基于無人機測繪技術(shù)的露天礦區(qū)邊坡變形識別方法

王 濤，王 偉，覃應(yīng)哲

黑龍江省第六地質(zhì)勘查院，黑龍江 佳木斯 154000

0 引 言

露天礦區(qū)開采導(dǎo)致臨時性邊坡和半永久性邊坡。臨時性邊坡開采時間較短[1-3]，允許出現(xiàn)小范圍滑坡事故；半永久邊坡使用時間較長，對安全性需求也較高，一旦發(fā)生坍塌或滑坡情況，將會發(fā)生嚴重事故，造成重大人員傷亡和經(jīng)濟損失[4-8]。因此，露天礦區(qū)邊坡不穩(wěn)定產(chǎn)生的安全隱患問題亟待解決。

針對邊坡變形監(jiān)測識別研究一直是眾多研究者的重點。文獻[9]提出使用高精度機器人作為測量工具的邊坡變形觀測方法，能夠準確確定邊坡的水平與垂直位移，但是這種測量機器人成本較高，短期內(nèi)不適合推廣使用。文獻[10]提出使用三維電子羅盤作為測量手段的邊坡變形監(jiān)測方法，經(jīng)常受到露天礦區(qū)地形的限制，導(dǎo)致測量數(shù)據(jù)準確性較低。

現(xiàn)有邊坡變形監(jiān)測識別研究方法各有利弊。露天礦區(qū)多處于高山、峽谷等地形比較復(fù)雜的地區(qū)，全站儀、羅盤等傳統(tǒng)邊坡測量手段精度雖高但是測量難度較大，不適合礦區(qū)邊坡測量，不能充分獲取露天礦區(qū)信息。遠景測量方法盡管能夠節(jié)省人力，準確獲得大量觀測點的中間位置，但是對于地形比較復(fù)雜的露天礦區(qū)，存在拍攝照片難度較大的困擾，而且遠距離拍攝難以獲得清晰的圖片。比較先進的激光掃描技術(shù)通過掃描露天礦區(qū)實現(xiàn)三維重建，能夠快速獲取露天礦區(qū)的三維數(shù)據(jù)，但是數(shù)據(jù)獲取的過程過于復(fù)雜，且設(shè)備價格昂貴，對監(jiān)測點要求較高，實際推廣使用難度較大。

近年來，信息技術(shù)、無人機遙感測繪技術(shù)被廣泛應(yīng)用于城市規(guī)劃、三維建模、應(yīng)急救災(zāi)等領(lǐng)域，取得可觀的研究成果。無人機測繪技術(shù)是一種新興的空間數(shù)據(jù)采集技術(shù)，在無人機上搭載數(shù)碼相機實現(xiàn)多角度測量，將攝影測量、無人機以及計算機技術(shù)等相互融合，突破傳統(tǒng)數(shù)據(jù)采集的各種限制，準確率高、速度快、成本低。本文使用無人機測繪技術(shù)識別露天礦區(qū)邊坡變形情況，跳出地形環(huán)境等對數(shù)據(jù)采集的限制，提高了識別與獲取露天礦區(qū)邊坡變形數(shù)據(jù)的準確性。

1 露天礦區(qū)邊坡變形識別方法

1.1 無人機測繪數(shù)據(jù)采集

本文應(yīng)用無人機測繪技術(shù)進行數(shù)據(jù)采集（圖1）。礦區(qū)邊坡數(shù)據(jù)采集前要充分做好準備工作，詳細分析待采集區(qū)域的資料內(nèi)容，開展實地調(diào)研，明確需要識別的范圍、精度要求、成果要求等，及時了解是否存在飛行禁區(qū)。綜合目前已知數(shù)據(jù)采集情況，參考1:500地形圖，設(shè)分辨率高于5.5 cm，確保數(shù)據(jù)結(jié)果具有較高精度和絕對坐標，獲得高精度的數(shù)字圖像[11]。

圖1 無人機測繪數(shù)據(jù)采集技術(shù)流程圖Fig.1 Flow chart of UAV mapping data acquisition technology

明確采集需求后，制定無人機航飛方案。無人機測繪時，采用傾斜與垂直攝影相結(jié)合的數(shù)據(jù)采集方法，設(shè)焦距為8.9 mm，像元為2.512μm，單架無人機飛行時間限定為30 min，傾斜拍攝時角度為45°，地面分辨率為0.05 m，無人機飛行航高計算公式如下：

式中，h、f分別為相對航高與相機焦距；GSD、a分別為影像地面分辨率與像元大小。綜合考慮地形、航向精度和旁向，將航向和旁向分別設(shè)定為80%和75%。

無人機航飛方案制定后，應(yīng)在待識別的斜坡區(qū)布置監(jiān)測樁，布樁時應(yīng)充分考慮無人機的飛行高度和識別效果。在圖層穩(wěn)定區(qū)域設(shè)置直徑為45 cm的圓柱樁或邊長為45 cm×45 cm的方形樁，底盤澆筑達到地面高度，使用紅色油漆涂抹并做標記。監(jiān)測樁安裝完成后，保持穩(wěn)定3～4天再開展無人機測繪[12]。

數(shù)據(jù)采集包含低空傾斜攝影與外業(yè)像控點測量兩個方面。露天礦區(qū)內(nèi)的特征點不明顯，因此，需要無人機根據(jù)監(jiān)測樁進行攝影測量，獲得待識別區(qū)域的原始圖像數(shù)據(jù)；針對監(jiān)測樁測量得到的控制點信息主要用于后續(xù)邊坡位移計算；監(jiān)測樁測量得到控制點后，需要根據(jù)礦區(qū)的坡度和地形特點進行傾斜攝影，以獲取邊坡的數(shù)據(jù)信息。

1.2 無人機測繪圖像配準

在數(shù)據(jù)采集過程中，受到光照、拍攝技術(shù)等因素影響，采集的圖像存在重疊、扭曲、模糊等問題，因此需要對無人機測繪采集的圖像進行配準處理。

1）特征點匹配。使用尺度不變特征變換算法從無人機測繪原始圖像中依次提取邊緣特征點，以歐式距離作為標準進行特征點相似度量，通過窮舉匹配方法在無人機測繪原始圖像內(nèi)搜索待配準的特征點。

假設(shè)R1={r1,r2,...rn}和S1={s1,s2,...sn}分別為原始圖像內(nèi)邊緣特征點集合與目標圖像邊緣特征點集合，每任意兩個特征點相似性度量的計算公式如下：

式中，dmin、dscn分別為最近距離和次近距離；δ為給定的閾值。從無人機測繪原始圖像中提取某個關(guān)鍵點，找出關(guān)鍵點和目標圖像存在最近歐式距離的前兩個關(guān)鍵點。假如最近距離除以次近距離得到比例閾值，如果這兩個關(guān)鍵點的給定閾值結(jié)果低于比例閾值，那么可接受該對匹配點。給定閾值δ越小，匹配點數(shù)目越小，也就說明結(jié)果更加穩(wěn)定[13]。

為使特征點匹配準確率更高，設(shè)計了目標函數(shù)。通過反復(fù)提取最小點集，得到目標函數(shù)參數(shù)的初始值，通過這些初始值，將所有數(shù)據(jù)分為外部點和內(nèi)部點，并通過所有內(nèi)部點重新求解目標函數(shù)參數(shù)，運用隨機采樣一致性原則提取出誤匹配點。

2）特征點校正。如果無人機測繪采集的圖像存在較大變形，在特征點匹配后，需要使用小面元微分校正法進行圖像偏移校正。具體方法是使用上文匹配獲得特征點，通過Delaunay構(gòu)建三角網(wǎng)，使用三角網(wǎng)把圖像劃分成數(shù)個很小的面元，劃分面元時要考慮到圖像一次形變，以下為具體實現(xiàn)步驟：

匹配處理完成后，圖像內(nèi)的一個三角形用△abc表示，圖像校正以后的三角形用△ABC表示，這兩個三角形互相對應(yīng)的坐標為：(xa,ya)、(xb,yb)、(xc,yc)，(xA,yA)、(xB,yB)、(xC,yC)，把這些坐標代入下式解算△x、△y和θ的匹配參數(shù)如下：

式中，△x為x方向的平移量；△y為y方向的平移量；θ為兩坐標系旋轉(zhuǎn)角度。通過解算獲得△x、△y和θ的匹配參數(shù)(X,Y)，使用圖像差值算法，調(diào)整匹配參數(shù)，獲得圖像偏移的校正結(jié)果。

為進一步解決圖像中存在的傾斜問題，使用空三解算方法保證圖像中位置相對準確。圖像偏移校正后，還需增加超過3個像控點，確保在次平差范圍內(nèi)，空三解算后的成果坐標系與工程應(yīng)用所需坐標系保持一致。進行像控點刺點時，各像控點最少保證3張圖片再開始刺點，依據(jù)上一空三結(jié)果預(yù)計出各刺點的誤差，此時誤差通常較大[14]。全部像控點刺點完成后，基于一次像控點的空三解算結(jié)果，完成刺點自動提取和光束網(wǎng)平差分析，根據(jù)平差結(jié)果，確定圖像傾斜校正。

1.3 邊坡變形識別

1）計算監(jiān)測樁位移。以上方法兩兩匹配，使用無人機測繪技術(shù)獲得原始圖像，進而獲得與監(jiān)測點處于相同位置的監(jiān)測樁圖像特征點，通過監(jiān)測點空間坐標和相機參數(shù)，計算獲得特征點的空間坐標。將計算獲得的各特征點設(shè)定為基準點，依序計算得出各個監(jiān)測樁的空間坐標。使用目前已有特征點，將各個監(jiān)測樁輪廓識別出來，根據(jù)特征點空間坐標計算獲得各監(jiān)測樁中心點空間坐標[15]。

通過無人機多次測繪獲得各監(jiān)測樁的空間坐標，各監(jiān)測樁位移變化量計算公式如下：

式中，dki為第k個監(jiān)測樁第i次的位移變化量；(xk1,yk1,zk1)與(xki,yki,zki)分別為第k個監(jiān)測樁第1次獲取的空間坐標和第k個監(jiān)測樁第i次獲取的空間坐標。

2）生成位移云圖。經(jīng)過計算，依據(jù)各監(jiān)測樁的位移變化量，引入基函數(shù)差值算法，獲得監(jiān)測樁周圍邊坡位移變化量，經(jīng)VTK可視化生成與監(jiān)測樁位置相對應(yīng)的位移云圖（圖2）。

圖2 位移云圖效果Fig.2 Displacement nephogram effect

3）邊坡三維重構(gòu)。使用差值算法和空三解算方法解決圖像偏移和傾斜問題后，進行邊坡三維模型重構(gòu)。經(jīng)高精度圖像匹配獲得較高密集度的三維點云，點云圖像是無顏色信息的黑白圖像，通過這些點云構(gòu)成TIN網(wǎng)，得到白模圖像。

依據(jù)空三解算后得到的各圖像外方位元素，計算得出TIN網(wǎng)內(nèi)每個三角點與三角面在圖像中的具體位置，依次在圖像內(nèi)找尋總質(zhì)量最佳、效果最合適的紋理，開展后續(xù)著色工作，最終輸出具有紋理特征的邊坡實景三維模型。三維模型存在數(shù)據(jù)量比較大的問題，實際分析時，需將模型分塊，同時構(gòu)建層次細節(jié)模型，參照計算機內(nèi)存設(shè)定分塊大小，最終獲得被識別區(qū)域的模型效果。

4）邊坡變形分析。通過分析邊坡穩(wěn)定性，識別出邊坡的變形狀態(tài)。以各邊坡穩(wěn)定性系數(shù)和位移系數(shù)定量評價邊坡穩(wěn)定性，邊坡位移穩(wěn)定系數(shù)計算公式如下：

式中，qd2、rd、Sd分別為均方根差、位移穩(wěn)定系數(shù)與位移測量值標準差。假如某個時間段中，邊坡變形狀態(tài)非常穩(wěn)定，未出現(xiàn)明顯變化，此時rd趨近于1。rd與邊坡穩(wěn)定性成正比例關(guān)系，rd值越大，邊坡越不穩(wěn)定。邊坡位移計算結(jié)果波動較大的情況下，qd2值也隨之增大，導(dǎo)致的rd值也出現(xiàn)升高甚至趨近于1。依據(jù)位移波動結(jié)果，可知邊坡的位移變形狀態(tài)，但僅通過位移穩(wěn)定系數(shù)分析邊坡的變形狀態(tài)時，誤差較大，還需要結(jié)合位移變異系數(shù)td識別邊坡變形情況，計算公式如下：

式中，Ed為位移測量值的數(shù)學(xué)期望，一般情況下取值不能為0；td為測量位移時各個測量值之間的相對離差。通過綜合分析位移變異系數(shù)與穩(wěn)定化系數(shù)，可以準確識別出邊坡的變形狀態(tài)。

2 實驗結(jié)果

本文將佳木斯某個石灰石采礦區(qū)域作為研究對象，該地處于我國東北邊陲，冬季漫長，氣候寒冷，全年平均氣溫在零上3℃，僅有146天為無霜期。該地礦產(chǎn)資源豐富，包含4座石灰石礦體，總蘊藏量約為18～25萬m3，礦產(chǎn)總量約為47.5×104t，大多礦體裸露出地表適合開采。本文研究的石灰石礦區(qū)主要出產(chǎn)冶金用石灰，開采面積約為965 km2，儲量17×104t，初步探明可采儲存量約為 528×104t。

為對比無人機測繪結(jié)果的準確性，本文同時使用高準確率機器人、三維電子羅盤作為測量工具，對研究區(qū)域邊坡變形情況進行識別。這兩個方法分別來自參考文獻[9]和參考文獻[10]，對比3種方法在圖像配準方面情況（圖3）。

圖3 圖像配準結(jié)果對比Fig.3 Comparison of image registration results

從圖3能夠看出，機器人識別方法在圖像采集方面具有較高的準確性，但是在圖像配準時存在圖像扭曲現(xiàn)象，說明配準結(jié)果不夠準確；羅盤識別方法圖像采集結(jié)果不夠準確，圖像配準時的特征點提取結(jié)果不夠精準，導(dǎo)致處理后的圖像存在模糊的情況；本文方法采集的圖像足夠清晰，且配準后效果良好，為后續(xù)實驗打下良好基礎(chǔ)。

本文開展實驗時，在研究區(qū)域設(shè)定15個監(jiān)測點，使用3種方法識別邊坡變形情況（表1）。

表1 邊坡變形識別結(jié)果Tab.1 Identification result of slope deformation

分析表1可知，羅盤識別方法的位移識別結(jié)果與實際的位移差別較大，說明受到數(shù)據(jù)采集過程及圖像配準結(jié)果的影響，識別效果較差；機器人識別方法的位移識別結(jié)果較為接近實際位移，但是有較大的提升空間；本文方法的位移識別結(jié)果與實際位移最為接近，說明使用無人機測繪技術(shù)，可以提升數(shù)據(jù)采集準確率，具有較高的識別效果。

識別邊坡變形情況時，各方法都在圖像配準后開展邊坡三維重構(gòu)。在重構(gòu)過程中，模型中的顏色權(quán)重和紋理權(quán)重均為可調(diào)整的，顏色、紋理權(quán)重變化會影響邊坡變形程度的識別準確率。統(tǒng)計本文方法在不同紋理和顏色權(quán)重下的識別準確率（表2）可知，單一顏色權(quán)重或單一紋理權(quán)重下，邊坡變形程度的識別準確率都較低，尤其是單一紋理權(quán)重時，識別準確率最低；當顏色與紋理權(quán)重各占一半時，識別準確率最高。

表2 本文方法在不同紋理和顏色權(quán)重下的識別準確率Tab.2 Recognition accuracy under different texture and color weights

對比3種方法在顏色與紋理權(quán)重各占0.5時，不同監(jiān)測點下的邊坡變相狀態(tài)識別效果見表3。分析表3可知，同等條件下，本文方法在識別邊坡變形情況時，各個監(jiān)測點的邊坡變相狀態(tài)識別準確率較高，保證具有良好的識別效果，進而具有較強的實際應(yīng)用性能。

表3 邊坡變形狀態(tài)識別準確率對比結(jié)果Tab.3 Comparison results of accuracy rate of slope disguised state identification

3 結(jié) 論

1）本文基于無人機測繪技術(shù)，研究露天礦區(qū)邊坡變形識別方法。通過無人機測繪獲得高精度露天礦區(qū)圖像，通過圖像配準，校正圖像中存在的偏倚和傾斜問題，重構(gòu)露天礦區(qū)邊坡的三維實景模型，

2）使用差值算法解決圖像中存在的偏移問題，使用空三解算方法解決圖像傾斜問題，為邊坡變形識別打下良好基礎(chǔ)，根據(jù)監(jiān)測點位移狀況識別出邊坡變形情況。無人機測繪獲得的露天礦區(qū)數(shù)據(jù)信息較清晰且準確度更高，緩解了采集成本過高、識別準確率較低等問題，在同類方法中具有絕對優(yōu)勢。