申请/专利权人：陈建华;陶鲭宇;王炳乾;卢健;王峰;侯明才;胡作维

申请日：2021-02-01

公开（公告）日：2024-03-15

公开（公告）号：CN113033599B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06T17/05;G06N20/20;G06V10/50;G06T7/11;G06T7/136;G06T7/70

优先权：

专利状态码：有效-授权

法律状态：2024.03.15#授权;2021.07.13#实质审查的生效;2021.06.25#公开

摘要：本发明公开了一种基于空间随机森林算法的露头地质体岩层分层方法，涉及地质勘探技术领域；方法包括：基于倾斜摄影测量数据构建露头岩层三维点云模型，对露头岩层三维点云模型进行体元分割，构建岩层体元空间特征与属性特征集成表达模型，以表达模型构建空间决策树，通过空间决策树构建空间随机森林算法，将体元带入空间随机森林算法进行预测，得到体元匹配的岩层类别。以地理信息科学为理论基础，结合地质体岩层特性从点云数据中提取其属性特征和空间特征，基于经典随机森林算法提出了空间随机森林算法，并将之应用于露头地质体岩层类别识别，以实现对露头地质体的自动化岩层分层，为露头地质体的进一步研究奠定基础。

主权项：1.一种基于空间随机森林算法的露头地质体岩层分层方法，其特征在于，方法包括：步骤S11，基于倾斜摄影测量数据构建露头岩层三维点云模型；步骤S12，将露头地质体所在的三维空间作为一个体元，对露头岩层三维点云模型进行体元分割；步骤S13，构建岩层体元空间特征与属性特征集成表达模型；其中，基于倾斜摄影测量数据获取露头剖面点云，将求取的每一体元所包含点云数据的R、G、B各自的平均值，及求取的露头剖面在体元所在区域的表面粗糙度，作为该体元的属性特征，获取空间场景特征和空间度量关系特征作为空间特征；其中，R为红光值、G为绿光值、B为蓝光值，所述空间度量关系特征以每个体元中心点的空间坐标值x，y，z以及该体元所在位置的产状信息表示，所述空间场景特征采用快速点特征直方图FPFH表示；步骤S14，将每一个体元作为随机森林算法的输入数据，体元的属性特征和空间特征为输入特征，定义以空间度量关系特征为根结点构建的决策树为空间决策树，通过空间决策树构建空间随机森林算法；其中，每一个体元为随机森林的输入数据，体元的属性特征和空间特征为输入特征，如式10所示：V＝R,G,B,A,M,S10定义以空间度量关系特征为根结点构建的决策树为空间决策树，对于训练样本集VTS、空间度量关系特征M和所有数据在空间度量关系特征M的取值m、其它特征组成的特征集FS，建立空间决策树ST的算法为：步骤S141，输入训练样本集VTS、所有体元在空间度量关系特征M的取值m、空间度量关系特征M和特征集FS；步骤S142，构建根结点，将训练样本集放在根结点；步骤S143，判断训练样本集VTS是否为同一类，若为同一类，则类别值为根结点值，根结点也为叶结点，返回决策树；步骤S144，若不为同一类，则设置空间度量关系特征M为根结点值，将所有数据在空间度量关系特征M的取值m放在根结点；步骤S145，根据所有取值m建立根结点的分支，每一个取值对应一个分支；步骤S146，若第i个取值mi中只有一个分量，则建立该分支对应的子结点，该结点为叶结点，结点值为分量值；步骤S147，若第i个取值mi中有多个分量，则找到训练样本集VTS中类别值属于mi的分量的所有样本，这些样本即为mi分支对应的子训练样本集，以子训练样本集和特征集FS为输入样本和特征，按照前述的步骤构建mi分支对应的子决策树；步骤S148，对m的所有分支按步骤S146～步骤S147建立叶结点或子决策树后，返回决策树；其中，空间随机森林共有两种构成方式：完全空间随机森林和空间随机树种森林；其中，完全空间随机森林中只有空间决策树，构建方法与经典随机森林构建方法相同，但由于空间决策树的根结点为空间度量关系特征，因此空间度量关系特征不参与特征随机；空间随机树种森林中除了有空间决策树，还有经典决策树，构建空间决策树的特征集为空间特征，构建经典决策树的特征集为属性特征，在构建每棵决策树前，要先随机判断该棵决策树的性质，然后根据其性质从对应特征集中随机抽取特征；步骤S15，将体元带入空间随机森林算法进行预测，得到体元匹配的岩层类别。

全文数据：

权利要求：

百度查询： 陈建华;陶鲭宇;王炳乾;卢健;王峰;侯明才;胡作维 基于空间随机森林算法的露头地质体岩层分层方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD