本申请涉及隧道围岩裂隙探测，特别涉及一种基于因果特征学习的围岩裂隙探测装置及方法。
背景技术：
1、隧道围岩裂隙的发育展布规律直接影响着隧道稳定性，隧道开挖导致围岩的应力平衡状态破坏，产生较为复杂的裂隙，裂隙的发育展布规律对于围岩破坏程度评估与支护方式选择均具有直接的影响，对隧道围岩开展裂隙探测与识别，有助于准确评估隧道围岩的稳定性和潜在风险。
2、然而，相关技术中，由于存在危围岩面积较大、数量较多、规模大小不一的破损山体，隧道围岩裂隙探测工作量大，容易导致实地踏勘进行危围岩稳定性评估工作的效率较低、识别精度较弱，且危险性较高，亟待解决。
技术实现思路
1、本申请提供一种基于因果特征学习的围岩裂隙探测装置，以解决相关技术中，隧道围岩裂隙探测工作量大、识别精度及效率低以及危险性较高等问题。本申请第一方面实施例提供一种基于因果特征学习的围岩裂隙探测装置，包括：爬壁无人机平台，用于根据预设航线控制至少一台爬壁无人机在目标区域执行飞行任务与姿态控制动作，使得对目标探测区域进行探测拍摄；机载激光扫描系统，用于在所述至少一个爬壁无人机执行所述飞行任务与所述姿态控制动作时，获得探测围岩裂隙的三维激光点云数据；倾斜摄影系统，用于采集所述探测围岩裂隙的的图像数据，建立所述目标探测区域的实景三维模型；机载探地雷达系统，用于检测所述探测围岩裂隙的宽度、位置、内部走向及延伸中的至少之一信息；数据融合系统，用于对所述三维激光点云数据、所述实景三维模型、所述图像数据和/或所述至少之一信息进行融合匹配，生成样本数据集，生成样本数据库以进行样本标定，构成所述样本数据库中的训练集；图像识别系统，用于对所述训练集进行裂隙识别，生成裂隙判识模型，以利用所述裂隙判识模型识别任一围岩裂隙类型。
2、可选地，在本申请的一个实施例中，所述爬壁无人机平台包括：飞行控制模块，用于控制所述至少一台爬壁无人机执行飞行任务与姿态控制动作；数据储存模块，用于存储所述三维激光点云数据和所述图像数据。
3、可选地，在本申请的一个实施例中，所述数据融合系统包括：数据融合模块，用于融合并匹配所述三维激光点云数据、所述实景三维模型、所述图像数据，得到融合后的数据；样本数据库，用于对所述融合后的数据按所需大小进行裁剪、矢量化处理，并按坐标序列生成样本数据集，生成样本数据库，并实时动态更新所述样本数据库；样本标定模块，用于对所述样本数据库中倾斜摄影图像、探地雷达剖面图中的地质要素进行标定，以构成所述样本数据库中的训练集。
4、可选地，在本申请的一个实施例中，所述图像识别系统包括：裂隙判识模块，用于结合所述训练集，对神经网络进行训练与测试，生成裂隙判识模型。
5、可选地，在本申请的一个实施例中，所述图像识别系统进一步用于基于所述神经网络，分离出围岩裂隙样本数据的因果特征和非因果特征，以通过预设手段降低所述非因果特征对于预测的混淆，学习围岩裂隙的表面特征与内部特征的因果关系，生成裂隙判识模型。
6、可选地，在本申请的一个实施例中，所述图像识别系统进一步用于将所述样本数据集输入所述神经网络，学习并更新各节点的表示向量，运用多层感知机将图表示进行变换，分离出因果特征和非因果特征，对所述因果特征和所述非因果特征进行随机重组得到干预后新的图级别表示，以输入到损失函数中，优化所述裂隙判识模型的参数。
7、本申请第二方面实施例提供一种基于因果特征学习的围岩裂隙探测方法，包括以下步骤：爬壁无人机平台按照预设规划航线执行探测飞行任务与任务所需的姿态定位作业，以便于对隧道围岩围岩裂隙特征数据进行多层次多方位探测；；采集所述探测围岩裂隙的的图像数据，建立所述目标探测区域的实景三维模型；检测所述探测围岩裂隙的宽度、位置、内部走向及延伸中的至少之一信息；对所述三维激光点云数据、所述实景三维模型、所述图像数据进行融合匹配，生成样本数据集；对所述样本数据集进行样本标定与裂隙识别，生成裂隙判识模型，以利用所述裂隙判识模型识别任一围岩裂隙类型。
8、本申请第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的基于因果特征学习的围岩裂隙探测方法。
9、本申请第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的基于因果特征学习的围岩裂隙探测方法。
10、本申请第五方面实施例提供一种计算机程序，所述计算机程序被执行时，以用于实现如上的基于因果特征学习的围岩裂隙探测方法。
11、本申请实施例可以通过爬壁无人机平台，根据预设航线控制爬壁无人机在目标区域进行探测拍摄，利用机载激光扫描系统，获得探测围岩裂隙的三维激光点云数据，通过倾斜摄影系统采集探测围岩裂隙的的图像数据，建立目标探测区域的实景三维模型，并利用机载探地雷达系统检测探测围岩裂隙的宽度、位置、内部走向及延伸中的信息，进而通过数据融合系统进行融合匹配，生成样本数据集，从而利用图像识别系统生成裂隙判识模型，实现对不同类型的围岩裂隙的识别，可以有效提高识别的精度和效率。由此，解决了相关技术中，隧道围岩裂隙探测工作量大、识别精度及效率低以及危险性较高的难题。
12、本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
1.一种基于因果特征学习的围岩裂隙探测装置，其特征在于，包括：
2.根据权利要求1所述的装置，其特征在于，所述爬壁无人机平台包括：
3.根据权利要求1所述的装置，其特征在于，所述数据融合系统包括：
4.根据权利要求1所述的装置，其特征在于，所述图像识别系统包括：
5.根据权利要求4所述的装置，其特征在于，所述图像识别系统进一步用于基于所述神经网络，分离出围岩裂隙样本数据的因果特征和非因果特征，以通过预设手段降低所述非因果特征对于预测的混淆，学习围岩裂隙的表面特征与内部特征的因果关系，生成裂隙判识模型。
6.根据权利要求5所述的装置，其特征在于，所述图像识别系统进一步用于将所述样本数据集输入所述神经网络，学习并更新各节点的表示向量，运用多层感知机将图表示进行变换，分离出因果特征和非因果特征，对所述因果特征和所述非因果特征进行随机重组得到干预后新的图级别表示，以输入到损失函数中，优化所述裂隙判识模型的参数。
7.一种基于因果特征学习的围岩裂隙探测方法，其特征在于，采用如权利要求1-6任一项所述的基于因果特征学习的围岩裂隙探测装置，其中，所述方法包括以下步骤：
8.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求7所述的基于因果特征学习的围岩裂隙探测方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求7所述的基于因果特征学习的围岩裂隙探测方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被执行，以用于实现如权利要求7中任一项所述的基于因果特征学习的围岩裂隙探测方法。
