CN111881566A - 基于实景仿真的滑坡位移检测方法及装置 - Google Patents
基于实景仿真的滑坡位移检测方法及装置 Download PDFInfo
- Publication number
- CN111881566A CN111881566A CN202010705605.6A CN202010705605A CN111881566A CN 111881566 A CN111881566 A CN 111881566A CN 202010705605 A CN202010705605 A CN 202010705605A CN 111881566 A CN111881566 A CN 111881566A
- Authority
- CN
- China
- Prior art keywords
- landslide
- data
- displacement
- monitoring point
- dimensional
- 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
Links
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 131
- 238000001514 detection method Methods 0.000 title claims abstract description 117
- 238000004088 simulation Methods 0.000 title claims abstract description 64
- 238000012544 monitoring process Methods 0.000 claims abstract description 136
- 239000002689 soil Substances 0.000 claims abstract description 45
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000013499 data model Methods 0.000 claims abstract description 16
- 230000008859 change Effects 0.000 claims description 47
- 238000000034 method Methods 0.000 claims description 38
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 230000007613 environmental effect Effects 0.000 claims description 14
- 230000001133 acceleration Effects 0.000 claims description 9
- 238000005286 illumination Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004141 dimensional analysis Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000000105 evaporative light scattering detection Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000005305 interferometry Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明涉及一种基于实景仿真的滑坡位移检测方法及装置，包括，接收滑坡检测区域的滑坡体信息，滑坡体信息包括每个监测点的温度值、湿度值、定位数据、倾斜角度和多段位移数据；基于动力学模型拟合算法，对每个监测点的温度值、湿度值、定位数据、倾斜角度和多段位移数据进行解算分析，建立每个监测点的土层状态曲线；根据每个土层状态曲线，建立二维位移场面观测模型；根据二维位移场面观测模型，确定滑坡体滑动趋势；基于高程数据模型，利用三维曲面匹配算法，提取每个监测点的高程数据；根据二维位移场面观测模型、滑坡体滑动趋势和高程数据，对检测区域内的滑坡体进行三维模拟仿真展示，有效地提高了滑坡预测及预警决策分析的准确率。
Description
技术领域
本发明涉及滑坡检测技术领域，具体涉及一种基于实景仿真的滑坡位移检测方法及装置。
背景技术
滑坡是地质灾害最严重的类型之一，对居住在山区的人们的生命和财产造成严重的威胁，破坏公路造成交通瘫痪，破坏沿线的石油天然气管道造成重大的经济损失和环境破坏，库区滑坡会造成水位变化，严重影响大坝安全。滑坡的危害是巨大的，因此，滑坡监测具有重要的社会意义和经济意义。目前，对滑坡的监测主要有基于视频分析法、分布式光纤检测法、GPS检测法或合成孔径雷达干涉测量法等方法，这些方法均是通过对应硬件设备收集信息数据，然后进行数据分析。
但是，大多数的设备收集到的数据相对单一，且在对数据进行分析的过程中，仅仅为单一维度的分析，导致对滑坡的预测及预警决策分析的准确度相对较低。
发明内容
有鉴于此，本发明的目的在于克服现有技术的不足，提供一种基于实景仿真的滑坡位移检测方法及装置，以提高滑坡预测及预警决策的准确度。
为实现以上目的，本发明采用如下技术方案：
一方面，一种基于实景仿真的滑坡位移检测方法，包括：
接收滑坡检测区域的滑坡体信息，所述滑坡体信息为滑坡监测系统发送的，所述滑坡监测系统由多个滑坡检测设备组成的，且所述滑坡检测设备分别埋设于所述滑坡检测区域内的多个监测点，所述滑坡体信息包括每个监测点的温度值、湿度值、定位数据、倾斜角度和多段位移数据；
基于动力学模型拟合算法，对每个所述监测点的温度值、湿度值、定位数据、倾斜角度和多段位移数据进行解算分析，建立每个监测点的土层状态曲线；
根据每个监测点的所述土层状态曲线，建立二维位移场面观测模型；
根据所述二维位移场面观测模型，确定滑坡体滑动趋势；
基于高程数据模型，利用三维曲面匹配算法，提取每个所述监测点的高程数据；
根据所述二维位移场面观测模型、所述滑坡体滑动趋势和所述高程数据，对所述检测区域内的滑坡体进行三维模拟仿真展示。
可选的，上述所述基于动力学模型拟合算法，对每个所述监测点的温度值、湿度值、定位数据、倾斜角度和多段位移数据进行解算分析，建立每个监测点的土层状态曲线，包括：
在预设时间间隔内，通过滑坡检测设备获取每个监测点的土层的温度变化、湿度变化、倾斜角度变化和多段位移数据变化；
根据每个所述监测点的温度变化、湿度变化、倾斜角度变化和多段位移数据变化，建立每个监测点的土层状态曲线。
可选的，上述所述根据每个监测点的所述土层状态曲线，建立二维位移场面观测模型，包括：
根据所述土层状态曲线，确定每个所述监测点的位移变化；
根据每个所述监测点的位移变化，建立滑坡位移等高线；
根据所述定位数据和所述滑坡位移等高线，建立二维位移场面观测模型。
可选的，上述所述根据所述二维位移场面观测模型，确定滑坡体滑动趋势，包括：
基于历史滑坡数据和所述二维位移场面观测模型，运用时间序列算法确定滑坡体滑动趋势。
可选的，上述所述基于高程数据模型，利用三维曲面匹配算法，提取每个所述监测点的高程数据，包括：
利用最小二乘法原理建立转换模型；
根据所述滑坡位移等高线，确定转换参数；
基于所述转换模型和所述转换参数，对所有三维滑坡曲面数据进行高程数据配准；
根据配准后的高程数据，提取每个所述监测点的高程数据。
可选的，上述所述基于高程数据模型，利用三维曲面匹配算法，提取每个所述监测点的高程数据之后，还包括：
确定每个监测点的加速度状态信息；
根据所述加速度状态信息、所述滑坡体滑动趋势和所述高程数据，确定高度缓冲区。
可选的，上述所述确定高度缓冲区之后，还包括：
根据所述滑坡体滑动趋势和所述高度缓冲区，输出应急方案。
可选的，上述所述根据所述滑坡体滑动趋势和所述高度缓冲区，输出应急方案之前，还包括：
通过所述滑坡检测设备获取当前环境状态参数信息，所述环境状态参数信息包括：光照情况、天气情况、土地湿度、风速和降雨量；
对应的，所述根据所述滑坡体滑动趋势和所述高度缓冲区，输出应急方案，包括：
根据所述光照情况、所述天气情况、所述土地湿度、所述风速、所述降雨量、所述滑坡体滑动趋势和所述高度缓冲区，输出应急方案。
可选的，上述所述根据所述二维位移场面观测模型、所述滑坡体滑动趋势和所述高程数据，对所述检测区域内的滑坡体进行三维模拟仿真展示，包括：
通过所述滑坡检测设备获取当前检测区域的实景照片；
根据所述实景照片和所述定位数据建立仿真模型；
基于所述仿真模型、所述二维位移场面观测模型、所述滑坡体滑动趋势和所述高程数据，对所述检测区域内的滑坡体进行三维模拟仿真展示。
另一方面，一种基于实景仿真的滑坡位移检测装置，包括：
接收模块，用于接收滑坡检测区域的滑坡体信息，所述滑坡体信息为滑坡监测系统发送的，所述滑坡监测系统由多个滑坡检测设备组成的，且所述滑坡检测设备分别埋设于所述滑坡检测区域内的多个监测点，所述滑坡体信息包括每个监测点的温度值、湿度值、定位数据、倾斜角度和多段位移数据；
动力学模块，用于基于动力学模型拟合算法，对每个所述监测点的温度值、湿度值、定位数据、倾斜角度和多段位移数据进行解算分析，建立每个监测点的土层状态曲线；
确定模块，用于根据每个监测点的所述土层状态曲线，建立二维位移场面观测模型；根据所述二维位移场面观测模型，确定滑坡体滑动趋势；
仿真展示模块，用于基于高程数据模型，利用三维曲面匹配算法，提取每个所述监测点的高程数据；根据所述二维位移场面观测模型、所述滑坡体滑动趋势和所述高程数据，对所述检测区域内的滑坡体进行三维模拟仿真展示。
本申请的有益效果为：
本申请提供一种基于实景仿真的滑坡位移检测方法及装置，方法通过：接收滑坡检测区域的滑坡体信息，滑坡体信息为滑坡监测系统发送的，滑坡监测系统由多个滑坡检测设备组成的，且滑坡检测设备分别埋设于滑坡检测区域内的多个监测点，滑坡体信息包括每个监测点的温度值、湿度值、定位数据、倾斜角度和多段位移数据；基于动力学模型拟合算法，对每个监测点的温度值、湿度值、定位数据、倾斜角度和多段位移数据进行解算分析，建立每个监测点的土层状态曲线；根据每个监测点的土层状态曲线，建立二维位移场面观测模型；根据二维位移场面观测模型，确定滑坡体滑动趋势；基于高程数据模型，利用三维曲面匹配算法，提取每个监测点的高程数据；根据二维位移场面观测模型、滑坡体滑动趋势和高程数据，对检测区域内的滑坡体进行三维模拟仿真展示的方式，使得可以多维度的采集到检测区域的实时信息，并可以对实时滑坡体信息进行多维度的分析，更准确的对活泼进行预测，同时可以通过三维模拟仿真的方式进行实景模拟，便于正确的做出预警决策以及事后分析。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于实景仿真的滑坡位移检测方法的一种流程图；
图2是二维位移场面观测模型的一种示意图；
图3是三维模拟仿真的一种示意图；
图4是本发明实施例提供的基于实景仿真的滑坡位移检测装置的一种结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
图1是本发明实施例提供的基于实景仿真的滑坡位移检测方法的一种流程图，图2是二维位移场面观测模型的一种示意图，图3是三维模拟仿真的一种示意图。
如图1所示，本实施例的提供的一种基于实景仿真的滑坡位移检测方法，包括以下步骤：
S11、接收滑坡检测区域的滑坡体信息，滑坡体信息为滑坡监测系统发送的，滑坡监测系统由多个滑坡检测设备组成的，且滑坡检测设备分别埋设于滑坡检测区域内的多个监测点，滑坡体信息包括每个监测点的温度值、湿度值、定位数据、倾斜角度和多段位移数据。
具体的，滑坡位移检测的目的在于及时预测发现将要发生滑坡的滑坡体，从而可以制定出更好的应急措施，以减少生命财产损失。首先，需要确定检测区域，检测区域可以是可能发生滑坡的某一区域，具体的以用户的需求为准。确定了滑坡检测区域后，就需要确定监测点，在检测区域内，可以设置有若干个监测点，监测点可以是平均分配，可以是按照地形地貌分配，也可以是按照其他的方式进行分配，在本实施例中不进行具体限定。设置监测点的目的是通过监测每一个监测点的状态信息，从而实现以点盖面的效果，进而更好的分析检测区域的滑坡体信息，当然关于监测点的数量也不进行明确的限定，可根据经济、效率和准确度多方面综合考量进行设定。在每一个监测点均埋设有滑坡检测设备，每一个滑坡检测设备均用于检测该点的滑坡体信息，滑坡体信息具体可以包括有温度值、湿度值、定位数据、倾斜角度和多段位移数据。
在将滑坡体检测设备埋设于对应的监测点以后，需要对所有的滑坡体检测设备进行组网，实现局域网络通信的功能，从而可以通过NB/LoRa模组完成对每一个滑坡体检测设备的实时信息采集，具体的组网过程以及数据采集的过程不再进行详细的说明，只要能够有效的实现对所有的滑坡体检测设备组网，并且可以及时的完成实时数据采集即可。
S12、基于动力学模型拟合算法，对每个监测点的温度值、湿度值、定位数据、倾斜角度和多段位移数据进行解算分析，建立每个监测点的土层状态曲线。
具体的，土层状态曲线的建立过程可以是，通过每个滑坡体检测设备可以准确、快速的获取到一定深度的土层状态及变化情况，例如，温度变化、湿度变化等。在滑坡体检测设备初始埋设好时，其土层的状态信息是固定的，可以以此原始数据为基准线，根据事实采集到的状态信息，确定每一个监测点的土层的温度变化、湿度变化、倾斜角度变化和多段位移数据变化，其中，可以设置一定的时间间隔，也有助于更好地判断是否可能出现滑坡，然后便可以根据每个监测点的温度变化、湿度变化、倾斜角度变化和多段位移数据变化，建立每个监测点的土层状态曲线。可以通过土层状态曲线初步预测一定的滑坡体移动趋势，例如，在一定时间内，倾斜角度变化超过了预设值，多段位移数据变化超过了预设值，表明可能会出现一定的滑坡趋势。
S13、根据每个监测点的土层状态曲线，建立二维位移场面观测模型。
具体的，首先根据每个点的土层状态曲线，确定每个监测点的位移变化，然后根据每个监测点的位移变化，建立滑坡位移等高线，最后根据定位数据和滑坡位移等高线，建立如图2所示的二维位移场面观测模型。定位数据可以是通过GPS获取，建立位移等高线后还可以获取历史变化过程，从而更好的建立二维位移场面观测模型，可以通过该模型获取整个检测区域各个监测点的运动结果，更好地为分析滑坡体滑动趋势提供数据支撑。
S14、根据二维位移场面观测模型，确定滑坡体滑动趋势。
由二维位移场面观测模型可以得到滑坡体上的位移变化信息，确认滑坡体的起始数据和当前数据，根据两者数据便可以初步判定滑坡体的位移走势，但是为了保证对滑坡体滑动趋势分析的准确性，增加了获取活泼过程的历史数据进行分析比较，通过与历史数据结合分析，再运用时间序列算法，便可以准确的确定出滑坡体滑动趋势。其中，时间序列算法的计算公式(1)：
S15、基于高程数据模型，利用三维曲面匹配算法，提取每个监测点的高程数据。
具体的，首先获取检测区域每个监测点的高度数据，可以是直接通过测绘局的高程数据模型获取，也可以是其他的方式获取，然后对滑坡检测区域的所有曲面信息进行匹配转换，将每一个监测点的数据转换为高程数据，通过三维曲面算法实现高程数据的自动匹配，具体的过程可以是利用最小二乘法原理建立转换模型；根据滑坡位移等高线，确定转换参数；基于转换模型和转换参数，对所有三维滑坡曲面数据进行高程数据配准；根据配准后的高程数据，提取每个监测点的高程数据。其中，原理公式为(2)：
三维曲面匹配方法最大的优点在于直接利用所有曲面数据信息进行匹配，不仅不需要预先选取或提取控制点，而且坐标数据冗余度大，少量误差或异常值基本不会对模型参数解算有影响，甚至大规模形变下依然能够实现曲面间的准确匹配，适用于存有形变的滑坡体高程匹配。方案采用等高线预匹配和位移场上下文匹配的方式，通过事先提取观察场等高线的方式估算转换参数，最终使高程数据配准，当滑坡发生时，会根据计算到的二维位移场和既有高程数据场，核算其上下文匹配模型，最终完成滑坡曲面的配准对其，实现高程数据叠加，准确、快速、自动地提取得到当前滑坡体的高程数据。
S16、根据二维位移场面观测模型、滑坡体滑动趋势和高程数据，对检测区域内的滑坡体进行三维模拟仿真展示。
为了使得可以更快速的出具应急方案，可以通过滑坡检测设备获取当前检测区域的实景照片，根据实景照片和定位数据建立仿真模型，基于仿真模型、二维位移场面观测模型、滑坡体滑动趋势和高程数据，对检测区域内的滑坡体进行三维模拟仿真展示。如图3所示，对滑坡进行模拟仿真展示，同时，为了仿真效果的准确性，还可以实时获取当前的土层温湿度、风速、光照情况、环境植被、降雨量等信息，同时将该类信息通过仿真进行模拟展示，使得可以更直观的了解到当前的滑坡信息，同时通过模拟仿真可以减人工的参数分析，便于快速的进行应急响应。
本实施例提供一种基于实景仿真的滑坡位移检测方法，通过接收滑坡检测区域的滑坡体信息，滑坡体信息为滑坡监测系统发送的，滑坡监测系统由多个滑坡检测设备组成的，且滑坡检测设备分别埋设于滑坡检测区域内的多个监测点，滑坡体信息包括每个监测点的温度值、湿度值、定位数据、倾斜角度和多段位移数据；基于动力学模型拟合算法，对每个监测点的温度值、湿度值、定位数据、倾斜角度和多段位移数据进行解算分析，建立每个监测点的土层状态曲线；根据每个监测点的土层状态曲线，建立二维位移场面观测模型；根据二维位移场面观测模型，确定滑坡体滑动趋势；基于高程数据模型，利用三维曲面匹配算法，提取每个监测点的高程数据；根据二维位移场面观测模型、滑坡体滑动趋势和高程数据，对检测区域内的滑坡体进行三维模拟仿真展示的方式，使得可以多维度的采集到检测区域的实时信息，并可以对实时滑坡体信息进行多维度的分析，更准确的对活泼进行预测，同时可以通过三维模拟仿真的方式进行实景模拟，便于正确的做出预警决策以及事后分析。
进一步地，在上述实施例的基础上，本实施例中在基于高程数据模型，利用三维曲面匹配算法，提取每个监测点的高程数据之后，还可以包括：确定每个监测点的加速度状态信息；根据加速度状态信息、滑坡体滑动趋势和高程数据，确定高度缓冲区，然后，根据滑坡体滑动趋势和高度缓冲区，输出应急方案。其中，还包括这，对滑坡发生点进行定位，通过二维位移场面观测模型中的定位数据，确定出滑坡发生点的经纬度和高度坐标，从而便可以精确的确定出滑坡的具体发生位置，然后将具体发生位置，滑坡体滑动趋势、高程数据、加速度状态信息和高度缓冲区进行显示，以使的相关人员可以及时进行决策分析，同时还可以直接根据相关内容生成应急方案，并进行输出，减少了人工分析的步骤，更加缩短了应急反应的时间，保证了效率。
而为了使得应急方案更加合理化与准确化，还可以通过滑坡检测设备获取当前环境状态参数信息，环境状态参数信息包括：光照情况、天气情况、土地湿度、风速和降雨量，根据光照情况、天气情况、土地湿度、风速、降雨量、滑坡体滑动趋势和高度缓冲区，输出应急方案，通过实时了解所有的环境参数信息，可以更好地确定应急方案，也能保证应急方案更加的符合实际问题，更能保证安全。
本申请通过一种基于无人值守滑坡监测设备，实现信息综合数据采集，并根据其数据信息完成多维度滑坡检测。应用实景仿真技术，根据环境状态、二维位移场面观测模型、实景图像和高程数据建立三维滑坡仿真模型，通过三维可视化平台完成模型加载与展示；通过自动化分析算法，对滑坡数据提供更加直观的展示模型，降低检测人员的技术分析要求，无需较高人力成本即可完成滑坡检测分析；还可以提供深度学习方法，客户可导入历史滑坡数据及滑坡出现时的环境场景，模拟滑坡事故过程，提高滑坡检测系统的预警能力；基于物联网技术完成数据采集，在夜晚和雨雾天气条件下，依然可以正常采集滑坡检测区域数据，减少环境干扰因素造成的检测失误或检测失败风险。有效地提高了对滑坡的预测和预警决策分析的准确率。
图4是本发明实施例提供的基于实景仿真的滑坡位移检测装置的一种结构示意图。
如图4所示，本实施例还保护一种基于实景仿真的滑坡位移检测装置，包括：
接收模块10，用于接收滑坡检测区域的滑坡体信息，所述滑坡体信息为滑坡监测系统发送的，所述滑坡监测系统由多个滑坡检测设备组成的，且所述滑坡检测设备分别埋设于所述滑坡检测区域内的多个监测点，所述滑坡体信息包括每个监测点的温度值、湿度值、定位数据、倾斜角度和多段位移数据；
动力学模块20，用于基于动力学模型拟合算法，对每个所述监测点的温度值、湿度值、定位数据、倾斜角度和多段位移数据进行解算分析，建立每个监测点的土层状态曲线；
确定模块30，用于根据每个监测点的所述土层状态曲线，建立二维位移场面观测模型；根据所述二维位移场面观测模型，确定滑坡体滑动趋势；
仿真展示模块40，用于基于高程数据模型，利用三维曲面匹配算法，提取每个所述监测点的高程数据；根据所述二维位移场面观测模型、所述滑坡体滑动趋势和所述高程数据，对所述检测区域内的滑坡体进行三维模拟仿真展示。
本申请提供一种基于实景仿真的滑坡位移检测装置，方法通过：接收滑坡检测区域的滑坡体信息，滑坡体信息为滑坡监测系统发送的，滑坡监测系统由多个滑坡检测设备组成的，且滑坡检测设备分别埋设于滑坡检测区域内的多个监测点，滑坡体信息包括每个监测点的温度值、湿度值、定位数据、倾斜角度和多段位移数据；基于动力学模型拟合算法，对每个监测点的温度值、湿度值、定位数据、倾斜角度和多段位移数据进行解算分析，建立每个监测点的土层状态曲线；根据每个监测点的土层状态曲线，建立二维位移场面观测模型；根据二维位移场面观测模型，确定滑坡体滑动趋势；基于高程数据模型，利用三维曲面匹配算法，提取每个监测点的高程数据；根据二维位移场面观测模型、滑坡体滑动趋势和高程数据，对检测区域内的滑坡体进行三维模拟仿真展示的方式，使得可以多维度的采集到检测区域的实时信息，并可以对实时滑坡体信息进行多维度的分析，更准确的对活泼进行预测，同时可以通过三维模拟仿真的方式进行实景模拟，便于正确的做出预警决策以及事后分析。
进一步地，本实施例的动力学模块20具体用于：
在预设时间间隔内，通过滑坡检测设备获取每个监测点的土层的温度变化、湿度变化、倾斜角度变化和多段位移数据变化；
根据每个所述监测点的温度变化、湿度变化、倾斜角度变化和多段位移数据变化，建立每个监测点的土层状态曲线。
进一步地，本实施例的确定模块30具体用于：
根据所述土层状态曲线，确定每个所述监测点的位移变化；
根据每个所述监测点的位移变化，建立滑坡位移等高线；
根据所述定位数据和所述滑坡位移等高线，建立二维位移场面观测模型。
进一步地，本实施例的确定模块30具体还用于：
基于历史滑坡数据和所述二维位移场面观测模型，运用时间序列算法确定滑坡体滑动趋势。
进一步地，本实施例的仿真展示模块40具体用于：
通过所述滑坡检测设备获取当前检测区域的实景照片；
根据所述实景照片和所述定位数据建立仿真模型；
基于所述仿真模型、所述二维位移场面观测模型、所述滑坡体滑动趋势和所述高程数据，对所述检测区域内的滑坡体进行三维模拟仿真展示。
进一步地，本实施例的仿真展示模块40具体用于：
利用最小二乘法原理建立转换模型；
根据所述滑坡位移等高线，确定转换参数；
基于所述转换模型和所述转换参数，对所有三维滑坡曲面数据进行高程数据配准；
根据配准后的高程数据，提取每个所述监测点的高程数据。
进一步地，本实施例的仿真展示模块40具体还用于：
确定每个监测点的加速度状态信息；
根据所述加速度状态信息、所述滑坡体滑动趋势和所述高程数据，确定高度缓冲区；
根据所述滑坡体滑动趋势和所述高度缓冲区，输出应急方案。
进一步地，本实施例的仿真展示模块40具体还用于：
通过所述滑坡检测设备获取当前环境状态参数信息，所述环境状态参数信息包括：光照情况、天气情况、土地湿度、风速和降雨量；
对应的，所述根据所述滑坡体滑动趋势和所述高度缓冲区，输出应急方案，包括：
根据所述光照情况、所述天气情况、所述土地湿度、所述风速、所述降雨量、所述滑坡体滑动趋势和所述高度缓冲区，输出应急方案。
关于上述装置部分的实施例在对应的方法部分已经做了详细的表述说明，因此在对应的装置部分不再进行具体阐述，可以相互参照进行理解。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于实景仿真的滑坡位移检测方法，其特征在于，包括：
接收滑坡检测区域的滑坡体信息，所述滑坡体信息为滑坡监测系统发送的，所述滑坡监测系统由多个滑坡检测设备组成的，且所述滑坡检测设备分别埋设于所述滑坡检测区域内的多个监测点，所述滑坡体信息包括每个监测点的温度值、湿度值、定位数据、倾斜角度和多段位移数据；
基于动力学模型拟合算法，对每个所述监测点的温度值、湿度值、定位数据、倾斜角度和多段位移数据进行解算分析，建立每个监测点的土层状态曲线；
根据每个监测点的所述土层状态曲线，建立二维位移场面观测模型；
根据所述二维位移场面观测模型，确定滑坡体滑动趋势；
基于高程数据模型，利用三维曲面匹配算法，提取每个所述监测点的高程数据；
根据所述二维位移场面观测模型、所述滑坡体滑动趋势和所述高程数据，对所述检测区域内的滑坡体进行三维模拟仿真展示。
2.根据权利要求1所述的方法，其特征在于，所述基于动力学模型拟合算法，对每个所述监测点的温度值、湿度值、定位数据、倾斜角度和多段位移数据进行解算分析，建立每个监测点的土层状态曲线，包括：
在预设时间间隔内，通过滑坡检测设备获取每个监测点的土层的温度变化、湿度变化、倾斜角度变化和多段位移数据变化；
根据每个所述监测点的温度变化、湿度变化、倾斜角度变化和多段位移数据变化，建立每个监测点的土层状态曲线。
3.根据权利要求1所述的方法，其特征在于，所述根据每个监测点的所述土层状态曲线，建立二维位移场面观测模型，包括：
根据所述土层状态曲线，确定每个所述监测点的位移变化；
根据每个所述监测点的位移变化，建立滑坡位移等高线；
根据所述定位数据和所述滑坡位移等高线，建立二维位移场面观测模型。
4.根据权利要求1所述的方法，其特征在于，所述根据所述二维位移场面观测模型，确定滑坡体滑动趋势，包括：
基于历史滑坡数据和所述二维位移场面观测模型，运用时间序列算法确定滑坡体滑动趋势。
5.根据权利要求3所述的方法，其特征在于，所述基于高程数据模型，利用三维曲面匹配算法，提取每个所述监测点的高程数据，包括：
利用最小二乘法原理建立转换模型；
根据所述滑坡位移等高线，确定转换参数；
基于所述转换模型和所述转换参数，对所有三维滑坡曲面数据进行高程数据配准；
根据配准后的高程数据，提取每个所述监测点的高程数据。
6.根据权利要求5所述的方法，其特征在于，所述基于高程数据模型，利用三维曲面匹配算法，提取每个所述监测点的高程数据之后，还包括：
确定每个监测点的加速度状态信息；
根据所述加速度状态信息、所述滑坡体滑动趋势和所述高程数据，确定高度缓冲区。
7.根据权利要求6所述的方法，其特征在于，所述确定高度缓冲区之后，还包括：
根据所述滑坡体滑动趋势和所述高度缓冲区，输出应急方案。
8.根据权利要求7所述的方法，其特征在于，所述根据所述滑坡体滑动趋势和所述高度缓冲区，输出应急方案之前，还包括：
通过所述滑坡检测设备获取当前环境状态参数信息，所述环境状态参数信息包括：光照情况、天气情况、土地湿度、风速和降雨量；
对应的，所述根据所述滑坡体滑动趋势和所述高度缓冲区，输出应急方案，包括：
根据所述光照情况、所述天气情况、所述土地湿度、所述风速、所述降雨量、所述滑坡体滑动趋势和所述高度缓冲区，输出应急方案。
9.根据权利要求1所述的方法，其特征在于，所述根据所述二维位移场面观测模型、所述滑坡体滑动趋势和所述高程数据，对所述检测区域内的滑坡体进行三维模拟仿真展示，包括：
通过所述滑坡检测设备获取当前检测区域的实景照片；
根据所述实景照片和所述定位数据建立仿真模型；
基于所述仿真模型、所述二维位移场面观测模型、所述滑坡体滑动趋势和所述高程数据，对所述检测区域内的滑坡体进行三维模拟仿真展示。
10.一种基于实景仿真的滑坡位移检测装置，其特征在于，包括：
接收模块，用于接收滑坡检测区域的滑坡体信息，所述滑坡体信息为滑坡监测系统发送的，所述滑坡监测系统由多个滑坡检测设备组成的，且所述滑坡检测设备分别埋设于所述滑坡检测区域内的多个监测点，所述滑坡体信息包括每个监测点的温度值、湿度值、定位数据、倾斜角度和多段位移数据；
动力学模块，用于基于动力学模型拟合算法，对每个所述监测点的温度值、湿度值、定位数据、倾斜角度和多段位移数据进行解算分析，建立每个监测点的土层状态曲线；
确定模块，用于根据每个监测点的所述土层状态曲线，建立二维位移场面观测模型；根据所述二维位移场面观测模型，确定滑坡体滑动趋势；
仿真展示模块，用于基于高程数据模型，利用三维曲面匹配算法，提取每个所述监测点的高程数据；根据所述二维位移场面观测模型、所述滑坡体滑动趋势和所述高程数据，对所述检测区域内的滑坡体进行三维模拟仿真展示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010705605.6A CN111881566B (zh) | 2020-07-21 | 2020-07-21 | 基于实景仿真的滑坡位移检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010705605.6A CN111881566B (zh) | 2020-07-21 | 2020-07-21 | 基于实景仿真的滑坡位移检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111881566A true CN111881566A (zh) | 2020-11-03 |
| CN111881566B CN111881566B (zh) | 2023-10-27 |
Family
ID=73155685
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010705605.6A Active CN111881566B (zh) | 2020-07-21 | 2020-07-21 | 基于实景仿真的滑坡位移检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111881566B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113340208A (zh) * | 2021-05-27 | 2021-09-03 | 西北大学 | 一种多状态触发的滑坡体远程自动监测预警系统及方法 |
| CN113762623A (zh) * | 2021-09-09 | 2021-12-07 | 甘肃中星鸿图科技有限公司 | 一种滑坡方向与趋势的识别和预测方法、装置及电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106205061A (zh) * | 2016-08-31 | 2016-12-07 | 西安科技大学 | 一种地质灾害预测系统 |
| CN108765557A (zh) * | 2018-05-29 | 2018-11-06 | 桂林电子科技大学 | 一种基于bds的山体滑坡三维重建的几何方法 |
| CN109541592A (zh) * | 2018-10-30 | 2019-03-29 | 长安大学 | 基于InSAR多维形变信息的黄土滑坡类型及滑动模式分析方法 |
| CN110309525A (zh) * | 2019-03-22 | 2019-10-08 | 北京北科安地科技发展有限公司 | 一种边坡空间变形及破坏趋势计算方法 |
| 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 |
| CN111369056A (zh) * | 2020-03-04 | 2020-07-03 | 四川大汇大数据服务有限公司 | 地质灾害预测方法及电子设备 |
-
2020
- 2020-07-21 CN CN202010705605.6A patent/CN111881566B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106205061A (zh) * | 2016-08-31 | 2016-12-07 | 西安科技大学 | 一种地质灾害预测系统 |
| CN108765557A (zh) * | 2018-05-29 | 2018-11-06 | 桂林电子科技大学 | 一种基于bds的山体滑坡三维重建的几何方法 |
| CN109541592A (zh) * | 2018-10-30 | 2019-03-29 | 长安大学 | 基于InSAR多维形变信息的黄土滑坡类型及滑动模式分析方法 |
| CN110309525A (zh) * | 2019-03-22 | 2019-10-08 | 北京北科安地科技发展有限公司 | 一种边坡空间变形及破坏趋势计算方法 |
| 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 |
| CN111369056A (zh) * | 2020-03-04 | 2020-07-03 | 四川大汇大数据服务有限公司 | 地质灾害预测方法及电子设备 |
Non-Patent Citations (3)
| Title |
|---|
| 张昆;张松林;刘祖强;杨红;: "滑坡变形的三维可视化研究", 武汉大学学报(信息科学版), no. 09 * |
| 朱传华;胡光道;: "基于多维建模的滑坡监测数据挖掘", 水土保持通报, no. 04 * |
| 芮杰;金飞;谢华;王超;张红;: "基于DEM匹配的滑坡检测", 测绘科学技术学报, no. 05 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113340208A (zh) * | 2021-05-27 | 2021-09-03 | 西北大学 | 一种多状态触发的滑坡体远程自动监测预警系统及方法 |
| CN113762623A (zh) * | 2021-09-09 | 2021-12-07 | 甘肃中星鸿图科技有限公司 | 一种滑坡方向与趋势的识别和预测方法、装置及电子设备 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111881566B (zh) | 2023-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107829452B (zh) | 一种融合多传感器及地基sar的深基坑施工监测预警技术 | |
| CN103779808A (zh) | 基于LiDAR的输电线路智能巡检系统 | |
| CN111864898B (zh) | 一种基于输电在线监测数据的三维信息系统及其控制方法 | |
| CN110992653A (zh) | 城市内涝预警系统及方法 | |
| CN111144656A (zh) | 一种基于gis的灾害评价分析方法 | |
| CN110858334A (zh) | 道路安全评估方法、装置及道路安全预警系统 | |
| CN111339905B (zh) | 基于深度学习及多视角的cim井盖状态视觉检测系统 | |
| CN111243083A (zh) | 一种基于无人机倾斜摄影测量技术的三维建模方法 | |
| CN111881566A (zh) | 基于实景仿真的滑坡位移检测方法及装置 | |
| CN111007738A (zh) | 一种用于自动驾驶算法仿真测试的软件在环平台 | |
| CN112488477A (zh) | 高速公路应急管理系统及方法 | |
| CN106412526A (zh) | 警用倾斜摄影实景三维平台系统及其接口系统 | |
| CN113487094B (zh) | 一种海洋数据管理应用平台 | |
| CN110986876A (zh) | 一种基于无人机反演淤泥质潮沟水下地形的方法 | |
| CN112633722A (zh) | 车载道路安全风险评估系统及方法 | |
| CN113762090A (zh) | 一种特高压密集输电通道灾害监测预警方法 | |
| CN116776592A (zh) | 一种输电线路的风偏分析方法及系统 | |
| CN113759374A (zh) | 一种城市基础设施的结构健康问题的监测系统和监测方法 | |
| Chen et al. | Three-dimensional simulation of regional urban waterlogging based on high-precision DEM model | |
| CN115422766A (zh) | 一种基于数字孪生技术的泥石流监测方法及系统 | |
| CN114021504A (zh) | 一种城市台风轨迹预测方法及装置 | |
| CN111146866A (zh) | 一种输电通道控制方法 | |
| CN114528672A (zh) | 基于3s技术的城市水文站网布设方法及系统 | |
| CN110414027A (zh) | 一种适用于洪涝预测系统的数据处理方法 | |
| KR102408981B1 (ko) | Nd 맵 생성방법 및 그를 활용한 맵 업데이트 방법 |
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 |