[發(fā)明專利]一種基于混合聚類解譯巖體結(jié)構(gòu)面產(chǎn)狀的方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202210030308.5
• 申請(qǐng)日: 2022-01-12
• 公開（公告）號(hào): CN114049454B
• 公開（公告）日: 2022-04-15
• 發(fā)明（設(shè)計(jì)）人: 趙其華;韓剛;鄭濤;李崇標(biāo);蘇芮;李華
• 申請(qǐng)（專利權(quán)）人: 成都理工大學(xué)
• 主分類號(hào): G06T17/05
• 分類號(hào): G06T17/05;G06T19/20;G06K9/62;G06V10/762
• 代理公司: 成都魚爪智云知識(shí)產(chǎn)權(quán)代理有限公司 51308
• 代理人: 鄧渠清

本發(fā)明提出了一種基于混合聚類解譯巖體結(jié)構(gòu)面產(chǎn)狀的方法及系統(tǒng)，涉及巖土工程的技術(shù)領(lǐng)域。包括采用無人機(jī)、全站儀對(duì)邊坡進(jìn)行數(shù)字影像采集，使用全站儀定位地面控制點(diǎn)；對(duì)邊坡的數(shù)字影像進(jìn)行平差調(diào)整，利用三維建模軟件內(nèi)置的場(chǎng)景重建模塊對(duì)邊坡進(jìn)行三維點(diǎn)云重建，根據(jù)重建模型輸出點(diǎn)云數(shù)據(jù)；利用圖像標(biāo)注工具軟件對(duì)數(shù)字影像進(jìn)行結(jié)構(gòu)面人工標(biāo)注，通過圖像標(biāo)注工具自動(dòng)提取出標(biāo)注的局部結(jié)構(gòu)面以及數(shù)字影像信息；對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行三維和二維的數(shù)據(jù)映射并生成映射文件；利用混合聚類算法解譯出對(duì)應(yīng)結(jié)構(gòu)面的產(chǎn)狀，并利用映射文件內(nèi)包括的點(diǎn)云數(shù)據(jù)提取出巖體結(jié)構(gòu)面的產(chǎn)狀信息。其能夠彌補(bǔ)傳統(tǒng)工程地質(zhì)測(cè)量的缺點(diǎn)，有著安全、高效、可交互的優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及巖土工程的技術(shù)領(lǐng)域，具體而言，涉及一種基于混合聚類解譯巖體結(jié)構(gòu)面產(chǎn)狀的方法及系統(tǒng)。

背景技術(shù)

在巖體開采的過程中，邊坡開挖后不穩(wěn)定的巖體結(jié)構(gòu)面很可能會(huì)引起規(guī)模較大的巖體失穩(wěn)導(dǎo)致重大的工程事故，因此，巖體結(jié)構(gòu)面是工程巖體穩(wěn)定性評(píng)價(jià)和分析的重要基礎(chǔ)，它廣泛應(yīng)用于水利、邊坡、隧道等工程項(xiàng)目的質(zhì)量評(píng)價(jià)中。傳統(tǒng)的工程地質(zhì)測(cè)量方法（皮尺、羅盤）受工程環(huán)境影響，提取結(jié)構(gòu)面特征危險(xiǎn)系數(shù)高、難度較大、效率低。因此，急需一種基于混合聚類解譯巖體結(jié)構(gòu)面產(chǎn)狀的方法。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于混合聚類解譯巖體結(jié)構(gòu)面產(chǎn)狀的方法，其能夠彌補(bǔ)傳統(tǒng)工程地質(zhì)測(cè)量的缺點(diǎn)，有著安全、高效、可交互的優(yōu)點(diǎn)。

本發(fā)明的實(shí)施例是這樣實(shí)現(xiàn)的：

第一方面，本申請(qǐng)實(shí)施例提供一種基于混合聚類解譯巖體結(jié)構(gòu)面產(chǎn)狀的方法，其包括采用無人機(jī)、全站儀對(duì)邊坡進(jìn)行第一預(yù)設(shè)數(shù)量的數(shù)字影像采集，使用全站儀定位地面控制點(diǎn)； 采用三維建模軟件，對(duì)邊坡的數(shù)字影像進(jìn)行平差調(diào)整，利用三維建模軟件內(nèi)置的場(chǎng)景重建模塊對(duì)邊坡進(jìn)行三維點(diǎn)云重建，得到重建模型，根據(jù)重建模型輸出點(diǎn)云數(shù)據(jù)；利用圖像標(biāo)注工具軟件對(duì)數(shù)字影像進(jìn)行結(jié)構(gòu)面人工標(biāo)注，通過圖像標(biāo)注工具自動(dòng)提取出標(biāo)注的局部結(jié)構(gòu)面以及數(shù)字影像信息；對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行三維和二維的數(shù)據(jù)映射并生成映射文件；利用混合聚類算法解譯出對(duì)應(yīng)結(jié)構(gòu)面的產(chǎn)狀，并利用映射文件內(nèi)包括的點(diǎn)云數(shù)據(jù)提取出巖體結(jié)構(gòu)面的產(chǎn)狀信息。

在本發(fā)明的一些實(shí)施例中，對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行三維和二維的數(shù)據(jù)映射并生成映射文件的步驟包括：利用直接線性變換算法，求解預(yù)設(shè)已知區(qū)域內(nèi)的第二預(yù)設(shè)數(shù)量的三維坐標(biāo)點(diǎn)；對(duì)任一三維坐標(biāo)點(diǎn)以及對(duì)應(yīng)的二維像素坐標(biāo)點(diǎn)，解算關(guān)鍵的外方位元素和內(nèi)方位元素的系數(shù)矩陣；解出系數(shù)矩陣后，獲得需要的未知空間坐標(biāo)。

在本發(fā)明的一些實(shí)施例中，第二預(yù)設(shè)數(shù)量為大于等于六個(gè)。

在本發(fā)明的一些實(shí)施例中，利用聚類算法解譯出對(duì)應(yīng)結(jié)構(gòu)面的產(chǎn)狀，并利用映射文件內(nèi)包括的點(diǎn)云數(shù)據(jù)提取出巖體結(jié)構(gòu)面的產(chǎn)狀信息的步驟包括：混合聚類算法為包括DBSCAN密度聚類算法和SKMEAN聚類算法；利用DBSCAN密度聚類算法通過點(diǎn)云樣本的緊密程度數(shù)據(jù)，對(duì)點(diǎn)云所處的簇進(jìn)行區(qū)分，得到結(jié)果簇集；在結(jié)果簇集中選取最大的簇集合；再利用SKMEAN聚類算法對(duì)相似度進(jìn)行聚類，得到結(jié)構(gòu)面的產(chǎn)狀信息。

在本發(fā)明的一些實(shí)施例中，再利用SKMEAN聚類算法對(duì)相似度進(jìn)行聚類，得到結(jié)構(gòu)面的產(chǎn)狀信息的步驟包括：利用SKMEAN聚類算法對(duì)最大的簇集合進(jìn)行中心聚類；利用樣本點(diǎn)與點(diǎn)之間的相似度進(jìn)行聚類；計(jì)算出樣本集合處于中心位置的法向量；獲取結(jié)構(gòu)面的法向量之后，根據(jù)法向量和產(chǎn)狀的幾何數(shù)據(jù)，計(jì)算出結(jié)構(gòu)面的產(chǎn)狀信息并將結(jié)構(gòu)面利用圓盤模型進(jìn)行可視化。

在本發(fā)明的一些實(shí)施例中，圓盤模型包括設(shè)置二維圓形區(qū)域，在二維圓形區(qū)域外設(shè)置方向指引，根據(jù)方向指引將產(chǎn)狀信息在二維圓形區(qū)域內(nèi)顯示。

在本發(fā)明的一些實(shí)施例中，計(jì)算出結(jié)構(gòu)面的產(chǎn)狀信息并將結(jié)構(gòu)面利用圓盤模型進(jìn)行可視化后的步驟還包括：將產(chǎn)狀信息以及圓盤模型上傳至后臺(tái)終端進(jìn)行存儲(chǔ)方便統(tǒng)一管理。