基于无人机贴近摄影的高陡边坡结构面识别

来源 :湖南大学学报(自然科学版) | 被引量 : 0次 | 上传用户:songfeng816
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
岩体结构面的产状和位置信息是分析高陡边坡稳定性及确定支护形式的重要依据.为解决传统接触式勘测手段存在的风险高、效率低等问题,提出了基于无人机贴近摄影和聚类算法的高陡边坡结构面自动识别方法.首先采用M210-RTK无人机获取高分辨率数字图像,并利用运动恢复结构算法(Structure From Motion,SFM)生成细节丰富的高陡边坡三维模型和三维点云;再通过K近邻算法(K-Nearest Neighbor,Knn)及PCA主成分分析法,筛选出共面点云集合并确定了结构面的边界范围;最后采用最小二乘法拟合出共面点云的最佳平面方程,以平面方程的法向量方向确定结构面的产状参数.验证实验表明:基于无人机贴近摄影所建立的三维模型精度优于2 cm,倾向和倾角的误差分别小于3°和2°.本方法应用于长沙丁字镇某高陡边坡的结构面识别,成功识别出其优势结构面,并就其对边坡稳定性的影响进行了分析,可为边坡评价和治理提供重要依据.
其他文献
为识别多车工况下车辆过桥时的车辆重量,采用卷积神经网络技术开发出可用于多车轴重识别的桥梁动态称重(BWIM)算法.首先,利用车桥耦合系统采集不同车辆过桥时梁底的应变信号;之后,基于深度学习开源框架KERAS搭建了包含9层卷积层、2层全连接层的卷积神经网络(CNN)模型,利用Adam优化器训练CNN模型以拟合所获得的应变信号与车辆轴重在不同工况下的变化规律,并最小化拟合误差;最后,对所开发的算法在单车和多车加载工况下的轴重识别精度进行了对比分析.结果 表明:所提出的算法在单车和多车工况下的轴重识别误差均值基
为研究在荷载-硫酸盐共同作用下聚丙烯纤维混凝土柱的偏心受压性能,对8个聚丙烯纤维混凝土柱和1个普通混凝土对照柱进行了偏心受压静力试验,获取了荷载-变形曲线、荷载-钢筋应变曲线以及截面应变,分析了应力比和腐蚀时间对试件破坏形态、延性以及峰值荷载等的影响.结果 表明:聚丙烯纤维的加入,可有效抑制硫酸盐的侵蚀作用;峰值荷载随应力比的增加呈先提高后降低趋势,随腐蚀时间增加亦呈先提高后降低趋势,150 d时承载力较120 d降低了15.83%;位移延性系数随应力比的增加而减小,随腐蚀时间增加呈先增加后降低趋势,15
为解决在中砂资源匮乏地区配制自密实砂浆时原材料短缺的问题,同时提高特细砂的资源利用率,使用特细砂替代中砂配制自密实砂浆,并研究了不同替代率(0~50%)对自密实砂浆流变性能的影响.结果 表明:特细砂替代率对自密实砂浆流变性能的影响存在临界点,这是由于特细砂高的吸水率会使砂浆基体中自由水的含量降低,进而导致自密实砂浆的流变性能变差.然而,特细砂的颗粒效应会改善自密实砂浆的级配,使更多的自由水在拌和时被释放,改善砂浆的流变性能.随着特细砂替代率增大,砂浆的黏度和屈服应力也随之增大;当特细砂替代率大于30%后,