基于無人機影像的大型滑坡區(qū)域精細地形構(gòu)建研究

劉 春，萬 紅，李巍岳，胡 敏 ，吳杭彬

?

基于無人機影像的大型滑坡區(qū)域精細地形構(gòu)建研究

劉 春1,2，*萬 紅1，李巍岳1，胡 敏1，吳杭彬1,2

(1. 同濟大學(xué)測繪與地理信息學(xué)院，上海 200092；2. 現(xiàn)代工程測量國家測繪地理信息局重點實驗室，上海 200092)

滑坡突發(fā)性強、危害大，并且在高原山區(qū)，大比例尺DEM難以獲取。為此，以西南山區(qū)某大型滑坡體為例，利用無人機遙感系統(tǒng)對大型滑坡區(qū)域進行高空間、高分辨率的遙感探測，對獲得的無人機影像采用靈活的POS輔助空中三角測量進行快速處理，結(jié)合高精度物方DEM匹配技術(shù)，最終獲得大型滑坡區(qū)域高精度DOM、DEM地形構(gòu)建。通過實踐，實現(xiàn)以無人機獲取的影像為基礎(chǔ)，快速構(gòu)建大型滑坡區(qū)域的精細地形，為大型滑坡體的預(yù)測、評估提供基礎(chǔ)數(shù)據(jù)和技術(shù)保障。

滑坡；無人機；空中三角測量；影像匹配；DOM；DEM

0 引言

近年來，自然災(zāi)害特別是滑坡災(zāi)害，在全球范圍內(nèi)造成了嚴(yán)重的經(jīng)濟損失和人員傷亡。我國有70%的地域為山區(qū)，滑坡發(fā)生頻率很高，是世界上滑坡災(zāi)害比較嚴(yán)重的國家之一。由于滑坡等地質(zhì)災(zāi)害具有時間上的不確定性以及快速變化等特點，因此防災(zāi)、減災(zāi)、救災(zāi)的首要問題是及時掌握災(zāi)害發(fā)生和發(fā)展情況。在實際應(yīng)用中，在數(shù)字高程模型（DEM）中提取地形因子、提取地形特征線等方法進行地貌綜合分析是研究滑坡地質(zhì)災(zāi)害的重要途徑，而提取的地形因子也是遙感數(shù)據(jù)分析中重要的輔助信息[1]。傳統(tǒng)DEM的獲取方式有3種：①采用人工全野外實測方法[2]，該方法勞動強度大、成本高、耗時長，不適用于大范圍以及地形復(fù)雜區(qū)域高精度DEM的獲??；②采用數(shù)字?jǐn)z影測量與遙感的方法，如機載激光掃描數(shù)據(jù)采集方法，獲得的原始數(shù)據(jù)精度很高，但由于采集點離散分布，缺少針對性的目標(biāo)，獲得的DEM質(zhì)量具有不確定性[3]；③將已有的地形圖數(shù)字化，通過等高線和離散點內(nèi)插生成DEM，這種方法獲得的DEM雖然精度高，但不具有實時性，目前該方法主要用于小范圍小比例尺DEM制作[4]。大型滑坡體，具有面積大、地形復(fù)雜等特殊性，已有的滑坡資料也相對較少，傳統(tǒng)DEM制作方法無法快速獲得大型滑坡體高精度的DEM[5]，對滑坡危險性的評價缺少必要的空間基礎(chǔ)數(shù)據(jù)。因此，如何采用高效、可靠的方法對大型滑坡區(qū)域進行監(jiān)測，實現(xiàn)復(fù)雜滑坡區(qū)域的精細地形構(gòu)建，是目前我國滑坡災(zāi)害預(yù)警研究中迫切需要解決的問題。

無人機遙感觀測技術(shù)作為一種遠程觀測技術(shù)，克服了地形、氣候的限制，以成本低、作業(yè)簡單、效率高等獨特優(yōu)勢，廣泛應(yīng)用于地質(zhì)災(zāi)害監(jiān)測中。美國Nicolas Lewyckj等人利用無人機遙感在北卡羅萊納洲進行自然災(zāi)害調(diào)查，通過正射影像處理與分析準(zhǔn)確評估場地和村莊的損失，為災(zāi)害的治理提供及時、準(zhǔn)確的數(shù)據(jù)[6]。2008年汶川大地震，利用無人機及時了解地震后災(zāi)區(qū)的房屋、道路等損毀程度與空間分布，為救援、災(zāi)情評估等提供第一手的信息[7]。近年來，基于無人機低空影像生產(chǎn)DEM和數(shù)字正射影像圖（DOM）的技術(shù)不斷成熟，在小范圍大比例尺地形圖測繪中應(yīng)用廣泛，對于大型滑坡區(qū)域，基于無人機遙感技術(shù)，生產(chǎn)大比例尺DEM和DOM的研究較少。

本文針對我國西南山區(qū)大型滑坡敏感區(qū)域地形和氣候復(fù)雜的特點，利用無人機獲取滑坡敏感區(qū)域高分辨率航空影像，結(jié)合高精度機載定位定向系統(tǒng)（Position and Orientation System, POS）輔助空中三角測量和基于物方高精度DEM匹配技術(shù)，有效提高無人機影像處理效率的同時克服敏感區(qū)域精細地形構(gòu)建的困難，最終制作出高精度DEM、DOM。通過實踐，解決困難區(qū)域高精度精細三維地形的快速構(gòu)建問題，為大型滑坡區(qū)域前兆分析提供重要的基礎(chǔ)空間數(shù)據(jù)。為此論文主要圍繞大型滑坡區(qū)域無人機監(jiān)測適用性、無人機數(shù)據(jù)的快速處理以及獲取三維地形模型的精度評定等內(nèi)容展開。

1 大型滑坡監(jiān)測區(qū)域無人機遙感系統(tǒng)的適用性分析

1.1 研究區(qū)域概況

本文研究區(qū)域為理縣，位于四川省西北部高山和極高山區(qū)的阿壩藏族羌族自治州東南部，雜谷腦河下游，境內(nèi)高差懸殊，溝谷縱橫，山高谷深。受復(fù)雜地質(zhì)條件和人為因素影響，理縣極易形成滑坡、泥石流等地質(zhì)災(zāi)害。據(jù)現(xiàn)有資料記載，自20世紀(jì)50年代至今，理縣境內(nèi)共發(fā)生大型、特大型地質(zhì)災(zāi)害18起，沖毀房屋200余間，死亡51人[8]。理縣境內(nèi)地質(zhì)災(zāi)害的高發(fā)區(qū)西山村馬崩組漁灣組滑坡，如圖1所示，縱長約4200 m，橫寬約1700 m，海拔1500至3800 m，相對高差達2300m，總體坡度為25°~45°，斜坡的方量約為8500萬m3，屬于特大型滑坡。5.12 特大地震發(fā)生后，該滑坡變形范圍進一步擴大，境內(nèi)地質(zhì)災(zāi)害隱患點增加，對西山村一百多戶村民的生命財產(chǎn)安全造成威脅，同時也直接威脅著317國道安全，潛在經(jīng)濟損失約3000~5000萬元，社會影響極大。

圖1 研究區(qū)域示意圖

1.2 無人機遙感系統(tǒng)對大型滑坡監(jiān)測適用性

研究區(qū)域理縣地處西部山區(qū)，地形復(fù)雜、氣候多變，傳統(tǒng)高分辨率衛(wèi)星在過境時期內(nèi)，難以獲得高質(zhì)量衛(wèi)星影像。由于滑坡范圍大，傳統(tǒng)地面觀測手段很難滿足全覆蓋快速應(yīng)急測量。此外，由于滑坡地質(zhì)災(zāi)害具有突發(fā)性，往往需要不定期的進行強化觀測，傳統(tǒng)觀測手段成本高、效率低，不具有適用性。

與傳統(tǒng)測量方法相比，無人機遙感系統(tǒng)操作方便、作業(yè)方式靈活、投入低、效率高，將其自身靈活的特點與航空攝影測量結(jié)合，對大型滑坡區(qū)域進行低空飛行拍攝，能及時獲得高分辨率影像數(shù)據(jù)；利用高效、可靠的無人機數(shù)據(jù)處理手段，可以減少險要地形和氣候等外界因素的影響，制作出高精度DEM、DOM，為滑坡地質(zhì)災(zāi)害分析提供基礎(chǔ)數(shù)據(jù)，可以提取有效的地形因子[1]，如坡度，是滑坡崩塌發(fā)生的主要控制因素；坡向，可以反映滑坡的發(fā)育狀況以及坡向性等地貌特性。還可根據(jù)實際需要，利用無人機遙感系統(tǒng)對大型滑坡體進行多次連續(xù)觀測，獲得長序列的滑坡連續(xù)監(jiān)測數(shù)據(jù)，為分析大型滑坡體的動態(tài)變化提供數(shù)據(jù)保障，為實現(xiàn)滑坡災(zāi)害的預(yù)測提供技術(shù)支持。

2 無人機航測方案設(shè)計及像控點布設(shè)

2.1無人機航測方案設(shè)計

本文無人機飛行區(qū)域為理縣西山村，最低海拔1500 m左右，最高海拔3800 m左右，云霧繚繞，氣候多樣。為減少多變的氣候條件對無人機飛行的影響，無人機于2013年5月12、13、20日的中午11點到下午2點，對理縣西山村進行航空攝影測量，天氣晴朗，主要飛行技術(shù)參數(shù)如表1，相對飛行高度為2100 m左右，獲得的影像最低點地面分辨率大于0.35 m。由于研究區(qū)域內(nèi)存在大片裸地，部分區(qū)域被低矮植被覆蓋，地物分布不均勻，明顯地物較少，為保證后期數(shù)據(jù)處理的可靠性，飛行時增加重疊度，航向重疊度和旁向重疊度分別為75%和45%，滿足《1:500 1:1000 1:2000地形圖航空攝影測量外業(yè)規(guī)范》（GB 7931-87）要求。

表1 無人機影像主要技術(shù)參數(shù)

2.2 野外像控點布設(shè)

地面控制點的布設(shè)情況決定整個區(qū)域網(wǎng)型的穩(wěn)定性，直接影響區(qū)域內(nèi)點位精度。按照《1:500 1:1000 1:2000地形圖航空攝影測量外業(yè)規(guī)范》（GB 7931-87），選取區(qū)域內(nèi)3個E級GPS控制點作為整體控制基準(zhǔn)，采用靜態(tài)GPS網(wǎng)聯(lián)測方法獲得51個像控點，平面坐標(biāo)按高斯—克呂格投影至1980西安坐標(biāo)系，平面中誤差不超過圖上± 0.1 mm；高程采用1985國家高程基準(zhǔn)，精度優(yōu)于± 0.1 m。如圖2，以糾正后的2012年12月ZY-3號衛(wèi)星高分遙感圖為底圖，展示研究區(qū)域內(nèi)控制點分布情況、航帶覆蓋狀況以及所研究的滑坡體位置。由于實驗區(qū)域地勢險要，存在無人區(qū)，使得野外控制點的布設(shè)無法實現(xiàn)嚴(yán)格意義上控制點均勻分布并覆蓋整個區(qū)域。

圖2 理縣像控點布設(shè)及航帶分布圖

3 研究區(qū)域無人機影像快速處理

無人機遙感系統(tǒng)能夠快速獲得大型滑坡區(qū)域高分辨率航空影像。但由于無人機體積小、質(zhì)量輕，搭載的是非量測數(shù)碼相機；本文研究的滑坡區(qū)域，地形復(fù)雜，區(qū)域內(nèi)地物分布不均勻，明顯地物較少，影像的紋理特征不強；區(qū)域內(nèi)地勢高差大，無人機飛行高度相對較高。因此獲得的影像與傳統(tǒng)的航測影像及遙感影像有很多不同之處，如：重疊度不同、多個角度、大轉(zhuǎn)角、小像幅、短基線。為提高后續(xù)無人機影像處理精度以及影像匹配的可靠性，需要對影像進行畸變糾正和濾波處理。針對滑坡區(qū)域的特殊性，本文選用直接線性變換（DLT）方法對影像進行畸變糾正。針對滑坡區(qū)域獲得的影像紋理不清晰、影像不均勻等特點，選用Wallis濾波算法[9]在增強原始影像反差的同時減少噪聲。將畸變糾正、濾波后的無人機影像作為后續(xù)數(shù)據(jù)處理的基礎(chǔ)。

3.1 POS輔助空中三角測量

空中三角測量是航空攝影測量內(nèi)業(yè)成圖最重要的一步，傳統(tǒng)空中三角測量通過量測像片獲取像點坐標(biāo)，并以野外測量的若干分布于特定位置上的地面控制點為基準(zhǔn)進行最小二乘平差，確定地面目標(biāo)的空間位置，傳統(tǒng)測量手段對地面控制點具有嚴(yán)重的依賴性[10]。而野外控制點測量本身又是一項成本高、效率低且需要大量人力和物力的工序，尤其是對于大型滑坡山區(qū)而言，存在許多無法涉足的無人區(qū)等無法找到合適特征點的地區(qū)。因此對于大型滑坡山區(qū)無人機影像的處理，減少對地面控制點的依賴是首要問題。

POS系統(tǒng)利用卡爾曼濾波器，將每一張像片在曝光時刻的機載 GPS 天線相位中心的 WGS84 框架坐標(biāo)數(shù)據(jù)與慣性測量單元（Inertial Measurement Unit，IMU）記錄的數(shù)據(jù)進行精密的濾波處理，解算出每一張像片的外方位元素，可以直接用于航空攝影測量影像的定向，極大減少對地面控制點的依賴性。研究表明，直接利用POS系統(tǒng)測定的影像定向參數(shù)進行攝影測量精度較低，難以滿足大比例尺地形測圖的高程精度要求，需要對區(qū)域航空攝影測量影像實施空中三角測量[11]，即POS輔助空中三角測量。

傳統(tǒng)光束法區(qū)域網(wǎng)平差的共線方程數(shù)學(xué)模型為[12]：

式中，，為相機框幅像坐標(biāo)；X，Y，Z為點的地面坐標(biāo)；X，Y，Z為時刻的攝站坐標(biāo)（線元素）；a，b，c(=1,2,3)為相機角元素φ，ω，κ構(gòu)成的方向余弦，為相機焦距，單位為㎜。

本文采用POS輔助光束法區(qū)域網(wǎng)平差，基本原理是：將像點坐標(biāo)、GPS攝站坐標(biāo)和姿態(tài)角作為觀測值，將物點地面坐標(biāo)、影像外方位元素和各種系統(tǒng)誤差改正參數(shù)作為待定參數(shù)，進行區(qū)域網(wǎng)平差，即POS系統(tǒng)獲得的外方位元素理論上應(yīng)與空中三角測量計算出的外方位元素相等。GPS獲得的位置坐標(biāo)如公式（2）[13]：

X，Y，Z為GPS天線相位中心A在地面坐標(biāo)系中的坐標(biāo)，，，是A點在航攝儀本體坐標(biāo)系-中的坐標(biāo)，為正交變換矩陣。

對于IMU測定的航攝儀空中姿態(tài)角φ，ω，κ，由于IMU本體坐標(biāo)系可以看作由-繞，，連續(xù)旋φ，ω，κ角獲得，因此存在以下關(guān)系式[14]：

式（1），（2），（4）就是POS輔助光束法空中三角測量的理論基礎(chǔ)，表達了帶POS數(shù)據(jù)的聯(lián)合平差中像點坐標(biāo)、GPS和IMU測定的影像定向參數(shù)與影像外方位元素間的嚴(yán)格幾何關(guān)系。利用POS獲取的外方位元素作為初始帶權(quán)觀測值參與攝影測量區(qū)域網(wǎng)平差，可以同時獲得高精度的內(nèi)、外方位元素成果，實現(xiàn)更精確的像片定向[15]。

對于生成每個像素點的三維坐標(biāo)，利用規(guī)則的柵格高程抽樣離散點形成間三維點云，利用有限元內(nèi)插進行插值重采樣生成粗略DEM，根據(jù)共線方程正反解生成高精度正射影像DOM。

3.2 基于物方高精度DEM匹配

高精度DEM是制作地形圖、進行地形分析的數(shù)據(jù)基礎(chǔ)。傳統(tǒng)DEM制作，前期需要對線狀、面狀、水系等要素進行大量的編輯工作。手搖等高線，以一幅圖為例，一般需要一周左右才能完成，作業(yè)效率低、周期長，對作業(yè)員依賴程度極大，質(zhì)量和精度難以控制。

高精度DEM獲取的關(guān)鍵是影像匹配[16]，本文采用基于物方幾何約束的多影像相關(guān)匹配算法，打破傳統(tǒng)以單個像對為匹配單元的影像匹配算法，基于多個影像進行匹配，有效地結(jié)合特征點、特征線等多個匹配單元，采用由粗到細的影像匹配方法，獲得較好的匹配結(jié)果。

基于物方幾何約束的多影像相關(guān)匹配算法利用影像及影像間的核線約束條件，定義點P（對應(yīng)高程值為）在參考影像I和搜索影像I上相應(yīng)的匹配窗口之間的歸一化相關(guān)系數(shù)為N[17]：

,

(5)

式中，和分別是參考影像的匹配窗口和位于該窗口內(nèi)的一個像點；，為匹配窗口的大?。?i>S(Z)為搜索影像上對應(yīng)于的像點；I和I為影像的灰度值矩陣。

區(qū)別于傳統(tǒng)的歸一化相關(guān)系數(shù)的定義，N是像點P和其高程的函數(shù)，[Z-Z，Z是像點P的概略高程值，為高程容差。根據(jù)文獻[18]提出的方法，將所有立體像對的歸一化相關(guān)系數(shù)N進行加權(quán)平均，定義S，則

通過定義S，可以同時匹配多個影像，打破傳統(tǒng)單個像對匹配的做法，利用多個影像的匹配，形成更大的匹配冗余，充分利用影像與影像之間的幾何信息，增加算法的可靠性，提高匹配的精度，對于研究區(qū)域復(fù)雜多樣的地形、地貌的特征，基于物方幾何約束的多影像相關(guān)匹配算法有效的改善了影像紋理特征不明顯、遮擋等困難區(qū)域匹配的難點。

4 大型滑坡區(qū)域精細地形分析

4.1 DOM精度分析

通過精細處理獲取得無人機影像數(shù)據(jù)，最終獲得高精度DOM，如圖4。利用空三加密處理時，在每個加密分區(qū)選取的一定數(shù)量的檢查點，用于DOM成果精度檢核，檢查點均勻分布于實驗區(qū)域內(nèi)，共30個。根據(jù)檢查點點位在DOM上量取相應(yīng)的點位坐標(biāo)進行對比并統(tǒng)計中誤差，設(shè)為檢查點實際坐標(biāo)與DOM量測坐標(biāo)的誤差，為參與評定精度的檢查點，為檢查點中誤差，單位為m，計算公式如式（7）：

根據(jù)《數(shù)字航空攝影測量空中三角測量規(guī)范》（GB/T 23236-2009），1：2000檢查點平差位置精度規(guī)定：高山地平面位置中誤差不超過1 m，結(jié)果表明DOM平面點位中誤差達到0.3 m，滿足規(guī)范要求。從圖4中可以清晰看出大型滑坡區(qū)域的地形、地貌，可辨識滑坡的基本形態(tài)和范圍，比如上游基巖、下游基巖和后緣基巖，對滑坡監(jiān)測的目視解譯具有重要指導(dǎo)意義。

圖4 DOM成果圖

Fig.4 The result of DOM

4.2 DEM精度分析

高分辨率DEM是大型滑坡區(qū)域地質(zhì)災(zāi)害分析的基礎(chǔ)數(shù)據(jù)和關(guān)鍵。本次實驗，根據(jù)實驗區(qū)域的特殊性，因地制宜的選擇高精度物方DEM匹配技術(shù)，獲得高精度DEM，如圖5。對于DEM的精度評定是通過對比DEM上相應(yīng)控制點的高程值與實際觀測值得出。DEM誤差定義如下：設(shè)檢查點高程為Z(=1,2,…,)，提取的DEM上對應(yīng)點位的高程值為z，記中誤差為，式（8）：

根據(jù)《數(shù)字航空攝影測量空中三角測量規(guī)范》（GB/T 23236-2009），1:2000 DEM制作，高山地高程中誤差要求為±1.2 m，高程中誤差的2倍為允許最大高程限差[16]。本次實驗DEM精度檢查共選取檢核點54個，精度統(tǒng)計結(jié)果見表2。

表2 1：2000 DEM精度檢查統(tǒng)計結(jié)果

注：表中σ為標(biāo)準(zhǔn)高程中誤差。

將超過2倍高程中誤差的點認為是粗差予以剔除，剩下合格點占總檢查點數(shù)的比例為90.8%，其中最大為2.18 m，最小為0.09 m，經(jīng)計算高程中誤差為1.07 m，滿足規(guī)范要求。圖5紅色區(qū)域即特大型滑坡體，從圖中可看出研究區(qū)域地勢復(fù)雜，高差懸殊。

圖5 DEM成果圖

利用高精度DEM生成區(qū)域三維模型（如圖6），可以從圖像上直接讀取任意一點的高程和任意兩點間的坡向、坡度等信息，為大型滑坡體研究提供三維指標(biāo)參數(shù)。從圖6中可以看出該研究區(qū)域內(nèi)高程從1500 m到3800 m，坡度從0到87度，區(qū)域的東北部、西部和東部坡度較大，中間坡勢相對平緩，大多在30度以下。坡度平緩區(qū)域的坡向為南、東南和西南方向，其余區(qū)域坡向復(fù)雜，表示存在多個斜坡體。等高線反映坡體高度變化，研究區(qū)域地勢高差大。箭頭長度表示坡度大小，箭頭方向表示坡向，藍色曲線為匯水線，整個區(qū)域地勢北高南低，中間地勢較低，西部和東部地勢較高。坡度、坡向、等高線等都是滑坡分析的重要影響因子，對于復(fù)雜大型滑坡區(qū)域的監(jiān)測、分析具有重要的指導(dǎo)意義。

圖6 DEM三維成果圖

5 結(jié)論

本文選用無人機遙感系統(tǒng)獲取大型滑坡區(qū)域高分辨率影像，制作出高精度DOM和高精度DEM，平面點位中誤差為0.3 m，高程中誤差為1.07 m，滿足《數(shù)字航空攝影測量空中三角測量規(guī)范》（GB/T 23236-2009）要求。本文克服傳統(tǒng)測量方法的局限性，解決了大型滑坡區(qū)域高精度精細三維地形的快速構(gòu)建問題，為大型滑坡區(qū)域的分析、預(yù)測提供可靠的數(shù)據(jù)保障，體現(xiàn)了無人機遙感系統(tǒng)在環(huán)境惡劣的大型滑坡監(jiān)測中的獨特優(yōu)勢，對大型滑坡體的防災(zāi)減災(zāi)工作具有重要指導(dǎo)意義。由于環(huán)境的影響，還存在獲取的影像缺少地面控制點，影像糾正精度不確定性大以及像對匹配點獲取困難等問題，這些問題也對滑坡監(jiān)測的數(shù)據(jù)處理提出更高的要求。

參考文獻：

[1] Iwahashi J, Kamiya I, Yamagishi H. High-resolution DEMs in the study of rainfall-and earthquake-induced landslides: Use of a variable window size method in digital terrain analysis[J]. Geomorphology, 2012, 153: 29-38.

[2] 熊登亮,陳舫益.采用無人機影像生成高原山區(qū)高精度DEM的一種方法[J].測繪與空間地理信息.2014,1(37).

[3] 楊昕,湯國安.基于計曲線的DEM生成與地形分析[J].水土保持通報,2003,23(3):48-50.

[4] 王光霞,崔凱.基于分形的DEM精度評估[J].測繪學(xué)院學(xué)報,2005,22(2):107-109.

[5] Niethammer U, James M R, Rothmund S, et al. UAV-based remote sensing of the Super-Sauze landslide: Evaluation and results[J]. Engineering Geology, 2012, 128: 2-11.

[6] Stacy N J S, Craig D W, Staromlynska J, et al. The Global Hawk UAV Australian deployment: imaging radar sensor modifications and employment for maritime surveillance[C]. Geoscience and Remote Sensing Symposium, 2002. IGARSS'02. 2002 IEEE International. IEEE, 2002, 2: 699-701.

[7] 高姣姣. 高精度無人機遙感地質(zhì)災(zāi)害調(diào)查應(yīng)用研究[D]. 北京:北京交通大學(xué),2010.

[8] 馮華鋒,張志明,錢江澎.四川省理縣地質(zhì)災(zāi)害特征與防治對策[J].中國地質(zhì)災(zāi)害與防治學(xué)報,2007,18(4): 111-114.

[9] 張力, 張祖勛, 張劍清. Wallis濾波在影像匹配中的應(yīng)用[J].武漢測繪科技大學(xué)學(xué)報,1999,24(1):24-27.

[10] 趙帥. POS輔助空中三角測量技術(shù)現(xiàn)狀及關(guān)鍵問題研究[D]. 西安：西安科技大學(xué),2013.

[11] 袁修孝,明洋. POS輔助航帶間航攝影像的自動轉(zhuǎn)點[J].測繪學(xué)報,2010,2(39):155-161.

[12] 劉春,李巍岳. 基于光束法自由網(wǎng)平差的無人機影像嚴(yán)格拼接[J].同濟大學(xué)學(xué)報:自然科學(xué)版,2012,40(5): 757-762.

[13] Xiuxiao Y. Principle, software and experiment of GPS-supported aerotriangulation[J]. Geo-Spatial Information Science, 2000, 3(1): 24-33.

[14] 袁修孝,楊芬,趙青,等. POS系統(tǒng)視準(zhǔn)軸誤差檢校[J]. 武漢大學(xué)學(xué)報:信息科學(xué)版,2006,31(12)：1039-1043.

[15] Greening T, Schickler W, Thorpe A. The proper use of directly observed orientation data: Aerial triangulation is not obsolete[C]. 2000 ASPRS Annual Conference, Washington, DC, May. 2000: 22-26.

[16] 張祖勛,張劍清. 數(shù)字?jǐn)z影測量學(xué)[M].武漢:測繪科技大學(xué)出版社,1997.

[17] 張力,張繼賢. 基于多基線影像匹配的高分辨率遙感影像DEM自動生成[J].武漢大學(xué)學(xué)報:信息科學(xué)版,2008, 33(9):943-946.

[18] Okutomi M，Kanade T. A Multiple-Baseline Atereo[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,1993,15(4):353-363.

THE RESEARCH ON CONSTRUCTION OF LARGE-SCALE LANDSLIDE PRECISE TERRAIN BASED ON UAV IMAGES

LIU Chun1,2, WAN Hong1, LI Wei-yue1, HU Min1, WU Hang-bin1,2

(1.Mapping and Geographic Information Institute, Tongji University, Shanghai 200092, China;2.Key Laboratory of Advanced Engineering Survey of SBSM, Shanghai 200092, China)

Landslide has great burstiness and damage, and it’s difficult to obtain large-scale Digital Elevation Model (DEM) in the mountain plateau. This paper uses unmanned aerial vehicle (UAV) remote sensing system to obtain high temporal and spatial resolution remote sensing sounding in study area a large-scale landslide in the hilly area south of China, by flexible pos-support bundle adjustment to deal with UAV images to realize a fast solution, then through the multiple-baseline image matching techniques to generate large-scale Digital Orthophoto Map (DOM) and DEM. The paper realizes large-scale landslide and constructs precise terrain based on UAV images, which provides quantitative data and technical support for landslide forecast and evaluation.

landslide; UAV; aerial adjustment; image matching; DOM; DEM

1674-8085(2015)01-0001-07

P694

A

10.3969/j.issn.1674-8085.2015.01.001

2014-10-03；修改日期：2014-12-15

國家重點基礎(chǔ)研究發(fā)展計劃（973計劃）項目（2013CB733204）

劉 春(1973-)，男，江蘇海門人，教授，博士，主要從事三維激光掃描數(shù)據(jù)處理與災(zāi)害的遙感監(jiān)測方面的研究(E-mail: liuchun@#edu.cn);

*萬 紅(1991-)，女，江蘇如皋人，碩士生，主要從事激光掃描數(shù)據(jù)處理方面的研究(E-mail: 8lovehappy@#edu.cn);

李巍岳(1983-)，男，山東濟南人，博士生，主要從事激光掃描數(shù)據(jù)處理方面的研究(E-mail: 326lwy@#edu.cn);

胡 敏(1990-)，女，安徽蕪湖人，碩士生，主要從事激光掃描數(shù)據(jù)處理方面的研究(E-mail:1990humin@#edu.cn);

吳杭彬(1983-)，男，浙江東陽人，講師，主要從事滑坡監(jiān)測多傳感器集成方面的研究(E-mail: hb@#edu.cn).