基于WebGL的數(shù)字露頭可視化表征與識別系統(tǒng):以無人機傾斜攝影依奇克里克剖面為例

董志成, 陳恭洋, 印森林, 朱柏宇

(長江大學錄井技術與工程研究院, 荊州 434000)

野外露頭作為揭示地質(zhì)活動、巖層特征的重要對象,一直是地質(zhì)工作者的研究重點[1]。盡管信息科技進步十分明顯,但無人機露頭表征技術仍需要大量的人工參與,定量化的表征識別工具缺乏,數(shù)據(jù)信息利用率較低。經(jīng)過多年實踐,劉艷等[2]提出基于全球衛(wèi)星定位系統(tǒng)、遙感技術等建設無人機模擬仿真平臺的實現(xiàn)方法;張玉濤等[3-4]則是融合無人機和相關攝影技術對礦產(chǎn)資源、人文建筑等進行三維重建;印森林等[5-6]提出了一種基于無人機傾斜攝影的數(shù)字露頭地質(zhì)建模方法,以提高露頭表征勘探的效率和準確性。雖然無人機傾斜攝影技術以大規(guī)模、高精度(分辨率3～5 cm)、高清晰的方式,全面感知各類復雜地形地貌場景著稱[7],但是造成數(shù)據(jù)量龐大、數(shù)據(jù)管理混亂、數(shù)據(jù)孤島效應明顯、無智能工具的有效保障,且需要獨立客戶端加載模型,其共享性遠遠不能滿足科研需求[8]。

為解決以上問題,提出基于WebGL可視化模型,范俊甫等[9]采用Cesium打造地理信息系統(tǒng),為解決不同空間瓦片數(shù)據(jù)提供了一個低成本、高靈活性的解決方案;竇世卿等[10]則是利用Cesium打造城市管網(wǎng)的3D Tiles模型的可視化平臺,可見采用Cesium前端地理信息三維框架,對地質(zhì)露頭進行地質(zhì)研究具有明顯的創(chuàng)新性和技術優(yōu)勢,其擁有在線預覽、量化分析、方位測量、自動識別等功能,規(guī)避了人工勘測的局限性,具有高精度、勘測效率高等突出特點,經(jīng)無人機采集后的數(shù)據(jù)模型帶有三維坐標信息(經(jīng)度、緯度、海拔高度),可以準確地標記出任意位置的地質(zhì)概況,實現(xiàn)對傾斜攝影模型數(shù)字露頭區(qū)地層要素的標繪、測量及其基本信息的預覽等。針對目標地域,提出一種基于U-net語義分割算法[11],實現(xiàn)對野外露頭的識別和表征是其在地質(zhì)領域的一大應用。然而,目前U-net語義分割與Cesium可視化系統(tǒng)技術的結合還處于初步探索階段,在解決露頭表征問題上仍存在許多挑戰(zhàn)和機遇。

綜上,現(xiàn)提出基于WebGL可視化模型和Cesium框架的平臺建設方案,實現(xiàn)了地質(zhì)數(shù)據(jù)在跨平臺、跨設備上的可視化展示和交互,對地質(zhì)露頭進行地質(zhì)研究,可以高效地獲取和分析地質(zhì)信息,具有明顯的創(chuàng)新性和技術優(yōu)勢。該方案結合使用U-net語義分割算法實現(xiàn)了對野外露頭的地層特征實現(xiàn)自動識別,進一步提高了露頭表征的準確性和效率。

1 研究方法

在實際地質(zhì)工作需求的基礎上,基于WebGL打造可視化數(shù)字露頭平臺。該平臺以無人機傾斜攝影為基點,構建包含各種復雜地質(zhì)構造的高精度三維地質(zhì)模型,采用B/S(browser/server),即瀏覽器和服務器結構,基于 Visual Studio Code2022 開發(fā)平臺,以開源Cesium開發(fā)框架為基礎,采用HTML5、JavaScript等開發(fā)語言,實現(xiàn)對采集區(qū)傾斜攝影地質(zhì)圖像展示、測繪測量、標識標注等功能,極大地提高了生產(chǎn)效率,節(jié)約了勘探成本。本文研究的技術路線如圖1所示。

圖1 基于WebGL三維可視化平臺技術架構圖Fig.1 Technical architecture diagram based on WebGL 3D visualization platform

系統(tǒng)設計共分為4層,分別是采集構建層、數(shù)據(jù)處理層、服務發(fā)布層、會話表示層,各層間采用鏈式原則協(xié)同工作。其中,采集構建層,主要指通過無人機傾斜攝影對采集區(qū)地質(zhì)露頭信息模型的構建;數(shù)據(jù)處理層,主要是整合、處理采集的數(shù)據(jù)模型及相關的地理信息數(shù)據(jù);服務發(fā)布層,是指通過Cesium進行功能開發(fā),結合算法邏輯,而后通過GeoServer發(fā)布服務[12];會話表示層,主要為用戶通過終端,通過瀏覽器與系統(tǒng)交互會話。

1.1 數(shù)據(jù)采集與處理

1.1.1 數(shù)據(jù)采集

無人機傾斜攝影技術是國際攝影測量領域近十幾年發(fā)展起來的一項高新技術,顛覆了傳統(tǒng)以正射影像只能從垂直角度拍攝的局限,通過在同一飛行器上搭載一個垂直、四個傾斜,五個不同角度的視角同步采集影像,采用大重疊度飛行,獲取全方位的地質(zhì)高分辨率紋理通過后期先進的定位、建模等技術,生成真實三維地質(zhì)模型,提供高分辨率的多角度圖像,為地理信息系統(tǒng)(geographic information system,GIS)和其他地理信息技術(geographic information technology,GIT)應用提供數(shù)據(jù)支持。無人機傾斜攝影還可以提供精確的地形和地貌,以及高精度的地形數(shù)據(jù),比如地形模型,可以用于地形分析、測量、建模等應用,為GIS提供數(shù)據(jù)支持?；诖擞袑W者做了大量的研究如印森林等[1,5,13]。

1.1.2 3D Tiles格式轉(zhuǎn)換

3D Tiles是一種開放的三維空間數(shù)據(jù)標準,其允許開發(fā)者將復雜的3D地理空間數(shù)據(jù)以統(tǒng)一的格式進行交換和可視化,設計目的主要是為了提升大的三維場景中模型的加載和渲染速度,其采用流式加載方式實現(xiàn)模型的按需加載和渲染,以統(tǒng)一的格式來表示地質(zhì)、植物、水體等復雜的地理空間數(shù)據(jù),并且可實時地在多種設備上渲染,從而實現(xiàn)流暢的三維模型瀏覽。通常一個3D Tiles數(shù)據(jù)文件通常包括兩部分(圖2):其一為索引元數(shù)據(jù)文件,通常采用JSON對象存儲與元數(shù)據(jù)文件中;其二為瓦片文件,以二進制格式存儲實際數(shù)據(jù),如模型標志、紋理信息等。

B3DM為多種三維數(shù)據(jù);I3DM為實例三維數(shù)據(jù);CMPT為復合格式瓦片數(shù)據(jù);PNTS為點云數(shù)據(jù)圖2 3D Tiles數(shù)據(jù)格式轉(zhuǎn)換流程圖Fig.2 Flow chart of 3D Tiles data format conversion

本文中采用OSGBLab工具,將Osgb格式的傾斜攝影圖像轉(zhuǎn)換至3D Tiles格式,經(jīng)Cesium將組織好的傾斜攝影三維模型數(shù)據(jù)加載至瀏覽器端瀏覽,利用其優(yōu)越的跨平臺性,讓用戶可以通過各種終端設備,調(diào)用主要功能模塊,實現(xiàn)對目標地域的測量與分析。

1.1.3 三維坐標轉(zhuǎn)換

通過無人機傾斜攝影得到的經(jīng)緯坐標系,無法直接在三維地球衛(wèi)星圖上加載。不同的地理范圍下需要使用更合適的坐標系,為了更好地得到瀏覽器展示效果,需要將經(jīng)緯坐標系轉(zhuǎn)換至笛卡爾空間直角坐標系,無人機傾斜攝影采集的是局部的平面坐標,而在Web中展示的則是球面坐標,如圖3所示。

圖3 坐標轉(zhuǎn)換示意圖Fig.3 Schematic diagram of coordinate transformation

O-XYZ為球心坐標,o-xyz為以球面一點為原點的本地坐標系。利用矩陣可以完成以球面一點為原點的坐標轉(zhuǎn)換至以球心為原點的球面坐標,其原理就是通過旋轉(zhuǎn)和平移完成坐標原點之間的轉(zhuǎn)換。公式為

(1)

(2)

式中:Ri(θ)為旋轉(zhuǎn)矩陣;i=1,2,3表示繞x、y、z軸旋轉(zhuǎn);θ、α、ξ表示一個向量繞某個軸旋轉(zhuǎn)的角度。

如上所述,假設該經(jīng)緯度對應的笛卡爾坐標為(X,Y,Z),這就是從球心原點到該點的平移,兩者結合得出矩陣的計算公式為

(3)

式(4)中:Δx(A)、Δy(B)、Δx(C)分別對應于變換矩陣中的3個參數(shù),經(jīng)旋轉(zhuǎn)結合新的一點(X、Y、Z)可得轉(zhuǎn)換后的坐標。

1.2 平臺數(shù)據(jù)的部署與發(fā)布

GeoServer 是一個開源的GIS服務器,是用于發(fā)布地理信息服務,可以讓用戶在Web上查看、更新、分享和管理地理空間數(shù)據(jù), GeoServer 可以運行在各種操作系統(tǒng)上,支持多種地圖格式,包括柵格、矢量和數(shù)字高程模型(digital elevation model, DEM)。它還可以與其他 GIS 系統(tǒng)進行數(shù)據(jù)交換,如 ArcGIS、QGIS 和 MapServer。

本文中采用GeoServer部署安裝數(shù)字露頭可視化平臺,其步驟如下:①下載和安裝GeoServer:從官網(wǎng)下載GeoServer,解壓縮文件,運行安裝程序,安裝Java環(huán)境,配置GeoServer;②創(chuàng)建工作空間:在GeoServer的用戶界面中,創(chuàng)建一個新的工作空間,指定工作空間的名稱和命名空間;③加載數(shù)據(jù):將所需要的數(shù)據(jù)加載到GeoServer中,可以使用文件系統(tǒng)、WebDAV、FTP或者ArcGIS等方式加載數(shù)據(jù);④創(chuàng)建數(shù)據(jù)存儲:在GeoServer中創(chuàng)建一個新的數(shù)據(jù)存儲,指定存儲的類型和路徑,以及關聯(lián)的工作空間;⑤創(chuàng)建圖層:根據(jù)加載的數(shù)據(jù),在GeoServer中創(chuàng)建一個新的圖層,拷貝ArcGIS切圖瓦片數(shù)據(jù)到Geoserver的指定目錄下指定圖層的名稱、格式和關聯(lián)的數(shù)據(jù)存儲;⑥配置服務:配置GeoServer服務,指定服務的類型、名稱和關聯(lián)的圖層,以及服務的其他參數(shù);⑦發(fā)布服務:發(fā)布GeoServer服務,可以使用WMS、WFS、KML等方式發(fā)布服務,以便外部系統(tǒng)調(diào)用。

1.3 基于WebGL數(shù)字露頭地質(zhì)特征測量與分析

野外露頭是地質(zhì)工作重要的研究對象,其特征測量是露頭表征的關鍵,經(jīng)過坐標轉(zhuǎn)換的三維數(shù)字可視化模型可以得到任意一點的經(jīng)緯度及海拔信息,規(guī)避了人工基礎測量的缺陷,能夠?qū)崿F(xiàn)全方位立體化測量。經(jīng)GeoServer發(fā)布后的數(shù)字露頭可視化平臺,可以完整清晰地展示無人機傾斜攝影采集的圖像,具有跨平臺、跨設備、清晰度高等突出特點。

定量化的測量是本平臺實用性的關鍵,在可視化模型中針對各類復雜的地形地貌,采用Cesium的ScreenSpaceEventHandler方法,用來捕捉繪制區(qū)域的事件,以測量距離為例(圖4):①通過偵聽鼠標LEFT_CLICK事件,記錄坐標,繪制節(jié)點;②偵聽鼠標移動事件,鼠標點擊后即復制一個浮動點,在MOUSE_MOVE事件中不斷更新最后一個浮動點,動態(tài)更新折線繪制;③偵聽鼠標右擊事件,RIGHT_CLICK觸發(fā)時銷毀測量相關事件句柄(ScreenSpaceEventHandler),刪除多余的浮動點;④折線的動態(tài)繪制通過CallbackProperty屬性綁定positions屬性實現(xiàn),從而可實現(xiàn)對目標的特征測量。

圖4 定量化測量示例圖Fig.4 Example of quantization measurement

1.4 U-net地層要素語義分割

1.4.1 U-net方法

U-net是一種經(jīng)典的深度學習模型,特別適合于圖像語義分割任務。U-net模型結構由對稱的編碼器和解碼器組成,編碼器用于提取輸入圖像的特征,而解碼器則用于將特征映射回原始圖像大小,并進行像素級別的分類。在訓練階段,U-net通過前向傳播計算預測結果,并與真實標簽圖像進行比較,以計算損失并更新模型參數(shù)。在預測階段,U-net可以對新的圖像進行分類,并輸出像素級別的分類結果,用于后續(xù)的分析和決策。

本文中采用了改進版的U-Net語義分割算法(圖5),通過對數(shù)據(jù)集的預處理和網(wǎng)絡結構的調(diào)整,提高了分割的準確性和魯棒性。具體來說,本文中采用了數(shù)據(jù)增強技術,包括旋轉(zhuǎn)、縮放、翻轉(zhuǎn)等操作,擴大了數(shù)據(jù)集的規(guī)模;同時,在網(wǎng)絡結構方面,加入了殘差塊和批量歸一化等技術,提高了網(wǎng)絡的穩(wěn)定性和收斂速度。

圖5 算法結構圖Fig.5 Algorithm structure diagram

1.4.2 數(shù)據(jù)集與分析過程

本文中采用的野外露頭數(shù)據(jù)集來自于長江大學錄井技術與工程研究院無人機傾斜攝影采集。數(shù)據(jù)集共包含1 000張包含地質(zhì)露頭的照片,其中800張用于訓練集,100張用于驗證集,100張用于測試集。為保證數(shù)據(jù)集的多樣性,采用了不同地區(qū)和不同巖性的地質(zhì)露頭照片,包括砂巖、泥巖等不同巖性。

在地質(zhì)學領域,U-net被廣泛應用于對地震圖像、礦區(qū)遙感圖像等進行分割和識別。本文中使用U-net模型對地質(zhì)露頭進行語義分割,實現(xiàn)地層的自動識別。具體實現(xiàn)方法如下。

首先,將地質(zhì)露頭的圖像進行預處理,包括圖像增強、降噪、歸一化等。然后,使用U-net模型進行語義分割。U-net模型的輸入是地質(zhì)露頭的圖像,輸出是每個像素的類別標簽。在訓練過程中,本文中采用了Adam優(yōu)化器和二元交叉熵損失函數(shù)。訓練過程中采用了隨機裁剪、翻轉(zhuǎn)和旋轉(zhuǎn)等數(shù)據(jù)增強技術,以增加模型的魯棒性。最后,根據(jù)每個像素的類別標簽,實現(xiàn)對地質(zhì)露頭的語義分割和地層的自動識別如圖6所示。

圖6 算法流程圖Fig.6 Algorithm flow chart

通過上述步驟,實現(xiàn)對地質(zhì)露頭的語義分割和地層的自動識別,為地質(zhì)工作者提供更加高效和準確的地質(zhì)信息分析方式。

1.4.3 訓練結果

最優(yōu)模型經(jīng)過訓練,模型在驗證集上的準確率達到了96.2%,召回率達到了92.9%。在測試集上的準確率達到了95.8%,召回率達到了91.7%。模型在不同巖性的地質(zhì)露頭照片上均取得了較好的表現(xiàn)如圖7所示。

圖7 地質(zhì)露頭實例算法表現(xiàn)圖Fig.7 Algorithm representation of geological outcrop instances

2 實例分析

2.1 無人機數(shù)據(jù)采集區(qū)特征

庫車坳陷區(qū)形成于古生界褶皺基底之上,經(jīng)歷了晚二疊世-三疊紀前陸盆地、侏羅紀-古近紀伸展坳陷盆地和新近紀—第四紀再生前陸盆地3個演化階段[14]。庫車坳陷區(qū)位于塔里木盆地北部,受新生代構造擠壓應力而形成,其類型屬于再生前陸盆地,其緊鄰南天山造山帶,經(jīng)歷多期構造運動,構造復雜,包括北部單斜帶、克拉蘇構造帶、依奇克里克構造帶、拜城凹陷、陽霞凹陷、秋里塔格構造帶和南部斜坡帶共7個次級構造單元。

野外露頭采集區(qū)位于庫車坳陷區(qū)依奇克里克構造帶,其地質(zhì)歷史非常悠久,包括古生代、中生代和新生代等多個地質(zhì)時期的演化過程。在古生代時期,這個地區(qū)經(jīng)歷了海洋盆地的形成和海相沉積作用,形成了厚厚的沉積巖層。北翼緩,南翼陡,屬于突破的斷層傳播褶皺,重要斷層為依奇克里克斷層,斷層延伸至地表,傾角較陡。依奇克里克構造變形復雜,是一個重要的礦產(chǎn)資源區(qū),包括金、銀、鉛、鋅、銅、錫、煤炭等多種礦產(chǎn),也是庫車坳陷油氣資源最為豐富的構造單元之一[15],從而運用無人機傾斜攝影技術,基于三維數(shù)字可視化表征,深入剖析該區(qū)域地貌地層具有重要意義如圖8所示。

圖8 區(qū)域采集圖Fig.8 Regional acquisition diagram

2.2 基于WebGL三維數(shù)字露頭可視化

無人機傾斜攝影采集野外露頭區(qū)三維數(shù)字模型,在Web中展示出來[圖9(a)],最終是服務于地質(zhì)業(yè)務,運用定量化的表征技術,更好地描述露頭區(qū)的地質(zhì)情況,包括地質(zhì)的界限、規(guī)模、走向、巖性及其組合形式等。

圖9 區(qū)域概況及可視化模型示意圖Fig.9 Overview of the region and schematic diagram of the visual model

首先對鏡頭進行調(diào)整校驗,而后設定滿足覆蓋整個研究區(qū)域的飛行路線,獲取的數(shù)據(jù)包括多角度采集的航片和高精度的POS數(shù)據(jù)。ContextCapture是目前主流的三維建模軟件之一,獲取航片之后,采用主流的三維建模軟件ContextCapture,在不需要人工干預的條件下,從連續(xù)的傾斜影像中獲取真實的三維數(shù)字模型。

影像經(jīng)過建模軟件處理輸出Osgb格式的文件, 使用OSGBLab將其轉(zhuǎn)換成Cesium所支持的3D Tiles文件,3D Tiles是Gltf優(yōu)化后的產(chǎn)物,它引入多細節(jié)層次的概念,基于Cesium搭建三維數(shù)字可視化平臺,確定場景對象的可見性對象,以加快渲染效果,根據(jù)物體所處的位置來進行渲染資源的調(diào)配,根據(jù)界面的顯示來渲染所需的細節(jié),減少非必要的系統(tǒng)開支,繼而通過創(chuàng)建功能模塊實現(xiàn)標繪、測量等基本功能。通過Cesium三維可視化平臺加載的傾斜模型功能展示如圖9(c)所示。

基于WebGL數(shù)字露頭可視化平臺,開展精細露頭表征,運用定量或半定量的數(shù)據(jù),來反饋沉積地質(zhì)特征。精細化露頭表征的研究方法如下:①測量砂體厚度、長度,延伸側向距離(選擇不同的剖面方向,以適應不同的砂體類型);②描述沉積特征,確定砂體的成因類型(包括沉積構造、粒度等);③通過繪制剖面測量線,結合周圍地質(zhì)實際情況,確定巖石結構、巖石變質(zhì)程度、分析垂向序列等,結合沉積特征,便于地質(zhì)調(diào)查、勘探、開發(fā)等工作如圖9(d)所示。

可以有效幫助地質(zhì)工作者更好地了解地質(zhì)構造、更好的預測地質(zhì)構造的變化趨勢,以及為地質(zhì)工作提供前期勘探數(shù)據(jù),從而提高地質(zhì)資源的利用率。本文基于WebGL三維數(shù)字平臺對露頭區(qū)識別、測量等,結合采集區(qū)實際地質(zhì)地貌,如圖10所示,通過WebGL三維數(shù)字平臺,測量露頭區(qū)地質(zhì)數(shù)據(jù)具有顯著優(yōu)勢。

圖10 地質(zhì)露頭可視化平臺參照圖Fig.10 Reference map of geological outcrop visualization platform

2.3 U-net模型應用與巖性特征及沉積構造

將訓練好的U-net模型應用于Cesium可視化系統(tǒng)中,通過對野外露頭進行語義分割,實現(xiàn)對地質(zhì)露頭的地層特征自動識別和表征。圖11展示了一個實例,在Cesium平臺上,將露頭地質(zhì)信息與三維地形數(shù)據(jù)進行了融合,實現(xiàn)了對露頭的精準標記和地質(zhì)特征的表征。相比傳統(tǒng)的人工勘測方法,本文提出的方法不僅能夠大幅提高工作效率,同時能夠減少人為誤差,提高露頭表征的準確性和可靠性。依奇克里克構造帶位于塔里木盆地東緣,主要由變質(zhì)巖和沉積巖組成,是受喀喇昆侖山褶皺和斷裂作用影響的地區(qū)。在數(shù)字可視化平臺上,整合野外觀察、數(shù)字露頭和其他地質(zhì)數(shù)據(jù),為巖性描述提供更直觀、準確的呈現(xiàn)。通過模型,可以觀測到不同巖石類型的空間分布、厚度變化以及巖性界面的幾何形態(tài),通過高清圖像和傾斜攝影模型展示巖石的詳細特征。

圖11 基于U-net的野外露頭地層特征表征實例Fig.11 U-net based field outcrop formation characterization example

基于WebGL三維數(shù)字可視化測量,采用定量化的表征和描述,判斷區(qū)域巖性及沉積構造特征。采集區(qū)位于依奇克里克構造帶儲層主要為侏羅系含煤碎屑巖,阿合組沉積穩(wěn)定,厚度為100～200 m,該露頭區(qū)出露較好,巖性自下而上由塊狀砂巖、粉砂巖及泥巖構成,其視域范圍內(nèi)邊界較為明顯,單砂體的厚度約為3 m,寬度為200～300 m。主要為潮濕氣候下辮狀河三角洲平原—三角洲前緣亞相水下分流河道砂體沉積,由中砂巖到細砂巖、粉砂巖的正韻律構成。砂體厚度較大,泥質(zhì)夾層較少,沉積體比例50%～60%,有機質(zhì)豐度高、地層明顯、分布范圍廣(圖11)。露頭區(qū)阿合組構造裂縫(斷層)發(fā)育程度較高,構造裂縫多數(shù)呈現(xiàn)裂縫,裂縫面平直光滑,延伸較遠,多呈組系出現(xiàn),同時可見裂縫穿切礫石層理面。

3 討論

本文所提出的基于Cesium的三維地質(zhì)露頭可視化平臺和U-net語義分割模塊為地質(zhì)工作者提供了一種直觀、高效、準確的地質(zhì)信息分析方式。雖然本文所提出的方法已經(jīng)在實驗中取得了較好的效果,但是仍然存在一些可以改進和優(yōu)化的方向,如下所述。

(1)優(yōu)化U-net模型的性能。本文所使用的U-net模型在實驗中表現(xiàn)較好,但是在一些復雜地質(zhì)情況下可能會出現(xiàn)分割不準確的情況。因此,需進一步探究其他的深度學習模型,如FCN、Mask R-CNN等,以提高分割和識別的準確率和效率。

(2)改變地質(zhì)勘探和研究方式。采用無人機傾斜攝影技術能夠捕捉精確且高分辨率的地表地形數(shù)據(jù),降低勘探成本、減少風險,并且可嘗試搭載遠紅外、激光雷達等設備,探索山體內(nèi)部和地下結構。

(3)改進地質(zhì)數(shù)據(jù)的預處理方式。本文中對地質(zhì)數(shù)據(jù)進行了簡單的處理,如數(shù)據(jù)清洗、插值等,但是這些預處理方式可能不夠充分,導致模型訓練和地質(zhì)信息分析的準確性受到一定的影響。因此,可以進一步研究更加有效的地質(zhì)數(shù)據(jù)預處理方式,以提高數(shù)據(jù)的質(zhì)量和準確性。

(4)擴展平臺的功能和應用場景。本文所提出的平臺主要針對地質(zhì)勘探領域,但是Cesium引擎的可視化能力可以應用于其他領域,如城市規(guī)劃、交通建設、環(huán)境保護等。因此,如何進一步擴展平臺的功能和應用場景,以滿足更多領域的需求,是下一步工作的重點。

未來,將繼續(xù)探索更加有效的地質(zhì)數(shù)據(jù)處理和深度學習模型,以進一步提高地質(zhì)信息分析的準確性和效率,同時擴展平臺的功能和應用場景,開發(fā)更加有效的功能模塊,開展平臺智能化建設(如智能填圖、巖性識別等),實現(xiàn)人機協(xié)同發(fā)展,解決實際地質(zhì)問題,提高地質(zhì)工作效率,是后續(xù)工作中需要增進的環(huán)節(jié)。

4 結論

本文提出了一種基于Cesium的三維地質(zhì)露頭可視化平臺并結合U-net語義分割模塊,用于地質(zhì)信息的分析和識別。通過對地質(zhì)數(shù)據(jù)進行預處理,將其轉(zhuǎn)換為Cesium支持的GeoJSON格式,并通過Cesium引擎進行三維可視化呈現(xiàn),地質(zhì)工作者可以直觀地了解地質(zhì)信息,快速定位地質(zhì)目標,提高地質(zhì)勘探效率。同時,通過U-net語義分割模塊對地質(zhì)露頭進行分割和識別,可以為地質(zhì)學家提供更加高效和準確的地質(zhì)信息分析方式,減少人工識別的工作量,提高地質(zhì)勘探的效率和精度。通過上述研究,得到如下主要的結論。

(1)無人機傾斜攝影技術在地質(zhì)勘探中具有突出的優(yōu)勢,這一技術不僅提高了數(shù)據(jù)質(zhì)量和可用性,還降低了成本和風險,為地質(zhì)工作提供了更多實時信息,推動了地學領域的科學研究和實際應用,對環(huán)境保護、資源管理和地質(zhì)災害預防等領域都具有積極影響。

(2)提出了采用WebGL數(shù)據(jù)協(xié)議,打造可視化地質(zhì)露頭表征平臺一套完整的流程方法。

(3)以開源Cesium為框架,使用WebGL數(shù)據(jù)協(xié)議搭建的三維模型可視化平臺,調(diào)用全球瓦片級地形和遙感影像,實現(xiàn)跨設備、跨平臺應用,部署無人機傾斜攝影實景模型,搭建三維數(shù)字地圖場景,實現(xiàn)動態(tài)數(shù)據(jù)可視化分析。

(4)結合Cesium的三維地質(zhì)露頭可視化平臺與U-net算法模型,并通過U-net模型對地質(zhì)露頭進行自動識別和分割,從而快速提取地質(zhì)信息,進行數(shù)字露頭精確表征的可行性。