一种3D岩石结构面粗糙度智能提取系统及方法技术方案

本发明专利技术公开一种3D岩石结构面粗糙度智能提取系统及方法，属于结构面粗糙度提取技术领域。本发明专利技术的系统包括：图像提取设备和深度学习服务器，其中图像提取设备包括：自动相机、点光源、步进丝杠定位套装和四面体外壳；深度学习服务器构建了标准数据库，并采用RNN深度学习网络对不同类型粗糙度在不同光照角度下的图片进行分类，得到岩体结构表面的粗糙度类型。本发明专利技术采用非接触测量的方式，得到岩体结构面的粗糙度，弥补了传统绘制手段精度低，受环境影响限制大的问题，实现现场岩体结构面的准确采集与实时处理，对于促进矿山岩石力学调查，完善采矿岩石力学理论具有重要的理论价值和现实意义。

【技术实现步骤摘要】
一种3D岩石结构面粗糙度智能提取系统及方法
本专利技术涉及结构面粗糙度提取
，尤其涉及一种3D岩石结构面粗糙度智能提取系统及方法。
技术介绍
工程岩体最重要的特点就是被各种尺度和形态的结构面所切割，在很多情况下结构面的力学特性很软弱，在此情况下，岩体的强度主要由结构面决定，主要结构面剪切强度的微小变化都可能引起岩体或建筑于岩体上的结构出现不稳定，因此准确确定岩体结构面的强度对于岩体工程具有非常重要的工程意义。岩体结构面的粗糙度是决定结构面强度的一个关键参数，但目前进行岩体结构面粗糙度的测量及统计的工具多限于实验室条件，对现场岩体结构面粗糙程度的测量手段和工具还比较粗糙，难以达到较为满意的结果。岩石结构面粗糙度的提取按照测量方式不同目前主要分为接触式测量和非接触式测量两种方式，接触式测量方式多为传统的测量手段，需要测量人员手工进行测量，而非接触式测量方式是近几年来摄影测量技术和激光扫描技术快速发展下应运而生的新的测量手段。接触式测量：接触式测量方式所采用的设备多以机械结构为主。其测量原理主要是利用单根或多根测量探针与结构面进行物理接触，并通过配套的辅助结构将结构面的起伏形态绘制出来从而达到逐点测量结构面二维或三维轮廓坐标数据的目的。非接触式测量：非接触式测量法的出现相较接触式测量要晚一些，使用该测量方式进行现场结构面粗糙度测量时不需要与结构面近距离接触，保持适当的距离即可获得一定区域范围内的出露结构面表面情况。非接触式测量方法包括：(1)摄影测量法(2)三维激光扫描法(3)全站仪法(4)函数生成法非接触测量方式相比传统的测量方法，测量速度快，一次测量可获得控制区域范围内的全部数据，缩短了测量周期；测量精度高，随着相机像素的提高和激光点直径的减小及激光密度的加强，部分室内三维激光扫描仪的精度可以达到微米级水平，使得测量结果几乎能够和实际的岩面情况保持一致。同时非接触测量方式也有其不足之处，测量设备价格昂贵，对于小型工程而言成本太高不利于开展，另外由于这些设备多为精密仪器，现场运输要求严格，同时对于测量环境要求较高，湿度较大情况下极易造成设备损坏。测量设备很难既兼顾现场操作的方便快捷又保证测量精度，二是后期数据的处理量较大，计算过程较为繁琐。基于上述问题，本专利技术基于岩体粗糙度对光线敏感性差异的原理，专利技术一种岩石结构面起伏形态精确提取设备，弥补传统绘制手段精度低、受环境影响限制大的问题，实现现场岩体结构面的准确采集及实时智能处理。
技术实现思路
针对上述现有技术的不足，本专利技术提供一种3D岩石结构面粗糙度智能提取系统及方法。为解决上述技术问题，本专利技术所采取的技术方案是：一种3D岩石结构面粗糙度智能提取系统，包括：图像提取设备和深度学习服务器；所述图像提取设备包括：自动相机、点光源、步进丝杠定位套装和四面体外壳；所述深度学习服务器构建了标准数据库。所述步进丝杠定位套装由3个步进丝杠定位装置组成，每个步进丝杠定位装置由滚珠丝杠、支撑座、固定座、滚珠螺母及螺母座、电机座、步进电机和支架组成；所述支撑座和固定座分别安装在每根滚珠丝杠的两端，所述支撑座与固定座中间为滚珠螺母及螺母座，所述固定座与电机座固定连接，所述步进电机安装在电机座内部，由步进电机带动滚珠丝杠转动，从而带动滚珠螺母及螺母座在滚珠丝杠上来回移动。所述步进丝杠定位套装中的1个步进丝杠定位装置的支撑座与地面固定，构成Z轴，其滚珠螺母与滚珠座和另外1个步进丝杠定位装置的支架成90度垂直固定连接，与水平面平行，构成Y轴，由Z轴的步进丝杠定位装置带动Y轴的步进丝杠定位装置沿Z轴上下移动；Y轴的步进丝杠定位装置的滚珠螺母与滚珠座和最后1个步进丝杠定位装置的支架成90度垂直固定连接，与水平面平行，构成X轴，由Y轴的步进丝杠定位装置带动X轴的步进丝杠定位装置沿Y轴水平移动。所述点光源安装在步进丝杠定位套装X轴的步进丝杠定位装置的螺母座上。所述自动相机安装在四面体外壳的顶部的中心位置，自动相机的镜头嵌入四面体外壳内部，机身在四面体外壳的外部，所述自动相机根据设置的拍照时间进行自动拍摄，自动拍摄时根据环境的亮暗自动调节快门时间，得到清晰的图像。所述自动相机将获取的数字图像传输给深度学习服务器；所述深度学习服务器提取标准数据库中的数字图像进行分析处理。本专利技术还提供一种采用3D岩石结构面粗糙度智能提取系统进行粗糙度提取的方法，其特征在于包括如下步骤：步骤1：运用3D制图软件构造N个不同已知粗糙度的三维结构面标准模型，并将相应标准模型的粗糙度定义为{类型1，类型2，…，类型N}；步骤1.1：将不同JRC值的标准结构面轮廓线等比例放大并测量各点间距以得到准确数据；步骤1.2：运用步骤1.1得到的数据在3D制图软件中画出各标准结构面轮廓线平面图形；步骤1.3：对各轮廓线进行拉伸以得到不同JRC值的三维结构面标准模型；步骤1.4：将不同标准模型的粗糙度定义为{类型1，类型2，…，类型N}。步骤2：运用3D打印技术，将步骤1构件的N个不同粗糙度的三维结构面标准模型打印出来；步骤3：将打印出来的三维结构面标准模型放到图像提取设备中的四面体外壳内部；步骤4：步进丝杠定位套装带动点光源分别延X、Y、Z三轴进行移动，移动的同时，自动相机根据设置的拍摄间隔时间来获得光源处于不同照射位置时的结构面模型图像；步骤4.1：接通电源，打开电机，保持点光源Y、Z坐标不变，即Y、Z轴的步进丝杠定位装置的电机不工作，仅X轴的步进电机工作，使点光源随X轴步进丝杠定位装置的螺母座沿X轴移动两个滚珠丝杠长度；步骤4.2：保持点光源X、Z坐标不变，即X、Z轴的步进丝杠定位装置的电机不工作，仅Y轴的步进电机工作，使点光源Y轴坐标移动一个螺母座宽度，重复执行步骤4.1；步骤4.3：重复执行步骤4.2直至点光源延Y轴移动过两个滚珠丝杠长度；步骤4.4：保持点光源X、Y坐标不变，即X、Y轴的步进丝杠定位装置的电机不工作，仅Z轴的步进电机工作，使其Z轴坐标上升一个螺母座高度，重复执行步骤4.1，4.2，4.3过程；步骤4.5：重复执行步骤4.4直至点光源到达步进丝杠定位套装Z轴所能上升到的最高位置。步骤5：重复步骤3和步骤4，直到获得光源处于不同照射位置时的N个三维结构面标准模型的图像；步骤6：将获取的数字图像上传至深度学习服务器；步骤7：深度学习服务器自动对获取的数字图像进行分析构建数据库；步骤8：对数据库中的数字图像进行处理后输入RNN深度学习网络中进行模型训练，得到训练好的最优模型；步骤8.1：对数字图像进行预处理，采用随机旋转、随机水平平移、随机竖直平移、数据归一化、随机错切变换、随机放大、水平翻转、填充操作中的一种或多种，还包括粗糙度数字图像数据的去噪和切片；步骤8.2：将数字图像处理为模型需要的输入形式，包括归一化处理、矩阵化处理以及三维张量的组合；步骤8.3：使用RNN模型本文档来自技高网...

【技术保护点】
1.一种3D岩石结构面粗糙度智能提取系统，其特征在于，包括：图像提取设备和深度学习服务器；/n所述图像提取设备包括：自动相机、点光源、步进丝杠定位套装和四面体外壳；/n所述深度学习服务器构建了标准数据库。/n

【技术特征摘要】
1.一种3D岩石结构面粗糙度智能提取系统，其特征在于，包括：图像提取设备和深度学习服务器；
所述图像提取设备包括：自动相机、点光源、步进丝杠定位套装和四面体外壳；
所述深度学习服务器构建了标准数据库。


2.根据权利要求1所述的一种3D岩石结构面粗糙度智能提取系统，其特征在于，所述步进丝杠定位套装由3个步进丝杠定位装置组成，每个步进丝杠定位装置由滚珠丝杠、支撑座、固定座、滚珠螺母及螺母座、电机座、步进电机和支架组成；所述支撑座和固定座分别安装在每根滚珠丝杠的两端，所述支撑座与固定座中间为滚珠螺母及螺母座，所述固定座与电机座固定连接，所述步进电机安装在电机座内部，由步进电机带动滚珠丝杠转动，从而带动滚珠螺母及螺母座在滚珠丝杠上来回移动。


3.根据权利要求1或2所述的一种3D岩石结构面粗糙度智能提取系统，特征在于，所述步进丝杠定位套装中的1个步进丝杠定位装置的支撑座与地面固定，构成Z轴，其滚珠螺母与滚珠座和另外1个步进丝杠定位装置的支架成90度垂直固定连接，与水平面平行，构成Y轴，由Z轴的步进丝杠定位装置带动Y轴的步进丝杠定位装置沿Z轴上下移动；Y轴的步进丝杠定位装置的滚珠螺母与滚珠座和最后1个步进丝杠定位装置的支架成90度垂直固定连接，与水平面平行，构成X轴，由Y轴的步进丝杠定位装置带动X轴的步进丝杠定位装置沿Y轴水平移动。


4.根据权利要求3所述的一种3D岩石结构面粗糙度智能提取系统，其特征在于，所述点光源安装在步进丝杠定位套装X轴的步进丝杠定位装置的螺母座上。


5.根据权利要求1所述的一种3D岩石结构面粗糙度智能提取系统，其特征在于，所述自动相机安装在四面体外壳的顶部的中心位置，自动相机的镜头嵌入四面体外壳内部，机身在四面体外壳的外部，所述自动相机根据设置的拍照时间进行自动拍摄，自动拍摄时根据环境的亮暗自动调节快门时间，得到清晰的图像。


6.根据权利要求1所述的一种3D岩石结构面粗糙度智能提取系统，其特征在于，所述自动相机将获取的数字图像传输给深度学习服务器；所述深度学习服务器提取标准数据库中的数字图像进行分析处理。


7.采用权利要求1所述的3D岩石结构面粗糙度智能提取系统进行粗糙度提取的方法，其特征在于包括如下步骤：
步骤1：运用3D制图软件构造N个不同已知粗糙度的三维结构面标准模型，并将相应标准模型的粗糙度定义为{类型1，类型2，…，类型N}；
步骤2：运用3D打印技术，将步骤1构件的N个不同粗糙度的三维结构面标准模型打印出来；
步骤3：将打印出来的三维结构面标准模型放到图像提取设备中的四面体外壳内部；
步骤4：步进丝杠定位套装带动点光源分别延X、Y、Z三轴进行移动，移动的同时，自动相机根据设置的拍摄间隔时间来获得光源处于不同照射位置时的结构面模型图像；
步骤5：重复步骤3...

【专利技术属性】
技术研发人员：王运森，陆健，贾庸凡，郑贵平，李元辉，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21