(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210492008.9 (22)申请日 2022.05.07 (71)申请人 大连海事大学 地址 116000 辽宁省大连市甘井 子区凌水 街道凌海路1号 (72)发明人 姜谙男　虢新平　冯云鹏　李兴盛　 宋业华　李健　 (74)专利代理 机构 大连至诚专利代理事务所 (特殊普通 合伙) 21242 专利代理师 杨威　丁莉丽 (51)Int.Cl. G06T 7/12(2017.01) G06T 7/40(2017.01) G06T 7/60(2017.01) G06T 17/20(2006.01)G06V 10/44(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) (54)发明名称 一种基于破碎岩体模型的地铁车站稳定性 分析方法 (57)摘要 本发明公开了一种基于破碎岩体模型的地 铁车站稳定性分析方法， 包括： S1： 获取破碎岩体 区域的掌子面图像； S2： 统计多边形节理的边长 的长度值， 并计算出所述多边形节理的边长的长 度值的平均值； S3： 生成节理分布平面 图； S4： 处 理所述节理分布平面图； S5： 构建包含多边形节 理的边的端点坐标的地铁车站施工模型； S6： 计 算地铁车站施工的安全系数。 本发 明以地铁车站 的复杂的施工环境为切入点， 利用节理和岩块抗 剪强度和抗拉强度同时进行强度折减的方法计 算地铁车站的安全系数， 安全性 分析结果的准确 率得到了提高。 安全系数跟普通强度折减法相比 更加保守， 施工更加安全。 权利要求书4页 说明书11页 附图5页 CN 114820667 A 2022.07.29 CN 114820667 A 1.一种基于破碎岩体模型的地铁车站稳定性分析 方法， 其特 征在于， 包括： S1： 安装拍摄设备， 对掌子面进行拍摄， 获取破碎岩体区域的掌子面图像； S2： 对所述掌子面图像进行多边形节 理识别， 以统计多边形节 理的边长的长度值， 并计 算出所述多边形节理的边长的长度值的平均值； S3： 根据所述掌子面图像， 布置种子点并进行筛 选， 生成节理分布 平面图； S4： 处理所述节理分布平面图， 以将所述节理分布平面图中多边形节理的边的端点坐 标输出为命令流格式的文件； S5： 根据所述节理分布平面图中的多边形节理的边的端点坐标， 构建包含多边形节理 的边的端点 坐标的地铁车站 施工模型； S6： 根据所述地铁车站施工模型， 采用对节理和岩块的抗剪强度和抗拉强度同时进行 强度折减的方法， 计算 地铁车站 施工的安全系数。 2.根据权利要求1所述的一种基于破碎岩体模型的地铁车站稳定性分析方法， 其特征 在于， 所述S1中包括如下步骤： S11： 在掌子面前方地面上， 安装拍摄底座(100)， 使所述拍摄底座(100)平稳安置于地 面上； S12： 将支撑杆(200)垂直固定于所述拍摄底座(100)顶部， 拍摄设备(300)固定安装在 支撑杆(20 0)顶部； S13： 将所述拍摄设备(3 00)与配电箱(40 0)进行电连接； S14： 调节所述拍摄设备(300)， 对隧道开挖形成的掌子面进行拍摄， 获取破碎岩体区域 的掌子面图像。 3.根据权利要求1所述的一种基于破碎岩体模型的地铁车站稳定性分析方法， 其特征 在于， 所述S2中包括如下步骤： S2： 对所述掌子面图像进行多边形节 理识别， 以统计多边形节 理的边长的长度值， 并计 算出所述多边形节理的边长的长度值的平均值； S21： 对所述掌子面图片进行比例转换， 以获取 结构面图像； 所述比例转换系数公式如下： 其中s为图像的比例转换系数， (x1,y1)、 (x2,y2)分别为所拍摄的掌子面图像 上的两点的 像素坐标， H为两点间的实际距离； S22： 对所述结构面图像进行 预处理， 以获取处 理后的结构面图像； S23： 对所述处 理后的结构面图像的边 缘信息进行识别， 以获取边 缘检测图像； S231:所述处 理后的结构面图像表示 为： 式中： N代表处理后的结构面图像中的像素点的数量； f(x,y)代表处理后的结构面图 像； x代表处理后的结构面图像的横坐标； y代 表处理后的结构面图像的纵坐标；权　利　要　求　书 1/4 页 2 CN 114820667 A 2S232:将所述处理后的结构面图像与二维高斯滤波函数进行卷积， 获取滤波后的图像； 所述二维高斯滤波函数如下： 式中： σ2代表方差； 将所述高斯滤波器分解 为X方向的滤波器和Y方向的滤波器， 分别如下： 式中： k是计算的中间参数； S233： 将所述滤波后的图像分别与所述X方向的滤波器和Y方向的滤波器进行卷积， 获 取X方向的梯度和Y方向的梯度： ： 式中： Bx表示X方向的梯度； By表示Y方向的梯度； S234： 令： 式中： A(i,j)表示处理后的结构面图像f(x,y)上的点M(i,j)处的边缘强度； α(i,j)表 示处理后的结构面图像f(x,y)上的点M(i,j)处的法向矢量， M(i,j)为处理后的结构面图像 上的一个 像素点； i表示 点M(i,j)的横坐标； j表示 点M(i,j)的纵坐标； S235： 对A(i,j)进行非极大值抑制处 理， 以获取检测边 缘点； 得到处理后的结构面图像f(x,y)上的点M(i,j)处的边缘强度即A(i,j)后， 进行非极大 值抑制处理， 即将点M(i,j)的边缘强度与梯度方向的相邻像素点的边缘强度进行比较， 判 断点M(i,j)的边缘 强度是否是局部极大值， 若是则M＝M(i,j)记 为检测边缘点， 若不是将其 边缘强度设为0； S236： 利用双阀值 算法处理检测边 缘点并进行边 缘连接， 获取边 缘检测图像； S24： 对所述边缘检测图像 中多边形节 理的边长进行检测， 以统计所述边缘检测图像 中 所有的多边形节理的边长的长度值和所述边缘检测图像中各类多边形所占比例， 并计算出 所述边缘检测图像中所有的多边形节理的边长的长度值的平均值： 权　利　要　求　书 2/4 页 3 CN 114820667 A 3