[发明专利]一种基于深度学习的岩质高陡边坡结构面提取方法有效
申请号: | 202310548752.0 | 申请日: | 2023-05-16 |
公开(公告)号: | CN116258972B | 公开(公告)日: | 2023-08-01 |
发明(设计)人: | 郑琅;马国超;梁瑞锋;马松;李力生;贾虎军;徐陈;罗玉婷;胡光中;张婧;唐琴;尹恒;唐尧;王蕾;薛丁菡;汤欣雨;李念柯 | 申请(专利权)人: | 四川安信科创科技有限公司;四川省安全科学技术研究院 |
主分类号: | G06V20/10 | 分类号: | G06V20/10;G06V10/82;G06N3/08;G06N3/0464 |
代理公司: | 西安正华恒远知识产权代理事务所(普通合伙) 61271 | 代理人: | 陈选中 |
地址: | 610000 四川省成都市*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 深度 学习 岩质高陡边坡 结构 提取 方法 | ||
1.一种基于深度学习的岩质高陡边坡结构面提取方法,其特征在于,包括以下步骤:
S1、采集岩质高陡边坡结构面的三维点云数据,并对该三维点云数据进行预处理;
S2、采用Knnsearch函数对三维点云数据进行最临近点搜索,得到初始最近临近点集合;
S3、对初始最近临近点集合进行共面测试,得到最近临近点集合;
S4、对最近临近点集合进行平面拟合,得到平面拟合图像,并计算拟合后平面的法向量;
S5、将平面拟合图像作为训练集样本;
S6、基于Softmax函数构建VGGNet模型;
S7、采用VGGNet模型对训练集样本进行训练,得到岩质高陡边坡结构面分布和岩质高陡边坡结构面产状;
岩质高陡边坡结构面分布,包括:
采用VGGNet模型对训练集样本进行训练,根据VGGNet模型训练结果,将样本正确类别1的值,通过标签定位到三维点云数据,得到岩质高陡边坡结构面分布;
岩质高陡边坡结构面产状,包括:
根据提取的岩质高陡边坡结构面分布,计算岩质高陡边坡结构面的倾角θ和倾向A:
其中,A0为倾向计算过程值;
当α0,β0 时,A=A0;
当α0,β0 或α0,β0 时,A=A0+π;
当α0,β0 时,A=A0+2π;
当α=0,β0 时,A=90°;
当 α=0,β0 时,A=270°。
2.根据权利要求1所述的基于深度学习的岩质高陡边坡结构面提取方法,其特征在于,所述步骤S2具体包括:
采用Knnsearch函数计算原始点
3.根据权利要求2所述的基于深度学习的岩质高陡边坡结构面提取方法,其特征在于,所述步骤S3具体包括:
采用主成分分析法对初始最近临近点集合进行共面测试,并计算变化比例
其中,
计算初始最近临近点集中点云的偏差参数
剔除偏差参数
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于四川安信科创科技有限公司;四川省安全科学技术研究院,未经四川安信科创科技有限公司;四川省安全科学技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310548752.0/1.html,转载请声明来源钻瓜专利网。