李 翠 李杰林 張良兵 楊承業(yè) 徐繼業(yè) 周科平

(1.攀鋼集團(tuán)礦業(yè)有限公司,四川 攀枝花 617000;2.中南大學(xué)資源與安全工程學(xué)院,湖南 長(zhǎng)沙 410083;3.金屬礦山安全與健康國家重點(diǎn)實(shí)驗(yàn)室,安徽 馬鞍山 243000)

結(jié)構(gòu)面是巖體中強(qiáng)度較低的不連續(xù)面,是控制巖質(zhì)邊坡穩(wěn)定性的重要因素,巖質(zhì)邊坡的變形和破壞通常都是受控于巖體介質(zhì)特性并沿著巖體結(jié)構(gòu)面發(fā)生的。在礦巖地質(zhì)條件、開采擾動(dòng)、外部風(fēng)化條件等影響下,結(jié)構(gòu)面力學(xué)性能弱化,導(dǎo)致巖質(zhì)邊坡發(fā)生滑坡、巖石塊體滑落等災(zāi)害[1-3]。因此,精確獲取巖質(zhì)邊坡的地形地貌及其巖體結(jié)構(gòu)面參數(shù)是開展邊坡穩(wěn)定性分析與評(píng)價(jià)的基礎(chǔ)[4-5]。

目前,針對(duì)露天礦山邊坡地形測(cè)量及巖體結(jié)構(gòu)面調(diào)查手段趨向于遠(yuǎn)程化與智能化,傳統(tǒng)的人工接觸式測(cè)量工作效率低,且受限于復(fù)雜地形限制,已逐漸被三維激光掃描、攝影測(cè)量等非接觸式地質(zhì)調(diào)查技術(shù)取代[6-8]。針對(duì)高陡邊坡地勢(shì)復(fù)雜險(xiǎn)峻的特點(diǎn),國內(nèi)外許多學(xué)者利用無人機(jī)設(shè)備搭載激光掃描儀或攝像設(shè)備對(duì)邊坡進(jìn)行了測(cè)繪與分析,陳昌富等[9]利用無人機(jī)貼近攝影獲取了邊坡的巖體結(jié)構(gòu)特征;JIA 等[10]利用無人機(jī)對(duì)露天高陡邊坡進(jìn)行了攝影測(cè)量,并利用數(shù)值分析方法獲取了邊坡巖體的穩(wěn)定性;KONG 等[11]基于無人機(jī)攝影測(cè)量結(jié)合結(jié)構(gòu)運(yùn)動(dòng)(SfM)技術(shù),研究了高分辨率邊坡數(shù)字模型生成方法;LIU 等[12]提出了一種將3D-DDA 與無人機(jī)攝影測(cè)量相結(jié)合的集成系統(tǒng),用于塊狀巖體邊坡的穩(wěn)定性評(píng)價(jià)?；跓o人機(jī)測(cè)量技術(shù)的優(yōu)勢(shì)在于不受巖質(zhì)邊坡的險(xiǎn)要地形限制,可以充分獲取研究區(qū)域的圖像、結(jié)構(gòu)及紋理特征,結(jié)合空中三角測(cè)量技術(shù)[12-13]可實(shí)現(xiàn)不同角度、不同方位的攝像信息的逆向建模,從而獲取測(cè)量邊坡區(qū)域的精細(xì)三維模型。

基于無人機(jī)測(cè)量所獲取的邊坡三維模型與點(diǎn)云數(shù)據(jù),可以實(shí)現(xiàn)邊坡巖體結(jié)構(gòu)的三維數(shù)字化還原。隨著計(jì)算機(jī)技術(shù)的發(fā)展,基于巖體結(jié)構(gòu)數(shù)字模型開展室內(nèi)巖體工程地質(zhì)調(diào)查已成為主流的研究手段[14-17],相比于現(xiàn)場(chǎng)實(shí)地測(cè)量,可使得測(cè)量人員擁有更優(yōu)良的工作環(huán)境、更清晰的觀測(cè)條件,從而獲取數(shù)據(jù)量更大且更精確的巖體結(jié)構(gòu)面數(shù)據(jù)。同時(shí)現(xiàn)有的計(jì)算機(jī)算法可輔助測(cè)量人員開展工程地質(zhì)調(diào)查,進(jìn)一步增強(qiáng)了作業(yè)的速度與可靠性。因此,基于無人機(jī)測(cè)量數(shù)據(jù)的結(jié)構(gòu)面信息提取是建立從無人機(jī)邊坡測(cè)量到數(shù)字化建模,最后實(shí)現(xiàn)巖體結(jié)構(gòu)數(shù)字化分析的關(guān)鍵。

為此,本研究基于無人機(jī)傾斜攝影測(cè)量與貼近攝影測(cè)量技術(shù),進(jìn)行露天巖質(zhì)邊坡測(cè)量,獲取邊坡點(diǎn)云模型,并開展基于點(diǎn)云數(shù)據(jù)的邊坡巖體結(jié)構(gòu)面識(shí)別研究,形成了一種基于無人機(jī)測(cè)量高精度點(diǎn)云數(shù)據(jù)的巖質(zhì)邊坡結(jié)構(gòu)面自動(dòng)識(shí)別方法,最后將該方法應(yīng)用于攀枝花鐵礦尖山礦區(qū)北部邊坡。

1 無人機(jī)系統(tǒng)與邊坡精確測(cè)量方法原理

1.1 無人機(jī)測(cè)量系統(tǒng)

基于無人機(jī)精確測(cè)量是開展露天礦巖質(zhì)邊坡結(jié)構(gòu)面識(shí)別的前提,本研究采用了大疆精靈Phantom 4RTK 無人機(jī)開展了高精度的邊坡攝影測(cè)量,如圖1所示。

圖1 無人機(jī)飛控系統(tǒng)Fig.1 UAV flight control system

精靈Phantom 4RTK 是一款小型多旋翼高精度航測(cè)無人機(jī),具備RKT 厘米級(jí)導(dǎo)航定位系統(tǒng)和高性能成像系統(tǒng),通過控制器可預(yù)設(shè)、調(diào)節(jié)機(jī)身的姿態(tài)、飛行軌跡、飛行速度以及攝像頭的角度、拍攝頻率,從而獲取不同角度、不同分辨率的攝影圖像。通過顯示器可實(shí)時(shí)獲取攝像頭的回傳影像以及飛機(jī)的飛行參數(shù),從而控制無人機(jī)完成飛行測(cè)量作業(yè)。該無人機(jī)系統(tǒng)具有精度高、靈活、輕便以及測(cè)量速度快等特點(diǎn),適用于小范圍的巖質(zhì)邊坡精確測(cè)量。

1.2 巖質(zhì)邊坡無人機(jī)測(cè)量及建模方法

巖質(zhì)邊坡無人機(jī)測(cè)量及建模包括粗略建模與精細(xì)建模兩個(gè)部分,粗略建模即利用無人機(jī)對(duì)研究區(qū)域的總體形貌特征進(jìn)行還原,獲取研究區(qū)的總體模型架構(gòu)。精細(xì)建模則是在總體模型架構(gòu)的基礎(chǔ)上,通過特征匹配技術(shù)對(duì)模型細(xì)節(jié)進(jìn)行補(bǔ)充建模,從而獲取測(cè)量對(duì)象更精確的紋理結(jié)構(gòu)特征。本研究通過DJI Terra軟件實(shí)現(xiàn)基于無人機(jī)巖質(zhì)邊坡的粗、細(xì)建模,該款軟件基于空中三角測(cè)量技術(shù)對(duì)粗、細(xì)建模的攝影圖像數(shù)據(jù)進(jìn)行耦合,實(shí)現(xiàn)更精細(xì)化的模型紋理及結(jié)構(gòu)展現(xiàn)[13]?；谏鲜龇椒?本研究對(duì)無人機(jī)精確測(cè)量及建模的具體流程進(jìn)行如下分析。

1.2.1 粗略建模

利用精靈Phantom 4RTK 無人機(jī)的傾斜攝影測(cè)量數(shù)據(jù)開展巖質(zhì)邊坡的粗略建模。首先,根據(jù)測(cè)量區(qū)域的工程資料,通過現(xiàn)場(chǎng)勘察確定區(qū)內(nèi)地形及周邊構(gòu)筑物特征,開展無人機(jī)傾斜攝影的航線規(guī)劃,設(shè)置無人機(jī)的飛行測(cè)量參數(shù)。飛行測(cè)量參數(shù)主要包括無人機(jī)的飛行高度、相機(jī)傾斜角度、圖像重疊率等,精靈Phantom 4RTK 無人機(jī)即可根據(jù)航線及設(shè)置參數(shù)自動(dòng)在邊坡上方保持一定的高度開展傾斜攝影測(cè)量,如圖2 所示。粗建模的主要目的是獲取測(cè)量邊坡區(qū)域的地形形貌特征,得到區(qū)域整體模型,進(jìn)而得到邊坡區(qū)域的模型架構(gòu)[18]。

圖2 無人機(jī)傾斜攝影測(cè)量示意Fig.2 Schematic of UAV oblique photogrammetry

1.2.2 精細(xì)建模

根據(jù)圖2 可以看出,對(duì)于有高低起伏的邊坡,無人機(jī)在傾斜攝影的固定航線上與邊坡表面的相對(duì)高度會(huì)不斷變化,所獲取的影像分辨率同樣存在差異,因此無人機(jī)傾斜攝影只能獲取邊坡的整體形貌,無法獲取邊坡復(fù)雜地形的高分辨率、精度均勻形態(tài),對(duì)于結(jié)構(gòu)面參數(shù)識(shí)別研究,需要高精度的邊坡模型數(shù)據(jù)作為支撐。

利用無人機(jī)貼近攝影測(cè)量技術(shù)[19]進(jìn)行無人機(jī)精細(xì)建模,如圖3 所示。無人機(jī)貼近攝影測(cè)量的具體操作步驟為:①利用無人機(jī)對(duì)邊坡表面進(jìn)行近距離拍攝(5～50 m),同時(shí)保證無人機(jī)在豎直方向上的移動(dòng)角度與邊坡角β一致,并且無人機(jī)攝影云臺(tái)的云臺(tái)角β1與邊坡角為余角關(guān)系(圖3(a)),使得無人機(jī)在沿航線移動(dòng)時(shí)機(jī)身與坡面距離保持不變,并且云臺(tái)的攝影角度始終與坡面保持垂直;② 無人機(jī)沿著航線飛行攝影時(shí)的旁向重疊度不小于70%,航向重疊度不小于80%(圖3(b))。通過無人機(jī)貼近攝影測(cè)量技術(shù)可使無人機(jī)貼合邊坡表面的坡度獲取高精度、高分辨率的數(shù)據(jù),能識(shí)別出更精細(xì)的邊坡坡面紋理與結(jié)構(gòu)面信息,相對(duì)于邊坡粗略模型可展現(xiàn)出更精確、全面的巖體結(jié)構(gòu)。

圖3 無人機(jī)貼近攝影測(cè)量Fig.3 UAV Nap-of-the-object Photography

基于本研究無人機(jī)粗建模以及細(xì)建模流程,可獲取研究區(qū)邊坡的精密點(diǎn)云數(shù)據(jù),該類點(diǎn)云數(shù)據(jù)具有精準(zhǔn)坐標(biāo)并能精確地反映邊坡巖體的幾何特征,從而實(shí)現(xiàn)了利用點(diǎn)云數(shù)據(jù)通過計(jì)算機(jī)程序進(jìn)行邊坡巖體結(jié)構(gòu)面的幾何識(shí)別。

2 基于點(diǎn)云數(shù)據(jù)的巖質(zhì)邊坡結(jié)構(gòu)面自動(dòng)識(shí)別

2.1 算法原理

基于無人機(jī)精確測(cè)量獲得的點(diǎn)云數(shù)據(jù)可精確反映露天邊坡巖體結(jié)構(gòu)面的幾何形貌特征,通過點(diǎn)云數(shù)據(jù)的平面分割算法即可獲取邊坡巖體結(jié)構(gòu)面的信息。本研究主要采用區(qū)域生長(zhǎng)法實(shí)現(xiàn)點(diǎn)云數(shù)據(jù)的平面分割,從而快速識(shí)別出巖質(zhì)邊坡點(diǎn)云數(shù)據(jù)中的結(jié)構(gòu)面信息。

2.1.1 點(diǎn)云數(shù)據(jù)的體素濾波

通過無人機(jī)高分辨率攝像獲取的點(diǎn)云數(shù)據(jù)通常較為密集且不均勻,使得點(diǎn)云數(shù)據(jù)平面分割計(jì)算的魯棒性變差,點(diǎn)云數(shù)據(jù)的體素濾波即是對(duì)點(diǎn)云進(jìn)行體素化,通過體素采樣方式使得邊坡的點(diǎn)云數(shù)據(jù)規(guī)模降低且平整化,而整體邊坡的幾何及拓?fù)涮匦曰静话l(fā)生變化[20],如圖4 所示。

圖4 點(diǎn)云數(shù)據(jù)體素濾波(單位:m)Fig.4 Voxel filtering of point cloud data

2.1.2 點(diǎn)云數(shù)據(jù)特征值提取

開展點(diǎn)云數(shù)據(jù)平面分割的前提是獲取點(diǎn)云數(shù)據(jù)的特征值[21],包括點(diǎn)云數(shù)據(jù)的法向量n及曲率特征φ。點(diǎn)云數(shù)據(jù)的法向量n是進(jìn)行點(diǎn)云平面擬合的關(guān)鍵,而曲率特征φ可以確定平面的起伏狀態(tài),從點(diǎn)云數(shù)據(jù)中識(shí)別具有一定粗糙度的結(jié)構(gòu)面時(shí),選取合理的曲率特征φ值十分關(guān)鍵。對(duì)于點(diǎn)云數(shù)據(jù)中單個(gè)點(diǎn)云數(shù)據(jù)的法向量,本研究通過近鄰搜索算法將單個(gè)點(diǎn)云數(shù)據(jù)及其相鄰的k個(gè)點(diǎn)云數(shù)據(jù)作為一個(gè)合集,設(shè)合集中包含i個(gè)點(diǎn)云數(shù)據(jù),則點(diǎn)云合集在最小二乘意義上所表示的平面P可表示為

式中,p為平面P的法向量;d為平面P到坐標(biāo)原點(diǎn)的距離;ei為第i個(gè)點(diǎn)云數(shù)據(jù)的坐標(biāo)。

根據(jù)上述分析,可認(rèn)為由點(diǎn)云數(shù)據(jù)集合構(gòu)成的平面P的法向量p,是由單個(gè)點(diǎn)云數(shù)據(jù)的法向量n通過主成分分析法(PCA)[22]求解得到,具體思路是其通過分解得到點(diǎn)云合集方差矩陣的特征值來計(jì)算法向量p。點(diǎn)云合集方差矩陣M及其特征值具有如下關(guān)系:

式中,λi與vj(j=0,1,2)分別為特征值及特征值向量。

若特征值λ0<λ1<λ2,則特征值中的最小值λ0即為單個(gè)點(diǎn)云數(shù)據(jù)的法向量n,同樣單個(gè)點(diǎn)云數(shù)據(jù)的曲率特征φ可由特征值計(jì)算得到:

2.1.3 區(qū)域生長(zhǎng)法的點(diǎn)云數(shù)據(jù)平面切割與擬合

獲取點(diǎn)云數(shù)據(jù)的單個(gè)點(diǎn)云數(shù)據(jù)法向量n及曲率特征φ后,即可通過區(qū)域生長(zhǎng)法[23]進(jìn)行點(diǎn)云數(shù)據(jù)的平面切割,從而實(shí)現(xiàn)不同產(chǎn)狀結(jié)構(gòu)面的分割識(shí)別,如圖5 所示。區(qū)域生長(zhǎng)法是通過設(shè)置初始種子點(diǎn),利用點(diǎn)云數(shù)據(jù)的法向量n及曲率特征φ作為判斷生長(zhǎng)條件對(duì)種子點(diǎn)進(jìn)行生長(zhǎng)。若某一點(diǎn)云數(shù)據(jù)與種子點(diǎn)不屬于同一平面,則其法向量與種子點(diǎn)法向量的夾角以及該點(diǎn)的曲率必然大于某一閥值,通過設(shè)置這一閥值即可限定種子點(diǎn)的生長(zhǎng)邊界,使得邊界內(nèi)的點(diǎn)云屬于同一平面。

圖5 區(qū)域生長(zhǎng)法原理Fig.5 Principle of region growing method

區(qū)域生長(zhǎng)法的具體步驟為:

(1)根據(jù)點(diǎn)云數(shù)據(jù)的曲率值對(duì)點(diǎn)云進(jìn)行排序,將曲率最小的點(diǎn)叫作初始種子點(diǎn)。

(2)設(shè)置一空的聚類序列C和空的種子點(diǎn)序列Q,將選好的初始種子點(diǎn)加入種子點(diǎn)序列,并搜索該種子點(diǎn)附近的k個(gè)鄰近點(diǎn)云數(shù)據(jù)。

(3)設(shè)置兩個(gè)點(diǎn)云數(shù)據(jù)之間的法向量夾角閾值a以及曲率閾值b,計(jì)算k個(gè)鄰近點(diǎn)云數(shù)據(jù)中每個(gè)點(diǎn)云法向量nk與種子點(diǎn)法向量n之間的夾角。當(dāng)小于設(shè)定的法向量夾角閾值a時(shí),首先將該點(diǎn)加入聚類序列C中,同時(shí)判斷該鄰域點(diǎn)的曲率值是否小于曲率閾值b,將小于曲率閥值的點(diǎn)云數(shù)據(jù)加入種子點(diǎn)序列Q中;然后在Q中重新選擇新的種子點(diǎn),重復(fù)上述步驟,直到序列Q為空。

(4)按照曲率從小到大排序,取不存在于聚類序列C中的點(diǎn)云數(shù)據(jù)重新作為初始種子點(diǎn),重復(fù)步驟(1)至(3),可實(shí)現(xiàn)基于區(qū)域生長(zhǎng)法的點(diǎn)云數(shù)據(jù)平面分割。

2.1.4 結(jié)構(gòu)面產(chǎn)狀計(jì)算

基于區(qū)域生長(zhǎng)法的點(diǎn)云數(shù)據(jù)平面分割,可使得點(diǎn)云數(shù)據(jù)按照不同產(chǎn)狀的平面實(shí)現(xiàn)分離,利用主成分分析法即可得到各結(jié)構(gòu)面的法向量D(A,B,C),通過平面法向量與結(jié)構(gòu)面產(chǎn)狀的關(guān)系[24],即可計(jì)算出結(jié)構(gòu)面傾角α與傾向β,公式為

一切仿佛是昨天，記憶是流淌的河，深入藏地，遇見他們讓我感到無比幸福，那些鮮活的面孔伴隨著樸素的名字，宛如河底多彩的石，閃動(dòng)著美妙的色彩，縈繞在溫暖的思緒里。至今我常去甘南草原看看，想念他們成了慣性，每畫，總沉迷。

式中,T為角度常量,取值為

2.2 巖質(zhì)邊坡結(jié)構(gòu)面自動(dòng)識(shí)別方法

基于無人機(jī)傾斜攝影測(cè)量與貼近攝影測(cè)量獲取的巖質(zhì)邊坡精細(xì)三維點(diǎn)云數(shù)據(jù),結(jié)合上述點(diǎn)云數(shù)據(jù)的處理算法從而形成了巖質(zhì)邊坡結(jié)構(gòu)面自動(dòng)識(shí)別方法,如圖6 所示。

圖6 巖質(zhì)邊坡結(jié)構(gòu)面自動(dòng)識(shí)別方法Fig.6 Automatic identification method of rock slope discontinuities

3 工程實(shí)例

3.1 工程背景

攀枝花鐵礦位于攀枝花市北側(cè),年產(chǎn)1 300 萬t礦石量,是攀鋼集團(tuán)鐵礦石原料生產(chǎn)的主要基地之一。該礦包括朱家包包礦區(qū)與尖山礦區(qū)兩個(gè)開采區(qū)域,兩個(gè)礦區(qū)之間沿東西走向相連,前期均采用露天開采。目前尖山礦區(qū)已轉(zhuǎn)為地下開采,朱家包包礦區(qū)也轉(zhuǎn)入深凹露天開采,兩個(gè)礦區(qū)的最終露天邊坡高達(dá)600 m,為典型的高陡邊坡。由于節(jié)理裂隙的分布,在開采擾動(dòng)、裂隙滲流、巖石風(fēng)化作用等綜合因素影響下,露天采場(chǎng)邊坡時(shí)有發(fā)生滑坡及臺(tái)階垮塌等災(zāi)害,對(duì)露天礦的安全生產(chǎn)造成了重要影響,如圖7 所示。

圖7 攀枝花鐵礦邊坡滑坡災(zāi)害情況Fig.7 Landslide disaster of Panzhihua Iron Mine

3.2 無人機(jī)邊坡測(cè)量及模型構(gòu)建

本研究以尖山礦區(qū)北部邊坡(圖8)為例,開展基于無人機(jī)的精確測(cè)量作業(yè)。該區(qū)域主要巖性為輝長(zhǎng)巖,邊坡角約為45°,由于風(fēng)化、地質(zhì)作用已產(chǎn)生了嚴(yán)重的臺(tái)階垮塌,若采用傳統(tǒng)的接觸式結(jié)構(gòu)面測(cè)量方式,不僅存在較大的安全風(fēng)險(xiǎn),并且測(cè)量人員難以到達(dá)上部區(qū)域,采用三維激光掃描儀器則難以找到合適的架站點(diǎn)進(jìn)行測(cè)量,因此該區(qū)域更適用于利用無人機(jī)進(jìn)行測(cè)量。

測(cè)量時(shí),首先預(yù)設(shè)4 個(gè)控制點(diǎn),利用精靈Phantom 4RTK 無人機(jī)的五向飛行進(jìn)行邊坡整體區(qū)域的傾斜攝影,設(shè)置航向重疊度為80%,旁向重疊度為70%,無人機(jī)與邊坡的相對(duì)飛行高度設(shè)置為200 m。根據(jù)測(cè)量結(jié)果,利用DJI Terra 軟件得到研究區(qū)邊坡的整體模型。根據(jù)粗略模型及現(xiàn)場(chǎng)勘查所反映的研究區(qū)形貌,考慮到區(qū)域覆蓋的用電線路復(fù)雜,若采用線路規(guī)劃的自動(dòng)飛行進(jìn)行貼近測(cè)量難度較大,因此本研究通過手動(dòng)平飛方式進(jìn)行邊坡的貼近測(cè)量。無人機(jī)與邊坡的垂直距離保持在30 m 左右,無人機(jī)的云臺(tái)攝影角度設(shè)置為45°,可以看出,相對(duì)于邊坡的粗略模型,通過貼近測(cè)量得到的邊坡精細(xì)模型可以更細(xì)致地展現(xiàn)出邊坡的紋理與巖體結(jié)構(gòu)等信息(圖8(a))。最后,基于無人機(jī)貼近測(cè)量得到的邊坡精細(xì)模型,并通過DJI Terra 軟件可輸出研究區(qū)邊坡的精密點(diǎn)云數(shù)據(jù)(圖8(b)),坐標(biāo)N 代表正北方向,研究區(qū)垂直坡高為93 m,水平長(zhǎng)度為268 m。

圖8 研究區(qū)模型構(gòu)建Fig.8 Model establishment of the study area

3.3 模型精度驗(yàn)證

3.3.1 邊坡整體模型精度驗(yàn)證

基于4 個(gè)控制點(diǎn)對(duì)整體邊坡模型的精確度進(jìn)行驗(yàn)算,參考國家大地坐標(biāo)系數(shù)學(xué)精度檢測(cè)規(guī)范[25],本研究通過誤差絕對(duì)值取平均來進(jìn)行模型的精度檢驗(yàn),公式為

通過式(5)可計(jì)算出整體邊坡模型的4 個(gè)控制點(diǎn)在X、Y、Z方向上的平均誤差為ωx=0.93 cm、ωy=0.88 cm、ωz=1.03 cm,同時(shí)計(jì)算4 個(gè)控制點(diǎn)之間的平均距離誤差ωd=1.13 cm。可以看出,通過無人機(jī)測(cè)量得到的整體邊坡模型與實(shí)際模型坐標(biāo)誤差約1 cm,可以滿足工程應(yīng)用需求。

3.3.2 結(jié)構(gòu)面識(shí)別算法精度驗(yàn)證

由于測(cè)量人員無法靠近研究區(qū)域,為驗(yàn)證結(jié)構(gòu)面識(shí)別的精確度,選取邊坡整體模型中已噴漿加固且較為平整的臺(tái)階坡面對(duì)結(jié)構(gòu)面識(shí)別的準(zhǔn)確度進(jìn)行分析,結(jié)果如圖9 所示。

圖9 結(jié)構(gòu)面識(shí)別算法精度驗(yàn)證Fig.9 Accuracy verification of structural plane recognition algorithm

該區(qū)域位于尖山礦區(qū)南部,由3 個(gè)坡面、1 388 m臺(tái)階和1 412 m 臺(tái)階組成,由于區(qū)域較為平整,且各個(gè)臺(tái)階與坡面之間的產(chǎn)狀相同(圖9(a)),可將坡面與臺(tái)階面視為平面。通過Python 編程進(jìn)行結(jié)構(gòu)面識(shí)別方法的功能實(shí)現(xiàn),對(duì)驗(yàn)證區(qū)域的平面進(jìn)行識(shí)別與分割,獲得了研究區(qū)域的3 個(gè)坡面與2 個(gè)臺(tái)階平面的識(shí)別結(jié)果(圖9(b))。將識(shí)別擬合的平面產(chǎn)狀與現(xiàn)場(chǎng)羅盤測(cè)量結(jié)果進(jìn)行比較(表2),可以看出采用區(qū)域生長(zhǎng)法識(shí)別的平面產(chǎn)狀與羅盤測(cè)量結(jié)果誤差均在5°以內(nèi),可認(rèn)為本研究采用的結(jié)構(gòu)面識(shí)別方法精確性較好。

表2 結(jié)構(gòu)面識(shí)別精度驗(yàn)證結(jié)果Table 2 Accuracy verification results of structural plane recognition

值得注意的是,在驗(yàn)證分析結(jié)果中,坡面與臺(tái)階之間轉(zhuǎn)角處的點(diǎn)云數(shù)據(jù)未被區(qū)域生長(zhǎng)法所采用,主要原因是該區(qū)域點(diǎn)云的法向量與曲率變化過于明顯,從而導(dǎo)致不同平面之間的邊界線存在取樣誤差。為此,在后續(xù)結(jié)構(gòu)面識(shí)別時(shí)應(yīng)盡可能選取同一坡面內(nèi)的點(diǎn)云數(shù)據(jù)進(jìn)行分析。

3.4 邊坡巖體結(jié)構(gòu)面識(shí)別

通過對(duì)模型與方法的精度驗(yàn)證,反映出本研究得到的邊坡模型與結(jié)構(gòu)面識(shí)別方法可滿足研究區(qū)結(jié)構(gòu)面調(diào)查需求,考慮到該區(qū)邊坡風(fēng)化較為嚴(yán)重,選取上部臺(tái)階巖體較完整區(qū)域進(jìn)行了結(jié)構(gòu)面識(shí)別分析,結(jié)果如圖10 所示。采用上述結(jié)構(gòu)面識(shí)別方法,在研究區(qū)共識(shí)別出1 536 條結(jié)構(gòu)面(圖10(a))。通過對(duì)優(yōu)勢(shì)結(jié)構(gòu)組進(jìn)行編錄,結(jié)果表明,該區(qū)域輝長(zhǎng)巖主要發(fā)育3 組優(yōu)勢(shì)結(jié)構(gòu)面組:第1 組平均傾向?yàn)?23.16°±22.64°,平均傾角為45.89°±18.25°;第2 組平均傾向?yàn)?91.86°±25.24°,平均傾角為75.38°±23.19°;第3 組平均傾向?yàn)?43.30°±18.29°,平均傾角為66.68°±23.76°(圖10(b))。進(jìn)一步分析可知:研究區(qū)巖體結(jié)構(gòu)較為發(fā)育,在巖石風(fēng)化、地質(zhì)作用以及開采擾動(dòng)的多重因素影響下極易發(fā)生臺(tái)階的垮塌破壞,在工程支護(hù)中需要重點(diǎn)進(jìn)行加固和防范。

圖10 研究區(qū)結(jié)構(gòu)面識(shí)別與分組Fig.10 Identification and grouping of structural planes in the study area

4 結(jié)論

(1)利用無人機(jī)傾斜攝影測(cè)量以及無人機(jī)貼近攝影測(cè)量技術(shù),實(shí)現(xiàn)了基于無人機(jī)的露天礦巖質(zhì)邊坡由粗到細(xì)、由整體到局部的精確測(cè)量,獲取了精細(xì)的邊坡巖體結(jié)構(gòu)面點(diǎn)云數(shù)據(jù)模型。通過對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行體素濾波、特征提取等處理,利用區(qū)域生長(zhǎng)法進(jìn)行基于點(diǎn)云數(shù)據(jù)特征值的多平面分割,形成了一種基于點(diǎn)云數(shù)據(jù)的巖質(zhì)邊坡結(jié)構(gòu)面自動(dòng)識(shí)別與提取方法,通過該方法識(shí)別的平面產(chǎn)狀結(jié)果驗(yàn)證誤差均小于5°。

(2)根據(jù)所提出的巖質(zhì)邊坡點(diǎn)云數(shù)據(jù)結(jié)構(gòu)面快速識(shí)別方法,以攀枝花尖山礦區(qū)北部邊坡為例,利用無人機(jī)測(cè)量獲取了該區(qū)域的精細(xì)三維模型與點(diǎn)云數(shù)據(jù)。基于邊坡點(diǎn)云數(shù)據(jù)完成了邊坡巖體結(jié)構(gòu)面識(shí)別,獲取了優(yōu)勢(shì)結(jié)構(gòu)面的特征參數(shù),為礦山邊坡穩(wěn)定性分析提供了基礎(chǔ)數(shù)據(jù)。

(3)提出了一種通過無人機(jī)測(cè)量獲取邊坡點(diǎn)云數(shù)據(jù)、采用計(jì)算機(jī)算法在巖質(zhì)邊坡點(diǎn)云數(shù)據(jù)中自動(dòng)識(shí)別結(jié)構(gòu)面特征的研究思路,后期研究可以從提取結(jié)構(gòu)面算法的魯棒性與準(zhǔn)確性方面開展深入分析,通過機(jī)器學(xué)習(xí)對(duì)結(jié)構(gòu)面識(shí)別樣本進(jìn)行訓(xùn)練,解決算法對(duì)點(diǎn)云數(shù)據(jù)中的平面邊界比較敏感的難題,從而獲取更符合工程實(shí)際的結(jié)構(gòu)面數(shù)據(jù)。