一种基于车载InSAR的道路边坡形变检测系统及方法与流程

本发明涉及地表形变检测领域，特别是涉及一种道路边坡的形变检测系统及方法。

背景技术：

道路边坡的形变可能会造成塌方，引起道路阻塞，如果形变导致突发塌方还可能会引发交通事故，特别是我国东南沿海地区，由于经常受到台风影响，灾害天气影响前后的形变监测变得非常重要和紧迫。目前的形变检测采用的主要是利用gnss技术、测量机器人等常规测量设备进行外部监测，或者埋设一些内观设备，目前这些技术在不断的进行试验和应用。但是由于其前期建设和后期维护成本高昂，并且内观设备一旦失灵，就很难继续监测，这些技术的推广和应用受到了极大的制约。insar技术在地表微小形变检测方面达到了厘米甚至毫米级的精度，成为当前地表形变检测的重要手段之一，其中基于星载的insar技术在道路形变监测方面也进行了一些应用，但是远远不能满足道路边坡形变灾害监测的需要。第一，数据源问题。利用高分辨率星载sar数据进行insar形变监测，通常需要多景数据，特别对于道路系统条带状的监测范围，由于存在着条带区域与影像范围占比小的矛盾，数据利用率非常低，导致数据成本急速加剧；第二，时间分辨率问题。道路边坡的形变与恶劣天气有较大的相关性，通常需要根据天气状况确定监测时间，但是星载平台有固定的运行周期，很难满足灾害监测数据采集的时间要求，并且无法满足监测频率的变化要求；第三，时间去相干问题。星载insar大部分采用重轨干涉模式，这种模式需要利用不同时间的两次成像进行干涉处理，而时间差会产生时间去相干问题，影响数据处理的效果和结果；第四，大气影响。星载insar进行干涉测量数据采集时，不同时间采集的大气条件也不同，而不同的大气条件对inar数据处理产生一定的误差，影响最终的形变结果精度。

本发明提出一种利用车载双天线insar技术进行沿路边坡形变监测方法，该方法能够解决目前insar技术在道路形变监测中的存在的主要问题，在保持insar高精度形变检测优势的前提下，克服地基sar观测区域局限以及机载insar高风险问题，提高了监测灵活性，降低了监测成本。

技术实现要素：

本发明主要解决的技术问题是提供一种道路边坡形变检测的方法，能够方便、高效解决道路边坡微小形变检测问题。不同于以往利用insar进行形变检测的方法，本发明将常规的自上向侧下的insar数据采集模式改变为由下向侧上方数据采集模式，相应的数据采集和数据处理方法也发生变化，每次采集时，双天线同时获取一对图像，避免了目标的时间去相干影响；本发明避免了常规insar自上向下的成像模式导致的树木遮挡产生的目标相干性降低问题；本发明采用的成像模式，入射角变小，对sar成像更有利，能够更好地获取边坡表面形变；本发明使用车辆作为insar平台，可以根据需要随时采集数据，解决了常规insar的数据源问题和时间分辨率问题；另外，本发明通过设计不同的采集路线，减少insar数据处理中多个因素的影响，降低insar数据处理的难度，提高数据处理精度和效率；而且本发明由于成像距离短，大气影响可以忽略不计，消除了insar数据处理中大气误差影响。

为解决上述技术问题，本发明采用的一个技术方案是：

一种基于车载insar的道路边坡形变检测系统，其特征在于，包括一个数据获取平台：该平台安装在车辆顶端，包括一个双天线insar系统，两个天线垂直上下排列，排列方向与路面垂直，天线之间相隔设定距离；双天线形成的天线面能够进行方向调整；还包括一套用于平台的姿态测量的pos系统，姿态数据用于后续的sar成像及insar数据处理，平台还包括供电系统及用于平台稳定的辅助设施。具体设备包括：gps天线一个，pos一台，sar主机一台，sar天线两个，pos和sar主机电源系统两套。连接方式如下：gps天线通过信号分离器分别接入pos和sar主机，利用该天线接收的信号进行定位和时间同步；两个sar天线连接到sar主机，并且，pos和sar天线形成刚性连接关系。两套电源系统分别与pos和sar主机相连，为其供电。

一种基于车载insar的道路边坡形变检测方法，其特征在于，包括一种数据获取方式：平台通过支架安装在汽车顶端，车载平台沿边坡一侧道路行驶，将sar天线指向道路边坡一侧，向道路侧方边坡发射微波，用于收集边坡的回波。根据边坡的范围调节sar的高度及天线面的方向，使波束向车辆侧上方发射和接收，覆盖待测边坡区域。如果道路较窄，则车载平台沿边坡对向的车道行驶，以增大成像距离。利用该数据获取方式可实现任意时刻道路边坡的相对形变检测，为道路安全管理提供科学的数据。

一种基于车载insar的道路边坡形变检测方法，其特征在于，包括以下步骤：

步骤1、车载insar平台以设定速度沿着道路匀速行驶，到达待测边坡区域后，开启sar系统，sar双天线不断向侧方边坡发射微波并收集回波数据，直至完成边坡数据采集；

步骤2、根据形变检测周期的需要，在设定间隔时间后，再次利用该设备按照步骤1对目标进行同样的数据收集操作，如果要监测边坡形变的变化趋势，在任意时间段内对同一边坡区域进行多次数据采集，获取边坡的形变变化结果，采集方式同步骤1；

步骤3、将两次或多次采集的数据进行配准，将所有采集的数据纳入统一的几何坐标系中，形成精确度几何对应关系。配准包括两个过程，首先是每次采集的双天线sar数据的配准，其次是不同次采集数据之间的配准。sar图像配准有基于相干系数法，基于最大频谱法和基于相位差干涉梯度法等三种方法，配准精度必须优于1个像元，对待配准图像进行重采样，得到配准后的数据。配准过程如下：

步骤3.1、待匹配影像粗匹配偏移量计算。车载系统在数据采集过程中，保存了每个成像时刻的空间位置和姿态信息，粗匹配根据待配准图像中心像元对应的传感器空间位置及成像几何关系计算得到两幅影像的粗偏移量，利用成像几何模型，首先计算匹配影像中心点对应的地面坐标p(xt,yt,zt)，然后求出p(xt,yt,zt)在待匹配图像上的对应点psla(m,n)，待匹配图像与匹配图像的粗偏移量，公式如下：

其中：为多普勒频率，为波长，r为斜距，xs,ys,zs为天线空间位置坐标，vsx，vsy，vsz为天线的速度矢量。c为电磁波速度，tr为该点对应的距离向时间。

步骤3.2、像元级配准。像元级配准利用相干系数判决准则实现。其基本思想是根据图像能量互相关函数的统计特性，通过寻找两幅图像互相关函数的最大值来进行配准，当同一目标的sar复图像之间精确配准时，其互相关函数在该点取得最大值。对于insar复图像的配准，定义相干系数为其互相关准则。相干系数定义如下：

其中，v1(i，j)、v2(i，j)分别表示两幅复图像窗口内的像素值，*表示复共轭。分别在参考图像和配准图像上选定一定区域，计算该区域内的相干系数，相干系数最大值对应的点即为配准点，通过这一步的处理，可以得到像元级的配准精度。

步骤3.3、子像元级配准。子像元级配准通过相干系数插值法实现。该方法根据像元级配准点周围若干像元的相干系数，通过相干系数拟合，找到最大相干系数对应的像元位置，以之确定更加精确的配准位置，该方法不仅能够得到较高的配准精度，并且计算速度较快。

步骤4、将每次双天线sar配准后的数据进行干涉处理，生成干涉图，然后进行去平地效应，得到去平之后的干涉图，对两次或多次采集的数据进行相同处理，分别获取每次采集的干涉图；

步骤5、将两次或多次干涉处理的数据进行差分干涉处理，计算待测目标的差分相位。差分相位计算过程如下：

对于每一个地面待求点，其形变前的成像角度对应为θ，由于形变前和形变后成像距离远大于平台基线，成像距离都近似为r，将形变前后的sar成像做干涉处理，形成三次干涉，由于平台在每次成像期间，高程方向保持不变，因此，成像基线只考虑平面距离的变化，设第一次和第二次成像的干涉基线偏移距离为r，第三次和第一次干涉的基线偏移距离为r1，经过配准后，对应同名点的三次干涉相位分别为φ1，φ2，φ3。由于成像时对应的角度θ和距离r近似不变，则第一次和第二次干涉相位差的几何关系如下：

同理，第一次和第三次干涉相位差的几何关系为：

结合以上两式，可得差分干涉相位差为：

步骤6、对差分相位进行相位解缠，得到解缠后的真实相位。本发明中根据成像模式的特点利用支切法进行相位解缠，解缠之后的相位中包含了形变信息。

步骤7、根据基线数据和insar成像几何条件，建立基于解缠后相位的形变解算数学模型，形变解算模型建立和计算过程如下：

对步骤5计算形变前后的相位差分干涉图去除固定基线的影响，即为形变引起的干涉相位差，根据相位和距离的关系，即可得到视向形变(los)的位移大小为：

其中，δr为视向形变，λ为波长，r为第一次和第二次成像的干涉基线偏移量，r1为第三次和第一次干涉的基线偏移量，φ1，φ2，φ3分别为三次干涉相位。

在上述的一种基于车载insar的道路边坡形变检测方法，步骤3.3具体的实现方式是：

步骤3.31、步骤3.1对已获得的每一个像元级控制点，根据粗配准得到的配准偏移量，在两幅复图像中以选定的控制点为中心分别选取一个含l×l个像素点的窗口(l为奇数，且>3)，计算窗口内各像素点的相干系数，可得到一个含l×l个相干系数值的相干系数窗口。

步骤3.32、根据得到的l×l个相干系数值拟合对应该控制点的相干系数曲面，得到相干系数曲面的函数表达式z＝f(x,y)，其中(x,y)为像素点相对于选定控制点的坐标，z为该像素点的相干系数值。

步骤3.33、拟合得到相干系数曲面的函数表达式后，计算该曲面的顶点，该顶点为该区域内最大相干系数，顶点的位置即为所求的子像元级的同名点位置。

步骤3.34、配准函数的确定及辅图像的重采样，在完成子像元级别配准后，得到每个控制点对应的同名点子像元级图像坐标，采用二次多项式来获取待匹配图像之间的变换关系，其变换公式如下：

式中，(x,y)为主图像上的行列号，(x,y)为对应的辅图像的行列号。

在上述的一种基于车载insar的道路边坡形变检测方法，步骤6解缠过程如下：

步骤6.1、残差点的标识

通过一个2×2大小的封闭路径单元的简单计算可以检测出这些残差点，

令

δ1＝φ(i+1,j)-φ(i,j)

δ2＝φ(i+1,j+1)-φ(i+1,j)

δ3＝φ(i,j+1)-φ(i+1,j+1)

δ4＝φ(i,j)-φ(i,j+1)

则可以将残差点定义为：

其中w[δk]表示：对值δk加上或减去2kπ(其中k＝-1,0,1)，使得-π≤w[δk]≤π

则定义

若此时s≠0，可认为封闭路径的四个象元均为不连续点。

如果s>0,我们则定义该点为正残余点，如果s<0为负残余点,正负残差点分别标记为+1和-1。

步骤6.2、枝切线的连接

首先对干涉相位数据进行扫描，并对每个象元进行残差点的计算，直到找到一个残差点，记录相应的极性(正性和负性)；在该残差点周围的3*3八邻域中搜索另一个残差点，假如找到，则在这两个残差点之间建立枝切线，如果这个残差点的极性与原始残差点的极性相反，则对这条枝切线标记上无负荷，从而完成一条枝切线的检测，然后重新进行扫描以检测另外一条枝切线。若该残差点的极性与原先残差点一致，则将八邻域移到这个残差点上，检测新的残差点，直到找到极性相反的残差点，完成一条枝切线的检测。当某残差点八邻域中无法找到一个残差点时，扩大邻域大小，继续进行检测，直至当前枝切线为无负荷状态。

步骤6.3、用积分法对图中各点进行解缠，在选择积分路径时，绕过枝切线，解算出所有能够解出的点，对于路径无法到达的点利用内插方法拟合出解缠结果，得到整个边坡区域的真实差分干涉相位。

本发明的有益效果是：本发明实现了insar的高精度形变检测能力与道路形变检测的时间要求有机结合，为道路边坡监测这一亟待解决的道路安全重要问题提供一种快捷、方便、精确的新方法，利用本发明，可以根据监测的需要随时开展道路边坡的高精度检测，在道路安全监控方面具有非常广阔的推广前景。

附图说明

图1是一种基于车载insar平台的道路边坡形变检测方法所示的数据采集模式示意图。

图2是本发明一种基于车载insar平台的道路边坡形变检测方法一较佳实施例的流程图。

图3是步骤步骤6.1中残差点的标识具体描述图。

具体实施方式

下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。

请参阅图1和图2，本发明实施例包括：

一种基于车载insar平台的道路边坡形变检测方法，包括：

1、确定insar数据采集方式。将本发明所设计的车载insar道路边坡形变检测平台安装于车辆顶端，sar天线指向道路一侧，进行该侧边坡回波数据采集，另一侧边坡数据采集方法相同，但是车辆行驶方向相反，完成待检测路段所有边坡的数据采集，insar传感器采集方式如图1所示。数据采集过程中，同时使用pos系统实时记录平台的位置和姿态数据，并保存，pos和sar数据保持同步。

2、采集道路边坡sar数据。平台安装完成之后，设计好车辆行驶路线，根据待测区域道路和边坡的范围，调整sar天线的高度和方向，使得sar波束向侧方或者侧上方发射，有效覆盖待测边坡，这种成像模式需要对sar天线波束方向进行处理，以有效获取地表反射信号，同时避开高大树木树冠的遮挡影响，如图1所示；

3、车载平台沿着道路匀速行驶，到达边坡起点后，启动insar系统，不断采集一侧的边坡回波数据，直至完成全部边坡范围的数据采集，采集过程中，尽量保证平台的稳定性；

4、根据道路边坡形变检测周期的需要，一定间隔时间后，再次利用该设备对同一个边坡进行数据采集，采集方法同步骤1和步骤2。根据形变监测的需要，可以对同一个边坡多次采集数据，以获取一定时间范围内该边坡形变的变化信息，数据采集完成之后，处理流程如图2所示；

5、将两次或多次采集的数据进行配准。配准算法采用逐步精化的策略，使之达到优于1个像元的精度。具体步骤如下：

1)待匹配影像偏移量的计算。车载系统在数据采集过程中，保存了每个成像时刻的空间位置和姿态信息，粗匹配根据待配准图像中心像元对应的传感器空间位置及成像几何关系计算得到两幅影像的大致偏移量，为下一步的精确匹配奠定基础。

2)像元级配准。像元级配准利用相干系数判决准则实现。其基本思想是根据图像能量互相关函数的统计特性，通过寻找两幅图像互相关函数的最大值来进行配准，当同一目标的sar复图像之间精确配准时，其互相关函数在该点取得最大值。对于insar复图像的配准，定义相干系数为其互相关准则。相干系数定义如下：

其中，v1(i，j)、v2(i，j)分别表示两幅复图像窗口内的像素值，*表示复共轭。分别在参考图像和配准图像上选定一定区域，计算该区域内的相干系数，相干系数最大值对应的点即为配准点，通过这一步的处理，可以得到像元级的配准精度。

3)子像元级配准。子像元级配准通过相干系数插值法实现。该方法根据像元级配准点周围若干像元的相干系数，通过相干系数拟合，找到最大相干系数对应的像元位置，以之确定更加精确的配准位置，该方法不仅能够得到较高的配准精度，并且计算速度较快。具体过程如下：

(1)对已获得的每一个像元级控制点，根据粗配准得到的配准偏移量，在两幅复图像中以选定的控制点为中心分别选取一个含l×l个像素点的窗口，计算窗口内各像素点的相干系数，可得到一个含l×l个相干系数值的相干系数窗口。

(2)根据得到的l×l个相干系数值拟合对应该控制点的相干系数曲面，得到相干系数曲面的函数表达式z＝f(x,y)，其中(x,y)为像素点相对于选定控制点的坐标，z为该像素点的相干系数值。

(3)拟合得到相干系数曲面的函数表达式后，计算该曲面的顶点，该顶点为该区域内最大相干系数，顶点的位置即为所求的子像元级的同名点位置。

4)配准函数的确定及辅图像的重采样

在完成子像元级别配准后，得到每个控制点对应的同名点子像元级图像坐标，采用二次多项式来获取待匹配图像之间的变换关系，其变换公式如下：

式中，(x,y)为主图像上的行列号，(x,y)为对应的辅图像的行列号。

6、干涉图生成及去平地效应。将每次双天线sar配准后的数据进行干涉处理，生成干涉图，然后进行去平地效应，得到去平之后的干涉图。去平地效应利用成像几何关系实现，基于精确的sar成像参数和sar成像几何关系，可以计算出任意一点的平地相位。为了减少计算量，利用多个控制点的计算结果可以内插出其余点的平地相位。对于每个控制点，按照下式计算平地相位：

其中：δφf为平地相位，s为传感器位置矢量，p为地面点位置矢量。选取一些控制点计算出平地相位，然后利用最小二乘的方法拟合出一个平地相位与控制点位置之间的多项式，其余点的平地相位利用该多项式即可获取。

7、将两次或多次干涉处理的数据进行差分干涉处理，计算待测区域的差分相位。

8、对差分相位进行相位解缠，得到解缠后的真实相位。相位解缠方法有基于最小lp范数和基于路径跟踪的方法，本发明中根据成像模式的特点利用最小费用流模型进行相位解缠，解缠之后的相位中包含了形变信息，本发明中针对的道路边坡成像质量一般都比较好，采用稳定性较好的支切法解缠算法，该算法由goldstein于1986年提出，它首先识别出残差点，然后连接各个正负残差点对生成路径和最小的枝切线，通过支切线限制积分的路径，防止噪声造成的误差向全程传递，最后在相位矩阵中沿着合理的路径进行积分就可以得到解缠相位。该方法的实现如下：

(1)残余点的标识

相位不连续点(inconsistency)检测可以通过一个2×2大小的封闭路径单元的简单计算可以检测出这些残差点，具体描述如图3：

如图3所示，令

δ1＝φ(i+1,j)-φ(i,j)

δ2＝φ(i+1,j+1)-φ(i+1,j)

δ3＝φ(i,j+1)-φ(i+1,j+1)

δ4＝φ(i,j)-φ(i,j+1)

则可以将残差点定义为：

其中w[δk]表示：对值δk加上或减去2kπ(其中k＝-1,0,1)，使得-π≤w[δk]≤π

则定义

若此时s≠0，可认为封闭路径的四个象元均为不连续点。

显然，这种定义跟上述的闭合路径是一致的。如果s>0,我们则定义该点为正残余点，如果s<0为负残余点,正负残差点分别标记为+1和—1。

(2)枝切线的连接

首先对干涉相位数据进行扫描，并对每个象元进行残差点的计算，直到找到一个残差点，记录相应的极性(正性和负性)；在该残差点周围的3*3八邻域中搜索另一个残差点，假如找到，则在这两个残差点之间建立枝切线，如果这个残差点的极性与原始残差点的极性相反，则对这条枝切线标记上无负荷，从而完成一条枝切线的检测，然后重新进行扫描以检测另外一条枝切线。若该残差点的极性与原先残差点一致，则将八邻域移到这个残差点上，检测新的残差点，直到找到极性相反的残差点，完成一条枝切线的检测。当某残差点八邻域中无法找到一个残差点时，扩大邻域大小，继续进行检测，直至当前枝切线为无负荷状态。

(3)用积分法对图中各点进行解缠，在选择积分路径时，绕过枝切线，解算出所有能够解出的点，对于路径无法到达的点利用内插方法拟合出解缠结果，得到整个边坡区域的真实差分干涉相位。

9、根据基线数据和insar成像几何条件，建立基于解缠后相位的形变解算数学模型。由于本发明中车载平台数据采集和成像模式与常规d-insar方法有较大差异，因此，需要建立新的干涉测量数学模型，具体实现过程描述如下：

对于每一个地面待求点，其形变前的成像角度对应为θ，由于形变前和形变后成像距离远大于平台基线，成像距离都近似为r，将形变前后的sar成像做干涉处理，形成三次干涉，由于平台在每次成像期间，高程方向保持不变，因此，成像基线只考虑平面距离的变化，设第一次和第二次成像的干涉基线偏移距离为r，第三次和第一次干涉的基线偏移距离为r1，经过配准后，对应同名点的三次干涉相位分别为φ1，φ2，φ3。由于成像时对应的角度θ和距离r近似不变，则第一次和第二次干涉相位差的几何关系如下：

同理，第一次和第三次干涉相位差的几何关系为：

结合以上两式，可得由固定基线偏移带来的干涉相位差为：

根据上式对形变前后的相位差分干涉图去除固定基线的影响，即为形变引起的干涉相位差，根据相位和距离的关系，即可得到视向形变(los)的位移大小为：

10、形变结果地理编码。步骤9得到的形变结果基于sar成像坐标系，该坐标系与道路系统的地理坐标系不同，因此需要将基于sar成像坐标系的视向形变改正到合适的地理坐标系中，并对形变检测结果进行精度评价。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。