余宏亮李鹏辉钟波涛

（1.武汉科技大学管理学院，430081，武汉；2.华中科技大学BIM工程中心，430074，武汉∥第一作者，高级工程师）

地铁工程地质剖面图典型图例符号自动识别研究*

余宏亮1，2李鹏辉1钟波涛2

（1.武汉科技大学管理学院，430081，武汉；2.华中科技大学BIM工程中心，430074，武汉∥第一作者，高级工程师）

地铁工程地质剖面图中包含施工安全风险辨识所需的重要信息，地质剖面图的自动识别是风险识别自动化系统的重要环节。论述了地铁工程地质剖面图图例的分类，图例识别面临的困难与识别可行性。以“黏土”和“粉质黏土”图例识别为例，描述了识别方法和详细算法。以武汉地铁2号线某车站围护结构地层信息识别为例，示范了图例识别的具体应用。

地铁工程；地质剖面图；图例符号自动识别

First-author's addressSchool of Management，Wuhan University of Science and Technology，430081，Wuhan，China

地铁工程是一项复杂的高风险性建设工程。为提高地铁施工安全风险辨识水平，文献［1］研发了基于工程图纸的地铁工程施工安全风险自动识别系统（SRIS）。而地铁工程地质剖面图中的地层分布信

息、不良地质信息（如断层、褶皱、淤泥层、溶洞等）、地下水位信息等是施工安全风险自动识别的重要基础数据。因此，如何应用计算机准确地识别地质剖面图是一项关键任务。

地质剖面图中钻孔柱状图采用各类岩性符号进行填充以表达地层分布信息。这些岩性符号一般以图例符号的方式集中绘制于地质剖面图的图例区域。只有识别这些图例符号才能通过图形匹配算法识别地质剖面图中的地层信息。国内学者在基于GIS技术和钻孔数据的地质剖面图正向生成研究领域提出了若干有价值的方法。文献［2］研发了基于知识的地质剖面图生成器，汇集专家知识和钻孔数据自动生成地质剖面图；文献［3］提出了基于钻孔数据的勘探线剖面图自动生成方法，并应用于矿山地质勘探剖面图绘制；文献［4-5］基于GIS技术，融合基础地质数据、钻孔数据，建立了地质剖面图的数据模型，实现了地质剖面图的自动绘制；文献［6］提出基于三维实体快速切割算法和区域自动识别技术的地质体剖面图自动生成方法，并应用于DIMINE数字矿山系统。但在如何实现地铁工程地质剖面图计算机自动识别方面尚未有文献涉及。

本文将从如何利用计算机识别这些图例符号着手，研究地质剖面图的识别和信息抽取。

1 地质剖面图图例符号的分类

文献［7］附录L中给出了地质剖面图中的常用图例符号，按图例符号表示的岩性属性分类，主要分为四大类：①泥土（黏土、粉质黏土、粉土、泥炭、淤泥质土等）②砂（粉砂、细砂、中砂、粗砂）③石（角砾、圆砾、卵石、碎石等）④岩（砂岩、页岩、石灰岩等）。从图例符号的绘图构成特点看，可分为以下类型

（1）图例符号由字符表示，如矩形框内含字符“x”表示细砂（参见图1）。

（2）图例符号由若干细实线或细虚线绘制的平行线构成，如黏土、粉质黏土、页岩（参见图2）。

（3）图例符号由规则图形填充，如泥灰岩、石灰岩、白云岩等（参见图3）。

（4）用于与其它岩性图例叠加的图例符号，如有机土、淤泥符号与黏土符号叠加形成含有机质土和淤泥质土（参见图4）。

（5）图例符号由若干几何图形散布组合表示，如花岗岩、玄武岩、圆砾、卵石等（参见图5）。

图1 规范附录中的图例符号（1）

图2 规范附录中的图例符号（2）

图3 规范附录中的图例符号（3）

图4 规范附录中的图例符号（4）

图5 规范附录中的图例符号（5）

2 地质剖面图图例符号识别的困难与可行性

2.1 图例符号识别的困难

采用AutoCAD软件绘制的地质剖面图最初是供经验丰富的土木工程师识读和获取信息的，但从信息表示的方法上未考虑机器的自动识别。如图6及图7所示，只要给定了图例符号，即使将图例符号进行旋转或缩放变形，人眼仍很容易识别，而计算机自动识别则需设定特别算法进行处理，其部分内容属于计算机视觉研究领域。

规范附录给出了地质剖面图中的常用图例，但图例符号是示例性质的，未规定尺寸信息和细节信息，适合人工阅读。例如：规范附录中的图例用空心三角形表示碎石（见图8），但规范中并未明确三角形的个数和绘制法则。人脑可快速识别碎石的图例，而计算机处理此类问题较困难。

在使用AutoCAD绘制的地质剖面图中，图例符号（见图7）是规范附录中的常用图例的近似图形。各勘察设计单位针对同一地层绘制的图例符号还可能存在细小差别。规范附录图例符号组合还可形成新的图例符号，设计单位甚至可自行设计图例符号。例如：“黏土”图例符号中叠合不规则多边形表示该黏土层中含砾石，此图例符号表示的地层称为“含砾黏土层”。

由于图例符号表示的复杂性，不能采用简单的图形模板匹配方法进行识别，而需要设计合适的模式识别分类器进行辨识。

2.2 图例符号识别的可行性

通过分析比较规范附录中的图例和实际工程图纸中使用AutoCAD绘制的图例符号，可以发现其共同的规律。这些规律可总结为每类图例符号的特征。可以通过特征提取，设计算法完成识别工作。

图6 地质剖面图岩层信息

图7 图纸中的图例信息

图8 规范附录中的图例符号举例

各设计单位根据规范附录的基本要求自行设计图例符号，并绘制在工程图纸的图例区，但两者间仍存在很强的近似性。以“黏土”图例符号为例，如图9、图10所示。图9为规范附录中的图例符号，图10为实际地质剖面图中的图例符号。两者相同点是：图例符号均绘制在长∶宽=3∶2的封闭矩形框内，框内均有5条平行的等距细实线，并与矩形长边倾角均为45°。两者的不同点是图例符号的长度和宽度不一样，第一条斜线与封闭矩形框长边的截距不一样。

图9 规范附录中的图例符号

图10 地质剖面图中的图例符号

3 图例符号识别方法

DXF格式文件是Autodesk公司公开的技术文档，它采用面向对象方式对工程图纸中的直线、弧、圆字符等基本图形元素进行存储。图例符号计算机自动识别主要步骤是：①读入AutoCAD软件绘制的DXF格式的地铁工程地质剖面图；②在图例区以封闭的实线矩形框为界限，拆分出各个图例符号；③根据图例表示特征分类，分别执行识别算法程序。

对于由字符表示的图例符号（如图1所示），可解析DXF文件中Element（元素）段，搜索组值为“TEXT”码段，很容易识别出符号的含义；对于由规则几何图形填充的图例（见图3），可通过解析Block Section（模块选择）识别。对于由数个岩性图例叠加的图例符号（见图4），可先分别识别简单的图例符号，再进行组合识别；对于由若干规则或不规则几何图形散布组合表示的图例（见图5），需借助2D图形相似性基本原理和方法，抽取图形特征，通过计算相似度进行辨别［8］。本文以“黏土”和“粉质黏土”这类由若干平行线组合而成的图例符号识别为例进行介绍。

3.1 识别思路

工程图纸中的“黏土”和“粉质黏土”图例符号如图11所示。封闭矩形框内均有多条等间距平行线。“黏土”图例符号的封闭矩形框内均为细实线；“粉质黏土”图例符号的封闭矩形框内为虚实线，有2种线型组合方式：3实线2虚线和3虚线2实线。

对于第i个图例符号，可采用一个二元组（L（i），AD（Type，S（i）））进行描述，L（i）为图例符号的主特征函数，AD为附加信息。Type为附加信息类型，用数字表示；S（i）表示第i个图例符号附加信息参数夹角。

图11 工程图纸中的图例符号

计算不同线型与矩形边线构成封闭图形面积Aij，然后乘以线型构造系数Eij，进行求和，总和除以矩形面积作为该类图例的特征系数。

附加信息AD（2，S（45））表示框内平行线与矩形框长边的夹角为45°。

3.2 识别算法

将“黏土”的图例符号数字化。由图11可知，4条细实线或2条实线和2条虚线与矩形边框围合而成的四个封闭图形足以体现其线型组合特征，这四个图形的面积分别记为S1，S2，S3，S4，如图12所示。设封闭矩形框长边为3a，短边为2a，框内第一条平行线与矩形框的截距为x。则应有0＜x＜a，封闭矩形框总面积为S=6a2。其中四条细实线与封闭矩形框所围合的面积分别为：

设线型构造系数为：

图12 “黏土”图例符号数字化

设图例的特征系数为：

（1）对于“黏土”图例符号，矩形框内均为细实线，则Eij=1，有：

（2）对于“粉质黏土”图例符号，按矩形框内细实线和虚线的2种组合方式，分别列出f（x），有：

（3）采用Matlab软件对k值进行模拟计算，使“黏土”和“粉质黏土”图例符号的特征系数f（x）的值域不重叠。结果如图13所示。由模拟计算可知，k=4时，“粉质黏土”图例符号的特征系数f（x）的值域均大于2。3条实线、2条虚线时，由式（5）可得；2条实线、3条虚线时，由式（6）可

（4）设定符号函数：

“黏土”图例符号的L（i）=1，“粉质黏土”图例符号的L（i）=3。这样，通过计算L（i）的值就可区分出黏土与粉质黏土。

4 应用案例

下面以武汉地铁2号线某车站工程为例，介绍车站围护结构对应的地层信息识别。图14为车站围护结构横剖面图，其左侧是表示地质信息的柱状图。为便于理解，将图14虚线框部分局部放大，如图15所示。

由于基坑底部所处的地层与施工安全风险关联度大，因此识别图15中基坑底对应的地层信息十分必要。基于工程实践，基坑底部或隧道底板所处的地层一般不是薄层地层（层厚＜0.1 m），因此本文不考虑薄层地层的识别。常规地层的具体识别算法如下：

步骤1：图纸预处理。删除地质信息柱状图中的标准贯入点。

图14 某车站工程围护结构横剖面图

图15 某车站工程围护结构横剖图局部放大图

图16 粉质黏土的数字化图例

步骤2：识别图例符号。在图例区域获取图例符号，并对图例符号按照图2设定的规则进行数字化处理，如图16所示。由图可得：x=527，a=833。根据图例符号识别算法，可得：S1=138 865， S2=4 581 365，S3=2 267 207.6，S4=3 436 503。取构造系数k=4，由式（5）得f（x）=3.376。由式（8）得L（i）=3。于是判断此图例表示粉质黏土。

步骤3：识别地质信息柱状图。基坑底对应的地层在柱状图上表示为1个封闭的矩形框，框内绘制有若干平行的斜线。将此矩形框按长∶宽=3∶2的比例，分割成若干小矩形框，如图17所示。

图17分割原则是：首先保证首块（LA1）和尾块（LA9）是规则的小矩形框，以区分该地层与临接的其它地层；然后，从上至下进行分割，依次记为LA1，LA2，…，LA9。其中，LA1，LA2，…，LA7与LA9的面积相等。根据式（5）、式（6）、式（8）来判断LA1，LA2，…，LA7与LA9所表示的地层。若相同，根据连续性原理，由于LA8介于LA7与LA9之间，LA8也属相同地层。

图17 基坑底所属地层柱状图

根据识别算法，计算出L（i）=3，因此判定LA1，LA2，…LA7与LA9所表示的地层为粉质黏土层。

通过地铁工程施工图自动识别系统读入DXF格式的车站围护结构横剖面图，启动图形元素识别及语义分析功能，借助地质剖面图识别算法，识别地质工程技术参数如图18所示。

图18 地质工程技术参数自动识别界面

表1 地层信息判定计算表

5 结语

本文按图例表示特征对中国地铁岩土工程勘察设计规范中的图例符号进行了分类，通过分析比较实例工程图和规范中的图例，给出了图例自动识别的可能性。以“黏土”和“粉质黏土”图例的识别为例，给出图例二元组描述方法，设计了详细图例识别算法。

由于图例符号表示的复杂性和文章篇幅，本文仅介绍了一类图例的具体识别算法，对规则图形填充所构成的图例未给出具体算法。未来需在图例拓扑相似性、几何形状相似性，不同线型组合图例的识别算法、图例选择缩放变形行为与地层信息识别等方面开展进一步的研究。

［1］ Ding Lieyun，Yu Hongliang，Li Heng，et al.Safety risk identification system for metro construction on the basis of construction drawings［J］.Automation in Construction，2012，27（11）：120.

［2］ 杨一鹏，张银，王桥.基于知识的地质剖面图生成器研究和实现［J］.地理与地理信息科学，2004，20（5）：24.

［3］ 陈建宏，周智勇，陈纲，等.基于钻孔数据的勘探线剖面图自动生成方法［J］.中南大学学报：自然科学版，2005，36（3）：487.

［4］ 朱莹，刘学军，陈锁忠.地质剖面自动绘制的数据模型研究［J］.湖南科技大学学报：自然科学版，2007，30（4）：104.

［5］ 王建芳，包世泰，余应刚，等.基于GIS模板的地质剖面图模型及其实现［J］.测绘科学，2008，33（5）：184.

［6］ 谭正华，王李管，熊书敏，等.一种新的复杂地质体采矿工程剖面图自动生成方法［J］.中南大学学报：自然科学版，2012，43（3）：1092.

［7］ GB 50307—1999地下铁道轻轨交通岩土工程勘察规范［S］.

［8］ 谭建荣，岳小莉，陆国栋.图形相似的基本原理、方法及其在结构模式识别中的应用［J］.计算机学报，2002，25（9）：1.

Automatic Recognition of Typical Legends on Metro Geological Section Map

Yu Hongliang，Li Penghui，Zhong Botao

Important information for metro risk identification are contained in the geological section map of metro project，and the geological section automatic recognition is a core process for automatic risk identification system.In this paper，the categories of legends，the challenges and probabilities of legend recognition are described，the methodology and detailed algorithms of legend for“clay”and“silty clay”recognition are presented as an example.At last，an automatic legend recognition system applied to the project of a station on Wuhan metro Line 2 is presented.

metro project；geological section map；automatic legend recognition

TP 391.412：P 534

10.16037/j.1007-869x.2015.01.011

2014-05-13）

*“十二五”国家科技支撑计划项目（2012BAK24B00）