[發(fā)明專利]全覆蓋式巖體不連續(xù)面提取與間距計(jì)算方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202211132823.0
• 申請日: 2022-09-15
• 公開（公告）號: CN115546116A
• 公開（公告）日: 2022-12-30
• 發(fā)明（設(shè)計(jì)）人: 潘東東;李軼惠;許振浩;余騰飛;邵瑞琦;賀迎春
• 申請（專利權(quán)）人: 山東大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T17/05;G06T17/30;G06V10/26;G06V10/762;G06V10/764;G06V10/77;G06V10/82;G06V20/70
• 代理公司: 濟(jì)南圣達(dá)知識產(chǎn)權(quán)代理有限公司 37221
• 代理人: 祖之強(qiáng)

本發(fā)明提供了一種全覆蓋式巖體不連續(xù)面提取與間距計(jì)算方法及系統(tǒng)，獲取以線狀形態(tài)出露的裂隙圖像數(shù)據(jù)以及以面狀形態(tài)出露的裂隙圖像數(shù)據(jù)；根據(jù)以線狀形態(tài)出露的裂隙圖像數(shù)據(jù)，得到擬合的線狀不連續(xù)面；根據(jù)以面狀形態(tài)出露的裂隙圖像數(shù)據(jù)，得到面狀的不連續(xù)面；根據(jù)得到的線狀不連續(xù)面和面狀的不連續(xù)面，得到不連續(xù)面間距；本發(fā)明將巖體不連續(xù)面劃分為以面狀出露和跡線出露的兩種不連續(xù)面，通過智能識別重構(gòu)，提取裂隙，并將圖像轉(zhuǎn)化為裂隙特征點(diǎn)，通過算法提取不連續(xù)面，并計(jì)算其間距，實(shí)現(xiàn)了對不連續(xù)分布的表征。

技術(shù)領(lǐng)域

本發(fā)明涉及巖體不連續(xù)面分析技術(shù)領(lǐng)域，特別涉及一種全覆蓋式巖體不連續(xù)面提取與間距計(jì)算方法及系統(tǒng)。

背景技術(shù)

本部分的陳述僅僅是提供了與本發(fā)明相關(guān)的背景技術(shù)，并不必然構(gòu)成現(xiàn)有技術(shù)。

巖體節(jié)理面包括節(jié)理、斷層、層理面等，節(jié)理面特性(即間距、持久性、粗糙度、填充、風(fēng)化和水的存在)的存在對巖體的力學(xué)行為和滲透性有重要的影響。目前研究中巖體不連續(xù)面間距提取的研究較少，但不連續(xù)面間距大小對巖體不連續(xù)性影響很大，同樣的不連續(xù)面尺寸，不同的分布狀態(tài)對工程施工的影響程度不同。傳統(tǒng)方法利用卷尺指南針等對巖體節(jié)理面的表征，尤其是節(jié)理間距的獲取耗費(fèi)巨大的時間和精力，且效率低下，隨著超埋深隧道的開挖，人工測量不連續(xù)面受到越來越多條件的限制。

發(fā)明人發(fā)現(xiàn)，現(xiàn)有方案大多通過三維點(diǎn)云獲取巖體不連續(xù)面，但該方法需要數(shù)據(jù)量大，對解算設(shè)備要求較高，而且三維點(diǎn)云缺乏RGB數(shù)值，對巖體裂隙表征程度較差；另一方面，隧道掌子面或邊坡巖體的不連續(xù)面不僅以跡線形態(tài)出露的裂隙，還存在以面狀形態(tài)出露的裂隙，單純以一種裂隙進(jìn)行表征，模型的適應(yīng)性較差，進(jìn)而導(dǎo)致表征結(jié)果準(zhǔn)確性較差。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種全覆蓋式巖體不連續(xù)面提取與間距計(jì)算方法及系統(tǒng)，將巖體不連續(xù)面劃分為以面狀出露和跡線出露的兩種不連續(xù)面，通過智能識別重構(gòu)，提取裂隙，并將圖像轉(zhuǎn)化為裂隙特征點(diǎn)，通過算法提取不連續(xù)面，并計(jì)算其間距，實(shí)現(xiàn)了對不連續(xù)分布的表征。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

本發(fā)明第一方面提供了一種全覆蓋式巖體不連續(xù)面提取與間距計(jì)算方法。

一種全覆蓋式巖體不連續(xù)面提取與間距計(jì)算方法，包括以下過程：

獲取以線狀形態(tài)出露的裂隙圖像數(shù)據(jù)以及以面狀形態(tài)出露的裂隙圖像數(shù)據(jù)；

根據(jù)以線狀形態(tài)出露的裂隙圖像數(shù)據(jù)，結(jié)合語義分割模型，得到巖體裂隙識別結(jié)果圖，將巖體裂隙識別結(jié)果圖中裂隙像素與原圖對應(yīng)的像素進(jìn)行替換，得到裂隙識別結(jié)果融合圖，根據(jù)裂隙識別結(jié)果融合圖，進(jìn)行巖體裂隙三維重構(gòu)，根據(jù)三維重構(gòu)結(jié)果，提取裂隙點(diǎn)三維坐標(biāo)，將裂隙特征點(diǎn)利用隨機(jī)凸多邊形擬合算法進(jìn)行擬合，得到擬合的線狀不連續(xù)面；

根據(jù)以面狀形態(tài)出露的裂隙圖像數(shù)據(jù)，利用神經(jīng)網(wǎng)絡(luò)模型進(jìn)行裂隙識別結(jié)果，通過重構(gòu)算法獲取出露不連續(xù)面的特征點(diǎn)，依次進(jìn)行共面參數(shù)計(jì)算、擬合平面、平面生成和共面性檢驗(yàn)后，得到面狀的不連續(xù)面；

根據(jù)得到的線狀不連續(xù)面和面狀的不連續(xù)面，得到不連續(xù)面間距。

作為可選的一種實(shí)現(xiàn)方式，將裂隙識別結(jié)果融合圖作為三維重構(gòu)算法的輸入，依次經(jīng)過特征點(diǎn)提取、特征點(diǎn)匹配、匹配優(yōu)化、三角化、位姿估計(jì)和BA優(yōu)化后進(jìn)行稀疏建模，經(jīng)過深度圖估計(jì)和優(yōu)化，得到稠密建模的三維重構(gòu)結(jié)果。

作為可選的一種實(shí)現(xiàn)方式，利用融合圖中裂隙特征點(diǎn)RGB數(shù)值不同，提取裂隙特征點(diǎn)，獲取裂隙特征點(diǎn)的三維坐標(biāo)。

作為可選的一種實(shí)現(xiàn)方式，鎖定不連續(xù)面上一點(diǎn)，通過KNN算法按照搜索函數(shù)和歐式距離搜索附近特征點(diǎn)，命名為Q_i，得到k個臨近特征點(diǎn)后，利用PCA算法對聚類平面進(jìn)行檢測，獲取平面法向量(a,b,c)以及特征值(λ₁,λ₂,λ₃)，定義偏差參數(shù)