[发明专利]一种基于无人机摄影技术的高陡边坡危岩体快速识别方法有效
申请号: | 201911337549.9 | 申请日: | 2019-12-23 |
公开(公告)号: | CN111178214B | 公开(公告)日: | 2023-04-18 |
发明(设计)人: | 崔溦;王轩毫;宋慧芳;张贵科;杨弘;张晨 | 申请(专利权)人: | 天津大学;雅砻江流域水电开发有限公司 |
主分类号: | G06V20/13 | 分类号: | G06V20/13;G06V10/26;G06V10/762;G06V10/764 |
代理公司: | 北京慕达星云知识产权代理事务所(特殊普通合伙) 11465 | 代理人: | 曹鹏飞 |
地址: | 300072*** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 无人机 摄影 技术 高陡边坡危岩体 快速 识别 方法 | ||
本发明公开了一种基于无人机摄影技术的高陡边坡危岩体快速识别方法,包括如下步骤:利用无人机高清照片生成点云模型,进行点云去噪和稀疏处理;计算点云模型的一般特征点,利用基于密度的噪声应用空间聚类算法将一般特征点聚类成多个一般特征点集;利用支持向量机对一般特征点集进行分类,确定出危险岩体的边界点集;在每个边界点集的邻域内,将危险岩体所在边坡上的点拟合成一个平面来切割点云模型,利用基于密度的噪声应用空间聚类算法将剩余的点云模型划分为多个独立的点云区域;根据各独立点云区域的几何特征,确定危险岩体的区域;对危岩体进行初步的稳定性评估。本发明可实现对危岩体的快速识别和稳定初步评判,为工程建设提供技术支持。
技术领域
本发明属于危岩体识别技术领域,更具体的说是涉及一种基于无人机摄影技术的高陡边坡危岩体快速识别方法。
背景技术
高陡边坡上危险岩体是水电工程建设中经常遇到的危害之一,其存在不仅影响工程的安全,而且影响施工进度。因此,危岩体前期调查和初步评价对项目的整体建设具有重要意义。
无人机的使用以及新型空中和地面传感器的开发使得对复杂和危险环境的测量能力有了明显提高。无人机摄影在高陡边坡测量中的主要优势在于其优越的空间分辨率和携带多个传感器的能力。同时,无人机移动灵活,操控空间要求低,与星载图像采集相比,可避免不利天气条件和复杂地形的阻碍,能到达有人驾驶飞机无法到达的区域。此外,无人机摄影系统可以以最低的成本进行存储和部署。这些特点使无人机可快速高效地对高陡边坡上的危险岩体进行调查。
然而,由于危岩体的形状和尺寸差异较大,且其所在边坡表面形态复杂,导致危岩体边界线不清晰,容易与沟壑、树木等边界混淆。对于高陡边坡危岩体而言,由于其形态复杂,加之交通不便,仍然缺少一种能快速识别和评价的经济可行方法。
因此,如何提供一种基于无人机摄影技术的高陡边坡危岩体快速识别方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种基于无人机摄影技术的高陡边坡危岩体快速识别方法,以无人机摄影获取的高精度图像为基础,通过对生成的点云模型应用基于密度的噪声应用空间聚类、一类支持向量机和减少应力张量计算等理论方法,可实现对危岩体的快速识别和稳定初步评判,为工程建设提供技术支持。
为了实现上述目的,本发明采用如下技术方案:
一种基于无人机摄影技术的高陡边坡危岩体快速识别方法,包括如下步骤:
1)利用无人机高清照片生成点云模型,并进行点云去噪和稀疏处理;
2)计算点云模型的一般特征点,利用基于密度的噪声应用空间聚类算法将一般特征点聚类成多个一般特征点集;
3)利用支持向量机对一般特征点集进行分类,确定出危险岩体的边界点集;
4)在每个边界点集的邻域内,将危险岩体所在边坡上的点拟合成一个平面来切割点云模型;再从点云中删除这些平面与点云模型之间的交点后,利用基于密度的噪声应用空间聚类算法将剩余的点云模型划分为多个独立的点云区域;根据各独立点云区域的几何特征,确定代表危险岩体的区域;
5)对危岩体进行初步的稳定性评估。
优选的,所述步骤1)中,利用无人机高清照片生成点云模型,并进行点云去噪和稀疏处理的方法为:
通过无人机摄影和SFM技术生成密集点云模型,对密集点云进行去噪,稀疏操作。
优选的,所述步骤2)中,一般特征点的计算过程如下:
S1.根据Weingarten映射矩阵性质,估计各点的离散主曲率和主方向;
S2.判断沿着每个点最小主曲率方向且距离该点左右两侧r米范围内,法截线上点的最小主曲率是否可以取到极小值;如果能,则该点属于一般特征点。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天津大学;雅砻江流域水电开发有限公司,未经天津大学;雅砻江流域水电开发有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911337549.9/2.html,转载请声明来源钻瓜专利网。