一种滑坡多点位移智能监测装置的制作方法

本实用新型涉及地质灾害监测技术领域，尤其是一种滑坡多点位移智能监测装置。

背景技术：

滑坡是斜坡岩土体沿着惯通的剪切破坏面所发生的滑移地质现象。滑坡的机制是某一滑移面上剪应力超过了该面的抗剪强度所致。滑坡常常给工农业生产以及人民生命财产造成巨大损失、有的甚至是毁灭性的灾难。

滑坡对乡村最主要的危害是摧毁农田、房舍、伤害人畜、毁坏森林、道路以及农业机械设施和水利水电设施等，有时甚至给乡村造成毁灭性灾害。位于城镇的滑坡常常砸埋房屋，摧毁工厂、学校、机关单位等，并毁坏各种设施，造成停电、停水、停工，有时甚至毁灭整个城镇。发生在工矿区的滑坡，可摧毁矿山设施，伤亡职工，毁坏厂房，使矿山停工停产，常常造成重大损失。

滑坡按滑动速度划分有：蠕动型滑坡，通常人们凭肉眼难以看见其运动，只能通过仪器观测才能发现；慢速滑坡，每天滑动数厘米至数十厘米，人们凭肉眼可直接观察到滑坡的活动；中速滑坡，每小时滑动数十厘米至数米的滑坡；高速滑坡，每秒滑动数米至数十米的滑坡。

除了蠕动性滑坡，人们都能及早发现滑坡并及早撤离危险区域。对于蠕动性滑坡，其隐蔽性比较强，危害性比较大，人们难以发现，即便发现后由于其滑动较慢，无法估计其活跃度，给人们防灾避险带来难度。我国是地质灾害多发区，全国各地滑坡数以万计，普遍属于蠕动性滑坡，严重威胁这人民群的生命和财产安全。

目前我国现有的地质灾害滑坡监测方法有群测群防和专业监测两种方式。

群测群防监测方式一般有人工监测桩和滑坡伸缩仪，其中人工监测桩是在滑坡体裂缝两侧立两个立桩，通过卷尺测量两个监测桩的相对位移，并做好记录，用于观测裂缝的拉张程度；滑坡伸缩仪是一种改进型的人工监测桩，将卷尺和电子元器件集成到一起，并增加了报警装置，其设备一端安装在滑坡体裂缝稳定一侧，拉绳一端安装裂缝不稳定一侧，滑坡伸缩仪内置位移阈值开关，当位移达到预警值后，滑坡伸缩仪触发外置报警器报警，提醒居民防灾减灾。

专业监测方式有拉绳位移监测仪、地表GNSS监测仪、深部位移监测仪、地面激光雷达扫描仪和InSAR监测。其中拉绳位移监测仪安装到滑坡体裂缝两侧，监测裂缝两侧的相对位移，并将监测数据通过GPRS网络传输到远程预警中心，实现了野外无人值守自动采集功能。其精度达到1mm级，系统比较稳定；地表GNSS监测仪利用卫星定位及算法实现滑坡体地表(X,Y,Z)三维的绝对位移监测，精度达到5mm级，对于仿真建模，整体把握滑坡体变化趋势有着绝对优势；深部位移监测仪是利用钻孔倾斜仪测量钻孔内滑动带处的倾角来计算滑坡的相对位移量，对于蠕动性滑坡监测效果明显；地面激光雷达扫描仪是利用计算机控制激光雷达对滑坡体整个面进行快速扫描，并将扫描结果与历史扫描数据对比，解算出滑坡体变形趋势；InSAR监测是利用星载或机载干涉雷达获取滑坡体影响图，其中每一像素既包含地面分辨元的雷达后向散射强度信息，也包含与斜距有关的相位信息，将覆盖同一地区的两幅雷达图像对应像素的相位值相减可得到一个相位差图，这些相位差信号能反映处地表变形程度。

实用新型人在实现本实用新型的过程中发现，现有技术存在以下缺陷和不足：

1、拉绳位移监测仪不能监测整个滑坡体的变化趋势，如果想监测整个滑坡体变化趋势，需要布设多台设备，造成施工量大，且成本高；

2、地表GNSS监测仪功耗较大，成本较高，解算速度慢，且受电磁和环境影响较大，严重影响精度；

3、深部位移监测仪由于其安装在钻孔内，对于绝大部分滑坡来说不具备钻孔，要安装深部位移监测仪需要打钻，其工作量和成本增加不少；

4、地面激光雷达扫描仪其缺点是不能滤除植被，对于植被茂密的东南和西南地区，其监测效果不佳。

技术实现要素：

本实用新型要解决的技术问题是提供一种滑坡多点位移智能监测装置，能够解决现有技术的不足，实现智能化控制，体积小巧、安装方便、操作简单、精度高、数据可视化，可实现对滑坡整体或局部变形趋势的监测，及时发出预警信息。

为解决上述技术问题，本实用新型所采取的技术方案如下。

一种滑坡多点位移智能监测装置，包括，

智能控制模块,用于滑坡多点位移监测模块内图像采集、图像识别、姿态控制、激光测距各模块的协调、数据深度处理，数据存储显示，数据通信方式选择及供电方式选择；

滑坡多点位移监测模块，包括图像采集模块、图像识别模块、姿态控制模块和激光测距模块，其中图像采集模块用于采集滑坡目标监测点的图像数据，图像识别模块用于将图像采集模块采集的图像信息进行目标识别，姿态控制模块根据图像识别结果控制图像采集模块的水平和垂直方向，达到识别滑坡目标监测点每个监测点的目的，激光测距模块将识别的每个监测点进行距离测量；

存储显示模块，用于将滑坡多点位移监测模块采集的结果数据经智能控制模块处理后存储并直观显示；

数据通信模块，包括LoRa模块、NB-IOT模块、GPRS模块和北斗模块，其中LoRa模块和NB-IOT模块实现短-中距入网和数据传输，GPRS通信模块和北斗通信模块用于将数据发送到远程预警平台；

供电模块，用于向智能控制模块和滑坡多点位移监测模块供电；

滑坡目标监测点，为滑坡数据的采集位置；

远程预警平台，用于接收采集数据和处理结果。

一种上述的滑坡多点位移智能监测装置的监测方法，包括以下步骤：

A、系统上电，设备进行初始化；滑坡多点位移监测模块对滑坡目标监测点进行数据采集并将数据传输到智能控制模块，智能控制模块将数据进行深度处理后通过数据通信模块发送至远程预警平台，同时将处理过的数据通过存储显示模块进行存储和显示；

B、智能控制模块控制图像采集模块对滑坡目标监测点进行图像信息采集；

C、智能控制模块对采集的目标监测点的图像信息与特征目标点图像信息进行匹配与识别；

D、智能控制模块控制调整图像采集模块的焦距和姿态以便对识别的各个滑坡目标监测点进行重定位；

E、智能控制模块控制与图像采集模块处于平行轴心的激光测距模块测量图像采集模块到各个滑坡目标监测点的距离；

F、智能控制模块对步骤E所得结果进行有效性处理；

G、智能控制模块对步骤F所得结果进行数据分析；

H、智能控制模块对步骤G所得结果通过数据通信模块发送至远程预警平台，同时通过存储显示模块进行数据存储和显示。

作为优选，步骤B中，图像采集模块对滑坡目标监测点进行图像采集，并将图像信息转换成数字信息。

作为优选，步骤C中，图像识别模块对采集的图像内多个监测点进行识别包括以下步骤：

C1、图像预处理，将采集的彩色位图进行灰度化处理，

I＝0.299×Red+0.587×Green+0.114×Blue

其中，I表示灰度值，Red，Green，Blue为各个像素点的RGB值；设置合适的阈值，实现图像二值化，以某点(X,Y)为中心的小窗口内的所有像素的灰度值，按从小到大的顺序排列，将中间值作为(X,Y)处的灰度值，从而去除从实际环境中引入的噪声；

C2、特征值提取，C1步骤后，可用矩阵来描述图像中监测点的形状特征，则监测点R的(i，j)阶为

式中参加运算的点(x，y)都是监测点R内的点或边界点；

C3、模板匹配，将多个已知模板特征目标点矩阵参数与C2步骤提取的监测点特征值进行匹配计算获得图像中是否含有该模板的信息和坐标，用相似度D来表示

将其归一化处后，得到模板匹配的相关系数

当模板和识别目标完全一样时，相关系数R(i,j)＝1。

作为优选，步骤E中，控制与图像采集模块处于平行轴心的激光测距模块测量图像采集模块到识别的滑坡目标监测点的距离，重复测量n次，1＜n≤100。

作为优选，步骤F中，对步骤E采集的n次距离数据进行滤波处理，剔除异常值，保留平均值，重复B-F步骤，直到识别的滑坡目标监测点测距完成并滤波处理。

作为优选，步骤G中，将F步骤中所得滑坡目标监测点的距离数据与系统历史存储的对应点数据进行比较分析，解算出每个监测点的位移变化趋势和整体滑坡变化二维图。

采用上述技术方案所带来的有益效果在于：本实用新型可以实现智能化控制，体积小巧、安装方便、操作简单、精度高、数据可视化，可实现对滑坡整体或局部变形趋势的监测，及时发出预警信息。

附图说明

图1是本实用新型一个具体实施方式的硬件结构图。

图2是本实用新型一个具体实施方式的监测方法原理图。

图3是本实用新型一个具体实施方式的监测装置安装示意图。

具体实施方式

参照图1-3，本实用新型一个具体实施方式包括，

智能控制模块1,用于滑坡多点位移监测模块2内图像采集、图像识别、姿态控制、激光测距各模块的协调、数据深度处理，数据存储显示，数据通信方式选择及供电方式选择；

滑坡多点位移监测模块2，包括图像采集模块、图像识别模块、姿态控制模块和激光测距模块，其中图像采集模块用于采集滑坡目标监测点6的图像数据，图像识别模块用于将图像采集模块采集的图像信息进行目标识别，姿态控制模块根据图像识别结果控制图像采集模块的水平和垂直方向，达到识别滑坡目标监测点6每个监测点的目的，激光测距模块将识别的每个监测点进行距离测量；

存储显示模块3，用于将滑坡多点位移监测模块2采集的结果数据经智能控制模块1处理后存储并直观显示；

数据通信模块4，包括LoRa模块、NB-IOT模块、GPRS模块和北斗模块，其中LoRa模块和NB-IOT模块实现短-中距入网和数据传输，GPRS通信模块和北斗通信模块用于将数据发送到远程预警平台7；

供电模块5，用于向智能控制模块1和滑坡多点位移监测模块2供电；

滑坡目标监测点6，为滑坡数据的采集位置；

远程预警平台7，用于接收采集数据和处理结果。

一种上述的滑坡多点位移智能监测装置的监测方法，包括以下步骤：

A、系统上电，设备进行初始化；滑坡多点位移监测模块2对滑坡目标监测点6进行数据采集并将数据传输到智能控制模块1，智能控制模块1将数据进行深度处理后通过数据通信模块4发送至远程预警平台，同时将处理过的数据通过存储显示模块3进行存储和显示；

B、智能控制模块1控制图像采集模块对滑坡目标监测点6进行图像信息采集；

C、智能控制模块1对采集的目标监测点的图像信息与特征目标点图像信息进行匹配与识别；

D、智能控制模块1控制调整图像采集模块的焦距和姿态以便对识别的各个滑坡目标监测点6进行重定位；

E、智能控制模块1控制与图像采集模块处于平行轴心的激光测距模块测量图像采集模块到各个滑坡目标监测点6的距离；

F、智能控制模块1对步骤E所得结果进行有效性处理；

G、智能控制模块1对步骤F所得结果进行数据分析；

H、智能控制模块1对步骤G所得结果通过数据通信模块4发送至远程预警平台7，同时通过存储显示模块3进行数据存储和显示。

步骤B中，图像采集模块对滑坡目标监测点6进行图像采集，并将图像信息转换成数字信息。

步骤C中，图像识别模块对采集的图像内多个监测点进行识别包括以下步骤：

C1、图像预处理，将采集的彩色位图进行灰度化处理，

I＝0.299×Red+0.587×Green+0.114×Blue

其中，I表示灰度值，Red，Green，Blue为各个像素点的RGB值；设置合适的阈值，实现图像二值化，以某点(X,Y)为中心的小窗口内的所有像素的灰度值，按从小到大的顺序排列，将中间值作为(X,Y)处的灰度值，从而去除从实际环境中引入的噪声；

C2、特征值提取，C1步骤后，可用矩阵来描述图像中监测点的形状特征，则监测点R的(i，j)阶为

式中参加运算的点(x，y)都是监测点R内的点或边界点；

C3、模板匹配，将多个已知模板特征目标点矩阵参数与C2步骤提取的监测点特征值进行匹配计算获得图像中是否含有该模板的信息和坐标，用相似度D来表示

将其归一化处后，得到模板匹配的相关系数

当模板和识别目标完全一样时，相关系数R(i,j)＝1。

步骤D中，调节图像采集模块的焦距，放大识别后的滑坡目标监测点6图像，并调节姿态控制模块，使识别后的滑坡目标监测点6图像处于图像采集模块视野中间。

步骤E中，控制与图像采集模块处于平行轴心的激光测距模块测量图像采集模块到识别的滑坡目标监测点6的距离，重复测量n次，1＜n≤100。

步骤F中，对步骤E采集的n次距离数据进行滤波处理，剔除异常值，保留平均值，重复B-F步骤，直到识别的滑坡目标监测点(6)测距完成并滤波处理；

将剔除的异常值存入缓存区，将异常值与平均值进行比对，将比对结果进行拟合后，使用拟合结果对步骤E中的激光测距模块进行修正。

步骤G中，将F步骤中所得滑坡目标监测点6的距离数据与系统历史存储的对应点数据进行比较分析，解算出每个监测点的位移变化趋势和整体滑坡变化二维图；

在解算整体滑坡变化二维图时，根据解算点距离最近的两个监测点的位移数据作为解算对象，对两个监测点的位移数据进行加权平均，得到解算结果，加权系数与解算点和对应监测点距离的平方成正比。

在本实用新型的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本实用新型，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本实用新型的限制。

以上显示和描述了本实用新型的基本原理和主要特征和本实用新型的优点。本行业的技术人员应该了解，本实用新型不受上述实施例的限制，上述实施例和说明书中描述的只是说明本实用新型的原理，在不脱离本实用新型精神和范围的前提下，本实用新型还会有各种变化和改进，这些变化和改进都落入要求保护的本实用新型范围内。本实用新型要求保护范围由所附的权利要求书及其等效物界定。