CN116665079B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN116665079B CN116665079B CN202310739126.XA CN202310739126A CN116665079B CN 116665079 B CN116665079 B CN 116665079B CN 202310739126 A CN202310739126 A CN 202310739126A CN 116665079 B CN116665079 B CN 116665079B
- Authority
- CN
- China
- Prior art keywords
- structural
- rock mass
- rock
- rules
- information
- 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.)
- Active
Links
- 239000011435 rock Substances 0.000 title claims abstract description 190
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000011835 investigation Methods 0.000 claims abstract description 26
- 238000000605 extraction Methods 0.000 claims abstract description 22
- 238000005457 optimization Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 238000006073 displacement reaction Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 230000015654 memory Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 7
- 230000003936 working memory Effects 0.000 claims description 7
- 238000009411 base construction Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013467 fragmentation Methods 0.000 description 2
- 238000006062 fragmentation reaction Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明公开了一种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。方法包括:从无人机航拍数据中提取岩体结构面特征和空间关系,并结合岩土工程勘察规范和地质勘查构建岩体结构特征识别的地理知识库:将构建的地理知识库转换为规则引擎可执行的岩体结构特征识别约束,并将无人机航拍数据与相应的岩体场景匹配,设计基于Drools规则引擎的复杂场景岩体结构特征提取算法;基于构建的规则引擎实现特征提取算法流程,以顾及多重地理关系推理并校正岩体结构产状信息;将推理后的岩体产状信息更新到事实库中,实现岩体结构特征优化,并进行三维重建。本发明可解决当前岩体结构特征识别方法中存在的破碎岩体等复杂场景下结构难以识别的问题。
Description
技术领域
本发明属于地质学领域,尤其涉及一种针对层状地质体的结构特征判别方法与系统。
背景技术
结构面几何信息的精确采集和统计是地质工作者在野外调查时的重要任务。从数据源来说,岩体结构面识别方法大体上分为两大类:第一类是基于图像数据,对图像数据进行标定后,提取特征点(线),进而通过线性变换公式计算结构面的产状信息(走向/倾角)。第二类方法是基于点云数据,它的结构面识别方法又分为基于点云几何特征提取的方法和基于聚类分析的方法,前者通过对点云数据几何特征提取方法,获取岩体结构信息。这种方法的主要缺点是内存消耗和计算成本高,使得它在大型点云的表面提取中不太受欢迎。后者对点云数据进行三维网格重建,通过点的高程和三角面片的法向量/曲率等信息,再利用聚类方法(如K-means、模糊聚类和区域生长法等)获得岩体结构信息。这些方法在连续露头和较少断裂的情况下是有效的。然而,这些方法不能准确地识别在延伸方向上应该是同一类型地层的结构面。例如,马灿璇基于半边结构改进的区域生长法进行自动识别结构特征信息的过程中,倾向走向的计算会出现方向相反的情况。Ge等人使用改进的区域生长方法来提高从使用LiDAR收集的点云数据估计不连续性几何参数的速度和效率(Ge等人,2018年),但该方法主要针对的是规则多面体,无法应用于自然界中错综复杂的地质场景。
综上所述,相对于图像数据,点云数据在精度和效率上更具优势,但破碎岩体等场景的岩石结构信息单从几何特征难以识别准确,因破碎岩体等场景下的点云数据通常含有噪声、可变的点密度和遮挡,不能呈现出明显的结构。而破碎岩体等场景的岩体结构特征的正确识别对于岩体工程的安全性、准确性和效率都具有重要的意义。因此,如何准确地识别出破碎岩体等复杂场景下岩体结构特征,是亟需解决的问题。
发明内容
发明目的:本发明提出一种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,解决当前岩体结构特征识别方法中存在的破碎岩体等复杂场景下结构难以识别的问题。
技术方案:根据本发明的第一方面,一种复杂场景下顾及空间关系的岩体结构特征识别方法,包括以下步骤:
S1:从无人机航拍数据中提取岩体结构面特征和空间关系,并结合岩土工程勘察规范和地质勘查构建岩体结构特征识别的地理知识库:
S2:将S1中构建好的基于语义的地理知识库转换为规则引擎可执行的岩体结构特征识别约束,并将无人机航拍数据与相应的岩体场景匹配,在此基础上设计基于Drools规则引擎的复杂场景岩体结构特征提取算法;
S3:基于S2构建的规则引擎实现匹配规则、触发议程、执行Drools、输出结果流程,用以顾及多重地理关系推理并校正岩体结构产状信息,具体包括:
S31:通过分析各个单个特征面的倾角与倾向信息,将各个特征面归类到所属的结构面组别当中;
S32:基于空间关系约束推理并归并由于遮挡导致的零散的识别结果;
S33:基于空间位移关系推理并识别延伸方向上产状一致的岩体结构面;
S4:将推理后的岩体产状信息更新到事实库中,实现岩体结构特征优化,并利用特征优化后的岩体产状信息进行三维重建。
根据本发明的第二方面,一种复杂场景下顾及空间关系的岩体结构特征识别系统,包括:
地理知识库构建模块,从无人机航拍数据中提取岩体结构面特征和空间关系,并结合岩土工程勘察规范和地质勘查构建岩体结构特征识别的地理知识库:
规则引擎构建模块,将地理知识库构建模块中构建好的基于语义的地理知识库转换为规则引擎可执行的岩体结构特征识别约束,并将无人机航拍数据与相应的岩体场景匹配,在此基础上设计基于Drools规则引擎的复杂场景岩体结构特征提取算法;
岩体结构产状获取模块,基于规则引擎构建模块构建的规则引擎实现匹配规则、触发议程、执行Drools、输出结果流程,用以顾及多重地理关系推理并校正岩体结构产状信息,具体包括:
结构面组归属单元,通过分析各个单个特征面的倾角与倾向信息,将各个特征面归类到所属的结构面组别当中;
第一产状识别单元,基于空间关系约束推理并归并由于遮挡导致的零散的识别结果;
第二产状识别单元,基于空间位移关系推理并识别延伸方向上产状一致的岩体结构面;
岩体结构特征优化模块,将推理后的岩体产状信息更新到事实库中,实现岩体结构特征优化,并利用特征优化后的岩体产状信息进行三维重建。
根据本发明的第三方面,提供一种计算机设备,包括:一个或多个处理器;存储器;以及一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置为由所述一个或多个处理器执行,所述程序被处理器执行时实现如本发明第一方面所述的复杂场景下顾及空间关系的岩体结构特征识别方法的步骤。
根据本发明的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如本发明第一方面所述的复杂场景下顾及空间关系的岩体结构特征识别方法的步骤。
有益效果:破碎岩体等场景的岩体结构信息单从几何特征难以识别准确,需要复杂的地理知识帮助表示和推理。鉴于此,本发明利用岩体专业知识构建基于岩体结构智能识别的地理知识库,并基于多重空间关系实现结构面特征识别,来纠正复杂场景下不准确的识别结果。本发明利用两种典型的规则集,可以归并由于噪声和遮挡导致的零散的识别结果,从而高效地校正错误的识别结果并能识别传统聚类方法无法识别的区域,大大减少了人工干预,提高了国家对特殊地理位置与地理条件的把控能力,确保地质调查结果的实时性、精准性与可靠性。
附图说明
图1是本发明实施例中估计空间关联规则的岩体结构特征识别方法流程图;
图2是本发明实施例中研究区范围图示;
图3是本发明实施例中预处理后的点云数据示意图;
图4是本发明实施例中对应的三角网数据示意图;
图5是本发明基于岩体结构特征识别的地理知识库构建流程;
图6是本发明对应的基于Drools规则引擎的复杂场景岩体结构特征提取平台构建流程;
图7是本发明对应的碎裂状岩体结构特征识别规则识别示意图;
图8是本发明对应的延伸一致性规则识别示意图;
图9是本发明碎裂状岩体结构特征识别规则应用前后对比图;
图10是本发明延伸一致性规则应用结果图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
本发明提出一种复杂场景下顾及空间关系的岩体结构特征识别方法,参照图1,该方法包括以下步骤:
S1:从无人机航拍数据中提取岩体结构面特征和空间关系,并结合岩土工程勘察规范和地质勘查构建岩体结构特征识别的地理知识库:
S2:将S1中构建好的基于语义的地理知识库转换为规则引擎可执行的岩体结构特征识别约束,并将无人机航拍数据与相应的岩体场景匹配,在此基础上设计基于Drools规则引擎的复杂场景岩体结构特征提取算法;
S3:基于S2构建的规则引擎实现匹配规则、触发议程、执行Drools、输出结果流程,用以顾及多重地理关系推理并校正岩体结构产状信息;
S4:将推理后的岩体产状信息更新到事实库中,实现岩体结构特征优化,并利用特征优化后的岩体产状信息进行三维重建。
下面结合具体实例对本发明的方法做出详细说明。在本实例中,以庐山如琴湖区域(图2)为研究对象,目前数据采用专业级无人机进行数据采集等外业作业,利用倾斜摄影构建三维表面模型来进行内业数据处理,从而获取研究区域的场景点云(图3)及其三维表面模型数据(图4)。
在步骤S1中,从无人机航拍数据中提取岩体结构面特征和空间关系,并结合岩土工程勘察规范和地质勘查构建岩体结构特征识别的地理知识库,构建过程如图5所示,具体包括:
(S1-1)收集岩体结构相关的数据,对采集的数据进行预处理,从预处理后的点云数据中基于混合聚类方法提取岩体结构的特征,结构面产状用倾角和倾向表示。若建立空间直角坐标系xyz,则面状要素产状的单位法向量坐标即可表示为X=(x,y,z),其中:
x=sinαsinβ (1)
y=cosαsinβ (2)
z=cosβ (3)
倾角和倾向θ=(α,β),0°≤α≤360°,0°≤β≤90°,α、β分别为倾角和倾向,计算公式如式4、5;
β=arccos(z) (4)
(S1-2)以图像数据为主要数据源,通过图像分割、去躁、膨胀腐蚀、图像滤波,细化等图像处理技术获取岩体结构面迹线及迹长L;
(S1-3)从无人机航拍数据中提取岩体结构三维方位特征以及空间关系,其中对结构面间距做规范化处理,即:
dp=L/N (6)
其中dp为线密度,又称为结构面平均间距,单位为m/条;L为测线长度,单位为m;N是与测线相交的结构面迹线条数,单位为条;
(S1-4)基于点云和图像进行空间关系的提取:基于点云数据进行拓扑分析,提取岩体结构面间的拓扑关系;通过S1-3获取的结构面间距提取岩体结构面之间的接触关系,如岩体之间的接触面积、接触点、接触角度等信息;基于点云数据提供的各结构面空间位置提取其空间位移信息和产状一致性信息。
(S1-5)依据提取的岩体结构面特征和空间关系信息,结合岩土工程勘察规范和地质勘查工作经验构建岩体结构特征识别的地理知识库,方便后续转换为规则引擎可执行的岩体结构特征识别约束。
在步骤S2中,将基于语义的地理知识库转换为规则引擎可执行的岩体结构特征识别约束,并将无人机航拍数据与相应的岩体场景匹配,在此基础上设计基于Drools规则引擎的复杂场景岩体结构特征提取算法,规则引擎的复杂场景岩体结构特征提取算法包括工作内存、规则库、推理引擎,其中,推理引擎又包括匹配器、议程和执行引擎,其流程如图6所示,具体包括:
(S2-1)将步骤S1中提取的包含点云坐标、岩体结构产状等的初始数据以txt文本的形式输入至工作内存;
(S2-2)定义用于规则匹配和推理的事实对象。在岩体结构特征信息提取的场景中,事实对象包括倾向、倾角、岩体结构间空间关系等。使用匹配器将用于岩体结构特征识别的地理知识规则和数据进行比较,其中地理知识规则可以根据识别需求事先进行定义;
(S2-3)匹配到规则后,规则引擎将匹配到的规则加入到议程中,即待执行的规则列表;同时,规则引擎解释包含岩体结构特征识别约束的规则文件,确定在条件满足时要执行的操作;
(S2-4)按照议程中的规则顺序,依次执行规则,对事实进行处理和推理,提取出岩体结构特征。
在步骤S3中,基于步骤S2构建的规则引擎实现匹配规则、触发议程、执行Drools、输出结果等流程,用以顾及多重地理关系推理并校正岩体结构产状信息,具体包括:
(S3-1)通过分析各个单个特征面的倾角与倾向信息,将该特征面归类到所属的结构面组别当中;
(S3-2)基于空间关系约束推理并归并由于遮挡导致的零散的识别结果,其特征识别示意图如图7所示,分离体结构面A、B、C在归并之后形成合并后结构面D;
(S3-3)基于空间位移关系推理并识别延伸方向上产状一致的岩体结构面,其特征识别示意图如图8所示,在延伸方向上产状一致的结构面A和结构面B被识别出;
进一步的,步骤(S3-1)包括:
(3-1-1)在事实数据库中存储岩体结构面倾向,倾角,邻接结构面等信息;
(3-1-2)通过规则引擎识别出新加入的结构面在事实数据库中的存储结果;
(3-1-3)已有的结构面组在事实数据库中保存各自产状信息、平均产状信息及识别阈值;
(3-1-4)当某结构面无法在事实数据库中通过规则推导找到所属组别,则在事实数据库中为该类结构面新建结构面组,从而划分为新的一类。
进一步的,步骤(S3-2)包括:
(3-2-1)定义规则:根据《岩土工程勘察规范(GB 50021-2001)》中的岩体结构分类标准,本发明从工作内存中选取具有相近产状信息的结构面,定义满足各结构面边界之间的间距均小于10cm的结构面为同一结构面;
(3-2-2)创建Drools会话:通过Drools提供的API创建一个Drools会话,该会话包含了规则引擎的各个组件;
(3-2-3)定义并插入事实:将岩体结构产状数据转化为事实对象,并将定义好的事实插入到Drools会话中,使得规则引擎可以对其进行匹配和处理;
(3-2-4)匹配规则并触发议程:规则引擎根据(3-2-1)中已定义的规则,对插入的事实进行匹配,找到符合条件的规则。匹配到规则后,规则引擎将匹配到的规则加入到议程中,即待执行的规则列表;
(3-2-5)执行规则并输出结果,如图9所示,在没有应用碎裂状岩体结构特征识别规则的情况下,图9中方框区域的岩体结构会被错误地识别成三组结构面。而应用该规则后,方框区域中的碎裂岩体结构面被合并成为一组结构面。在该规则的应用下,降低了结构面识别结果碎片化,识别出了该组结构面的完整形态。这将有助于了解地质体结构特征的真实规模。
进一步的,步骤(3-3)包括:
(3-3-1)定义规则:根据结构面分类分组后的结果,将具有空间位移关系且产状信息已知的结构面的产状信息赋予由于噪声和遮挡无法获取产状信息的岩体结构面;
(3-3-2)创建Drools会话:通过Drools提供的API创建一个Drools会话,该会话包含了规则引擎的各个组件;
(3-3-3)定义并插入事实:将具有空间位移关系的岩体结构的产状数据转化为事实对象,并将定义好的事实插入到Drools会话中,使得规则引擎可以对其进行匹配和处理;
(3-3-4)匹配规则并触发议程:规则引擎根据(3-3-1)中已定义的规则,对插入的事实进行匹配,找到符合条件的规则。匹配到规则后,规则引擎将匹配到的规则加入到议程中,即待执行的规则列表;
(3-3-5)执行规则并输出结果,如图10所示,在应用延伸一致性规则后,走向方向(方框区域)上产状一致的结构面会被视为同一组结构面,不因地层不连续而产生识别结果破碎化。
在步骤S4中,将推理后的岩体产状信息更新到事实库中,具体包括:明确事实库中需要更新的数据对应列的字段名称;基于规则引擎动态更新岩体产状信息;然后利用特征优化后的岩体产状信息进行三维重建,综合分析特征识别前后的岩体结构三维可视化结果,优化规则引擎的参数设置和适用范围。
破碎岩体等场景的岩石结构信息单从几何特征难以识别准确,需要复杂的地理知识的形式表示和推理。知识规则的应用较少涉足岩体结构领域,现有技术中也缺乏针对破碎岩体等场景的岩体结构特征识别知识规则。破碎岩体等场景下的点云数据通常含有噪声、可变的点密度和遮挡,不能呈现出明显的结构,针对该类岩体结构识别的知识规则可以提高识别结果的准确性,为后续的岩体分析和工程设计提供更可靠的依据。Drools是一个开源的规则引擎,采用了基于Rete算法的规则匹配引擎,可以高效地处理大量的规则和事实。因此,本发明构建了基于Drools规则引擎的复杂场景岩体结构特征提取平台,通过构建岩体结构信息提取领域的地理知识库来融合岩体结构间的多重空间关系,规范不同地理环境下岩体结构信息提取规则,从而高效地校正错误的识别和识别传统信息提取方法无法识别的区域,优化现有方法识别的岩体结构特征。
基于和方法实施例相同的技术构思,本发明还提供一种复杂场景下顾及空间关系的岩体结构特征识别系统,包括:
地理知识库构建模块,从无人机航拍数据中提取岩体结构面特征和空间关系,并结合岩土工程勘察规范和地质勘查构建岩体结构特征识别的地理知识库:
规则引擎构建模块,将地理知识库构建模块中构建好的基于语义的地理知识库转换为规则引擎可执行的岩体结构特征识别约束,并将无人机航拍数据与相应的岩体场景匹配,在此基础上设计基于Drools规则引擎的复杂场景岩体结构特征提取算法;
岩体结构产状获取模块,基于规则引擎构建模块构建的规则引擎实现匹配规则、触发议程、执行Drools、输出结果流程,用以顾及多重地理关系推理并校正岩体结构产状信息,具体包括:
结构面组归属单元,通过分析各个单个特征面的倾角与倾向信息,将各个特征面归类到所属的结构面组别当中;
第一产状识别单元,基于空间关系约束推理并归并由于遮挡导致的零散的识别结果;
第二产状识别单元,基于空间位移关系推理并识别延伸方向上产状一致的岩体结构面;
岩体结构特征优化模块,将推理后的岩体产状信息更新到事实库中,实现岩体结构特征优化,并利用特征优化后的岩体产状信息进行三维重建。
应理解,本发明实施例中的复杂场景下顾及空间关系的岩体结构特征识别系统可以实现上述方法实施例中的全部技术方案,其各个功能模块的功能可以根据上述方法实施例中的方法具体实现,其具体实现过程可参照上述实施例中的相关描述,此处不再赘述。
本发明还提供一种计算机设备,包括:一个或多个处理器;存储器;以及一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置为由所述一个或多个处理器执行,所述程序被处理器执行时实现如上所述的复杂场景下顾及空间关系的岩体结构特征识别方法的步骤。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的复杂场景下顾及空间关系的岩体结构特征识别方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置(系统)、计算机设备或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法的流程图来描述的。应理解可由计算机程序指令实现流程图中的每一流程以及流程图中的流程的结合。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中指定的功能的步骤。
Claims (10)
1.一种复杂场景下顾及空间关系的岩体结构特征识别方法,其特征在于,包括如下步骤:
S1:从无人机航拍数据中提取岩体结构面特征和空间关系,并结合岩土工程勘察规范和地质勘查构建岩体结构特征识别的地理知识库:
S2:将S1中构建好的基于语义的地理知识库转换为规则引擎可执行的岩体结构特征识别约束,并将无人机航拍数据与相应的岩体场景匹配,在此基础上设计基于Drools规则引擎的复杂场景岩体结构特征提取算法;
S3:基于S2构建的规则引擎实现匹配规则、触发议程、执行Drools、输出结果流程,用以顾及多重地理关系推理并校正岩体结构产状信息,具体包括:
S3-1:通过分析各个单个特征面的倾角与倾向信息,将各个特征面归类到所属的结构面组别当中;
S3-2:基于空间关系约束推理并归并由于遮挡导致的零散的识别结果,其中在定义规则时,根据《岩土工程勘察规范(GB 50021-2001)》中的岩体结构分类标准,从工作内存中选取具有相近产状信息的结构面,定义满足各结构面边界之间的间距均小于10cm的结构面为同一结构面;
S3-3:基于空间位移关系推理并识别延伸方向上产状一致的岩体结构面,其中在定义规则时,根据结构面分类分组后的结果,将具有空间位移关系且产状信息已知的结构面的产状信息赋予由于噪声和遮挡无法获取产状信息的岩体结构面;
S4:将推理后的岩体产状信息更新到事实库中,实现岩体结构特征优化,并利用特征优化后的岩体产状信息进行三维重建。
2.根据权利要求1所述的方法,其特征在于,所述步骤S1包括:
S1-1、收集岩体结构相关的数据,对采集的数据进行预处理,从预处理后的点云数据中基于混合聚类方法提取岩体结构的特征,结构面产状用倾角和倾向表示,在空间直角坐标系xyz坐标系下,面状要素产状的单位法向量坐标即表示为X=(x,y,z),其中:x=sinαsinβ,y=cosαsinβ,z=cosβ,倾角和倾向θ=(α,β),0°≤α≤360°,0°≤β≤90°,β=arccos(z),
S1-2、基于图像数据,通过图像处理技术获取岩体结构面迹线及迹长L;
S1-3、从无人机航拍数据中提取岩体结构三维方位特征以及空间关系,其中对结构面间距做规范化处理,即:dp=L/N,其中dp为线密度,又称为结构面平均间距,单位为m/条;L为测线长度,单位为m;N是与测线相交的结构面迹线条数,单位为条;空间关系的提取包括:基于点云数据进行拓扑分析,提取岩体结构面间的拓扑关系;通过获取的结构面间距提取岩体结构面之间的接触关系;基于点云数据提供的各结构面空间位置提取其空间位移信息和产状一致性信息;
S1-4、依据提取的岩体结构面特征和空间关系信息,结合岩土工程勘察规范和地质勘查工作经验构建岩体结构特征识别的地理知识库,方便后续转换为规则引擎可执行的岩体结构特征识别约束。
3.根据权利要求1所述的方法,其特征在于,所述步骤S2中,基于Drools规则引擎的复杂场景岩体结构特征提取算法工作流程包括:
S2-2、将步骤S1中提取的包含点云坐标、岩体结构产状的初始数据以txt文本的形式输入至工作内存;
S2-2、定义用于规则匹配和推理的事实对象,在岩体结构特征信息提取的场景中,事实对象包括倾向、倾角、岩体结构间空间关系,使用匹配器将用于岩体结构特征识别的地理知识规则和数据比较;
S2-3、匹配到规则后,规则引擎将匹配到的规则加入到议程中,即待执行的规则列表;
S2-4、按照议程中的规则顺序,依次执行规则,对事实进行处理和推理,提取出岩体结构特征。
4.根据权利要求3所述的方法,其特征在于,所述步骤S3-1包括:
A1:在事实数据库中存储岩体结构面倾向,倾角,邻接结构面信息,通过规则引擎识别出新加入的结构面在事实数据库中的存储结果;
A2:已有的结构面组在事实数据库中保存各自产状信息、平均产状信息及识别阈值,当某结构面无法在事实数据库中通过规则推导找到所属组别时,在事实数据库中为该类结构面新建结构面组,从而划分为新的一类。
5.根据权利要求3所述的方法,其特征在于,所述步骤S3-2包括:
B1:定义规则:根据《岩土工程勘察规范(GB 50021-2001)》中的岩体结构分类标准,从工作内存中选取具有相近产状信息的结构面,定义满足各结构面边界之间的间距均小于10cm的结构面为同一结构面;
B2:创建Drools会话:通过Drools提供的API创建一个Drools会话,该会话包含了规则引擎的各个组件;
B3:定义并插入事实:将岩体结构产状数据转化为事实对象,并将定义好的事实插入到Drools会话中,使得规则引擎可以对其进行匹配和处理;
B4:匹配规则并触发议程:规则引擎根据B1中已定义的规则,对插入的事实进行匹配,找到符合条件的规则,匹配到规则后,规则引擎将匹配到的规则加入到议程中,即待执行的规则列表;
B5:执行规则并输出结果:按照议程中的规则顺序,依次执行规则,对事实进行处理和推理,归并由于噪声和遮挡导致的零散的识别结果,将归并后的结构面产状信息存储到数据库中供后续分析使用。
6.根据权利要求3所述的方法,其特征在于,所述步骤S3-3包括:
C1:定义规则:根据结构面分类分组后的结果,将具有空间位移关系且产状信息已知的结构面的产状信息赋予由于噪声和遮挡无法获取产状信息的岩体结构面;
C2:创建Drools会话:通过Drools提供的API创建一个Drools会话,该会话包含了规则引擎的各个组件;
C3:定义并插入事实:将具有空间位移关系的岩体结构的产状数据转化为事实对象,并将定义好的事实插入到Drools会话中,使得规则引擎可以对其进行匹配和处理;
C4:匹配规则并触发议程:规则引擎根据C1中已定义的规则,对插入的事实进行匹配,找到符合条件的规则,匹配到规则后,规则引擎将匹配到的规则加入到议程中,即待执行的规则列表,
C5:执行规则并输出结果:按照议程中的规则顺序,依次执行规则,对事实进行处理和推理,基于空间位移关系构建的规则集推理延伸方向为同一类型结构面的产状信息,并将更新后的结构面产状信息存储到数据库中供后续分析使用。
7.根据权利要求1所述的方法,其特征在于,所述步骤S4中,将推理后的岩体产状信息更新到事实库中,具体包括:
S4-1、明确事实库中需要更新的数据对应列的字段名称;
S4-2、基于规则引擎动态更新岩体产状信息。
8.一种复杂场景下顾及空间关系的岩体结构特征识别系统,其特征在于,包括:
地理知识库构建模块,从无人机航拍数据中提取岩体结构面特征和空间关系,并结合岩土工程勘察规范和地质勘查构建岩体结构特征识别的地理知识库:
规则引擎构建模块,将地理知识库构建模块中构建好的基于语义的地理知识库转换为规则引擎可执行的岩体结构特征识别约束,并将无人机航拍数据与相应的岩体场景匹配,在此基础上设计基于Drools规则引擎的复杂场景岩体结构特征提取算法;
岩体结构产状获取模块,基于规则引擎构建模块构建的规则引擎实现匹配规则、触发议程、执行Drools、输出结果流程,用以顾及多重地理关系推理并校正岩体结构产状信息,具体包括:
结构面组归属单元,通过分析各个单个特征面的倾角与倾向信息,将各个特征面归类到所属的结构面组别当中;
第一产状识别单元,基于空间关系约束推理并归并由于遮挡导致的零散的识别结果,其中在定义规则时,根据《岩土工程勘察规范(GB 50021-2001)》中的岩体结构分类标准,从工作内存中选取具有相近产状信息的结构面,定义满足各结构面边界之间的间距均小于10cm的结构面为同一结构面;
第二产状识别单元,基于空间位移关系推理并识别延伸方向上产状一致的岩体结构面,其中在定义规则时,根据结构面分类分组后的结果,将具有空间位移关系且产状信息已知的结构面的产状信息赋予由于噪声和遮挡无法获取产状信息的岩体结构面;
岩体结构特征优化模块,将推理后的岩体产状信息更新到事实库中,实现岩体结构特征优化,并利用特征优化后的岩体产状信息进行三维重建。
9.一种计算机设备,其特征在于,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置为由所述一个或多个处理器执行,所述程序被处理器执行时实现如权利要求1-7中任一项所述的复杂场景下顾及空间关系的岩体结构特征识别方法的步骤。
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,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的复杂场景下顾及空间关系的岩体结构特征识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310739126.XA CN116665079B (zh) | 2023-06-21 | 2023-06-21 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310739126.XA CN116665079B (zh) | 2023-06-21 | 2023-06-21 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116665079A CN116665079A (zh) | 2023-08-29 |
CN116665079B true CN116665079B (zh) | 2024-02-23 |
Family
ID=87715201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310739126.XA Active CN116665079B (zh) | 2023-06-21 | 2023-06-21 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116665079B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106202420A (zh) * | 2016-07-12 | 2016-12-07 | 中国石油大学(华东) | 一种野外露头知识库的建立方法 |
JP6926352B1 (ja) * | 2020-06-30 | 2021-08-25 | 中国科学院地質與地球物理研究所Institute Of Geology And Geophysics,Chinese Academy Of Sciences | 岩石破砕によって展開する岩石の割れ目ネットワークのトポロジー構造を描写する方法 |
CN113673108A (zh) * | 2021-08-23 | 2021-11-19 | 成都理工大学 | 崩塌运动过程三维模拟方法、装置、可读介质及电子设备 |
CN114049454A (zh) * | 2022-01-12 | 2022-02-15 | 成都理工大学 | 一种基于混合聚类解译岩体结构面产状的方法及系统 |
CN114898053A (zh) * | 2022-03-28 | 2022-08-12 | 中国电建集团贵阳勘测设计研究院有限公司 | 基于三维空间影像技术的碎裂松动岩体发育范围圈定方法 |
CN115601517A (zh) * | 2022-10-27 | 2023-01-13 | 京创智慧科技有限责任公司(Cn) | 岩体结构面信息采集方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230176242A1 (en) * | 2020-05-06 | 2023-06-08 | Exxonmobil Upstream Research Company | Framework for integration of geo-information extraction, geo-reasoning and geologist-responsive inquiries |
-
2023
- 2023-06-21 CN CN202310739126.XA patent/CN116665079B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106202420A (zh) * | 2016-07-12 | 2016-12-07 | 中国石油大学(华东) | 一种野外露头知识库的建立方法 |
JP6926352B1 (ja) * | 2020-06-30 | 2021-08-25 | 中国科学院地質與地球物理研究所Institute Of Geology And Geophysics,Chinese Academy Of Sciences | 岩石破砕によって展開する岩石の割れ目ネットワークのトポロジー構造を描写する方法 |
CN113673108A (zh) * | 2021-08-23 | 2021-11-19 | 成都理工大学 | 崩塌运动过程三维模拟方法、装置、可读介质及电子设备 |
CN114049454A (zh) * | 2022-01-12 | 2022-02-15 | 成都理工大学 | 一种基于混合聚类解译岩体结构面产状的方法及系统 |
CN114898053A (zh) * | 2022-03-28 | 2022-08-12 | 中国电建集团贵阳勘测设计研究院有限公司 | 基于三维空间影像技术的碎裂松动岩体发育范围圈定方法 |
CN115601517A (zh) * | 2022-10-27 | 2023-01-13 | 京创智慧科技有限责任公司(Cn) | 岩体结构面信息采集方法、装置、电子设备及存储介质 |
Non-Patent Citations (5)
Title |
---|
Analysis of Deformation Law of Tunnel Surrounding Rock based on Visualization of Rock Mass Structure;H Zhang等;IOP Conference Series: Earth and Environmental Science;第1-7页 * |
三维空间影像技术在公路岩质高边坡地质调绘中的应用;喻邦江;董秀军;;地质灾害与环境保护(第02期);第78-83页 * |
基于场景点云数据的层状地质体结构特征识别与提取;马灿璇;中国优秀硕士学位论文全文数据库 基础科学辑;第2-4章 * |
基于多源数据的岩体结构面智能识别方法与信息解译研究;宋珺敏;中国优秀硕士学位论文全文数据库 信息科技辑;第2-4章 * |
无人机三维实景建模技术在路堑边坡地质信息提取中的应用;周增辉;谢作勤;魏见海;官少龙;;公路(第01期);第152-156页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116665079A (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kim et al. | Automated construction progress measurement using a 4D building information model and 3D data | |
CN112907491B (zh) | 一种适用于井下巷道的激光点云回环检测方法及系统 | |
CN112132006B (zh) | 一种面向耕地保护的林地和建筑物智能提取方法 | |
CN109993748B (zh) | 一种基于点云处理网络的三维网格物体分割方法 | |
Xu et al. | Reconstruction of scaffolds from a photogrammetric point cloud of construction sites using a novel 3D local feature descriptor | |
CN106133756A (zh) | 用于过滤、分割并且识别无约束环境中的对象的系统 | |
CN106157309A (zh) | 一种基于虚拟种子点的机载LiDAR地面点云滤波方法 | |
CN110798805B (zh) | 基于gps轨迹的数据处理方法、装置及存储介质 | |
CN105005760A (zh) | 一种基于有限混合模型的行人再识别方法 | |
CN113223042B (zh) | 一种遥感影像深度学习样本智能采集方法及设备 | |
CN105205135A (zh) | 一种基于主题模型的3d模型检索方法及其检索装置 | |
Aijazi et al. | Detecting and updating changes in lidar point clouds for automatic 3d urban cartography | |
Chen et al. | CGSANet: A contour-guided and local structure-aware encoder–decoder network for accurate building extraction from very high-resolution remote sensing imagery | |
CN104732529B (zh) | 一种遥感图像形状特征配准方法 | |
CN116468392A (zh) | 一种电网工程项目进度监控方法、装置、设备及存储介质 | |
Zhang et al. | A graph-voxel joint convolution neural network for ALS point cloud segmentation | |
Yang et al. | A surface graph based deep learning framework for large-scale urban mesh semantic segmentation | |
CN116665079B (zh) | 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 | |
CN117036653A (zh) | 基于超体素聚类的点云分割方法及系统 | |
Sreevalsan-Nair et al. | Contour extraction in buildings in airborne lidar point clouds using multiscale local geometric descriptors and visual analytics | |
Han et al. | Automatic terrain debris recognition network based on 3d remote sensing data | |
Ouyang et al. | An algorithm for extracting similar segments of moving target trajectories based on shape matching | |
CN114792397A (zh) | 一种sar影像城市道路提取方法、系统以及存储介质 | |
CN112596659A (zh) | 一种基于智能语音和图像处理的绘画方法和装置 | |
Huang et al. | Semantic labeling and refinement of LiDAR point clouds using deep neural network in urban areas |
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 |