[發明專利]一種基于無人機攝影技術的高陡邊坡危巖體快速識別方法

有效

• 申請號: 201911337549.9
• 申請日: 2019-12-23
• 公開（公告）號: CN111178214B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 崔溦;王軒毫;宋慧芳;張貴科;楊弘;張晨
• 申請（專利權）人: 天津大學;雅礱江流域水電開發有限公司
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/26;G06V10/762;G06V10/764
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 曹鵬飛

1.一種基于無人機攝影技術的高陡邊坡危巖體快速識別方法，其特征在于，包括如下步驟：

1)利用無人機高清照片生成點云模型，并進行點云去噪和稀疏處理；

2)計算點云模型的一般特征點，利用基于密度的噪聲應用空間聚類算法將一般特征點聚類成多個一般特征點集；

3)利用支持向量機對一般特征點集進行分類，確定出危巖體的邊界點集；

4)在每個邊界點集的鄰域內，將危巖體所在邊坡上的點擬合成一個平面來切割點云模型；再從點云中刪除這些平面與點云模型之間的交點后，利用基于密度的噪聲應用空間聚類算法將剩余的點云模型劃分為多個獨立的點云區域；根據各獨立點云區域的幾何特征，確定代表危巖體的區域；

5)對危巖體進行初步的穩定性評估。

2.根據權利要求1所述的一種基于無人機攝影技術的高陡邊坡危巖體快速識別方法，其特征在于，所述步驟1)中，利用無人機高清照片生成點云模型，并進行點云去噪和稀疏處理的方法為：

通過無人機攝影和SFM技術生成密集點云模型，對密集點云進行去噪，稀疏操作。

3.根據權利要求1所述的一種基于無人機攝影技術的高陡邊坡危巖體快速識別方法，其特征在于，所述步驟2)中，一般特征點的計算過程如下：

S1.根據Weingarten映射矩陣性質，估計各點的離散主曲率和主方向；

S2.判斷沿著每個點最小主曲率方向且距離該點左右兩側r米范圍內，法截線上點的最小主曲率是否可以取到極小值；如果能，則該點屬于一般特征點。

4.根據權利要求1或3所述的一種基于無人機攝影技術的高陡邊坡危巖體快速識別方法，其特征在于，所述步驟3)中，利用支持向量機對一般特征點集進行分類，確定出危巖體的邊界點集的方法為：

首先，通過人工目視解讀，從邊坡點云模型上圈定出多個典型的危巖體；同時，選擇一般特征點集中屬于危巖體邊界的點集作為SVM訓練的樣本數據；然后，計算所有一般特征點集的特征參數；接著，采用典型危巖體邊界點集訓練SVM，并推導出所有一般特征點集到SVM決策面的距離值，該距離被視為每個點集的分數；最后，將樣本的最小得分作為閾值，得分大于該閾值的一般特征點集將被作為危巖體邊界點集。

5.根據權利要求4所述的一種基于無人機攝影技術的高陡邊坡危巖體快速識別方法，其特征在于，所述步驟4)中，對邊坡點云模型進行切割，提取可能危巖體的方法為：

首先，根據鄰域算法計算每個危巖體邊界點集的鄰域點；然后，將鄰域點中在坡面的點擬合成平面，對點云模型進行切割；接著，從點云模型中移除這些平面與模型的交點，對剩余點云進行基于密度的噪聲應用空間聚類，聚類結果為多個孤立點云區域；最后，計算多個典型危巖體的體積-表面積比，將最小的體積-表面積比作為閾值；比較該閾值與聚類得到的每個孤立點云區域的體積-表面積比，如果某一區域的體積-表面積比大于閾值，則該孤立點云區域是危巖體區域。

6.根據權利要求5所述的一種基于無人機攝影技術的高陡邊坡危巖體快速識別方法，其特征在于，危巖體邊界點集的領域點既包括危巖體表面上的點，又包括危巖體所在坡面上的點。

7.根據權利要求1或5所述的一種基于無人機攝影技術的高陡邊坡危巖體快速識別方法，其特征在于，所述步驟5)中，對危巖體進行初步的穩定性評估方法為：

首先，根據赤平投影分析，確定每個危巖體底滑面傾角；接著，將危巖體表面在底滑面上進行投影并分成合適大小的網格，每個網格對應一個從危巖體表面到底滑面的巖石柱；然后，利用減少應力張量理論估算每個巖石柱自重在底滑面上引起的剪應力和法向應力比，以此代替與該巖石柱對應網格區域的平均應力比值；最后，根據摩爾-庫侖破壞準則，確定底滑面上發生破壞的網格位置，計算所有破壞網格面積與底滑面總面積之比，根據該比值大小，對危巖體穩定性進行分級。