CN110378199A - 一种基于无人机多期影像的岩土体位移监测方法 - Google Patents

一种基于无人机多期影像的岩土体位移监测方法 Download PDF

Info

Publication number
CN110378199A
CN110378199A CN201910476934.5A CN201910476934A CN110378199A CN 110378199 A CN110378199 A CN 110378199A CN 201910476934 A CN201910476934 A CN 201910476934A CN 110378199 A CN110378199 A CN 110378199A
Authority
CN
China
Prior art keywords
orthogonal projection
image
displacement
rock
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910476934.5A
Other languages
English (en)
Other versions
CN110378199B (zh
Inventor
谢谟文
张晓勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Peacemap Data Technology Co ltd
Original Assignee
BEIJING BEIKE ANDI TECHNOLOGY DEVELOPMENT Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by BEIJING BEIKE ANDI TECHNOLOGY DEVELOPMENT Co Ltd filed Critical BEIJING BEIKE ANDI TECHNOLOGY DEVELOPMENT Co Ltd
Priority to CN201910476934.5A priority Critical patent/CN110378199B/zh
Publication of CN110378199A publication Critical patent/CN110378199A/zh
Application granted granted Critical
Publication of CN110378199B publication Critical patent/CN110378199B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于无人机多期影像的岩土体位移监测方法，该方法通过分析无人机多期影像，计算地表岩土体的位移，属于岩土工程防灾减灾、岩土体变形监测技术领域。本发明通过对多期岩土体的航拍摄影像标准化处理、获取基准点数据、偏移校正、透视变换，通过图像相关系数计算，得到岩土体平面位移，通过设定多元约束规则，确保计算结果的正确性，最后进行位移矢量还原，为地表岩土体变形监测提供了可靠简洁的方法。

Description

一种基于无人机多期影像的岩土体位移监测方法
技术领域
本发明涉及岩土工程防灾减灾、岩土体变形监测分析领域，特别是指一种基于无人机多期影像的岩土体位移监测方法。
背景技术
滑坡是一种常见的地质灾害，对滑坡的变形监测由来已久，目前针对滑坡变形监测的方法也是多种多样，可按监测距离分为接触式监测和非接触式监测，或按照监测范围分为点式监测、线式监测或面状监测。常规非接触式监测通常受到天气、地形等客观因素的影响，且对监测结果无法得到快速、精准的解析。
无人机航拍技术渐进成熟，随着影像处理技术日趋进步，通过对无人机航拍多期影像的精准匹配来识别地表岩土体的位移已成为可能。
本发明就是在此基础上，提出了利用图像互相关技术，对两期无人机航拍影像进行分析处理，识别影像中的变形区域，并计算出实际位移的大小，完成对地表岩土体位移的计算。
发明内容
本发明的目的是补充现有的滑坡监测方法，提出了一种基于无人机多期影像的岩土体位移监测方法，主要包括：航拍影像标准化处理、获取基准点数据、偏移校正、透视变换、计算结果判断、计算参数调整、数据异常值剔除、位移矢量还原、数据保存，具体步骤如下：
(1)航拍影像标准化处理
选中重点调查区域进行无人机航拍，后期将在该区域拍摄的多组2D照片利用PhotoScan通过给予控制点，生成高分辨率、真实坐标的三维模型，并导出正射投影图，首期拍摄所得正射投影图命名为正射投影图a，后期拍摄所得正射投影图命名为正射投影图b；
(2)获取基准点数据
在所述正射投影图a和正射投影图b的靠近边缘的四周分别选取四个特征明显的基准点部位，在两个正射投影图的对应部位分别截取相同大小且包含基准点部位的图片，并同时记录截图起始点坐标，图片左上角为原点，向下为x正方向，向右为y正方向，八个截图起始点坐标分别为(xa1,ya1)、(xa2,ya2)、(xa3,ya3)、 (xa4,ya4)、(xb1,yb1)、(xb2,yb2)、(xb3,yb3)、(xb4,yb4)；
分别将在正射投影图a和正射投影图b上的截图进行重合操作，记录后者相对于前者的偏移向量，使用Photoshop软件进行所述重合操作，将正射投影图a的某基准点部位截图作为底图层，将正射投影图b的对应基准点部位截图作为覆盖图层，并将正射投影图b不透明度设置为50％，然后用键盘方向键移动覆盖图层直至两图层的基准点部位轮廓重合，记录此时移动的x轴和y轴的像素数量作为的偏移向量，基准点部位截图偏移向量分别为(Δx1,Δy1)、(Δx2,Δy2)、 (Δx3,Δy3)、(Δx4,Δy4)；
(3)偏移校正
正射投影图a和b分别单独生成，通过偏移校正将两张正射投影图里的场景轮廓线进行对齐，分别取正射投影图a和正射投影图b的左上侧截图，正射投影图b上边界、左边界与正射投影图a上边界、左边界之间距离分别为a1、b1，正射投影图a截图的上边界、左边界与正射投影图b的上边界、左边界之间的距离分别为a2、b2，正射投影图b截图的上边界、左边界与正射投影图a截图的上边界、左边界之间的距离分别为a3、b3，方向右下为正、左上为负，正射投影图a和正射投影图b截图的起始点坐标分别为(xa,ya)、(xb,yb)，对应基准点部位截图偏移向量为(Δx，Δy)，则图中对应数据关系为：xa＝a1+a2，ya＝b1+b2， xb＝a2+a3，yb＝b2+b3，Δx＝a3，Δy＝b3，则正射投影图偏移向量为 (a1,b1)＝(xa-xb+Δx,ya-yb+Δy)；
分别计算出4个部位各自对应的正射投影图偏移向量，选择其中的效果好的正射投影图偏移向量偏移正射投影图b，空白部分用白色填充，得到正射投影图b四个基准点部位截图的新起始点坐标(xb1',yb1')、(xb2',yb2')、(xb3',yb3')、 (xb4',yb4')；
(4)透视变换
由于偏移校正仅仅根据四个部位中的一个部位校正，其他部位的对应坐标可能不相同，需要通过透视变换将另外三个对应点对齐，若另外三点坐标基本一致，可不进行透视变换；
透视变换采用的是OpenCV透视变换函数getPerspectiveTransform和warpPerspective，分别根据透视变换对应的四对像素点坐标求得透视变换矩阵和透视变换矩阵对图像所有像素点坐标完成透视变换；
(5)输入参数，计算位移
使用完成上述步骤(1)-(4)处理后的影像计算岩土体的变形，采用图像互相关匹配技术，计算两幅影像中特定计算窗口中图像的相关性系数，其互相关函数公式如下：
上式的物理意义：(k,l)为像素坐标，图像a和图像b在平面上相对位移(m,n) 时的相似程度，其相关性系数峰值时的位移(m,n)即为岩土体的位移。
上述的计算过程中，需要在目标图像的大区域内寻找参考图像小区域的相关系数峰值，为了加快运算速度，将光学影像看作是随时间变化的离散二位信号场序列，采取快速傅里叶变换算法，计算其相关性系数，求出位移大小；
快速傅里叶变换算法决定，其计算时图像的大小必须为2的整数次幂，这就要求我们在选择计算窗口时必须依据图像实际大小和计算机性能，选择合适的计算窗口；
(6)计算结果判断
岩土体的变形都具有一定的方向性，若步骤(5)中计算参数设置不合理，在计算a、b像素相关系数时会出现峰值点误差，相关系数的计算结果会表现出很强的随机性，通过对步骤(5)计算结果进行分析，设置合适的判断规则，若相关系数计算结果不满足判断规则，则对参数进行优化，重复步骤(5)，判断规则如下：
FE(μ+2δ)-FE(μ-2δ)≥90％ (2)
其中：μ为整个图像相关系数的平均值，δ为整个图像相关系数的标准差，上式的物理意义是当图像的相关性系数都在(μ-2δ，μ+2δ)的区间内，即认为图像的相关性系数较好，处理结果具有较高的可信度；
当图像的相关性系数满足可信度要求时，对像素位移计算结果进行判断，通过遥感影像判断岩土体的变形，位移计算结果评价不适用正态分布模型而是成独特的双峰分布(如图6)，第一个峰值点横坐标为零点，分布着影像中位移不变的点，第二个峰值点横坐标为岩土体位移值，分布着影像中变形点；
针对其位移值的分布规律，本方案考虑将其位移分布函数视为两个正态分布的函数的叠加，先消去平均值为零的正态分布函数，再按照正态分布计算其剩余部分数据的准确性。
如果根据影像计算的位移值也满足其分布规律则计算完成，进入步骤(8)，若其位移值或相关系数不满足规则，进入步骤(7)。
(7)计算参数调整
当步骤(5)中，图像的相关系数或位移值不满足既定规则时，则进行计算参数调整，增大步骤(5)中的计算窗口；
(8)数据异常值剔除
为了提高处理结果的准确性，采用高通滤波和低通滤波剔除变形计算结果的无效值，
其中，n、和δu分别代表位移的大小、平均值、和标准差；tupper和tlower为高阈值和低阈值，为了保证异常值剔除后数据的完整性，对剔除异常点的位移进行插值，通过拾取异常点周围9个点的数值，以其9个点的平均值替代为该异常点数值；
(9)位移矢量还原
为了将位移计算结果还原到影像的原始坐标，需要再次进行坐标变换，通过线性变换将正射投影图a(x,y)处的计算位移值m、n，转换为正射投影图a对应(X,Y)处的实际位移值M、N，计算方法如下：
X＝x·Δ+a (4)
Y＝y·Δ+b (5)
U(X,Y)＝i(x,y)·Δ (6)
V(X,Y)＝j(x,y)·Δ (7)
其中：Δ为像素的分辨率大小，单位米；a、b为影像左上角顶点的实际水平、竖直坐标，单位米。
(10)保存数据
清除无关信息，保存位移计算结果为text文档，计算结束。
附图说明
图1为本方法的流程图；
图2为滑坡滑动前区域正射投影图；
图3为滑坡滑动后区域正射投影图；
图4为正射投影图基准点选取；
图5为地表变形计算结果；
图6为双峰分布模型。
具体实施方式
本实施例为本发明的优选实施方式，其他凡是其原理和基本结构或实现方法与本实施例相同或近似的，均在本发明保护范围之内。
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。猴子岩开顶滑坡位于四川省康定市大渡河右岸，初期滑坡变形较为缓慢，2018年2月中旬，滑坡体变形经历了一个明显的加速阶段，2月中旬之后，滑坡体的位移逐渐减小，滑坡体趋于稳定。通过无人机航拍滑坡发生前后的多期影像，应用此岩土体变形监测系统对滑坡的变形进行分析。图1为基于无人机多期影像的岩土体位移监测系统的流程图。具体实现步骤如下所示：
(1)选中猴子岩开顶滑坡重点调查区域进行无人机航拍，后期将在该区域拍摄的多组2D照片利用PhotoScan通过给予控制点，生成高分辨率、真实坐标的三维模型，并导出正射投影图。首期拍摄所得正射投影图命名为正射投影图a，后期拍摄所得正射投影图命名为正射投影图b，如图2、图3所示。
(2)在正射投影图a和正射投影图b的靠近边缘的四周分别选取四个特征明显的基准点部位，如图4所示，在两个正射投影图的对应部位分别截取相同大小且包含基准点部位的图片，并同时记录截图起始点坐标，图片左上角为原点，向下为x正方向，向右为y正方向，八个截图起始点坐标分别为(xa1,ya1)、 (xa2,ya2)、(xa3,ya3)、(xa4,ya4)、(xb1,yb1)、(xb2,yb2)、(xb3,yb3)、(xb4,yb4)；
分别将在正射投影图a和正射投影图b上的截图进行重合操作，记录后者相对于前者的偏移向量，使用Photoshop软件进行所述重合操作，将正射投影图a的某基准点部位截图作为底图层，将正射投影图b的对应基准点部位截图作为覆盖图层，并将正射投影图b不透明度设置为50％，然后用键盘方向键移动覆盖图层直至两图层的基准点部位轮廓重合，记录此时移动的x轴和y轴的像素数量作为的偏移向量，基准点部位截图偏移向量分别为(Δx1,Δy1)、(Δx2,Δy2)、 (Δx3,Δy3)、(Δx4,Δy4)；
(3)对前后两期的正射投影图进行透视变换，将两期正射投影图的基准点部位截图起始点坐标进行对齐。
(4)划定计算范围，设置原始计算窗口为32*32，通过计算得到初始位移结果，计算方法如下：采用图像互相关匹配技术，计算两幅影像中特定计算窗口中图像的相关性系数，其互相关函数公式如下：
公式物理意义：(k,l)为像素坐标，图像a和图像b在平面上相对位移(m,n)时的相似程度，其相关性系数峰值时的位移(m,n)即为岩土体的位移。
利用判断规则进行初步判断。判断规则如下：
FE(μ+2δ)-FE(μ-2δ)≥90％
公式物理意义：μ为整个图像相关系数的平均值，δ为整个图像相关系数的标准差，上式的物理意义是当图像的相关性系数都在(μ-2δ，μ+2δ)的区间内，即认为图像的相关性系数较好，处理结果具有较高的可信度；
(5)对初步计算结果进行判断，若数据结果不满足，则重复第(4)步骤，直至数据结果满足为止。
(6)对二次计算结果进行验证，过滤剔除异常值，完成对位移量的计算，过滤提出异常值计算方法如下：
其中，n、和δu分别代表位移的大小、平均值、和标准差；tupper和tlower为高阈值和低阈值，为了保证异常值剔除后数据的完整性，对剔除异常点的位移进行插值，通过拾取异常点周围9个点的数值，以其9个点的平均值替代为该异常点数值；
(7)通过线性变换将正射投影图a(x,y)处的计算位移值m、n，转换为正射投影图a对应(X,Y)处的实际位移值M、N，计算方法如下：
X＝x·Δ+a
Y＝y·Δ+b
U(X,Y)＝i(x,y)·Δ
V(X,Y)＝j(x,y)·Δ
其中：Δ为像素的分辨率大小，单位米；a、b为影像左上角顶点的实际水平、竖直坐标，单位米。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (1)

1.一种基于无人机多期影像的岩土体位移监测方法，其特征在于具体步骤如下：
(1)航拍影像标准化处理
选中重点调查区域进行无人机航拍，后期将在该区域拍摄的多组2D照片利用PhotoScan通过给予控制点，生成高分辨率、真实坐标的三维模型，并导出正射投影图，首期拍摄所得正射投影图命名为正射投影图a，后期拍摄所得正射投影图命名为正射投影图b；
(2)获取基准点数据
在所述正射投影图a和正射投影图b的靠近边缘的四周分别选取四个特征明显的基准点部位，在两个正射投影图的对应部位分别截取相同大小且包含基准点部位的图片，并同时记录截图起始点坐标，图片左上角为原点，向下为x正方向，向右为y正方向，八个截图起始点坐标分别为(xa1,ya1)、(xa2,ya2)、(xa3,ya3)、(xa4,ya4)、(xb1,yb1)、(xb2,yb2)、(xb3,yb3)、(xb4,yb4)；
分别将在正射投影图a和正射投影图b上的截图进行重合操作，记录后者相对于前者的偏移向量，使用Photoshop软件进行所述重合操作，将正射投影图a的某基准点部位截图作为底图层，将正射投影图b的对应基准点部位截图作为覆盖图层，并将其不透明度设置为50％，然后用键盘方向键移动覆盖图层直至两图层的基准点部位轮廓重合，记录此时移动的x轴和y轴的像素数量作为的偏移向量，基准点部位截图偏移向量分别为(Δx1,Δy1)、(Δx2,Δy2)、(Δx3,Δy3)、(Δx4,Δy4)；
(3)偏移校正
正射投影图a和b分别单独生成，通过偏移校正将两张正射投影图里的场景轮廓线进行对齐，分别取正射投影图a和正射投影图b的左上侧截图，正射投影图b上边界、左边界与正射投影图a上边界、左边界之间距离分别为a1、b1，正射投影图a截图的上边界、左边界与正射投影图b的上边界、左边界之间的距离分别为a2、b2，正射投影图b截图的上边界、左边界与正射投影图a截图的上边界、左边界之间的距离分别为a3、b3，方向右下为正、左上为负，正射投影图a和正射投影图b截图的起始点坐标分别为(xa,ya)、(xb,yb)，对应基准点部位截图偏移向量为(Δx，Δy)，则图中对应数据关系为：xa＝a1+a2，ya＝b1+b2，xb＝a2+a3，yb＝b2+b3，Δx＝a3，Δy＝b3，则正射投影图偏移向量为(a1,b1)＝(xa-xb+Δx,ya-yb+Δy)；
分别计算出4个部位各自对应的正射投影图偏移向量，选择其中的效果好的正射投影图偏移向量偏移正射投影图b，空白部分用白色填充，得到正射投影图b四个基准点部位截图的新起始点坐标(xb1′,yb1′)、(xb2′,yb2′)、(xb3′,yb3′)、(xb4′,yb4′)；
(4)透视变换
由于偏移校正仅仅根据四个部位中的一个部位校正，其他部位的对应坐标可能不相同，需要通过透视变换将另外三个对应点对齐，若另外三点坐标基本一致，可不进行透视变换；
透视变换采用的是OpenCV透视变换函数getPerspectiveTransform和warpPerspective，分别根据透视变换对应的四对像素点坐标求得透视变换矩阵和透视变换矩阵对图像所有像素点坐标完成透视变换；(5)输入参数，计算位移
使用完成上述步骤(1)-(4)处理后的影像计算岩土体的变形，采用图像互相关匹配技术，计算两幅影像中特定计算窗口中图像的相关性系数，其互相关函数公式如下：
上式的物理意义：(k,l)为像素坐标，图像a和图像b在平面上相对位移(m,n)时的相似程度，其相关性系数峰值时的位移(m,n)即为岩土体的位移，；
上述的计算过程中，需要在目标图像的大区域内寻找参考图像小区域的相关系数峰值，为了加快运算速度，将光学影像看作是随时间变化的离散二位信号场序列，采取快速傅里叶变换算法，计算其相关性系数，求出位移大小；
快速傅里叶变换算法决定，其计算时图像的大小必须为2的整数次幂，这就要求我们在选择计算窗口时必须依据图像实际大小和计算机性能，选择合适的计算窗口；
(6)计算结果判断
岩土体的变形都具有一定的方向性，若步骤(5)中计算参数设置不合理，在计算a、b像素相关系数时会出现峰值点误差，相关系数的计算结果会表现出很强的随机性，通过对步骤(5)计算结果进行分析，设置合适的判断规则，若相关系数计算结果不满足判断规则，则对参数进行优化，重复步骤(5)，判断规则如下：
FE(μ+2δ)-FE(μ-2δ)≥90％ (2)
其中：μ为整个图像相关系数的平均值，δ为整个图像相关系数的标准差，上式的物理意义是当图像的相关性系数都在(μ-2δ，μ+2δ)的区间内，即认为图像的相关性系数较好，处理结果具有较高的可信度；
当图像的相关性系数满足可信度要求时，对像素位移计算结果进行判断，通过遥感影像判断岩土体的变形，位移计算结果评价不适用正态分布模型而是成独特的双峰分布，第一个峰值点横坐标为零点，分布着影像中位移不变的点，第二个峰值点横坐标为岩土体位移值，分布着影像中变形点；
针对位移值的分布规律，将位移分布函数视为两个正态分布的函数的叠加，先消去平均值为零的正态分布函数，再按照正态分布计算剩余部分数据的准确性；
如果根据影像计算的位移值也满足分布规律，则计算完成，进入步骤(8)，若位移值或相关系数不满足判断规则，进入步骤(7)；
(7)计算参数调整
当步骤(5)中，图像的相关系数或位移值不满足既定规则时，则进行计算参数调整，增大步骤(5)中的计算窗口；
(8)数据异常值剔除
为了提高处理结果的准确性，采用高通滤波和低通滤波剔除变形计算结果的无效值，
其中，n、和δu分别代表位移的大小、平均值、和标准差；tupper和tlower为高阈值和低阈值，为了保证异常值剔除后数据的完整性，对剔除异常点的位移进行插值，通过拾取异常点周围9个点的数值，以其9个点的平均值替代为该异常点数值；
(9)位移矢量还原
为了将位移计算结果还原到影像的原始坐标，需要再次进行坐标变换，通过线性变换将正射投影图a(x,y)处的计算位移值m、n，转换为正射投影图a对应(X,Y)处的实际位移值M、N，计算方法如下：
X＝x·Δ+a(4)
Y＝y·Δ+b(5)
U(X,Y)＝i(x,y)·Δ(6)
V(X,Y)＝j(x,y)·Δ(7)
其中：Δ为像素的分辨率大小，单位米；a、b为影像左上角顶点的实际水平、竖直坐标，单位米；
(10)保存数据
清除无关信息，保存位移计算结果为text文档，计算结束。
CN201910476934.5A 2019-06-03 2019-06-03 一种基于无人机多期影像的岩土体位移监测方法 Expired - Fee Related CN110378199B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910476934.5A CN110378199B (zh) 2019-06-03 2019-06-03 一种基于无人机多期影像的岩土体位移监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910476934.5A CN110378199B (zh) 2019-06-03 2019-06-03 一种基于无人机多期影像的岩土体位移监测方法

Publications (2)

Publication Number Publication Date
CN110378199A true CN110378199A (zh) 2019-10-25
CN110378199B CN110378199B (zh) 2021-08-06

Family

ID=68249696

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910476934.5A Expired - Fee Related CN110378199B (zh) 2019-06-03 2019-06-03 一种基于无人机多期影像的岩土体位移监测方法

Country Status (1)

Country Link
CN (1) CN110378199B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112577438A (zh) * 2020-11-16 2021-03-30 中国矿业大学 一种利用无人机影像的煤矿区三维形变监测方法
CN113587834A (zh) * 2021-07-15 2021-11-02 长江三峡勘测研究院有限公司（武汉） 一种基于无控摄影测量的边坡变形监测方法
CN115201518A (zh) * 2022-07-25 2022-10-18 水利部交通运输部国家能源局南京水利科学研究院 基于无人机rtk定位的图像测流快速标定方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090161944A1 (en) * 2007-12-21 2009-06-25 Industrial Technology Research Institute Target detecting, editing and rebuilding method and system by 3d image
CN104299249A (zh) * 2014-08-20 2015-01-21 深圳大学 高鲁棒性的标志点解码方法及系统
CN104599229A (zh) * 2015-01-13 2015-05-06 河海大学 一种岩土体材料快速矢量化方法
CN105512646A (zh) * 2016-01-19 2016-04-20 腾讯科技（深圳）有限公司 一种数据处理方法、装置及终端
CN107316325A (zh) * 2017-06-07 2017-11-03 华南理工大学 一种基于图像配准的机载激光点云与影像配准融合方法
US20190026938A1 (en) * 2017-07-18 2019-01-24 Fuscoe Engineering, Inc. Three-dimensional modeling from optical capture

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090161944A1 (en) * 2007-12-21 2009-06-25 Industrial Technology Research Institute Target detecting, editing and rebuilding method and system by 3d image
CN104299249A (zh) * 2014-08-20 2015-01-21 深圳大学 高鲁棒性的标志点解码方法及系统
CN104599229A (zh) * 2015-01-13 2015-05-06 河海大学 一种岩土体材料快速矢量化方法
CN105512646A (zh) * 2016-01-19 2016-04-20 腾讯科技（深圳）有限公司 一种数据处理方法、装置及终端
CN107316325A (zh) * 2017-06-07 2017-11-03 华南理工大学 一种基于图像配准的机载激光点云与影像配准融合方法
US20190026938A1 (en) * 2017-07-18 2019-01-24 Fuscoe Engineering, Inc. Three-dimensional modeling from optical capture

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李江: "四川省南江县红层地区缓倾岩质滑坡成因机理与预警研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112577438A (zh) * 2020-11-16 2021-03-30 中国矿业大学 一种利用无人机影像的煤矿区三维形变监测方法
CN113587834A (zh) * 2021-07-15 2021-11-02 长江三峡勘测研究院有限公司（武汉） 一种基于无控摄影测量的边坡变形监测方法
CN115201518A (zh) * 2022-07-25 2022-10-18 水利部交通运输部国家能源局南京水利科学研究院 基于无人机rtk定位的图像测流快速标定方法

Also Published As

Publication number Publication date
CN110378199B (zh) 2021-08-06

Similar Documents

Publication Publication Date Title
CN110945565B (zh) 利用概率面元地图的密集视觉slam
CN110378199A (zh) 一种基于无人机多期影像的岩土体位移监测方法
CN103116896B (zh) 一种基于视觉显著性模型的自动检测跟踪方法
CN110310320B (zh) 一种双目视觉匹配代价聚合优化方法
Saxena et al. Depth Estimation Using Monocular and Stereo Cues.
Pfeiffer et al. Exploiting the power of stereo confidences
CN104820991B (zh) 一种基于代价矩阵的多重软约束立体匹配方法
CN114365195A (zh) 结构注释
CN107424161B (zh) 一种由粗至精的室内场景图像布局估计方法
CN105761308A (zh) 一种地面LiDAR和影像数据融合的遮挡区域建筑物立面重建方法
CN100547603C (zh) 一种地面建筑物识别定位方法
CN103106667A (zh) 一种面向遮挡和场景变换的运动对象追踪方法
Hua et al. Extended guided filtering for depth map upsampling
CN104599288A (zh) 一种基于肤色模板的特征跟踪方法及装置
CN112883850A (zh) 一种基于卷积神经网络的多视角空天遥感图像匹配方法
CN114332214A (zh) 物体姿态估计方法、装置、电子设备及存储介质
CN102903111B (zh) 基于图像分割的大面积低纹理区立体匹配算法
CN107103610B (zh) 立体测绘卫星影像匹配可疑区域自动检测方法
CN106408596A (zh) 基于边缘的局部立体匹配方法
CN104217436A (zh) 基于多特征联合稀疏图的sar图像分割方法
Einecke et al. Stereo image warping for improved depth estimation of road surfaces
CN110942102B (zh) 一种概率松弛核线匹配方法及系统
CN111476723B (zh) 一种Landsat-7扫描线纠正器失效的遥感图像丢失像素恢复方法
CN105225233B (zh) 一种基于两类膨胀的立体影像密集匹配方法及系统
CN107527348B (zh) 基于多尺度分割的显著性检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20210903

Address after: Room 03, 18 / F, block a, science and Technology University Tiangong building, 30 Xueyuan Road, Haidian District, Beijing 100083

Patentee after: BEIJING PEACEMAP DATA TECHNOLOGY Co.,Ltd.

Address before: Room 603, West 6th floor, Kequn building, No. 30 Xueyuan Road, Haidian District, Beijing 100083

Patentee before: BEIJING BEIKE ANDI TECHNOLOGY DEVELOPMENT Co.,Ltd.

TR01 Transfer of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210806

CF01 Termination of patent right due to non-payment of annual fee