基于三维点云的岩体结构面识别方法、系统和存储介质与流程

摘要: 本发明涉及工程地质岩石力学,更为具体而言,涉及一种基于三维点云的岩体结构面识别方法、系统和存储介质。背景技术:1、当前岩体结构面识别手段主要分为传统人工测量、基...
基于三维点云的岩体结构面识别方法、系统和存储介质与流程

本发明涉及工程地质岩石力学,更为具体而言,涉及一种基于三维点云的岩体结构面识别方法、系统和存储介质。

背景技术:

1、当前岩体结构面识别手段主要分为传统人工测量、基于点云的自动化识别两大类。传统方式依赖地质罗盘现场作业,而基于点云的识别方法包括区域生长法、聚类分析法、ransac平面拟合法以及深度学习方法,这些方法现存如下缺点:

2、(1)区域生长法:从种子点出发,将法线夹角小于阈值的邻近点逐步纳入同一区域。其不足之处在于:对噪声敏感,容易产生过分割或欠分割现象;分割稳定性受种子点选取影响显著;处理大规模点云时运算效率低下。

3、(2)聚类分析法:将点云法线作为特征向量,采用k-means、dbscan完成点云分组。其不足之处在于:k-means算法需预设聚类数;dbscan对输入参数十分敏感;针对密度分布不均匀的点云处理效果不佳。

4、(3)ransac平面拟合法:随机采样拟合平面,统计内点数量,迭代求解最优平面。其不足之处在于:整体计算量大;仅适用于平面结构面;点云边缘区域拟合识别效果差。

5、(4)深度学习方法:通过标注数据集训练模型网络进行点云语义分割识别结构面。其不足之处在于:训练依赖海量标注数据,人力与时间成本高;场景泛化性能弱;推理运算需要gpu硬件资源,难以实现现场轻量化部署;模型内部逻辑的可解释性差,识别结果可信度难以验证。

6、可见,现有各类点云识别算法均存在各自难以规避的缺陷,难以兼顾运算速度、识别精度与现场落地实用性,因而亟需一种可实现岩体结构面点云高效、自动化分组计算的技术方案。

技术实现思路

1、本发明实施方式提供了一种基于三维点云的岩体结构面识别方法、系统、存储介质、设备和计算机程序产品,通过点云加载与预处理、法线计算与归一化、边缘点检测、邻域收集与合并、粒球聚类分析等核心步骤,能够实现岩体结构面点云的快速自动分组计算,从而高效识别岩体结构面。

2、根据本发明的第一方面,本发明实施方式提供了一种基于三维点云的岩体结构面识别方法,该方法包括:获取所述岩体中每个采样点的初始三维点云数据,并将所述点云数据格式化为多维同质数值数组格式的点数据;根据所述点数据计算得到每个采样点的单位法线;根据所述点云数据构建kd树,基于所述kd树查询每个采样点对应的邻域采样点,并生成每个采样点的邻域采样点索引列表;根据每个采样点的单位法线与邻域采样点的单位法线之间的夹角余弦值,确定所述岩体中的边缘采样点和非边缘采样点,并生成边缘采样点索引列表、非边缘采样点索引列表;遍历每个采样点的邻域采样点索引列表,删除所述邻域采样点索引列表中的边缘采样点索引;遍历所述非边缘采样点索引列表,根据每个采样点与邻域采样点索引列表的映射关系,判断非边缘采样点是否出现在至少两个邻域采样点索引列表中,当非边缘采样点出现在至少两个邻域采样点索引列表中时,将所述至少两个邻域采样点索引列表中的邻域采样点进行聚合,得到初始采样点集;获取所述初始采样点集中每个采样点的空间坐标和单位法线,并结合粒球聚类算法对所述初始采样点集进行二次分组,得到至少一个点云区域,所述至少一个点云区域中的每一个点云区域对应一个独立的岩体结构面。

3、本发明上述实施方式通过点云加载与格式化预处理、法线计算与归一化、边缘点检测、邻域收集与合并、粒球聚类分析等核心步骤协同配合,最终实现了岩体结构面点云的高效快速自动分组计算,识别结果可靠性与鲁棒性显著优于传统识别方法。

4、在本发明的一些实施方式中,根据所述点数据计算得到每个采样点的单位法线包括:获取每个采样点及其对应的邻域采样点;根据所述每个采样点及其邻域采样点的点数据计算每个采样点对应的初始法线;将所述岩体中相邻采样点的初始法线调整为统一方向的法线;对所述统一方向的法线进行归一化处理,得到每个采样点对应的单位法线。

5、在本发明的一些实施方式中,所述根据每个采样点的单位法线与邻域采样点的单位法线之间的夹角余弦值确定所述岩体中的边缘采样点和非边缘采样点,包括:获取目标采样点及其邻域采样点的单位法线;对所述邻域采样点的单位法线进行去重处理,得到去重后的邻域法线;计算所述目标采样点的单位法线与去重后的邻域法线之间的夹角余弦值;当所述夹角余弦值中的最小余弦值小于预设边缘阈值时,判断所述目标采样点为边缘采样点,否则所述目标采样点为非边缘采样点。

6、在本发明的一些实施方式中,所述结合粒球聚类算法对所述初始采样点集进行二次分组得到至少一个点云区域,包括:步骤1,将所述初始采样点集中的每个采样点标记为未访问,选取一个未访问的采样点作为种子采样点,并以零为半径初始化粒球;步骤2,根据所述空间坐标搜索当前半径内所述种子采样点的邻域采样点,计算所述种子采样点的邻域采样点的单位法线与粒球平均法线的相似度;步骤3,将所述相似度大于预设阈值的邻域采样点纳入粒球,并更新所述粒球的球心和半径;步骤4,根据更新后的粒球的球心和半径,返回执行步骤2,直至没有邻域采样点纳入粒球,输出当前粒球中的所有采样点作为一个点云区域,并将所述粒球中的所有采样点标记为已访问;步骤5,重新选取一个未访问的采样点作为种子采样点,并以零为半径初始化粒球,返回执行步骤2。

7、在本发明的一些实施方式中,所述方法还包括:对所述至少一个点云区域中的各个点云区域采用不同颜色进行标识。

8、在本发明的一些实施方式中,对所述至少一个点云区域中的各个点云区域采用不同颜色进行标识包括:统计所述至少一个点云区域的总数量;当所述总数量小于等于预设基础颜色的数量时,根据点云区域的类别分配其对应的预设基础颜色;当所述总数量大于预设基础颜色的数量时,为大于预设基础颜色数量的点云区域动态生成新增颜色。

9、本发明上述实施方式通过对分割得到的各岩体结构面点云区域进行差异化颜色标识,能够直观、清晰地区分不同独立岩体结构面,大幅提升结果可视化效果,便于工作人员快速判读结构面分布特征。

10、根据本发明的第二方面,本发明实施方式提供一种基于三维点云的岩体结构面识别系统,该系统包括:数据预处理模块,用于获取所述岩体中每个采样点的初始三维点云数据,并将所述点云数据格式化为多维同质数值数组格式的点数据;法线计算模块,用于根据所述点数据计算得到每个采样点的单位法线;边缘点检测模块,用于根据所述点云数据构建kd树,基于所述kd树查询每个采样点对应的邻域采样点,并生成每个采样点的邻域采样点索引列表;根据每个采样点的单位法线与邻域采样点的单位法线之间的夹角余弦值,确定所述岩体中的边缘采样点和非边缘采样点,并生成边缘采样点索引列表、非边缘采样点索引列表;邻域合并模块,用于遍历每个采样点的邻域采样点索引列表,删除所述邻域采样点索引列表中的边缘采样点索引;遍历所述非边缘采样点索引列表,根据每个采样点与邻域采样点索引列表的映射关系,判断非边缘采样点是否出现在至少两个邻域采样点索引列表中,当非边缘采样点出现在至少两个邻域采样点索引列表中时,将所述至少两个邻域采样点索引列表中的邻域采样点进行聚合,得到初始采样点集;粒球聚类模块,用于获取所述初始采样点集中每个采样点的空间坐标和单位法线,并结合粒球聚类算法对所述初始采样点集进行二次分组,得到至少一个点云区域,所述至少一个点云区域中的每一个点云区域对应一个独立的岩体结构面。

11、本发明上述实施方式通过点云加载与格式化预处理、法线计算与归一化、边缘点检测、邻域收集与合并、粒球聚类分析等核心步骤协同配合,最终实现了岩体结构面点云的高效快速自动分组计算,识别结果可靠性与鲁棒性显著优于传统识别方法。

12、在本发明的一些实施方式中,根据所述点数据计算得到每个采样点的单位法线包括:获取每个采样点及其对应的邻域采样点;根据所述每个采样点及其邻域采样点的点数据计算每个采样点对应的初始法线;将所述岩体中相邻采样点的初始法线调整为统一方向的法线;对所述统一方向的法线进行归一化处理,得到每个采样点对应的单位法线。

13、在本发明的一些实施方式中,所述根据每个采样点的单位法线与邻域采样点的单位法线之间的夹角余弦值确定所述岩体中的边缘采样点和非边缘采样点,包括:获取目标采样点及其邻域采样点的单位法线;对所述邻域采样点的单位法线进行去重处理,得到去重后的邻域法线;计算所述目标采样点的单位法线与去重后的邻域法线之间的夹角余弦值;当所述夹角余弦值中的最小余弦值小于预设边缘阈值时,判断所述目标采样点为边缘采样点,否则所述目标采样点为非边缘采样点。

14、在本发明的一些实施方式中,所述结合粒球聚类算法对所述初始采样点集进行二次分组得到至少一个点云区域,包括:步骤1,将所述初始采样点集中的每个采样点标记为未访问,选取一个未访问的采样点作为种子采样点,并以零为半径初始化粒球;步骤2,根据所述空间坐标搜索当前半径内所述种子采样点的邻域采样点,计算所述种子采样点的邻域采样点的单位法线与粒球平均法线的相似度;步骤3,将所述相似度大于预设阈值的邻域采样点纳入粒球,并更新所述粒球的球心和半径;步骤4,根据更新后的粒球的球心和半径,返回执行步骤2,直至没有邻域采样点纳入粒球,输出当前粒球中的所有采样点作为一个点云区域,并将所述粒球中的所有采样点标记为已访问;步骤5,重新选取一个未访问的采样点作为种子采样点,并以零为半径初始化粒球,返回执行步骤2。

15、在本发明的一些实施方式中,所述系统还包括可视化模块,用于对所述至少一个点云区域中的各个点云区域采用不同颜色进行标识。

16、在本发明的一些实施方式中,对所述至少一个点云区域中的各个点云区域采用不同颜色进行标识包括:统计所述至少一个点云区域的总数量;当所述总数量小于等于预设基础颜色的数量时,根据点云区域的类别分配其对应的预设基础颜色;当所述总数量大于预设基础颜色的数量时,为大于预设基础颜色数量的点云区域动态生成新增颜色。

17、本发明上述实施方式通过对分割得到的各岩体结构面点云区域进行差异化颜色标识,能够直观、清晰地区分不同独立岩体结构面,大幅提升结果可视化效果,便于工作人员快速判读结构面分布特征。

18、根据本发明的第三方面,本发明实施方式提供一种计算机可读存储介质,其上存储有计算机可读指令,所述计算机可读指令被处理器执行时,使得计算机执行如下操作:所述操作包括如上任意一种实施方式所述基于三维点云的岩体结构面识别方法所包含的步骤。

19、根据本发明的第四方面,本发明实施方式提供一种包括存储器和处理器的计算机设备,所述存储器用于存储一条或多条计算机可读指令,其中,所述一条或多条计算机可读指令被所述处理器执行时能够实现如上任意一种实施方式所述的基于三维点云的岩体结构面识别方法。

20、根据本发明的第五方面,本发明实施方式提供一种包括计算机程序的计算机程序产品,所述计算机程序被处理器执行时实现如上任意一种实施方式所述的基于三维点云的岩体结构面识别方法。

21、由上述可知,本发明实施方式提供的基于三维点云的岩体结构面识别方法、系统、存储介质、设备和计算机程序产品,通过点云加载与预处理、法线计算与归一化、边缘点检测、邻域收集与合并、粒球聚类分析、可视化输出等步骤,能够实现岩体结构面的高效、稳定、精准自动分组,各聚类点云区域能够准确对应独立岩体结构面,识别结果可靠性与鲁棒性显著优于传统识别方法。