本发明涉及岩体结构面识别领域，具体而言，涉及一种基于双重聚类的高陡斜坡岩体结构面智能识别方法。
背景技术：
1、岩体结构面测量是地质工程和岩土工程领域的一项重要工作，它对于斜坡稳定性分析等工程问题具有重要意义。传统结构面测量需要人工使用皮尺和罗盘等工具进行接触式测量，工作量大、效率低，且受环境影响较大。针对高陡斜坡工况，传统结构面测量方法还存在难以到达测量区域、难以实现大规模结构面信息整体获取等难点问题。
2、基于摄影测量与三维激光扫描等三维重建技术得到的岩体数字高程模型，近年来结构面智能识别技术得到快速发展，主要分为聚类法、区域生长法、神经网络法、深度学习法、规则引擎法等方法。其中，聚类法能够根据结构面的产状及分组、迹线、间距等特征进行结构面识别提取，但是对初始聚类中心的选择敏感，对于复杂或噪声多的数据集效果可能不佳。区域生长法能够提取以平面形态出露的结构面，但是对种子点的选择敏感，需要人工干预来确定合适的种子点。神经网络法所需参数量大、特征提取能力有限、识别结果易受数据影响。深度学习法需要大量的标注数据进行训练，对计算资源要求高，且模型的可解释性较低。规则引擎法需要专业知识来构建和维护规则引擎，对于复杂或不规则的结构面可能需要大量的人工干预。
3、因此，目前高陡斜坡岩体结构面识别领域亟需一种能够适用于复杂数据集、需要人工干预少、识别结果不易受数据影响的智能识别方法。
技术实现思路
1、本发明要解决的技术问题是，克服现有技术中的不足，提供一种高陡斜坡岩体结构面智能识别方法。
2、本发明的实施例通过以下技术方案和步骤实现：
3、(1)无人机高陡斜坡贴近摄影测量：选择合适的无人机和软件工具，收集地形地貌信息，并申请对应空域；规划无人机航线，确保航线覆盖测区；检查无人机状态并执行航拍，以多角度拍摄获取足量影像数据；
4、(2)高陡斜坡三维数字模型重建：导入无人机摄影照片至contextcapture软件，并依次进行空中三角测量、规定重建区域、三维模型重建，以获得高陡斜坡三维模型，并保存为obj文件格式；
5、(3)高陡斜坡模型三角面法向量计算：设三角面片上的三个顶点分别为a、b、c；计算两个从同一顶点出发的边向量，如向量ab和ac；使用叉乘运算计算两个边向量的法向量(n＝ab×ac)；将法向量n的长度归一化，以确保其长度为1(n＝n/|n|)；
6、(4)结构面聚类分组：设定高陡斜坡模型三角面的法向量最终分为k类，随机选择k个法向量作为初始聚类中心；对某个三角面的法向量，根据其与k个聚类中心的距离进行分类，将该三角面与距离最近的聚类中心归为一类；根据每个聚类中的法向量集合，重新计算每个聚类的中心；重复以上步骤，直到满足以下条件之一：所有顶点不再在k个聚类之间移动、迭代次数超过设定的上限、聚类结果符合要求；将同一类中的三角面设定为一组结构面；
7、(5)同组结构面聚类划分：针对同组结构面的三角面形心坐标，再次进行聚类分析；计算所有三角面形心之间的距离矩阵，并计算平均形心距离d；以三角面形心之间的距离作为判断指标，将形心距离小于平均形心距离d的三角面归为同一结构面；按照三角面面积加权平均重新计算结构面的形心；重复以上过程，直到所有三角面均已归于结构面；
8、(6)结构面倾角计算：将结构面包含的所有三角面的法向量进行平均，作为该结构面的法向量；由于contextcapture软件三维重构模型使用局部东北天坐标系，且倾角等于法向量与z轴的夹角，因此需要使用如下公式计算结构面倾角：
9、dip＝acos(abs(fn(z))/norm(fn))；
10、式中，dip是结构面倾角；acos()是反余弦函数；abs()是绝对值函数；fn为结构面的法向量；norm(fn)为结构面法向量的长度；
11、(7)结构面倾向计算：倾向是结构面法向量在水平面的投影与正北(y轴)方向的夹角，当结构面法向量的x值大于0时，结构面倾向可以按照下式计算：
12、dir＝acos(fn(y)/(norm([fn(x)fn(y)])))；
13、式中，dip是结构面倾向；acos()是反余弦函数；abs()是绝对值函数；fn为结构面的法向量；
14、当结构面法向量的x值小于0时，结构面倾向可以按照下式计算：
15、dir＝360-acos(fn(y)/(norm([fn(x)fn(y)])))；
16、此外，当结构面法向量的x值等于0并且法向量的y值小于0时，结构面倾向为180°；当结构面法向量的x值等于0并且法向量的y值大于0时，结构面倾向为0°；当结构面法向量的y值等于0并且法向量的x值小于0时，结构面倾向为90°；当结构面法向量的y值等于0并且法向量的x值大于0时，结构面倾向为270°；
17、(8)结构面走向计算：结构面走向是结构面倾向的垂直方向，结构面走向str＝dir+90°；如果计算得到的结构面走向大于360°，需要减去360°以确保走向不大于360°。
18、本发明中，所述无人机航线规划，如所用无人机为dji型号，可以在djipilot软件中，点击创建航线，或导入kml文件，生成测绘区域，并可以移动边界点更改测区范围。在软件中设置影像重叠率、相机角度、飞行高度等参数。一般默认设置即可，但可以根据实际需求调整。在航点飞行、建图航拍、倾斜摄影三种方式中选择合适方式进行航线规划。航点飞行方式在地图上设定一系列航点，自动生成航线，并为每个航点设置航点动作和参数。建图航拍方式选定目标区域自动生成航线，支持地图打点、kml文件导入、飞行器打点等方式添加边界点。倾斜摄影方式选定目标区域自动规划出正射航线和多组不同朝向的倾斜航线，以构建高精度实景三维模型。
19、本发明中，所述无人机影像数据的重叠率应达到一定标准。一般来说，航向重叠率应设置在70％-80％之间，旁向重叠率应设置在60％-80％之间，以确保影像数据的完整性和连续性。无人机在拍摄时应保持稳定的飞行姿态，避免因姿态变化导致影像畸变。影像的拍摄角度应合理，确保能够覆盖目标区域的所有细节。
20、发明原理描述：
21、本发明的核心原理在于通过无人机贴近摄影获取高陡斜坡的高精度影像数据，利用先进的三维重建和计算技术，构建高陡斜坡三维数字模型。基于高陡斜坡三维数字模型的三角面顶点信息，计算得到所有三角面的法向量，并对三角面法向量进行聚类分析，划分产状相似的结构面组。针对同组结构面，进一步根据三角面形心坐标进行聚类分析，划分得到结构面。对于单个结构面，将结构面包含的所有三角面的法向量进行平均，作为该结构面的法向量。根据结构面法向量即可计算得到结构面的倾角、倾向与走向数据。
22、与现有技术相比，本发明的有益效果是：
23、(1)斜坡模型精度高：本发明采用无人机高陡斜坡贴近摄影测量技术，能够获取高分辨率的地形地貌信息，显著提高了模型的精度和细节，这对于难以人工接近的高陡斜坡区域尤为重要。
24、(2)测量作业灵活安全：无人机能够在不安全或难以到达的区域进行数据采集，从而提高了作业的灵活性和安全性，降低了人工作业的风险。
25、(3)测量范围完整全面：通过精心规划无人机航线，确保测区的全面覆盖，能够实现无遗漏地获取数据，这一点在传统方法中难以实现。
26、(4)双重聚类分析：根据结构面法向量确定结构面分组，再根据形心位置划分结构面，考虑因素全面，聚类结果客观精确。
27、(5)倾角、倾向和走向的精确计算：本发明通过精确的数学模型计算结构面的倾角、倾向和走向，提供了结构面空间分布的准确描述，这对于地质结构的分析和工程应用具有重要意义。
28、(6)计算效率高：本发明采用的聚类分析方法具有较高的计算效率，相比于传统方法，能够快速得出结果，这对于工程应用中的时效性要求至关重要。
29、(7)成本低廉：无人机航空摄影测量技术降低了测绘作业的成本，提高了工作效率，与传统的航空摄影测量相比，所需的人力资源更少。