结构面分布对岩体的工程与力学性质具有重要影响,准确获取结构面信息对于分析岩体特性及其稳定性具有重要意义。通过三维激光扫描技术获取某高陡岩质边坡三维点云数据,通过对点云数据进行滤波前处理,采用开源程序Discontinuity Set Extr...结构面分布对岩体的工程与力学性质具有重要影响,准确获取结构面信息对于分析岩体特性及其稳定性具有重要意义。通过三维激光扫描技术获取某高陡岩质边坡三维点云数据,通过对点云数据进行滤波前处理,采用开源程序Discontinuity Set Extractor(DSE)对点云数据进行半自动化识别与分类,获取边坡岩体结构面的产状、迹长、间距等关键参数信息及点云聚类信息。通过对点云聚类信息进行拟合分析得到其概率分布模型并建立岩体的离散裂隙网络(DFN)模型,进一步基于点云数据采用“Rhino-Griddle-3DEC”联合建模方法建立了高陡岩质边坡的三维块体离散元模型,通过离散元模拟分析了该边坡的稳定性与潜在失稳区域。结果表明:在重力作用下,边坡整体安全系数约为1.5,坡顶突出危岩体竖向位移较大且安全系数较小,为潜在失稳区域。因此,采用该方法识别获取的结构面参数信息能够较好地反映岩体工程力学性质,对高陡岩质边坡稳定性分析与评价具有重要指导意义。展开更多
由于激光点云数据具有一定的离散性和冗余性,在进行图像目标检测时,通常会因对点云数据滤波程度较低而导致检测精度不佳。对此,提出基于计算机图像融合的激光点云数据处理与目标检测方法。首先对高斯卷积核尺寸进行设定,并通过调整高斯...由于激光点云数据具有一定的离散性和冗余性,在进行图像目标检测时,通常会因对点云数据滤波程度较低而导致检测精度不佳。对此,提出基于计算机图像融合的激光点云数据处理与目标检测方法。首先对高斯卷积核尺寸进行设定,并通过调整高斯核的方差以及半径对滤波效果进行优化,同时结合线性插值算法计算出相邻点云数据间的插值,增加激光点云数据的密度。然后采用SURF(Speeded Up Robust Features)算法对Hessian矩阵行列式的局部极大值进行检测,从而定位出特征点。将匹配的特征点的描述符进行加权平均操作,通过计算融合后特征点之间的相似度,实现特征点映射匹配处理。最后采用仿射变换矩阵对匹配点的几何关系进行计算,实现目标区域定位。同时针对像素值的类间方差设定分割阈值,从而实现目标区域提取与检测。在实验中,对提出方法进行了检测精度的检验。最终的测试结果表明,采用提出方法对图像进行目标检测时,算法的IoU(Intersection over Union)值较高,具备较为理想的目标检测精度。展开更多
文摘结构面分布对岩体的工程与力学性质具有重要影响,准确获取结构面信息对于分析岩体特性及其稳定性具有重要意义。通过三维激光扫描技术获取某高陡岩质边坡三维点云数据,通过对点云数据进行滤波前处理,采用开源程序Discontinuity Set Extractor(DSE)对点云数据进行半自动化识别与分类,获取边坡岩体结构面的产状、迹长、间距等关键参数信息及点云聚类信息。通过对点云聚类信息进行拟合分析得到其概率分布模型并建立岩体的离散裂隙网络(DFN)模型,进一步基于点云数据采用“Rhino-Griddle-3DEC”联合建模方法建立了高陡岩质边坡的三维块体离散元模型,通过离散元模拟分析了该边坡的稳定性与潜在失稳区域。结果表明:在重力作用下,边坡整体安全系数约为1.5,坡顶突出危岩体竖向位移较大且安全系数较小,为潜在失稳区域。因此,采用该方法识别获取的结构面参数信息能够较好地反映岩体工程力学性质,对高陡岩质边坡稳定性分析与评价具有重要指导意义。
文摘由于激光点云数据具有一定的离散性和冗余性,在进行图像目标检测时,通常会因对点云数据滤波程度较低而导致检测精度不佳。对此,提出基于计算机图像融合的激光点云数据处理与目标检测方法。首先对高斯卷积核尺寸进行设定,并通过调整高斯核的方差以及半径对滤波效果进行优化,同时结合线性插值算法计算出相邻点云数据间的插值,增加激光点云数据的密度。然后采用SURF(Speeded Up Robust Features)算法对Hessian矩阵行列式的局部极大值进行检测,从而定位出特征点。将匹配的特征点的描述符进行加权平均操作,通过计算融合后特征点之间的相似度,实现特征点映射匹配处理。最后采用仿射变换矩阵对匹配点的几何关系进行计算,实现目标区域定位。同时针对像素值的类间方差设定分割阈值,从而实现目标区域提取与检测。在实验中,对提出方法进行了检测精度的检验。最终的测试结果表明,采用提出方法对图像进行目标检测时,算法的IoU(Intersection over Union)值较高,具备较为理想的目标检测精度。
