高陡边坡危岩体远程非接触智能识别和落石风险评估方法技术

本发明专利技术公开了高陡边坡危岩体远程非接触智能识别和落石风险评估方法，通过结构面的运动学分析，结合点云中各结构面的空间位置信息，采用自动算法的形式实现危岩体的智能识别。目的是通过非接触测量技术识别边坡中可能的危岩体并评估其发生失稳的可能性，降低人工勘察风险，并以智能化的形式提高危岩体识别的效率、客观性、准确性和全面性，同时根据落石风险等级和规模为采取合理的防治措施提供指导。险等级和规模为采取合理的防治措施提供指导。险等级和规模为采取合理的防治措施提供指导。

【技术实现步骤摘要】
高陡边坡危岩体远程非接触智能识别和落石风险评估方法


[0001]本专利技术属于边坡危岩体监测预警领域，具体涉及高陡边坡危岩体远程非接触智能识别和落石风险评估方法。

技术介绍

[0002]岩质边坡由结构体和结构面组成，其中具有失稳崩塌风险的危岩体易发生落石灾害，该灾害是山区地质灾害的主要类型之一。随着国家基础设施建设不断深入山区，诸多工程的安全建设也受制于危岩体。全面调查识别与超前防护是危岩体防治最有效的方法，但是传统地质调查手段很难实现对大范围危岩体展开全面详细调查，尤其是岩壁、高陡边坡、滑坡残留边坡、严重破碎的山体或者频繁发生落石的区域，地质人员更是难以接近。
[0003]无人机、三维激光扫描等远程非接触式测量技术为危岩体的调查和评估提供新的技术手段，其可以远程、快速、准确地获取边坡岩体的几乎所有几何特征，这样的结果通常以点云或者三维模型呈现。国内外大量研究表明，从非接触测量数据中可以提取边坡任意位置的详细地形坡度、结构面产状等信息(葛云峰，等.基于三维激光扫描技术的岩体结构面智能识别与信息提取[J].岩石力学与工程学报,2017(36),12:3050
‑
3061.)，作为危岩体稳定性判断提供依据。
[0004]目前对于点云数据或三维模型数据，一般只限于利用各种算法对岩体结构面进行自动或半自动识别，但结构面识别之后的相关应用，尤其是危岩体的监测识别以及落石风险评估涉及很少。

技术实现思路

[0005]本专利技术所为了解决
技术介绍
中存在的技术问题，目的在于提供了高陡边坡危岩体远程非接触智能识别和落石风险评估方法，通过非接触测量技术识别边坡中可能的危岩体并评估其发生失稳的可能性，降低人工勘察风险，并以智能化的形式提高危岩体识别的效率、客观性、准确性和全面性，同时根据其风险等级和规模为采用合理的防治措施提供指导。本方法通过结构面的运动学分析，结合点云中各结构面的空间位置信息，采用自动算法的形式实现危岩体的智能识别，并计算危岩体的破坏形式和落石风险等级可以为防治措施提供指导。
[0006]为了解决技术问题，本专利技术的技术方案是：
[0007]高陡边坡危岩体远程非接触智能识别和落石风险评估方法，所述方法包括：
[0008]获取边坡空间三维模型中的结构面数据；
[0009]基于所述结构面数据对结构面分组与排序处理，得到结构面的排序结果和结构面的分类结果；
[0010]基于所述结构面数据计算结构面平均迹长，确定结构面影响范围；
[0011]根据上述结构面的排序结果、结构面的分类结果及结构面影响范围，采用运动学识别潜在的危岩体，得到危岩体分析结果；
[0012]根据危岩体分析结果，采用运动学分析计算潜在的危岩体的风险等级，得到落石风险等级信息。
[0013]进一步，利用非接触测量技术测量边坡数据，经数据预处理后转换为边坡空间三维模型。
[0014]进一步，所述边坡空间三维模型中的结构面数据，包括危岩体智能识别需要结构面的具体空间位置和大小信息、产状信息和迹长地质信息。
[0015]进一步，所述对结构面分组与排序处理，具体包括：
[0016]根据所述产状信息计算结构面的外法向量n(x，y，z)；
[0017][0018]其中，产状的倾向为φ，倾角为θ；
[0019]根据所述结构面位置信息计算结构面中心nc(x0，y0，z0)；
[0020]按D值大小对结构面排序；
[0021]D＝
‑
n
·
nc＝
‑
(xx0+yy0+zz0)；
[0022]按结构面产状不同，采用聚类分析方法将结构面分为j组优势结构面和随机结构面。
[0023]进一步，所述结构面影响范围R：
[0024]k为该组结构面数量，为L迹长。
[0025]进一步，所述采用运动学识别潜在的危岩体，具体包括：
[0026]寻找受结构面nc影响的结构面nc*，其判断条件为：
[0027][0028]判断是否发生平面失稳破坏，若nc*满足：
[0029]位于nc平面上部，即D＞D*＝
‑
n
·
nc*＝
‑
(xx
0*
+yy
0*
+zz
0*
)，
[0030]属于正常坡面，即z*＞0，且：
[0031]θ0为岩体摩擦角；
[0032]或属于悬垂坡面，即z*＜0，且
[0033]则该结构面nc*与nc组合的块体，可能发生平面失稳破坏；
[0034]iii判断是否发生倾倒失稳破坏，若nc*满足：
[0035]位于nc平面上部，即D＞D*＝
‑
n
·
nc*＝
‑
(xx0
*
+yy
0*
+zz
0*
)；
[0036]属于正常坡面，即z*＞0，且：
[0037]θ0为岩体摩擦角；
[0038]或属于悬垂坡面，即z*＜0，且
[0039]则该结构面nc*与nc组合的块体，可能发生倾倒失稳破坏；
[0040]判断是否发生楔形体失稳破坏，若多个结构面nc*满足：
[0041]位于nc平面下部，即D＜D*＝
‑
n
·
nc*＝
‑
(xx
0*
+yy
0*
+zz
0*
)；
[0042]其中任意两两结构面i，j交线的法向量nc
ij
为：
[0043][0044]对应的倾向φ
ij
和倾角θ
ij
为：
[0045][0046]若nc
ij
属于正常交线，即z
ij
＞0，且：
[0047]θ0为岩体摩擦角；
[0048]或属于悬垂交线，即z
ij
＜0，且
[0049]则该结构面nc*
i
，nc*
j
与nc组合的块体，可能发生其楔形体失稳破坏。
[0050]进一步，采用运动学分析计算潜在的危岩体的落石风险等级，具体包括：
[0051]结构面nc*与nc组合的块体，可能发生平面失稳破坏的风险系数pf计算为：
[0052][0053]结构面nc*与nc组合的块体，可能发生倾倒失稳破坏的风险系数tf计算为：
[0054][0055]结构面nc*
i
、nc*
j
与nc组合的块体，可能发生楔形体失稳破坏的风险系数wf计算为：
[0056][0057]结构面总的失稳风险f为：
[0058]f＝1
‑
(1
‑
pf)(1
‑
tf)(1
‑
wf)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.高陡边坡危岩体远程非接触智能识别和落石风险评估方法，其特征在于，所述方法包括：获取边坡空间三维模型中的结构面数据；基于所述结构面数据对结构面分组与排序处理，得到结构面的排序结果和结构面的分类结果；基于所述结构面数据计算结构面平均迹长，确定结构面影响范围；根据上述结构面的排序结果、结构面的分类结果及结构面影响范围，采用运动学识别潜在的危岩体，得到危岩体分析结果；根据危岩体分析结果，采用运动学分析计算潜在的危岩体的风险等级，得到危岩体的风险等级信息。2.根据权利要求1所述的高陡边坡危岩体远程非接触智能识别和落石风险评估方法，其特征在于，利用非接触测量技术测量边坡数据，经数据预处理后转换为边坡空间三维模型。3.根据权利要求1所述的高陡边坡危岩体远程非接触智能识别和落石风险评估方法，其特征在于，所述边坡空间三维模型中的结构面数据，包括危岩体智能识别需要结构面的具体空间位置和大小信息、产状信息和迹长地质信息。4.根据权利要求3所述的高陡边坡危岩体远程非接触智能识别和落石风险评估方法，其特征在于，所述对结构面分组与排序处理，具体包括：根据所述产状信息计算结构面的外法向量n(x，y，z)；其中，产状的倾向为φ，倾角为θ；根据所述结构面位置信息计算结构面中心nc(x0，y0，z0)；按D值大小对结构面排序；D＝
‑
n
·
nc＝
‑
(xx0+yy0+zz0)；按结构面产状不同，采用聚类分析方法将结构面分为j组优势结构面和随机结构面。5.根据权利要求4所述的高陡边坡危岩体远程非接触智能识别和落石风险评估方法，其特征在于，所述结构面影响范围R：k为该组结构面数量，为L迹长。6.根据权利要求5所述的高陡边坡危岩体远程非接触智能识别和落石风险评估方法，其特征在于，所述采用运动学分析识别潜在的危岩体，具体包括：寻找受结构面nc影响的结构面nc*，其判断条件为：判断是否发生平面失稳破坏，若nc*满足：位于nc平面上部，即D＞D*＝
‑
n
·
nc*＝
‑
(xx
0*
+yy
0*
+zz
0*
)，属于正常坡面，即z*＞0，且：
θ0为岩体摩擦角；或属于悬垂坡面，即z*＜0，且则该结构面nc*与nc组合的块体，...

【专利技术属性】
技术研发人员：周家文，陈俊霖，李海波，杨兴国，蒋楠，戚顺超，
申请(专利权)人：四川大学，
类型：发明
国别省市：