[发明专利]一种矿山固废堆场物料二维精细化结构模型生成方法在审
| 申请号: | 202110900759.5 | 申请日: | 2021-08-06 |
| 公开(公告)号: | CN113592838A | 公开(公告)日: | 2021-11-02 |
| 发明(设计)人: | 许传华;李跃;代永新;汪斌;徐全;申其鸿;李如忠 | 申请(专利权)人: | 中钢集团马鞍山矿山研究总院股份有限公司 |
| 主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/12;G06T7/13;G06T7/136;G06T5/00 |
| 代理公司: | 池州优佐知识产权代理事务所(普通合伙) 34198 | 代理人: | 刘尔才 |
| 地址: | 243000 安徽省马*** | 国省代码: | 安徽;34 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 矿山 堆场 物料 二维 精细 结构 模型 生成 方法 | ||
1.一种矿山固废堆场物料二维精细化结构模型生成方法,其特征在于,包括下列步骤:
S1、矿山固废堆场土石分割阈值确定;
S2、矿山固废堆场物料块石图像轮廓识别算法;
S3、数字块石模型库构建;
S4、数字块石特征统计;
S5、数字块石投放算法;
S6、固废堆场物料二维精细化数字模型生成;
所述矿山固废堆场土石分割阈值确定为基于实际工程统计数据、相关文献和规范,综合确定“土”和“石”的阈值dthr(thr=threshold,阈值;)
所述矿山固废堆场物料块石图像轮廓识别算法为对基于阈值dthr分割出的块石进行数字图像摄取,将数字图像进行灰度化,并进行边缘检测与修正,确定出数字块石轮廓;
所述数字块石模型库构建为对数字块石轮廓进行边缘凸包修正,由此构建具有凸型结构的块石模型库;
所述数字块石特征统计为对数字块石模型库中的块石特征进行统计分析,并形成对应的数据库;
所述数字块石投放算法为在研究范围内,根据现场块石统计分布特征,从块石模型库中选取具有相近特征的数字块石进行投放,并采用重心连线法进行块石平面位置的自动调整,保证块石之间不交叉且不重合;
所述固废堆场物料二维精细化数字模型生成为依托研究范围内投放的块石,并将研究范围内未被块石填充区域设置为固废堆场物料中的土体,进而得到土、石混合的矿山固废堆场物料二维精细化结构模型。
2.根据权利要求1所述的一种矿山固废堆场物料二维精细化结构模型生成方法,其特征在于:所述S1中,固废堆场物料的颗粒组成及其级配情况可采用现场量测(粗颗粒)+筛分(细颗粒)方法进行分析。
3.根据权利要求1所述的一种矿山固废堆场物料二维精细化结构模型生成方法,其特征在于:所述S1中,结合相关文献、规范及工程经验,确定土石分割阈值dthr,当测量颗粒的粒径d≥土石分割阈值dthr时,则该颗粒为块石,当d<dthr时,则该颗粒为土,采用土石分割阈值dthr=0.05LC,所述LC为研究范围的工程特征尺度。
4.根据权利要求1所述的一种矿山固废堆场物料二维精细化结构模型生成方法,其特征在于:所述S2中,对块石进行数字图像摄取,针对所摄取的RGB数字图像进行灰度化处理,灰度化计算采用公式:
fG(x,y)=0.299f1(x,y)+0.587f2(x,y)+0.114f3(x,y)
所述式中fk(x,y)(k=1,2,3)依次表示图像中(x,y)坐标处R、G、B的色彩值,所述fG(x,y)为图像中(x,y)坐标处灰度化后的灰度值。
5.根据权利要求1所述的一种矿山固废堆场物料二维精细化结构模型生成方法,其特征在于:所述S2中,对块石数字图像开展块石的边缘检测,采用Gauss平滑滤波器卷积降噪,采用离散化的Gauss函数产生一组归一化的Gauss核,再基于二维Gauss核函数对图像灰度矩阵fG(x,y)的每一点进行加权求和,离散化的二维Gauss核函数形式为:
式中,σ为标准差,K(x,y)为图像中(x,y)坐标处降噪后的灰度值。
6.根据权利要求1所述的一种矿山固废堆场物料二维精细化结构模型生成方法,其特征在于:所述S2中,对块石数字图像检测的边缘开展图像增强计算,计算图像灰度值的梯度及其方向,用Sobel算子Gx、Gy在水平和垂直方向过滤来平滑图像,分别计算x、y方向的卷积模板和待处理点的邻域点标记矩阵,其中:
据此计算出表示每个像素点的边缘梯度G[x,y]和方向θ,其中:
得到的梯度方向近似为0°、45°、90°、135°中的一个,表示垂直、水平和两个对角线方向。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中钢集团马鞍山矿山研究总院股份有限公司,未经中钢集团马鞍山矿山研究总院股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110900759.5/1.html,转载请声明来源钻瓜专利网。





