【技术实现步骤摘要】
本专利技术属于三维模拟，具体涉及一种融合人工智能与激光扫描的岩体结构面网络模拟方法。
技术介绍
1、岩土工程中遇到的岩体,通常由结构面和岩块组成。结构面是指岩体中存在的各种不连续面，如节理、层面、断层、劈理等。这些结构面的发育状况，包括结构面的类型、产状、规模、密度、连通性等特征，对于确定岩体的物理力学性质具有重要意义。
2、在常规的岩土工程地质勘探中，通常采用野外调查、钻探、物探等手段，对岩体进行描述和测量。这些方法主要针对规模较大、延伸较长的结构面，如区域性断层、较大规模的软弱夹层等。通过测量这些主要结构面的产状、规模、充填情况等参数，结合室内试验和经验判断，可以大致评估岩体的完整性、各向异性等特征。
3、然而，岩体中还普遍发育着大量规模较小、延伸有限、分布随机的次级结构面。这些结构面虽然规模不大，但数量众多，密度较高，对岩体的整体力学性质也有重要影响。特别是在一些高应力、强风化、多期次构造叠加的岩体中，小型结构面的发育往往更加复杂，对工程稳定性的影响更为显著。
4、传统的地质勘探技术手段，受限于调查范围、分辨率、成本等因素,难以对这些小型结构面进行系统的探测和分析。钻孔调查受限于孔径和孔距，难以全面反映结构面的空间展布；物探方法分辨率有限，难以识别出细小的结构面；野外调查则局限于岩体的露头部分，难以了解地下情况。
5、因此，在常规勘探的基础上，岩体结构面网络的精细刻画与建模，成为了岩土工程领域的一个技术难点和热点问题。传统方法难以准确获取结构面网络的空间分布、连通性等关键参数
6、而这些技术缺陷，制约了岩体开挖、支护等设计和施工方案的科学性和可靠性。在缺乏结构面精细刻画的情况下，工程设计往往倾向于采用保守的参数，而实际施工过程中又可能遇到难以预料的岩体结构问题，导致设计变更、工期延误、成本增加等后果。
技术实现思路
1、本专利技术的目的是针对现有技术存在的上述问题，提供一种融合人工智能与激光扫描的岩体结构面网络模拟方法，大幅提高岩体结构面刻画的精度、全面性和真实性，并能够定量评估结构面网络的空间分布特征，为岩体开挖、支护等工程设计与施工提供更加可靠的地质依据。
2、为实现以上目的，本专利技术的技术方案如下：
3、第一方面，本专利技术提供了一种融合人工智能与激光扫描的岩体结构面网络模拟方法，包括：
4、步骤s1、利用三维激光扫描仪和无人机对岩体开挖面进行点云获取与融合，得到点云数据；
5、步骤s2、采用聚类算法对点云数据进行聚类，对聚类簇进行分析，得到原始结构面，并确定原始结构面的空间范围，计算每个原始结构面的法向量，根据法向量得到原始结构面的产状参数；
6、步骤s3、根据岩体类型和结构分区，对原始结构面进行统计分析，根据分析结果选择典型结构面，将典型结构面作为其对应结构分区的代表结构面，根据代表结构面的产状参数，拟合得到代表结构面的概率密度函数；
7、步骤s4、根据代表结构面的发育体积密度，将代表结构面的概率密度函数转化为代表结构面的体积密度函数，根据代表结构面的体积密度函数，利用蒙特卡洛模拟方法生成随机结构面；
8、步骤s5、构建岩体构筑物的bim模型，基于bim模型和随机结构面对岩体结构面网络进行三维空间模拟，得到模拟结果。
9、在上述方案的基础上，优选的，步骤s1包括：
10、步骤s11、在岩体开挖面周围布设控制点，利用全站仪测量控制点的三维坐标，形成控制点数据；
11、步骤s12、选择扫描站点，使用三维激光扫描仪在扫描站点对岩体开挖面进行扫描，得到激光扫描数据，其中，激光扫描数据覆盖岩体开挖面的所有区域；
12、步骤s13、设计飞行路线，在无人机上搭载高分辨率相机，沿飞行路线对岩体开挖面进行拍摄，得到无人机影像数据，并获取无人机的gps轨迹数据；
13、步骤s14、对激光扫描数据和无人机影像数据进行预处理，剔除异常数据和不良影像，得到预处理后的激光扫描数据和无人机影像数据；
14、步骤s15、利用控制点数据，将不同扫描站点的激光扫描数据进行拼接和配准，得到激光点云；
15、步骤s16、根据无人机的gps轨迹数据对无人机影像数据进行处理，生成影像点云；
16、步骤s17、利用控制点数据，对激光点云和影像点云同时进行融合和补全，得到完整的点云数据。
17、在上述方案的基础上，优选的，步骤s17包括：
18、步骤s171、通过控制点的三维坐标，计算激光点云和影像点云之间的初始坐标转换关系，所述初始坐标转换关系包括初始平移向量和初始旋转矩阵；根据初始坐标转换关系建立激光点云和影像点云的共同坐标系，对激光点云和影像点云完成粗配准；其中，初始坐标转换关系的表达式为：
19、
20、上式中，[x y z 1]是激光点云中的点的齐次坐标；[x′ y′ z′ 1]是变换后的影像点云中的点的齐次坐标；t＝(tx，ty，tz)是3×1的初始平移向量，表示两个坐标系之间的相对平移关系；r是初始旋转矩阵r中的元素，初始旋转矩阵r表示两个坐标系之间的相对旋转关系；
21、步骤s172、利用icp算法对激光点云和影像点云之间的坐标转换关系进行寻优，找到最佳的坐标转换关系，对激光点云和影像点云完成精确配准；其中，icp算法的优化目标为：
22、
23、上式中，pn是激光点云中的第n个点，n为激光点云中的点数量；qm为影像点云中与pn最近的点，m为影像点云的数量；
24、步骤s173、采用融合补全算法对配准后的激光点云和影像点云进行融合补全，生成完整的点云数据。
25、在上述方案的基础上，优选的，融合补全算法包括：
26、步骤一、将配准后的激光点云和影像点云进行初始融合，生成初始的融合点云pfused；
27、步骤二、在融合点云中检测缺失区域；
28、步骤三、选择缺失区域点云中的一个点pmissing；
29、步骤四、在融合点云pfused中搜索距离点pmissing最近且小于dmax的b个点，记为候选融合点集其中，dmax为最大搜索距离；
30、步骤五、计算点pmissing与每个候选融合点之间的距离权重wb：
31、
32、上式中，σ为控制权重衰减速度的参数；
33、步骤六、计算点pmissing的补全点pcompleted：
34、
35、上式中，wcompleted为补全点的权重，根据补全点的局部密度计算得到；
36、步骤七、对补全点pcompleted进行平滑处理：
37、p′completed＝pcompleted+α×laplacian(pcompleted，pfused)；<本文档来自技高网...
【技术保护点】
1.一种融合人工智能与激光扫描的岩体结构面网络模拟方法，其特征在于：
2.如权利要求1所述的一种融合人工智能与激光扫描的岩体结构面网络模拟方法，其特征在于：
3.如权利要求2所述的一种融合人工智能与激光扫描的岩体结构面网络模拟方法，其特征在于：
4.如权利要求3所述的一种融合人工智能与激光扫描的岩体结构面网络模拟方法，其特征在于：
5.如权利要求1所述的一种融合人工智能与激光扫描的岩体结构面网络模拟方法，其特征在于：
6.如权利要求5所述的一种融合人工智能与激光扫描的岩体结构面网络模拟方法，其特征在于：
7.如权利要求6所述的一种融合人工智能与激光扫描的岩体结构面网络模拟方法，其特征在于：
8.如权利要求1所述的一种融合人工智能与激光扫描的岩体结构面网络模拟方法，其特征在于：
9.如权利要求1所述的一种融合人工智能与激光扫描的岩体结构面网络模拟方法，其特征在于：
10.如权利要求1所述的一种融合人工智能与激光扫描的岩体结构面网络模拟方法，其特征在于：
【技术特征摘要】
1.一种融合人工智能与激光扫描的岩体结构面网络模拟方法，其特征在于：
2.如权利要求1所述的一种融合人工智能与激光扫描的岩体结构面网络模拟方法，其特征在于：
3.如权利要求2所述的一种融合人工智能与激光扫描的岩体结构面网络模拟方法，其特征在于：
4.如权利要求3所述的一种融合人工智能与激光扫描的岩体结构面网络模拟方法，其特征在于：
5.如权利要求1所述的一种融合人工智能与激光扫描的岩体结构面网络模拟方法，其特征在于：
6....
【专利技术属性】
技术研发人员：赵宇飞，姜龙，曹瑞琅，陈曦，肖浩汉，段庆伟，赵红生，唐波，姜岚，江巍，王彦兵，王震洲，邵非凡，夏方舟，杭翠翠，徐秋实，
申请(专利权)人：中国水利水电科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。