一种基于无人机的边坡块体信息自动识别与三维重构方法技术

本发明专利技术提供了一种基于无人机的边坡块体信息自动识别与三维重构方法，包括以下步骤：通过无人机对边坡拍照，利用软件进行建模获取三维点云；获取结构面特征点集，采用最小二乘法提取岩体结构面几何信息，获取结构面的平面方程和结构面对应的点云数据，并构建结构面边界直线方程，获取结构面边界框架结构；通过分析结构面边界距离和相邻边界点连线形成的斜率，获取裂隙数据，以便于块体稳定性分析；将相邻且相交的结构面提取处理成块体，再通过分析结构面内围成的空间内是否有点的数据，判断是否为真实块体，将真实块体的数据进行组合，获得边坡的块体分布情况，本发明专利技术具有提供一整套从数据采集到边坡确定性块体识别技术方案的优点。优点。优点。

【技术实现步骤摘要】
一种基于无人机的边坡块体信息自动识别与三维重构方法


[0001]本专利技术涉及图像处理领域，具体地说，涉及一种基于无人机的边坡块体信息自动识别与三维重构方法。

技术介绍

[0002]岩体稳定性问题，如岩质边坡、地下洞室和岩石地基的稳定性问题，常常会出现在采矿工程、岩土工程和工程地质等领域。经过学者们的长期探究，人类逐渐意识到，虽然岩石自身的强度很高，但岩体产生变形破坏，造成地质危害的情况并不鲜见。这是由于岩体内部存在发育的结构面，使岩体表现出一定的结构性，同时也直接影响岩体的力学性质。如何高效准确地获取岩体结构面的几何信息，成为了如今岩体工程中的热难点问题。
[0003]几十年来，学者们在岩体信息采集方面进行了大量研究，提出了诸如人工现场接触测量法、全站仪、钻孔法、近景摄影测量技术、三维激光扫描技术等岩体测量技术。但这些技术或多或少都存在不足。例如对于开挖边坡揭露的岩石块体，传统方法主要基于人工测量或建立随机结构面网络提取块体。由于开挖坡面结构面发育，由结构面组合形成的块体数量巨大，传统的人工测量方法无法统计开挖坡面所有岩石块体的块度分布，而且通常开挖边坡一个梯段的开挖高度达到15～20m，大多数结构面和结构面组合形成的块体人工无法测量，因此导致即费人工又测量不全面。在非接触测量方面，虽然扫描仪相较于人工采集数据的方法效率得到了部分提升，但是由于三维激光扫描仪成本过高而且灵活性较低，所以在面对高陡边坡时很难得到较好的应用效果。

技术实现思路

[0004]为了解决上述现有技术的不足之处，本专利技术的目的在于提供一种基于无人机的边坡块体信息自动识别与三维重构方法，以克服现有技术中的缺陷。
[0005]为了实现上述目的，本专利技术提供了一种基于无人机的边坡块体信息自动识别与三维重构方法，包括以下步骤：利用无人机采集图像数据，根据采集的图像数据进行实景建模，获取三维点云；获取结构面特征点集并对其进行降噪；提取岩体结构面几何信息，获取结构面方程及结构面边界框架；分析结构面边界距离和相邻边界点连线形成的斜率，获取裂隙数据，用于判断该结构面下的块体是否产生裂隙；将相邻且相交的结构面提取处理成块体，根据相邻且相交的结构面内围成的空间内是否有点数据判断是否为真实块体，将真实块体的数据进行组合，获得边坡的三维实景图；将岩体三维点云模型、结构面数据和块体数据存入数据库。
[0006]在上述的一种基于无人机的边坡块体信息自动识别与三维重构方法，将同时满足以下两个条件的种子点邻点判断为与种子点处于同一平面，种子点以及与其处于同一平面
的邻点构成结构面特征点集：条件a：设当前邻近点加入集合前后的区域分别设为Qf和Qb，利用PCA拟合计算Qf和Qb两个平面的法向量，分别记为Ff和Fb，通过下式计算Ff和Fb之间的均方误差，若均方误差小于设定的阈值，则条件a通过；其中，为均方误差，为平面的点数，为平面法向量，为点，为平面质心，为阈值，为平面法向量与平面质心的乘积；条件b：计算新的邻近点到Qf区域的垂直距离，如果小于设定的阈值，则条件b通过。
[0007]在上述的一种基于无人机的边坡块体信息自动识别与三维重构方法，设定提取平面点个数的最小值Nmin和最大值Nmax，对由聚类生成的平面进行点数判定，点数在Nmin和Nmax之间的点的集合，为最终要提取的结构面特征点集。
[0008]在上述的一种基于无人机的边坡块体信息自动识别与三维重构方法，根据结构面方程计算两结构面相交的交线方程，判断两个结构面是否相邻且相交，计算两个相邻且相交结构面的交线段两个端点坐标，通过编码归类方法将相邻且相交的结构面提取出来构成块体，其中提取三个两两相交且相邻的结构面以及六个交线段的端点，合并其中三个重复的顶点，由四个端点代表块体。
[0009]在上述的一种基于无人机的边坡块体信息自动识别与三维重构方法，将整个点云封闭，选取靠近三个结构面相交点的一点的点坐标，将该坐标代入与三个结构面的平面方程垂直的直线方程公式中以获得具体的三个直线方程；通过获取的三个直线方程分别与三个结构面的平面方程结合计算出三个交点坐标；判断计算出的三个坐标点与对应结构面内其他点的距离，若计算出的三个坐标点距离均小于设定阈值，则确定选取的点位于三个结构面围成的块体内部，之后不再进行其他点的计算，判断该块体为真实块体；若计算出的三个坐标点距离存在不小于设定阈值的情况，则确定选取的点不位于三个结构面围成的块体内部；若此时计算其他点均不位于三个结构面围成的块体内部，则该块体为虚假块体，之后使用编码过滤剔除被重复计算的块体。
[0010]在上述的一种基于无人机的边坡块体信息自动识别与三维重构方法，重复提取坡面出现的所有真实岩石块体，在三维空间生成平面相交而成的三维数字块体模型，统计块体的体积和块度分布。
[0011]在上述的一种基于无人机的边坡块体信息自动识别与三维重构方法，在同一个无人机上搭载5台传感器，以使传感器从一个垂直、四个倾斜共五个不同角度采集边坡影像。
[0012]在上述的一种基于无人机的边坡块体信息自动识别与三维重构方法，无人机采用倾斜摄影的方式拍摄边坡影像。
[0013]在上述的一种基于无人机的边坡块体信息自动识别与三维重构方法，利用软件将倾斜摄影所得的照片进行实景建模，并进行两次新建重建项目操作，即可分别得到三维实景模型和三维点云数据。
[0014]本专利技术具有以下有益效果：本专利技术通过无人机进行倾斜摄影，降低人工作业的劳动量和危险性，同时可以获取更为全面的边坡模型数据，再利用改进的区域生长算法分割提取边坡中的结构面特征点，大大提升结构面提取的准确度、全面性和效率。随后基于空间几何理论和自编算法实现，可以识别出边坡上的完整块体以及裂隙块体，从而实现从边坡数据采集到边坡块体稳定性分析和完整性评价的一整套解决方案，以及数字化信息存管功能。
附图说明
[0015]图1为本专利技术的流程逻辑图；图2是本专利技术的区域增长示意图；图3是本专利技术的块体识别原理图。
具体实施方式
[0016]为了能够进一步了解本专利技术的结构、特征及其他目的，现结合所附较佳实施例附以附图详细说明如下，本附图所说明的实施例仅用于说明本专利技术的技术方案，并非限定本专利技术。
[0017]一种基于无人机的边坡块体信息自动识别与三维重构方法，如图1所示，包括以下步骤：Ⅰ.在同一个无人机上搭载5台传感器，5台传感器从一个垂直、四个倾斜共五个不同角度采集边坡影像，拍摄相片时同时对航高、航速、航向、旁向重叠和坐标等参数进行记录，然后对倾斜影像进行分析和整理。
[0018]其中，倾斜摄影是指：相机镜头的主光轴和竖直向下方向之间的夹角大于2
°
。倾斜摄影技术可以通过搭载在同一飞行平台上的多台传感器同时从多个不同方向采集影像，克服了以往正射摄影只能从单一垂直角度拍摄的不足，从而获得更加贴近真实世界的成像效果。
[0019]之后利用ContextCapture软件，可对通过倾斜摄影所得的照片进行实景建模。具体步骤如下：(1)打开Co本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机的边坡块体信息自动识别与三维重构方法，其特征在于，包括以下步骤：利用无人机采集图像数据，根据采集的图像数据进行实景建模，获取三维点云；获取结构面特征点集并对其进行降噪；提取岩体结构面几何信息，获取结构面方程及结构面边界框架；分析结构面边界距离和相邻边界点连线形成的斜率，获取裂隙数据，用于判断该结构面下的块体是否产生裂隙；将相邻且相交的结构面提取处理成块体，根据相邻且相交的结构面内围成的空间内是否有点数据判断是否为真实块体，将真实块体的数据进行组合，获得边坡的三维实景图；将岩体三维点云模型、结构面数据和块体数据存入数据库。2.根据权利要求1所述的一种基于无人机的边坡块体信息自动识别与三维重构方法，其特征在于，将同时满足以下两个条件的种子点邻点判断为与种子点处于同一平面，种子点以及与其处于同一平面的邻点构成结构面特征点集：条件a：设当前邻近点加入集合前后的区域分别设为Qf和Qb，利用PCA拟合计算Qf和Qb两个平面的法向量，分别记为Ff和Fb，通过下式计算Ff和Fb之间的均方误差，若均方误差小于设定的阈值，则条件a通过；其中，为均方误差，为平面的点数，为平面法向量，为点，为平面质心，为阈值，为平面法向量与平面质心的乘积；条件b：计算新的邻近点到Qf区域的垂直距离，如果小于设定的阈值，则条件b通过。3.根据权利要求2所述的一种基于无人机的边坡块体信息自动识别与三维重构方法，其特征在于，设定提取平面点个数的最小值Nmin和最大值Nmax，对由聚类生成的平面进行点数判定，点数在Nmin和Nmax之间的点的集合，为最终要提取的结构面特征点集。4.根据权利要求3所述的一种基于无人机的边坡块体信息自动识别与三维重构方法，其特征在于，根据结构面方程计算两结构面相交的交线方程，判断两个结构面是否相邻且相交，计算两个相邻且相交结构面的交线段两个端...

【专利技术属性】
技术研发人员：陈娜，姚致远，肖衡林，何一，罗复谦，张朕轩，
申请(专利权)人：湖北工业大学，
类型：发明
国别省市：