一种建筑物震害分析方法
【技术领域】
[0001] 本发明涉及地震灾害评估领域，尤其涉及一种建筑物震害分析方法。
【背景技术】
[0002] 随着空间技术及计算机技术不断发展，不同类型的遥感数据，如光学影像，雷达影 像等，被应用于建筑物破坏状况评估与分析。与传统震害现场调查相比，遥感震害评估具有 快速、高效、安全的特点，但也存在以下不足：（1)传统遥感影像基于二维平面，只记录建筑 物顶面和少量侧面的信息，无法真实反映其破坏状态；(2)分析对象大多不是建筑物，而是 网格或不规则平面；（3)遥感震害分类分级标准与现场调查不统一，相互验证和参考程度 低。因此基于传统遥感手段的建筑物震害评估分析的准确性及实用性往往较低，现场调查 资料仍是地震烈度确定、地震救援和灾区重建工作开展的主要依据。目前震区建筑物现场 调查多基于调查人员专业知识和经验水平的定性判断，数据成果以文字、图片为主，在后续 科学研究中利用难度较大。
【发明内容】
[0003] 本发明的目的在于提供一种建筑物震害分析方法，从而解决现有技术中存在的前 述问题。
[0004] 为了实现上述目的，本发明所述建筑物震害分析方法，该方法按照以下步骤实 现：
[0005] S1，点云数据预处理
[0006] 设定等高采样间隔，提取建筑物不同高度上的点云集合，然后利用凸包算法获取 等高截面轮廓线，将建筑物的三维点云转化为二维等高多边形序列；
[0007] S2,提取形状离散参数并计算其标准差
[0008] S21，计算得到建筑物二维等高多边形的长宽比r、倾斜方向Θ、矩形度R、紧致度C 和中心点坐标（X，y);判断建筑物在地震之前形态是否规则，如果是，则直接计算建筑物的 形状参数的标准差σ〇、〇R、〇c；、〇dis，其中，σ〇、σκ、σ。、〇<^依次表示建筑物 的长宽比r、倾斜方向θ、矩形度R、紧致度C的离散度，σdis表示中心点位置的标准差，然 后进入S3;如果否，则进入S22;
[0009] 其中，对于严重破坏建筑物，无法判断震前形态时，视为规则建筑物；
[0010] S22,采用聚类算法，将二维等高多边形序列分割为若干子序；
[0011] S23,计算每个子序列的建筑物形状参数的标准差，然后通过加权平均计算建筑物 形状参数加权处理后的标准差σ/、σ〇'、σR'、σc；'、σdis'，然后进入S3 ;其中，σ/、σ/、 σκ'、依次表示建筑物的长宽比r、倾斜方向Θ、矩形度R、紧致度C的加权处理后的标 准差，〇dls'表示中心点位置的加权处理后的标准差；
[0012] S3,建筑物震害特征评估分析
[0013] 通过Fisher判别分析对步骤S22或步骤S23中得到的标准差进行统计，得到建筑 物三种破坏程度所对应的判别函数，分别为：
[0014] 建筑物轻微破坏，对应的判别函数为F1= 6. 528σc' +17. 956σdis' -9. 761 ;
[0015] 建筑物中等破坏，对应的判别函数为F2= 9· 675σe' +27. 530σdis' -20. 560 ;
[0016] 建筑物严重破坏，对应的判别函数为F3= 16. 961σc' +41. 302σdis' -55. 945。
[0017] 优选地，步骤S1，提取建筑物不同高度上的点云集合，然后利用凸包算法获取等高 截面轮廓线，具体按照下述步骤实现：
[0018] S11，选择任意一个高度上的点云集合A;
[0019] 首先，去除X坐标相同且y坐标也相同的点，得到新点云集合A;
[0020] 然后，获取新点云集合A中y坐标最小的点数量，如果数量为1，则y坐标最小的一 点进栈；如果数量大于1，则选取X坐标、y坐标均最小的一点进栈；
[0021] 接着，将y坐标最小或X坐标、y坐标均最小的一点作为基点，将基点与新点云集 合A中剩余点构成的向量与X轴之间形成的极角按照逆时针排序，同时，将构成向量的除基 点外的点按照所述逆时针排序，得到序列B;
[0022] 在点排序过程中，当存在两个和两个以上的极角相等时，保留距离基点最远的点， 其余点删除。
[0023] S12,序列B中的所有点与基点形成的线段一定在凸包上，故序列B中的第一点进 栈，依据序列B中前三个点顺次形成的边角的方向，判断在序列B中第二点处边角的方向是 否是向左转，如果是，则第二点进栈；如果否，则第二点不进栈，接着判断与第一点离得最近 的第三点；
[0024] S13,按照步骤S12中所述判断方法依次对序列B中的其他点迭代扫描，保留边角 方向向左转的点，最终得到所有进栈的点，连接形成三维点云凸包多边形。
[0025] 优选地，步骤S2中，所述计算提取建筑物任意一个二维等高多边形的长宽比r、倾 斜方向Θ、矩形度R、紧致度C，是基于所述二维等高多边形及其最小外接矩形的平面几何 计算，具体按照下述计算：
[0026] A1，获取所述二维等高多边形的周长P、面积A、中心点坐标（X，y);获取最小外接 矩形的面积AMER、长轴长度1、长轴与X轴方向夹角Θi、短轴长度w;
[0027] A1，按照下述公式分别计算长宽比r、倾斜方向Θ、矩形度R、紧致度C;
[0028] r= 1/w (1)；
[0029] 0 = 0! (2)；
[0030] R=A/Amer (3)；
[0031] C=P2/A (4)〇
[0032] 优选地，步骤S2中，采用聚类算法，将二维等高多边形序列分割为若干子序，具体 按照下述步骤实现：
[0033] B1，构建二维等高多边形序列样本矩阵X
[0034] 获取步骤S1中得到建筑物二维等高多边形的数量为N个。根据建筑物二维等高 多边形的长宽比r、倾斜方向Θ、矩形度R、紧致度C和中心点坐标（X，y)，构建任意一个二 维等高多边形的样本矩阵Xi=[Xxi2,xi3,xi4,Xi5,Xi6]，其中，Xii=r，Xi2=θ，Xi3=R， Xl4=C，Xl5=x，Xl6=y，则建筑物具有的N个二维等高多边形构成的二维等高多边形序列 Y表不为：
[0036]B2,抽取初始聚类中心center
[0037] 根据技术人员现场调查对建筑物地震之前形状规则程度的判断，将其划分为垂直 方向上结构一致、形态规则的K个部分，即聚类数目为K;若建筑物震前形态规则或震后杂 乱堆积、难以区分，则K= 1 ;
[0038] 在步骤S1获取的Ν个二维等高多边形序列Υ中随机抽取Κ个样本作为初始聚类 中心center，用公式（6)表示：
[0040] B3,划分二维等高多边形类别
[0041] 根据公式（7)，依次计算Y中各个二维等高多边形样本Xjljcenter中的各中心点 样本centerk的欧式距离dk，其中k= 1，2…K;将X;划分至dk取值最小的一类中；
[0043]B4,计算更新聚类中心center'
[0044] 假设第k类中包含叫个二维等高多边形样本，其中k= 1，2…K，则建筑物二维等 高多边形总数N为（8):
[0048]按照公式（10)，通过计算\中各二维等高多边形样本形状参数的均值，得出 聚类中心，记为Yk' = [Xkl'Xk2'Xk3'Xk4'Xk5'Xk6']，
[0050] 其中，Xk/表示Yk中第j个形状参数的均值；
[0051] 每个k类中各样本特征参数的均值构成更新后的建筑物聚类中心Center'，如公 式（11)所示；
[0053]B5,判断Center'是否与Center相等，若相等输出聚类结果并退出迭代；反之令 Center=Center'，重新下一次聚类，直至两者相等输出聚类结果为止；
[0054] 所述聚类结果中包括将二维等高多边形序列分割为K个子序列。
[0055] 优选地，步骤S23中，计算建筑物二维等高多边形序列Y的形状离散参数σ/、 〇e '、〇 R'、〇 c'、〇dis'，具体按照下述步骤实现：
[0056]S231，计算每个子序列Yk各形状参数的标准差σρσe、σR、σ。、σdis，按照公式 (13)和公式（14)计算Yk中各二维等高多边形形状参数的标准差〇 k]，
[0059] 其中，〇kdls表示Yk中二维等高多边形样本到其聚类中心点距离的标准差；根据 二维等高多边形样本矩阵中各分量的含义，得到Yk各形状参数的标准差σσkl、〇 〇 = 0k2、0R= 0k3、0c= 0k4、0dis= 0kdis;
[0060] S232,按照公式（15)~（19)加权平均计算建筑物形状离散参数〇 〇 e'、〇 R'、 0C' 、 0dis' ；
[0066] 优选地，步骤S21中，所述如果建筑物规则，则直接计算建筑物的形状参数的标准 差σe、〇R、〇e、〇dis，按照公式（20)和（21)计算，实现计算二维等高多边形序列中各 形状参数的标准差σ^σe、σR、σ。、σdis;
[0069] 其中，σkdls表示二维等高多边形序列标准差；根据二维等高多边形样本矩阵中各 分量的含义，得到Yk各形状参数的标准差σr=σki、σe=σΙ?、σ?=σμ、σk4、 ^dis= ^kdis°
[0070] 优选地，步骤S1中利用三维激光扫描仪获取的震区建筑物三维点云数据。
[0071] 优选地，步骤S2中，当建筑物是规则建筑物时，σ/ =σ^σθ' =σθ、σR' = 0R、0C= 0C、0dis= 0dis。
[0072] 本发明