2. 中国矿业大学深部岩土力学与地下工程国家重点实验室, 江苏 徐州 221116;
3. 南京理工大学土木工程系, 江苏 南京 210094
2. Key Laboratory of Deep Geomechanics and Underground Engineering, China University of Mining and Technology, Xuzhou 221116, China;
3. Department of Civil Engineering, Nanjing University of Science and Technology, Nanjing 210094, China
自然界岩体中结构面(裂隙/不连续面)无处不在，而存在于岩体中的结构面对于其性质具有重要的影响，这是岩石工程问题(如放射性废物深地处置、岩质边坡稳定性、基岩大坝稳定性等)中最棘手的瓶颈之一。国内外对此开展了大量研究，取得了一系列重要成果。文献[1]首次提出结构面对地质体稳定性起着控制作用，且结构面的组合形态决定地质体尤其是岩体的物理力学性质。文献[2]在岩体结构控制论基础上，借助数学力学模型发展形成“地质—力学”分析方法，促进了工程地质问题的定量研究。文献[3]在结构控制论和优势面观点的基础上，建立了一套系统的优势面理论，该理论在工程实践中得到了广泛的应用。文献[4]通过试验和算例，分析了结构面控制下的边坡稳定性，总结了不同结构面剪切强度的评估方法。文献[5]探究了多结构面组合控制模式下滑坡的破坏形式和特征。岩体结构面控制论发展至今，已具备丰富的理论体系，涉及工程地质、岩土工程、地质力学、地质统计及遥感测绘等多学科，并仍然在不断地发展、创新和交叉融合。
在岩体结构面控制论中，如何有效、准确地获取结构面的特征参数是分析岩体特性的关键。结构面的传统测量方法主要依靠接触式地质罗盘、皮尺和测绳等。这些实地测量方法受限于地形条件、工作效率及工作人员作业水平，难以实现大规模高效准确的量测。随着计算机和数字图像技术的蓬勃发展，激光扫描、摄影测量，以及遥感测绘等新兴技术被广泛应用于获取被测物的影像，进而实现被测物性质的数字化表征[6-10]。文献[11]利用双目立体测量技术，提出了基于数码摄像的隧道二维掌子面岩体结构量化表征体系。文献[12]通过三维激光扫描技术获取露头点云数据，在此基础上进行了岩体结构面的测量与识别研究。文献[13]将近距离地面数字摄影测量和地面激光扫描成功应用于岩质边坡结构面的测量和表征。文献[14]利用小型遥控无人机，对意大利奥美亚岩坡进行了低空摄影测量，建立了三维纹理化数字露头模型，实现了对岩体结构信息的有效描述。以上研究充分验证了将摄影测量技术应用于岩体结构面智能化识别和数字化获取的可行性。然而，上述研究大多针对小尺度范围内岩体结构面的识别展开，且利用图像识别或者双目识别的传统摄影测量方法，由于拍摄姿态、镜头畸变及角度偏差等因素的影响，不可避免地对结构面识别结果带来误差。对于一些大范围区域，当存在较大尺度结构面时，局部的小尺度测量方法只能捕获大尺度结构面的部分特征，这会对后续的岩体特性分析带来严重的偏差和不确定性。虽然利用多源卫星影像的摄影测量遥感技术，并结合人工智能图像处理，可实现不同尺度地物信息的智能化提取及可视化再现[15-17]，但是，通过航空测绘结合语义分割技术只能识别出地物信息的直观形貌特征。对于广域范围不同尺度结构面的精细化识别测量与调查仍是一个挑战，有待于进一步的验证和完善。
在岩体结构面特性研究中，另一个重要的问题和挑战就是如何合理高效地进行结构面的识别与特征参数的表征。所谓结构面特征参数的表征，就是对结构面信息(产状、迹长、密度、间距等参数)，利用地质统计学方法探究其最合理的概率分布形式。这不仅为岩体特性评价及岩体质量和失稳机制的分析提供了重要信息，也为建模研究提供了基础参数[18-19]。对于结构面特征参数的评估，通常采用接触式的扫描测线法或测窗法。鉴于该方法的低效性，越来越多的研究者选择在非接触摄影测量基础上，建立数字模型进行结构面参数的统计分析[19-20]。文献[21]开发了用于识别和提取岩体结构面产状、间距、组数等参数的地质结构分析软件工具箱DiAna。文献[22]在三维点云模型基础上采用改进的K均值聚类方法对结构面产状进行了分析，并利用扫描线法统计分析了裂隙迹线间距信息。上述技术提高了结构面信息获取与表征的准确性，但岩体结构面信息的获取与表征以及岩体特性的分析多基于产状单一要素展开，并且研究对象均为小尺度的露头、边坡或隧道掌子面。另外，在目前的大多数研究中，产状的聚簇分析、迹线的采样统计均涉入了大量的人工干预，造成参数表征的主观不确定性；人为布设测窗也不符合表征方法强调便捷、高效的初衷。文献[19]基于地面近景摄影建立的高精度露头三维点云模型，通过改进的快速模糊聚类方法和三维数字地形测窗统计方法，实现了对结构面特征参数的系统性表征，并将其应用于裂隙网络建模。这为探究多尺度结构面信息的表征以及结构面影响下岩体特性的分析提供了一种便捷有效的手段。
本文以甘肃北山高放废物地质处置预选场址为研究对象，利用由无人机、GPS-RTK及地面近景摄影组成的数字摄影测量系统对场区岩体结构面进行了大范围多尺度综合研究。通过摄影测量系统获取的地物(结构面岩体)高精度影像照片建立了场区数字正射影像模型(DOM)和裂隙露头三维重构数字表面模型(DSM)。在此基础上，开展了结构面的系统性识别、提取和表征研究，并根据表征的结构面参数信息探究了场区主要断裂F31断层对上盘岩体特性(完整性)的影响范围。
1 摄影测量系统技术特征数字摄影测量系统是集GPS卫星导航系统、无人机摄影测量、地面数字近景摄影测量, 以及RTK移动端(GPS-RTK)测量为一体，从不同尺度和维度进行综合测量及地质调查的技术方法。图 1展示了该系统的具体技术特征。
|
| 图 1 数字摄影测量系统 Fig. 1 The digital photogrammetric system |
GPS-RTK由基准站、流动站和信号传输系统组成，测量一般包括静态测量和动态测量两种模式。具体技术特征为：放置在已知坐标信息位置的基准站与放置在待测位置的移动站同步采集相同卫星信号，RTK移动站通过数据链接收来自基准站载波相位测量的数据(包括卫星跟踪状态、测站坐标信息及载波相位观测值)，然后利用GPS内置实时数据与RTK观测数据组成差分观测值，通过相位差分技术求解待测位置的空间三维地理位置信息(包括坐标、高程及测量精度等)。一般情况下，一个基准站数据链可覆盖十几千米的测量范围。当有障碍物严重阻挡数据链的传播时，就需要移动基准站或者架设频率与基准站和流动站相匹配的中继站电台。需要说明的是，GPS-RTK测量时需要保持接收和跟踪4颗以上卫星信号，以确保测量解算的可靠度和精度。
无人机摄影测量系统由飞行控制系统、传感器技术及数据传输系统组成。在飞行平台上(固定翼或多旋翼)搭载高精度数码相机、机载GPS、高度测距仪及航向仪等传感器，通过设置的飞控参数和规定航线来完成既定任务的摄影测量。无人机摄影测量与传统摄影测量原理一致，即利用共线性方程建立像点和物点的像物关系模型，利用光速法平差(bundle adjustment，BA)实现模型公共点的最佳交会，然后将全区域统一到同一大地坐标系中(由已知地面控制点坐标确定)。对于地面控制点的测量，通常采用POS(position and orientation system)系统辅助无人机进行测量，主要是将GPS全球定位系统确定的位置高度信息、IMU惯性测量装置获取的姿态信息同步到采集的图像信息中，以对位姿和场景特征进行估计。然而，在大尺度飞行测量时，由于IMU和GPS位置信息的累积误差，会导致姿态信息(或运动轨迹)的解算漂移，从而严重影响后续建模的准确度。因此，需要结合地面控制点(GCP)，通过GPS-RTK测量技术获取高精度GCP位置信息来确定飞行测量区域在大地坐标系下的绝对位置。另外，对于大尺度无人机航测技术，航线设计是高质量成图的关键，要充分考虑地形特征、地面分辨率要求、航向旁向重叠度、采样飞行高度及飞行方向等要素。北山地区多以小山丘地形特征为主，本文根据航高计算公式(航高=(地面采样间距×镜头焦距)/像元尺寸)，以及采用的定焦35 mm的Nikon D810相机技术参数，设定飞行高度为220 m，井字形航向(图 2(a))，测量时航向重叠度为70%，旁向重叠度为50%(保证主要区域不少于3张重叠数)(图 2(b))，以确保地物影像细节清晰可辨、色彩饱满。
|
| 图 2 无人机航测摄影影像采集 Fig. 2 Image acquisition using UAV |
地面数字近景摄影测量技术是基于张祖勋院士提出的通过多视觉代替双目视觉传统摄影测量的多基线近景摄影测量技术[23]，具体技术原理与无人机摄影测量相同。为了便于野外复杂条件下的测量，笔者采用非测量相机(普通数码相机)，通过灵活的旋转多基线交向摄影方式获取地表露头面照片。这一测量方式并没有严格意义上的测量站点和测量基线，测量时只需要根据被测对象的大小和地形特征选择合适的拍摄方位和距离，然后根据选用的焦距，以拍摄距离D的1/10~1/5来确定基线长度和站点数。在每一站点以15°~30°的交会角对被测物进行多次拍摄，相邻影像间的重叠度不小于30%~50%，且影像应尽量与被拍摄兴趣区域垂直。进而达到对被测物多视角、多位置的全景摄影覆盖测量，提高摄影测量的准确性和稳定性。
总体而言，对于大范围岩体结构面的测量测绘，无人机航测可便捷、快速获取大尺度岩体结构面信息。然而由于地形起伏等限制，对于局部区域(较小尺度)结构面的立体(三维)信息不能有效精准解译；而地面近景摄影测量技术可精确获取中小尺度(百米尺度以内)范围内结构面信息，但是获取大尺度结构信息的建模技术和工作量是一个挑战。GPS-RTK结合全站仪作为上述两种摄影测量方法中GCP位置信息精准测量的一种手段，确保了大地坐标系转换的可靠度和精度；同时作为一种获取点数据的测量方式，也可用于结构面的高精度测量。总之，由无人机航空摄影测量、地面多基线近景摄影测量以及GPS-RTK高精度点位测量组成的测量系统互为补充，可从多尺度、多视角获取岩体结构信息，为不同尺度结构面的精细识别与表征提供有效的技术方法。
2 数字模型重构技术特征地物数字模型的重构是基于摄影测量获取的二维照片或者带有空间属性的点坐标数据进行，主要有GPS-RTK数字迹线模型，以及摄影测量数字模型。
2.1 GPS-RTK数字迹线模型考虑到北山地区线状结构面多以直线形出露，因此本文采用GPS-RTK技术测量局部典型区域岩体线状结构面特征点(迹线首尾两点以及中间的显著出露点)的方法，获得迹线三维点数据信息。通过三维数据点以直线形式相连，即可得到测区结构面迹线三维空间分布。以北山某百米尺度典型线状结构面发育露头为例，其GPS-RTK测量的迹线空间分布如图 3(a)所示。为了对结构面迹线分布特征进行有效的表达，且便于进行特征参数的提取以及统计分析，需要建立可布设数字测线或测窗的数字地面模型(digital terrain model, DTM)载体。DTM的构建，通常采用不规则三角网(triangulated irregular network，TIN)通过将一系列空间点组成三角形，由一系列边连接形成连续、不重叠三角面组成三角网，进而完成曲面数据结构的表达(图 3(b))。需要说明的是，在TIN模型构建中，生成的三角形需要满足Delaunay准则，也就是三角平面的几何特征和拓扑结构面由三角形3个顶点的空间坐标值决定，这就使得TIN模拟较小区域具有起伏特征地形表面形态具有一定的优势(精度高)[24]。目前基于Delaunay三角网生成TIN的方法有很多，本文主要利用GPS-RTK测量的结构面数据(也可视为地形数据)基于Delaunay三角网划分准则通过C语言自主编程生成相应的数据结构，实现TIN模型的构建和可视化(图 3(b)、(c))，也可在ArcGIS中基于Delaunay三角测量生成TIN模型。在得到TIN地形模型后，将空间分布的迹线叠加到TIN模型上，完成GPS-RTK数字迹线模型的构建。
|
| 图 3 GPS-RTK获取的数字迹线以及结构面三维迹线模型 Fig. 3 Trace distribution obtained by GPS-RTK and 3D trace model for discontinuities |
考虑到地形起伏因素对于结构面统计评估带来的不确定性和困难，本文在构建TIN地形表面模型基础上，通过对地形模型进行矢量化处理，以不同形状的网格(如矩形)在模型表面进行空间差值，生成连续且拟合良好的矩形网格地形曲面(可作为符合地形起伏特征的数字测窗)，进而实现结构面信息的数字化统计(图 3(d))。由于生成的网格地形曲面，网格大小可根据统计需要而改变，因此这一方法也为迹线空间分布的分形维数特征研究提供了方便。
GPS-RTK数字迹线模型可提供局部小尺度范围内结构面信息的精细化表征，但是大范围进行结构面信息提取和识别时，逐一测量迹线特征点需要开展大量的野外工作。因此，本文在现场工作中仍然借鉴GPS-RTK高精度位置点信息定位测量的优势，探索利用摄影测量技术便捷高效的优势，改进测量方法以进一步提高野外测量工作效率和结构面信息解译精度，并减少以往测量方法仅利用部分结构面迹线点来解读结构面信息的不确定性。
2.2 摄影测量数字表面模型岩体结构面的数字摄影测量的形式主要有无人机航空摄影测量和地面近景摄影测量。摄影测量获取二维照片的最终目的就是建立或者还原被测地物三维结构信息。如第1节所述，笔者开展野外现场测量时选用的是非测量相机，因此可利用运动恢复结构(SfM)方法通过对摄取影像进行特征匹配，建立特征点之间的特征关系求取相机的内外参数[25]。因而在野外作业时无须事先知道相机的位置、拍摄角度以及与目标物的距离等参数，这最大限度地提升了野外工作的灵活性，使得摄影测量结合SfM方法建立被测物数字表面模型的技术具有广阔的应用前景。本文主要采用增量式SfM法构建和恢复被测物表面三维模型，主要步骤有：①构建初始稀疏点；②点云加密稠密化；③曲面重构和纹理映射。
首先，在经过特征匹配的图像中选取最优的种子图像通过对极关系进行初始位姿求解[26]，然后不断添加新的图像依次进行特征匹配。对于新图像中匹配到的特征点通过空中三角测量，恢复和计算同名像点的物方空间坐标构建初始稀疏点云。对于运动恢复过程中会可能出现的一部分噪声，采用光束法平差(BA)减小误差累积，提高初始特征点云的保真度。基于SfM构建的稀疏点云，利用多视图聚簇(CMVS)法对图像进行聚簇分析，然后采用基于面片模型的三维重建算法(PMVS)通过匹配、扩展、过滤3个阶段完成密集匹配的同时生成稠密三维点云[27]；最后基于Matlab平台自主编程实现点云的可视化以及表面模型的重构和渲染；通过控制点坐标转换即可得到具有真实地理信息的三维数字表面模型。以北山坑探揭露的围岩临空面为例(可视为结构面发育的岩质边坡)，图 4(a)为SfM法对现场摄影照片构建的稀疏点云，图 4(b)为根据稀疏点云重构的数字表面模型和纹理渲染。
|
| 图 4 摄影测量数字表面模型构建 Fig. 4 Construction of digital surface model based on photogrammetry |
三维数字模型的重构技术已经比较成熟，Pix4Dmapper、Smart3D等均可实现点云重构。目前多数研究针对SfM方法体系中算法的稳健性、建模的精度准确度以及重构模型的完整度等方面进行改进来提升建模的效率和成图质量。但是对于复杂条件下大尺度的高精度建模，通常会由于数据量庞大、数据关系复杂以及误差累积等直接或间接影响建模结果。对于实际工程应用来说，通过航片或者摄影姿态调整、照片质量控制以及重合度保证等操作均可促进高保真建模(具体技术方法见第1节)。
3 结构面信息识别与表征 3.1 结构面的识别与提取利用GPS-RTK技术测量的结构面，选取3个以上控制点(特征点)，通过最小二乘法原理拟合结构面平面，并通过构建的三维数字迹线模型可轻松实现结构面信息的识别与表征。另一种方法是基于三维重构DSM模型的结构面自动化识别。摄影测量(尤其是地面近景摄影测量)过程中由于野外复杂环境因素的影响，在生成的DSM模型中势必会产生一些噪点，尤其是生长在所要提取结构面上的噪点，无法通过人工删减等现有方法合理去除。为了消除噪声对结构面识别精度的影响，本文采用拉普拉斯网格平滑算法，通过重置和优化网格顶点来达到除噪和平滑DSM模型的目的。对于模型表面网格中一个编号为i的顶点Di，其周边一阶伞状邻接点为Dj，则赋予两点距离权重wij的拉普拉斯平滑可表示为
(1)
为了控制平滑的程度与速率，在平滑过程中使网格点坐标更新通过速率控制系数λ来完成，即
(2)
式中，λ的取值为0~1。对图 4(a)在λ=0.3时平滑8次得到图 5(a)效果。
|
| 图 5 基于DSM模型的结构面识别 Fig. 5 Identification of structural plane based on DSM model |
基于平滑后的DSM模型，通过自动识别(或指定)的结构面特征点，利用K最近邻算法(KNN)搜索出每一个点最近的k个邻居点形成子平面点集；再通过主成分分析法(PCA)进行优化、降维以及删除阈值外噪点等操作拟合最优子平面，并获得子平面的法向量和平坦度量指标；然后对表面模型中所有点进行归类，实现平面的边缘检测和分割(如图 5(a)所示，其中绿色为平面检测边缘，红色为平面结构)。为了保证结构面识别的准确性以及客观性，选择模型中平坦度量指标值最小(越小，表明平坦性越好)的点作为种子点，然后比较待确定平面点集和种子点间的角间距，如果在阈值范围(精度)要求内，则纳入同一平面，并继续向周边生长和搜索。完成一次区域生长后，进行面域内剩余点平坦度量指标的比较，获取新的种子点，然后重复执行区域生算法直至遍历所有点，进而优化结构面平面的分割与搜索识别，结果如图 5(b)所示。从整体效果来看，图 5(b)的自动化识别结构面结果令人满意。
本文采用的方法不仅可以有效针对面状结构面的准确识别，也可通过人机交互智能识别解决线状结构面的识别难题和挑战[19]。对于线状结构面，只需通过人工设定线状结构面的初始种子点即可，这里将不再赘述，具体案例的识别结果见第4节。对于无人机大尺度摄影测量，同理可生成DSM、DOM和DEM，基于这些数字化模型，可实现对大范围不同尺度结构面的精细化识别和提取。
3.2 结构面特征参数的表征 3.2.1 结构面产状的计算和表征岩体结构面的产状表征结构面在岩体内部的方位，是了解岩体性质的重要参数指标之一。GPS-RTK数据点拟合的结构面，以及在DSM模型中识别、拟合的结构面如图 6所示。
|
| 图 6 结构面的拟合与参数计算 Fig. 6 Fitted structural plane and parameter calculation |
这里三维空间坐标系采用右手坐标系，X轴正方向对应地理正东方向，Y轴正方向对应地理正北方向，Z轴正方向为垂直向上方向。结构面拟合平面的表达式为
(3)
式中，A、B和C是拟合平面法向量的3个分量；D是从原点到平面的垂直距离。
对平面M的法向量N (A, B, C)进行归一化处理获得该平面的单位正向法向量n (a, b, c)。因此，定义拟合平面和它在水平面上的夹角为结构面的真实地理倾角α，计算公式如下
(4)
同样，定义拟合平面的方向向量M在水平面上投影线与Y轴(正北)方向的夹角为结构面的真实地理倾向β，计算公式如下
(5)
这里需要指出，如果a>0且b>0，则式(5)中P=0；如果a>0且b < 0，则P=360°；其他情况下，P=180°。
获得结构面产状后，利用笔者改进的快速模糊聚类方法，即可实现产状的聚簇分析，求取最优中心产状，实现结构面产状优势分组[19]。后续迹线参数的统计分析均是根据产状的优势分组分别进行。
3.2.2 结构面迹线参数的计算和表征本节主要针对结构面迹线参数的迹长、间距和密度展开，这些均是对岩体特性评价和网络模型建立的基础参数。由于结构面迹线存在一定程度的弯曲，因此根据迹线上多个数据点通过式(6)进行迹线长度求解
(6)
式中，n表示每条迹线的三维控制点(特征点)坐标数目；(xi，yi，zi)表示第i个三维迹线控制点坐标。对于近似直线型迹线，取首位两端点进行简化计算即可。
结构面的间距表示相邻结构面间的法向距离，直接反映了岩体的完整性及宏观力学性质。对于结构面间距的测量主要依靠测线法，在模型中进行测量时，首先布设一个与待侧面垂直的测线面，两个面的交线为测线(沿地形起伏的曲线)，则相邻迹线与测线交点间的距离即为迹线的视间距。迹线分布具有三维空间属性，因此假设迹线与测线的交点为(x, y, z)，则测线上相邻两迹线与测线交点间的真间距为
(7)
为了便于计算及减小累积误差，n0(nx, ny, nz)可为待测迹线组结构面中心产状的单位法向量。
结构面密度按照不同表征形式可分为线密度、面密度和体密度。线密度由测线法得到，面密度为出露面迹线的密度，通常由测窗法得到，体密度是岩体内部结构面所占的比例，通常通过面密度估计得出。在密度属性表征中，面密度要比线密度更能合理表征迹线的密度分布特征，且圆形测窗较其他统计测窗能很好地减小统计偏差。目前被广泛采用的面密度评估方法为Mauldon法[28]，即利用圆形采样统计测窗或者符合地形特征的矩形数字统计测窗，通过计数迹线与测窗的相交(位置关系)形式，对面密度ρ以及平均迹长l进行统计评估，如式(8)所示
(8)
式中，r为圆形测窗的半径；m为圆形测窗中含有的完整迹线数目；n为与圆形测窗相交的迹线数目；N0表示首尾两端都不在统计测窗内的迹线数；N2表示首尾两端均在统计测窗内的迹线数；N为与统计测窗相交的迹线数。
需要说明的是，在最终确定结构面参数的评估统计方案之前，必须对统计测窗的布设方式、半径及个数进行严格的评估。也就是在露头模型上布设多个统计测窗，改变其个数以及半径，观察每一次的统计结果。对这些统计结果进行不确定性分析，当在某一半径区间内改变测窗半径大小，统计结果均趋于稳定，且测窗统计得到的平均迹长与露头模型中实际的平均迹长相当，则认为此时的统计方案为最佳统计方案，可进行结构面的最终评估。显然，基于DSM模型的数字统计测窗(如图 3(d)的矩形网格地形曲面测窗)可为这一问题的研究提供便捷。
4 工程应用实践 4.1 工程概况工程实例选择甘肃北山典型结构面出露的花岗岩场址区域。该区域地形以小山丘为主，岩体类型由片麻岩黑云母二长花岗岩和黑云母花岗闪长岩组成，主要由花岗岩侵入形成，岩体性质较单一，是核废料处置库的天然良好备选地点。具体的场址特性介绍见文献[29—31]。场址区域发育大量不同尺度岩体结构面，对岩体特性、岩体稳定机制以及水文地质工程地质特性具有重要的影响。本文采用摄影测量系统，利用无人机、地面近景摄影以及GPS-RTK，从不同视角、尺度和维度对结构面的有效识别及特征参数的分布规律进行综合研究。场区地面近景摄影测量点位和无人机航测DOM、DEM数字模型如图 7所示。对于生成的DOM可利用ArcMap平台对结构面纹路进行人机交互识别，然后输出数据开展结构面分布规律研究。
|
| 图 7 区域及露头测量方案 Fig. 7 Site area and outcrops survey scheme |
4.2 岩体结构面几何特征统计分析
首先根据无人机飞行得到的数据，在场区内选取41个典型结构面出露区域，通过DOM数字模型解译结构面特征参数。对获取的参数进行统计评估得到场区统计区域内结构面的平均迹长为7.35 m，统计面密度为0.067 1条/m2(图 7(b))，其中绿色(左侧位置)为平均迹长，粉色(右侧位置)为面密度。这些结构面的发育特征受场区内主要断裂，以及成岩、风化等因素的直接或者间接影响，表现出不同的分布特征，具体体现在不同区域位置结构面特征参数的异同。区域断裂带影响下岩体结构面的发育特征，将在4.3节详细论述。
通过无人机获得宏观尺度结构面分布特征，针对重点区域还需利用地面近景摄影测量进行精细化研究。以场区某一典型结构面出露完好的露头为例，通过数字化建模得到该露头的三维重构DSM模型。在此基础上依据确定的迹线特征点，实现迹线的自动化识别和提取，形成露头数字化三维迹线模型，在模型上布设相应的数字化测窗，即可进行迹线特征参数的统计分析与表征(图 8)。测窗的布设采用符合地形起伏特征的联合数字测窗统计法[19]，通过多次试算后，确定半径为5.22 m的采样测窗并进行最终结果的统计评估。
|
| 图 8 典型花岗岩露头三维数字化重构模型及数字测窗 Fig. 8 3D digital reconstruction model of a typical granite outcrop and digital sampling window |
对该露头结构面进行自动化识别和提取，得到565条有效结构面，通过自主编程对结构面产状进行解译，得到该露头结构面走向玫瑰图如图 9(a)所示，主要为NNE方向。
|
| 图 9 结构面产状分布特征 Fig. 9 Distribution characteristics of discontinuity orientation |
利用笔者改进的快速模糊聚类方法[19]进行产状优势分组，产状样本的聚簇分析结果如图 9(b)所示，可将本组产状样本划分为4个优势组，优势分组的特征参数见表 1。
| 优势组号 | 模型识别提取产状/(°) | 样本数 | |
| 倾向 | 倾角 | ||
| 1 | 275.3 | 88.6 | 267 |
| 2 | 314.3 | 50.7 | 117 |
| 3 | 216.8 | 59.9 | 89 |
| 4 | 93.2 | 60.2 | 92 |
由图 9和表 1可看出，该露头结构面产状分布主要为陡倾特征，并且存在一定数量近乎90°的陡倾角结构面。根据布设测窗统计得到该露头结构面的迹长以及面密度分布特征如图 10所示。
|
| 图 10 结构面迹线特征参数综合统计评估 Fig. 10 Comprehensive statistical evaluation of trace characteristic parameters |
岩体结构面迹长、密度的主要分布有正态分布、对数正态分布，负指数分布以及伽玛分布等。通过对图 10迹长分布特征及面密度分布特征进行最优曲线拟合和统计检验，发现该测区4个结构面优势组的迹长服从良好的对数正态分布，面密度具有服从双参负指数分布的趋势。统计得到的迹线特征参数见表 2。采用3.2.2节测线法，同样可得到该露头4组结构面间距分布形式有双参负指数和对数正态。通常情况采用平均间距来表征结构面间距特征。这些特征参数可直接应用于岩体质量特性的相关研究、裂隙网络建模，以及断裂影响带范围的评估等。另外，对场区花岗岩露头进行初步研究发现，较大迹长出现的区域往往具有较小的面密度；在结构面明显发育区域，普遍具有较大的面密度和较小的平均迹长。这将为后续利用分形理论表征结构面网络特性的研究提供新思路。
| 分组 | 迹长/m | 面密度/m-2 | 间距平均值/m | |||||||||
| 分布 | 均值 | 标准差 | 最大值 | 最小值 | 分布 | 均值 | 标准差 | 最大值 | 最小值 | |||
| 1 | 对数正态 | 2.46 | 1.53 | 10.28 | 0.49 | 负指数 | 0.054 | 0.120 | 0.783 | 0 | 1.017 | |
| 2 | 对数正态 | 2.98 | 2.05 | 11.74 | 0.39 | 负指数 | 0.023 | 0.036 | 0.165 | 0 | 1.485 | |
| 3 | 对数正态 | 2.04 | 1.87 | 11.58 | 0.30 | 负指数 | 0.018 | 0.032 | 0.143 | 0 | 2.812 | |
| 4 | 对数正态 | 2.40 | 1.98 | 11.09 | 0.18 | 负指数 | 0.020 | 0.033 | 0.172 | 0 | 2.573 | |
4.3 断裂带影响范围分析
区域断裂带的影响范围是区域稳定性评估、工程施工设计，以及地下设施安全运行最为关切的问题之一。断裂影响带范围的评估与确定对于整个场址特性的了解具有重要意义和价值。因此，在获取结构面特征参数基础上有必要对场区断裂影响带范围进行评估。
本文首先利用无人机的“大尺度”把控作用，从整体上对断裂影响带范围进行初步探究(图 7(b))。根据现场踏勘和断裂核部探槽发现，断层附近破碎较严重，多为岩石碎屑和残积土。因而在布设统计测线时以F31断层核部为起点，在20~1520 m范围内布设垂直于断层的6条平行测线，每条测线的有效统计长度为1500 m(图 7(b))。在如此广域范围内进行大范围的统计，有助于对断层的影响范围进行整体性评估。在生成的含丰富纹理的场区DOM模型上(图 7(b))逐次提取出与布设迹线相交的裂隙节理。总共提取出903条裂隙节理，有效平均迹长为12.00 m；有效平均节理间距为3.76 m。这里需要说明的是，由于布设测线经过的区域多为较大尺度发育的结构面，因此统计的平均迹长值要大于41个典型区域评估的迹长值；且DOM模型上统计的迹线间距也大于典型区域/露头模型的统计结果。从不同尺度的统计导致了两者统计结果的差异，通过DOM模型统计的结构面/裂隙多为大长尺度，而通过DSM露头模型统计的为中小尺度结构面。对于区域断裂带的影响范围，不同尺度统计结果虽具有差异性，但是不会对影响带范围评估产生不利影响，反而提供了不同尺度的参考和证据。通常认为区域大断裂直接影响其下一级以及次级结构面的发育，对于更小级别和尺度结构面是否具有直接的影响目前尚不清楚。因此，考虑多尺度结构面发育规律下的断裂带影响范围，更趋于客观性和合理性。
根据DOM模型获取的结构面参数，绘制距断层核部不同位置统计得到的迹长分布图，拟合平均迹长值与距断层距离的关系曲线特征，如图 11(a)所示。通过图 11(a)可得拟合的关系曲线在距离断层核部150~200 m处为曲线的特征变化点，远离200 m之后的部分，拟合曲线趋于平缓，因此可判断出F31断层对上盘结构面迹长的影响范围带约为150~200 m。同理，对统计裂隙间距随着距断层核部距离的变化特征进行特征关系拟合，得出拟合曲线在150~200 m区间内逐渐趋于平稳(图 11(b))，因此可认为F31断层对裂隙间距的影响带范围为150~200 m。于是通过DOM大尺度评估可初步判断F31断裂对其上盘的结构面发育以及岩体完整性的影响范围为150~200 m。
|
| 图 11 F31断层影响带参数统计分析 Fig. 11 Statistical analysis of discontinuity parameters in F31 fault-affected zone |
为了进一步探究F31断层对其上盘裂隙岩体的影响，以及评估宏观尺度整体性判断效果，经过多次现场踏勘，选取F31断层中部附近一裂隙出露完好的典型区域(沿垂直断层向上盘延伸约200 m)进行研究。图 12为该区域含真实地理信息以及裂隙纹理的三维重构DSM模型。通过模型直观判断，可将该区域划分成3个影响区：Ⅰ区为靠近断层的裂隙密集发育区；Ⅱ区为裂隙发育区，该区域裂隙尺度较Ⅰ区长，且发育规律(大多数裂隙具有近似的走向和产状，主要为平行于断裂方向和近乎垂直于断裂方向两组)；Ⅲ区域则明显可看出裂隙发育稀疏，且裸露出完整的岩体。Ⅰ区与Ⅱ区的分界是大长岩脉的出现，Ⅱ区与Ⅲ区的分界是完整裸露基岩的出现。
|
| 图 12 断层影响带三维数字重构模型 Fig. 12 3D digital reconstruction model of fault-affected zone |
由于在小尺度范围内裂隙迹长和裂隙间距的变异性较低，对结果分析不敏感。因此这里选取不同位置裂隙密度变化特征来探究断裂带对岩体完整性的影响。不同位置统计密度特征参数根据3.2节方法获得，具体变化特征如图 13所示。
|
| 图 13 结构面面密度随测量统计距离的变化特征 Fig. 13 The variation characteristics of fracture surface density with the measured statistical distance from the fault |
图 13中起始统计位置距离F31断层上盘边缘较近，在图中0 ~20 m区间(对应图 12的Ⅰ区)裂隙面密度最大，超过0.5条/m2。结合现场图片可看出该区域主要受两组结构面相互剪切作用，形成微小尺度裂隙(< 2 m的厘米级别)，表现出密集的裂隙网络。因此该部分为主断层强烈影响区(即断层下边缘破碎带)，影响范围约为20 m。图 13的20~140 m对应图 12的Ⅱ区，为断层影响带，此区域内随着远离断层上盘，岩体完整性逐渐变好。对于断层主要影响区(Ⅱ区)，根据密度变化特征可分为两个子区域：Ⅱ-1区的主要影响带以及Ⅱ-2区的边缘影响带。需要说明的是，在Ⅱ区区段内虽有统计得到较小的面密度，这是由风化作用引起露头表面风化而使纳入统计的裂隙数量减少，如图 12的Ⅱ-2区的风化区域。这部分不应该判断为断层影响区的结束，而是直到Ⅲ区形成完整的基岩出现，这部分区域裂隙密度发育很小，通常小于0.1条/m2。因此，对于该典型区域的初步探究得出F31断层核部对其上盘的影响带范围约为150 m。
总之，结合无人机大尺度以及地面摄影测量局部尺度的精细化剖析，可综合判断出F31断层对其上盘的影响带范围约为150~200 m，其中断层核部及其附近形成的破碎区(10 m)，断层强烈影响带为20 m(Ⅰ区)，主要影响带为80 m(Ⅱ-1区)，边缘过渡影响带为40 m(Ⅱ-2区)。F31断层对其上盘裂隙发育特征具有趋于负指数分布特征的影响与控制模式，即随着远离断层核部，裂隙发育程度受到断层影响作用力快速减弱。这里需要说明的是，通过结构面的发育特征/规律初步判定了断裂带对上盘裂隙发育的影响形式，而定量确定和刻画出断裂带的影响范围，还需结合地球物理探测技术开展相应的验证和补充研究。
5 讨论岩体结构面的识别和参数的表征是一个系统性研究科学命题，也是岩石工程领域研究者了解岩体相关特性的重要途径。岩体结构面的测量从传统的基于罗盘、皮尺、塞尺等接触式测量，发展到基于GPS-RTK的半数字化测量，随之又通过图像处理、摄影测量以及遥感测绘基本实现结构面识别测量的数字化。这一技术手段革新带来的直接效益就是极大地提升了工作效率，将大量的野外现场工作转换为安全高效的室内作业；另外通过数字化方法也减少了现场测量的一系列主客观误差。由于便捷和低成本，这一方法已被应用并推广到岩土工程、地下工程、矿山工程及建筑测绘工程等领域，是当前时期研究的热点[32-34]。尤其是利用高分辨相机的多基线数字摄影测量(地面近景摄影、空中无人机摄影)，将高分辨率被测物影像和SfM构建的点云数据有机结合起来，显著提升了被测物精细化建模的效果以及逼真纹理视觉的再现，使得研究走向精细化，同时提升了野外测量工作的灵活性。
在未来，相关研究将主要围绕以下3方面开展：①建立不同尺度、维度地物信息摄取-识别-分析-响应的空天地内一体化智能体系，综合获取和解译岩体的相关特性；②通过地表的测量方法和理论，探索出适用于地下空间的有效测量方法，为地质体表深一体化建模提供基础；③探究通过测量可观察区域获取的结构面信息推测和模拟地下未知区域岩体中结构面分布的理论与技术，突破对地下岩体特性预测、认知的“黑匣子”瓶颈。
另外，对于岩体结构面的表征，由于自然岩体中结构面的形成不完全是随机的，而是往往受到构造应力、区域运动以及成岩成矿等因素表现出随机性中的规律性或者趋势性。目前对于岩体结构面较为统一的认识是，将其通过产状进行优势分组，将一个区域的结构面分为几个优势组，随之进行结构面特征参数的表征。然而不同尺度的结构面之间具有不同的特征(尺度特征)。因此，未来的相关研究还应根据大数据样本进一步挖掘不同尺度特征结构面间的区别和差异，获取更为合理的结构面尺度特征参数，为岩体特性的评价以及岩体内部结构面网络模型的科学建立提供理论依据和技术方法。
6 结论岩体中存在的结构面对于岩体特性有着重要的影响，尤其是花岗岩体中存在的复杂结构面，为相关工程带来棘手的问题和挑战。本文针对甘肃北山核废料地质处置库预选区场址，采用数字摄影测量技术，实现了对场区不同尺度岩体结构面的数字化精细测量、识别与表征。主要得出以下结论。
(1) 由GPS-RTK、无人机摄影及多基线近景摄影组成的数字摄影测量系统可有效获取广域范围不同尺度结构面信息，且针对复杂地质条件具有良好的工程适用性，可为地质结构面的精细化测量调查提供一种多途径的技术方法参考。
(2) 通过摄影测量获取物像照片，利用SfM法进行三维重构的方法，将高精度照片和数字化点云有机结合，提升了建模的质量及野外测量工作的灵活性；并且为结构面的智能识别及特征参数的数字化统计评估提供了良好的载体，使大量的野外作业转换为室内作业，提高了工作效率和经济效益。
(3) 北山场区一典型露头的分析结果表明，其结构面产状可分为4个优势组，其中陡倾角结构面占主导地位；分组后结构面的各组迹长服从对数正态分布，面密度趋于双参负指数分布特征。总体而言场区露头结构面产状可分为2~5个优势组，走向主要为NNE、NE和NW方向。
(4) 通过结构面特征参数随断层距离的变化变异特征，可综合判断出场区典型大断裂F31断层对其上盘岩体完整性的影响范围大约为150~200 m。垂直于断层核部向下，影响区依次分为破碎区、强烈影响区、主要影响带和边缘过渡影响带。断层对上盘裂隙发育的总体性影响特征为负指数曲线型。随着与断层核部距离的增大，裂隙密度减小，而迹长和间距呈现出增长的趋势。这也与实际相符，靠近断层在较强应力作用下结构面受强剪切作用表现为较破碎状态；远离断层，受到断层影响力减弱，而在局部力学机制下，不同区域岩体表现出相似性和差异性。
致谢: 衷心感谢野外工作期间核工业北京地质研究院的大力支持。
| [1] |
谷德振, 王思敬. 论岩体工程地质力学的基本问题[C]//全国首届工程地质学术会议. 苏州: 中国地质学会, 1979: 191-198. GU Dezheng, WANG Sijing. Discussion on the basic problems of rock mass engineering geomechanics [C]//Proceedings of the 1st national academic conference on engineering geology. Suzhou: Geological Society of China, 1979: 191-198. |
| [2] |
孙玉科. 岩体结构力学: 岩体工程地质力学的新发展[J]. 工程地质学报, 1997, 5(4): 292-294, 291. SUN Yuke. Rockmass structural mechanism: a new advance in rock engineering geological mechanicas[J]. Journal of Engineering Geology, 1997, 5(4): 292-294, 291. |
| [3] |
罗国煜, 刘松玉, 杨卫东. 区域稳定性优势面分析理论与方法[J]. 岩土工程学报, 1992, 14(6): 10-18. LUO Guoyu, LIU Songyu, YANG Weidong. Analysis of regional stability by theory of preferred plane[J]. Chinese Journal of Geotechnical Engineering, 1992, 14(6): 10-18. |
| [4] |
刘新荣, 许彬, 周小涵, 等. 软硬互层岩体结构面宏细观剪切力学特性[J]. 煤炭学报, 2021, 46(9): 2895-2909. LIU Xinrong, XU Bin, ZHOU Xiaohan, et al. Investigation on the macro-meso shear mechanical properties of soft-hard interbedded rock discontinuity[J]. Journal of China Coal Society, 2021, 46(9): 2895-2909. |
| [5] |
梁玉飞, 裴向军, 崔圣华, 等. 基于地面三维激光点云的滑坡破坏边界岩体结构特征分析[J]. 岩石力学与工程学报, 2021, 40(6): 1209-1225. LIANG Yufei, PEI Xiangjun, CUI Shenghua, et al. Analysis of rock mass structure characteristics of landslide boundaries based on ground 3D laser point cloud[J]. Chinese Journal of Rock Mechanics and Engineering, 2021, 40(6): 1209-1225. |
| [6] |
张永军, 张祖勋, 龚健雅. 天空地多源遥感数据的广义摄影测量学[J]. 测绘学报, 2021, 50(1): 1-11. ZHANG Yongjun, ZHANG Zuxun, GONG Jianya. Generalized photogrammetry of spaceborne, airborne and terrestrial multi-source remote sensing datasets[J]. Acta Geodaetica et Cartographica Sinica, 2021, 50(1): 1-11. DOI:10.11947/j.AGCS.2021.20200245 |
| [7] |
朱建军, 李志伟, 胡俊. InSAR变形监测方法与研究进展[J]. 测绘学报, 2017, 46(10): 1717-1733. ZHU Jianjun, LI Zhiwei, HU Jun. Research progress and methods of InSAR for deformation monitoring[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10): 1717-1733. DOI:10.11947/j.AGCS.2017.20170350 |
| [8] |
陈晓勇, 何海清, 周俊超, 等. 低空摄影测量立体影像匹配的现状与展望[J]. 测绘学报, 2019, 48(12): 1595-1603. CHEN Xiaoyong, HE Haiqing, ZHOU Junchao, et al. Progress and future of image matching in low-altitude photogrammetry[J]. Acta Geodaetica et Cartographica Sinica, 2019, 48(12): 1595-1603. DOI:10.11947/j.AGCS.2019.20190466 |
| [9] |
YAN Lei, ZHANG Ruihua, SUN Yanbiao. A preliminary study on the theory of polar coordinates digital photogrammetry and the coordinate system of spatial information[J]. Journal of Geodesy and Geoinformation Science, 2018(1): 61-79. |
| [10] |
WU Faquan, WU Jie, BAO Han, et al. Advances in statistical mechanics of rock masses and its engineering applications[J]. Journal of Rock Mechanics and Geotechnical Engineering, 2021, 13(1): 22-45. DOI:10.1016/j.jrmge.2020.11.003 |
| [11] |
李术才, 刘洪亮, 李利平, 等. 基于数码图像的掌子面岩体结构量化表征方法及工程应用[J]. 岩石力学与工程学报, 2017, 36(1): 1-9. LI Shucai, LIU Hongliang, LI Liping, et al. A quantitative method for rock structure at working faces of tunnels based on digital images and its application[J]. Chinese Journal of Rock Mechanics and Engineering, 2017, 36(1): 1-9. |
| [12] |
葛云峰, 夏丁, 唐辉明, 等. 基于三维激光扫描技术的岩体结构面智能识别与信息提取[J]. 岩石力学与工程学报, 2017, 36(12): 3050-3061. GE Yunfeng, XIA Ding, TANG Huiming, et al. Intelligent identification and extraction of geometric properties of rock discontinuities based on terrestrial laser scanning[J]. Chinese Journal of Rock Mechanics and Engineering, 2017, 36(12): 3050-3061. |
| [13] |
STURZENEGGER M, STEAD D. Close-range terrestrial digital photogrammetry and terrestrial laser scanning for discontinuity characterization on rock cuts[J]. Engineering Geology, 2009, 106(3/4): 163-182. |
| [14] |
MENEGONI N, GIORDAN D, PEROTTI C, et al. Detection and geometric characterization of rock mass discontinuities using a 3D high-resolution digital outcrop model generated from RPAS imagery-Ormea rock slope, Italy[J]. Engineering Geology, 2019, 252: 145-163. |
| [15] |
张永军, 万一, 史文中, 等. 多源卫星影像的摄影测量遥感智能处理技术框架与初步实践[J]. 测绘学报, 2021, 50(8): 1068-1083. ZHANG Yongjun, WAN Yi, SHI Wenzhong, et al. Technical framework and preliminary practices of photogrammetric remote sensing intelligent processing of multi-source satellite images[J]. Acta Geodaetica et Cartographica Sinica, 2021, 50(8): 1068-1083. DOI:10.11947/j.AGCS.2021.20210079 |
| [16] |
龚健雅, 季顺平. 摄影测量与深度学习[J]. 测绘学报, 2018, 47(6): 693-704. GONG Jianya, JI Shunping. Photogrammetry and deep learning[J]. Acta Geodaetica et Cartographica Sinica, 2018, 47(6): 693-704. DOI:10.11947/j.AGCS.2018.20170640 |
| [17] |
张勤, 赵超英, 陈雪蓉. 多源遥感地质灾害早期识别技术进展与发展趋势[J]. 测绘学报, 2022, 51(6): 885-896. ZHANG Qin, ZHAO Chaoying, CHEN Xuerong. Technical progress and development trend of geological hazards early identification with multi-source remote sensing[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(6): 885-896. DOI:10.11947/j.AGCS.2022.20220132 |
| [18] |
HYMAN J D, DENTZ M, HAGBERG A, et al. Linking structural and transport properties in three-dimensional fracture networks[J]. Journal of Geophysical Research: Solid Earth, 2019, 124(2): 1185-1204. |
| [19] |
XU Wentao, ZHANG Yangsong, LI Xiaozhao, et al. Extraction and statistics of discontinuity orientation and trace length from typical fractured rock mass: a case study of the Xinchang underground research laboratory site, China[J]. Engineering Geology, 2020, 269: 105553. |
| [20] |
李晓昭, 周扬一, 汪志涛, 等. 测量统计范围大小对结构面迹长估计的影响[J]. 岩石力学与工程学报, 2011, 30(10): 2049-2056. LI Xiaozhao, ZHOU Yangyi, WANG Zhitao, et al. Effects of measurement range on estimation of trace length of discontinuities[J]. Chinese Journal of Rock Mechanics and Engineering, 2011, 30(10): 2049-2056. |
| [21] |
GIGLI G, CASAGLI N. Semi-automatic extraction of rock mass structural data from high resolution LiDAR point clouds[J]. International Journal of Rock Mechanics and Mining Sciences, 2011, 48(2): 187-198. |
| [22] |
LI Xiaojun, CHEN Ziyang, CHEN Jianqin, et al. Automatic characterization of rock mass discontinuities using 3D point clouds[J]. Engineering Geology, 2019, 259: 105131. |
| [23] |
张祖勋, 杨生春, 张剑清, 等. 多基线-数字近景摄影测量[J]. 地理空间信息, 2007, 5(1): 1-4. ZHANG Zuxun, YANG Shengchun, ZHANG Jianqing, et al. Multi-baseline digital close-range photogrammetry[J]. Geospatial Information, 2007, 5(1): 1-4. |
| [24] |
姜三, 江万寿. Delaunay三角网约束下的影像稳健匹配方法[J]. 测绘学报, 2020, 49(3): 322-333. JIANG San, JIANG Wanshou. Robust image matching constrained by Delaunay triangulation[J]. Acta Geodaetica et Cartographica Sinica, 2020, 49(3): 322-333. DOI:10.11947/j.AGCS.2020.20190089 |
| [25] |
SHANG Yang, SUN Xiaoliang, ZHANG Yueqiang, et al. Research on 3D target pose tracking and modeling[J]. Journal of Geodesy and Geoinformation Science, 2019, 2(2): 60-69. |
| [26] |
赵红蕊, 陆胜寒. 基于特征尺度分布与对极几何约束的高清影像快速密集匹配方法[J]. 测绘学报, 2018, 47(6): 790-798. ZHAO Hongrui, LU Shenghan. Dense high-definition image matching strategy based on scale distribution of feature and geometric constraint[J]. Acta Geodaetica et Cartographica Sinica, 2018, 47(6): 790-798. DOI:10.11947/j.AGCS.2018.20170630 |
| [27] |
YANG M D, CHAO C F, HUANG K S, et al. Image-based 3D scene reconstruction and exploration in augmented reality[J]. Automation in Construction, 2013, 33: 48-60. |
| [28] |
MAULDON M, DUNNE W M, ROHRBAUGH M B J. Circular scanlines and circular windows: new tools for characterizing the geometry of fracture traces[J]. Journal of Structural Geology, 2001, 23(2/3): 247-258. |
| [29] |
CHEN Liang, WANG Ju, ZONG Zihua, et al. A new rock mass classification system QHLW for high-level radioactive waste disposal[J]. Engineering Geology, 2015, 190: 33-51. |
| [30] |
WANG Ju, CHEN Liang, SU Rui, et al. The Beishan underground research laboratory for geological disposal of high-level radioactive waste in China: planning, site selection, site characterization and in situ tests[J]. Journal of Rock Mechanics and Geotechnical Engineering, 2018, 10(3): 411-435. |
| [31] |
XU Wentao, ZHANG Yangsong, LI Xiaozhao, et al. Comprehensive identification of statistical homogeneity of fractured rock masses for a candidate HLW repository site, China[J]. Engineering Geology, 2021, 293: 106279. |
| [32] |
LV Jingguo, YANG Xingbin, ZHANG Danlu, et al. High-resolution remote sensing image semi-global matching method considering geometric constraints of connection points and image texture information[J]. Journal of Geodesy and Geoinformation Science, 2021, 4(4): 97-112. |
| [33] |
GONG Jianya, JI Shunping. Photogrammetry and deep learning[J]. Journal of Geodesy and Geoinformation Science, 2018(1): 1-15. |
| [34] |
许强, 朱星, 李为乐, 等. "天-空-地"协同滑坡监测技术进展[J]. 测绘学报, 2022, 51(7): 1416-1436. XU Qiang, ZHU Xing, LI Weile, et al. Technical progress of space-air-ground collaborative monitoring of landslide[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(7): 1416-1436. DOI:10.11947/j.AGCS.2022.20220320 |