CN105783878A - 一种基于小型无人机遥感的边坡变形检测及量算方法 - Google Patents

Abstract

本发明涉及一种基于小型无人机遥感的边坡变形检测及量算方法。技术步骤包括：根据边坡特征现场布设并测量像控点；利用小型无人机遥感系统现场采集边坡高清像片；通过数字摄影测量处理并加入像控点生成边坡三维点云；检验并优化生成具有高绝对位置精度的边坡三维点云；高精度配准前后两期边坡三维点云；基于前后两期高精度遥感成果的边坡变形检测及量算。

Description

一种基于小型无人机遥感的边坡变形检测及量算方法

技术领域

本发明涉及一种边坡变形监测及分析方法，具体的是一种基于小型无人机遥感的边坡变形检测及量算方法。

背景技术

监测预警是防治边坡变形或失稳最主要和最有效的手段，已得到广泛认可。其中以GPS为代表的地表位移监测因其高精度、低成本、适应性强等特点，已成为边坡监测中必不可少的核心技术手段。然而，目前的地表位移监测都是所谓的“点”式监测方法，即只能监测获得事先部署在边坡上有限的几个离散点的位移变形数据，而无法获知整个边坡表面空间的连续变形场信息。为克服这一缺陷，以遥感为代表的“面”式监测方法开始被应用到边坡变形监测，但传统的航天、航空包括地面遥感方法又面临着成本昂贵、技术复杂等现实问题，而且常受制于监测环境和场地、监测时间及气象条件等诸多影响。

小型无人机遥感系统具有结构简单、成本低、风险小、灵活机动、实时性强等独特优势，已开始成为遥感家族中有效的补充手段。结合成熟的数字摄影测量方法，尤其是基于计算机视觉算法发展起来的SfM（StructurefromMotion）图像处理方法，利用小型无人机搭载普通数码相机拍摄具有一定重叠率的照片，即可处理生成目标对象的高分辨率三维点云、数字表面模型DSM以及数字正射影像DOM等遥感成果，再基于多期遥感成果，可以实现对目标对象的变化检测。但如将上述方法直接应用到边坡变形监测及分析上，仅仅依靠高分辨率遥感成果还远远不够，还必须保证遥感成果首先在平面位置及高程上具备高的绝对位置精度，同时还要保证多期成果之间具备高的配准精度，这样才有可能开展包括变形检测及准确量测在内的边坡变形监测及分析。这涉及到小型无人机系统搭建、像控点布设及测量、现场影像采集、室内遥感成果生成、多期成果配准、边坡变形检测及量算等一系列方法的综合运用，但目前仍缺少这样一套完整、高效的基于小型无人机遥感的高精度边坡变形监测及分析处理方法，从而严重制约了相关应用。

发明内容

针对上述存在的问题，本发明推出一种基于小型无人机遥感的边坡变形检测及量算方法，其目的在于，基于边坡特征开展快速有效的像控点布设和测量，同时利用小型无人机遥感系统自动采集边坡像片，通过在数字摄影测量处理过程中引入像控点，生成边坡的高精度及高分辨率遥感成果，再对通过精度检验以及高精度配准的前后两期遥感成果开展边坡变形检测及量算，从而快速、高效、准确地获取边坡的整体变形特征。

本发明涉及的一种基于小型无人机遥感的边坡变形检测及量算方法，技术步骤包括：S1：根据边坡特征现场布设并测量像控点；S2：利用小型无人机遥感系统现场采集边坡高清像片；S3：通过数字摄影测量处理并加入像控点生成边坡三维点云；S4：检验并优化生成具有高绝对位置精度的边坡三维点云；S5：高精度配准前后两期边坡三维点云；S6：基于前后两期高精度遥感成果的边坡变形检测及量算。

所述步骤S1中像控点的控制测量，应选择与无人机遥感监测相匹配的高精度、快速度、方便施测的技术方法，能够选择GPSRTK测量技术；在GPS定位条件受限区域应选择全站仪测量技术；在人类无法涉足、反射条件较好的高陡岩质边坡，选择免棱镜全站仪测量技术；对于环境条件复杂边坡，可以综合考虑上述多种技术相结合。

所述步骤S1中边坡像控点的现场选择或布设，应该覆盖边坡并适当向外延伸的范围内，对于在无人机采集像片上可以清晰可辨的特征点，如房屋、公路、出露基岩，可以直接选择和标识后作为像控点；对于无直接可辨特征点的位置，则需在地面放置像片上可以清晰可辨的辅助标志，如白色背景中的黑色十字，以标识像控点位置；所有像控点分布尽量均匀，构成等边三角网或四边形网；像控点的布设应在无人机采集边坡像片之前完成，以保证像片上可以清楚分辨所有像控点位置。

所述步骤S1中像控点的测量应该包括所有像控点的高精度三维坐标，测量时间不受无人机采集像片时间限制，可在任意时刻进行，如在采集同时进行测量，则应保证像控点标识不被遮挡，仍能在像片上清晰可见。

所述步骤S2中适于边坡高清像片采集的小型无人机遥感系统由多旋翼小型无人机、地面控制站以及终端监视器构成，小型无人机机体采用多旋翼机身，无人机配备飞行控制系统以及高精度GPS模块，可以实现无人机按照事先设定的航线进行自主飞行，也可以按照事先设定的速度或距离自主拍照；无人机上挂载1800万像素分辨率以上的普通数码相机或单反相机，为减少拍照时的抖动加装稳定云台；地面监控站安装飞行控制软件，起飞前可进行无人机各模块的调试以及参数设置，还能够进行航线规划设定，飞行过程中可以实时监控无人机的飞行位置以及各类飞行参数。

所述步骤S2中针对边坡范围进行航线规划，航线采用网格模式，航线应保证像片的航向重叠率至少在75%以上，旁向重叠率在60%以上，航线在高度上应动态调整以适应边坡高程变化特征，航拍过程中要始终保持无人机距离地表高度值相对固定，通常在50米~200米之间。应在边坡坡脚位置设置起始航线，逐渐向上直到边坡坡顶位置设置结束航线。无人机飞行速率应在10米~20米/秒之间，相机拍摄速率应不低于1秒/张。

所述步骤S2中小型无人机采集边坡像片应保证清晰、覆盖范围完整、满足重叠率要求。

所述步骤S3中基于像控点的边坡三维点云坐标校正，应挑选S1中布设和测量的占70%左右数量的像控点，并保证被挑选像控点由边坡范围内外点共同构成，且分布尽量均匀。

所述步骤S3中反映真实地形的边坡密集三维点云生成，应首先对边坡稀疏三维点云进行去噪处理，包括去除孤立点云、去除真实地形表面覆盖物点云，优化生成反映真实地形的边坡稀疏三维点云，然后再对稀疏点云进行插值计算生成边坡密集三维点云。

所述步骤S4中对边坡三维点云进行绝对位置精度检验，应选择剩余30%左右数量的像控点，即除去S1中布设和测量的占70%左右数量的用于S3校正三维点云坐标的其余像控点，作为检查点。以各检查点在边坡密集三维点云中的坐标与通过控制测量获得的坐标求差值，作为各检查点的绝对位置误差。并进一步计算所有检查点在X、Y、Z三个方向上的误差最大值、最小值、均值、标准差值以及均方根误差值。再根据计算出的误差指标检验边坡密集三维点云的绝对精度，主要标准包括：均方根误差及标准差应越接近于0越好，最大值、最小值、均值的绝对值应越小越好；均方根误差还应小于通过其他手段预估获得的边坡最小变形量，一般至少小一个数量级，即如预估边坡变形量在厘米级，则误差应在毫米级范围。且所有指标中，均方根误差是最重要的指标，应优先检验。此外，还可以根据具体情况自定义检验精度标准，但必须确保边坡密集三维点云的绝对位置精度能够满足检测和量算出边坡真实变形的实际需求。

所述步骤S4中绝对位置精度检验必须满足要求后，才能进行下一步处理；否则应更换用作三维点云坐标校正的70%左右数量像控点中的部分点，再重新优化生成边坡三维点云，并重新进行绝对位置精度检验，直到精度满足要求为止。

所述步骤S5中高精度配准前后两期边坡三维点云，必须首先选择和提取前后两期边坡外稳定无变化且易识别区，如大片基岩出露、平坦公路路面的三维点云，利用经典的最近点迭代ICP相关算法，通过粗配准和精确配准，获取前后两期边坡三维点云配准参数，包括旋转矩阵、平移矩阵等。再利用配准参数对前后两期整个边坡的密集三维点云进行最终的精确配准。

所述步骤S6中进行边坡变形检测及量算的前后两期高精度遥感成果，包括高精度配准的密集三维点云以及由其生成的数字高程模型DEM及数字正射影像DOM；

所述步骤S6中前后两期的边坡变形检测，首先应对前后两期DEMs进行差值求解计算，即在地理信息系统GIS中，采用栅格计算器用后期DEM减去前期DEM，结果为零值的区域为地形无变化区，正值区域为地形高程增加区，负值区域则为地形高程减少区，再利用GIS提取出边坡范围内的非零值区域，就可获得边坡内前后两期之间的地形变化区域。同时应基于前后两期DOMs进行变化检测分析，方法是在遥感图像处理软件中采用直接比较法，获得并提取边坡范围内的影像变化区域。然后，利用GIS将检测到的地形变化区域与影像变化区域进行叠加，通过人工识别等综合分析以建立边坡变形判译标志。最后根据该标志筛选、圈定和提取出边坡内的所有真实变形区域。另外，还应将上述变形区前后两期的DEMs、DOMs以及DEM差值求解结果分别存储为GIS图层或文件，以作为边坡变形量算的基础数据源。

所述步骤S6中前后两期的边坡变形量算，首先应在GIS中加载边坡内真实变形区的DEM差值求解图层，分别筛选出所有正值栅格和负值栅格，并计算相应的所有正值栅格值之和及所有负值栅格值之和的绝对值，再分别乘以每个栅格单元面积，即可获取边坡在前后两期之间由于变形引起的坡体物质增加体积和减少体积。然后应根据DEM差值求解图层特征判断边坡变形性质，方法为：如果边坡内存在较大面积的零值区域（地形无变化区），而正值或负值区域（地形变化区）呈分散分布，表明该边坡主要以局部变形为主；反之，如果边坡内零值区域较小甚至不存在，而正值或负值区域基本覆盖整个边坡范围，则表明该边坡以整体变形为主。如果边坡为局部变形，则定量化计算各局部变形的物质增减体积即可。如果边坡为整体变形，则除了定量化计算整体变形的物质增减体积外，还应计算获得边坡平面变形场信息，计算方法主要采用数字图像相关分析DIC方法，即以前期DOM或DEM为参考图像，以后期相应的DOM或DEM为目标图像，利用各栅格像元点的颜色、纹理、散斑、灰度等特征，在前后图像上建立起对应关系，然后根据这种对应关系寻找各栅格像元的对应点，并直接量算获得位移矢量它既包括位移量又包括方向，再将所有栅格像元的位移矢量表示为二维平面场即得到了边坡的平面变形场。

本发明有如下有益效果：

本发明是一套系统、完整、快速的边坡变形监测及量化分析方法，不但能够弥补传统“点”式监测方法无法获知整个边坡表面空间连续变形场信息的缺陷，而且实施成本低、精度高、安全高效、快速灵活。

附图说明

下面结合附图和实施例对本发明作进一步说明。

图1为本发明所述的基于小型无人机遥感的边坡变形检测及量算方法的流程图；

图2为本发明所涉及的小型无人机遥感监测边坡的像控点布设及航线规划平面示意图。

图2中1为边坡边界范围，2为规划航线，3为像控点，4为飞行过程中拍摄的单张像片范围，5为相邻像片的航向重叠部分，6为相邻像片的旁向重叠部分。

具体实施方式

结合附图对本发明的技术方案作进一步描述。如图1所示，本发明所述的一种基于小型无人机遥感的边坡变形检测及量算方法，技术步骤包括：根据边坡特征现场布设并测量像控点S1；利用小型无人机遥感系统现场采集边坡高清像片S2；通过数字摄影测量处理并加入像控点生成边坡三维点云S3；检验并优化生成具有高绝对位置精度的边坡三维点云S4；高精度配准前后两期边坡三维点云S5；基于前后两期高精度遥感成果的边坡变形检测及量算S6。

S1、根据边坡特征现场布设并测量像控点

基于边坡特征确定控制测量方法，根据相应控制测量要求，在覆盖边坡并适当向外延伸的范围内，现场选择或布设在无人机采集像片上足以清晰可辨的像控点，通过控制测量获得所有像控点的高精度三维坐标。

S1-1、基于边坡特征的控制测量方法选择

边坡控制测量应选择与无人机遥感监测相匹配的高精度、快速度、方便施测的技术方法。绝大多数情况下，应优先选择GPSRTK测量技术；在GPS定位条件受限区域，如信号无或弱的高陡峡谷边坡，则应选择全站仪测量技术；在人类无法涉足、反射条件较好的诸如高陡岩质边坡，可选择免棱镜全站仪测量技术；而对于环境条件复杂边坡，可以综合考虑上述多种技术相结合。

S1-2、像控点的现场选择或布设

如图2所示，在覆盖边坡并适当向外延伸的范围内，直接选择和标识在无人机采集像片上可以清晰可辨的特征点，如房屋、公路、出露基岩等作为像控点；而在无直接可辨特征点的位置，则需在地面放置像片上可以清晰可辨的辅助标志，如白色背景中的黑色十字，以标识像控点位置。所有像控点分布尽量均匀，构成等边三角网或四边形网为宜。像控点的布设应在无人机采集边坡像片之前完成，以保证像片上可以清楚分辨所有像控点位置。

S1-3、像控点的测量

按照相应控制测量方法，获得所有像控点的高精度三维坐标。像控点的测量时间不受无人机采集像片时间限制，可在任意时刻进行，如在采集同时进行测量，则应保证像控点标识不被遮挡，仍能在像片上清晰可见。

S2、利用小型无人机遥感系统现场采集边坡高清照片

搭建小型无人机遥感系统，根据边坡概况进行航线规划，现场快速采集边坡高清像片。

S2-1、适于边坡高清像片采集的小型无人机遥感系统构建

为满足边坡变形监测需求，可定制包括多旋翼小型无人机、地面控制站以及终端监视器在内的小型无人机遥感系统，主要特征包括：小型无人机机体采用多旋翼机身，其具有操控简便、起降地点要求低、具备一定精度的定点悬停能力、采集的照片质量高等优势；无人机配备飞行控制系统以及高精度GPS模块，可以实现无人机按照事先设定的航线进行自主飞行，也可以按照事先设定的速度或距离自主拍照；无人机上挂载1800万像素分辨率以上的普通数码相机或单反相机即可，为减少拍照时的抖动加装稳定云台；地面监控站安装飞行控制软件，起飞前可进行无人机各模块的调试以及参数设置，还能够进行航线规划设定，飞行过程中可以实时监控无人机的飞行位置以及各类飞行参数。

S2-2、针对边坡范围进行航线规划

根据边坡范围进行航线规划，航线宜采用网格模式，如图2所示。航线应保证像片的航向重叠率至少在75%以上，旁向重叠率在60%以上。航线在高度上应动态调整以适应边坡高程变化特征，原则上始终保持无人机距离地表高度值相对固定（一般在50米~200米之间选择）为宜。此外，应在边坡坡脚位置设置起始航线，逐渐向上直到边坡坡顶位置设置结束航线，以利用无人机在上升飞行过程中更加稳定的特点。无人机飞行速率应在10米~20米/秒之间，相机拍摄速率应不低于1秒/张。

S2-3、小型无人机采集边坡高清像片

检查航线规划、无人机与相机参数及状态正常后，选择相对平坦开阔的位置作为起降点，进行正式飞行及影像采集。飞行过程以无人机按照规划航线自主飞行及相机自主拍摄像片为主，特殊情况下进行人工干预。飞行结束后检查像片质量及无人机各模块状态是否正常，重点是保证照片清晰、覆盖范围完整、重叠率满足要求。

S3、通过数字摄影测量处理并加入像控点生成边坡三维点云

利用数字摄影测量软件，通过自动空三测量、区域网平差等处理生成三维点云，加入70%像控点校正坐标，去噪并加密生成反映真实地形的密集三维点云。

S3-1、基于数字摄影测量技术的边坡稀疏三维点云生成

采用传统或最新的数字摄影测量技术和方法，例如SfM，通过自动空三测量、区域网平差等初步处理生成边坡的稀疏三维点云。

S3-2、基于像控点的边坡三维点云坐标校正

设置边坡稀疏三维点云为平面坐标系统；挑选S1中布设和测量的占70%左右数量的像控点，应保证被挑选像控点由边坡范围内外点共同构成，且分布尽量均匀；在三维点云中识别并输入挑选像控点的精确三维坐标，优化并校正边坡稀疏三维点云到真实的平面坐标系统，提升边坡平面及高程精度。

S3-3、反映真实地形的边坡密集三维点云生成

对校正的边坡稀疏三维点云进行去噪处理，包括去除孤立点云、去除真实地形表面覆盖物（如植被、建筑物等）点云等，进一步优化生成反映真实地形的边坡稀疏三维点云；对稀疏点云进行插值计算生成边坡密集三维点云。

S4、检验并优化生成具有高绝对位置精度的边坡三维点云

S4-1、绝对位置精度检验

选择剩余30%左右数量的像控点，即除去S1中布设和测量的占70%左右数量的用于S3-2校正三维点云坐标的其余像控点，作为检查点；以S3-3生成的边坡密集三维点云中各检查点的坐标作为成果坐标，以通过S1-3控制测量获得的各检查点的坐标作为真实坐标，通过计算两者在平面（X方向、Y方向）及高程（Z方向）上的差值，作为各检查点的绝对位置误差；进一步计算所有检查点在三个方向上的误差最大值、最小值、均值、标准差值以及均方根误差值，要尤其注重边坡范围以内检查点的各误差指标值；根据计算出的误差指标检验边坡密集三维点云的绝对精度，主要标准包括：均方根误差及标准差应越接近于0越好，最大值、最小值、均值的绝对值应越小越好；均方根误差还应小于通过其他手段预估获得的边坡最小变形量，一般至少小一个数量级（如预估边坡变形量在厘米级，则误差应在毫米级范围）为好。上述所有指标中，均方根误差是最重要的指标，应优先检验。此外，还可以根据具体情况自定义检验精度标准，总之要确保边坡密集三维点云的绝对位置精度能够满足检测和量算出边坡真实变形的实际需求。

S4-2、绝对位置精度检验后处理

如果边坡密集三维点云的绝对位置精度满足变形检测和量算要求，则转到S5；否则，转到S3-2，更换用作三维点云坐标校正的70%左右数量像控点中的部分点，再重新优化生成边坡三维点云。

S5、高精度配准前后两期边坡三维点云

以严格消除边坡外稳定无变化区的点云位置差异为目标，高精度配准前后两期通过绝对位置精度检验的边坡密集三维点云。

S5-1、配准区的选择与配准参数获取

选择和提取前后两期边坡外稳定无变化且易识别区（如大片基岩出露、平坦公路路面等）的三维点云，利用经典的最近点迭代ICP相关算法，通过粗配准和精确配准，获取前后两期边坡三维点云配准参数，包括旋转矩阵、平移矩阵等。

S5-2、前后两期边坡密集三维点云的精确配准

基于前后两期边坡密集三维点云，利用点云处理软件，输入S5-1获得的配准参数，对前后两期边坡三维点云进行最终的精确配准。

S6、基于前后两期高精度遥感成果的边坡变形检测及量算

S6-1、前后两期高精度遥感成果的准备

基于高精度配准的边坡密集三维点云，生成前后两期边坡数字高程模型DEM及数字正射影像DOM。

S6-2、前后两期的边坡变形检测

基于前后两期高精度DEMs进行差值求解计算，即在地理信息系统GIS中，采用栅格计算器用后期DEM减去前期DEM，结果为零值的区域为地形无变化区，正值区域为地形高程增加区，负值区域则为地形高程减少区；再利用GIS提取出边坡范围内的非零值区域，即获得了边坡内在前后两期之间的地形变化区域。同时，基于前后两期DOMs进行变化检测分析，在遥感图像处理软件中采用常用的直接比较法即可，例如图像差值法中的单波段比较、特征指数比较，或图像变换法中的主成分分析等，以获得并提取边坡范围内的影像变化区域。利用GIS将检测到的地形变化区域与影像变化区域进行叠加，再通过人工识别等综合分析以建立边坡变形判译标志，最后根据该标志筛选、圈定和提取出边坡内的所有真实变形区域，并将这些变形区前后两期的DEMs、DOMs以及DEM差值求解结果分别存储为GIS图层或文件，以作为边坡变形量算的基础数据源。

S6-3、前后两期的边坡变形量算

在GIS中加载边坡内真实变形区的DEM差值求解图层，分别筛选出所有正值栅格和负值栅格，并计算相应的所有正值栅格值之和（即所有地形增高之和）及所有负值栅格值之和的绝对值（即所有地形降低之和），再分别乘以每个栅格单元面积，即可获取边坡在前后两期之间由于变形引起的坡体物质增加体积和减少体积；也可以按照上述方法，具体计算边坡内典型的局部变形区的物质增加或减少体积。根据DEM差值求解图层特征判断边坡变形性质：如果边坡内存在较大面积的零值区域（地形无变化区），而正值或负值区域（地形变化区）呈分散分布，表明该边坡主要以局部变形为主；反之，如果边坡内零值区域较小甚至不存在，而正值或负值区域基本覆盖整个边坡范围，则表明该边坡以整体变形为主。针对局部变形边坡，定量化计算各局部变形的物质增减体积即可。对于整体变形边坡，除定量化计算整体变形的物质增减体积外，还应计算获得边坡平面变形场信息，计算方法主要采用数字图像相关分析DIC方法，即以前期DOM或DEM为参考图像，以后期相应的DOM或DEM为目标图像，利用各栅格像元点的颜色、纹理、散斑、灰度等特征，在前后图像上建立起对应关系，然后根据这种对应关系寻找各栅格像元的对应点，并直接量算获得位移矢量（包括位移量和方向），再将所有栅格像元的位移矢量表示为二维平面场即得到了边坡的平面变形场。

本发明实施的基于小型无人机遥感的边坡变形检测及量算方法，是一套系统、完整、快速的边坡变形检测及量化分析方法，不但能够弥补传统“点”式监测方法无法获知整个边坡表面空间连续变形场信息的缺陷，而且实施成本低、精度高、安全高效、快速灵活。以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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。

Claims (10)

1.一种基于小型无人机遥感的边坡变形检测及量算方法，其特征在于，技术步骤包括：S1：根据边坡特征现场布设并测量像控点；S2：利用小型无人机遥感系统现场采集边坡高清像片；S3：通过数字摄影测量处理并加入像控点生成边坡三维点云；S4：检验并优化生成具有高绝对位置精度的边坡三维点云；S5：高精度配准前后两期边坡三维点云；S6：基于前后两期高精度遥感成果的边坡变形检测及量算。

2.根据权利要求1所述的一种基于小型无人机遥感的边坡变形检测及量算方法，其特征在于，所述步骤S1中像控点的控制测量，应选择与无人机遥感监测相匹配的高精度、快速度、方便施测的技术方法，能够选择GPSRTK测量技术；在GPS定位条件受限区域应选择全站仪测量技术；在人类无法涉足、反射条件较好的高陡岩质边坡，选择免棱镜全站仪测量技术；对于环境条件复杂边坡，可以综合考虑上述多种技术相结合；

所述步骤S1中边坡像控点的现场选择或布设，应该覆盖边坡并适当向外延伸的范围内，对于在无人机采集像片上可以清晰可辨的特征点，如房屋、公路、出露基岩，可以直接选择和标识后作为像控点；对于无直接可辨特征点的位置，则需在地面放置像片上可以清晰可辨的辅助标志，如白色背景中的黑色十字，以标识像控点位置；所有像控点分布尽量均匀，构成等边三角网或四边形网；像控点的布设应在无人机采集边坡像片之前完成，以保证像片上可以清楚分辨所有像控点位置；所述步骤S1中像控点的测量应该包括所有像控点的高精度三维坐标，测量时间不受无人机采集像片时间限制，可在任意时刻进行，如在采集同时进行测量，则应保证像控点标识不被遮挡，仍能在像片上清晰可见。

3.根据权利要求1所述的一种基于小型无人机遥感的边坡变形检测及量算方法，其特征在于，所述步骤S2中适于边坡高清像片采集的小型无人机遥感系统由多旋翼小型无人机、地面控制站以及终端监视器构成，小型无人机机体采用多旋翼机身，无人机配备飞行控制系统以及高精度GPS模块，可以实现无人机按照事先设定的航线进行自主飞行，也可以按照事先设定的速度或距离自主拍照；无人机上挂载1800万像素分辨率以上的普通数码相机或单反相机，为减少拍照时的抖动加装稳定云台；地面监控站安装飞行控制软件，起飞前可进行无人机各模块的调试以及参数设置，还能够进行航线规划设定，飞行过程中可以实时监控无人机的飞行位置以及各类飞行参数；所述步骤S2中针对边坡范围进行航线规划，航线采用网格模式，航线应保证像片的航向重叠率至少在75%以上，旁向重叠率在60%以上，航线在高度上应动态调整以适应边坡高程变化特征，航拍过程中要始终保持无人机距离地表高度值相对固定，通常在50米~200米之间。应在边坡坡脚位置设置起始航线，逐渐向上直到边坡坡顶位置设置结束航线。无人机飞行速率应在10米~20米/秒之间，相机拍摄速率应不低于1秒/张；所述步骤S2中小型无人机采集边坡像片应保证清晰、覆盖范围完整、满足重叠率要求。

4.根据权利要求1所述的一种基于小型无人机遥感的边坡变形检测及量算方法，其特征在于，所述步骤S3中基于像控点的边坡三维点云坐标校正，应挑选S1中布设和测量的占70%左右数量的像控点，并保证被挑选像控点由边坡范围内外点共同构成，且分布尽量均匀。

5.根据权利要求1或4所述的一种基于小型无人机遥感的边坡变形检测及量算方法，其特征在于，所述步骤S3中反映真实地形的边坡密集三维点云生成，应首先对边坡稀疏三维点云进行去噪处理，包括去除孤立点云、去除真实地形表面覆盖物点云，优化生成反映真实地形的边坡稀疏三维点云，然后再对稀疏点云进行插值计算生成边坡密集三维点云。

6.根据权利要求1所述的一种基于小型无人机遥感的边坡变形检测及量算方法，其特征在于，所述步骤S4中对边坡三维点云进行绝对位置精度检验，应选择剩余30%左右数量的像控点，即除去S1中布设和测量的占70%左右数量的用于S3校正三维点云坐标的其余像控点，作为检查点。以各检查点在边坡密集三维点云中的坐标与通过控制测量获得的坐标求差值，作为各检查点的绝对位置误差。并进一步计算所有检查点在X、Y、Z三个方向上的误差最大值、最小值、均值、标准差值以及均方根误差值。再根据计算出的误差指标检验边坡密集三维点云的绝对精度，主要标准包括：均方根误差及标准差应越接近于0越好，最大值、最小值、均值的绝对值应越小越好；均方根误差还应小于通过其他手段预估获得的边坡最小变形量，一般至少小一个数量级，即如预估边坡变形量在厘米级，则误差应在毫米级范围。且所有指标中，均方根误差是最重要的指标，应优先检验。

此外，还可以根据具体情况自定义检验精度标准，但必须确保边坡密集三维点云的绝对位置精度能够满足检测和量算出边坡真实变形的实际需求。

7.根据权利要求1所述的一种基于小型无人机遥感的边坡变形检测及量算方法，其特征在于，所述步骤S4中绝对位置精度检验必须满足要求后，才能进行下一步处理；否则应更换用作三维点云坐标校正的70%左右数量像控点中的部分点，再重新优化生成边坡三维点云，并重新进行绝对位置精度检验，直到精度满足要求为止。

8.根据权利要求1所述的一种基于小型无人机遥感的边坡变形检测及量算方法，其特征在于，所述步骤S5中高精度配准前后两期边坡三维点云，必须首先选择和提取前后两期边坡外稳定无变化且易识别区，如大片基岩出露、平坦公路路面的三维点云，利用经典的最近点迭代ICP相关算法，通过粗配准和精确配准，获取前后两期边坡三维点云配准参数，包括旋转矩阵、平移矩阵等。再利用配准参数对前后两期整个边坡的密集三维点云进行最终的精确配准。

9.根据权利要求1所述的一种基于小型无人机遥感的边坡变形检测及量算方法，其特征在于，所述步骤S6中进行边坡变形检测及量算的前后两期高精度遥感成果，包括高精度配准的密集三维点云以及由其生成的数字高程模型DEM及数字正射影像DOM；所述步骤S6中前后两期的边坡变形检测，首先应对前后两期DEMs进行差值求解计算，即在地理信息系统GIS中，采用栅格计算器用后期DEM减去前期DEM，结果为零值的区域为地形无变化区，正值区域为地形高程增加区，负值区域则为地形高程减少区，再利用GIS提取出边坡范围内的非零值区域，就可获得边坡内前后两期之间的地形变化区域。同时应基于前后两期DOMs进行变化检测分析，方法是在遥感图像处理软件中采用直接比较法，获得并提取边坡范围内的影像变化区域。然后，利用GIS将检测到的地形变化区域与影像变化区域进行叠加，通过人工识别等综合分析以建立边坡变形判译标志。最后根据该标志筛选、圈定和提取出边坡内的所有真实变形区域。另外，还应将上述变形区前后两期的DEMs、DOMs以及DEM差值求解结果分别存储为GIS图层或文件，以作为边坡变形量算的基础数据源。

10.根据权利要求1或9所述的一种基于小型无人机遥感的边坡变形检测及量算方法，其特征在于，所述步骤S6中前后两期的边坡变形量算，首先应在GIS中加载边坡内真实变形区的DEM差值求解图层，分别筛选出所有正值栅格和负值栅格，并计算相应的所有正值栅格值之和及所有负值栅格值之和的绝对值，再分别乘以每个栅格单元面积，即可获取边坡在前后两期之间由于变形引起的坡体物质增加体积和减少体积。然后应根据DEM差值求解图层特征判断边坡变形性质，方法为：如果边坡内存在较大面积的零值区域（地形无变化区），而正值或负值区域（地形变化区）呈分散分布，表明该边坡主要以局部变形为主；反之，如果边坡内零值区域较小甚至不存在，而正值或负值区域基本覆盖整个边坡范围，则表明该边坡以整体变形为主。如果边坡为局部变形，则定量化计算各局部变形的物质增减体积即可。如果边坡为整体变形，则除了定量化计算整体变形的物质增减体积外，还应计算获得边坡平面变形场信息，计算方法主要采用数字图像相关分析DIC方法，即以前期DOM或DEM为参考图像，以后期相应的DOM或DEM为目标图像，利用各栅格像元点的颜色、纹理、散斑、灰度等特征，在前后图像上建立起对应关系，然后根据这种对应关系寻找各栅格像元的对应点，并直接量算获得位移矢量它既包括位移量又包括方向，再将所有栅格像元的位移矢量表示为二维平面场即得到了边坡的平面变形场。