一种基于K近邻和Poisson曲面的矿体三维自动建模方法

摘要

本发明提供了一种基于K近邻和Poisson曲面的矿体三维自动建模方法，包括：按照所厘定的勘探线提取所需的钻孔空间数据和属性数据；对获得的数据进行预处理，将样本各个特征转换为标准正态分布，使得数据归一化；利用获得的数据构建k‑d树；利用构建的k‑d树对待建模空间中的任意样例进行k近邻搜索，确定当前样例的k近邻样本；对当前样例的k近邻样本进行预测；获得矿体曲面点云模型数据；求解指示函数，提取等值面，最终建立矿体模型。

权利要求

1.一种基于K近邻和Poisson曲面的矿体三维自动建模方法，其特征在于，包括：步骤1、按照所厘定的勘探线提取所需的钻孔空间数据和属性数据；

步骤2、对步骤1获得的数据进行预处理，将样本各个特征转换为标准正态分布，使得数据归一化，得到数据点集；

步骤3、根据步骤2获得的数据，根据矿体赋存的区域提取范围确定建模空间；

步骤4、输入步骤2得到的数据点集和步骤3划定的建模空间，构建k‑d树；

步骤5、利用步骤4构建的k‑d树对待预测空间中的任意样例进行k近邻搜索，确定当前样例的k近邻样本；

步骤501、获取测试集中的新样例x，按照一定的网格级数将其离散化，提取各个网格单元中心点，将各个中心点坐标归一化；

步骤502、通过遍历步骤4构建的k‑d树，确定新样例x的k近邻样本；

步骤6、对当前样例的k近邻样本进行分类；

步骤7、得到矿体曲面点云数据；

步骤8、读取点云数据，计算法向量，通过求解Poisson方程提取等值面，最终建立矿体模型。

2.根据权利要求1所述的一种基于K近邻和Poisson曲面的矿体三维自动建模方法，其特征在于，步骤3具体包括：步骤301、将步骤2获得的数据生成用于预测的已知样例，每个样例包含数据x和标签y；

步骤302、根据步骤301获得样例中的坐标，确定需要建模的坐标范围。

3.根据权利要求1所述的一种基于K近邻和Poisson曲面的矿体三维自动建模方法，其特征在于，步骤6具体包括：通过交叉验证确定k值，根据分类决策规则进行分类。

4.根据权利要求1所述的一种基于K近邻和Poisson曲面的矿体三维自动建模方法，其特征在于，步骤7具体包括：分别扫描各行各列，若当前行或列相邻两个点的类别不同，计算这两个点的中点并提取记为零等值点，从而建立矿体曲面点云模型。

说明书

一种基于K近邻和Poisson曲面的矿体三维自动建模方法

技术领域

[0001] 本发明涉及地质信息技术领域，具体涉及一种基于K近邻和Poisson曲面的矿体三维自动建模方法。

背景技术

[0002] 三维地质建模及其中三维地质体构模技术是通过地勘数据对矿体进行拓扑信息解译和几何形态确定，是数字矿山的基础和核心是三维地质信息系统的核心技术。目前在地理空间中的三维实体建模方法日趋成熟，但复杂模型的快速构建依然是一个亟待解决的难题。

[0003] 按照模型构建原理，通常可以分为显式建模和隐式建模。显式建模是在人工交互圈定矿体轮廓线的基础上，通过轮廓拼接算法实现二维轮廓线的三维重建。目前大多三维地质建模软件都采用此类方法(如Vulcan，Datamine，Surpac，Mine‑Sight，Micromine，QuantyMine等)。显式建模需要大量人工干预，建模效率低下。

[0004] 隐式建模是基于地勘数据通过空间插值求取等值面重建三维实体的建模方法，也是目前研究的热点方向。三维地质建模方法有多种，例如基于钻孔数据的建模方法、基于剖面数据的建模方法和基于多种图件数据的混合建模方法。其中，基于钻孔建模方法自动化程度较高，速度较快，但所建立的模型精度较低。在实际运用中，常用的方法有距离反比插值、离散光滑插值以及克里金插值等，而这些传统的插值手段往往要求大量的采样数据。此外，近年来有研究人员将机器学习及深度学习的方法引入动态建模技术，如人工神经网络法、支持向量机(SVM)等，但是，由于钻孔数据成本较高，在研究区域内往往只能获得有限、稀疏的钻孔资料，为解决这一问题，有必要提出一种能兼顾效率和速度的新建模方法。

[0005] 矿体三维建模是数字矿山的基础和核心.为了提高建模效率，减少人工干预，提出了基于K近邻(KNN)和Poisson曲面的矿体隐式自动三维建模方法。该方法通过对原始钻孔数据的学习建立最优分类函数，预测建模空间内任意点的分类；在此基础上提取矿体边界点，计算点云法向，建立表征矿体模型几何信息的有向点集；结合矿体点云模型采用Poisson曲面法建立矿体边界指示函数，并提取等值面形成矿体模型。提出的方法有效的解决三维地质建模自动化程度低和精度低的缺点，为矿体的自动建模与更新提供了一条有效途径。

发明内容

[0006] 本发明要解决的技术问题在于，针对上述目前人工划定边界方式随机性大、难以应对复杂工况变化、操作人员劳动强度大的技术问题，提供一种基于K近邻和Poisson曲面的矿体三维自动建模方法解决上述技术缺陷。

[0007] 一种基于K近邻和Poisson曲面的矿体三维自动建模方法，包括：

[0008] 步骤1、按照所厘定的勘探线提取所需的钻孔空间数据和属性数据；

[0009] 步骤2、对步骤1获得的数据进行预处理，将样本各个特征转换为标准正态分布，使得数据归一化，得到数据点集；

[0010] 步骤3、根据步骤2获得的数据，根据矿体赋存的区域提取范围确定建模空间；

[0011] 步骤4、输入步骤2得到的数据点集和步骤3划定的建模空间，构建k‑d树；

[0012] 步骤5、利用步骤4构建的k‑d树对待预测空间中的任意样例进行k近邻搜索，确定当前样例的k近邻样本；

[0013] 步骤6、对当前样例的k近邻样本进行分类；

[0014] 步骤7、得到矿体曲面点云数据；

[0015] 步骤8、读取点云数据，计算法向量，通过求解Poisson方程提取等值面，最终建立矿体模型。

[0016] 进一步的，步骤3具体包括：

[0017] 步骤301、将步骤2获得的数据生成用于预测的已知样例，每个样例包含数据x和标签y；

[0018] 步骤302、根据步骤301获得样例中的坐标，确定需要建模的坐标范围。

[0019] 进一步的，步骤5具体包括：

[0020] 步骤501、获取测试集中的新样例x，按照一定的网格级数将其离散化，提取各个网格单元中心点，将各个中心点坐标归一化；

[0021] 步骤502、通过遍历步骤4构建的k‑d树，确定新样例x的k近邻样本。

[0022] 进一步的，步骤6具体包括：

[0023] 通过交叉验证确定k值，根据分类决策规则进行分类。

[0024] 进一步的，步骤7具体包括：

[0025] 分别扫描各行各列，若当前行或列相邻两个点的类别不同，计算这两个点的中点并提取记为零等值点，从而建立矿体曲面点云模型。

[0026] 与现有技术相比，本发明的优势在于：

[0027] 1、本发明无需技术人员标注划分矿体，而是采用算法自动生成，因此能更快的建立地质体；

[0028] 2、所建矿体模型能够满足钻孔数据的约束，符合矿体赋存形态和产状分布，模型几何质量高，表面过渡自然光滑，结果稳定准确；

[0029] 3、不需要进行传统的基于勘探剖面建模所需的复杂拓扑关系推理，因而能够显著提高三维地质建模的速度，节省大量的人力和时间；

[0030] 综上所述，本发明利用k近邻回归算法对未知的钻孔数据进行预测，并用Poisson曲面重建算法进行模型的建立，有效解决了三维地质建模速度慢，自动化程度低的问题。可在多种地质、地理三维建模专业软件中推广使用，具有较强的社会及商业价值。

附图说明

[0031] 下面将结合附图及实施例对本发明作进一步说明，附图中：

[0032] 图1为本发明的一种基于K近邻和Poisson曲面的矿体三维自动建模方法流程图。

具体实施方式

[0033] 为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。

[0034] 一种基于K近邻(KNN)和Poisson算法的三维地质建模方法，如图1所示，包括：

[0035] 步骤1、按照所厘定的勘探线提取所需的钻孔空间数据和属性数据；

[0036] 步骤2、对步骤1获得的数据进行预处理，将样本各个特征转换为标准正态分布，使得数据归一化，得到数据点集；

[0037] 步骤3、根据步骤2获得的数据，根据矿体赋存的区域提取范围确定建模空间；

[0038] 步骤4、输入步骤2得到的数据点集和步骤3划定的建模空间，构建k‑d树；

[0039] 步骤5、利用步骤4构建的k‑d树对待预测空间中的任意样例进行k近邻搜索，确定当前样例的k近邻样本；

[0040] 步骤6、对当前样例的k近邻样本进行分类；

[0041] 步骤7、得到矿体曲面点云数据；

[0042] 步骤8、读取点云数据，计算法向量，通过求解Poisson方程提取等值面，最终建立矿体模型。

[0043] 步骤3具体包括：

[0044] 步骤301、将步骤2获得的数据生成用于预测的已知样例，每个样例包含数据x和标签y；

[0045] 步骤302、根据步骤301获得样例中的坐标，确定需要建模的坐标范围。

[0046] 步骤5具体包括：

[0047] 步骤501、获取测试集中的新样例x，按照一定的网格级数将其离散化，提取各个网格单元中心点，将各个中心点坐标归一化；

[0048] 步骤502、通过遍历步骤4构建的k‑d树，确定新样例x的k近邻样本。

[0049] 步骤6具体包括：

[0050] 通过交叉验证确定k值，根据分类决策规则进行分类。

[0051] 步骤7具体包括：

[0052] 分别扫描各行各列，若当前行或列相邻两个点的类别不同，计算这两个点的中点并提取记为零等值点，从而建立矿体曲面点云模型。

[0053] 上述方法具体的实施例包括以下步骤：

[0054] A、数据获取，具体包括：

[0055] A1、预先选定建模实例所在的地区的源数据；

[0056] A2、计算出采样点岩心的三维坐标；出于效率考虑，将源数据集存储在表格文件中。

[0057] B、数据预处理：为了消除不同坐标量级之间的影响，需要对数据进行标准化处理。

[0058] C、根据矿体赋存的区域提取范围确定建模空间，具体包括：

[0059] C1、参考钻孔数据空间分布的边界坐标，划定一个立方体三维区域作为目标建模空间；

[0060] C2、按照一定的网格级数将其离散化，提取各个单元中心点，将各个点坐标归一化得到待处理的点集x。

[0061] D、k‑d树构建：针对钻孔数据集，以维度方差最大为标准划分数据，知道每个节点为单一的样例而无法划分，构建k‑d树。

[0062] E、k近邻搜索具体包括：

[0063] E1、获取测试集中的新样例的x；

[0064] E2、选择k值，采用交叉验证优化k值，具体方法为:从参数的随机分布中抽样进行十折交叉验证，k值区间为[1,30]，每次迭代进行200次充分抽样，选择交叉验证结果最优的k值；

[0065] E2、通过遍历k‑d树确定x的k近邻样本。

[0066] F、预测结果：对x的k近邻样本的y进行投票，为预测的分类结果。

[0067] G、计算指示函数和等值面：分别扫描各行各列，若当前行(或列)相邻两个点的类别不同，计算这两个点的中点并提取记为零等值点，从而获得矿体三维点云数据。

[0068] H、建立矿体模型：通过构建稀疏对称矩阵，迭代求解指示函数；针对指示函数，提取等值面，最终建立矿体模型。

[0069] 上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。