基于无人机点云数据的矿山风化带范围识别方法与流程

本发明属于图像数据处理与矿山工程地质，具体地说是基于无人机点云数据的矿山风化带范围识别方法。

背景技术：

1、岩体风化带范围的准确圈定，是露天矿山边坡稳定性评价、边坡角设计、剥采比计算及加固方案制定的重要基础。风化程度直接决定岩体物理力学参数取值，边界判定偏差轻则导致工程参数失真、影响生产计划，重则造成边坡稳定性评估失准，威胁生产安全。

2、目前风化带识别主要依赖两类技术手段。第一类为钻探与地球物理方法，包括深孔声波测井的波速比法、钻孔取芯编录、电阻率法等，以钻孔为采样单元直接获取岩体深部参数，单点精度高、可靠性好，但采样密度低、成本高、周期长，难以刻画风化带在边坡表面的连续分布，难以满足大面积采场快速识别需求。第二类为无人机遥感方法，包括机载lidar点云的粗糙度、坡度、曲率等几何特征分析、多光谱/高光谱影像蚀变矿物填图及机器学习点云语义分割，可快速获取大面积高分辨率地表三维信息，已成为风化带快速识别的重要方向。

3、但在露天矿生产边坡应用中，两类方法存在矛盾：深孔波速比等传统方法反映岩体内部完整性，在刚经历台阶爆破的采场边坡上，距地表约1米以下岩体受爆破扰动小，测试结果仍为坚硬完整的未风化基岩；而爆破在近地表形成损伤区，台阶表面布满爆破裂隙与松动碎石，点云提取的粗糙度、体积碎胀率等几何指标显著增大，识别算法据此将爆破损伤区误判为重度风化带，产生假风化带误判，且往往沿台阶坡面连片分布，直接污染风化带边界拟合结果，导致识别结果与钻孔实测数据相互矛盾。

4、现有基于点云的风化带识别方法仅利用表面几何特征的大小，例如粗糙度等标量指标，未考虑破碎形态的空间方向性。自然风化的破碎方向呈各向同性分布、随机弥散；而爆破破裂受炮孔排布与自由面控制，具有显著各向异性，通常平行于炮孔方向或自由面方向。现有技术尚未提供利用破碎方向特征区分自然风化与爆破破裂、并对爆破损伤区剔除后再拟合风化边界的技术手段，爆破震塌效应因而成为影响风化带识别精度的重要误差来源。

5、因此，如何区分自然风化造成的破碎与人为爆破造成的破碎，消除爆破震塌效应对风化带识别的干扰，是本领域亟待解决的技术问题。为此，本发明提供了一种基于无人机点云数据的矿山风化带范围识别方法。

技术实现思路

1、为了弥补现有技术的不足，解决背景技术中所提出的至少一个技术问题。

2、本发明解决其技术问题所采用的技术方案是：

3、本发明提供了基于无人机点云数据的矿山风化带范围识别方法，包括：

4、获取爆破作业后矿山边坡的无人机点云数据，计算无人机点云数据中各个数据点的局部几何粗糙度，获取局部几何粗糙度大于破碎阈值的数据点，构建初始候选风化点云集合，同时获取矿山边坡爆破作业的炮孔连线走向向量与台阶自由面走向向量；

5、对初始候选风化点云集合进行形态学特征分析，识别出矿山边坡的三维裂隙迹线网络，并获取三维裂隙迹线网络中各条裂隙迹线的空间方向向量；

6、以预设尺寸的滑动窗口遍历三维裂隙迹线网络，计算当前滑动窗口内所有裂隙迹线的空间方向向量与炮孔连线走向向量、台阶自由面走向向量的空间夹角，并根据空间夹角，计算当前滑动窗口内裂隙迹线的定向聚集度指数；

7、判断定向聚集度指数是否大于爆破控制破裂阈值，若大于，则判定当前滑动窗口内的数据点为伪风化点，并将伪风化点从初始候选风化点云集合中剔除，获得真实风化点云数据集合；

8、对真实风化点云数据集合中的数据点进行空间聚类，划定真实的矿山风化带范围。

9、作为本发明的进一步改进方案，获取所述爆破作业后矿山边坡的无人机点云数据的具体过程为：

10、采用搭载机载激光雷达设备的无人机对矿山边坡进行扫描，获取仅包含裸露岩体表面的矿山边坡的无人机点云数据。

11、作为本发明的进一步改进方案，计算所述无人机点云数据中各个数据点的局部几何粗糙度的具体过程为：

12、针对无人机点云数据中的任意一个数据点，以粗糙度分析半径构建局部空间球域；

13、获取局部空间球域内的所有相邻数据点，采用最小二乘法对所有相邻数据点进行局部平面拟合，得到最佳拟合平面；

14、计算局部空间球域内每个相邻数据点到最佳拟合平面的正交投影距离；

15、将所有正交投影距离的标准差或均方根误差作为数据点的局部几何粗糙度。

16、作为本发明的进一步改进方案，构建所述初始候选风化点云集合的具体过程为：

17、获取无人机点云数据中各个数据点的局部几何粗糙度，将局部几何粗糙度小于或等于破碎阈值的数据点判定为未风化完整基岩点并予以剔除；

18、将局部几何粗糙度大于破碎阈值的数据点进行提取与汇总，构建初始候选风化点云集合。

19、作为本发明的进一步改进方案，所述同时获取矿山边坡爆破作业的炮孔连线走向向量与台阶自由面走向向量的具体过程为：

20、利用爆破前的历史点云数据获取同排炮孔的炮孔孔口坐标；

21、基于主成分分析法，对同排炮孔的孔口坐标进行空间直线拟合，提取最大特征值对应的特征向量进行单位化处理后，将单位化处理后的特征向量作为炮孔连线走向向量；

22、基于无人机点云数据，利用边缘检测算法，获取当前台阶的坡顶线或坡底线的宏观轮廓轨迹，利用主成分分析法对所述宏观轮廓轨迹进行空间线性拟合，提取最大特征值对应的特征向量进行单位化处理后，将单位化处理后的特征向量作为所述台阶自由面走向向量。

23、作为本发明的进一步改进方案，所述识别出矿山边坡的三维裂隙迹线网络的具体过程为：

24、获取初始候选风化点云集合中的任意一个数据点的相邻数据点，计算数据点的局部主曲率；

25、设定形态学曲率阈值，获取局部主曲率大于形态学曲率阈值的数据点作为裂隙特征点；

26、采用基于密度的三维区域生长算法，设定连通搜索半径，将空间距离小于连通搜索半径的裂隙特征点进行迭代拓扑连通，构建初始裂隙连通域；

27、对初始裂隙连通域内的任意一个数据点，采用空间收缩算法进行迭代处理，直至收缩次数达到最大迭代次数形成一维点状骨架，采用邻近点连线法，将一维点状骨架按空间拓扑关系依次连接，将初始裂隙连通域细化为单像素宽度的三维空间曲线，由所有细化后的三维空间曲线及三维空间曲线交点共同构成矿山边坡的三维裂隙迹线网络。

28、作为本发明的进一步改进方案，获取所述三维裂隙迹线网络中各条裂隙迹线的空间方向向量的具体过程为：

29、将构成一维点状骨架的各离散三维数据点记为骨架数据点，获取各骨架数据点的拓扑连接度，将拓扑连接度大于或等于3的骨架数据点标记为三维空间曲线交点，将拓扑连接度等于1的骨架数据点标记为端点；以所述三维空间曲线交点和所述端点为断点，将三维裂隙迹线网络进行拓扑打断，获取多条初始裂隙段；

30、计算每条初始裂隙段上各骨架数据点的局部曲率，若某骨架数据点的局部曲率大于数据点突变阈值则作为曲率突变点，并在曲率突变点处将初始裂隙段进行曲率打断，得到多条裂隙迹线；

31、针对每一条裂隙迹线，采用主成分分析法对构成裂隙迹线的所有骨架数据点的三维空间坐标进行空间线性拟合，提取最大特征值对应的特征向量单位化处理后，得到所述裂隙迹线的空间方向向量。

32、作为本发明的进一步改进方案，计算所述当前滑动窗口内所有裂隙迹线的空间方向向量与炮孔连线走向向量、台阶自由面走向向量的空间夹角的具体过程为：

33、构建滑动窗口，并设定滑动窗口的预设尺寸；

34、按照预设的空间步长，将滑动窗口在三维裂隙迹线网络所在的三维空间内进行平移遍历；

35、在每一个遍历位置，提取完全落入或部分落入当前滑动窗口内的所有裂隙迹线；

36、针对当前滑动窗口内的每一条裂隙迹线，提取所述裂隙迹线的空间方向向量，利用三维向量点乘公式与反余弦函数，分别计算所述裂隙迹线的空间方向向量与所述炮孔连线走向向量的第一空间夹角，以及所述裂隙迹线的空间方向向量与所述台阶自由面走向向量的第二空间夹角。

37、作为本发明的进一步改进方案，所述获得真实风化点云数据集合的具体过程为：

38、针对当前滑动窗口内的每一条裂隙迹线，获取所述裂隙迹线对应的第一空间夹角和第二空间夹角；

39、比较第一空间夹角与第二空间夹角的大小并选取最小角度值作为爆破主控偏角；

40、设定平行容差阈值，统计当前滑动窗口内爆破主控偏角小于或等于平行容差阈值的裂隙迹线数量记为定向破裂迹线数；

41、计算定向破裂迹线数与当前滑动窗口内裂隙迹线总数量的比值作为当前滑动窗口内裂隙迹线的定向聚集度指数；

42、将当前滑动窗口内计算得到的定向聚集度指数与爆破控制破裂阈值进行数值比对；

43、若定向聚集度指数大于爆破控制破裂阈值，则判定当前滑动窗口内的数据点为伪风化点；

44、将伪风化点从初始候选风化点云集合中进行剔除，获取剔除操作后剩余的所有数据点，构成真实风化点云数据集合。

45、作为本发明的进一步改进方案，所述划定真实的矿山风化带范围的具体过程为：

46、采用基于密度的空间聚类算法对真实风化点云数据集合中的数据点进行三维空间聚类处理，将满足聚类邻域半径和核心点最小包含点数条件的数据点聚合为高密度风化簇，并滤除孤立数据点；

47、将构成高密度风化簇的所有数据点的三维空间坐标投影至与矿山边坡宏观坡面平行的二维投影面上，采用凹包提取算法，提取二维投影面上各个高密度风化簇的外围轮廓边界线；

48、将所有高密度风化簇的外围轮廓边界线所包络的区域，划定为真实的矿山风化带范围。

49、本发明的有益效果如下：

50、本发明针对爆破震塌效应导致的假风化误判问题，利用自然风化裂隙方向随机弥散、爆破破裂方向受炮孔连线与台阶自由面控制的空间差异，通过定向聚集度指数识别并剔除爆破损伤伪风化点，消除爆破损伤区对风化带识别的干扰，提高风化带范围识别的准确性；并通过局部几何粗糙度预筛与裂隙迹线骨架化，降低后续处理的数据规模，提升识别效率。

51、本发明基于无人机点云数据实现非接触、大面积的风化带快速识别，成本低、周期短；对剔除伪风化点后的真实风化点云进行空间聚类与凹包边界提取，可获取连续、规则的风化带范围边界，为露天矿山边坡稳定性评价、台阶边坡角设计与剥采比计算提供可靠依据。