基于无人机近距摄影测量与自适应滤波的露天矿岩质节理高精度识别方法研究

《Scientific Reports》：UAV close-range photogrammetry combined with adaptive octree-based point cloud filtering for rock joint extraction of open-pit mine slopes

　　

摘要

在露天矿坡上进行的人工关节测量不仅风险高且效率低，而传统的遥感和激光扫描方法的成本高昂，并且在细小裂缝的检测方面也存在局限性。为了实现低成本、高精度、非接触式的结构平面解析，本研究以十头煤业1号露天矿的南部坡面为研究对象，提出了一种结合了无人机（UAV）近距摄影测量技术和基于八叉树的自适应统计异常值去除（SOR）滤波器的综合识别方法，该滤波器使用了双层局部敏感哈希（2 L-LSH）算法。来自配备实时动态定位（RTK）系统的无人机的高重叠度近距图像被重建为厘米级别的密集点云。基于八叉树的多尺度密度驱动自适应滤波器结合2 L-LSH算法加速了近邻搜索过程，有效解决了由于点云密度不均匀导致的噪声与裂缝保留之间的权衡问题，并提高了计算效率。研究对比了四种聚类算法：不连续集提取器（DSE）、K-means、区域生长法和模糊C均值（FCM），并优化了FCM算法，使其能够半自动地提取五种具有方向、长度和间距特性的主要关节集合。与传统SOR滤波器相比，所提出的方法计算速度提高了188倍，综合滤波性能提升了126%。优化后的FCM算法的平均方向偏差为3.2°，误分类率仅为3.3%。这一工作流程能够安全高效地获取岩石质量关节的几何参数，这一点在十头煤业1号露天矿的案例中得到了验证。