岩质高边坡结构面识别及产状统计信息采集方法

• Published in: 工矿自动化 Vol. 50; no. 7; pp. 156 - 164
• Main Authors: 蒋水华, 余琦, 黄河, 常志璐, 孟京京
• Format: Journal Article
• Language: Chinese
• Published: 南昌大学工程建设学院,江西南昌 330031%中铁水利水电规划设计集团有限公司,江西南昌 330029%南昌大学资源与环境学院,江西南昌 330031 2024
• Subjects: 岩质高边坡; 结构面识别; K-nearest neighbor algorithm; 产状统计信息; density based clustering algorithm; high rock slope; 无人机摄影测量; 基于密度的聚类算法; occurrence statistics information; structural plane recognition; K近邻算法; UAV photogrammetry
• ISSN: 1671-251X
• DOI: 10.13272/j.issn.1671-251x.2024060021

TD854.6; 准确识别岩质高边坡结构面和获取产状统计信息是进行边坡稳定性分析的重要前提.无人机摄影测量技术为解决高边坡结构面准确勘测难题提供了可能,但缺少高效准确的影像后处理方法,且现有研究没有考虑结构面产状信息特征的不确定性,致使结构面识别准确性差、效率低.针对该问题,以江西省南昌市某露天矿高边坡为研究背景,提出了融合无人机摄影、后处理算法及统计分析的一体化结构面识别与产状统计信息采集方法.首先,通过Phantom 4 Pro V2.0无人机获取边坡表面影像;其次,利用Context Capture软件进行处理,得到高密度三维点云数据;然后,采用K近邻(KNN)算法中的确定近邻点数量法构建相似点集,采用基于密度的聚类(DBSCAN)算法进行聚类分析,从而实现边坡结构面识别,获得结构面产状信息并进行统计特征分析;最后,通过现场勘测数据进行对比验证.结果表明:该方法能够快速获取完整的高密度点云数据,准确高效地识别岩质高边坡大部分结构面,识别结果与边坡工程现场实际情况基本吻合;该方法可获取高边坡结构面数量、产状信息及其统计特征,大部分结构面倾角和倾向概率分布与实测数据拟合较好,为高边坡裂隙网络模型构建及稳定性分析提供了重要数据来源.