CN111006593A - 一种应用无人机进行山体地貌监测及滑坡预测方法及系统 - Google Patents

一种应用无人机进行山体地貌监测及滑坡预测方法及系统 Download PDF

Info

Publication number
CN111006593A
CN111006593A CN201911284393.2A CN201911284393A CN111006593A CN 111006593 A CN111006593 A CN 111006593A CN 201911284393 A CN201911284393 A CN 201911284393A CN 111006593 A CN111006593 A CN 111006593A
Authority
CN
China
Prior art keywords
mountain
unmanned aerial
aerial vehicle
information
landslide
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.)
Pending
Application number
CN201911284393.2A
Other languages
English (en)
Inventor
孙荣康
程曦
王五丰
廖水华
钟小军
陈磊
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.)
Heroland Spatial Information Tech Co ltd
Original Assignee
Heroland Spatial Information Tech 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 Heroland Spatial Information Tech Co ltd filed Critical Heroland Spatial Information Tech Co ltd
Priority to CN201911284393.2A priority Critical patent/CN111006593A/zh
Publication of CN111006593A publication Critical patent/CN111006593A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

本发明涉及一种应用无人机进行山体地貌监测及滑坡预测方法及系统，其方法包括控制无人机在预设监测点位对目标区域进行拍摄，获取目标区域的山体局部影像信息以及对应的无人机位姿信息；进行特征提取处理，获取山体表面特征点并确定山体表面特征点的初始三维坐标信息；间隔设定时间后在相同的预设监测点位重复上述步骤，获取山体表面特征点的当前三维坐标信息，并确定表面特征点的偏移量；以确定山体滑坡风险等级。本发明通过远程控制无人机对山体的目标区域进行拍摄，确定特征点的初始三维坐标信息和当前三维坐标信息，这样即可准确确定山体局部偏移量，确定山体滑坡风险等级，整个监测均可进行远程控制，有效减小作业人员工作风险，监测精度高。

Description

一种应用无人机进行山体地貌监测及滑坡预测方法及系统
技术领域
本发明涉及山体勘察监测技术领域，尤其涉及一种应用无人机进行山体地貌监测及滑坡预测方法及系统。
背景技术
山体滑陂是指山体斜坡上某一部分岩土在自身重力或地下水的动静压力作用下，沿着一定的软弱结构面产生剪切位移而整体地向斜坡下方移动的作用和现象。
山体滑坡多发生在山地的山坡、丘陵地区的斜坡、岸边、路堤或基坑等地带。特别位于人民居住、山区道路、铁路沿线等区域，山体滑坡不仅造成一定范围内的人员伤亡、财产损失，还会对附近道路交通造成严重威胁，破环现有的自然环境及平衡。
滑坡的发展一般分为三个阶段。1.蠕动变形阶段：主要是缓慢、匀速、小量的沉陷或滑移，坡面出现裂缝，后缘渐被拉裂，历时从数天到数十年；2.急剧滑动阶段：滑动面和切割面已形成，各种滑坡形态相继出现，急剧滑动阶段历时很短，一般约几分钟到几十分钟，快的每分钟数米到数十米，甚至每秒几十米；3.渐趋稳定阶段：在重力等作用下，滑坡体土石块逐渐密实，地表裂缝闭合，前缘渗水变清，滑体趋于稳定，但如遇新的诱发因素，又再次变形破坏。滑坡的形成有自然因素和人为因素两方面。自然因素就防汛而言有地貌形态、地质结构、降水、地下水等；人为因素有边坡开挖过陡、爆破影响、堆土不当等。滑坡需有临空面和各种因素的综合作用下形成滑动面与切割面，且滑动力大于抗滑力时才能下滑。滑动面与剪切面经常不是同时形成，而是在一个点或一个局部范围先剪断破坏，然后逐渐发展成贯通的剪切破坏面。
在发生滑坡前，会产生一系列的特征，如岩土裂缝、垮塌、水位异常等较为异常现象。这些特征都易于检测或观测到，因此，针对有潜在危害的山体进行监测，对山体滑坡的预测具有非常重要的作用。但是，现有技术中，对山体滑坡没有比较及时有效的技术手段，通常都是人工进行户外勘察，不仅效率低、人工劳动强度大，监测人员人员安全无法得到保证，并且在出现山体滑坡时还不能及时发现，造成较大的经济损失。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足，提供一种应用无人机进行山体地貌监测及滑坡预测方法及系统。
本发明解决上述技术问题的技术方案如下：一种应用无人机进行山体地貌监测及滑坡预测方法及系统，包括如下步骤：
控制无人机绕着山体飞行并在预设监测点位对目标区域进行拍摄，获取所述目标区域的山体局部影像信息以及对应拍摄时刻的无人机位姿信息；
对所述山体局部影像信息进行特征提取处理，获取山体表面特征点，并确定所述山体表面特征点的初始三维坐标信息；
间隔设定时间后在相同的所述预设监测点位重复上述步骤，获取所述山体表面特征点的当前三维坐标信息，并根据所述山体表面特征点的初始三维坐标信息和当前三维坐标信息确定所述山体表面特征点的偏移量；
根据所述山体表面特征点的偏移量确定山体滑坡风险等级。
本发明的有益效果是：本发明的应用无人机进行山体地貌监测及滑坡预测方法，通过采用远程控制无人机对山体的目标区域进行拍摄，获取所述目标区域的山体局部影像信息以及对应拍摄时刻的无人机位姿信息，然后提取特征点并确定特征点的初始三维坐标信息，按照同样的方式获取特征点的当前三维坐标信息，这样即可准确确定山体局部偏移量，进而确定山体滑坡风险等级，整个监测均可进行远程控制，有效减小作业人员工作风险，对操作人员要求较低，操作方法简单、实用，并且监测结果精确，为山体滑坡预防提供有效参考。
在上述技术方案的基础上，本发明还可以做如下改进：
进一步：所述获取目标区域的山体局部影像信息以及对应拍摄时刻的无人机位姿信息的具体实现为：
通过设置在所述无人机上的摄像组件对山体的所述目标区域进行拍摄，获取所述目标区域的山体局部影像信息，并记录拍摄之后摄像组件角度偏转信息；
通过设置在所述无人机上的定位模块和姿态传感组件分别获取所述摄像组件拍摄时刻的无人机中心点坐标信息和无人机姿态信息；
其中，所述无人机位姿信息包括无人机中心点坐标信息、无人机姿态信息和摄像组件角度偏转信息。
上述进一步方案的有益效果是：通过所述摄像组件可以对山体的目标区域进行拍摄，以获取山体局部影像信息以及摄像组件角度偏转信息，通过所述定位模块和姿态传感组可以分别获取所述拍摄组件拍摄时刻的无人机中心点坐标信息和无人机姿态信息，这样可以便于后续根据所述摄像组件角度偏转信息、无人机中心点坐标信息和无人机姿态信息来确定山体表面特征点的三维坐标信息，进而实现山体局部偏移量监测。
进一步：所述确定所述山体表面特征点的初始三维坐标信息的具体实现为：
根据所述无人机在三个不同所述预设监测点位拍摄的所述山体局部影像信息确定对应的所述山体表面特征点的像素坐标，并结合对应的拍摄时刻所述无人机中心点坐标信息、无人机姿态信息和摄像组件角度偏转信息分别确定同一所述山体表面特征点对应的三条空间直线方程，并求解出所述山体表面特征点的初始三维坐标信息。
上述进一步方案的有益效果是：通过三个不同所述预设监测点位拍摄的山体表面同一个特征点，这样可以根据拍摄时刻所述山体局部影像信息确定的所述无人机中心点坐标信息，结合无人机姿态信息和摄像组件角度偏转信息分别确定同一所述山体表面特征点对应的三条空间直线方程，从而可以比较精确地确定该山体表面特征点的精确三维坐标，以便定期监测山体上特征点所在位置局部是否存在山体滑坡的风险。
进一步：所述山体表面特征点的数量为多个，且根据多个所述山体表面特征点的偏移量确定所述山体滑坡风险等级。
上述进一步方案的有益效果是：通过多个所述山体表面特征点的偏移量可以确定山体的目标区域的整体偏移情况，从而可以便于后续根据预先设定的对照表确定山体滑坡风险等级。
进一步：所述根据多个所述山体表面特征点的偏移量确定所述山体滑坡风险等级的具体实现为：
根据所述山体局部偏移量和预设偏移量阈值进行比对，并确定所述山体局部偏移量是否超过预设偏移量阈值；
确定所述山体局部偏移量超过预设偏移量阈值的所述山体表面特征点的数量占所有所述山体表面特征点的数量的比例；
根据所述比例和预先设定的对照表确定山体滑坡风险等级；
其中，所述对照表包括山体局部偏移量和山体滑坡等级之间的一一对应关系。
上述进一步方案的有益效果是：通过所述山体局部偏移量超过预设偏移量阈值的所述山体表面特征点的数量比例可以准确确定山体滑坡的风险等级，方便相关部门采取有效措施应对。
本发明还提供了一种应用无人机进行山体地貌监测及滑坡预测系统，控制模块，用于控制无人机绕着山体飞行并在预设监测点位进行拍摄，以获取目标区域的山体局部影像信息以及对应拍摄时刻的无人机位姿信息；
处理模块，用于所述山体局部影像信息进行特征提取处理，获取山体表面特征点，并确定所述山体表面特征点的初始三维坐标信息；
所述控制模块，还用于间隔设定时间后控制无人机在相同的所述预设监测点位对目标区域进行拍摄，并重复上述过程，获取所述山体表面特征点的当前三维坐标信息；
所述处理模块，还用于根据所述山体表面特征点的初始三维坐标信息和当前三维坐标信息确定所述山体表面特征点的偏移量，并根据所述山体表面特征点的偏移量确定山体滑坡风险等级。
本发明的应用无人机进行山体地貌监测及滑坡预测系统，通过控制模块采用远程控制无人机对山体的目标区域进行拍摄，获取所述目标区域的山体局部影像信息以及对应拍摄时刻的无人机位姿信息，然后处理模块提取特征点并确定特征点的初始三维坐标信息，按照同样的方式获取特征点的当前三维坐标信息，这样即可准确确定山体局部偏移量，以确定山体滑坡风险等级，整个监测均可进行远程控制，有效减小作业人员工作风险，对操作人员要求较低，操作方法简单、实用，并且监测结果精确，为山体滑坡预防提供有效参考。
在上述技术方案的基础上，本发明还可以做如下改进：
进一步：所述无人机上设有定位模块、摄像组件和姿态传感组件；
所述获取目标区域的山体局部影像信息以及对应拍摄时刻的无人机位姿信息的具体实现为：
所述摄像组件对山体的所述目标区域进行拍摄，获取所述目标区域的山体局部影像信息，并记录拍摄之后摄像组件角度偏转信息；
所述定位模块获取所述摄像组件拍摄时刻的无人机中心点坐标信息；
所述姿态传感组件获取所述摄像组件拍摄时刻的无人机姿态信息；
其中，所述无人机位姿信息包括无人机位置信息、无人机姿态信息和摄像组件角度偏转信息。
上述进一步方案的有益效果是：通过所述摄像组件可以对山体的目标区域进行拍摄，以获取山体局部影像信息以及摄像组件角度偏转信息，通过所述定位模块和姿态传感组可以分别获取所述拍摄组件拍摄时刻的无人机中心点坐标信息和无人机姿态信息，这样可以便于后续根据所述摄像组件角度偏转信息、无人机中心点坐标信息和无人机姿态信息来确定山体表面特征点的三维坐标信息，进而实现山体局部偏移量监测。
进一步：所述处理模块确定所述山体表面特征点的初始三维坐标信息的具体实现为：
根据所述无人机在三个不同所述预设监测点位拍摄的所述山体局部影像信息确定对应的所述山体表面特征点的像素坐标，并结合对应的拍摄时刻所述无人机中心点坐标信息、无人机姿态信息和摄像组件角度偏转信息分别确定同一所述山体表面特征点对应的三条空间直线方程，并求解出所述山体表面特征点的初始三维坐标信息。
上述进一步方案的有益效果是：通过三个不同所述预设监测点位拍摄的山体表面同一个特征点，这样可以根据拍摄时刻所述山体局部影像信息确定的所述无人机中心点坐标信息，结合无人机姿态信息和摄像组件角度偏转信息分别确定同一所述山体表面特征点对应的三条空间直线方程，从而可以比较精确地确定该山体表面特征点的精确三维坐标，以便定期监测山体表面特征点所在位置局部是否存在山体滑坡的风险。
进一步：所述山体表面特征点的数量为多个，且所述处理模块根据多个所述山体表面特征点的偏移量确定所述山体局部偏移量。
上述进一步方案的有益效果是：通过多个所述山体表面特征点的偏移量可以确定山体的目标区域的整体偏移情况，从而可以便于后续根据预先设定的对照表确定山体滑坡风险等级。
进一步：所述处理模块根据多个所述山体表面特征点的偏移量确定所述山体滑坡风险等级的具体实现为：
根据所述山体局部偏移量和预设偏移量阈值进行比对，并确定所述山体局部偏移量是否超过预设偏移量阈值；
确定所述山体局部偏移量超过预设偏移量阈值的所述山体表面特征点的数量占所有所述山体表面特征点的数量的比例；
根据所述比例和预先设定的对照表对照表确定山体滑坡风险等级；
其中，所述对照表包括山体局部偏移量和山体滑坡等级之间的一一对应关系。
上述进一步方案的有益效果是：通过所述山体局部偏移量超过预设偏移量阈值的所述山体表面特征点的数量比例可以准确确定山体滑坡的风险等级，方便相关部门采取有效措施应对。
附图说明
图1为本发明的应用无人机进行山体地貌监测及滑坡预测方法的流程示意图；
图2为本发明的预设监测点位选取示意图；
图3为本发明的应用无人机进行山体地貌监测及滑坡预测系统的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，一种应用无人机进行山体地貌监测及滑坡预测方法,包括如下步骤：
S11：控制无人机绕着山体飞行并在预设监测点位对目标区域进行拍摄，获取所述目标区域的山体局部影像信息以及对应拍摄时刻的无人机位姿信息；
S12：对所述山体局部影像信息进行特征提取处理，获取山体表面特征点，并确定所述山体表面特征点的初始三维坐标信息；
S13：间隔设定时间后在相同的所述预设监测点位重复上述步骤，获取所述山体表面特征点的当前三维坐标信息，并根据所述山体表面特征点的初始三维坐标信息和当前三维坐标信息确定所述山体表面特征点的偏移量；
S14：根据所述山体表面特征点的偏移量确定山体滑坡风险等级。
本发明的应用无人机进行山体地貌监测及滑坡预测方法，通过采用远程控制无人机对山体的目标区域进行拍摄，获取所述目标区域的山体局部影像信息以及对应拍摄时刻的无人机位姿信息，然后提取特征点并确定特征点的初始三维坐标信息，按照同样的方式获取特征点的当前三维坐标信息，这样即可准确确定山体局部偏移量，进而确定山体滑坡风险等级，整个监测均可进行远程控制，有效减小作业人员工作风险，对操作人员要求较低，操作方法简单、实用，并且监测结果精确，为山体滑坡预防提供有效参考。
在本发明提供的一个或多个实施例中，所述获取目标区域的山体局部影像信息以及对应拍摄时刻的无人机位姿信息的具体实现为：
S21：通过设置在所述无人机上的摄像组件对山体的所述目标区域进行拍摄，获取所述目标区域的山体局部影像信息，并记录拍摄之后摄像组件角度偏转信息；
S22：通过设置在所述无人机上的定位模块和姿态传感组件分别获取所述摄像组件拍摄时刻的无人机中心点坐标信息和无人机姿态信息；
其中，所述无人机位姿信息包括无人机中心点坐标信息、无人机姿态信息和摄像组件角度偏转信息。
通过所述摄像组件可以对山体的目标区域进行拍摄，以获取山体局部影像信息以及摄像组件角度偏转信息，通过所述定位模块和姿态传感组件可以分别获取所述拍摄组件拍摄时刻的无人机中心点坐标信息和无人机姿态信息，这样可以便于后续根据所述摄像组件角度偏转信息、无人机中心点坐标信息和无人机姿态信息来确定山体表面特征点的三维坐标信息，进而实现山体局部偏移量监测。
在本发明提供的一个或多个实施例中，所述确定所述山体表面特征点的初始三维坐标信息的具体实现为：
根据所述无人机在三个不同所述预设监测点位拍摄的所述山体局部影像信息确定对应的所述山体表面特征点的像素坐标，并结合对应的拍摄时刻所述无人机中心点坐标信息、无人机姿态信息和摄像组件角度偏转信息分别确定同一所述山体表面特征点对应的三条空间直线方程，并求解出所述山体表面特征点的初始三维坐标信息。
通过三个不同所述预设监测点位拍摄的山体表面同一个特征点，这样可以根据拍摄时刻所述山体局部影像信息确定的所述无人机中心点坐标信息，结合无人机姿态信息和摄像组件角度偏转信息分别确定同一所述山体表面特征点对应的三条空间直线方程，从而可以比较精确地确定该特征点的精确坐标，以便定期监测山体上特征点所在位置局部是否存在发生山体滑坡的风险。
优选地，在本发明提供的一个或多个实施例中，所述山体表面特征点的数量为多个，且根据多个所述山体表面特征点的偏移量确定所述山体滑坡风险等级。
通过多个所述山体表面特征点的偏移量可以确定山体的目标区域的整体偏移情况，从而可以便于后续根据预先设定的山体滑坡风险等级。
在本发明提供的一个或多个实施例中，所述根据多个所述山体表面特征点的偏移量确定所述山体滑坡风险等级的具体实现为：
S31：根据所述山体局部偏移量和预设偏移量阈值进行比对，并确定所述山体局部偏移量是否超过预设偏移量阈值；
S32：确定所述山体局部偏移量超过预设偏移量阈值的所述山体表面特征点的数量占所有所述山体表面特征点的数量的比例；
S33：根据所述比例和预先设定的对照表对照表确定山体滑坡风险等级；
其中，所述对照表包括山体局部偏移量和山体滑坡等级之间的一一对应关系。
通过所述山体局部偏移量超过预设偏移量阈值的所述山体表面特征点的数量比例可以准确确定山体滑坡的风险等级，方便相关部门采取有效措施应对。
实际中，首先要初步勘察待测山体表面及现场地理情况，并预设无人机合适的监测点位，模拟无人机监测过程；然后再根据实际条件，在所需监测山体附近设定无人机飞行起点，并将起点位置设为坐标原点，开始进行山体斜面飞行监测；通过后台控制模块控制无人机飞行至山体斜面前方，根据待监测斜面中心位置，设置无人机飞行路径依次经过监测点位P1，P2，P3，P4，如图2所示。本实施例中，为方便计算，上述四个监测点处于同一水平面，当无人机飞行至P1位置时，将摄像组件对准斜面中心位置并拍摄照片，记录此时无人机中心点坐标信息及无人机姿态信息、摄像组件角度偏转信息，进一步的，在P2，P3，P4点执行相同的操作，后台的控制模块接收山体局部影像信息及无人机中心点坐标信息等数据。
后台的控制模块在接收到山体局部影像信息及无人机中心点坐标信息等数据后，根据所述山体局部影像信息进行图像特征提取处理，获取所述山体局部影像信息上的多个(至少三个,本实施例中选取P1，P2和P3三个山体表面特征点)山体表面特征点，然后记录这些特征点在照片上的像素坐标，然后针对某一个特征点，结合其中一个预设监测点位P1对应的无人机姿态信息和摄像组件角度偏转信息确定经过拍摄时刻无人机中心点坐标以及拍摄时刻对应的山体局部影像信息中该特征点的像素坐标的空间直线的方向向量，这样即可得到一条经过拍摄时刻无人机中心点坐标以及拍摄时刻对应的山体局部影像信息中该特征点的空间直线方程，然后按照同样的方式在另外两个预设监测点位P2和P3重复上述步骤，即可得到另外两条该特征点的空间直线方程，这样联立方程组即可求解得到该特征点的初始三维坐标信息。
然后间隔设定时间，再次启动无人机开启测量，依然将无人机飞至P1，P2，P3位置并采用相同的摄像头旋转角度信息拍摄斜面照片，此外，控制无人机飞至上期相同位置拍摄斜面的清晰照片，按照上述方法即可获得所述山体表面特征点的当前三维坐标信息。这样后台的处理模块即可进行比对，得到山体表面上多个特征点的偏移量，测量人员根据预先设置的对照表(特征点偏移量及山体表面岩土条件等)，确定发生山体滑坡的风险等级。
所述对照表中，根据所述山体局部偏移量超过预设偏移量阈值的所述山体表面特征点的数量的比例以及对应的山体表面岩土条件(不同岩土条件发生山体滑坡的对应的比例不同)划分有不同的等级，这样在获取了所述山体局部偏移量超过预设偏移量阈值的所述山体表面特征点的数量占所有所述山体表面特征点的数量的比例之后，在针对对应的岩土条件即可比较准确的确定山体滑坡风险等级。
如图3所示，一种应用无人机进行山体地貌监测及滑坡预测系统，控制模块，用于控制无人机绕着山体飞行并在预设监测点位进行拍摄，以获取目标区域的山体局部影像信息以及对应拍摄时刻的无人机位姿信息；
处理模块，用于所述山体局部影像信息进行特征提取处理，获取山体表面特征点，并确定所述山体表面特征点的初始三维坐标信息；
所述控制模块，还用于间隔设定时间后控制无人机在相同的所述预设监测点位对目标区域进行拍摄，并重复上述过程，获取所述山体表面特征点的当前三维坐标信息；
所述处理模块，还用于根据所述山体表面特征点的初始三维坐标信息和当前三维坐标信息确定山体局部偏移量。
本发明的应用无人机进行山体地貌监测及滑坡预测系统，通过控制模块采用远程控制无人机对山体的目标区域进行拍摄，获取所述目标区域的山体局部影像信息以及对应拍摄时刻的无人机位姿信息，然后处理模块提取特征点并确定特征点的初始三维坐标信息，按照同样的方式获取特征点的当前三维坐标信息，这样即可准确确定山体局部偏移量，进而确定山体滑坡风险等级，整个监测均可进行远程控制，有效减小作业人员工作风险，对操作人员要求较低，操作方法简单、实用，并且监测结果精确，为山体滑坡预防提供有效参考。
在本发明提供的一个或多个实施例中，所述无人机上设有定位模块、摄像组件和姿态传感组件；
所述获取目标区域的山体局部影像信息以及对应拍摄时刻的无人机位姿信息的具体实现为：
所述摄像组件对山体的所述目标区域进行拍摄，获取所述目标区域的山体局部影像信息，并记录拍摄之后摄像组件角度偏转信息；
所述定位模块获取所述摄像组件拍摄时刻的无人机中心点坐标信息；
所述姿态传感组件获取所述摄像组件拍摄时刻的无人机姿态信息；
其中，所述无人机位姿信息包括无人机位置信息、无人机姿态信息和摄像组件角度偏转信息。
通过所述摄像组件可以对山体的目标区域进行拍摄，以获取山体局部影像信息以及摄像组件角度偏转信息，通过所述定位模块和姿态传感组可以分别获取所述拍摄组件拍摄时刻的无人机中心点坐标信息和无人机姿态信息，这样可以便于后续根据所述摄像组件角度偏转信息、无人机中心点坐标信息和无人机姿态信息来确定山体表面特征点的三维坐标信息，进而实现山体局部偏移量监测。
在本发明提供的一个或多个实施例中，所述处理模块确定所述山体表面特征点的初始三维坐标信息的具体实现为：
根据所述无人机在三个不同所述预设监测点位拍摄的所述山体局部影像信息确定对应的所述山体表面特征点的像素坐标，并结合对应的拍摄时刻所述无人机中心点坐标信息、无人机姿态信息和摄像组件角度偏转信息分别确定同一所述山体表面特征点对应的三条空间直线方程，并求解出所述山体表面特征点的初始三维坐标信息。
通过三个不同所述预设监测点位拍摄的山体表面同一个特征点，这样可以根据拍摄时刻所述山体局部影像信息确定的所述无人机中心点坐标信息，结合无人机姿态信息和摄像组件角度偏转信息分别确定同一所述山体表面特征点对应的三条空间直线方程，从而可以比较精确地确定该特征点的精确坐标，以便定期监测山体上特征点所在位置局部是否存在发生山体滑坡的风险。
优选地，在本发明提供的一个或多个实施例中，所述山体表面特征点的数量为多个，且所述处理模块根据多个所述山体表面特征点的偏移量确定所述山体局部偏移量。
通过多个所述山体表面特征点的偏移量可以确定山体的目标区域的整体偏移情况，从而可以便于后续根据预先设定的山体滑坡风险等级。
在本发明提供的一个或多个实施例中，所述处理模块所述根据多个所述山体表面特征点的偏移量确定所述山体滑坡风险等级的具体实现为：
根据所述山体局部偏移量和预设偏移量阈值进行比对，并确定所述山体局部偏移量是否超过预设偏移量阈值；
确定所述山体局部偏移量超过预设偏移量阈值的所述山体表面特征点的数量占所有所述山体表面特征点的数量的比例；
根据所述比例和预先设定的对照表对照表确定山体滑坡风险等级；
其中，所述对照表包括山体局部偏移量和山体滑坡等级之间的一一对应关系。
通过所述山体局部偏移量超过预设偏移量阈值的所述山体表面特征点的数量比例可以准确确定山体滑坡的风险等级，方便相关部门采取有效措施应对。
以上所述仅为本发明的较佳实施例，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)

1.一种应用无人机进行山体地貌监测及滑坡预测方法,其特征在于，包括如下步骤：
控制无人机绕着山体飞行并在预设监测点位对目标区域进行拍摄，获取所述目标区域的山体局部影像信息以及对应拍摄时刻的无人机位姿信息；
对所述山体局部影像信息进行特征提取处理，获取山体表面特征点，并确定所述山体表面特征点的初始三维坐标信息；
间隔设定时间后在相同的所述预设监测点位重复上述步骤，获取所述山体表面特征点的当前三维坐标信息，并根据所述山体表面特征点的初始三维坐标信息和当前三维坐标信息确定所述山体表面特征点的偏移量；
根据所述山体表面特征点的偏移量确定山体滑坡风险等级。
2.根据权利要求1所述的应用无人机进行山体地貌监测及滑坡预测方法,其特征在于，所述获取目标区域的山体局部影像信息以及对应拍摄时刻的无人机位姿信息的具体实现为：
通过设置在所述无人机上的摄像组件对山体的所述目标区域进行拍摄，获取所述目标区域的山体局部影像信息，并记录拍摄之后摄像组件角度偏转信息；
通过设置在所述无人机上的定位模块和姿态传感组件分别获取所述摄像组件拍摄时刻的无人机中心点坐标信息和无人机姿态信息；
其中，所述无人机位姿信息包括无人机中心点坐标信息、无人机姿态信息和摄像组件角度偏转信息。
3.根据权利要求1所述的应用无人机进行山体地貌监测及滑坡预测方法,其特征在于，所述确定所述山体表面特征点的初始三维坐标信息的具体实现为：
根据所述无人机在三个不同所述预设监测点位拍摄的所述山体局部影像信息确定对应的所述山体表面特征点的像素坐标，并结合对应的拍摄时刻所述无人机中心点坐标信息、无人机姿态信息和摄像组件角度偏转信息分别确定同一所述山体表面特征点对应的三条空间直线方程，并求解出所述山体表面特征点的初始三维坐标信息。
4.根据权利要求1-3任一项所述的应用无人机进行山体地貌监测及滑坡预测方法,其特征在于，所述山体表面特征点的数量为多个，且根据多个所述山体表面特征点的偏移量确定所述山体滑坡风险等级。
5.根据权利要求4所述的应用无人机进行山体地貌监测及滑坡预测方法,其特征在于，所述根据多个所述山体表面特征点的偏移量确定所述山体滑坡风险等级的具体实现为：
根据所述山体局部偏移量和预设偏移量阈值进行比对，并确定所述山体局部偏移量是否超过预设偏移量阈值；
确定所述山体局部偏移量超过预设偏移量阈值的所述山体表面特征点的数量占所有所述山体表面特征点的数量的比例；
根据所述比例和预先设定的对照表对照表确定山体滑坡风险等级；
其中，所述对照表包括山体局部偏移量和山体滑坡等级之间的一一对应关系。
6.一种应用无人机进行山体地貌监测及滑坡预测系统，其特征在于，包括：
控制模块，用于控制无人机绕着山体飞行并在预设监测点位进行拍摄，以获取目标区域的山体局部影像信息以及对应拍摄时刻的无人机位姿信息；
处理模块，用于所述山体局部影像信息进行特征提取处理，获取山体表面特征点，并确定所述山体表面特征点的初始三维坐标信息；
所述控制模块，还用于间隔设定时间后控制无人机在相同的所述预设监测点位对目标区域进行拍摄，并重复上述过程，获取所述山体表面特征点的当前三维坐标信息；
所述处理模块，还用于根据所述山体表面特征点的初始三维坐标信息和当前三维坐标信息确定所述山体表面特征点的偏移量，并根据所述山体表面特征点的偏移量确定山体滑坡风险等级。
7.根据权利要求6所述的应用无人机进行山体地貌监测及滑坡预测系统,其特征在于，所述无人机上设有定位模块、摄像组件和姿态传感组件；
所述获取目标区域的山体局部影像信息以及对应拍摄时刻的无人机位姿信息的具体实现为：
所述摄像组件对山体的所述目标区域进行拍摄，获取所述目标区域的山体局部影像信息，并记录拍摄之后摄像组件角度偏转信息；
所述定位模块获取所述摄像组件拍摄时刻的无人机中心点坐标信息；
所述姿态传感组件获取所述摄像组件拍摄时刻的无人机姿态信息；
其中，所述无人机位姿信息包括无人机位置信息、无人机姿态信息和摄像组件角度偏转信息。
8.根据权利要求6所述的应用无人机进行山体地貌监测及滑坡预测系统,其特征在于，所述处理模块确定所述山体表面特征点的初始三维坐标信息的具体实现为：
根据所述无人机在三个不同所述预设监测点位拍摄的所述山体局部影像信息确定对应的所述山体表面特征点的像素坐标，并结合对应的拍摄时刻所述无人机中心点坐标信息、无人机姿态信息和摄像组件角度偏转信息分别确定同一所述山体表面特征点对应的三条空间直线方程，并求解出所述山体表面特征点的初始三维坐标信息。
9.根据权利要求6-8任一项所述的应用无人机进行山体地貌监测及滑坡预测系统,其特征在于，所述山体表面特征点的数量为多个，且根据多个所述山体表面特征点的偏移量确定所述山体滑坡风险等级。
10.根据权利要求9所述的应用无人机进行山体地貌监测及滑坡预测方法,其特征在于：所述处理模块所述根据多个所述山体表面特征点的偏移量确定所述山体滑坡风险等级的具体实现为：
根据所述山体局部偏移量和预设偏移量阈值进行比对，并确定所述山体局部偏移量是否超过预设偏移量阈值；
确定所述山体局部偏移量超过预设偏移量阈值的所述山体表面特征点的数量占所有所述山体表面特征点的数量的比例；
根据所述比例和预先设定的对照表对照表确定山体滑坡风险等级；
其中，所述对照表包括山体局部偏移量和山体滑坡等级之间的一一对应关系。
CN201911284393.2A 2019-12-13 2019-12-13 一种应用无人机进行山体地貌监测及滑坡预测方法及系统 Pending CN111006593A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911284393.2A CN111006593A (zh) 2019-12-13 2019-12-13 一种应用无人机进行山体地貌监测及滑坡预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911284393.2A CN111006593A (zh) 2019-12-13 2019-12-13 一种应用无人机进行山体地貌监测及滑坡预测方法及系统

Publications (1)

Publication Number Publication Date
CN111006593A true CN111006593A (zh) 2020-04-14

Family

ID=70114675

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911284393.2A Pending CN111006593A (zh) 2019-12-13 2019-12-13 一种应用无人机进行山体地貌监测及滑坡预测方法及系统

Country Status (1)

Country Link
CN (1) CN111006593A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111561914A (zh) * 2020-04-30 2020-08-21 国网浙江省电力有限公司 一种基于rtk的用于基坑检测的无人机及检测方法
CN111915128A (zh) * 2020-06-17 2020-11-10 西安交通大学 一种对地震诱发的次生滑坡灾后评估与救援辅助系统
CN112146615A (zh) * 2020-09-23 2020-12-29 招商局重庆交通科研设计院有限公司 基于多架无人机的边坡监测方法
CN112904894A (zh) * 2021-01-19 2021-06-04 招商局重庆交通科研设计院有限公司 一种基于无人机倾斜摄影的边坡实景图像采集方法
CN113744393A (zh) * 2021-09-09 2021-12-03 北京建筑大学 一种多层级边坡滑坡变化监测方法
CN114170763A (zh) * 2021-12-06 2022-03-11 山东省地质矿产勘查开发局八〇一水文地质工程地质大队 一种山体滑坡监控系统及方法
CN115546994A (zh) * 2022-10-14 2022-12-30 重庆地质矿产研究院 一种基于自组网式监测点的滑坡临灾预警预报方法
CN116229371A (zh) * 2023-03-13 2023-06-06 浙江省交通运输科学研究院 一种天空地一体化公路边坡安全防控方法
CN116363835A (zh) * 2023-03-30 2023-06-30 湖南科技大学 一种地质灾害诱发性滑坡监测装置
CN117132907A (zh) * 2023-05-10 2023-11-28 淮南师范学院 一种基于深度学习的滑坡检测系统
CN117854256A (zh) * 2024-03-05 2024-04-09 成都理工大学 基于无人机视频流分析的地质灾害监测方法

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101163234A (zh) * 2006-10-13 2008-04-16 杭州波导软件有限公司 利用数据处理装置进行模式识别和图像监控的实现方法
CN102937443A (zh) * 2012-01-13 2013-02-20 唐粮 一种基于无人机的目标快速定位系统及方法
CN105783878A (zh) * 2016-03-11 2016-07-20 三峡大学 一种基于小型无人机遥感的边坡变形检测及量算方法
CN105957311A (zh) * 2016-06-01 2016-09-21 中国水利水电科学研究院 自适应扩展的边坡稳定智能监测预警系统
CN106379325A (zh) * 2016-11-08 2017-02-08 三星电子（中国）研发中心 一种用于预警危险驾驶的方法、装置
CN106851049A (zh) * 2017-03-06 2017-06-13 济南中维世纪科技有限公司 一种基于视频分析的场景变更检测方法及装置
CN107516402A (zh) * 2017-10-01 2017-12-26 中国科学院、水利部成都山地灾害与环境研究所 区域滑坡灾害雨量预警方法、预警系统
KR20180035391A (ko) * 2016-09-29 2018-04-06 한국도로공사 무인정찰기를 이용한 비탈면들 모니터링 시스템 및 그 방법
CN109211132A (zh) * 2017-07-07 2019-01-15 北京林业大学 一种无人机高精度摄影测量获取高大物体变形信息的方法
CN109357617A (zh) * 2018-10-25 2019-02-19 东北大学 一种基于无人机的高陡岩质边坡位移变形监测方法
CN109579712A (zh) * 2018-11-16 2019-04-05 天津大学 基于无人机非接触式高边坡表面位移监测方法及监测系统
CN109584512A (zh) * 2018-12-18 2019-04-05 成都理工大学 一种山地灾害预警方法及预警系统
CN109655040A (zh) * 2018-12-25 2019-04-19 南京工业大学 一种基于无人机靶向技术的边坡位移监测方法
CN109887240A (zh) * 2019-03-22 2019-06-14 福州大学 一种基于人工智能的滑坡灾害安全监测与预警方法
CN110223490A (zh) * 2019-05-28 2019-09-10 成都理工大学 一种基于预警等级判断岩质斜坡稳定性的方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101163234A (zh) * 2006-10-13 2008-04-16 杭州波导软件有限公司 利用数据处理装置进行模式识别和图像监控的实现方法
CN102937443A (zh) * 2012-01-13 2013-02-20 唐粮 一种基于无人机的目标快速定位系统及方法
CN105783878A (zh) * 2016-03-11 2016-07-20 三峡大学 一种基于小型无人机遥感的边坡变形检测及量算方法
CN105957311A (zh) * 2016-06-01 2016-09-21 中国水利水电科学研究院 自适应扩展的边坡稳定智能监测预警系统
KR20180035391A (ko) * 2016-09-29 2018-04-06 한국도로공사 무인정찰기를 이용한 비탈면들 모니터링 시스템 및 그 방법
CN106379325A (zh) * 2016-11-08 2017-02-08 三星电子（中国）研发中心 一种用于预警危险驾驶的方法、装置
CN106851049A (zh) * 2017-03-06 2017-06-13 济南中维世纪科技有限公司 一种基于视频分析的场景变更检测方法及装置
CN109211132A (zh) * 2017-07-07 2019-01-15 北京林业大学 一种无人机高精度摄影测量获取高大物体变形信息的方法
CN107516402A (zh) * 2017-10-01 2017-12-26 中国科学院、水利部成都山地灾害与环境研究所 区域滑坡灾害雨量预警方法、预警系统
CN109357617A (zh) * 2018-10-25 2019-02-19 东北大学 一种基于无人机的高陡岩质边坡位移变形监测方法
CN109579712A (zh) * 2018-11-16 2019-04-05 天津大学 基于无人机非接触式高边坡表面位移监测方法及监测系统
CN109584512A (zh) * 2018-12-18 2019-04-05 成都理工大学 一种山地灾害预警方法及预警系统
CN109655040A (zh) * 2018-12-25 2019-04-19 南京工业大学 一种基于无人机靶向技术的边坡位移监测方法
CN109887240A (zh) * 2019-03-22 2019-06-14 福州大学 一种基于人工智能的滑坡灾害安全监测与预警方法
CN110223490A (zh) * 2019-05-28 2019-09-10 成都理工大学 一种基于预警等级判断岩质斜坡稳定性的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
田冀等: "无人机航空摄影技术在公路建设引起的滑坡监测的应用", 《科研信息化技术与应用》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111561914A (zh) * 2020-04-30 2020-08-21 国网浙江省电力有限公司 一种基于rtk的用于基坑检测的无人机及检测方法
CN111561914B (zh) * 2020-04-30 2024-01-23 国网浙江省电力有限公司 一种基于rtk的用于基坑检测的无人机及检测方法
CN111915128B (zh) * 2020-06-17 2023-12-19 西安交通大学 一种对地震诱发的次生滑坡灾后评估与救援辅助系统
CN111915128A (zh) * 2020-06-17 2020-11-10 西安交通大学 一种对地震诱发的次生滑坡灾后评估与救援辅助系统
CN112146615A (zh) * 2020-09-23 2020-12-29 招商局重庆交通科研设计院有限公司 基于多架无人机的边坡监测方法
CN112904894A (zh) * 2021-01-19 2021-06-04 招商局重庆交通科研设计院有限公司 一种基于无人机倾斜摄影的边坡实景图像采集方法
CN113744393A (zh) * 2021-09-09 2021-12-03 北京建筑大学 一种多层级边坡滑坡变化监测方法
CN113744393B (zh) * 2021-09-09 2023-05-30 北京建筑大学 一种多层级边坡滑坡变化监测方法
CN114170763A (zh) * 2021-12-06 2022-03-11 山东省地质矿产勘查开发局八〇一水文地质工程地质大队 一种山体滑坡监控系统及方法
CN115546994A (zh) * 2022-10-14 2022-12-30 重庆地质矿产研究院 一种基于自组网式监测点的滑坡临灾预警预报方法
CN116229371A (zh) * 2023-03-13 2023-06-06 浙江省交通运输科学研究院 一种天空地一体化公路边坡安全防控方法
CN116229371B (zh) * 2023-03-13 2023-10-13 浙江省交通运输科学研究院 一种天空地一体化公路边坡安全防控方法
CN116363835A (zh) * 2023-03-30 2023-06-30 湖南科技大学 一种地质灾害诱发性滑坡监测装置
CN117132907A (zh) * 2023-05-10 2023-11-28 淮南师范学院 一种基于深度学习的滑坡检测系统
CN117854256A (zh) * 2024-03-05 2024-04-09 成都理工大学 基于无人机视频流分析的地质灾害监测方法
CN117854256B (zh) * 2024-03-05 2024-06-11 成都理工大学 基于无人机视频流分析的地质灾害监测方法

Similar Documents

Publication Publication Date Title
CN111006593A (zh) 一种应用无人机进行山体地貌监测及滑坡预测方法及系统
Bonneau et al. The use of terrestrial laser scanning for the characterization of a cliff-talus system in the Thompson River Valley, British Columbia, Canada
Cui et al. Geological and morphological study of the Daguangbao landslide triggered by the Ms. 8.0 Wenchuan earthquake, China
Greenwood et al. UAV-based 3-D characterization of rock masses and rock slides in Nepal
Gili et al. Experimental study on rockfall fragmentation: In situ test design and first results
Buill et al. Comparison of photogrammetric techniques for rockfalls monitoring
Lai et al. The territory-wide airborne light detection and ranging survey for the Hong Kong Special Administrative Region
Graber et al. UAV-photogrammetry rockfall monitoring of natural slopes in Glenwood Canyon, CO, USA: Background activity and post-wildfire impacts
Gaich et al. 3D images for digital geological mapping: focussing on conventional tunnelling
CN103792542A (zh) 一种基于地面激光雷达技术的危岩落石调查方法
JP2024026497A (ja) 移動計測体
CN116892992A (zh) 一种精确测算矿山滑坡体体积的勘查方法
CN116499427A (zh) 一种边坡滑坡的智能预警方法
Guillot et al. UAV monitoring of 3-year Foredune Partial Recovery from a Severe Winter: Truc Vert Beach, SW France
CN108253945A (zh) 基于无人机的滑坡泥石流分析方法
Maerz et al. Using LIDAR in highway rock cuts
Thuro et al. Low cost 3D early warning system for instable alpine slopes–the Aggenalm Landslide monitoring system
Disenhof Investigation of Surface Models and the Use of a Smart Rock for Rockfall Modeling
Dai et al. Application of UAV photogrammetry on ecological restoration of abandoned open-pit mines, Northern Anhui province, China
Ampatzi et al. APPLICATION OF TERRESTRIAL LASER SCANNING (LIDAR) IN ROCK SLOPE STABILITY. ΑΝ ΕXAMPLE FROM NORTHERN GREECE
Macciotta et al. Explicit estimation of rock slope failure likelihood for hazard assessment and safety engineering near Canmore, AB
de Souza Use of Smart Rocks to improve rock slope design
Núñez Andrés et al. Comparison of several geomatic techniques for rockfall monitoring
Librić et al. Methods of surveying in rockfall protection
Dewez et al. OFAI: 3D block tracking in a real-size rockfall experiment on a weathered volcanic rocks slope of Tahiti, French Polynesia

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200414

RJ01 Rejection of invention patent application after publication