处理设备安排无人机针对所述稀疏点云信息对应位置的补飞任务，以获取所述稀疏点云对应位置的点云信息来代替所述稀疏点云信息。

5.根据权利要求1所述的方法，其特征在于，所述处理设备求出所述不同平面的倾向和倾角，包括：

设(e,f,g)为相应点云的法向量，

当f＞0，所述处理设备通过下式求出所述不同平面的倾向和倾角：

其中，α为倾向，β为倾角；

当f＞0，所述处理设备通过下式求出所述不同平面的倾向和倾角：

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

所述处理设备基于K-mens聚类算法，对所述不同平面的倾向和倾角进行聚类，得到所述被测隧道岩体区域的优势结构面信息。

7.一种基于无人机的隧道岩体结构面信息的处理装置，其特征在于，所述装置包括：

获取单元，用于获取无人机从被测隧道岩体区域采集到的图像信息，所述被测隧道岩体区域配置有实体的三角形标靶，所述图像信息的图像内容中包含所述三角形标靶；

提取单元，用于从所述图像信息中提取出点云信息；

构建单元，用于在所述点云信息的基础上，使用Delaunay三角剖分算法进行点云表面重建，以建立对应的三维网格模型，所述三维网格模型由多个三角面片构成，每个所述三角面片计算了对应的法向量；

转化单元，用于以所述三角形标靶的坐标为基准点，将所述法向量转化为大地坐标系下的法向量；

计算单元，用于基于区域生长算法对所述三维网格模型进行结构面识别，以将网格拟合成不同平面，求出所述不同平面的法向量并视为结构面的法向量，求出所述不同平面的倾向和倾角；

以所述三角形标靶的坐标为基准点，将所述法向量转化为大地坐标系下的法向量，包括以下内容：

其中，A、B、C分别为所述三角形标靶的顶点，X_A、Y_A、Z_A为点A的坐标，X_B、Y_B、Z_B为点B的坐标，X_C、Y_C、Z_C为点C的坐标，和/>为向量AB和AC的单位矢量，/>为所述三角形标靶的法向向量；

根据电子罗盘测出三角形标靶的倾向与倾角，通过下式计算大地坐标系三轴的单位法向量：

其中，α₁、β₁分别为测出的所述三角形标靶的倾向和倾角；

构建出三角面片的法向向量(a,b,c)，通过下式完成对所述大地坐标系下的单位法向量转换：

其中，(n_x,n_y,n_z)为局部坐标系下的法向量，(a,b,c)为完成转换后的大地坐标系下的结构面法向量。

8.一种处理设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行如权利要求1至6任一项所述的方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至6任一项所述的方法。