一种基于随机森林的露天岩体裂隙面的识别方法技术

本发明专利技术涉及露天岩体裂隙面识别技术领域，公开了一种基于随机森林的露天岩体裂隙面的识别方法，包括以下步骤；步骤1、利用无人机搭载三维激光扫描配件获取具有RGB信息的露天岩体三维点云数据；步骤2、对所述的带有RGB信息的露天岩体三维点云数据进行预处理步骤，消去噪声，计算三维点云各点的特征向量与法向量。本发明专利技术根据提取出的裂隙面点云集合，进一步确定裂隙面的主要分布方向，实现裂隙面分布主要方向的自动统计。基于主要方向的点云集合，进一步提取出单个裂隙面的点云集合，实现裂隙面方向主要分布下的单个裂隙面的产状计算。直接实现了露天岩体的裂隙面参数自动统计，提高了地质调查的工作效率。地质调查的工作效率。地质调查的工作效率。

【技术实现步骤摘要】
一种基于随机森林的露天岩体裂隙面的识别方法


[0001]本专利技术涉及露天岩体裂隙面识别
，尤其涉及一种基于随机森林的露天岩体裂隙面的识别方法
。

技术介绍

[0002]裂隙面的调查
、
测量和统计是岩体分类
、
评价岩体质量
、
提取岩体物理力学参数的数字基础
。
同样，了解裂隙面的模式
——
裂隙面的构成及其整体的几何特性在地球科学的许多子学科中都很重要
。
对观察到的裂隙面模式进行量化是了解裂隙面形成的物理基础并对其地下范围和大小进行可靠预测的必要先决条件，这最终决定了网络的传输特性
(
即渗透率
)。
[0003]传统的裂隙面调查还处于人工操作效率低下的阶段
。
为了提高工作效率，节约工程成本，非常有必要寻找一种高效
、
简单
、
实用的现场测量方法来解决上述问题
。
而三维激光扫描技术为实现这一目标提供了强有力的技术支持
。
其次，对于从三维激光扫描获得的真实地面岩体点云中往往存在着其他地物的干扰，如何从真实地面岩体三维点云数据中精确的识别出岩体裂隙面，并获得裂隙面参数是目前需要解决的主要问题
。

技术实现思路

[0004]为解决
技术介绍
中所提出的技术问题，本专利技术提供一种基于随机森林的露天岩体裂隙面的识别方法
。
[0005]本专利技术采用以下技术方案实现：一种基于随机森林的露天岩体裂隙面的识别方法，包括以下步骤；
[0006]步骤
1、
利用无人机搭载三维激光扫描配件获取具有
RGB
信息的露天岩体三维点云数据；
[0007]步骤
2、
对所述的带有
RGB
信息的露天岩体三维点云数据进行预处理步骤，消去噪声，计算三维点云各点的特征向量与法向量；
[0008]步骤
3、
基于所述的点云中各点的特征向量制作样本，划分样本为训练集与测试集，分别对随机森林分类器进行训练与测试；
[0009]步骤
4、
基于所述使用训练集训练后的随机森林分类器对露天岩体点云进行分类，划分露天岩体三维点云为裂隙面点与非裂隙面点
(
植被
、
土壤
、
岩屑点
)
；
[0010]步骤
5、
确定所述裂隙面点的主要方向，以主要方向为中心对裂隙面点进行聚类，接下来对各主要方向点云集合进一步聚类获得单个裂隙面点云集合，并计算裂隙面的相关参数
。
[0011]进一步地，所述步骤2包括如下子步骤：
[0012]步骤
201、
针对步骤
A
获取的带有
RGB
信息的露天岩体三维点云数据，计算各点与其最近
N
个点距离的均值
μ
与方差
σ
，剔除距离大于
μ
+3
σ
的噪声点获得滤波后的点云数据；
[0013]步骤
202、
基于所述滤波后的三维点云数据，对于点云数据中的单个点，基于欧式
距离，查询距离查询点最近的
K
个近邻点；
[0014]步骤
203、
基于所述距离查询点最近的
K
个近邻点坐标，计算出近邻点的协方差矩阵，针对计算得到的协方差矩阵计算出该协方差矩阵的特征值与特征向量，其中将最小特征值对应的特征向量作为该点的法向量；
[0015]步骤
204、
利用所述计算出的特征值计算基于特征值的特征，分别为：曲率
、
二维特征
、
三维特征；
[0016]步骤
205、
利用所述查询点的法向量计算出基于法向量的方向特征：垂直度特征；
[0017]步骤
206、
利用所述查询点邻域内所有
K
个近邻点的法向量计算出基于半径的表面描述符；
[0018]步骤
207、
基于步骤
201
中所述滤波后的三维点云数据，提取出其
RGB
信息，并计算相对颜色特征；
[0019]步骤
208、
将所述查询点的曲率
、
二维特征
、
三维特征
、
垂直度
、
基于半径的表面描述符
、
相对颜色特征组合成为特征向量
。
[0020]进一步的，所述步骤
206
中的基于半径的表面描述符定义如下：
[0021]根据点与邻域点之间的距离和法向量方向，可以确定一个顶角为法向量夹角，底边为邻域点距离的等腰三角形，该等腰三角形确定一个唯一的球体，三角形腰长为球体半径
r。K
个邻域点可以确定
K
个球体，保留所有
K
个球体半径中的最大半径与最小半径作为基于半径的表面描述符
。
[0022]进一步地，所述步骤3还包括如下子步骤：
[0023]步骤
301、
基于所述滤波后三维点云数据，使用
CloudCompare
软件进行裁剪，选取裂隙面点
、
植被
、
岩屑
、
土壤四类样本点，并获取样本点的索引；
[0024]步骤
302、
基于所述样本点索引号，提取出样本点的特征向量，并且根据样本点的类别赋予标签；
[0025]步骤
303、
将所述样本点的特征向量随机排序，划分
70
％的样本为训练集，
30
％的样本作为测试集；
[0026]步骤
304、
将所述训练集输入随机森林分类器模型进行训练，得到训练后的随机森林分类器模型；
[0027]步骤
305、
使用所述测试集对训练后的随机森林分类器模型进行参数优化与精度验证，获取较高分类精度的分类模型
。
[0028]进一步地，基于步骤4包括如下子步骤：
[0029]步骤
401、
将步骤
208
中所述特征向量输入训练后的随机森林分类器进行预测，将每一个特征向量标注类别标签；
[0030]步骤
402、
基于所述特征向量的标签与其索引，将所述滤波后三维点云数据划分为裂隙面点
、
植被
、
岩屑
、
土壤四个类别
。
[0031]进一步地，所述步骤5包括如下子步骤：
[0032]步骤
501、
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于随机森林的露天岩体裂隙面的识别方法，其特征在于，包括以下步骤；步骤
1、
利用无人机搭载三维激光扫描配件获取具有
RGB
信息的露天岩体三维点云数据；步骤
2、
对所述的带有
RGB
信息的露天岩体三维点云数据进行预处理步骤，消去噪声，计算三维点云各点的特征向量与法向量；步骤
3、
基于所述的点云中各点的特征向量制作样本，划分样本为训练集与测试集，分别对随机森林分类器进行训练与测试；步骤
4、
基于所述使用训练集训练后的随机森林分类器对露天岩体点云进行分类，划分露天岩体三维点云为裂隙面点与非裂隙面点；步骤
5、
确定所述裂隙面点的主要方向，以主要方向为中心对裂隙面点进行聚类，接下来对各主要方向点云集合进一步聚类获得单个裂隙面点云集合，并计算裂隙面的相关参数
。2.
如权利要求1所述的一种基于随机森林的露天岩体裂隙面的识别方法，其特征在于，所述步骤2包括如下子步骤：步骤
201、
针对步骤2获取的带有
RGB
信息的露天岩体三维点云数据，计算各点与其最近
N
个点距离的均值
μ
与方差
σ
，剔除距离大于
μ
+3
σ
的噪声点获得滤波后的点云数据；步骤
202、
基于所述滤波后的三维点云数据，对于点云数据中的单个点，基于欧式距离，查询距离查询点最近的
K
个近邻点；步骤
203、
基于所述距离查询点最近的
K
个近邻点坐标，计算出近邻点的协方差矩阵，针对计算得到的协方差矩阵计算出该协方差矩阵的特征值与特征向量，其中将最小特征值对应的特征向量作为该点的法向量；步骤
204、
利用所述计算出的特征值计算基于特征值的特征，分别为：曲率
、
二维特征
、
三维特征；步骤
205、
利用所述查询点的法向量计算出基于法向量的方向特征：垂直度特征；步骤
206、
利用所述查询点邻域内所有
K
个近邻点的法向量计算出基于半径的表面描述符；步骤
207、
基于步骤
201
中所述滤波后的三维点云数据，提取出其
RGB
信息，并计算相对颜色特征；步骤
208、
将所述查询点的曲率
、
二维特征
、
三维特征
、
垂直度
、
基于半径的表面描述符
、
相对颜色特征组合成为特征向量；所述步骤
206
中的基于半径的表面描述符定义如下：根据点与邻域点之间的距离和法向量方向，可以确定一个顶角为法向量夹角，底边为邻域点距离的等腰三角形，该等腰三角形确定一个唯一的球体，三角形腰长为球体半径
r
，
K
个邻域点可以确定
K
个球体，保留所有
K
个球体半径中的最大半径与最小半径作为基于半径的表面描述符
。3.
如权利要求1所述的一种基于随机森林的露天岩体裂隙面的识别方法，其特征在于，所述步骤3还包...

【专利技术属性】
技术研发人员：马雷，左琛，钱家忠，韩迪，杨曼，崔雪琳，邱鹏宇，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：