Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中南大学;湖南见知工程科技有限公司游钰阳获国家专利权

中南大学;湖南见知工程科技有限公司游钰阳获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉中南大学;湖南见知工程科技有限公司申请的专利一种基于三维点云的岩体结构面快速自动识别方法及装置获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN121437549B

龙图腾网通过国家知识产权局官网在2026-03-31发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202512035144.1,技术领域涉及:G06T7/187;该发明授权一种基于三维点云的岩体结构面快速自动识别方法及装置是由游钰阳;阳军生;傅金阳;张聪;周峰;戴嘉鹏;曾俊设计研发完成,并于2025-12-31向国家知识产权局提交的专利申请。

一种基于三维点云的岩体结构面快速自动识别方法及装置在说明书摘要公布了:本发明提供了一种基于三维点云的岩体结构面快速自动识别方法及装置,涉及图像识别、岩体结构面识别技术领域,包括:S1、获取调查区域工程岩体的三维点云模型;S2、通过超体素分割算法及超体素法向量估计RANSAC算法对三维降采样得到超体素模型;S3、通过双重准则约束区域生长算法对超体素模型进行结构面识别获得结构面模型;S4、对结构面模型的结构面分别计算产状。本发明有效降低了区域生长算法需要迭代的种子点数,提高了处理效率,能对结构面进行准确识别,根据本发明生成的结构面产状分析,能够得到更准确和更真实的岩体状况,解决了传统测量手段在效率、精度与安全性方面不足的问题。

本发明授权一种基于三维点云的岩体结构面快速自动识别方法及装置在权利要求书中公布了:1.一种基于三维点云的岩体结构面快速自动识别方法,其特征在于,包括以下步骤: S1、获取调查区域工程岩体的三维点云模型; S2、通过超体素分割算法将三维点云模型进行自适应聚类得到超体素块列表及超体素块所属点集,并通过超体素法向量估计RANSAC算法对超体素块列表中每个超体素块进行平面拟合,得到其对应的拟合平面,形成超体素块拟合平面列表,根据超体素块列表、超体素块所属点集及超体素块拟合平面列表构建超体素模型; S3、通过双重准则约束区域生长算法对超体素模型进行结构面识别获得结构面模型; 所述双重准则约束区域生长算法具体包括: S31、根据邻近算法确定超体素模型的超体素块列表中各超体素块的邻域超体素块集,其中超体素块的位置根据超体素块包含各点坐标平均值计算确定; S32、从超体素模型的超体素块列表中随机选取一个超体素块作为当前结构面,选取该超体素块作为种子点,以该超体素块的拟合平面作为当前结构面的拟合平面、以该超体素块的拟合平面方程作为当前结构面的拟合平面方程,以当前结构面所属点集和当前结构面的拟合平面方程根据内点率公式计算当前拟合平面的内点率,以当前拟合平面的内点率作为当前结构面拟合平面的内点率; S33、依次遍历种子点的邻域超体素块集中所有邻域超体素块,将满足双重准则约束条件的邻域超体素块及邻域超体素块的所属点集纳入当前结构面; S34、若步骤S33中双重准则约束条件得到满足,则更新当前结构面的拟合平面方程,以当前结构面所属点集和种子点邻域超体素块的拟合平面方程根据内点率公式计算种子点邻域超体素块的拟合平面的内点率,若种子点邻域超体素块的拟合平面的内点率大于当前结构面拟合平面的内点率,将其作为当前结构面的拟合平面的内点率,并更新该结构面的拟合平面方程为种子点邻域超体素块的拟合平面方程; S35、继续从当前结构面内选取不重复的超体素块作为种子点,重复步骤S33-S34,直至当前结构面内无超体素块可选取,此时完成结构面的划分; S36、从超体素模型的超体素块列表中继续随机选取未纳入当前结构面的超体素块,作为新的当前结构面,选取该超体素块作为种子点,重复步骤S32-S35,直至所有超体素块均划分至独立的结构面内; S4、对结构面模型的结构面分别计算产状。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中南大学;湖南见知工程科技有限公司,其通讯地址为:410083 湖南省长沙市岳麓区麓山南路932号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。