一种基于无人机靶向技术的边坡位移监测方法与流程

本发明涉及一种边坡安全监测方法
技术领域：
，特别是涉及一种基于无人机靶向技术的边坡位移监测方法。
背景技术：
：在边坡安全监测中，主要有基于应力应变监测和基于位移变形监测两大类。对于应力应变监测，其精度虽然比基于位移变形监测的高，但是应力应变监测所需要的传感器购置成本高，不易维护且埋设难度高、工程量大。对于位移变形监测，目前最常用的方法其中以gps和三维激光扫描法为主，然而gps法的精度受到气候影响，误差可达十米量级，精度很难达到工程实践应用的需求；三维激光扫描法则需要用激光逐个扫描目标，所需时间较长，对于大规模边坡，测站点的选取也将受到影响。技术实现要素：针对上述问题中存在的不足之处，本发明提供一种基于无人机靶向技术的边坡位移监测方法，使其作业方式更加灵活，外业工作强度小，不受量程控制、非接触且能动态的反应边坡变形的特征，信息存储量大，能够更加精确的计算边坡发生变形的位移。为了解决上述问题，本发明提供一种基于无人机靶向技术的边坡位移监测方法，其中，包括以下步骤：s10、在拟监测的疑似不稳定边坡上预先设置一些易于识别的监测点标识及其周边稳定边坡上的控制点标识：根据现场边坡特征选择布设监测点与控制点标识，确保无人机可以采集到高清的标识照片，通过图像处理的手段获得监测点的坐标；s20、利用无人机对现场布设的监测点采集高清照片：构架基于无人机现场采集边坡的高清照片系统；s30、通过图像处理对无人机拍摄照片中监测点坐标进行提取：基于matlab对无人机先后两次拍摄的待测边坡采集的高清照片进行图像处理，通过图像处理对无人机拍摄照片中监测点坐标进行提取，；s40、检验并优化生成具有高绝对位置精度的坐标点：为了控制精度减小误差，将从测量方法和图像处理精度两方面考虑；s50、对比两次拍摄照片监测点的坐标进行边坡位移的计算：对提取出来的像素坐标，进一步处理计算出边坡实际发生的位移量；s60、边坡位移的精度检验：通过其坐标变化，将所得坐标转化为三维坐标进行解算，求得实际位移。优选的，在所述步骤s10中，还包括以下步骤：s101、现场标识点测量方法的选择：选择gpsrtk测量技术；在gps定位受到限制的区域应选择全站仪进行控制点的确定；对于一些高陡边坡，可以采用多种技术相结合的手段；s102、监测点布设的选择：选取色度稳定性好、抗干扰性好、穿透能力强的颜色，所设置标识体的形状也应选用比较规则的图案；s103、控制点布设的选择：在边坡较为稳定处选出露的基岩、公路等，如果无直接可辨控制点的位置，则需在地面上放置清晰显著的辅助标识，并且控制点标识应沿疑似滑坡体四周布设。优选的，在所述步骤s20中，还包括以下步骤：s201、基于无人机进行边坡高清相片采集的系统构建：为了实现边坡位移监测的需求，以四旋翼无人机大疆精灵4pro，全站仪为基础，对地面标识点进行采集拍照；s202、无人机采集边坡监测点、控制点高清照片：确保无人机于云台各项参数及状态正常后，在布设的的控制点位置起飞，确保飞行高度一定，进行边坡影像采集。优选的，在所述步骤s30中，基于matlab语言对边坡照片进行预处理：s301、首先使用sobel算子对图像二值化处理，主要包括检测图像的边缘，统计边缘上的像素；在这些边缘像素点上进行二值化阈值的自动选择；对其他非边缘像素点采用常规二值化方法进行处理；s302、然后在二值化处理之后，确定圆形监测标识的质心点或边界点，从而确定监测点与控制点之间的距离，最后提取监测点的像素坐标。优选的，在所述步骤s40中，还包括以下步骤：s401、验证位移计算的精度：预先在待测边坡上设置监测标识，两个横向标识之间的距离为x，纵向标识之间距离为y，然后对目标区域的标识进行两次拍摄，用第一次航摄照片计算出的标识中心点坐标，用第二次航摄照片计算出的标识与中心点坐标，分别计算每组标识的之间的横向距离，与原始标识距离进行对比，舍去误差较大的标识点；s402、减小测量方法引起的误差：当监测标识附近存在与其颜色相近的物体时，可能会识别出错误的标识并直接导致该点处位移结果出现偏差，因此应尽量选择与边坡场景颜色差别较大的监测标识；选取控制点标识的时候，为了提高监测控制精度，应将控制监测点将沿疑似滑坡体四周布设。s403、提高图像处理精度：基于matlab对无人机采集高清照片进行图像处理时，应采用更易识别的hsv色彩空间判别法和sobel边缘检测算子。优选的，在所述步骤s50中，还包括以下步骤：s501、根据求得的投影阵目标质心、面积等参数，拟以针孔投影构成的位移阵与投影阵目标质心、面积等参数的空间关系，计算出摄像距离阵、观测标识与定位标识投影距离阵、深度差阵等距离参数，得到三维解算所需各类距离信息；s502、然后采用空间三点定标方法，完成位移阵空间数据解算，进而求得实际发生位移量。优选的，在所述步骤s60中，通过其坐标变化，将所得坐标转化为三维坐标进行解算，求得实际位移，对布设的监测标识照片在同一时间段进行多次采集，然后分别计算其实际位移，求得实际位移的误差，检验是否满足精度要求。与现有技术相比，本发明具有以下优点：近年来，小型无人机越来越多的被用于对地表的观测中，且计算视觉技术也得到了快速的发展。结合上述设备及技术手段将其应用到边坡表面位移监测中，有巨大的发展空间。与传统的方法相比，基于无人机航摄的边坡表面位移监测的方法具有众多优势：1、作业方式更加灵活，外业工作强度小；2、不受量程控制、非接触且能动态的反应边坡变形的特征；3、信息存储量大：利用数字图像处理技术，最大限度地压缩图像信息；4、能够更加精确的计算边坡发生变形的位移，误差较小。附图说明下面结合附图和实施案例对本发明作进一步说明。图1为本发明所描述的一种基于无人机靶向技术的边坡位移监测方法的流程图；图2为本发明在边坡表面布置监测点和控制点的平面示意图，其中红色圆形标识为监测点标识，监测标识排列方式为n×n阵列的形式(图2中采用4×4阵列的形式)，黑白相间的十字标识为控制点的标识；图3为本发明在边坡表面布置监测点标识的部分示意图，即x方向上两个标识的横向距离为x，y方向上两个标识的纵向距离为y；图4为本发明原始边坡场景及检测标识位置示意图；图5为本发明滑动后边坡场景及检测标识位置；图6为本发明原始边坡质心坐标位置示意图；图7为本发明滑动后边坡的质心坐标位置示意图；图8为本发明的matlab处理结果示意图。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白，下面结合实例和附图对本发明作进一步详细说明，但所举实例不作为对本发明的限定。一种基于无人机靶向技术的边坡位移监测的方法，技术步骤包括：根据在拟监测的疑似不稳定边坡上预先设置一些易于识别的监测点标识及其周边稳定边坡上的控制点标识，用无人机对现场布设的监测点采集高清照片；通过图像处理对无人机拍摄照片中监测点坐标进行提取；检验并优化生成具有高绝对位置精度的坐标点；对比两次拍摄照片监测点的坐标进行边坡位移的计算。s10、在拟监测的疑似不稳定边坡上预先设置一些易于识别的监测点标识及其周边稳定边坡上的控制点标识根据现场边坡特征选择布设监测点与控制点标识，确保无人机可以采集到高清的标识照片，通过图像处理的手段获得监测点和控制点的坐标。s101、现场标识点测量方法的选择边坡控制测量应选择与无人机监测手段匹配的高精度、低误差、易实施的技术方法，可以选择gpsrtk测量技术；在gps定位受到限制的区域应选择全站仪进行控制点的确定；对于一些高陡边坡，可以采用多种技术相结合的手段。s102、监测点布设的选择如图2所示，为了与拟监测边坡表面颜色形成较为明显的反差且更有利于对标识体的提取，应选取色度稳定性好、抗干扰性好、穿透能力强的颜色，所设置标识体的形状也应选用比较规则的图案，例如圆形或正方形。s103、控制点布设的选择如图2所示，对于控制点，可以在边坡较为稳定处选出露的基岩、公路等，如果无直接可辨控制点的位置，则需在地面上放置清晰显著的辅助标识，如黑白相间的十字标识；对于监测点和控制点布设应在无人机航摄前准备完成，以确保无人机航摄出来的照片中监测点和控制点的标识可以清晰可见。s20、利用无人机对现场布设的监测点采集高清照片构架基于无人机现场采集边坡的高清照片系统。s201、基于无人机进行边坡高清相片采集的系统构建为了实现边坡位移监测的需求，本发明以四旋翼无人机大疆精灵4pro，全站仪为基础，对地面监测点进行采集拍照。大疆精灵4pro配备1英寸2000万像素cmos影像传感器以及7组8片全玻璃镜片组成的高解析度镜头；无人机配备飞行控制系统以及高精度gps模块，可以基于三组双视觉传感器组成的六木导航系统通过飞行环境的观测计算出飞行器与物体的相对速度和距离；且其自带红外感知系统不仅使其探测面积大，而且能够准确识别距离飞行器最近的物体距离，具有更强的抗干扰能力，大幅提升了感知的可靠性。s202、无人机采集边坡监测点、控制点高清照片确保无人机于云台各项参数及状态正常后，在布设的的控制点位置起飞，确保飞行高度一定，进行边坡影像采集。在拍摄过程中，确保无人机镜头始终垂直向下；飞行结束后，检查无人机拍摄照片照片是否清晰，是否覆盖布设的全部地区等要求。s30、通过图像处理对无人机拍摄照片中监测点坐标进行提取基于matlab对无人机先后两次拍摄的待测边坡采集的高清照片进行图像处理，通过图像处理对无人机拍摄照片中监测点坐标进行提取，。s301、基于matlab语言对边坡照片进行预处理首先使用sobel算子对图像二值化处理，主要包括检测图像的边缘，统计边缘上的像素；在这些边缘像素点上进行二值化阈值的自动选择；对其他非边缘像素点采用常规二值化方法进行处理，然后在二值化处理之后，确定圆形监测标识的质心点或边界点，从而确定监测点与控制点之间的距离，最后提取监测点的像素坐标。s40、检验并优化生成具有高绝对位置精度的坐标点为了控制精度减小误差，将从测量方法和图像处理精度两方面考虑。s401、验证位移计算的精度为了验证位移计算精度，预先在待测边坡上设置如图3的监测标识，两个横向标识之间的距离为x，纵向标识之间距离为y。然后对目标区域的标识进行两次拍摄，设c11为使用第一次航摄照片计算出的标识①中心点坐标，c11和c22分别为使用第二次航摄照片计算出的标识②与③中心点坐标，分别计算每组标识的之间的横向距离δc21和δc31，与原始标识距离进行对比，舍去误差较大的标识点。s402、减小测量方法引起的误差当监测标识附近存在与其颜色相近的物体时，可能会识别出错误的标识并直接导致该点处位移结果出现偏差，因此应尽量选择与边坡场景颜色差别较大的监测标识。s403、提高图像处理精度基于matlab对无人机采集高清照片进行图像处理时，应采用更易识别的hsv色彩空间判别法和sobel边缘检测算子。s50、对比两次拍摄照片监测点的坐标进行边坡位移的计算。对提取出来的像素坐标，进一步处理计算出边坡实际发生的位移量。根据求得的投影阵目标质心、面积等参数，拟以针孔投影构成的位移阵与投影阵目标质心、面积等参数的空间关系，计算出摄像距离阵、观测标识与定位标识投影距离阵、深度差阵等距离参数，得到三维解算所需各类距离信息。然后采用空间三点定标方法，完成位移阵空间数据解算，进而求得实际发生位移量。s60、边坡位移的精度检验通过其坐标变化，将所得坐标转化为三维坐标进行解算，求得实际位移。对实际位移的精度要求，根据岩土工程规范，水平位移采用第四等级的精度要求，要求其点位中误差为±12mm，竖向位移采用第五等级精度要求，其高程误差为±8mm。所以需要对布设的监测标识照片在同一时间段进行多次采集，然后分别计算其实际位移，求得实际位移的误差，检验是否满足精度要求。本实施例中，具体算例如下：如图4所示，在一人工开挖边坡上布设3×3阵列形式的监测标识，然后在边坡一侧寻找边坡不易变化的位置(如裸露的基岩或修建的公路等)布设在监测点四周布设控制点标识用来自动建立观测场和坐标系。监测点标识采用直径为8cm的圆形木板，控制点标识为边长为10cm的正方形木板。然后用无人机飞到有一定高度(本例飞行高度8m)对拟监测疑似不稳定边坡进行航摄，拍摄照片如图4所示。对于图4中所航摄的边坡照片进行坐标验证，已知提前测得照片中监测点1点与2点的实际纵向距离为10cm，1点与4点的实际横向距离为16cm，通过图像处理计算分别测得边坡1点与2点的纵向距离为10.01cm，1点与4点的横向距离为16.03cm，满足精度要求，可进行下列计算。在一段时间的降雨之后，再次用无人机对拟监测疑似不稳定边坡进行拍摄，拍摄照片如图5所示。基于两次拍摄的照片，按照上述内容中的方法进行计算，结果如下：(1)对图4照片进行图像处理，确定蓝色标识的范围，从而确定3-11号监测点的原始边坡质心坐标(如图6所示)，3-11号监测点原始边坡质心坐标可见表一。表一原始边坡质心坐标(2)对图5照片进行图像处理，确定蓝色标识的范围，从而确定3-11号监测点动后边坡的质心坐标(如图7所示)，3-11号监测点动后边坡质心坐标可见表二。x(像素)y(像素)3173.8096.044173.86167.095173.77240.006274.8299.997274.80171.058274.82243.999365.77104.0010365.80175.0411365.85248.03表二滑动后边坡质心坐标(3)通过对比表一和表二质心坐标的坐标变化，大概判断其位置变化的情况，然后通过图4和图5中3-11号监测点的质心坐标分别到控制点之间的距离来判断其位置是否发生变化，如表三所示：表三滑动前后坐标变化同理，可以求出3-11号监测点相当于1号、2号、13号控制的相对位移。由表格数据可知，3-11监测号点的坐标发生了变化，即在图片上监测点坐标相对控制点坐标发生了滑动，如图8中的matlab处理所示。由于图片上所得的只是坐标点的像素位移，而在实际工程所需要的是边坡滑动的实际位移。此算例中已知圆形监测标识直径为8cm，控制点标识采用边长为8cm的标识。那么根据图像处理，可以获取图像中的标记点的平均直径大小均是用像素数表示，n个圆形标记点的平均像素直径是m，那么可以说明：1个像素距离对应的实际距离是1/m(mm)，那么根据此，可以获得坐标点移动的像素距离d，再根据三维解算，可知道边坡的滑动距离，计算结果如下：监测点滑动距离(cm)32.4842.5152.4962.7372.7582.7393.08103.09113.10本发明中通过数字图像技术来监控边坡变形的位移以及通过数字图像处理等预测边坡的发展、发生可以避免生命危险的发生，可对人员难以到达的危险边坡或陡峭坡面进行监测，外业工作量较小，获得数据迅速，可同时观测边坡上所有点同一瞬间的空间位置信息，并且拍得的图像资料可以随时利用，精度方面也完全以满足边坡崩滑体处于速变、剧变阶段的要求，可以最大程度的保证人员的安全，且操作简单。本发明是依托边坡特征在边坡表面进行监测点布设，并利用全站仪或gps根据现场环境确定控制点的位置，同时利用无人机对边坡表面的监测点与控制点标识进行照片采集，通过计算视觉的图像处理的手段，高精度对比两次图像得出的同名监测点的坐标，进行边坡变形位移的监测和测算，从而高效、快速、精准的得到边坡变形的特征。对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。当前第1页12