Scale-dependent recursive analysis of topographical roughness: A methodology for differentiating geological and geomechanical features from point cloud data
Notice bibliographique
Résumé
Exposed rock surfaces reflect diverse topographical features shaped by underlying geological and geomechanical conditions, such as mineral composition, weathering, excavation methods, and structural geology . These features directly influence the mechanical behavior of in-place materials, providing a robust basis for differentiating geological and geomechanical units in engineering. Their explicit spatial differentiation relies on time-consuming and subjective visual assessments, or the inefficient and difficult to reproduce measurement of topographical features (e.g., roughness, undulation) at arbitrary scales. This work aims to offer an objective, reproducible, and efficient topographical analysis framework to differentiate geological and geomechanical features arising from natural and man-made origins. This study introduces a scale-dependent recursive analysis method to systematically evaluate and characterize roughness conditions of exposed rock surfaces. By analyzing point clouds across multiple scales, the method derives scale-dependent trends and computes parameters that distinguish topographical features associated with specific geological and operational settings. A moving-window algorithm is applied as a second layer of analysis to capture localized trends, integrating these as an explicit scalar field within point clouds for direct differentiation of features. This methodology improves accuracy and efficiency compared to traditional roughness measurement techniques by reducing biases and subjectivity associated with visual-based assessments. The approach is demonstrated using four datasets from diverse geological and geomechanical contexts, showcasing its applicability and the insights gained. The influence of point cloud density and moving-window size on the recursive analysis is further discussed, highlighting the method's potential to provide objective and quantifiable topographical differentiation for mining, tunneling, and construction applications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».