CN111754540B - 一种边坡质点位移轨迹监测实时跟踪方法及系统 - Google Patents
一种边坡质点位移轨迹监测实时跟踪方法及系统 Download PDFInfo
- Publication number
- CN111754540B CN111754540B CN202010601371.0A CN202010601371A CN111754540B CN 111754540 B CN111754540 B CN 111754540B CN 202010601371 A CN202010601371 A CN 202010601371A CN 111754540 B CN111754540 B CN 111754540B
- Authority
- CN
- China
- Prior art keywords
- deformation
- monitoring
- gradient
- target
- deformation field
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 70
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 25
- 239000002245 particle Substances 0.000 claims abstract description 120
- 238000011478 gradient descent method Methods 0.000 claims description 13
- 238000009825 accumulation Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000004901 spalling Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- 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
- G06T2207/30184—Infrastructure
-
- 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
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种边坡质点位移轨迹监测实时跟踪方法及系统,该方法包括获取地基雷达干涉二维SAR影像及雷达数据,对目标质点附近邻域的形变量进行二阶曲面拟合,执行梯度下降法得到目标质点的运行轨迹点,当满足迭代条件时依次连接每个运行轨迹点,生成目标质点运行轨迹。本发明通过对目标质点附近邻域的形变量进行二阶曲面拟合,并根据拟合曲面在目标质点处的梯度得到运行轨迹点,解决了传统边坡形变监测系统无法精确监测目标的形变趋势及形变方向的问题,进而实现边坡质点位移形变监测实时追踪,提高了监测的准确性以及监测效率。
Description
技术领域
本发明属于边坡监测技术领域,具体涉及一种边坡质点位移轨迹监测实时跟踪方法及系统。
背景技术
滑坡灾害属于世界上最为严重的地质灾害之一,这种地质灾害严重威胁国家财产安全及人民生命安全。通常将边坡形成原因的不同分为两类,分别为人工边坡和自然边坡。地壳运动过程中自然形成的边坡为自然边坡,例如山坡。人工开挖或填方形成的边坡为人工边坡。边坡有多种破坏类型,如崩塌、剥落、滑坡等,其中滑坡灾害是最为常见也是危害性最大的一种灾害。边坡在不稳定的情况下发生大规模位移,造成山体或土体的滑坡。一旦发生滑坡,不仅会影响到交通安全,增加建设成本,延误工期,也会导致人民群众的生命财产损失。
随着科技的进步,越来越多边坡监测方法涌现出来。传统测量方法,例如大地测量法,通过测角和测距来获得测量数据,但这一方法局限性大,受气候以及地形限制,应用不广泛。边坡位移监测法中,使用位移计、测斜仪等仪表进行测量。这种方法的测量内容包括边坡表面及内部产生的位移。边坡位移监测法的能测得边坡表面的位移数据进而可以监测边坡的稳定性。但这一方法中测量仪器需深入边坡内部,易造成仪器损坏,测量灵敏性差,进而导致对边坡无法准确监控,对滑坡灾害无法预测、仪器不易更换的上问题,另一方面,在测量边坡位移是多个传感器串联使用,导致测量误差被放大。
发明内容
为了解决传统的边坡监测系统不能清晰地监测出监测目标的形变趋势及形变方向的问题,本发明提供了一种边坡质点位移轨迹监测实时跟踪方法及系统。
为了达到上述发明目的,本发明采用的技术方案为:
一种边坡质点位移轨迹监测实时跟踪方法,包括以下步骤:
S1、获取地基雷达干涉二维SAR影像及雷达数据;
S2、选取目标质点,构建三维形变场坐标系,并对目标质点附近邻域的形变量进行二阶曲面拟合,生成形变场;
S3、计算步骤S2中形变场在目标质点处的梯度,执行梯度下降法得到目标质点的运行轨迹点;
S4、判断运行轨迹点处的梯度的模是否小于设定阈值,若是则执行下一步骤,否则将运行轨迹点作为目标质点,返回步骤S2;
S5、依次连接每个运行轨迹点,生成目标质点运行轨迹。
进一步地,所述步骤S2具体包括以下分步骤:
S21、选取目标质点,构建以目标质点经度为X轴、纬度为Y轴、累计形变量为D轴的三维形变场坐标系,并将目标质点附近邻域进行栅格化处理;
S22、以目标质点为中心,选取一个N*N的矩形区域,并对该区域的形变值进行二阶曲面拟合;
S23、将观测时间范围划分为M个时段,分别计算每个时段内的形变累加量,得到M个形变场。
进一步地,所述步骤S3具体包括以下分步骤:
S31、计算每个时段中形变场在目标质点处各个方向上的方向导数;
S32、沿方向导数最大的方向计算形变场在目标质点处的梯度;
S33、以梯度的模为步长,沿梯度方向执行梯度下降法,移动目标质点得到运行轨迹点。
进一步地,所述S31计算每个时段中形变场在目标质点处各个方向上的方向导数,具体包括:
将形变场投影在三维形变场坐标系的XOY平面上生成形变等值线,设形变等值线上处于密集区域内的监测点坐标为(x,y),该监测点所处的栅格值为f(x,y),计算监测点沿切线方向的方向导数,表示为
其中,为形变等值线上该监测点沿切线与该监测点的x轴的夹角。
进一步地,所述S32沿方向导数最大的方向计算形变场在目标质点处的梯度,表示为
其中,为形变等值线在平面区域定义的向量,i和j分别为运行轨迹点沿x轴和y轴的切向量。
本发明还提出了一种边坡质点位移轨迹监测实时跟踪系统,包括:
数据获取模块,用于获取地基雷达干涉二维SAR影像及雷达数据;
形变场生成模块,用于选取目标质点,构建三维形变场坐标系,并对目标质点附近邻域的形变量进行二阶曲面拟合,生成形变场;
运行轨迹点获取模块,用于计算形变场在目标质点处的梯度,执行梯度下降法得到目标质点的运行轨迹点;
运行轨迹判断模块,用于判断运行轨迹点处的梯度的模是否小于设定阈值,若是则执行运行轨迹生成模块,否则执行形变场生成模块;
运行轨迹生成模块,用于将目标质点沿运行轨迹点的运行方向依次连接运行轨迹点,生成目标质点运行轨迹。
进一步地,所述形变场生成模块,具体包括:
选取目标质点,构建以目标质点经度为X轴、纬度为Y轴、累计形变量为D轴的三维形变场坐标系,并将目标质点附近邻域进行栅格化处理;
以目标质点为中心,选取一个N*N的矩形区域,并对该区域的形变值进行二阶曲面拟合;
将观测时间范围划分为M个时段,分别计算每个时段内的形变累加量,得到M个形变场。
进一步地,所述运行轨迹点获取模块,具体包括:
计算每个时段中形变场在目标质点处各个方向上的方向导数;
沿方向导数最大的方向计算形变场在目标质点处的梯度;
以梯度的模为步长,沿梯度方向执行梯度下降法,移动目标质点得到运行轨迹点。
进一步地,所述运行轨迹点获取模块计算每个时段中形变场在目标质点处各个方向上的方向导数,具体包括:
将形变场投影在三维形变场坐标系的XOY平面上生成形变等值线,设形变等值线上处于密集区域内的监测点坐标为(x,y),该监测点所处的栅格值为f(x,y),计算监测点沿切线方向的方向导数,表示为
其中,为形变等值线上该监测点沿切线与该监测点的x轴的夹角。
进一步地,所述运行轨迹点获取模块沿方向导数最大的方向计算形变场在目标质点处的梯度,表示为
其中,为形变等值线在平面区域定义的向量,i和j分别为运行轨迹点沿x轴和y轴的切向量。
本发明具有以下有益效果:本发明通过对目标质点附近邻域的形变量进行二阶曲面拟合,并根据拟合曲面在目标质点处的梯度得到运行轨迹点,解决了传统边坡监测系统无法清晰监测目标的形变趋势及形变方向的问题,进而实现边坡质点位移形变监测实时追踪,提高了监测的准确性以及监测效率。
附图说明
图1是本发明的边坡质点位移轨迹监测实时跟踪方法流程示意图;
图2是本发明的边坡质点位移轨迹监测实时跟踪系统结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
实施例1
如图1所示,本发明实施例提供了一种边坡质点位移轨迹监测实时跟踪方法,包括以下步骤S1至S5:
S1、获取地基雷达干涉二维SAR影像及雷达数据;
在本实施例中,鉴于雷达大范围监测的能力,以及点云式的数据呈现方式,将雷达数据用函数F(x,y,D)表示,其中x,y为像素坐标,D为累计形变量。
S2、选取目标质点,构建三维形变场坐标系,并对目标质点附近邻域的形变量进行二阶曲面拟合,生成形变场;
在本实施例中,步骤S2具体包括以下分步骤:
S21、选取目标质点,构建以目标质点经度为X轴、纬度为Y轴、累计形变量为D轴的三维形变场坐标系,并将目标质点附近邻域进行栅格化处理;
本发明针对雷达监测区域内的任意点状结构(如边坡、山体上的大型岩块,以及一些人工设施),将监测目标作为质点。这里监测目标采用选取形变量较大、形变速度较快的点。
本发明根据目标质点的经度、纬度和累计形变量构建三维形变场坐标系,使得目标质点能够根据获取的地基雷达干涉二维SAR影像及雷达数据在三维形变场坐标系中生成形变场,并且生成形变等值线。
本发明采用栅格化技术,将地基雷达干涉二维SAR影像中的目标监测区域进行栅格化处理,其中每一个栅格即作为监测点,以便获取该区域的形变趋势。
S22、以目标质点为中心,选取一个N*N的矩形区域,并对该区域的形变值进行二阶曲面拟合;通过将拟合曲面在xoy平面上进行投影,生成形变等值线;
S23、将观测时间范围划分为M个时段,分别计算每个时段内的形变累加量,得到M个形变场。
本发明根据不同时刻的地基雷达干涉二维SAR影像,可以得到每一个栅格在该时段内的累计监测值,进而得到每个监测点在该时段内的累计形变量。
将累计形变量相同的监测点连接,生成以目标质点为中心的一条或多条形变等值线。
本发明基于等值线划分技术,当选定目标质点后,在目标质点附近邻域内生成形变等值线,利用形变等值线的疏密程度表征不同方向上形变速度的快慢,进而可以判断目标质点的移动方向。
S3、计算步骤S2中形变场在目标质点处的梯度,执行梯度下降法得到目标质点的运行轨迹点;
在本实施例中,步骤S3具体包括以下分步骤:
S31、计算每个时段中形变场在目标质点处各个方向上的方向导数,具体包括:
将形变场投影在三维形变场坐标系的XOY平面上生成形变等值线,设形变等值线上处于密集区域内的监测点坐标为(x,y),该监测点所处的栅格值为f(x,y),计算监测点沿切线方向的方向导数,表示为
其中,为形变等值线上该监测点沿切线与该监测点的x轴的夹角。
本发明分别计算相邻形变等值线所处的栅格值之间的差值,选取差值最大的栅格值所处的区域作为相邻形变等值线的密集区域;
根据等值线的性质可知,形变等值线的密集区域形变量较大、形变速度较快。本发明通过分别计算相邻形变等值线所处的栅格值之间的差值,比较每个栅格之间的差值,选取差值最大的栅格值所处的区域作为相邻形变等值线的密集区域,从而能够进一步缩小运行轨迹点的选取区域,提高计算效率。
S32、沿方向导数最大的方向计算形变场在目标质点处的梯度,表示为
其中,为形变等值线在平面区域定义的向量,i和j分别为运行轨迹点沿x轴和y轴的切向量。
从而确定拟合曲面在质点P处梯度方向和大小。
S33、以梯度的模为步长,沿梯度方向执行梯度下降法,移动目标质点得到运行轨迹点。
本发明将目标质点P按梯度方向和大小进行移动,以梯度的模为步长,执行梯度下降法,从而得到该时段内的形变最大的运行轨迹点P1(x1,y1),目标质点沿此轨迹移动的可能性较大。
S4、判断运行轨迹点处的梯度的模是否小于设定阈值,若是则执行下一步骤,否则将运行轨迹点作为目标质点,返回步骤S2;
在本实施例中,本发明以P1作为目标质点,重复步骤S2和步骤S3,得到P2,再重复得到P3,……以此类推,直到点Pi处的梯度的模小于设定阈值T,停止循环。
S5、依次连接每个运行轨迹点,生成目标质点运行轨迹。
在本实施例中,本发明以目标质点作为初始点,依次连接每个运行轨迹点,生成目标质点运行轨迹。
实施例2
如图2所示,本发明基于实施例1中提供的边坡质点位移轨迹监测实时跟踪方法,进一步提供了一种边坡质点位移轨迹监测实时跟踪系统,包括:
数据获取模块,用于获取地基雷达干涉二维SAR影像及雷达数据;
形变场生成模块,用于选取目标质点,构建三维形变场坐标系,并对目标质点附近邻域的形变量进行二阶曲面拟合,生成形变场;
运行轨迹点获取模块,用于计算形变场在目标质点处的梯度,执行梯度下降法得到目标质点的运行轨迹点;
运行轨迹判断模块,用于判断运行轨迹点处的梯度的模是否小于设定阈值,若是则执行运行轨迹生成模块,否则执行形变场生成模块;
运行轨迹生成模块,用于将目标质点沿运行轨迹点的运行方向依次连接运行轨迹点,生成目标质点运行轨迹。
在本发明的一个可选实施例中,所述形变场生成模块202,具体包括:
选取目标质点,构建以目标质点经度为X轴、纬度为Y轴、累计形变量为D轴的三维形变场坐标系,并将目标质点附近邻域进行栅格化处理;
以目标质点为中心,选取一个N*N的矩形区域,并对该区域的形变值进行二阶曲面拟合;
将观测时间范围划分为M个时段,分别计算每个时段内的形变累加量,得到M个形变场。
在本发明的一个可选实施例中,所述运行轨迹点获取模块203,具体包括:
计算每个时段中形变场在目标质点处各个方向上的方向导数,具体为:
将形变场投影在三维形变场坐标系的XOY平面上生成形变等值线,设形变等值线上处于密集区域内的监测点坐标为(x,y),该监测点所处的栅格值为f(x,y),计算监测点沿切线方向的方向导数,表示为
其中,为形变等值线上该监测点沿切线与该监测点的x轴的夹角。
沿方向导数最大的方向计算形变场在目标质点处的梯度,表示为
其中,为形变等值线在平面区域定义的向量,i和j分别为运行轨迹点沿x轴和y轴的切向量。
以梯度的模为步长,沿梯度方向执行梯度下降法,移动目标质点得到运行轨迹点。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (6)
1.一种边坡质点位移轨迹监测实时跟踪方法,其特征在于,包括以下步骤:
S1、获取地基雷达干涉二维SAR影像及雷达数据;
S2、选取目标质点,构建三维形变场坐标系,并对目标质点附近邻域的形变量进行二阶曲面拟合,生成形变场;具体包括以下分步骤:
S21、选取目标质点,构建以目标质点经度为X轴、纬度为Y轴、累计形变量为D轴的三维形变场坐标系,并将目标质点附近邻域进行栅格化处理;
S22、以目标质点为中心,选取一个N*N的矩形区域,并对该区域的形变值进行二阶曲面拟合;
S23、将观测时间范围划分为M个时段,分别计算每个时段内的形变累加量,得到M个形变场;
S3、计算步骤S2中形变场在目标质点处的梯度,执行梯度下降法得到目标质点的运行轨迹点;具体包括以下分步骤:
S31、计算每个时段中形变场在目标质点处各个方向上的方向导数;
S32、沿方向导数最大的方向计算形变场在目标质点处的梯度;
S33、以梯度的模为步长,沿梯度方向执行梯度下降法,移动目标质点得到运行轨迹点;
S4、判断运行轨迹点处的梯度的模是否小于设定阈值,若是则执行下一步骤,否则将运行轨迹点作为目标质点,返回步骤S2;
S5、依次连接每个运行轨迹点,生成目标质点运行轨迹。
2.如权利要求1所述的边坡质点位移轨迹监测实时跟踪方法,其特征在于,所述S31计算每个时段中形变场在目标质点处各个方向上的方向导数,具体包括:
将形变场投影在三维形变场坐标系的XOY平面上生成形变等值线,设形变等值线上处于密集区域内的监测点坐标为(x,y),该监测点所处的栅格值为f(x,y),计算监测点沿切线方向的方向导数,表示为
其中,为形变等值线上该监测点沿切线与该监测点的x轴的夹角。
3.如权利要求2所述的边坡质点位移轨迹监测实时跟踪方法,其特征在于,所述S32沿方向导数最大的方向计算形变场在目标质点处的梯度,表示为
其中,为形变等值线在平面区域定义的向量,i和j分别为运行轨迹点沿x轴和y轴的切向量。
4.一种边坡质点位移轨迹监测实时跟踪系统,其特征在于,包括:
数据获取模块,用于获取地基雷达干涉二维SAR影像及雷达数据;
形变场生成模块,用于选取目标质点,构建三维形变场坐标系,并对目标质点附近邻域的形变量进行二阶曲面拟合,生成形变场;具体包括:
选取目标质点,构建以目标质点经度为X轴、纬度为Y轴、累计形变量为D轴的三维形变场坐标系,并将目标质点附近邻域进行栅格化处理;
以目标质点为中心,选取一个N*N的矩形区域,并对该区域的形变值进行二阶曲面拟合;
将观测时间范围划分为M个时段,分别计算每个时段内的形变累加量,得到M个形变场;
运行轨迹点获取模块,用于计算形变场在目标质点处的梯度,执行梯度下降法得到目标质点的运行轨迹点;具体包括:
计算每个时段中形变场在目标质点处各个方向上的方向导数;
沿方向导数最大的方向计算形变场在目标质点处的梯度;
以梯度的模为步长,沿梯度方向执行梯度下降法,移动目标质点得到运行轨迹点
运行轨迹判断模块,用于判断运行轨迹点处的梯度的模是否小于设定阈值,若是则执行运行轨迹生成模块,否则执行形变场生成模块;
运行轨迹生成模块,用于将目标质点沿运行轨迹点的运行方向依次连接运行轨迹点,生成目标质点运行轨迹。
5.如权利要求4所述的边坡质点位移轨迹监测实时跟踪系统,其特征在于,所述运行轨迹点获取模块计算每个时段中形变场在目标质点处各个方向上的方向导数,具体包括:
将形变场投影在三维形变场坐标系的XOY平面上生成形变等值线,设形变等值线上处于密集区域内的监测点坐标为(x,y),该监测点所处的栅格值为f(x,y),计算监测点沿切线方向的方向导数,表示为
其中,为形变等值线上该监测点沿切线与该监测点的x轴的夹角。
6.如权利要求5所述的边坡质点位移轨迹监测实时跟踪系统,其特征在于,所述运行轨迹点获取模块沿方向导数最大的方向计算形变场在目标质点处的梯度,表示为
其中,为形变等值线在平面区域定义的向量,i和j分别为运行轨迹点沿x轴和y轴的切向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010601371.0A CN111754540B (zh) | 2020-06-29 | 2020-06-29 | 一种边坡质点位移轨迹监测实时跟踪方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010601371.0A CN111754540B (zh) | 2020-06-29 | 2020-06-29 | 一种边坡质点位移轨迹监测实时跟踪方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111754540A CN111754540A (zh) | 2020-10-09 |
CN111754540B true CN111754540B (zh) | 2023-11-17 |
Family
ID=72677728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010601371.0A Active CN111754540B (zh) | 2020-06-29 | 2020-06-29 | 一种边坡质点位移轨迹监测实时跟踪方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111754540B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762623B (zh) * | 2021-09-09 | 2024-04-05 | 雷添杰 | 一种滑坡方向与趋势的识别和预测方法、装置及电子设备 |
CN113740844B (zh) * | 2021-09-09 | 2024-04-02 | 雷添杰 | 面向坝体三维形变监测的两台地基雷达联合观测方法 |
CN113628251B (zh) * | 2021-10-11 | 2022-02-01 | 北京中科金马科技股份有限公司 | 一种智慧酒店终端监测方法 |
CN114459537B (zh) * | 2022-01-14 | 2023-03-10 | 中国科学院武汉岩土力学研究所 | 一种用于堆填场土工结构的监测方法 |
CN117609742B (zh) * | 2024-01-24 | 2024-03-26 | 中建安装集团有限公司 | 一种用于实现智能化管理的边坡施工监管系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160061445A (ko) * | 2014-11-17 | 2016-06-01 | 서울대학교산학협력단 | 기하학적 증폭계수를 고려한 지진시 산사태 재해도 도출방법 및 도출시스템 |
CN106295641A (zh) * | 2016-08-09 | 2017-01-04 | 鞍钢集团矿业有限公司 | 一种基于影像surf特征的边坡位移自动监测方法 |
CN106546592A (zh) * | 2016-11-07 | 2017-03-29 | 深圳大学 | 基于多光谱空中检测机器人的边坡质量检测方法及系统 |
WO2019126972A1 (zh) * | 2017-12-26 | 2019-07-04 | 深圳市城市公共安全技术研究院有限公司 | 基于InSAR的形变信息提取方法、终端及存储介质 |
CN110441773A (zh) * | 2019-08-15 | 2019-11-12 | 中国水利水电科学研究院 | 一种高边坡崩塌部位精确定位方法及系统 |
CN110453731A (zh) * | 2019-08-15 | 2019-11-15 | 中国水利水电科学研究院 | 一种大坝边坡形变监测系统及方法 |
CN111259605A (zh) * | 2020-02-14 | 2020-06-09 | 中铁二院工程集团有限责任公司 | 一种土质滑坡监测预警评估方法 |
-
2020
- 2020-06-29 CN CN202010601371.0A patent/CN111754540B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160061445A (ko) * | 2014-11-17 | 2016-06-01 | 서울대학교산학협력단 | 기하학적 증폭계수를 고려한 지진시 산사태 재해도 도출방법 및 도출시스템 |
CN106295641A (zh) * | 2016-08-09 | 2017-01-04 | 鞍钢集团矿业有限公司 | 一种基于影像surf特征的边坡位移自动监测方法 |
CN106546592A (zh) * | 2016-11-07 | 2017-03-29 | 深圳大学 | 基于多光谱空中检测机器人的边坡质量检测方法及系统 |
WO2019126972A1 (zh) * | 2017-12-26 | 2019-07-04 | 深圳市城市公共安全技术研究院有限公司 | 基于InSAR的形变信息提取方法、终端及存储介质 |
CN110441773A (zh) * | 2019-08-15 | 2019-11-12 | 中国水利水电科学研究院 | 一种高边坡崩塌部位精确定位方法及系统 |
CN110453731A (zh) * | 2019-08-15 | 2019-11-15 | 中国水利水电科学研究院 | 一种大坝边坡形变监测系统及方法 |
CN111259605A (zh) * | 2020-02-14 | 2020-06-09 | 中铁二院工程集团有限责任公司 | 一种土质滑坡监测预警评估方法 |
Non-Patent Citations (4)
Title |
---|
"Object-Based Image Analysis and Digital Terrain Analysis for Locating Landslides in the Urmia Lake Basin, Iran";Thomas Blaschke;《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》;全文 * |
"动态沉陷区地面激光扫描数据处理关键问题研究";敖建锋;《中国博士论文数据库》;全文 * |
"边坡监测的模式识别和极限分析研究";陆峰;《中国博士论文数据库》;全文 * |
边坡稳定三维分析的极限平衡方法;陈祖煜, 弥宏亮, 汪小刚;岩土工程学报(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111754540A (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111754540B (zh) | 一种边坡质点位移轨迹监测实时跟踪方法及系统 | |
CN109031301A (zh) | 基于PSInSAR技术的山区地形形变提取方法 | |
CN110888130A (zh) | 一种基于升降轨时序InSAR的煤矿区地表形变监测方法 | |
CN113418496A (zh) | 边坡变形监测预警方法、系统及智能终端 | |
CN104952107A (zh) | 基于车载LiDAR点云数据的桥梁三维重建方法 | |
CN105242279A (zh) | 一种基于激光雷达技术的滑坡体变化检测方法 | |
Lian et al. | Rapid identification of landslide, collapse and crack based on low-altitude remote sensing image of UAV | |
CN110390687A (zh) | 一种基于三维激光扫描的河道冲淤测量方法 | |
CN111243090A (zh) | 土方量计算方法及系统 | |
Mukoyama | Estimation of ground deformation caused by the earthquake (M7. 2) in Japan, 2008, from the geomorphic image analysis of high resolution LiDAR DEMs | |
CN104766335A (zh) | 一种岩土材料变形数字图像相关分析优化方法 | |
CN108596497A (zh) | 一种喀斯特地区崩塌最大运动距离计算方法及其应用 | |
CN104268848A (zh) | 一种海洋内波波速监测的方法 | |
CN106989731A (zh) | 一种用于地表粗糙度观测的近景摄影测量方法 | |
CN112698328A (zh) | 一种用于大坝及滑坡变形gb-sar监测的相位解缠方法及系统 | |
Wang et al. | Research on 3D laser scanning monitoring method for mining subsidence based on the auxiliary for probability integral method | |
Hao et al. | Extraction and analysis of tree canopy height information in high-voltage transmission-line corridors by using integrated optical remote sensing and LiDAR | |
CN109781191A (zh) | 一种利用无人机影像快速反演河道流量的方法 | |
Li et al. | Monitoring and analysis of Woda landslide (China) using InSAR and Sentinel-1 data | |
CN106295641A (zh) | 一种基于影像surf特征的边坡位移自动监测方法 | |
CN106289196B (zh) | 基于三维激光扫描技术的崩滑体地质灾害体监测方法 | |
CN114239379A (zh) | 一种基于形变检测的输电线路地质灾害分析方法及系统 | |
CN103714247A (zh) | 一种地铁中心线及沿线平均形变速率的获取方法、装置 | |
CN112907567A (zh) | 基于空间推理方法的sar图像有序人造构筑物提取方法 | |
CN111765868A (zh) | 基于倾斜摄影技术并按不同网格划分的土方测量方法 |
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 |