Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску
Постепенная стадия кластеризации данных облака точек в наборы плоскостей.

Измерение геологического строения с помощью технологии LiDAR - это метод дистанционного зондирования, применяемый в структурной геологии. Это позволяет отслеживать и характеризовать горные породы. [1] Обычно этот метод используется для получения структурных и деформационных данных с высоким разрешением для определения риска геологических опасностей, таких как оценка рисков камнепадов или изучение признаков деформации перед землетрясением.

Геологические структуры являются результатом тектонических деформаций, которые определяют характер распространения рельефа. Эти структуры включают складки, плоскости разломов, размер, устойчивость, пространственные вариации и количество неоднородностей породы в конкретном регионе. [1] Эти особенности неоднородности существенно влияют на устойчивость откоса , вызывая разрушение откоса или разделение горной массы на неповрежденные горные блоки ( камнепад ). [2] Некоторые смещенные блоки по разломам - признаки землетрясений.

Обычно инженеры-геотехники проводят исследования разрывов горных пород вручную. При проведении пост-геологических исследований опасностей, таких как камнепад, области источников камнепада являются опасными и труднодоступными, что серьезно затрудняет возможность проведения подробных структурных измерений и объемных расчетов, необходимых для оценки опасности . [3] Используя LiDAR, геологические структуры можно оценивать удаленно, что позволяет проводить трехмерное исследование склонов с виртуальными выходами на поверхность.

Технология LiDAR (обнаружение света и определение дальности) - это метод дистанционного зондирования , позволяющий получать точную трехмерную информацию и расстояние. [4] Лазерный приемник вычисляет расстояние по времени прохождения между излучением и приемом лазерных импульсов. [4] LiDAR производит топографические карты , и это полезно для оценки окружающей среды .

Полезные ссылки
LiDAR
Удар и падение
Связанные дисциплины
Портал

Важность измерения геологических структур с помощью LiDAR [ править ]

Ударьте и окунитесь в самолет. 1) Удар, 2) Направление падения, 3) Видимое падение, 4) Угол падения. Направления падения и падения плоскости могут быть нанесены на стереосеть с использованием метода визуализации линий и плоскости .

Геологические структуры несут ответственность за обеспечение отличных физических свойств горных пород. Прерывистые свойства и тектонические силы плит могут изменять массивы горных пород и их геометрию. Эти структуры содержат стыки , трещины , плоскости напластования , зоны сдвига , механические разрывы или любые другие особенности, начиная от микроскопических (<1 см, развитие слоистости в результате метаморфизма [5] ) до макроскопических масштабов (> 100 м, срединно-океанические хребты ). [6]

Геологические структуры обычно имеют вытянутую форму, их ориентация часто описывается как «простирание». Если горная порода сильно наклонена, принимая во внимание ее удельное сопротивление на склоне, она может иметь высокий потенциал вызвать камнепады. [7] Использование LiDAR в структурном анализе позволяет измерять особенности рельефа от единичного масштаба обнажения до наземного масштаба. Некоторые измерения геологических структур и их важность перечислены ниже:

Измерение ориентации скальной плоскости и оценка риска камнепадов [ править ]

Ориентация каменной плоскости - это естественный наклон плоскости скалы. [8] Некоторые примеры плоскостей горных пород - плоскости напластования, плоскости разломов. Ориентация плоскостей измеряется по направлению падения и направления падения с помощью клинометра и компаса, где падение представляет собой максимальный наклон плоскости к горизонтали, направление падения - это направление линии пересечения между горизонтальной и наклонной плоскостями. [9] stereonet может визуализировать распределение погружные и погружные направлений для анализа кинематики склона. [9]

Кинематика представляет движение горных тел без внешних сил, которые заставляют их двигаться. Анализ кинематики концентрируется на возможности сбоев поступательного движения из-за скольжения плоскостей. [9]

Измерение поведения разломов и прогнозы землетрясений [ править ]

Поведение разломов можно использовать для измерения скорости переноса наносов и прогнозирования землетрясений . Землетрясение может способствовать образованию разломов обрезков . Одна сторона блока будет относительно подброшена вверх, вызывая вертикальные смещения. Следовательно, учитывая параметры обломков разломов, геологи-геологи могут оценить их возраст и вычислить время, необходимое для их образования. [10]

Землетрясения инициируются медленными оползнями . Скольжения - это смещенные блоки по двум сторонам разлома. Однако сейсмометры не обнаруживают эти смещения (максимум 5 мм / день). [11] Когда скользящие блоки достигают критической скорости разрыва, разломы постепенно перерастают в окончательный размер землетрясения за счет линейного ускорения вдоль плоскостей разломов . [11] Критическое смещение разломов пропорционально начальным скоростям разрыва. [12]

После сбора данных LiDAR о формах рельефа до и после землетрясения путем построения трехмерных цифровых моделей местности можно получить смещение и деформации. [13] Таким образом, ученые могут предсказать окончательный масштаб землетрясений в будущем, определив характеристики разломов и оползней, а также размер областей, а также возможны краткосрочные прогнозы землетрясений . [14]

Поверхностные процессы и геологическое картирование [ править ]

При проведении геологического картирования часто используются интерпретации с помощью аэрофотоснимков и спутниковых изображений , но лесная растительность остается основной проблемой для картирования. Например, характеристика физических особенностей рельефа на хребтах и долинах в какой-то степени сложна, многие из этих особенностей покрыты лесом. Затем создаются топографические карты путем ручного получения данных. [15]

LiDAR предоставляет систему полной формы волны, она позволяет лазерному импульсу проникать через навесы и растительность. [15] Эта система позволяет получать геологические данные с открытой поверхности. Webster et al. обнаружили новые кратеры в Северной Канаде, используя данные LiDAR и цифровые модели местности. Цифровая модель местности должна быть построена для измерения структурных параметров (углов наклона, глубины реки врез). [16] Благодаря точному картированию литологии коренных пород и поверхности, выполненному LiDAR, геологи-геологи могут реконструировать вовлеченные поверхностные процессы.

Традиционные структурные измерения [ править ]

Традиционную структурную ориентацию можно оценить только вручную на доступном обнаженном массиве горных пород. Обычно инженеры-геологи изучали трещины в горных породах только в ограниченном количестве за раз. Эти разрывы могут не представлять все обнажение. [3] Таким образом, традиционное измерение ориентации плоскости горной породы может содержать смещение.

Геотехнические исследования также исследуют другие геомеханические параметры, такие как стойкость, размер блока и расстояние между скальными швами. [8]

Технология LiDAR [ править ]

На гифке показан принцип сканирования LiDAR. Световые импульсы излучаются и принимаются от приемника, он записывает расстояние, интенсивность света и геоинформацию до интересующего объекта.

LiDAR (Light Detection and Ranging) - это быстрый процесс съемки, который излучает и получает лазерные плюсы для получения трехмерной информации. [3] Освещая интересующий объект огнями с различной длиной волны, LiDAR можно использовать для создания точных топографических карт с приложениями в геологии, геоморфологии, геодезии и других приложениях. [3] Топографические карты возможны благодаря инерциальному измерительному блоку и глобальной системе позиционирования . [3] Кроме того, это технология, которая позволяет проводить исследования на крутых склонах и скалах . [4]

Точно измеренные данные необходимы для географической привязки данных LiDAR, например, для определения местоположения данных в локальной или глобальной системе координат. Таким образом, полученный LiDAR можно наложить на ранее собранные аэрофотоснимки, чтобы наблюдать за изменениями топографии с течением времени. [17]

Принцип LiDAR [ править ]

Система LiDAR излучает импульсные и непрерывные лазеры для сбора трехмерной информации. Лазерный сканер - это основной компонент LiDAR. Лазеры с длиной волны 550-600 нм используются в наземных системах (портативное лазерное сканирование и наземное лазерное сканирование), тогда как бортовые системы используют лазеры с длиной волны 1000-1600 нм. [18]

Laser вычисляет достижимую дальность по следующей формуле: [18]

  • R представляет собой диапазон в метрах
  • c представляет скорость света в м / с
  • t - время прохождения лазерного генератора импульсов в секундах

LiDAR получает информацию дискретным и полным сигналом. Полная форма волны (множественный возврат) часто используется для анализа леса с помощью бортового LiDAR, в то время как дискретный возврат (одиночный возврат) используется методом наземного лазерного сканирования . [18] Лазер отражается всякий раз, когда достигает любой поверхности. Возврат полной формы волны может проникать вниз в навес и возвращать информацию о растительности на разной высоте. [18] Дискретный возврат может возвращать только поверхностные материалы. [18] Таким образом, бортовой LiDAR часто используется для исследований в лесном хозяйстве.

Представление данных и формат данных [ править ]

Данные LiDAR в основном хранятся в формате облака точек ( .las ). В захваченных данных облака точек хранятся геометрические данные X, YZ. Каждая точка данных получается из одного лазерного сканирования и представляет собой локальную пространственную систему координат с географической привязкой. [19] Он может отображать реалистичные и трехмерные скалы в удаленной и недоступной естественной местности . [20]

Данные LiDAR имеют следующие параметры:

  • Каждая точка данных содержит координаты ( координаты X, Y, Z в местной системе отсчета) [21]
  • Каждая точка имеет соответствующую цветовую информацию ( формат R, G, B ) [21]
  • Интенсивность отражения от поверхности [19] [21]
  • Возможное автоматическое наложение фотографий на облака точек (захваченных в процессе сканирования) [19]
  • Любые другие гиперспектральные данные [21]

Эти данные помогают анализировать особенности горных пород, они включают записанную геометрическую или радиометрическую информацию о естественных, выкопанных или взорванных склонах горных пород.

Ранее данные ЛИДАР в форме американского стандартного кода для формата обмена информацией (ASCII) , [17] , которая имеет несколько проблем:

1) Низкая скорость чтения и интерпретации файлов ASCII [17]

2) Потеря полезной информации при обработке данных [17]

3) ASCII нестандартный [17]

После 2003 года , Американское общество фотограмметрии и дистанционного зондирования (ASPRS) унифицировал данные Лидарные в последовательном двоичном лазера (. Лас - файл) , содержащий LiDAR или других записей данных облаков точек. [17]

Географическая привязка [ править ]

Географическая привязка означает, что координаты на аэрофотоснимке / цифровой модели местности могут быть привязаны к глобальной / региональной географической системе. Таким образом, пользователи могут определять и размещать каждую точку собранных данных на поверхности Земли. [17] Типичная глобальная система определения местоположения использует данные Мировой геодезической системы 1984 года (WGS84) и сохраняет данные с географической привязкой в формате GeoTIFF / GeoPDF . [22] Кроме того, пользователям может потребоваться ортометрическая высота (высота над уровнем моря или модель геоида ) в различных сценариях. Например, анализ изменения уровня моря погидрологические данные. [17]

Географическая привязка может быть выполнена путем добавления контрольных точек в основании склона. [8] Путем смещения данных облака точек на известные правильные координаты по крайней мере с 3 точками, данные облака точек могут быть перемещены в точную систему координат. [23] Эта информация полезна для расчета расстояний, объема и площадей.

Типы LiDAR [ править ]

Данные LiDAR можно собирать на наземных, бортовых и мобильных платформах. Например, бортовое сканирование LiDAR (ALS), беспилотные летательные аппараты (UAV), наземное лазерное сканирование (TLS) и портативное лазерное сканирование (HLS). В таблицах ниже сравниваются упомянутые платформы сбора данных:

1) Методы сбора данных

2) Техника геопривязки (как получить точную координату точки)

3) Преимущества и недостатки

Примеры изображений различных методов сбора данных
Бортовое сканирование LiDAR (ALS)Беспилотный летательный аппарат (БПЛА)Наземное лазерное сканированиеРучное лазерное сканирование
  • Бортовая сканирующая система LiDAR будет сканировать объекты по траектории полета зигзагообразно [24].
  • Беспилотный летательный аппарат можно управлять с помощью небольшого масштаба дистанционного управления [25]
  • Метод наземного лазерного сканирования с использованием ровной и устойчивой местности [26]
  • Портативное лазерное сканирующее устройство с небольшими размерами, очень портативное [23]
Сравнение различных методов лазерного сканирования
LiDAR методы сканированияМетоды сбора данныхТехника географической привязкиПреимуществаНедостатки
Бортовое сканирование LiDAR (ALS)
  • Бортовая система LiDAR, излучающая лазеры с длиной волны 1000-1600 нм [27]
  • Данные, полученные от одного импульса с множественными возвратами, для классификации различных объектов в соответствии со структурой купола [24]
  • С максимальной частотой следования лазера 167 МГц [18]
  • Расстояние можно рассчитать по времени возврата LiDAR в 2 стороны.
  • Плотность точек может быть более 8 точек / м 2 [28]
  • Множественный возврат с полной формой волны [25]
  • Вертикальная точность 0,1 м [24]
  • Горизонтальная точность 0,3 м [27]
  • Состоит из инерциального измерительного блока (IMU) , геопространственных глобальных навигационных спутниковых систем (GNSS) для определения местоположения и ориентации [29]
  • Большая зона покрытия (на всю территорию) [24]
  • Возвращенный импульс может помочь эффективно классифицировать наземные и неземные объекты [24]
  • Полет ограничен условиями воздушного движения и проблемой разделения воздушного пространства [28]
  • Требуются взлетно-посадочные площадки, опытный пилот [29]
  • Потеря данных может произойти из-за атмосферного поглощения
  • Может возникнуть ошибка комиссии (классификация точек, не относящихся к заземлению, как точки заземления) и ошибка упущения (отклонение точек заземления) [29]
Беспилотный летательный аппарат (БПЛА)
  • Дрон, на платформе которого установлены камеры и датчики для получения орто-изображений [27]
  • Облака точек генерируются с помощью фотограмметрических рабочих процессов, таких как структура из движения (SfM) и методы множественного просмотра (MVS) , путем извлечения и сопоставления характеристик изображений [30]
  • Множественный возврат с полной формой волны [25]
  • Кинематика реального времени (RTK) требуется калибровка перед полетом дрона [24]
  • Использование геопространственных глобальных навигационных спутниковых систем (GNSS) для навигации и географической привязки [31]
  • Направление полета можно определить, установив связь между картографическими веб-серверами и приемниками GNSS [32]
  • Низкая стоимость и готовность к использованию в короткие сроки [25]
  • Не нужны самолеты, аэропорт и опытные работники [25]
  • Возможность изучать недоступную области по воздуху вместо проведения традиционной наземной геодезической техники
  • Условия воздушного движения ограничивают полет
  • Размер датчиков обнаружения определяется грузоподъемностью / массой БПЛА [25]
  • Возможны ошибки комиссии и пропуски [33]
  • Емкость аккумулятора ограничивает продолжительность полета
Наземное лазерное сканирование (TLS)
  • Наземный метод, излучающий инфракрасные импульсы 500-600 нм в известном направлении [34]
  • Расстояние может быть рассчитано с помощью LiDAR 2 way return time [34]
  • Точность около 8 мм [34]
  • Посредством установки наземных контрольных точек с известными координатами [35]
  • Данные облака точек возвращаются с цветами (красный, зеленый и синий) [35]
  • Возможность окклюзии из-за проблем с прямой видимостью (проблема с теневыми областями) [34]
  • На объекте необходимо разместить несколько устройств TLS.
  • Подходит только для участков со стабильным и пологим уклоном [1]
Ручное лазерное сканирование (HLS)
  • Наземный метод, позволяющий измерять структуру от микро до мезоуровня [34]
  • Расстояние может быть рассчитано с помощью LiDAR 2 way return time [34]
  • Точность 30 мм [34]
  • Единый возврат
  • Посредством установки наземных контрольных точек с известными координатами [35]
  • Высокая мобильность при небольшом объеме устройства [23]
  • Эффективен для записи данных о месте на неустойчивой поверхности, например на свежем участке оползня [23]
  • Возвращаются только точки с оттенками серого , данные облака точек трудно фильтровать вручную [34]
  • Получите только 1 возврат за раз

Цифровое моделирование местности [ править ]

Цифровая модель рельефа (DTM) представляет собой математическую модель , которая представляет собой видимую поверхность рельефа Земли. [36] ЦММ преобразует различимые точки данных LiDAR в непрерывную трехмерную поверхность, модель соединяет дискретные точки с различными значениями высоты, чтобы сформировать плоскости . Таким образом, структурные геологи могут получить структурную ориентацию из этих трехмерных плоскостей. Этот метод моделирования также используется для создания цифровых поверхностей планет и других приложений . [36]

Принцип цифровой модели местности [ править ]

Цифровая модель местности извлекает только голую поверхность земли, тогда как цифровая модель поверхности может включать здания, дороги или растительность. Для оценки направлений падения и падения плоскостей горных пород следует использовать цифровые модели местности.

ЦММ классифицируются по основным геометрическим единицам, таким как треугольники, квадраты. Используются 3 основные математические функции, перечисленные ниже:

  • По очкам [37]
  • На треугольной основе [37]
  • На основе сетки [37]

Кроме того, чаще всего используются треугольники и сетки .

По точкам [ править ]

Точечное моделирование поверхностей позволяет реконструировать поверхность, формируя серию небольших смежных прерывистых поверхностей. Каждая из поверхностей плоская и образуется путем соединения отдельных точек данных. [25] Эта функция может формировать поверхность с регулярными и нерегулярными узорами, учитывая региональные границы влияния каждой точки, где диаграмма Вороного определяет региональные границы. Однако для более простых вычислений чаще всего используются регулярные шаблоны, такие как шестиугольники, квадраты. [25]

Математическое выражение образования для каждой горизонтальной плоской поверхности: [16]

где Z - высота плоской поверхности, а H - высота i- й точки.

На треугольной основе [ править ]

Функция на основе треугольника может формировать более наклонную или нерегулярную цифровую модель поверхности. Этот подход рассматривается как основной способ построения сложной ЦМР. Треугольники обладают большой гибкостью, любые многоугольники (например, квадрат, прямоугольник) можно разложить на другие меньшие треугольники. [20] Связанная треугольная сеть может включать в себя линии разрыва для подгонки плоскости, это облегчает формирование изогнутой грани / поверхности. [36] Минимальное требование для формирования треугольника требует 3 точки данных, где ближайшие 3 точки сгруппированы для формирования треугольника с помощью триангуляции Делоне без перекрытия. [37]

Трехмерная модель, созданная с помощью триангуляции Делоне , трехмерная поверхность создается путем соединения ближайших точек в треугольные плоскости.

Поскольку точки данных распределены неравномерно, метод на основе треугольников эффективно создает ЦММ, поскольку этот метод может создавать вариации поверхности. Даже если некоторые точки данных облака точек удаляются или добавляются, локальный треугольник может быть преобразован без полной реконструкции ЦМР. [37]

Несколько параметров контролируют процесс формирования поверхности:

1) Плотность сетки

2) Максимальный угол соседних треугольников

3) Минимальный размер патча

На основе сетки [ править ]

Модель на основе сетки имеет меньшее значение для построения пересеченной местности или резких неоднородностей местности с крутыми склонами. [36] 4 точки данных являются минимальным требованием для построения модели на основе сетки. [4] Результирующая поверхность называется билинейной поверхностью, четырехугольники любой формы соединяются для создания ЦММ, например параллелограммов, квадратов, прямоугольников или других неправильных многоугольников. [30] Этот метод имеет то преимущество обработки данных, что данные представлены в форме квадратов сетки, равномерно распределяя точки данных. В этом случае в некотором программном обеспечении предусмотрена операция «Random-to-Grid», чтобы гарантировать, что данные имеют форму сетки. [37]

Подход к цифровому моделированию местности [ править ]

Поскольку собранные данные имеют форму облака точек, необходимо преобразовать эти трехмерные координаты лазерных точек в цифровую модель местности с помощью двух основных процедур:

1) Классификация облаков точек и фильтрация грунта

2) Реконструкция земной поверхности по дискретным данным лазерного облака точек путем интерполяции.

Обработка и классификация данных (только сканирование с помощью бортовых LiDAR) [ править ]

Классификация данных и очистка от шума - это процессы получения несмещенной поверхности склона. Когда ALS собирает несколько возвратов, этот принцип может классифицировать объекты по различным категориям. Алгоритмы классификации могут выполняться с помощью TerraScan и TerraModel, компьютерного программного обеспечения для классификации данных облака точек, автоматически разработанного TerraSolid. [38] Однако для правильной классификации точек данных необходимы некоторые ручные настройки и проверки.

Проблема прямой видимости метода наземного лазерного сканирования. Когда интересующий объект находится за пределами области сбора данных, он создает пустые данные без геопространственной записи. Обычно это наблюдается, когда дерево перекрывает другой обнажение интересующего объекта. Решение этой проблемы - установка большего количества датчиков TLS.

Алгоритмы могут идентифицировать преобладающие особенности рельефа, эти алгоритмы предполагают, что поверхности со значительными вариациями не являются наземными элементами. [30] Для создания модели поверхности скального откоса необходимы только классифицированные наземные данные. Классификация наземных и неназемленных поверхностей делится на следующие категории:

Основные категории классификации данных LiDAR для бортового сканирования LiDAR
КлассификацииПримеры
Ровная, наземная или открытая местностьОткрытая местность, песок , камни, плоские крыши , поля для гольфа [25]
Низкая растительностьВысокорослые культуры и сорняки <2 м [25]
Район со средней растительностьюНизкие деревья или кустарники от 2 до 10 м [25]
Зона высокой растительностиПлощадь лесов > 10 м [25]

Фильтрация данных [ править ]

Фильтрация данных позволяет извлекать поверхность чистой Земли, удаляя ненужные данные или шум данных. [25] Для изучения ориентации горных пород, картирования обнажений и топографических исследований они получают информацию только о телах откосов горных пород. Таким образом, применяется фильтрация данных для разделения облаков точек на наземные и неземные объекты. Жуки, растительность или другая искусственная инфраструктура относятся к неназемным объектам. [39]

Чтобы отфильтровать трехмерные лазерные точки, можно применить несколько методов из программного обеспечения с открытым исходным кодом для фильтрации наземных точек из всей области интересов:

Сравнение различных методов фильтрации данных
АвторТехникаОписание методаТочность
Axelsson et al., 2000 [40]Треугольно-неправильная сеть (ИНН)Несколько точек разделены на сетки. Более низкая отметка в каждой сетке рассматривается как точки на земле. Пользователи могут самостоятельно устанавливать размер сетки. Точки добавляются в грань треугольника, когда они находятся достаточно близко.Удовлетворительно
Зейбек, 2019 г.Метод тканевой имитацииИмитация ткани помещается в перевернутое облако точек, точки не фильтруются, когда ткань может касаться точек данных. Чем мягче ткань, тем больше точек пересечения можно сохранить. Точки пересечения классифицируются как земля. [33]93%
ПоверхностныйЭтот метод использует линейный алгоритм для удаления незаземленных точек [33]81%
На основе кривизныПодгонка применяется к ближайшему соседу, точки с большим перепадом высоты (компонент Z) отфильтровываются. [33]88%

Наземная проверка [ править ]

Целью наземного поверочного обследования является проверка точности LiDAR. Данные LiDAR собираются путем посылки лазерных импульсов под разными углами или приема возвращаемого сигнала, эти сигналы могут включать некоторую ошибку, вызванную поглощением длины волны атмосферой. [41] Следовательно, необходимо проведение наземного исследования, чтобы убедиться, что координаты собранных данных соответствуют местной системе координат. Например, горизонтальная точность будет проверяться путем сравнения собранных данных с помощью различных методов сбора данных. Кроме того, данные можно исправить, задав несколько контрольных точек с известными координатами. [42]

Анализ структурной ориентации [ править ]

С помощью ЦМР можно определить структурные параметры геологических объектов (угол наклона складчатого лимба ). Например, направления падения и падения плоскостей горных пород могут быть получены из DTM. Общая методика состоит из следующих этапов:

1) Получите данные LiDAR о заданном уклоне [26]

2) Шумоочистка и фильтрация точечных данных [26]

3) Преобразуйте точечные данные в ЦМР с помощью математических функций [8]

4) С помощью таких программ, как Coltop 3D, можно автоматически рассчитать конструктивную геометрию плоскостей стыков / откосов. [8]

5) Плоскости горных пород определяются с помощью цветового кодирования или статистического метода для оценки того, сгруппированы ли точки в одну или разные плоскости. [8] [26]

6) Выведите данные структурной ориентации в подходящие файлы компьютерного программного обеспечения и нанесите на стереосеть распределение направлений падения и падения различных плоскостей . [8] [26]

Раздел данных [ править ]

Разделение данных помогает перераспределить неравномерно распределенные точечные данные путем разделения данных на кубы. Возвращаемые данные облака точек имеют разную плотность точек из-за различий в устройствах и параметрах сбора данных. Плотность облака точек определяет размер куба, каждый куб составляет не менее 4 точек. [43] Точки, которые считаются неконформерами, будут удалены из облака точек. [43] После этого будет вычислен вектор нормали каждого куба.

Octree Partitioning в программном обеспечении с открытым исходным кодом, включая CloudCompare и Geomagic , может обеспечить разделение данных. [43] Принимая во внимание массивы горных пород на разных участках, они могут иметь различную шероховатость. Таким образом, пользователям необходимо вручную устанавливать размер куба, чтобы получить лучший куб. Среднее количество точек в каждом кубе колеблется от 15 до 30 точек при установке диапазона расстояния между точками от 4 до 7 мм. [43]

Кластерный анализ по нормальным векторам [ править ]

Цель кластеризации неоднородностей горных пород состоит в том, чтобы сгруппировать подплоскости склона в тот же набор неоднородностей, к которому они принадлежат. Несплошности демонстрируют волнистость, шероховатость или волнистую поверхность. [43] Точки в одном наборе суставов демонстрируют схожие привычки ориентации. [43] Алгоритм определяет, находятся ли точки в пределах основной ориентации плоскостей напластования или субпараллельных плоскостях друг с другом. [44] Метод кластеризации позволяет классифицировать различные наборы суставов на основе назначенных векторов нормалей на каждой грани в пределах приблизительно одной ориентации. [44]

Проблемы технологии LiDAR [ править ]

Хотя LiDAR обладает высокой эффективностью при сборе данных на большой территории за короткое время, некоторые проблемы остаются сложными для общей обработки данных и получения ожидаемого результата.

Параметры фильтрации данных и генерации поверхностей [ править ]

Игольчатые шипы образуются на поверхности 3-D модели из-за нефильтрованных точек данных.

Во время фильтрации данных растительность не может быть полностью удалена. Это может повлиять на гладкость и скопление каменных поверхностей. В большинстве случаев 3-D модели генерируются методом триангуляции, часто образуются пики. [18] Шипы могут повлиять на группировку скальных поверхностей. Они влияют на гладкость трехмерной поверхности, вызывая ошибки при вычислении ориентации плоскости породы. Пики образуются, когда точки данных имеют одинаковые координаты X и Y, но очень разные координаты Z. Треугольники игольчатой ​​формы образуются в результате негладких поверхностей. [45]

Параметры фильтрации для поверхностной кластеризации часто зависят от прошлого опыта пользователей. Например, параметр октодерева можно настроить с различной плотностью точек. [17] Результат формирования ЦМР должен определяться пользователем. Следовательно, для создания удовлетворительной поверхности требуется повторная процедура тестирования. [25]

Плотность точек [ править ]

Плотность облака точек, известная как расстояние между каждой точкой данных в полученных наборах данных LiDAR. [45] Этот параметр влияет на точность измерения уклонов горных пород. Это одна из характеристик, которую необходимо учитывать при обработке данных. Например, фильтрация данных, классификация, извлечение признаков и распознавание объектов. [34] Плотность облака точек зависит от различных факторов:

  • Визуальное перекрытие TLS [46]
  • Отражающие свойства интересующего объекта [46]
  • Частота сканирования БАС [46]

Стоимость [ править ]

Хотя LiDAR был эффективным методом сбора данных на склоне скалы, его высокая стоимость делала этот метод непрактичным. [47] Когда интересующая область имеет очень маленький масштаб, это ограничивает возможность использования TLS и ALS, поскольку для проведения исследования ALS требуется самолет, опытный пилот, спроектированная траектория полета и высота, которые были одобрены местными властями. авиационный отдел. [29]

С помощью БПЛА можно решить указанную выше проблему. Он может собирать данные в недоступных областях, что позволяет собирать данные с небольшими затратами и в небольшом масштабе, поскольку устройство портативное и легкое. [33]

Воспроизвести медиа
Видео, в котором показано, как получить данные о лесном хозяйстве, пролетев над тропическим лесом Амазонки.

Другие приложения LiDAR [ править ]

Благодаря высокоточной и высокоэффективной методике сбора данных лазерного сканирования, он потенциально может применяться в различных областях, кроме структурных измерений:

  • Аварийные проверки и картографирование оползней [47]
  • Управление проектом (с необходимостью 3-D моделей / топографических данных) [47]
  • Ход участка, объем выемки или засыпки [47]
  • Объемные расчеты [41]
  • Топографическое картографирование [41]
  • Строительство зданий и автомагистралей [41]
  • Оценки стихийных бедствий [27]
  • Сбор данных о недоступных местах [48]
  • Точное земледелие [48]
  • Как встроенные строительные записи [48]
  • Несанкционированные работы (например, съемка полевой обстановки) [48]
  • Мониторинг деформации поверхности с помощью непрерывного и многократного сканирования LiDAR [48]
  • Археология и реконструкции памятников [24]
  • Сейсмология [24]
  • Лесное хозяйство [24]
  • Физика атмосферы [24]
  • Внеземные исследования [24]

Ссылки [ править ]

  1. ^ a b c Абеллан, Антонио; Оппикофер, Тьерри; Jaboyedoff, Мишель; Россер, Николас Дж .; Лим, Майкл; Лато, Мэтью Дж. (13 ноября 2013 г.). «Наземное лазерное сканирование неустойчивостей горных склонов» . Процессы земной поверхности и формы рельефа . 39 (1): 80–97. DOI : 10.1002 / esp.3493 . ISSN  0197-9337 .
  2. ^ Актюрк, Эмре; Алтунель, Ариф Огуз (31.12.2018). «Оценка точности дешевой цифровой модели рельефа (ЦМР) на основе БПЛА в сильно пересеченной местности и местности с растительностью» . Измерение . 136 : 382–386. DOI : 10.1016 / j.measurement.2018.12.101 . ISSN 0263-2241 . 
  3. ^ a b c d e Штурценеггер, Матье; Уиллмс, Дэвид; Пейт, Кимберли; Джонстон, Брент (2013). «Опыт использования наземных методов дистанционного зондирования для оценки характеристик откосов» . Материалы Международного симпозиума 2013 г. по устойчивости откосов в открытых горных разработках и строительстве . Австралийский центр геомеханики, Перт: 775–782. DOI : 10.36487 / acg_rep / 1308_52_sturzenegger . ISBN 978-0-9870937-5-2.
  4. ^ a b c d HESS, MONA, «3D-ЛАЗЕРНОЕ СКАНИРОВАНИЕ» , Цифровые методы документирования и сохранения культурного наследия , Arc Humanities Press, стр. 199–206, doi : 10.2307 / j.ctt1xp3w16.19 , ISBN 978-1-942401-35-3, получено 06.10.2020
  5. ^ Хикки, Кен А .; Белл, Тим Х. (1997-01-08). «Синдеформационный рост зерен: укрупнение матрицы в процессе развития слоистости и регионального метаморфизма, а не за счет статического отжига» . Европейский журнал минералогии . 8 (6): 1351–1374. DOI : 10.1127 / EJM / 8/6/1351 . ISSN 0935-1221 . 
  6. ^ Abellán, A .; Jaboyedoff, M .; Оппикофер, Т .; Вилаплана, Дж. М. (17 марта 2009 г.). «Обнаружение миллиметровой деформации с помощью наземного лазерного сканера: эксперимент и применение в случае камнепада» . Опасные природные явления и науки о Земле . 9 (2): 365–372. Bibcode : 2009NHESS ... 9..365A . DOI : 10,5194 / nhess-9-365-2009 . ISSN 1684-9981 . 
  7. ^ «Принципы электрических методов в поверхностной и скважинной геофизике» . Методы геохимии и геофизики . 2010. DOI : 10.1016 / c2009-0-16239-6 . ISSN 0076-6895 . 
  8. ^ a b c d e f g Рикельме, Адриан; Томас, Роберто; Кано, Мигель; Пастор Хосе Луис; Абеллан, Антонио (24 мая 2018 г.). «Автоматическое отображение стойкости неоднородностей в горных массивах с использованием трехмерных облаков точек» . Механика горных пород и горная инженерия . 51 (10): 3005–3028. Полномочный код : 2018RMRE ... 51.3005R . DOI : 10.1007 / s00603-018-1519-9 . ISSN 0723-2632 . S2CID 135109573 .  
  9. ^ a b c Мэтис, Джеймс (2007). «Проектирование откосов карьера и структурный анализ на алмазном руднике Иерихон с использованием цифровых фотограмметрических карт» . Материалы Международного симпозиума 2007 г. по устойчивости откосов горных пород при открытых горных работах и ​​гражданском строительстве . Австралийский центр геомеханики, Перт: 93–104. DOI : 10.36487 / acg_repo / 708_4 . ISBN 978-0-9756756-8-7.
  10. ^ "Уступ разлома, уступ линии разлома" , SpringerReference , Берлин / Гейдельберг: Springer-Verlag , получено 15 декабря 2020 г.
  11. ^ a b Аберкромби, Рэйчел Э. (2019-09-04). «У малых и сильных землетрясений может быть аналогичное начало» . Природа . 573 (7772): 42–43. DOI : 10.1038 / d41586-019-02613-5 . ISSN 0028-0836 . 
  12. ^ Ellsworth, WL; Бероза, GC (1995-05-12). «Сейсмические доказательства фазы зарождения землетрясения» . Наука . 268 (5212): 851–855. DOI : 10.1126 / science.268.5212.851 . ISSN 0036-8075 . 
  13. ^ Франческо Сильвестри; Никола Морачи (22 октября 2019 г.). Геотехническая инженерия при землетрясениях для защиты и развития окружающей среды и строительства: материалы 7-й Международной конференции по геотехнической инженерии при землетрясениях (ICEGE 2019), 17-20 июня 2019 г., Рим, Италия . CRC Press. п. 496. ISBN. 978-0-429-63350-8.
  14. ^ Ричард С. Берг (2011). Краткий обзор современного трехмерного геологического картирования и моделирования в геологоразведочных организациях . Геологическая служба штата Иллинойс. п. 73.
  15. ^ a b «Микросканирование лидарных изображений для улучшенной выборки» , Полевое руководство по лидарам , SPIE PRESS, ISBN 978-1-62841-654-1, получено 15.12.2020
  16. ^ a b Вебстер, Тим Л; Мерфи, Дж. Брендан; Госс, Джон С; Спунер, Ян (2006). «Применение анализа цифровой модели рельефа на основе лидаров для геологического картирования: пример из бассейна Фанди, Новая Шотландия, Канада» . Канадский журнал дистанционного зондирования . 32 (2): 173–193. DOI : 10.5589 / m06-017 . ISSN 0703-8992 . 
  17. ^ Б с д е е г ч я Го, Jiateng; Лю, Шаньцзюнь; Чжан, Пейна; Ву, Лисинь; Чжоу, Вэньхуэй; Ю, Инань (2017-03-24). «На пути к полуавтоматическому ориентированию разрывов горных пород и анализу наборов из трехмерных облаков точек» . Компьютеры и науки о Земле . 103 : 164–172. Bibcode : 2017CG .... 103..164G . DOI : 10.1016 / j.cageo.2017.03.017 . ISSN 0098-3004 . 
  18. ^ Б с д е е г Dong, Pinliang; Чэнь Ци (2017-12-12), "Основы ЛИДАР обработки данных" , LiDAR дистанционного зондирования и приложений , Бока - Ратон, штат Флорида: Taylor & Francis, 2018 .: CRC Press, стр 41-62,. Дои : 10,4324 / 9781351233354-3 , ISBN 978-1-351-23335-4, получено 07.10.2020CS1 maint: location ( ссылка )
  19. ^ a b c Кэмпбелл, Майкл Дж .; Деннисон, Филип Э .; Батлер, Брет В. (2017). «Основанный на LiDAR анализ влияния уклона, плотности растительности и неровности поверхности земли на скорость передвижения при картировании путей эвакуации пожарных из дикой местности» . Международный журнал лесных пожаров . 26 (10): 884. DOI : 10,1071 / wf17031 . ISSN 1049-8001 . 
  20. ^ а б Чжоу, Цуйин; Ду, Цзычунь; Оуян, Цзиньву; Чжан, Чжилун; Лю, Чжэнь (2020). «Трехмерная геологическая модель и алгоритм резки на основе вертикально спроектированной триангулированной сети» . Компьютеры и науки о Земле . 143 : 104562. Bibcode : 2020CG .... 14304562Z . DOI : 10.1016 / j.cageo.2020.104562 . ISSN 0098-3004 . 
  21. ^ a b c d Burton, D .; Данлэп, DB; Дерево, ЖЖ; Флэйг, ПП (01.05.2011). «Лидарная интенсивность как дистанционный датчик свойств горных пород» . Журнал осадочных исследований . 81 (5): 339–347. Bibcode : 2011JSedR..81..339B . DOI : 10,2110 / jsr.2011.31 . ISSN 1527-1404 . 
  22. ↑ Гонсалес-Хорхе, Хигинио; Ариас, Педро; Пуэнте, Иван; Мартинес, Хоакин (29 июня 2012 г.). «Исследование откосов дорог с помощью мобильного лидара» . ISG * ISARC2012 Полный текст доклада . Международная ассоциация автоматизации и робототехники в строительстве (IAARC). DOI : 10.22260 / isarc2012 / 0015 . ISBN 978-90-386-3410-4.
  23. ^ a b c d Жорда Бордехор, Луис; Рикельме, Адриан; Кано, Мигель; Томас, Роберто (24.06.2017). «Сравнение ручного и дистанционного сбора данных о неоднородности поля, используемых при оценке кинематической устойчивости обрушившихся откосов горных пород» . Международный журнал механики горных пород и горных наук . 97 : 24–32. DOI : 10.1016 / j.ijrmms.2017.06.004 . ЛВП : 10045/67528 . ISSN 1365-1609 . 
  24. ^ a b c d e f g h i j k Okyay, Unal; Рассказывая, Дженнифер; Glennie, Craig L .; Дитрих, Уильям Э. (ноябрь 2019 г.). "Обнаружение изменений с помощью лидара: обзор приложений в области наук о Земле" . Обзоры наук о Земле . 198 : 102929. Bibcode : 2019ESRv..19802929O . DOI : 10.1016 / j.earscirev.2019.102929 . ISSN 0012-8252 . 
  25. ^ a b c d e f g h i j k l m n Достижения в области бортовых лидарных систем и обработки данных . 2018-05-11. DOI : 10,3390 / books978-3-03842-674-5 . ISBN 978-3-03842-674-5.
  26. ^ a b c d e Фармакис, Иоаннис Верфассер. Автоматизированный трехмерный структурный анализ и определение характеристик соединенного массива горных пород с использованием наземного лазерного сканера LiDAR для оценки уязвимости камнепадов: пример района Перисса (Санторини) . OCLC 1196463534 . 
  27. ^ а б в г Прадхан, Бисваджит; Юсоф, Норбазлан Мохд (2017), «Уязвимость склонов и оценка рисков с использованием данных лазерного сканирования с высоким разрешением» , Приложения лазерного сканирования в оценке оползней , Cham: Springer International Publishing, стр. 235–251, doi : 10.1007 / 978-3 -319-55342-9_12 , ISBN 978-3-319-55341-2, получено 08.10.2020
  28. ^ а б Ву, Чжуотин; Краска, Деннис; Стокер, Джейсон; Фогель, Джон; Веласко, Мигель; Миддлтон, Барри (09.02.2016). «Оценка плотности точек лидара для эффективной оценки надземной биомассы» . Международный журнал передового дистанционного зондирования и ГИС . 5 (1): 1483–1499. DOI : 10,23953 / cloud.ijarsg.40 . ISSN 2320-0243 . 
  29. ^ а б в г МакГоги, Вт (2019). «Оценка геотехнических опасностей на основе данных: практика и подводные камни» . Труды Первой международной конференции по геомеханическим рискам в горной промышленности . Австралийский центр геомеханики, Перт: 219–232. DOI : 10.36487 / acg_rep / 1905_11_mcgaughey . ISBN 978-0-9876389-1-5.
  30. ^ a b c Го, Цзятэн; Лю, Шаньцзюнь; Чжан, Пейна; Ву, Лисинь; Чжоу, Вэньхуэй; Ю, Инань (2017). «На пути к полуавтоматическому ориентированию разрывов горных пород и анализу наборов из трехмерных облаков точек» . Компьютеры и науки о Земле . 103 : 164–172. Bibcode : 2017CG .... 103..164G . DOI : 10.1016 / j.cageo.2017.03.017 . ISSN 0098-3004 . 
  31. ^ Прадхан, Бисваджит. Бухройтнер, Манфред Ф. (2012). Терригенные массовые перемещения: обнаружение, моделирование, раннее предупреждение и смягчение последствий с использованием геоинформационных технологий . Springer. ISBN 978-3-642-25495-6. OCLC  785560465 .CS1 maint: несколько имен: список авторов ( ссылка )
  32. ^ Прадхан, Бисваджит; Самин, Махер Ибрагим (2017), «Системы лазерного сканирования в исследованиях оползней» , Приложения лазерного сканирования при оценке оползней , Cham: Springer International Publishing, стр. 3–19, DOI : 10.1007 / 978-3-319-55342-9_1 , ISBN 978-3-319-55341-2, получено 07.10.2020
  33. ^ a b c d e Зейбек, Мустафа; Шанлыоглу, Исмаил (07.10.2018). «Фильтрация облака точек на основе облака точек БПЛА» . Измерение . 133 : 99–111. DOI : 10.1016 / j.measurement.2018.10.013 . ISSN 0263-2241 . 
  34. ^ a b c d e f g h я Баувенс, Себастьян; Варфоломей, Вред; Колдерс, Ким; Лежен, Филипп (21.06.2016). «Инвентаризация леса с наземным лидаром: сравнение статического и портативного мобильного лазерного сканирования» . Леса . 7 (12): 127. DOI : 10,3390 / f7060127 . ISSN 1999-4907 . 
  35. ^ a b c Ли, Ён Ук (30.04.2013). «Решение параметров EO на основе прямой географической привязки с использованием SmartBase» . Журнал Корейского общества геодезии, геодезии, фотограмметрии и картографии . 31 (2): 135–142. DOI : 10.7848 / ksgpc.2013.31.2.135 . ISSN 1598-4850 . 
  36. ^ a b c d «Создание цифровых моделей местности и поверхности» , Digital Photogrammetry , Abingdon, UK: Taylor & Francis, стр. 159–299, 2002, doi : 10.4324 / 9780203305959_chapter_3 , ISBN 978-0-203-35360-8, получено 13 ноября 2020 г.
  37. ^ a b c d e f "Программное обеспечение и услуги моделирования местности" , Экологические приложения цифрового моделирования местности , Чичестер, Великобритания: John Wiley & Sons, Ltd, стр. 228–260, 16 февраля 2018 г., doi : 10.1002 / 9781118938188 .ch6 , ISBN 978-1-118-93818-8, получено 08.10.2020
  38. ↑ Tam, Chung-yan, Candy. Исследование шероховатости скальных швов с использованием техники 3D лазерного сканирования (Дипломная работа) Библиотеки Гонконгского университета. DOI : 10.5353 / th_b4020348 .
  39. ^ Richman, A .; Гамильтон, А .; Arayici, Y .; Counsell, J .; Тхелидзе, Б. (2005). «Дистанционное зондирование, лидары, автоматизированный сбор данных и проект VEPS» . Девятая Международная конференция по визуализации информации (IV'05) . IEEE: 151–156. DOI : 10.1109 / iv.2005.106 . ISBN 0-7695-2397-8. S2CID  15794226 .
  40. Перейти ↑ Axelsson, P. (2000). «Создание матрицы высот из данных лазерного сканера с использованием адаптивных моделей TIN» . CiNii . Международный архив фотограмметрии и дистанционного зондирования . Проверено 27 декабря 2020 года .
  41. ^ а б в г Джонс, LD (2006). Мониторинг оползней в опасной местности с использованием наземного лидара: пример из Монтсеррата . OCLC 770329355 . 
  42. ^ Гордон, Стюарт Дж .; Личти, Дерек Д. (2007). «Моделирование данных наземного лазерного сканера для точного измерения структурной деформации» . Журнал геодезической инженерии . 133 (2): 72–80. DOI : 10,1061 / (ASCE) 0733-9453 (2007) 133: 2 (72) . ISSN 0733-9453 . 
  43. ^ Б с д е е Хань, Soohee (2018-12-12). «На пути к эффективной реализации октодерева для большого трехмерного облака точек» . Датчики . 18 (12): 4398. DOI : 10,3390 / s18124398 . ISSN 1424-8220 . PMC 6308722 . PMID 30545103 .   
  44. ^ a b Jaboyedoff, Мишель; Абеллан, Антонио; Карреа, Дарио; Деррон, Марк-Анри; Маташи, Баттиста; Мишуд, Клеман (2018-03-22), «Картирование и мониторинг оползней с помощью LIDAR» , Natural Hazards , Бока-Ратон, Флорида: Тейлор и Фрэнсис, 2018. | "А CRC заголовок, часть отпечатка Taylor & Francis, член Taylor & Francis Group, академического разделение Т & Р Informa PLC.":. , CRC Press, стр 397-420, DOI : 10,1201 / 9781315166841-17 , ISBN 978-1-315-16684-1, получено 07.10.2020CS1 maint: location ( ссылка )
  45. ^ а б Хосравипур, Анахита; Скидмор, Эндрю К .; Изенбург, Мартин (2016). «Создание цифровых моделей поверхности без шипов с использованием необработанных облаков точек LiDAR: новый подход для приложений лесного хозяйства» . Международный журнал прикладных наблюдений за Землей и геоинформации . 52 : 104–114. Bibcode : 2016IJAEO..52..104K . DOI : 10.1016 / j.jag.2016.06.005 . ISSN 0303-2434 . 
  46. ^ a b c Ло, Шечжоу; Chen, Jing M .; Ван, Ченг; Си Сяохуань; Цзэн, Хунчэн; Пэн, Дайлян; Ли, Донг (18 мая 2016 г.). «Влияние плотности точек LiDAR, размера выборки и порога высоты на точность оценки биофизических параметров сельскохозяйственных культур» . Оптика Экспресс . 24 (11): 11578–93. Bibcode : 2016OExpr..2411578L . DOI : 10.1364 / oe.24.011578 . ISSN 1094-4087 . PMID 27410085 .  
  47. ^ a b c d Коллинз, Брайан Д.; Сток, Грег М. (29 марта 2012 г.). «Характеристика опасности обрыва скал на основе лидаров» . ГеоКонгресс 2012 . Рестон, Вирджиния: Американское общество инженеров-строителей: 3021–3030. DOI : 10.1061 / 9780784412121.309 . ISBN 978-0-7844-1212-1.
  48. ^ Б с д е Кеннеди, Майкл (2009-07-07). Глобальная система позиционирования и ArcGIS . DOI : 10.1201 / 9781420088007 . ISBN 9780429144547.

Внешние ссылки [ править ]

Для более подробного описания концепций ниже приведены некоторые ссылки:

  • Географическая привязка
  • Скальный разрыв
  • Стереосеть