CN117788740A - 基于三维模型的计算方法、系统和存储介质 - Google Patents
基于三维模型的计算方法、系统和存储介质 Download PDFInfo
- Publication number
- CN117788740A CN117788740A CN202311868024.4A CN202311868024A CN117788740A CN 117788740 A CN117788740 A CN 117788740A CN 202311868024 A CN202311868024 A CN 202311868024A CN 117788740 A CN117788740 A CN 117788740A
- Authority
- CN
- China
- Prior art keywords
- model
- mine
- dimensional
- data
- acquiring
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 28
- 238000005065 mining Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000004088 simulation Methods 0.000 claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 14
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 5
- 239000011435 rock Substances 0.000 claims description 25
- 238000010586 diagram Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000013135 deep learning Methods 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000010191 image analysis Methods 0.000 claims description 6
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 6
- 239000011707 mineral Substances 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000005553 drilling Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 description 5
- 238000012876 topography Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Landscapes
- Instructional Devices (AREA)
Abstract
本发明公开了一种基于矿山三维子模型的计算方法、系统和存储介质，所述方法包括：获取第一数据，构建三维矿山表面模型；获取第二数据，构建矿体模型与矿区道路模型；获取第三数据，构建矿区地底模型；本发明根据不同的矿山分类，经过仿真模拟评估后，选择对应的矿区三维地质模型作为最终三维地质模型，矿山分类包括：露天矿山、浅部地下矿山、深部地下矿山；分别对应地表三维表面模型；矿体三维模型；岩层地质三维模型；所述仿真模拟评估为：根据矿山的位置信息、矿山的地理信息、矿山的传感器信息，基于modelica数字化建模得到的模型进行仿真模拟评估；根据岩层地质三维模型、矿区范围、采矿权标高，进行矿体储量计算。
Description
技术领域
本发明涉及信息技术领域，尤其涉及一种基于三维模型的计算方法、系统和存储介质。
背景技术
传统的矿山地形地质信息表达以地形地质平面图和地质剖面图为主，不能形象、直观的展示矿山地形和矿岩体赋存状态，难以满足矿山数字化、信息化建设的更高要求。随着矿山三维软件的发展，越来越多的矿山企业开始重视矿山三维建模工作。矿山三维模型不仅可以直观形象的展示矿山地形和矿岩体赋存状态，而且便于优化开采境界、计算矿岩量、科学管理利用矿山资源，为数字化智能矿山和绿色矿山建设打下基础。而现有技术中只能针对某一类型的矿山进行仿真模拟，而且过程复杂，仿真效果差。
在实际矿山研究中，不同的工程问题需要不同的数值软件来模拟分析，因此建模方法因软件的不同而有所不同。因此本发明针对不同类型的矿山选择不同的子模型进行组合三维模拟仿真，简洁高效，仿真效果突出。
发明内容
为了更准确的计算，本发明提供了一种基于三维模型的计算方法、系统和存储介质。
获取第一数据，构建三维矿山表面模型；所述第一数据包括：矿山遥感影像、正射影像、定向与定位系统数据、相机参数；
获取第二数据，构建矿体模型与矿区道路模型；所述第二数据包括：原始地质数据的矿体交叉轮廓线数据、矿山的位置信息、矿山的地理信息、矿山的传感器信息以及道路外缘线高程数据或根据地形地质图获得的道路中心线高程点数据；
获取第三数据，构建矿区地底模型；所述第三数据包括：根据地底传感器获取的岩层数据，历史地底勘测数据；
根据三维地表表面模型得到地表三维表面模型；
根据三维地表表面模型、矿体模型、道路模型通过数字化建模得到矿体三维模型；
获取矿山各岩层上下分界面空间坐标集，根据所述各岩层上下分界面空间坐标集分层拟合岩层分界面，并对拟合得到的岩层分界面进行切割，结合地底传感器获取的岩层数据、历史地底勘测数据进一步处理后，得到地下三维地质模型，通过数字化建模得到岩层地质三维模型；
根据不同的矿山分类，经过仿真模拟评估后，选择对应的矿区三维地质模型作为最终三维地质模型；其中，所述矿山分类包括：露天矿山、浅部地下矿山、深部地下矿山，分别对应地表三维表面模型；矿体三维模型；岩层地质三维模型；所述仿真模拟评估为：根据矿山的位置信息、矿山的地理信息、矿山的传感器信息，选择合适的子模型或者子模型之间的组合，基于modelica数字化建模得到的模型进行仿真模拟评估；
根据建模得到的模型、矿区范围、采矿权标高，进行矿体储量计算。
进一步地，所述获取第一数据，构建三维地表表面模型，包括：
采集无人机航拍获取的矿山正射影像和定向与定位系统数据，进行空中三角测量处理及控制点匹配，通过空中三角解析法进行图像解析将二维航拍图像转换为矿山的三维密集点云，基于矿山的三维密集点云，获取矿山的等高线，建立矿山的数字表面模型；
其中，在空中三角测量前，对矿山正射影像进行预处理：对矿山正射影像进行色彩、亮度和对比度的调整及匀色处理；
进行空中三角测量处理及控制点匹配，通过空中三角解析法进行图像解析具体为：将相机参数、矿山正射影像、定向与定位系统数据进行多视角影像特征点密集匹配，再进行区域网的多视角影像约束平差解算，建立在空间尺度可自由变形的立体模型，完成相对定向；将测定的像片控制点进行转刺，基于转刺点对已有区域网模型进行约束平差解算，将区域网纳入到精确的大地坐标系统中，完成绝对定向。
进一步地，所述获取第二数据，构建矿体模型，包括：
构建三角网；对不同颜色不同体号的三角网进行处理，合并同一种颜色的实体号所代表的颜色体；
根据各矿段的采矿许可证标高，得到矿体实体模型，再利用生成的地表三维表面模型与初步的矿体实体模型进行布尔运算，保留面以下的实体，得到初步矿体模型。
进一步地，所述获取第二数据，构建矿体模型，包括：
获取基于原始地质数据的矿体交叉轮廓线；求取轮廓线的交叉点法向向量；基于深度学习的插值法求取单条多段线的法向估计量；基于法向传播，对多段线进行法向朝向一致化处理；对法向朝向一致化处理后的多段线进行建模得到矿体模型；
其中，基于深度学习的插值法求取单条多段线的法向估计量包括：采用循环神经网络进行学习训练后计算单条多段线的法向估计量。通过采用基于深度学习的插值法求取单条多段线的法向估计量；基于法向传播，对多段线进行法向朝向一致化处理，避免需要更多测量数据，而且估计参数准确，仿真准确度较高。
进一步地，所述获取第二数据，构建矿区道路模型，包括：
获取道路外缘线高程，闭合线内生成数字地面模型；
或者，根据地形地质图获得道路中心线高程点，将道路两侧外缘线赋高程，闭合线内生成数字地面模型。
进一步地，所述获取第二数据，构建矿区道路模型，包括：
获取矿山道路网的GPS点数据；计算得到矿山的栅格道路网；通过栅格图像矢量化方法，将所述矿山的栅格道路网矢量化得到矿山道路的拓扑关系网络。
进一步地，所述矿体储量计算，包括：
采取先计算各断面上矿体面积，再计算各个矿段的体积和储量，然后将各个块段储量相加。
进一步地，所述方法中，获取遥感影像时，对异常的数据进行处理，包括：将待检测的遥感图像进行矩阵格式处理，得到图像信息；根据图像信息中的波段信息，绘制散点图，并计算所述散点图的平均值和标准差；计算得到比较阈值；根据平均值和比较阈值，确定所述遥感图像是否存在数据异常；针对异常的图像，重新获取。通过比较散点图的平均值和标准差；计算得到比较阈值；根据平均值和比较阈值，确定所述遥感图像是否存在数据异常。此种方法仅需绘制散点图并进行阈值比较即可准确确定所述遥感图像是否存在数据异常，相比于其他数据异常确定方法简单高效准确。
第二方面，本发明提供一种基于三维模型的计算系统，所述系统包括：
存储器，用于存储程序；
处理器，用于执行所述存储器中存储的程序，当所述存储器中存储的程序被执行时，所述处理器用于执行上述方法。
第三方面，本发明提供一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述方法。
本发明与现有技术相比，具有以下优点：
本发明解决了传统矿山建模依靠单一三维仿真软件不能满足不同类型矿山需求的问题，大大提高了仿真的效率和准确度。
附图说明
图1为本发明实施例提供的一种基于三维模型的计算方法示意图；
图2为本发明实施例提供的一种通过三维建模构建的三维地表表面示意图；
图3为本发明实施例提供的一种通过三维建模构建的矿体示意图；
图4为本发明实施例提供的另一通过三维建模构建的矿体示意图；
图5为本发明实施例提供的通过三维建模构建的道路示意图；
图6为本发明实施例提供的通过三维建模得到的矿区三维地质示意图；
图7为本发明实施例提供的一种基于三维模型的计算系统组成示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
图1为本发明实施例提供的一种基于三维模型的计算方法示意图，所述方法包括：
获取第一数据，构建三维矿山表面模型；所述第一数据包括：矿山遥感影像、正射影像、定向与定位系统数据、相机参数；
获取第二数据，构建矿体模型与矿区道路模型；所述第二数据包括：原始地质数据的矿体交叉轮廓线数据、矿山的位置信息、矿山的地理信息、矿山的传感器信息；道路外缘线高程数据或根据地形地质图获得的道路中心线高程点数据；
利用前段传感装置获取第一第二数据，前端传感装置：用于采集三维矿山数据；前端传感装置包括无人机，及分别安装在无人机上的三维激光雷达设备、三维空间定位传感器、遥感相机和通讯终端，三维激光雷达设备、三维空间定位传感器和遥感相机测量到的三维矿山数据通过通讯终端进行传输。三维激光雷达设备、三维空间定位传感器、遥感相机分别通过云台装设于无人机上。
获取第三数据，构建矿区地底模型；构建矿区岩层地质模型；所述第三数据包括：根据地质勘探的钻孔数据，获取矿区断层、岩层走向、倾向、倾角、厚度信息；所述第三数据获取方式包括：根据地底传感器获取的岩层数据，历史地底勘测数据；
根据三维地表表面模型得到地表三维表面模型。根据三维地表表面模型、矿体模型、道路模型通过数字化建模得到矿体三维模型；获取矿山各岩层上下分界面空间坐标集，根据所述各岩层上下分界面空间坐标集分层拟合岩层分界面，并对拟合得到的岩层分界面进行切割，结合地底传感器获取的岩层数据、历史地底勘测数据进一步处理后，得到地下三维地质模型，再结合构建的三维地表表面模型，通过数字化建模得到岩层地质三维模型；根据不同的矿山分类，经过仿真模拟评估后，选择对应的矿区三维地质模型作为最终三维地质模型；其中，所述矿山分类包括：露天矿山、浅部地下矿山、深部地下矿山；分别对应地表三维表面模型；矿体三维模型、岩层地质三维模型；所述仿真模拟评估为：根据矿山的位置信息、矿山的地理信息、矿山的传感器信息，基于modelica数字化建模得到的模型进行仿真模拟评估；根据岩层地质三维模型、矿区范围、采矿权标高，进行矿体储量计算；
图2为本发明实施例提供的一种通过三维建模构建的三维地表表面示意图。
在一个实施例中，所述获取第一数据，构建三维地表表面模型，包括：
采集无人机航拍获取的矿山正射影像和定向与定位系统数据，进行空中三角测量处理及控制点匹配，通过空中三角解析法进行图像解析将二维航拍图像转换为矿山的三维密集点云，基于矿山的三维密集点云，获取矿山的等高线，建立矿山的数字表面模型；
其中，在空中三角测量前，对矿山正射影像进行预处理：对矿山正射影像进行色彩、亮度和对比度的调整及匀色处理；
进行空中三角测量处理及控制点匹配，通过空中三角解析法进行图像解析具体为：将相机参数、矿山正射影像、定向与定位系统数据进行多视角影像特征点密集匹配，再进行区域网的多视角影像约束平差解算，建立在空间尺度可自由变形的立体模型，完成相对定向；将测定的像片控制点进行转刺，基于转刺点对已有区域网模型进行约束平差解算，将区域网纳入到精确的大地坐标系统中，完成绝对定向。
图3为本发明实施例提供的一种通过三维建模构建的矿体示意图；
图4为本发明实施例提供的另一通过三维建模构建的矿体示意图。
在一个实施例中，所述获取第二数据，构建矿体模型，包括：
构建三角网；对不同颜色不同体号的三角网进行处理，合并同一种颜色的实体号所代表的颜色体；
根据各矿段的采矿许可证标高，得到初步的矿体实体模型，再利用生成的三维地表表面模型与初步的矿体实体模型进行布尔运算，保留面以下的实体，得到最终的矿体模型。
所述获取第二数据，构建矿体模型，包括：
获取基于原始地质数据的矿体交叉轮廓线；求取轮廓线的交叉点法向向量；基于深度学习的插值法求取单条多段线的法向估计量；基于法向传播，对多段线进行法向朝向一致化处理；对法向朝向一致化处理后的多段线进行建模得到矿体模型；
其中，基于深度学习的插值法求取单条多段线的法向估计量包括：采用循环神经网络进行学习训练后计算单条多段线的法向估计量。
还可以包括：将剖面二维数据转换为三维数据，并结合所述矿山开采区多元探测大数据信息数据库，获取各地层空间点数据。将所述各地层空间点数据导入三维地质建模系统，基于插值法将杂乱无章的所述各地层空间点数据转化为有序的面数据，并利用所述面数据构造所述各地层网格模型。
进一步的，因为原始数据由于测量或者其它原因会有一些缺陷，当这些数据被使用时，必须要在一定的准则下进行预处理或者是加工。而将点数据转化为可构建表面的面数据，插值法采用Kriging插值法。
更进一步的，利用Kriging插值法，将从原始数据中获取的杂乱的空间离散数据点进行一定次序的排列，同时对区域内可能残缺的数据进行补全或加密，提高建模精度和可视化效果。
图5为本发明实施例提供的通过三维建模构建的道路示意图。
所述获取第二数据，构建矿区道路模型，包括：
获取道路外缘线高程，闭合线内生成数字地面模型；
或者，根据地形地质图获得道路中心线高程点，将道路两侧外缘线赋高程，闭合线内生成数字地面模型。
图6为本发明实施例提供的通过三维建模得到的矿区三维地质示意图。
所述获取第二数据，构建矿区道路模型，包括：
获取矿山道路网的GPS点数据；计算得到矿山的栅格道路网；通过栅格图像矢量化方法，将所述矿山的栅格道路网矢量化得到矿山道路的拓扑关系网络。
所述矿体储量计算，包括：
采取先计算各断面上矿体面积，再计算各个矿段的体积和储量，然后将各个块段储量相加。
进一步地，所述方法中，获取遥感影像时，对异常的数据进行处理，包括：将待检测的遥感图像进行矩阵格式处理，得到图像信息；根据图像信息中的波段信息，绘制散点图，并计算所述散点图的平均值和标准差；计算得到比较阈值；根据平均值和比较阈值，确定所述遥感图像是否存在数据异常；针对异常的图像，重新获取。
还可对异常的数据进行清洗。传感器的数据清洗的过程如下：
步骤1.1，读取传感器定义表中测点映射代码及实时数据存储位置字段，构建传感器定义矩阵；
步骤1.2，遍历传感器定义矩阵，在指定数据表中读取m条正常数据作为初始数据，构成动态队列矩阵，其中，m为动态队列长度，可自主指定；
步骤1.3，开始数据实时采集，针对于采集到的最新传输数据，提取数据中的测点映射代码、感知数据，并在以映射代码作为检索条件，找到传感器定义矩阵中针对于此传感器的索引，并将感知数据推入至动态队列矩阵索引队列；
步骤1.4，找到动态队列矩阵索引队列中的最大值和最小值，在最大、最小值之间，生成两个不相等的随机中心点k1,k2，作为初始中心点，计算其队列中各元素距离中心点k1,k2的曼哈顿距离，以最小曼哈顿距离为条件，将队列元素分成两类，得到分类结果；
步骤1.5，结合分类结果，按照中点计算公式，生成新的中心点k1',k2'，当k1',k2'与k1,k2完全相等时，则进入步骤1.6，否则将k1',k2'的值分别赋予k1,k2，并在此回到步骤1.4；
步骤1.6，根据分类结果，计算最新监测数据所在类别的元素数量，从而判别最新采集监测数据的状态，若队尾元素所在类别元素数量小于k，则为异常状态，将其从队列矩阵索引队列中移除，否则为正常状态；将队列矩阵索引队列队首元素出队，该监测数据入队，实现时间窗口的动态更新；其中k为监测数据异常状态评价阈值，当k＝1时，表示数据处于完全异常状态，随着k的增大，异常数据的评判标准越低。
进一步地：所述异常数据的取值在[1，4]之间，异常数据的最优取值为2。
图7为本发明实施例提供的一种基于三维模型的计算系统组成示意图；所述系统包括：
存储器，用于存储程序；
处理器，用于执行所述存储器中存储的程序，当所述存储器中存储的程序被执行时，所述处理器用于执行上述方法。
此外，本发明实施例提供一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述方法。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于矿山三维子模型的计算方法，其特征在于，所述方法包括：
获取第一数据，构建矿山表面模型；所述第一数据包括：矿山遥感影像、正射影像、定向与定位系统数据、相机参数；
获取第二数据，构建矿体模型与矿区道路模型；所述第二数据包括：原始地质数据的矿体交叉轮廓线数据、矿山的位置信息、矿山的地理信息、矿山的传感器信息以及道路外缘线高程数据或根据地形地质图获得的道路中心线高程点数据；
获取第三数据，构建矿区岩层地质模型；所述第三数据包括：根据地质勘探的钻孔数据，获取矿区断层、岩层走向、倾向、倾角、厚度信息；
根据三维地表表面模型得到地表三维表面模型；
根据三维地表表面模型、矿体模型、道路模型通过数字化建模得到矿体三维模型；
获取矿山各岩层上下分界面空间坐标集，根据所述各岩层上下分界面空间坐标集分层拟合岩层分界面，并对拟合得到的岩层分界面进行切割，结合地底传感器获取的岩层数据、历史地底勘测数据进一步处理后，得到地下三维地质模型，通过数字化建模得到岩层地质三维模型；
根据不同的矿山分类，经过仿真模拟评估后，选择对应的矿区三维地质模型作为最终三维地质模型；其中，所述矿山分类包括：露天矿山、浅部地下矿山、深部地下矿山，分别对应地表三维表面模型；矿体三维模型；岩层地质三维模型；所述仿真模拟评估为：根据矿山的位置信息、矿山的地理信息、矿山的传感器信息，选择相应的子模型或者子模型之间的组合，基于modelica数字化建模得到的模型进行仿真模拟评估；
根据得到的模型、矿区范围、采矿权标高，进行矿体矿量计算。
2.如权利要求1所述的基于三维模型的计算方法，其特征在于，所述获取第一数据，构建三维地表表面模型，包括：
采集无人机航拍获取的矿山正射影像和定向与定位系统数据，进行空中三角测量处理及控制点匹配，通过空中三角解析法进行图像解析将二维航拍图像转换为矿山的三维密集点云，基于矿山的三维密集点云，获取矿山的等高线，建立矿山的数字表面模型；
其中，在空中三角测量前，对矿山正射影像进行预处理：对矿山正射影像进行色彩、亮度和对比度的调整及匀色处理；
进行空中三角测量处理及控制点匹配，通过空中三角解析法进行图像解析具体为：将相机参数、矿山正射影像、定向与定位系统数据进行多视角影像特征点密集匹配，再进行区域网的多视角影像约束平差解算，建立在空间尺度可自由变形的立体模型，完成相对定向；将测定的像片控制点进行转刺，基于转刺点对已有区域网模型进行约束平差解算，将区域网纳入到精确的大地坐标系统中，完成绝对定向。
3.如权利要求1所述的基于三维模型的计算方法，其特征在于，所述获取第二数据，构建矿体模型，包括：
构建三角网；对不同颜色不同体号的三角网进行处理，合并同一种颜色的实体号所代表的颜色体；
根据各矿段的采矿许可证标高，得到矿体实体模型，再利用生成的地表三维表面模型与初步的矿体实体模型进行布尔运算，保留面以下的实体，得到初步矿体模型。
4.如权利要求1所述的基于三维模型的计算方法，其特征在于，所述获取第二数据，构建矿体模型，包括：
获取基于原始地质数据的矿体交叉轮廓线；求取轮廓线的交叉点法向向量；基于深度学习的插值法求取单条多段线的法向估计量；基于法向传播，对多段线进行法向朝向一致化处理；对法向朝向一致化处理后的多段线进行建模得到矿体模型；
其中，基于深度学习的插值法求取单条多段线的法向估计量包括：采用循环神经网络进行学习训练后计算单条多段线的法向估计量。
5.如权利要求1所述的基于三维模型的计算方法，其特征在于，所述获取第二数据，构建矿区道路模型，包括：
获取道路外缘线高程，闭合线内生成数字地面模型；或者，根据地形地质图获得道路中心线高程点，将道路两侧外缘线赋高程，闭合线内生成数字地面模型。
6.如权利要求1所述的基于三维模型的计算方法，其特征在于，所述获取第二数据，构建矿区道路模型，包括：
获取矿山道路网的GPS点数据；计算得到矿山的栅格道路网；通过栅格图像矢量化方法，将所述矿山的栅格道路网矢量化得到矿山道路的拓扑关系网络。
7.如权利要求1所述的基于三维模型的计算方法，其特征在于，所述矿体储量计算，包括：
采取先计算各断面上矿体面积，再计算各个矿段的体积和储量，然后将各个块段储量相加。
8.如权利要求1所述的基于三维模型的计算方法，其特征在于，所述方法中，获取遥感影像时，对异常的数据进行处理，包括：将待检测的遥感图像进行矩阵格式处理，得到图像信息；根据图像信息中的波段信息，绘制散点图，并计算所述散点图的平均值和标准差；计算得到比较阈值；根据平均值和比较阈值，确定所述遥感图像是否存在数据异常；针对异常的图像，重新获取。
9.一种基于三维模型的计算系统，其特征在于，所述系统包括：
存储器，用于存储程序；
处理器，用于执行所述存储器中存储的程序，当所述存储器中存储的程序被执行时，所述处理器用于执行如权利要求1至8中任一项所述计算方法的步骤。
10.一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1-8中任一项所述计算方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311868024.4A CN117788740A (zh) | 2023-12-29 | 2023-12-29 | 基于三维模型的计算方法、系统和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311868024.4A CN117788740A (zh) | 2023-12-29 | 2023-12-29 | 基于三维模型的计算方法、系统和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117788740A true CN117788740A (zh) | 2024-03-29 |
Family
ID=90390808
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311868024.4A Pending CN117788740A (zh) | 2023-12-29 | 2023-12-29 | 基于三维模型的计算方法、系统和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117788740A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105139434A (zh) * | 2015-08-11 | 2015-12-09 | 长沙迪迈数码科技股份有限公司 | 露天矿山道路网自动构建方法及系统 |
| CN111292254A (zh) * | 2020-01-06 | 2020-06-16 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种遥感影像中数据异常的确定方法、装置、设备及介质 |
| CN114357683A (zh) * | 2022-01-11 | 2022-04-15 | 中南大学 | 基于交叉轮廓线法向动态估计的矿体建模方法及装置 |
| CN115567562A (zh) * | 2022-10-28 | 2023-01-03 | 东北大学 | 一种矿山多元传感器数据采集、清洗及故障判别系统 |
| CN115984491A (zh) * | 2022-11-04 | 2023-04-18 | 黑龙江科技大学 | 一种检测山铁矿应力的地质模型构建方法 |
| WO2023185734A1 (zh) * | 2022-03-28 | 2023-10-05 | 中国矿业大学 | 一种基于三维点云数据库的矿山数字模型建立方法 |
-
2023
- 2023-12-29 CN CN202311868024.4A patent/CN117788740A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105139434A (zh) * | 2015-08-11 | 2015-12-09 | 长沙迪迈数码科技股份有限公司 | 露天矿山道路网自动构建方法及系统 |
| CN111292254A (zh) * | 2020-01-06 | 2020-06-16 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种遥感影像中数据异常的确定方法、装置、设备及介质 |
| CN114357683A (zh) * | 2022-01-11 | 2022-04-15 | 中南大学 | 基于交叉轮廓线法向动态估计的矿体建模方法及装置 |
| WO2023185734A1 (zh) * | 2022-03-28 | 2023-10-05 | 中国矿业大学 | 一种基于三维点云数据库的矿山数字模型建立方法 |
| CN115567562A (zh) * | 2022-10-28 | 2023-01-03 | 东北大学 | 一种矿山多元传感器数据采集、清洗及故障判别系统 |
| CN115984491A (zh) * | 2022-11-04 | 2023-04-18 | 黑龙江科技大学 | 一种检测山铁矿应力的地质模型构建方法 |
Non-Patent Citations (5)
| Title |
|---|
| 武强;徐华;: "数字矿山中三维地质建模方法与应用", 中国科学:地球科学, no. 12, 20 December 2013 (2013-12-20), pages 1 - 4 * |
| 毛振等: ""花山冲矿区数字化三维地质建模及建设规划"", 《山西冶金》, 20 February 2022 (2022-02-20), pages 2022 - 02 * |
| 申晓丹;陈超;孟浩灿;: "基于3DMine的矿山三维地质建模研究进展", 化工矿物与加工, no. 04, 15 April 2017 (2017-04-15) * |
| 程海伟;: "资源储量估算中地质块段法与剖面法对比分析", 新疆有色金属, no. 01, 15 February 2020 (2020-02-15), pages 3 * |
| 韩新哲: ""无人机大比例尺测图技术应用研究"", 《科技创新与生产力》, 10 December 2023 (2023-12-10), pages 2 - 3 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Battulwar et al. | A state-of-the-art review of automated extraction of rock mass discontinuity characteristics using three-dimensional surface models | |
| Kong et al. | Automatic identification and characterization of discontinuities in rock masses from 3D point clouds | |
| KR102235827B1 (ko) | 격자 지도를 생성하는 방법 및 장치 | |
| KR102210715B1 (ko) | 도로 중의 차도선을 확정하기 위한 방법, 장치 및 기기 | |
| Kim et al. | Automated construction progress measurement using a 4D building information model and 3D data | |
| WO2021022615A1 (zh) | 机器人探索路径生成方法、计算机设备和存储介质 | |
| Worrall et al. | Automated process for generating digitised maps through GPS data compression | |
| CN102506824B (zh) | 一种城市低空无人机系统生成数字正射影像图的方法 | |
| CN110717983A (zh) | 一种基于背包式三维激光点云数据的建筑物立面三维重建方法 | |
| CN102434210B (zh) | 地下工程画像信息与监测信息安全监控的方法与系统 | |
| EP2869096A2 (en) | Systems and methods of multi-scale meshing for geologic time modeling | |
| Xu et al. | Geometric primitive extraction from point clouds of construction sites using VGS | |
| CN110363299B (zh) | 面向露头岩层分层的空间案例推理方法 | |
| CN105205864B (zh) | 基于多源数据的地质结构面三维模型自动建模方法和系统 | |
| CN112100715A (zh) | 一种基于三维倾斜摄影技术的土方优化方法及系统 | |
| US20130083967A1 (en) | System and Method for Extracting Features in a Medium from Data Having Spatial Coordinates | |
| CN116908810B (zh) | 一种无人机搭载激光雷达测量建筑土方的方法和系统 | |
| CN114547866B (zh) | 基于bim-无人机-机械狗的预制构件智能检测方法 | |
| CN105740505A (zh) | 一种基于gps-rtk技术的道路空间线形恢复方法 | |
| CN114283070B (zh) | 融合无人机影像与激光点云的地形断面制作方法 | |
| CN112634447B (zh) | 一种露头岩层分层方法、装置、设备及存储介质 | |
| Demir | Automated detection of 3D roof planes from Lidar data | |
| Rebelo et al. | Building 3D city models: Testing and comparing Laser scanning and low-cost UAV data using FOSS technologies | |
| CN116012613B (zh) | 一种基于激光点云的露天矿的土方量变化测算方法和系统 | |
| Chen et al. | Identification of outcropping strata from UAV oblique photogrammetric data using a spatial case-based reasoning model |
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 |