科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着人工智能的不断发展，基于智能算法的快速、无损化隧道开挖面岩体特征识别方法，为在建或在役隧道的地质灾害事故下的开挖面结构面调查提供了新思路。本文在开挖面三维图像的基础上，提出了三维SLIC超像素分割改进算法，将三维Mesh图像的基本元素——三角面（Triangle）按照颜色、空间坐标、法向量等指标进行聚类分组，获取开挖面三维超像素；提出了基于角度差异性的结构面提取算法，对超像素进行逐一筛选，获取开挖面节理裂隙识别结果；提出了基于无监督聚类学习的多级聚类围岩结构特征融合算法，将围岩节理裂隙识别结果进行聚类，获取开挖面的优势结构面组和大型跨里程结构面组。结合浙江虎溪台隧道的21组开挖面三维图像数据对本文所提出算法进行了验证。结果表明，本文所提出算法的识别结果与地勘资料中两个主要结构面方向，倾向误差不超过14.8°，倾角误差不超过17.8°，验证了本文所提出算法能较为准确的反映隧道围岩的结构面信息。本文方法为隧道开挖面的结构面三维信息识别与评估提供了一种新的思路与方法。
-
单位中南大学; 土木工程学院
