[发明专利]一种基于点云数据的岩体结构面智能识别与信息提取方法

说明书

本发明提供了一种基于点云数据的岩体结构面智能识别与信息提取方法，首先采集岩体结构面点云数据，然后对点云数据进行滤波、去噪以及网格化预处理，计算点云数据法向量，对点云数据检测并标记岩体表面的不平整区域，采用区域生长法识别结构面，最后提取结构面信息。本发明改善了岩体结构面识别技术，具有高性能识别能力、识别精度和识别速度。

技术领域

本发明涉及一种基于点云数据的岩体结构面智能识别与信息提取方法，属于工程地质勘察领域的结构面测量技术领域。

背景技术

岩体内部发育的结构面不仅使岩体表现出一定的结构性，而且还直接影响着岩体的力学与渗流特征。由于结构面的存在，岩体表现出明显的不均一性、非连续性与各向异性等特点。因此，如何精确快速获取岩体结构面几何信息，一直是岩土工程与工程地质领域研究的热点问题。

岩体结构面几何信息采集可分为接触式与非接触式测量两大类。接触式测量包括应用较为广泛的测线法与测窗法，由于是人工直接测量，获得的结构面信息相对准确全面且成本低廉，但是缺点是工作量大、周期长、精度低等。对于位于高陡悬崖处露头，接触式测量难以展开，且在恶劣环境下(冰雪、降雨等)存在安全隐患。近年来，随着光电测量技术长足进步，又发展出多种新型的非接触式测量方法，如井下电视、摄影测量和三维激光扫描技术等，尤其是三维激光扫描技术，已有大量学者在工程实践中进行了尝试与应用。由于三维激光扫描技术能够获取岩体表面的点云数据，对于面状出露的结构面识别也较为简单，现有的基于三维激光扫描技术的结构面测量方法仅披露了岩体结构面识别的大概过程，并且该识别方法完全依赖于人工识别，不能快速、高效、精确地识别出结构面，没有给出岩体结构面识别与信息提取的具体计算方法与实现手段；同时由于点云数据庞大，目前的一些结构面智能识别算法的时间和空间复杂度相对较高，对应计算机硬件要求高，影响其推广应用。

发明内容

为了解决现有技术的不足，本发明提供了一种基于点云数据的岩体结构面智能识别与信息提取方法，能够大幅提升现有结构面识别技术的识别能力、识别精度和识别速度。

本发明为解决其技术问题所采用的技术方案是：提供了一种基于点云数据的岩体结构面智能识别与信息提取方法，包括以下步骤：

(1)采集岩体结构面点云数据；

(2)对采集到的点云数据进行滤波和去噪预处理；

(3)对点云数据进行网格化预处理；

(4)计算点云数据法向量；

(5)利用平整性检测算法，对点云数据检测并标记岩体表面的不平整区域；

(6)采用区域生长法识别结构面；

(7)提取结构面信息。

步骤(3)所述对点云数据进行网格化预处理，具体包括以下过程：对于扫描点间距＜1cm的点云数据，采用三维插值方法进行网格化预处理；对于扫描点间距≥1cm的点云数据，采用规则地址网格检索算法将其按规则网格进行有序存储。

步骤(4)所述的计算点云数据法向量，具体包括以下过程：对于点云数据中的每一个节点，取其4邻域和自身共5个节点作为点阵，其中自身节点权重为2，其余节点权重为1；利用最小二乘法，拟合得到一个平面并求得该平面法向量，用此法向量作为点云数据中该节点的法向量。

步骤(5)所述利用平整性检测算法，对点云数据检测并标记岩体表面的不平整区域，具体包括以下过程：采用遍历方式，对点云数据在x方向和y方向上各进行一次整体扫描：

在x方向上进行扫描的过程中，设当前扫描至第i行的第k个节点，k>1，计算第i行第k-1个节点和第k个节点的法向量的夹角θ₁，若夹角θ₁超过预设阈值则将该第i行的第k个节点的生长属性标记为1，纳入不可生长范围，否则将生长属性标记为0；