电站大坝边坡位移检测方法、装置及电子设备与流程

1.本发明涉及边坡位移检测技术领域，具体而言，涉及电站大坝边坡位移检测方法、装置及电子设备。


背景技术：

2.水电站大坝边坡是水电工程的重大风险来源之一，对其进行快速高精度的巡检调查，不仅能够及时获取边坡的地形地貌变化，同时能够对自然灾害进行预警和监测。由于近坝高边坡地形位置限制，传统人工调查方法存在效率低、精度差、危险系数高、监测难度大等问题。
3.传统水电站大坝边坡进行自动化形变监测的方法中，采用测斜仪的方法只能对边坡进行局部的位移变化监测；采用地基雷达的方法受到天气、泄洪等因素的影响，不适合环境多变的水电站环境；采用三维激光扫描的方法虽然精度高，但是容易产生扫描死角，且需要进行点云数据拼接，导致点云模型精度下降。现有监测方法难以实现对水电站大坝边坡进行快速、全面、精确的巡检，不利于为坝区管理人员提供有效且可靠的监测数据，不利于对边坡的稳定性进行判断，影响电站安全稳定运行。


技术实现要素：

4.为了解决上述问题，本发明提供电站大坝边坡位移检测方法、装置及电子设备。
5.本发明的实施例通过以下技术方案实现：第一方面，本公开提供了电站大坝边坡位移检测方法，包括如下步骤：利用无人机贴近摄影的方式采集电站大坝边坡的第一视图影像，并获取所述第一视图影像的像素点的地理位置信息；根据所述地理位置信息对所述第一视图影像的像素点进行空中三角测量，确定所述第一视图影像中的像素点对应的第一三维坐标数据；根据所述第一三维坐标数据，建立所述第一视图影像中的像素点对应的数字表面模型；利用所述数字表面模型，对所述无人机进行航迹设置，并设置拍摄参数；获取所述无人机的定位数据，所述无人机根据所述航迹与所述无人机的拍摄参数获取第二视图影像；提取所述第二视图影像的特征点，计算所述特征点的第二三维坐标数据；根据所述拍摄参数、所述定位数据以及所述第二三维坐标数据，建立三维点云模型；根据所述三维点云模型，确定三维点云数据；获取不同时间的所述三维点云数据，分析不同时间的所述三维点云数据之间的差异，确定所述电站大坝边坡的位移偏移量。
6.第二方面，本公开提供了电站大坝边坡位移检测装置，包括：采集单元、测量单元、
第一模型建立单元、设置单元、获取单元、处理单元、第二模型建立单元、确定单元以及分析单元；所述采集单元，用于利用无人机贴近摄影的方式采集电站大坝边坡的第一视图影像，并获取所述第一视图影像的像素点的地理位置信息；所述测量单元，用于根据所述地理位置信息对所述第一视图影像的像素点进行空中三角测量，确定所述第一视图影像中的像素点对应的第一三维坐标数据；所述第一模型建立单元，用于根据所述第一三维坐标数据，建立所述第一视图影像中的像素点对应的数字表面模型；所述设置单元，用于利用所述数字表面模型，对所述无人机进行航迹设置，并设置拍摄参数；所述获取单元，用于获取所述无人机的定位数据，所述无人机根据所述航迹与所述无人机的拍摄参数获取第二视图影像；所述处理单元，用于提取所述第二视图影像的特征点，计算所述特征点的第二三维坐标数据；所述第二模型建立单元，用于根据所述拍摄参数、所述定位数据以及所述第二三维坐标数据，建立三维点云模型；所述确定单元，用于根据所述三维点云模型，确定三维点云数据；所述分析单元，用于获取不同时间的所述三维点云数据，分析不同时间的所述三维点云数据之间的差异，确定所述电站大坝边坡的位移偏移量。
7.第三方面，本公开提供了一种电子设备，包括：处理器和存储器；所述存储器，用于存储计算机操作指令；所述处理器，用于通过调用所述计算机操作指令，执行电站大坝边坡位移检测方法。
8.本发明的有益效果是：本发明通过无人机贴近摄影的方式采集数据，实现高精度数据自动化采集；利用数字表面模型构建三维实景实现无人机航迹规划，使得无人机按照包含设定拍摄参数以及设定航线自动航行；利用三维点云模型生成三维点云数据，有利于获得高精度和高准确度的测量结果；通过点云到三维网格平面距离计算不同时间三维点云数据之间的差异，确定电站大坝边坡的位移偏移量，实现大范围、高精度、高准确度的边坡位移检测。
9.在上述技术方案的基础上，本发明还可以做如下改进。
10.进一步，所述获取不同时间的所述三维点云数据，分析不同时间的所述三维点云数据之间的差异，确定所述电站大坝边坡的位移，包括步骤：获取初始时间的所述三维点云数据作为参考数据，获取设定时间后的所述三维点云数据作为比较数据；对所述参考数据与所述比较数据按照相同范围进行裁剪；将所述参考数据中离散的点云拟合成为三维网格平面；计算所述比较数据中的点云到相邻近的所述三维网格平面的距离，得到所述初始时间与所述设定时间后所述电站大坝边坡的所述点云的位移偏移量。
11.采用上述进一步方案的有益效果是，通过对初始时间的三维点云数据与获取设定时间后的所述三维点云数据进行比较，并将数据按照相同范围进行裁剪，保证边坡位移分析在同一范围进行比较，保证了比较范围的一致性；通过将参考数据中离散的点云拟合成为三维网格平面，计算比较数据中的点云到相邻近的三维网格平面的距离，能够更稳定、准确的计算边坡两个时间点的位移量。
12.进一步，所述确定所述电站大坝边坡的位移偏移量，还包括：根据所述点云的位移偏移量，得到所述点云的距离分布图。
13.采用上述进一步方案的有益效果是，通过距离分布图能够将点云的位移偏移量可视化，有利于管理人员对边坡的稳定性进行快速判断。
14.进一步，所述获取所述无人机的定位数据的方法为实时动态载波相位差分法。
15.采用上述进一步方案的有益效果是，采用实时动态载波相位差分法能够对无人机进行高精度定位。
16.进一步，所述提取所述第二视图影像的特征点的方法为：利用加速稳健特征算法提取所述第二视图影像的特征点。
17.采用上述进一步方案的有益效果是，通过加速稳健特征算法能够有效提取视图影像的特征点。
18.进一步，所述根据所述三维点云模型，确定三维点云数据，包括：利用mvs算法对所述三维点云模型进行稠密重建，对采集的多视角的各个所述第二视图影像进行逐像素点匹配，重新生成每个像素点的三维坐标，得到三维点云数据。
19.采用上述进一步方案的有益效果是，通过mvs算法对三维点云模型进行稠密重建，实现对采集到的各个多视角的第二视图影像进行逐像素点匹配，重建生成每个像素点的三维坐标，得到三维点云数据。
20.进一步，所述拍摄参数包括拍摄角度、拍摄有效像素、拍摄光圈、拍摄焦距与像元大小。
21.采用上述进一步方案的有益效果是，通过拍摄参数的设置，有利于提高视图影像的质量。
附图说明
22.图1为本发明实施例1提供的电站大坝边坡位移检测方法的流程图；图2（a）为本发明实施例1中点云到相邻近的三维网格平面的距离的计算的原理示意图；图2（b）为传统方式中点云到相邻近的点云的距离的计算的原理示意图；图3为本发明实施例2提供的电站大坝边坡位移检测装置的原理图；图4为本发明实施例3提供的一种电子设备的原理图；图5为验证实验中两个试块位移前获得的参考点云的分布示意图；图6为验证实验中水平位移和垂直位移后的参考点云的分布示意图；图7为验证实验中试块水平位移后比较点云区域示意图；图8为验证实验中试块垂直位移后比较点云区域示意图；图9为验证实验试块在水平位移前后点云的位移偏移量分布统计图；
图10为验证实验中试块在垂直位移前后点云的位移偏移量分布统计图；图11中（c）为验证实验中第一次采集边坡三维模型图；图11中（d）为验证实验中第一次采集边坡点云模型图；图11中（e）为验证实验中第二次采集边坡三维模型图；图11中（f）为验证实验中第二次采集边坡点云模型图；图11中（g）为验证实验中点云空间叠加示意图；图12为验证实验中点云位移偏移量统计图。
23.图标：40-电子设备；410-处理器；420-总线；430-存储器；440-收发器。
具体实施方式
24.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
25.实施例1作为一个实施例，如附图1所示，为解决上述技术问题，本实施例提供电站大坝边坡位移检测方法，包括如下步骤：利用无人机贴近摄影的方式采集电站大坝边坡的第一视图影像，并获取所述第一视图影像的像素点的地理位置信息；根据所述地理位置信息对所述第一视图影像的像素点进行空中三角测量，确定所述第一视图影像中的像素点对应的第一三维坐标数据；根据所述第一三维坐标数据，建立所述第一视图影像中的像素点对应的数字表面模型(digital surface model-dsm)；在dsm模型上进行精细的贴近摄影的无人机航迹规划，能够生成具有设定拍摄参数的航迹点；利用所述数字表面模型，对所述无人机进行航迹设置，并设置拍摄参数；获取所述无人机的定位数据，所述无人机根据所述航迹与所述无人机的拍摄参数获取第二视图影像；其中，无人机采用自动飞行的方式按照设置的航迹飞行，获得质量更高的第二视图影像；提取所述第二视图影像的特征点，计算所述特征点的第二三维坐标数据；根据所述拍摄参数、所述定位数据以及所述第二三维坐标数据，建立三维点云模型；根据所述三维点云模型，确定三维点云数据；获取不同时间的所述三维点云数据，分析不同时间的所述三维点云数据之间的差异，确定所述电站大坝边坡的位移偏移量。
26.本发明通过无人机贴近摄影的方式采集数据，实现高精度数据自动化采集；利用数字表面模型构建三维实景实现无人机航迹规划，使得无人机按照包含设定拍摄参数以及设定航线自动航行；利用三维点云模型生成三维点云数据，有利于获得高精度和高准确度的测量结果；通过点云到三维网格平面距离计算不同时间三维点云数据之间的差异，确定电站大坝边坡的位移偏移量，实现大范围、高精度、高准确度的边坡位移检测。
27.可选的，所述获取不同时间的所述三维点云数据，分析不同时间的所述三维点云数据之间的差异，确定所述电站大坝边坡的位移，包括步骤：获取初始时间的所述三维点云数据作为参考数据，获取设定时间后的所述三维点云数据作为比较数据；对所述参考数据与所述比较数据按照相同范围进行裁剪；将所述参考数据中离散的点云拟合成为三维网格平面；计算所述比较数据中的点云到相邻近的所述三维网格平面的距离，得到所述初始时间与所述设定时间后所述电站大坝边坡的所述点云的位移偏移量。
28.在实际应用过程中，由于点云数据具有无序性、稀疏性的特点，传统的点云到点云的距离计算方法准确度低，本发明提出计算设定时间后的三维点云数据中的点云到相邻近的三维网格平面的距离，如图2（a）所示原理示意图，距离计算公式为：；式中，表示点云到相邻近三维网格平面的距离，表示点云的方向坐标，表示点云方向坐标，表示点云方向坐标，ax+by+cz+d =0 代表了空间三维中的一个平面，a、 b、 c、 d为参考数据中三维网格平面的常数系数。图2（b）为传统方式中点云p1到相邻近的点云的距离的计算的原理示意图。l1表示测量距离，l2表示实际距离， e1、e2表示真实距离与测量距离的偏差值。
29.通过对初始时间的三维点云数据与获取设定时间后的所述三维点云数据进行比较，并将数据按照相同范围进行裁剪，保证边坡位移分析在同一范围进行比较，保证了比较范围的一致性；通过将参考数据中离散的点云拟合成为三维网格平面，计算比较数据中的点云到相邻近的三维网格平面的距离，能够更稳定、准确的计算边坡两个时间点的位移量。
30.可选的，所述确定所述电站大坝边坡的位移偏移量，还包括：根据所述点云的位移偏移量，得到所述点云的距离分布图。
31.在实际应用过程中，通过距离分布图能够将点云的位移偏移量可视化，有利于管理人员对边坡的稳定性进行快速判断。
32.可选的，所述获取所述无人机的定位数据的方法为实时动态载波相位差分法。
33.在实际应用过程中，采用实时动态载波相位差分法能够对无人机进行高精度定位。
34.可选的，所述提取所述第二视图影像的特征点的方法为：利用加速稳健特征算法提取所述第二视图影像的特征点。
35.在实际应用过程中，通过加速稳健特征算法能够有效提取视图影像的特征点。
36.可选的，所述根据所述三维点云模型，确定三维点云数据，包括：利用mvs算法对所述三维点云模型进行稠密重建，对采集的多视角的各个所述第二视图影像进行逐像素点匹配，重新生成每个像素点的三维坐标，得到三维点云数据。
37.在实际应用过程中，通过mvs算法对三维点云模型进行稠密重建，实现对采集到的多视角的第二视图影像进行逐像素点匹配，重建生成每个像素点的三维坐标，得到三维点
云数据。
38.可选的，所述拍摄参数包括拍摄角度、拍摄有效像素、拍摄光圈、拍摄焦距与像元大小。
39.在实际应用过程中，通过拍摄参数的设置，有利于提高视图影像的质量。
40.实施例2作为一个实施例，如附图3所示，为解决上述技术问题，本实施例提供电站大坝边坡位移检测装置，包括：采集单元、测量单元、第一模型建立单元、设置单元、获取单元、处理单元、第二模型建立单元、确定单元以及分析单元；采集单元，用于利用无人机贴近摄影的方式采集电站大坝边坡的第一视图影像，并获取第一视图影像的像素点的地理位置信息；测量单元，用于根据地理位置信息对第一视图影像的像素点进行空中三角测量，确定第一视图影像中的像素点对应的第一三维坐标数据；第一模型建立单元，用于根据第一三维坐标数据，建立第一视图影像中的像素点对应的数字表面模型；设置单元，用于利用数字表面模型，对无人机进行航迹设置，并设置拍摄参数；可选的，拍摄参数包括拍摄角度、拍摄有效像素、拍摄光圈、拍摄焦距与像元大小。
41.获取单元，用于获取无人机的定位数据，无人机根据航迹与无人机的拍摄参数获取第二视图影像；可选的，获取无人机的定位数据的方法为实时动态载波相位差分法。
42.处理单元，用于提取第二视图影像的特征点，计算特征点的第二三维坐标数据；可选的，提取第二视图影像的特征点的方法为：利用加速稳健特征算法提取第二视图影像的特征点。
43.第二模型建立单元，用于根据拍摄参数、定位数据以及第二三维坐标数据，建立三维点云模型；确定单元，用于根据三维点云模型，确定三维点云数据；分析单元，用于获取不同时间的三维点云数据，分析不同时间的三维点云数据之间的差异，确定电站大坝边坡的位移偏移量。
44.可选的，分析单元包括第二获取单元、第三获取单元、数据裁剪单元、拟合单元以及计算处理单元：第二获取单元，用于获取初始时间的三维点云数据作为参考数据；第三获取单元，用于获取设定时间后的三维点云数据作为比较数据；数据裁剪单元，用于对参考数据与比较数据按照相同范围进行裁剪；拟合单元，将参考数据中离散的点云拟合成为三维网格平面；计算处理单元，用于计算比较数据中的点云到相邻近的三维网格平面的距离，得到初始时间与设定时间后电站大坝边坡的点云的位移偏移量。
45.可选的，计算处理单元还包括可视化内容处理单元，用于根据点云的位移偏移量，得到点云的距离分布图。
46.可选的，确定单元包括：重建单元，用于利用mvs算法对三维点云模型进行稠密重建；匹配单元，用于对采集的多视角的各个第二视图影像进行逐像素点匹配，重新生
成每个像素点的三维坐标，得到三维点云数据。
47.实施例3基于与本发明的实施例中所示的方法相同的原理，本发明的实施例中还提供了一种电子设备，如附图4所示，该电子设备可以包括但不限于：处理器和存储器；存储器，用于存储计算机程序；处理器，用于通过调用计算机程序执行本发明任一实施例所示的方法。
48.在一个可选实施例中提供了一种电子设备，图4所示的电子设备40包括：处理器410和存储器430。其中，处理器410和存储器430相连，如通过总线420相连。
49.可选地，电子设备40还可以包括收发器440，收发器440可以用于该电子设备与其他电子设备之间的数据交互，如数据的发送和/或数据的接收等。需要说明的是，实际应用中收发器440不限于一个，该电子设备40的结构并不构成对本发明实施例的限定。
50.处理器410可以是cpu（central processing unit，中央处理器），通用处理器，dsp（digital signal processor，数据信号处理器），asic（application specific integrated circuit，专用集成电路），fpga（field programmable gate array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器410也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，dsp和微处理器的组合等。
51.总线420可包括一通路，在上述组件之间传送信息。总线420可以是pci（peripheral component interconnect，外设部件互连标准）总线或eisa（extended industry standard architecture，扩展工业标准结构）总线等。总线420可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
52.存储器430可以是rom（read only memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，ram（random access memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是eeprom（electrically erasable programmable read only memory，电可擦可编程只读存储器）、cd-rom（compact disc read only memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
53.存储器430用于存储执行本发明方案的应用程序代码（计算机程序），并由处理器410来控制执行。处理器410用于执行存储器430中存储的应用程序代码，以实现前述方法实施例所示的内容。
54.通过具体的验证实验验证本发明的方法的有效性：本发明通过选用大疆经纬300rtk无人机，搭载一台像素为4500万的禅思p1全画幅摄像机及可控俯仰角云台。无人机总重量6300g，最大飞行速度23m/s，轴距895mm，最大可倾斜角度30
°
，最大作业时间55min；相机参数：有效像素4500w，分辨率8192*5460，光圈f2.8-f15，焦距35mm，像元大小4.4μm。
55.采用上述贴近摄影的方式采集数据，无人机飞行高度设置为200m，飞行速度设置
为12m/s，航向影像重叠率设置为60%，旁向影像重叠率设置为50%，以此来保证测区dsm数据的完整性。
56.拍摄分辨率设定为1mm，即获得的图像分辨率为1mm，通过计算得出无人机拍摄距离边坡距离为固定为8m，且航迹点自动跟随边坡的起伏。无人机航向重叠率80%，旁向重叠率70%，摄像机俯仰角设定为-12
°
。通过多次的航测，得到不同时间段的图像数据。
57.为了进一步验证位移检测方法的精度，选取固定大小的水泥试块放置于边坡处，通过手动移动试块的位置来模拟边坡在水平和垂直方向上的位移，进行位移精度的验证。选择两个试块，第一个试块的规格为：长19.9cm，宽8.8cm，高4.6cm，第二个试块的规格为：长19.9cm，宽10.0cm，高3.0cm，对这两个试块分别进行水平位移以及垫高的操作来进行水平位移以及垂直方向上位移的模拟，采用航测的方式共采集两组数据，第一组作为参考组，第二组作为比较组，第二组是在第一组的基础上进行水平和垂直两个方向进行人为位移1cm，利用采集到的数据建立三维点云模型，得到三维点云数据后对三维点云数据按照相同范围进行裁剪。
58.如图5所示，两个试块位移前获得的参考点云；如图6所示，左侧试块为水平位移后的点云，右侧试块为垂直位移后的点云。如图7所示试块水平位移前参考点云区域为s1，水平位移后比较点云区域为s2，对于水平位移，只对前水平面的点云进行比较；如图8所示试块垂直位移前比较点云区域s3，垂直位移后比较点云区域s4示意图，对于垂直位移，只对上平面的点云进行比较。
59.将试块在水平位移前后、垂直位移前后的比较点云区域和参考点云区域计算位移偏移量，得到点云的位移偏移量分布统计图。如图9所示试块在水平位移后点云的位移偏移量分布统计图，对于试块在水平的位移，水平方向点云平均位移为0.9691cm，水平方向上计算距离与实际距离误差为0.0309cm。如图10所示试块在垂直位移前后点云的位移偏移量分布统计图，对于试块在垂直的位移，垂直方向点云平均位移为1.0257cm，垂直方向计算结果与实际位移误差为0.0257cm。根据点云的位移偏移量统计分布图进行计算，对于水平位移的试块，计算得到的位移偏差波动在平均位移的
±
5mm，而对于垂直位移的试块，计算得到的位移偏差波动在平均位移的
±
6mm。
60.此外，实验在两个时间段进行了数据采集，两次采集的时间间隔为三个月，两次数据采集使用同样的航迹点，保证了两次获得的数据是同一分辨率。将数据进行三维重建后得到测区两次采集的三维点云模型以及三维点云数据，对点云模型进行裁剪处理，保证比较范围的一致性，将第一次采集数据生成的三维点云数据作为参考数据，第二次生成的三维点云数据作为比较数据，裁剪前后的三维点云数据如图11所示。图11中，（c）为第一次采集边坡三维模型图；（d）为第一次采集边坡点云模型图；（e）为第二次采集边坡三维模型图；（f）为第二次采集边坡点云模型图；（g）为点云空间叠加示意图。
61.针对得到的点云距离进行偏移数据统计得到两个时间边坡点云的位移偏移量统计图，如图12所示点云位移偏移量统计图，横轴为位移偏移量，单位：cm，纵轴为电源个数，单位：个，由图可知，99.85%点云的位移距离都在0.166cm以下，边坡整体的位移量较小。
62.以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。