CN112577470B - 一种UAV与InSAR融合监测矿区动态沉陷盆地的方法和系统 - Google Patents

一种UAV与InSAR融合监测矿区动态沉陷盆地的方法和系统 Download PDF

Info

Publication number
CN112577470B
CN112577470B CN202011164966.0A CN202011164966A CN112577470B CN 112577470 B CN112577470 B CN 112577470B CN 202011164966 A CN202011164966 A CN 202011164966A CN 112577470 B CN112577470 B CN 112577470B
Authority
CN
China
Prior art keywords
uav
insar
image
sinking
subsidence
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
Application number
CN202011164966.0A
Other languages
English (en)
Other versions
CN112577470A (zh
Inventor
周大伟
王晓鹏
王玲
安鱼飞
李亮
王红涛
杨斌
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.)
Geophysical And Geochemical Exploration Institute Of Ningxia Hui Autonomous Region
China University of Mining and Technology CUMT
Aerial Photogrammetry and Remote Sensing Co Ltd
Original Assignee
Geophysical And Geochemical Exploration Institute Of Ningxia Hui Autonomous Region
China University of Mining and Technology CUMT
Aerial Photogrammetry and Remote Sensing 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 Geophysical And Geochemical Exploration Institute Of Ningxia Hui Autonomous Region, China University of Mining and Technology CUMT, Aerial Photogrammetry and Remote Sensing Co Ltd filed Critical Geophysical And Geochemical Exploration Institute Of Ningxia Hui Autonomous Region
Priority to CN202011164966.0A priority Critical patent/CN112577470B/zh
Publication of CN112577470A publication Critical patent/CN112577470A/zh
Application granted granted Critical
Publication of CN112577470B publication Critical patent/CN112577470B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021—SAR image post-processing techniques
    • G01S13/9023—SAR image post-processing techniques combined with interferometric techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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
    • G06T2207/10004—Still image; Photographic 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
    • G06T2207/10—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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种UAV与InSAR融合监测矿区动态沉陷盆地的方法和系统，属于矿区开采沉陷监测技术领域。方法包括如下步骤：分别利用UAV和InSAR获得被监测区域的UAV沉陷盆地图像和InSAR沉陷盆地图像；获取所述UAV沉陷盆地图像和InSAR沉陷盆地图像的融合边界线；其中两两比较UAV沉陷盆地图像的下沉等值线和InSAR沉陷盆地图像的下沉等值线，以最接近的两条下沉等值线作为所述融合边界线；基于所述融合边界线，进行UAV沉陷盆地图像和InSAR沉陷盆地图像融合，获得完整的高精度沉陷盆地图像。实现了将UAV与InSAR融合监测矿区动态沉陷盆地，从而获得完整的精度高的沉陷盆地的目的。

Description

一种UAV与InSAR融合监测矿区动态沉陷盆地的方法和系统
技术领域
本发明涉及矿区开采沉陷监测技术领域，尤其涉及一种UAV与InSAR融合监测矿区动态沉陷盆地的方法和系统。
背景技术
快速、准确、全面地监测矿区沉陷，对合理指导煤炭资源开采活动、预防开采沉陷灾害以及保护生态环境不受破坏具有重要意义。而传统的地表沉陷监测技术存在工作周期长，工作量大、工作成本高的问题。
InSAR(Interferometry Synthetic Aperture Radar，合成孔径雷达干涉测量),是利用微波合成孔径雷达图像数据对地表重复观测形成的微波相位差计算地表形变，精度可以达到厘米甚至毫米级。与传统监测方式相比，InSAR具有监测范围大、成本低,不需要建立监测网、空间分辨率高,全天候等优势。但由于矿区地表最大沉降量通常为数米，地表形变梯度超过InSAR技术可监测的梯度范围受时空失相干等因素影响，导致其无法可靠地获取沉陷盆地中心区域的大变形。
UAV(Unmanned Aerial Vehicle,无人机)摄影测量是以无人机为平台，通过搭载在上面的量测相机对监测对象进行航摄，获得航测数据并处理，从而得到监测对象的位置、高度等信息。此技术适应于多尺度的监测任务，具有机动灵活、高效精准、作业成本低等优势，在矿区得到广泛应用。UAV摄影测量技术的分米级精度在矿区开采沉陷大变形监测中具有优势，但也决定了其无法监测沉陷边界区域。
因而现有监测方法无法获得完整并且精度高的矿区动态沉陷盆地。
发明内容
鉴于上述的分析，本发明实施例旨在提供一种UAV与InSAR融合监测矿区动态沉陷盆地的方法和系统，用以解决现有监测方法无法获得完整并且精度高的矿区动态沉陷盆地的问题。
一方面，本发明实施例提供了一种UAV与InSAR融合监测矿区地表沉陷的方法，包括如下步骤：
分别利用UAV和InSAR获得被监测区域的UAV沉陷盆地图像和InSAR沉陷盆地图像；
获取所述UAV沉陷盆地图像和InSAR沉陷盆地图像的融合边界线；其中两两比较UAV沉陷盆地图像的下沉等值线和InSAR沉陷盆地图像的下沉等值线，以最接近的两条下沉等值线作为所述融合边界线；
基于所述融合边界线，进行UAV沉陷盆地图像和InSAR沉陷盆地图像融合，获得完整的高精度沉陷盆地图像。
进一步地，所述两两比较UAV沉陷盆地图像的下沉等值线和InSAR沉陷盆地图像的下沉等值线，包括：设置阈值；从UAV沉陷盆地图像的下沉值大于阈值、并且最远离沉陷盆地中心的下沉等值线开始，到UAV沉陷盆地图像最中心的下沉等值线为止，与InSAR沉陷盆地图像的下沉等值线进行两两比较，得到最接近的两条下沉等值线作为所述融合边界线。
进一步地，所述阈值由观测点的基准高程差与UAV沉陷盆地图像相应位置的下沉值的差值，根据公式
Figure BDA0002745491010000021
计算得到的；
其中，n为观测点数，△i是观测点i的高精度高程差与UAV沉陷盆地图像相应位置的下沉值的差值。
进一步地，所述UAV沉陷盆地图像由利用UAV技术获得的被监测区域的两期DEM相减得到。
进一步地，所述InSAR沉陷盆地图像通过下述方式获得：
将被监测区域的SAR图像组成干涉像对，对各干涉像对进行InSAR解算，得到各干涉像对的形变量；
将各干涉像对的形变量叠加，得到所述InSAR沉陷盆地图像。
进一步地，在获取所述UAV沉陷盆地图像和InSAR沉陷盆地图像的融合边界线之前，还包括统一InSAR沉陷盆地图像与UAV沉陷盆地图像的坐标系统。
进一步地，在获取所述UAV沉陷盆地图像和InSAR沉陷盆地图像的融合边界线之前，统一InSAR沉陷盆地图像与UAV沉陷盆地图像的坐标系统之后，还包括统一InSAR沉陷盆地图像与UAV沉陷盆地图像的分辨率。
进一步地，作为所述融合边界线分最接近的两条下沉等值线，包括UAV沉陷盆地图像融合边界线和InSAR沉陷盆地图像融合边界线；基于所述融合边界线，进行UAV沉陷盆地图像和InSAR沉陷盆地图像融合；包括：将UAV沉陷盆地图像融合边界线以内的区域与InSAR沉陷盆地图像融合边界线以外的区域进行融合。
进一步地，所述将UAV沉陷盆地图像融合边界线以内的区域与InSAR沉陷盆地图像融合边界线以外的区域进行融合之后，还包括对融合后的高精度沉陷盆地图像的融合边界判断是否存在空值点；以及，若判断存在空值点，则根据空值点周围的数据，对空值点进行插值，以获得完整的高精度沉陷盆地图像。
另一方面，本发明实施例提供了一种UAV与InSAR融合检测矿区动态沉陷盆地的系统，包括：
数据获取模块：用于分别利用UAV和InSAR获得被监测区域的UAV沉陷盆地图像和InSAR沉陷盆地图像；
融合边界线获取模块：用于获取所述UAV沉陷盆地图像和InSAR沉陷盆地图像的融合边界线；其中两两比较UAV沉陷盆地图像的下沉等值线和InSAR沉陷盆地图像的下沉等值线，以最接近的两条下沉等值线作为所述融合边界线；
图像融合模块：用于基于所述融合边界线，进行UAV沉陷盆地图像和InSAR沉陷盆地图像融合，获得完整的高精度沉陷盆地图像。
与现有技术相比，本发明至少可实现如下有益效果之一：
(1)本发明提供的UAV与InSAR融合监测矿区地表沉陷的方法，使二者优势互补，UAV可以弥补InSAR无法提取沉陷盆地大变形的问题，InSAR可以弥补UAV在监测沉陷盆地边缘误差大的问题，且通过融合处理获得了完整且精度高的矿区动态沉陷盆地。
(2)利用UAV与InSAR融合监测矿区地表沉陷，不需要布设观测站，具有快速灵活、作业成本低的特点，极大的节约了时间及人力物力，有效降低了人工作业的劳动强度。
本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
图1为本发明实施例UAV与InSAR融合监测矿区动态沉陷盆地的方法的流程图；
图2为本发明实施例UAV与InSAR融合监测矿区动态沉陷盆地的系统的结构框图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
实施例一
本实施例提供了一种UAV与InSAR融合监测矿区动态沉陷盆地的方法，包括如下步骤：
步骤S1、分别利用UAV和InSAR获得被监测区域的UAV沉陷盆地图像和InSAR沉陷盆地图像。
具体的，UAV沉陷盆地图像由利用UAV技术获得的被监测区域的两期DEM相减得到。
示例性的，UAV影像数据信息如表1所示，实施时也可采用其他参数的UAV影像数据生成相应DEM。将两期DEM数据相减，再叠加被监测区域的工作面，得到UAV沉陷盆地图像。示例性的，选取15个观测点，显示两期DEM高程数据及其高程差，如表2所示。
表1 UAV影像数据信息
Figure BDA0002745491010000051
表2两期DEM高程数据及其高程差
Figure BDA0002745491010000061
优选的，InSAR沉陷盆地图像通过下述方式获得：
将被监测区域的SAR图像组成干涉像对，对各干涉像对进行InSAR解算，得到各干涉像对的形变量；将各干涉像对的形变量叠加，得到所述InSAR沉陷盆地图像。
其中的，干涉像对由时序相邻的两两SAR图像组合而成。
示例性的，本实施例中采用的InSAR数据为8景Sentinel-1A的IW SLC影像数据，相关参数如表3所示，组成7组干涉像对，干涉像对参数信息如表4所示。通过InSAR解算后，得到7组干涉像对的形变量，将7组干涉对的形变量进行叠加计算，得到被监测区域2018.6.11到2018.9.3的动态地表沉降量，即动态沉陷盆地，再将该动态沉陷盆地与被监测区域的工作面进行叠加显示，即可得到InSAR沉陷盆地图像。
表3 Sentinel-1A影像相关参数
Figure BDA0002745491010000062
Figure BDA0002745491010000071
表4 S1A干涉像对信息
Figure BDA0002745491010000072
步骤S2、获取所述UAV沉陷盆地图像和InSAR沉陷盆地图像的融合边界线；其中两两比较UAV沉陷盆地图像的下沉等值线和InSAR沉陷盆地图像的下沉等值线，以最接近的两条下沉等值线作为所述融合边界线。
为了简化计算，将两种图像在统一基准下进行计算。具体的，在获取所述UAV沉陷盆地图像和InSAR沉陷盆地图像的融合边界线之前，还包括统一InSAR沉陷盆地图像与UAV沉陷盆地图像的坐标系统。
可选的，可以将InSAR数据进行坐标投影转换到无人机所属投影坐标系下。具体转换步骤可以包括：首先，在研究区域内选取若干个公共点；通过选取的公共点的数据计算出InSAR的坐标系转换到UAV的坐标系统的转换参数；利用转换参数进行两个坐标系统的转换，得到UAV的坐标系统下的InSAR沉陷盆地图像。
示例性的，InSAR沉陷盆地图像属于WGS84坐标系，为地心坐标系；UAV沉陷盆地图像属于北京54坐标系，为参心坐标系。示例性，将InSAR数据进行坐标投影转换到无人机所属投影坐标系下，即北京54坐标系、3度带投影、中央经线为东经111度。具体转换步骤可以包括：首先在研究区域内选取4个公共点，通过4个公共点的数据计算出WGS84坐标系转换到北京54坐标系的转换参数，即7参数。再利用7参数进行两个坐标系统的转换，得到北京54坐标系下的InSAR沉陷盆地图像。
考虑到，UAV和InSAR技术的采样分辨率不同，为了方便计算，在统一坐标系后，还可以进行InSAR沉陷盆地图像与UAV沉陷盆地图像的分辨率的统一，在坐标系统和分辨率均统一后，再进行上述步骤S2。
示例性的，InSAR沉陷盆地图像的分辨率为20m，UAV沉陷盆地图像的分辨率远高于InSAR沉陷盆地，利用重采样工具，对UAV沉陷盆地图像进行重采样，使其与InSAR解算的下沉盆地的分辨率一致。
步骤S2中的两两比较UAV沉陷盆地图像的下沉等值线和InSAR沉陷盆地图像的下沉等值线，包括：设置阈值；从UAV沉陷盆地图像的下沉值大于阈值、并且最远离沉陷盆地中心的下沉等值线开始，到UAV沉陷盆地图像最中心的下沉等值线为止，与InSAR沉陷盆地图像的下沉等值线进行两两比较，得到最接近的两条下沉等值线作为所述融合边界线。
阈值由观测点的基准高程差与UAV沉陷盆地图像相应位置的下沉值的差值，根据公式
Figure BDA0002745491010000081
计算得到的；其中，n为观测点数，△i是观测点i的基准高程差与UAV沉陷盆地图像相应位置的下沉值的差值。
其中的基准高程差的精度较高，可作为比较基准，可通过水准仪，GPS等方式获得各观测点的精度较高的高程差，优选的，可由高精度全站仪的两期监测数据获得。
本实施例中，根据表2中相应点的两期全站仪数据，获得全站仪高程差，作为基准高程差；再将其与UAV的DEM高程差进行比较，根据公式
Figure BDA0002745491010000082
计算得到阈值，本实施例中，全站仪高程差及UAV的DEM高程差数据如表5所示。根据公式计算得到的阈值为0.08m。
表5全站仪高程差及UAV的DEM高程差数据
Figure BDA0002745491010000091
在其中的一个实施例中，下沉等值线采用如下方式生成，首先选择均匀分布于沉陷盆地上的多个点，并利用ArcGIS的“值提取至点”工具提取这些点的下沉值；再将提取的点及其属性(即下沉值)导出，编辑为dat文件；利用CASS软件的“展高程点”工具，将上述点数据导入；接着，利用“建立DTM”工具，由展绘的点建立DTM，并对自动生成的三角网进行调整；最后，利用“绘制等值线”工具，根据UAV分米级精度将UAV沉陷盆地等值线设置等高距为分米级，根据InSAR厘米级的精度InSAR沉陷盆地等值线设置其等高距为厘米级，本实施例中，UAV沉陷盆地图像的等高距设置0.1m，InSAR沉陷盆地图像的等高距设置为0.01m，拟合方式为“三次B样条拟合”，生成两个等值线，将两个等值线添加到ArcGIS中，进行叠加显示。
本实施例中，从UAV沉陷盆地图像的下沉值大于阈值0.08m、并且最远离沉陷盆地中心的下沉等值线开始，到UAV沉陷盆地图像最中心的下沉等值线为止，与InSAR沉陷盆地图像的下沉等值线进行两两比较，得到最接近的两条下沉等值线，两条最接近为UAV沉陷盆地图像的下沉值为0.1m的等值线和InSAR沉陷盆地图像的下沉值为0.04m的等值线。
步骤S3、基于所述融合边界线，进行UAV沉陷盆地图像和InSAR沉陷盆地图像融合，获得完整的高精度沉陷盆地图像。
作为所述融合边界线分最接近的两条下沉等值线，包括UAV沉陷盆地图像融合边界线和InSAR沉陷盆地图像融合边界线；基于所述融合边界线，进行UAV沉陷盆地图像和InSAR沉陷盆地图像融合；包括：
将UAV沉陷盆地图像融合边界线以内的区域与InSAR沉陷盆地图像融合边界线以外的区域进行融合。
本实施例中，确定融合边界线为UAV沉陷盆地图像的下沉值为0.1m的等值线和InSAR沉陷盆地图像的下沉值为0.04m的等值线，故对将UAV沉陷盆地图像下沉值为0.1m的等值线以内的区域与InSAR沉陷盆地图像下沉值为0.04m的等值线以外的区域进行融合。
示例性的，本实施例采用掩膜提取的方式对上述区域进行提取。以UAV沉陷盆地为例，首先在ArcGIS中，利用Catalog建立shp文件，并选择空间参考为北京54坐标系；再进行编辑，绘制感兴趣区域(即下沉值为0.1m的等值线以内的区域)；接着将标记的感兴趣矢量文件进行保存；再利用SpatialAnalyst的“按掩膜提取”工具，将UAV沉陷盆地图像和前述绘制的感兴趣区域的掩膜数据，按掩膜提取出UAV高精度监测的盆地中心区域，依照同样的方法，提取InSAR高精度监测的盆地边界区域。
示例性的，对上述得到的UAV高精度监测的盆地中心区域，和InSAR高精度监测的盆地边界区域，进行镶嵌融合，重叠部分采用按平均值叠加的方法计算其数值，从而得到完整的高精度的沉陷盆地图像。
在此基础上，本实施例在获得融合后的完整的沉陷盆地图像之后，还包括对融合后的高精度沉陷盆地图像的融合边界判断是否存在空值点；以及，若判断存在空值点，则根据空值点周围的数据，对空值点进行插值，以获得完整的高精度沉陷盆地图像。
示例性的，本实施采用如下方法进行空值点判断和补值。对融合后的图像进行“栅格转多点”处理，得到融合盆地图像的点要素类，若存在空值点，该像元值为空；然后利用反距离权重法，根据空值点周围的数据进行插值处理，通过插值处理，使前面融合的沉陷盆地中存在的空值部分得到了补充从而获得更加完整的沉陷盆地图像。
为了验证融合后数据的准确性，对融合后的沉陷盆地图像数据作以下分析：
对融合的下沉盆地随机选取30个点，根据采用传统的水准测量测得得到的预计下沉值作为真值，与融合后的沉陷盆地的相应点进行比较，按照差值的升序排列，如表6所示。若融合的结果是正确的，那么从误差理论上分析，融合实测值与预计值之间存在的误差应该属于偶然误差。根据概率论与数理统计学可知，各个误差项若是对总和的影响是均匀的，且数值小，那么它们的总和会是符合或近似服从正态分布的随机变量，基于此理论，对表6中的差值进行Shapiro-Wilk的正态分布检验，具体检验步骤如下：
(1)将数据按数值大小升序排列；
(2)计算检验统计量W，计算式为
Figure BDA0002745491010000111
式中，
Figure BDA0002745491010000113
表示样本平均数，ai(W)可由表查出，
Figure BDA0002745491010000112
表示取整计算。
(3)确定检验水平α，结合样本容量查表可知统计量的判断界限值Wα。
(4)根据统计量及其界限值做出判断，若W<Wα，则舍弃正态性假设；若W≥Wα，则接受正态性假设。
表6融合结果检验
Figure BDA0002745491010000121
利用本次实验样本计算得出检验统计量W＝0.981031。取显著性水平α＝0.05，根据样本数量查表可知Wα＝0.927<0.981031，从而在该显著性水平下，接受原假设，即样本服从正态分布。故认为融合数据与预计数据间的误差为偶然误差，数据融合结果具有正确性。
与现有技术相比，本实施例提供的UAV与InSAR融合检测矿区动态沉陷盆地方法，UAV可以弥补InSAR无法提取沉陷盆地大变形的问题，InSAR可以弥补UAV在监测沉陷盆地边缘误差大的问题，本实施例分别提取UAV沉陷盆地图像的高精度盆地中心区域和InSAR陷盆地图像的高精度盆地边界区域，对两个区域进行融合，从而获得完整且精度高的矿区动态沉陷盆地。
本实施例通过预先设置以阈值，以UAV高程差与全站仪的高程差相比较的中误差为阈值，根据阈值确定融合边界线，使得获得UAV沉陷盆地的高精度中心区域和InSAR陷盆地图像的高精度盆地边界区域更加准确。
此外，本实施例不需要布设观测站，具有快速灵活、作业成本低的特点，极大的节约了时间及人力物力，有效降低了人工作业的劳动强度。
实施例二
本实施例提供了一种UAV与InSAR融合检测矿区动态沉陷盆地的系统，包括：
数据获取模块：用于分别利用UAV和InSAR获得被监测区域的UAV沉陷盆地图像和InSAR沉陷盆地图像；其具体获取图像的过程参见实施例一，此处不再重述。
融合边界线获取模块：用于获取所述UAV沉陷盆地图像和InSAR沉陷盆地图像的融合边界线；其中两两比较UAV沉陷盆地图像的下沉等值线和InSAR沉陷盆地图像的下沉等值线，以最接近的两条下沉等值线作为所述融合边界线；其具体获取融合边界线的过程参见实施例一，此处不再重述。
图像融合模块：用于基于所述融合边界线，进行UAV沉陷盆地图像和InSAR沉陷盆地图像融合，获得完整的高精度沉陷盆地图像。其具体融合图像的过程参见实施例一，此处不再重述。
本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种UAV与InSAR融合监测矿区动态沉陷盆地的方法，其特征在于，包括如下步骤：
分别利用UAV和InSAR获得被监测区域的UAV沉陷盆地图像和InSAR沉陷盆地图像；
获取所述UAV沉陷盆地图像和InSAR沉陷盆地图像的融合边界线；其中两两比较UAV沉陷盆地图像的下沉等值线和InSAR沉陷盆地图像的下沉等值线，以最接近的两条下沉等值线作为所述融合边界线；
基于所述融合边界线，进行UAV沉陷盆地图像和InSAR沉陷盆地图像融合，获得完整的高精度沉陷盆地图像；
所述两两比较UAV沉陷盆地图像的下沉等值线和InSAR沉陷盆地图像的下沉等值线，包括：
设置阈值；所述阈值由观测点的基准高程差与UAV沉陷盆地图像相应位置的下沉值的 差值，根据公式
Figure 112438DEST_PATH_IMAGE001
计算得到的；其中，n为观测点数，
Figure 582603DEST_PATH_IMAGE002
是观测点i的基准 高程差与UAV沉陷盆地图像相应位置的下沉值的差值；
从UAV沉陷盆地图像的下沉值大于阈值、并且最远离沉陷盆地中心的下沉等值线开始，到UAV沉陷盆地图像最中心的下沉等值线为止，与InSAR沉陷盆地图像的下沉等值线进行两两比较，得到最接近的两条下沉等值线作为所述融合边界线。
2.根据权利要求1所述的UAV与InSAR融合监测矿区动态沉陷盆地的方法，其特征在于，所述UAV沉陷盆地图像由利用UAV技术获得的被监测区域的两期DEM相减得到。
3.根据权利要求2所述的UAV与InSAR融合监测矿区动态沉陷盆地的方法，其特征在于，所述InSAR沉陷盆地图像通过下述方式获得：
将被监测区域的SAR图像组成干涉像对，对各干涉像对进行InSAR解算，得到各干涉像对的形变量；
将各干涉像对的形变量叠加，得到所述InSAR沉陷盆地图像。
4.根据权利要求1-3中任一所述的UAV与InSAR融合监测矿区动态沉陷盆地的方法，其特征在于，在获取所述UAV沉陷盆地图像和InSAR沉陷盆地图像的融合边界线之前，还包括统一InSAR沉陷盆地图像与UAV沉陷盆地图像的坐标系统。
5.根据权利要求4所述的UAV与InSAR融合监测矿区动态沉陷盆地的方法，其特征在于，在获取所述UAV沉陷盆地图像和InSAR沉陷盆地图像的融合边界线之前，统一InSAR沉陷盆地图像与UAV沉陷盆地图像的坐标系统之后，还包括统一InSAR沉陷盆地图像与UAV沉陷盆地图像的分辨率。
6.根据权利要求5所述的UAV与InSAR融合监测矿区动态沉陷盆地的方法，其特征在于，作为所述融合边界线分最接近的两条下沉等值线，包括UAV沉陷盆地图像融合边界线和InSAR沉陷盆地图像融合边界线；基于所述融合边界线，进行UAV沉陷盆地图像和InSAR沉陷盆地图像融合；包括：
将UAV沉陷盆地图像融合边界线以内的区域与InSAR沉陷盆地图像融合边界线以外的区域进行融合。
7.根据权利要求6所述的UAV与InSAR融合监测矿区动态沉陷盆地的方法，其特征在于，所述将UAV沉陷盆地图像融合边界线以内的区域与InSAR沉陷盆地图像融合边界线以外的区域进行融合之后，还包括对融合后的高精度沉陷盆地图像的融合边界判断是否存在空值点；以及，若判断存在空值点，则根据空值点周围的数据，对空值点进行插值，以获得完整的高精度沉陷盆地图像。
8.一种UAV与InSAR融合检测矿区动态沉陷盆地的系统，包括：
数据获取模块：用于分别利用UAV和InSAR获得被监测区域的UAV沉陷盆地图像和InSAR沉陷盆地图像；
融合边界线获取模块：用于获取所述UAV沉陷盆地图像和InSAR沉陷盆地图像的融合边界线；其中两两比较UAV沉陷盆地图像的下沉等值线和InSAR沉陷盆地图像的下沉等值线，以最接近的两条下沉等值线作为所述融合边界线；
图像融合模块：用于基于所述融合边界线，进行UAV沉陷盆地图像和InSAR沉陷盆地图像融合，获得完整的高精度沉陷盆地图像；
所述两两比较UAV沉陷盆地图像的下沉等值线和InSAR沉陷盆地图像的下沉等值线，包括：
设置阈值；所述阈值由观测点的基准高程差与UAV沉陷盆地图像相应位置的下沉值的 差值，根据公式
Figure 936224DEST_PATH_IMAGE001
计算得到的；其中，n为观测点数，
Figure 609782DEST_PATH_IMAGE002
是观测点i的基准 高程差与UAV沉陷盆地图像相应位置的下沉值的差值；
从UAV沉陷盆地图像的下沉值大于阈值、并且最远离沉陷盆地中心的下沉等值线开始，到UAV沉陷盆地图像最中心的下沉等值线为止，与InSAR沉陷盆地图像的下沉等值线进行两两比较，得到最接近的两条下沉等值线作为所述融合边界线。
CN202011164966.0A 2020-10-27 2020-10-27 一种UAV与InSAR融合监测矿区动态沉陷盆地的方法和系统 Active CN112577470B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011164966.0A CN112577470B (zh) 2020-10-27 2020-10-27 一种UAV与InSAR融合监测矿区动态沉陷盆地的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011164966.0A CN112577470B (zh) 2020-10-27 2020-10-27 一种UAV与InSAR融合监测矿区动态沉陷盆地的方法和系统

Publications (2)

Publication Number Publication Date
CN112577470A CN112577470A (zh) 2021-03-30
CN112577470B true CN112577470B (zh) 2021-11-02

Family

ID=75119988

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011164966.0A Active CN112577470B (zh) 2020-10-27 2020-10-27 一种UAV与InSAR融合监测矿区动态沉陷盆地的方法和系统

Country Status (1)

Country Link
CN (1) CN112577470B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114608527B (zh) * 2022-03-08 2024-03-26 内蒙古银宏能源开发有限公司 一种基于煤矿开采地表沉陷特征的D-InSAR和UAV摄影测量融合方法
CN114674277B (zh) * 2022-03-17 2023-11-10 辽宁大学 全场测线联合的深部开采地表沉陷监测方法
CN115096257B (zh) * 2022-06-22 2023-07-25 平安煤炭开采工程技术研究院有限责任公司 一种矿区开采沉陷监测方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102938095A (zh) * 2012-11-23 2013-02-20 湖南科技大学 一种基于多源数据的矿山沉陷监测预警方法
CN103091676A (zh) * 2013-01-22 2013-05-08 中国矿业大学 矿区地表开采沉陷合成孔径雷达干涉测量的监测及解算方法
CN106226764A (zh) * 2016-07-29 2016-12-14 安徽理工大学 一种基于D‑InSAR的煤矿开采地沉陷区域的测定方法
CN110750866A (zh) * 2019-09-17 2020-02-04 中国矿业大学 一种利用无人机技术快速获得矿区开采沉陷预计参数的方法
CN111522006A (zh) * 2020-06-29 2020-08-11 航天宏图信息技术股份有限公司 融合北斗和InSAR数据的地表沉降监测方法及装置
CN111595293A (zh) * 2020-05-29 2020-08-28 山东交通学院 一种基于多源监测数据融合的地表形变监测方法与系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106969751B (zh) * 2017-03-13 2017-11-14 西安科技大学 一种基于无人机遥感的采煤地表沉陷量监测计算的方法
CN109029344B (zh) * 2018-07-10 2020-11-03 湖南中科星图信息技术有限公司 一种基于高分影像和升降轨InSAR的堤坝沉降监测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102938095A (zh) * 2012-11-23 2013-02-20 湖南科技大学 一种基于多源数据的矿山沉陷监测预警方法
CN103091676A (zh) * 2013-01-22 2013-05-08 中国矿业大学 矿区地表开采沉陷合成孔径雷达干涉测量的监测及解算方法
CN106226764A (zh) * 2016-07-29 2016-12-14 安徽理工大学 一种基于D‑InSAR的煤矿开采地沉陷区域的测定方法
CN110750866A (zh) * 2019-09-17 2020-02-04 中国矿业大学 一种利用无人机技术快速获得矿区开采沉陷预计参数的方法
CN111595293A (zh) * 2020-05-29 2020-08-28 山东交通学院 一种基于多源监测数据融合的地表形变监测方法与系统
CN111522006A (zh) * 2020-06-29 2020-08-11 航天宏图信息技术股份有限公司 融合北斗和InSAR数据的地表沉降监测方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于无人机MiniSAR和正射影像的海岸带开发利用信息提取对比研究;王厚军等;《海洋开发与管理》;20181130(第11期);第31页 *
融合多源地面沉降监测数据的理论与方法研究;王爱国等;《测绘工程》;20160930;第25卷(第9期);第7页 *

Also Published As

Publication number Publication date
CN112577470A (zh) 2021-03-30

Similar Documents

Publication Publication Date Title
CN112577470B (zh) 一种UAV与InSAR融合监测矿区动态沉陷盆地的方法和系统
Dall’Asta et al. Unmanned Aerial Systems and DSM matching for rock glacier monitoring
Caroti et al. Accuracy assessment in structure from motion 3D reconstruction from UAV-born images: The influence of the data processing methods
EP1709396B1 (en) System,computer program and method for 3d object measurement, modeling and mapping from single imagery
Hastaoğlu et al. Monitoring 3D areal displacements by a new methodology and software using UAV photogrammetry
Ozturk et al. A low-cost approach for determination of discontinuity orientation using smartphone images and application to a part of Ihlara Valley (Central Turkey)
Varela-González et al. Performance testing of LiDAR exploitation software
Sun et al. Building displacement measurement and analysis based on UAV images
Tang et al. Surveying, geomatics, and 3D reconstruction
Dematteis et al. Integration of robotic total station and digital image correlation to assess the three-dimensional surface kinematics of a landslide
Truong-Hong et al. Structural assessment using terrestrial laser scanning point clouds
Cuartero et al. Positional accuracy analysis of satellite imagery by circular statistics
Zhang et al. Extraction of three-dimensional architectural data from QuickBird images
Dabrowski et al. Spatial expansion of the symmetrical objects point clouds to the lateral surface of the cylinder–Mathematical model
KR102220151B1 (ko) 항공 라이더 결측지역 보완 시스템 및 이를 이용한 보완방법, 상기 보완방법을 수행하는 프로그램 기록매체
Scaioni et al. Monitoring of geological sites by laser scanning techniques
Hernández-López et al. Towards Unattended Maintenance of Photovoltaic Plants Using Drone Photogrammetry. Drones 2023, 7, 129
Kulur et al. The Effect of Pixel Size on the Accuracy of Orthophoto Production
Tufarolo et al. Evaluation of camera positions and ground points quality in a GNSS-NRTK based UAV survey: preliminary results from a practical test in morphological very complex areas
Prakash et al. Assessment of Urban Built-Up Volume Using Geospatial Methods: A Case Study of Bangalore
Bitelli et al. Geomatics applications in Cahuachi and Nasca territory
Geng et al. Generation of Large-Scale Orthophoto Mosaics Using MEX HRSC Images for the Candidate Landing Regions of China’s First Mars Mission
CN111366172B (zh) 数字高程模型的质量检测方法、装置和存储介质
Belcore et al. Towards a FOSS Automatic Classification of Defects for Bridges Structural Health Monitoring
CN114777703B (zh) 基于距离匹配的林业样地精准定位方法及装置

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