無(wú)人機(jī)遙感技術(shù)在煤堆盤(pán)點(diǎn)測(cè)量中的應(yīng)用

吳澤南　李存軍　施浩磊　郝華東　王金濤

摘 要：無(wú)人機(jī)遙感技術(shù)具有自動(dòng)化、智能化、專業(yè)化等優(yōu)點(diǎn)，將無(wú)人機(jī)遙感技術(shù)應(yīng)用于煤堆盤(pán)點(diǎn)測(cè)量上，可以有效解決人工盤(pán)點(diǎn)法（屬于傳統(tǒng)盤(pán)煤方式，費(fèi)工費(fèi)時(shí)，準(zhǔn)確度低）和固定式盤(pán)煤儀盤(pán)煤法（屬于新型盤(pán)煤方式，造價(jià)高，維護(hù)成本大）存在的問(wèn)題。本文通過(guò)分析無(wú)人機(jī)盤(pán)煤系統(tǒng)的組成、影像處理的原理、煤堆體積計(jì)算的方法，對(duì)無(wú)人機(jī)遙感技術(shù)在煤堆盤(pán)點(diǎn)測(cè)量中的應(yīng)用進(jìn)行了初步探索，最后通過(guò)現(xiàn)場(chǎng)試驗(yàn)的方法驗(yàn)證其有效性。

關(guān)鍵詞：無(wú)人機(jī)遙感技術(shù);盤(pán)煤;影像處理

中圖分類(lèi)號(hào)：TB938.3 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-5168（2019）32-0039-05

Application of UAV Remote Sensing Technology in

Coal Pile Inventory Measurement

WU Zenan1 LI Cunjun1 SHI Haolei1 HAO Huadong1 WANG Jintao2

（1. Zhoushan Institute of Calibration and Testing for Qualitative and Technical Supervision （National Metrology Testing Center for Bulk Commodity Storage and Transportation Industry），Zhoushan Zhejiang 316013;2. National Institute of Metrology， China，Beijing 100013）

Abstract： UAV remote sensing technology has the advantages of automation， intelligence and specialization. The application of UAV （Unmanned Aerial Vehicle） remote sensing technology in coal pile inventory measurement can effectively solve the problems of the manual inventory method （belonging to the traditional coal inventory method， which is labor-consuming， time-consuming， and has low accuracy） and the fixed coal meter method （belonging to the new coal inventory method with high cost and high maintenance cost）. In this paper， by analyzing the composition of unmanned aerial vehicle coal system， the principle of image processing and the calculation method of coal pile volume， the application of UAV remote sensing technology in coal pile inventory measurement was explored， finally， its effectiveness was verified by field test methods.

Keywords： UAV remote sensing technology;coal inventory;image processing

無(wú)人機(jī)遙感是利用先進(jìn)的無(wú)人駕駛飛行器技術(shù)、遙感傳感器技術(shù)、遙測(cè)遙控技術(shù)、通信技術(shù)、POS定位定姿技術(shù)、GPS差分定位技術(shù)和遙感應(yīng)用技術(shù)，具有自動(dòng)化、智能化、專業(yè)化快速獲取空間遙感信息，并進(jìn)行實(shí)時(shí)處理、建模和分析的先進(jìn)技術(shù)[1]。近年來(lái)，隨著無(wú)人機(jī)技術(shù)的快速發(fā)展，其所具備高靈活性、低成本、高分辨率數(shù)據(jù)的快速獲取等優(yōu)勢(shì)得以體現(xiàn)。將無(wú)人機(jī)遙感技術(shù)應(yīng)用煤堆盤(pán)點(diǎn)測(cè)量上，可以有效解決傳統(tǒng)盤(pán)煤方式（人工盤(pán)點(diǎn)法）費(fèi)工費(fèi)時(shí)、準(zhǔn)確度低以及固定式盤(pán)煤儀盤(pán)煤法造價(jià)高、維護(hù)成本大等問(wèn)題，為煤礦、港口、燃煤火力發(fā)電廠儲(chǔ)煤量的盤(pán)點(diǎn)提供優(yōu)秀解決方案。無(wú)人機(jī)盤(pán)煤技術(shù)的原理如下。

1 無(wú)人機(jī)航拍系統(tǒng)

無(wú)人機(jī)航拍系統(tǒng)主要是通過(guò)無(wú)人機(jī)搭載高清相機(jī)獲取地面影像數(shù)據(jù)。無(wú)人機(jī)航拍系統(tǒng)的組成如圖1所示，主要包括飛行平臺(tái)、飛行控制與地面監(jiān)控系統(tǒng)以及高清相機(jī)等。

飛行平臺(tái)可分為單旋翼無(wú)人機(jī)、固定翼無(wú)人機(jī)、多旋翼無(wú)人機(jī)和傘翼無(wú)人機(jī)等。多旋翼無(wú)人機(jī)具有良好的機(jī)動(dòng)性和一定的負(fù)載能力，是煤堆盤(pán)點(diǎn)的良好選擇。無(wú)人機(jī)搭載的高清相機(jī)一般有單相機(jī)、兩相機(jī)、四相機(jī)和五相機(jī)等，單相機(jī)常應(yīng)用于垂直攝影，多相機(jī)常應(yīng)用于傾斜攝影。無(wú)人機(jī)通過(guò)連續(xù)重疊的地面拍攝，自動(dòng)記錄高精度POS姿態(tài)信息、GPS坐標(biāo)信息、相機(jī)云臺(tái)的角度信息，獲取一組具有坐標(biāo)姿態(tài)信息的地面煤堆航拍照片。通過(guò)對(duì)原始航拍照片數(shù)據(jù)的一系列交會(huì)解算，人們可以得到地面煤堆表面的三維點(diǎn)云坐標(biāo)和三維模型。

2 飛行路徑規(guī)劃

目前，多數(shù)無(wú)人機(jī)具備自動(dòng)導(dǎo)航功能，操作人員綜合考慮無(wú)人機(jī)飛行平臺(tái)、影像分辨率、測(cè)區(qū)范圍、航高、設(shè)計(jì)航線、旁向重疊度和航向重疊度等因素規(guī)劃飛行路徑。如圖2所示，無(wú)人機(jī)從煤堆場(chǎng)的一端沿直線往另一端飛行，到場(chǎng)地邊緣后自動(dòng)轉(zhuǎn)彎后平行飛回，如此往復(fù)，測(cè)完整個(gè)堆場(chǎng)，同時(shí)使相鄰兩張照片保持旁向重疊度和航向重疊度。

3 地面控制點(diǎn)布置

為了提高結(jié)果數(shù)據(jù)的精度，宜在地面設(shè)置照片控制點(diǎn)，根據(jù)《低空數(shù)字航空攝影測(cè)量外業(yè)規(guī)范》（CHZ 3004—2010），像控點(diǎn)應(yīng)按照以下原則進(jìn)行布設(shè)[2]：像控點(diǎn)對(duì)應(yīng)的目標(biāo)影像應(yīng)清晰，并根據(jù)航線在整個(gè)測(cè)量區(qū)域統(tǒng)一布設(shè);高程控制點(diǎn)點(diǎn)位目標(biāo)應(yīng)選在高程起伏較小的地方，布設(shè)在同一位置的平面點(diǎn)和高程點(diǎn)宜連接成平高點(diǎn);像控點(diǎn)的布置應(yīng)避開(kāi)小于照片邊緣1cm位置;控制點(diǎn)采用GPS方法測(cè)量時(shí)，應(yīng)避免被電磁干擾。

由于外業(yè)作業(yè)勞動(dòng)強(qiáng)度大，照片控制點(diǎn)的布設(shè)方案通常采用非全野外布點(diǎn)的方法，即測(cè)量少量的外業(yè)控制點(diǎn)，采用空三加密方法，經(jīng)過(guò)平差處理，解求所有待定點(diǎn)的平面和高程坐標(biāo)[3]。采用區(qū)域網(wǎng)布點(diǎn)的方案，利用GPS RTK衛(wèi)星快速定位的測(cè)量方法獲取像控點(diǎn)的高精度坐標(biāo)，對(duì)于無(wú)RTK信號(hào)的地方，可采用全站儀方式測(cè)量。在區(qū)域網(wǎng)周?chē)荚O(shè)較多的平高點(diǎn)，如圖3所示。

4 影像匹配

無(wú)人機(jī)通過(guò)連續(xù)重疊的地面拍攝，獲得煤堆的影像資料，通常，一個(gè)航次可以獲得上千張照片，對(duì)這些影像的匹配是關(guān)鍵步驟。如圖4所示，通過(guò)特征匹配提取煤堆影像特征點(diǎn)，根據(jù)特征點(diǎn)、控制點(diǎn)、姿態(tài)數(shù)據(jù)和GPS數(shù)據(jù)等信息，經(jīng)過(guò)空中三角測(cè)量，獲取每張照片的外方位元素和所有加密點(diǎn)的物方坐標(biāo)，最后經(jīng)過(guò)密集匹配，獲取三維密集點(diǎn)云數(shù)據(jù)。

4.1 特征提取

特征提取的方法很多，其中尺度不變特征變換算法（Scale Invariant Feature Transform，SIFT）[4]具有良好的不變性、強(qiáng)大的數(shù)據(jù)描述能力以及較強(qiáng)的可擴(kuò)展性等優(yōu)點(diǎn)，是目前最常用的特征提取方法之一。SIFT算法的流程如下。

4.1.1 多尺度空間模擬。構(gòu)建尺度空間，模擬圖像數(shù)據(jù)的多尺度空間。利用高斯卷積核，將二維圖像的尺度空間定義為：

（1）

式中，[G（x，y，δ）]為尺度可變高斯函數(shù)。

（2）

為了有效地在尺度空間檢測(cè)到穩(wěn)定的關(guān)鍵點(diǎn)，本研究提出了高斯差分尺度空間（DOG scale-space），利用不同尺度的高斯差分核與圖像卷積生成，建立圖像金字塔。

（3）

4.1.2 高斯差分特征點(diǎn)檢測(cè)。對(duì)于每個(gè)采樣點(diǎn)與其相鄰所有點(diǎn)，比較像域和尺度域的大小，如果該采樣點(diǎn)在高斯差分尺度空間本層及上下層26個(gè)相鄰點(diǎn)中為極值，則該點(diǎn)為該圖像尺度下的特征點(diǎn)。

4.1.3 提取穩(wěn)定關(guān)鍵點(diǎn)。通過(guò)擬合三維二次函數(shù)以精確確定關(guān)鍵點(diǎn)的位置和尺度，同時(shí)去除低對(duì)比度的關(guān)鍵點(diǎn)和不穩(wěn)定的邊緣響應(yīng)點(diǎn)，以增強(qiáng)匹配穩(wěn)定性、提高抗噪聲能力。

4.1.4 賦予關(guān)鍵點(diǎn)方向參數(shù)。利用關(guān)鍵點(diǎn)鄰域像素的梯度方向分布特性為每個(gè)關(guān)鍵點(diǎn)指定方向參數(shù)，使算子具備旋轉(zhuǎn)不變性。

4.1.5 關(guān)鍵點(diǎn)描述子生成。通過(guò)上述步驟關(guān)鍵點(diǎn)獲取位置、尺度和方向信息，將這些信息的關(guān)鍵點(diǎn)通過(guò)一組向量描述出來(lái)。

4.2 空中三角測(cè)量

空中三角測(cè)量是指以已知少量地面控制點(diǎn)為平差條件，以重疊照片的像點(diǎn)坐標(biāo)為依據(jù)，根據(jù)一定的數(shù)學(xué)模型，運(yùn)用解析方法解求照片外方位元素或加密控制點(diǎn)坐標(biāo)的過(guò)程?？罩腥菧y(cè)量按平差模型分為獨(dú)立模型法、航帶法和光束法，按加密區(qū)域可分為單航帶法和區(qū)域網(wǎng)法。

如圖5所示，光束法區(qū)域網(wǎng)平差（Bundle Block Adjustment，BBA）是以光線束為基本單元的一種區(qū)域網(wǎng)平差方法[5]，它以中心投影的共線條件方程作為理論模型。通過(guò)各個(gè)光線束在空間的旋轉(zhuǎn)和平移，以控制點(diǎn)的內(nèi)業(yè)計(jì)算坐標(biāo)與外業(yè)坐標(biāo)相符合和同名光線相交的地面點(diǎn)坐標(biāo)相為平差條件，解算出各張照片的外方位元素和加密點(diǎn)的地面坐標(biāo)。

光束法區(qū)域網(wǎng)平差的原始誤差方程式為：

（4）

矩陣形式為[AijΔj+BijΔi-lij=νij]。其中，[i]為點(diǎn)的序號(hào)，[j]為照片序號(hào)。

4.3 密集匹配

為了獲得高精度、高密度的點(diǎn)云，人們需要對(duì)多視影像進(jìn)行密集匹配。目前常見(jiàn)的密集匹配方法有帶共線條件約束的多片最小二乘影像匹配算法（Multiphoto Geometrically Constrained Matching，MPGC）[6]、半局部匹配方法（Semi-Global Match，SGM）[7]、基于面片的多視立體匹配（Patch-based Multiple View Stereo，PMVS）[8]等。其中，PMVS具有簡(jiǎn)便、快捷的優(yōu)點(diǎn)，僅需要通過(guò)影像和內(nèi)外方位元素信息，即可獲得滿足三維模型構(gòu)建密集點(diǎn)的云數(shù)據(jù)[9]。PMVS通過(guò)匹配、擴(kuò)散、過(guò)濾三個(gè)步驟，依靠光度一致性和全局可見(jiàn)性實(shí)現(xiàn)對(duì)多張任意視角無(wú)序影像的密集匹配和三維重建，其流程如圖6所示。

5 煤堆儲(chǔ)量計(jì)算

煤堆儲(chǔ)量通過(guò)計(jì)算測(cè)量得到煤堆體積和煤堆密度之后，根據(jù)[M=ρ×V]求出煤場(chǎng)的存煤量。

5.1 煤堆三維體積模型的建立

為了快速獲得煤堆的體積，人們需要對(duì)前文獲得的密集點(diǎn)云數(shù)據(jù)進(jìn)行進(jìn)一步處理，將散亂點(diǎn)云數(shù)據(jù)轉(zhuǎn)換為三維體積模型，通常使用的是三角剖分方法，將散點(diǎn)集剖分成不均勻的三角網(wǎng)絡(luò)，滿足“最大化最小角”及“空?qǐng)A性質(zhì)”的特性，最終使其具有“最接近”“唯一性”“最優(yōu)性”“最規(guī)則”“區(qū)域性”和“具有凸多邊形的外殼”等優(yōu)異特性，這就是Delaunay三角剖分算法（Delaunay Triangulation，DT），如圖7所示。

通過(guò)Dealunay三角剖分法構(gòu)建煤堆的TIN（不規(guī)則三角網(wǎng)）模型，將每個(gè)Delaunay三角形投影到二維平面，形成TIN模型微單元，如圖8所示。整個(gè)煤堆場(chǎng)可以看成無(wú)數(shù)煤場(chǎng)TIN模型微單元的集合，煤堆體積[V]可以通過(guò)無(wú)數(shù)個(gè)微單元體積的累加得到。

5.2 煤堆自然堆積密度測(cè)量

煤堆的自然堆積密度往往不是一個(gè)固定值，如表1所示，不同煤種的密度不盡相同，即使同一煤種也會(huì)因其堆煤方式、含水量等不同而不同。因此，需要對(duì)煤堆的自然堆積密度進(jìn)行測(cè)算。

通常采用模擬法，根據(jù)《商品煤樣人工采取方法》（GB 475—2008）的采樣方法并按照《煤炭堆密度小容器測(cè)定方法》（MT/T 739—2011）的要求，對(duì)煤堆各部位進(jìn)行密度測(cè)量，并按照其占比計(jì)算權(quán)重，從而計(jì)算煤堆的自然堆積密度，結(jié)合煤堆體積量，計(jì)算煤堆存量。

6 現(xiàn)場(chǎng)試驗(yàn)

使用無(wú)人機(jī)搭載單個(gè)相機(jī)對(duì)舟山某碼頭煤堆場(chǎng)存量進(jìn)行現(xiàn)場(chǎng)盤(pán)點(diǎn)試驗(yàn)。其中，無(wú)人機(jī)選用的是DJI四旋翼無(wú)人機(jī)，最大起飛重量為4.25kg，水平飛行速度最大可達(dá)26m/s，下降速度最大可達(dá)9m/s，可承受風(fēng)速最大可達(dá)10m/s;相機(jī)采用2 000萬(wàn)像素級(jí)航拍相機(jī)。

飛行結(jié)束后進(jìn)行數(shù)據(jù)處理，并與傳統(tǒng)測(cè)量方法進(jìn)行比較，以驗(yàn)證其有效性。如圖9所示，按設(shè)計(jì)航線對(duì)圖10所示的一組煤堆存量進(jìn)行測(cè)量。實(shí)際飛機(jī)時(shí)間為20min。

經(jīng)過(guò)影像匹配等一系列數(shù)據(jù)處理，生成密集點(diǎn)云圖，選取需要計(jì)算的煤堆（圖10標(biāo)記區(qū)域），構(gòu)建三角網(wǎng)格，生成三維模型（見(jiàn)圖11），計(jì)算圖示煤堆體積，測(cè)量其密度，從而得到煤堆質(zhì)量，如表2所示。

將無(wú)人機(jī)法測(cè)量值與傳統(tǒng)皮帶秤法測(cè)量值比較，傳統(tǒng)皮帶秤法測(cè)量值為21 736t，相對(duì)偏差為1.1%。下面分析產(chǎn)生較大偏差的原因。

一是煤堆的自然堆積密度測(cè)量通過(guò)對(duì)各部位煤堆密度加權(quán)平均的方法測(cè)得，其權(quán)值往往需要估算，目前也沒(méi)有特別準(zhǔn)確的方法測(cè)量煤堆的自然堆積密度，即使偏差為0.1t/m3，對(duì)于煤堆存量的偏差影響也高達(dá)1.2%。二是平面精度、高程精度、長(zhǎng)度精度等都是影響三維建模精度的因素，其中高程精度的影響最大。GPS RTK的高程精度為厘米級(jí)，經(jīng)計(jì)算，煤堆下底面的高程值下降1cm，煤堆的體積計(jì)算結(jié)果增加0.1%，因此，煤堆底面的高程值準(zhǔn)確與否直接關(guān)系到煤堆體積精度。三是煤堆場(chǎng)地面由于地基沉降不均等原因，往往不是絕對(duì)的平面，存在凹凸不平的情況，而在煤堆體積計(jì)算時(shí)，通常將煤堆下底面模擬成平面，因此產(chǎn)生了誤差。四是堆煤經(jīng)過(guò)堆放，含水量發(fā)生變化，因此導(dǎo)致煤堆質(zhì)量發(fā)生變化。

7 結(jié)論

將無(wú)人機(jī)遙感技術(shù)應(yīng)用到煤堆盤(pán)點(diǎn)測(cè)量中，可以有效降低成本，提高效率，同時(shí)保證一定的測(cè)量準(zhǔn)確度。下一步應(yīng)探索準(zhǔn)確測(cè)量煤堆自然堆積密度的方法，同時(shí)提高無(wú)人機(jī)三維建模精度，從而提高無(wú)人機(jī)煤堆盤(pán)點(diǎn)準(zhǔn)確度。

參考文獻(xiàn)：

[1]李德仁，李明.無(wú)人機(jī)遙感系統(tǒng)的研究進(jìn)展與應(yīng)用前景[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2014（5）：505-513.

[2]國(guó)家測(cè)繪局.低空數(shù)字航空攝影測(cè)量外業(yè)規(guī)范：CH/Z 3004—2010[S].北京：中國(guó)標(biāo)準(zhǔn)出版社，2010.

[3]袁修孝，李德仁.GPS輔助空中三角測(cè)量的若干探討[J].測(cè)繪學(xué)報(bào)，1997（1）：14-19.

[4]Gruen A.Development and Status of Image Matching in Photogrammetry[J].The Photogrammetric Record，2012（137）：36-57.

[5]王之卓.攝影測(cè)量原理[M].武漢：武漢大學(xué)出版社，2007.

[6]Baltsavias E.Multiphoto Geometrically Constrained Matching[M].Zuich：Mitteilungen，1991.

[7]Hirschmueller H.Accyrate and Efficient Stereo Processing by Semi-Global Match[C]//Conference on Computer Vision & Pattern Recognition.2005.

[8]Furukawa Y，Ponce J.Accurate，Dense，and Robust Multi-view Stereopsis[J].Pattern Analysis & Machine Intelligence，2010（32）：1362-1376.

[9]蔡龍洲.面向無(wú)人機(jī)長(zhǎng)序列圖像的數(shù)字表面模型研究[D].焦作：河南理工大學(xué)，2012.