CN112986948A - 基于InSAR技术的建筑形变监测方法和装置 - Google Patents
基于InSAR技术的建筑形变监测方法和装置 Download PDFInfo
- Publication number
- CN112986948A CN112986948A CN202110421429.8A CN202110421429A CN112986948A CN 112986948 A CN112986948 A CN 112986948A CN 202110421429 A CN202110421429 A CN 202110421429A CN 112986948 A CN112986948 A CN 112986948A
- Authority
- CN
- China
- Prior art keywords
- ground
- building
- value
- points
- point
- 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
Images
Classifications
-
- 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
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B7/00—Measuring arrangements characterised by the use of electric or magnetic techniques
- G01B7/16—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring the deformation in a solid, e.g. by resistance strain gauge
-
- 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
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)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明是关于一种基于InSAR技术的建筑形变监测方法和装置,方法包括:获取InSAR建筑形变监测结果,并基于InSAR技术提取PS点的三维空间位置数据,估计不同区域的地面高程值;根据不同区域的地面高程值和PS点的实测高程值,将所有PS点划分为地面PS点和建筑上部结构PS点;根据每栋建筑物对应的地面PS点和建筑上部结构PS点确定该栋建筑物地面和上部结构的关键测量点;分别对每栋建筑物地面和上部结构的每个关键测量点的形变序列进行分解,以确定建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值,进而评估建筑物的形变安全等级。通过该技术方案,能较精确地分析建筑物安全特征,为建筑形变安全监测提供高效的技术支持。
Description
技术领域
本公开涉及合成孔径雷达技术领域,尤其涉及一种基于InSAR技术的建筑形变监测方法和装置。
背景技术
近年来,国内每年都会发生多起建筑安全事故。一般来说,在建筑坍塌前,都会先发生微小形变。当前,水准、全站仪等地面测量技术是建筑形变测量的主要方式,但这种方式存在巡检效率低,巡检结果受主观影响大等方面问题,在大面积风险隐患排查过程中难以有效开展工作。作为一种遥感技术手段,星载InSAR技术具有监测覆盖范围广、全天时全天候观测,形变测量精度高等优势。能全面提升建筑形变安全普查效率。
当前,国内外很多技术团队都采用InSAR技术分析建筑物的形变特征。但在分析过程中,均是将建筑物区域内所有PS点看作一个整体。考虑到建筑区域内地面和建筑上部结构一般具备不同的形变特征,整体的分析方式很难从细节上准确反映建筑物的形变安全状态。同时,考虑到InSAR测量的是PS点的整体形变,同时包含趋势型形变、周期型形变等不同类型的形变。其中趋势型形变才是影响建筑安全的最重要因素。如果简单地分析原始形变测量曲线,可能会影响建筑安全分析结果。
发明内容
为克服相关技术中存在的问题,本公开提供一种基于InSAR技术的建筑形变监测方法和装置,能在时间和空间维度,精确计算建筑物不同位置的沉降\倾斜信息,能较精确地分析建筑物安全特征,进而为建筑形变安全监测提供高效的技术支持。
根据本公开实施例的第一方面,提供一种基于InSAR技术的建筑形变监测方法,所述方法包括:
获取InSAR建筑形变监测结果,并基于InSAR技术提取PS点的三维空间位置数据;
根据提取的PS点的三维空间位置数据估计不同区域的地面高程值;
根据所述不同区域的地面高程值和PS点的实测高程值,将所有PS点划分为地面PS点和建筑上部结构PS点;
根据每栋建筑物所对应的地面PS点和建筑上部结构PS点确定该栋建筑物地面和上部结构的关键测量点;
分别对每栋建筑物地面和上部结构的每个关键测量点的形变序列进行分解,以确定建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值;
根据所述建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值,评估所述建筑物的形变安全等级。
在一个实施例中,优选地,根据提取的PS点的三维空间位置数据估计不同区域的地面高程值,包括:
根据提取的PS点的三维空间位置数据,建立平面矩形网格,每个平面矩形网格均为独立的采样区域;
针对每个采样区域,计算其地面高程值的初次估计值;
对所述初次估计值进行校验;
根据每个采样区域的中心位置和其地面高程值的初次估计值,从所有PS点中筛选出潜在地面PS点;
根据所述建筑物对应的目标区域,对其进行小网格划分,其中,所述小网格远小于所述采样区域对应的平面矩形网格;
针对每个小网格,计算所述小网格中所有潜在地面PS点的平均高程值,以确定所述小网格的地面高程值的二次估计值;
对所述二次估计值进行滤波分析,以确定所述小网格对应的地面高程值。
在一个实施例中,优选地,所述针对每个采样区域,计算其地面高程值的初次估计值,包括:
针对每个采样区域,统计采样区域内PS点的高程值分布;
计算出PS点分布数量最多的N个高程值;
从所述N个高程值中选取最低的取值作为该采样区域的地面高程值的初次估计值。
在一个实施例中,优选地,所述根据每个采样区域的中心位置和其地面高程值的初次估计值,从所有PS点中筛选出潜在地面PS点,包括:
根据每个采样区域的中心位置和其地面高程值的初次估计值,建立Delaunay三角网格;
通过Delaunay三角插值方法,获取每个PS点位置处对应的地面高程估计值hEPSG;
判断每个PS点的实测高程值和地面高程估计值的差值是否在预设差值范围内;
将实测高程值和地面高程估计值的差值在预设差值范围内的PS点确定为潜在地面PS点。
在一个实施例中,优选地,根据所述不同区域的地面高程值和PS点的实测高程值,将所有PS点划分为地面PS点和建筑上部结构PS点,包括:
根据每个PS点位置处的地面高程值h PSG、实测高程值h PS和预设阈值h Th3,采用以下公式对PS点进行划分:
其中,所述误差PS点将被剔除。
在一个实施例中,优选地,根据每栋建筑物所对应的地面PS点和建筑上部结构PS点确定该栋建筑物地面和上部结构的关键测量点,包括:
针对每栋建筑物所对应的地面PS点和建筑上部结构PS点,采用层次聚类法获取同类PS点集合,以得到地面聚类点和上部结构聚类点;
根据所述地面聚类点和上部结构聚类点,分别搜索地面最大沉降聚类点对和最大倾斜聚类点对,及上部结构最大沉降聚类点对和最大倾斜聚类点对,作为该栋建筑物地面和上部结构的关键测量点。
在一个实施例中,优选地,根据所述建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值,评估所述建筑物的形变安全等级,包括:
根据所述建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值,分别对其进行风险评估;
从各项风险评估结果中,选取最高等级作为所述建筑物的形变安全等级。
根据本公开实施例的第二方面,提供一种基于InSAR技术的建筑形变监测装置,所述装置包括:
提取模块,用于获取InSAR建筑形变监测结果,并基于InSAR技术提取PS点的三维空间位置数据;
估计模块,用于根据提取的PS点的三维空间位置数据估计不同区域的地面高程值;
划分模块,用于根据所述不同区域的地面高程值和PS点的实测高程值,将所有PS点划分为地面PS点和建筑上部结构PS点;
第一确定模块,用于根据每栋建筑物所对应的地面PS点和建筑上部结构PS点确定该栋建筑物地面和上部结构的关键测量点;
第二确定模块,用于分别对每栋建筑物地面和上部结构的每个关键测量点的形变序列进行分解,以确定建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值;
评估模块,用于根据所述建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值,评估所述建筑物的形变安全等级。
根据本公开实施例的第三方面,提供一种针对角反射器的SAR高精度时序形变监测装置,所述装置包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取InSAR建筑形变监测结果,并基于InSAR技术提取PS点的三维空间位置数据;
根据提取的PS点的三维空间位置数据估计不同区域的地面高程值;
根据所述不同区域的地面高程值和PS点的实测高程值,将所有PS点划分为地面PS点和建筑上部结构PS点;
根据每栋建筑物所对应的地面PS点和建筑上部结构PS点确定该栋建筑物地面和上部结构的关键测量点;
分别对每栋建筑物地面和上部结构的每个关键测量点的形变序列进行分解,以确定建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值;
根据所述建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值,评估所述建筑物的形变安全等级。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现第一方面中任一项所述方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果:
本发明实施例中,基于InSAR技术提取的PS点三维空间位置数据,自动估计不同区域的地面高程值,并基于估计的地面高程值,将PS点划分为地面PS点和建筑上部结构PS点。考虑到地面和建筑上部结构的形变特征存在差异,这两类PS点将分别开展分析。同时,基于建筑目标的时间形变特征,对测量点时间形变序列建模,分解出趋势型形变和温度型形变,分别提取其累积沉降\倾斜值和近期沉降\倾斜速率值,作为建筑物形变安全分级评估的基础数据。本发明所提出的方法通过遥感技术手段,能在时间和空间维度,精确计算建筑物不同位置的沉降\倾斜信息,能较精确地分析建筑物安全特征,进而为建筑形变安全监测提供高效的技术支持。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种基于InSAR技术的建筑形变监测方法的流程图。
图2是根据一示例性实施例示出的一种基于InSAR技术的建筑形变监测方法中步骤S102的流程图。
图3是根据一示例性实施例示出的一种基于InSAR技术的建筑形变监测方法中步骤S204的流程图。
图4是根据一示例性实施例示出的城市某区域PS点的形变速率图。
图5是根据一示例性实施例示出的某采样区域的PS点位置分布图。
图6是根据一示例性实施例示出的某采样区域PS点地面高程统计结果示意图。
图7是根据一示例性实施例示出的目标区域内PS点位置处地面高程估计结果示意图。
图8是根据一示例性实施例示出的目标区域内地面PS点分布图。
图9是根据一示例性实施例示出的目标区域内上部结构PS点分布图。
图10是根据一示例性实施例示出的建筑物位置,建筑物区域内地面PS点,建筑物区域内上部结构PS点位置示意图。
图11是根据一示例性实施例示出的建筑物位置,建筑物区域内地面关键点,建筑物区域内上部结构关键点位置示意图。
图12是根据一示例性实施例示出的某栋重点建筑物的空间位置示意图。
图13是根据一示例性实施例示出的某栋建筑地面沉降关键点曲线示意图。
图14是根据一示例性实施例示出的某栋建筑地面倾斜关键点曲线示意图。
图15是根据一示例性实施例示出的某栋建筑上部结构沉降关键点曲线示意图。
图16是根据一示例性实施例示出的某栋建筑上部结构倾斜关键点曲线示意图。
图17是根据一示例性实施例示出的一种基于InSAR技术的建筑形变监测装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种基于InSAR技术的建筑形变监测方法的流程图,如图1所示,该方法包括:
步骤S101,获取InSAR建筑形变监测结果,并基于InSAR技术提取PS点的三维空间位置数据;
步骤S102,根据提取的PS点的三维空间位置数据估计不同区域的地面高程值;
步骤S103,根据所述不同区域的地面高程值和PS点的实测高程值,将所有PS点划分为地面PS点和建筑上部结构PS点;
在一个实施例中,优选地,根据所述不同区域的地面高程值和PS点的实测高程值,将所有PS点划分为地面PS点和建筑上部结构PS点,包括:
根据每个PS点位置处的地面高程值h PSG、实测高程值h PS和预设阈值h Th3,采用以下公式对PS点进行划分:
其中,所述误差PS点将被剔除,而地面PS点和建筑上部结构PS点将在后续建筑形变特征提取过程中分别进行分析。
步骤S104,根据每栋建筑物所对应的地面PS点和建筑上部结构PS点确定该栋建筑物地面和上部结构的关键测量点;
在一个实施例中,优选地,根据每栋建筑物所对应的地面PS点和建筑上部结构PS点确定该栋建筑物地面和上部结构的关键测量点,包括:
针对每栋建筑物所对应的地面PS点和建筑上部结构PS点,采用层次聚类法获取同类PS点集合,以得到地面聚类点和上部结构聚类点;
根据所述地面聚类点和上部结构聚类点,分别搜索地面最大沉降聚类点对和最大倾斜聚类点对,及上部结构最大沉降聚类点对和最大倾斜聚类点对,作为该栋建筑物地面和上部结构的关键测量点。
针对每一栋建筑物所对应的地面PS点和上部结构PS点,可分别采用层次聚类法获取同类PS点集合。当两个点的空间位置相近且形变演化相似时,则它们就属于同类PS点集合;如果某个PS点在空间上距离一个较大同类PS点集合较近,但其形变演化历史与该同类PS点集合偏差较大,则该PS点为奇异PS点,需要剔除。聚类算法完成后,每个同类PS点集合将被聚合为一个聚类点。
以地面聚类点和上部结构聚类点为输入,分别搜索地面最大沉降聚类点和最大倾斜聚类点对,及上部结构最大沉降聚类点和最大倾斜聚类点对,作为该栋建筑物地面和上部结构的关键点。其中,倾斜值可由所有水平距离大于LTh的聚类点沉降值计算,其数学公式如下:
式中,d A 和d B 分别为两个聚类点的沉降值,L AB 为聚类点A和B的水平距离。如果选用分辨率为3m的X波段数据,水平距离阈值L Th 宜选为10m。
步骤S105,分别对每栋建筑物地面和上部结构的每个关键测量点的形变序列进行分解,以确定建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值;
步骤S106,根据所述建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值,评估所述建筑物的形变安全等级。
在一个实施例中,优选地,根据所述建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值,评估所述建筑物的形变安全等级,包括:
根据所述建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值,分别对其进行风险评估;
从各项风险评估结果中,选取最高等级作为所述建筑物的形变安全等级。
在该实施例中,基于InSAR技术提取的PS点三维空间位置数据,自动估计不同区域的地面高程值,并基于估计的地面高程值,将PS点划分为地面PS点和建筑上部结构PS点。考虑到地面和建筑上部结构的形变特征存在差异,这两类PS点将分别开展分析。同时,基于建筑目标的时间形变特征,对测量点时间形变序列建模,分解出趋势型形变和温度型形变,分别提取其累积沉降\倾斜值和近期沉降\倾斜速率值,作为建筑物形变安全分级评估的基础数据。本发明所提出的方法通过遥感技术手段,能在时间和空间维度,精确计算建筑物不同位置的沉降\倾斜信息,能较精确地分析建筑物安全特征,进而为建筑形变安全监测提供高效的技术支持。
图2是根据一示例性实施例示出的一种基于InSAR技术的建筑形变监测方法中步骤S102的流程图。
如图2所示,在一个实施例中,优选地,上述步骤S102包括:
步骤S201,根据提取的PS点的三维空间位置数据,建立平面矩形网格,每个平面矩形网格均为独立的采样区域。
以PS点空间位置为输入,建立平面矩形网格,每个网格均为独立的采样区域,地面高程初次估计将针对每个采样区域单独进行。
步骤S202,针对每个采样区域,计算其地面高程值的初次估计值。
在一个实施例中,优选地,所述针对每个采样区域,计算其地面高程值的初次估计值,包括:
针对每个采样区域,统计采样区域内PS点的高程值分布;
计算出PS点分布数量最多的N个高程值;
从所述N个高程值中选取最低的取值作为该采样区域的地面高程值的初次估计值。
在城市区域内,存在大量的建筑物,建筑物和地面能形成天然具有强散射特征的二面角结构,这类二面角的散射中心在地面。因此,在InSAR结果中,地面上一般会分布大量的PS点。在此条件下,针对每个采样区域,首先统计区域内PS点的高程值分布,然后计算出PS点分布数量最多的N个高程值,最后选择这N个高程值中最低的取值作为该区域的地面高程初次估计值hEst。一般来说,N可选择为3或5。
步骤S203,对所述初次估计值进行校验。
考虑到采样区域的地面高程初次估计值可能存在偏差,需要对其值进行校验。一般来说,在城市尺度的空间范围内,地面高程值是相对平坦的,邻近采样区域的地面高程值之差一般相对较小。此时,可设置高程偏差阈值hTh1,当某个采样区域与周边所有采样区域的高程偏差值都大于hTh1时,可认定这个采样区域的地面高程初次估计值为误差值,并将不参与后续分析。
步骤S204,根据每个采样区域的中心位置和其地面高程值的初次估计值,从所有PS点中筛选出潜在地面PS点。
步骤S205,根据所述建筑物对应的目标区域,对其进行小网格划分,其中,所述小网格远小于所述采样区域对应的平面矩形网格。
步骤S206,针对每个小网格,计算所述小网格中所有潜在地面PS点的平均高程值,以确定所述小网格的地面高程值的二次估计值;
获取潜在地面PS点后,可对地面高程值进行二次估计。在数据处理过程中,首先对目标区域进行网格划分,此时的网格要远小于地面高程值初步估计中采样区域的网格。针对每个网格,计算网格中所有潜在地面PS点的平均高程值,并将其作为该网格的地面高程二次估计结果。
步骤S207,对所述二次估计值进行滤波分析,以确定所述小网格对应的地面高程值。
考虑到网格地面高程二次估计结果也可能存在误差,当获取完高程估计值后,还需对其进行空间平滑滤波处理。空间平滑滤波可采用窗口滤波的形式,综合本网格和周边网格的数据,共同计算本网格的地面高程值hGrid。在后续分析过程中,该网格内所有PS点对应的地面高程值均为hGrid。
图3是根据一示例性实施例示出的一种基于InSAR技术的建筑形变监测方法中步骤S204的流程图。
如图3所示,在一个实施例中,优选地,步骤S204包括:
步骤S301,根据每个采样区域的中心位置和其地面高程值的初次估计值,建立Delaunay三角网格;
步骤S302,通过Delaunay三角插值方法,获取每个PS点位置处对应的地面高程估计值hEPSG;
步骤S303,判断每个PS点的实测高程值和地面高程估计值的差值是否在预设差值范围内;
步骤S304,将实测高程值和地面高程估计值的差值在预设差值范围内的PS点确定为潜在地面PS点。
例如,计算每个PS点的高程值hPS与hEPSG之差,同时设定PS点高程误差阈值hTh2。当|hPS-hEPSG|<hTh2时,可判断该PS点属于潜在地面PS点。
InSAR技术测量的是建筑物表面PS点的形变,它是多种形变类型的叠加值,包括趋势型形变、温度型形变等。其中趋势型形变对应的沉降\倾斜值才是评估建筑安全的基础数据,因此需要对测量点的形变序列进行分解。
结合建筑形变安全评估标准及InSAR数据的时间采样频率特征,可将累积沉降,累积倾斜的监测时间设定为三年,近期沉降,近期倾斜的监测时间设定为最近一年,同时考虑温度型形变的影响,可将目标形变、倾斜曲线以分段(二段)线性信号和周期信号建模,其数学表达式为:
式中,d i 为第t i 时刻InSAR测得的形变量,其中t N0 ~ t N1 为前三年~前一年时间段,t N1 ~ t N2 为近一年时间段;v j 和b j 分别为第j分段区间内的形变速率和恒定形变量,它们是线性形变信号的参数;A和φ分别为周期性信号的参数;ε i 为第t i 时刻的随机噪声;N j 为第j个断点时刻。
同时,考虑到在t N1 时刻,两段曲线的连续性,可建立约束条件:
在数据处理过程中,v j ,b j ,A,φ是未知参数,可采用约束最小二乘法进行数据估计处理,最终提取关键测量点的累积沉降值、累积倾斜值和近期沉降值和倾斜速率值。
在一个实施例中,优选地,根据所述建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值,评估所述建筑物的形变安全等级,包括:
根据所述建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值,分别对其进行风险评估;
从各项风险评估结果中,选取最高等级作为所述建筑物的形变安全等级。
基于InSAR技术提取的8项建筑物形变监测参数:地面累积(三年)沉降值、地面累积(三年)倾斜值、地面近期(一年)沉降速率、地面近期(一年)倾斜速率、上部结构累积(三年)沉降值、上部结构累积(三年)倾斜值、上部结构近期(一年)沉降速率、上部结构近期(一年)倾斜速率,参考相关国家标准,分别对其进行风险评估。基于各分项的风险评估结果,选取各项指标中的最高等级作为所评估建筑物的综合风险等级。
下面结合附图和实施案例对本发明方法做进一步的详细说明。在本实施例中,某城市目标区域的COSMO-SkyMed数据基本信息如表1所示。
表1
基于上述所述的流程,对该区域的建筑物进行形变安全监测:
步骤一:
选取目标区域20130904~20170524时间范围内60幅COSMO-SkyMed的高分辨率SAR数据,通过InSAR数据处理,获取城市某区域PS点的形变速率,其结果如图4所示,从监测时间段内的平均形变趋势上来看,部分区域存在一定程度的形变特征。
步骤二:
在目标区域内以2000m╳2000m为单元划分采样网格,其中,某采样网格区域内PS点的位置分布图如图5所示。统计该采样网格内PS点的高程值分布,其结果如图6所示。基于本发明所述的算法,可获取的地面高度初次估计结果为1.8m。经过后续处理,如图7所示,可获取本目标区域内所有PS点位置处对应的地面高程值。在此基础上,设置阈值h Th3 为6m,可分别获取地面PS点和建筑上部结构PS点。其中,地面PS点和建筑上部结构PS点的空间位置分别如图8和图9所示。
步骤三:
图10显示了建筑物矢量框和PS点的位置示意图。通过空间位置匹配,能够确定每栋建筑所对应的PS点,并将该栋建筑的PS点集合划分为地面PS点集合和上部结构PS点集合。然后分别对两个集合进行层次聚类,获取关键测量点。建筑矢量框和关键测量点的位置示意图如图11所示。
步骤四:
如图12所示,基于某栋建筑上提取的关键测量点,分别计算该栋建筑的地面沉降曲线、地面倾斜曲线、上部结构的沉降曲线和上部结构倾斜曲线,其结果分别如图13~图16所示。经时间维曲线处理分析,可得地面累积(三年)沉降为0.7mm,地面近期(近一年)沉降速率为0.09mm/month,地面累积(三年)倾斜为0.04‰,地面近期(近一年)倾斜速率为0.01‰/month,上部结构累积(三年)沉降为4.0mm,上部结构近期(近一年)沉降速率为0.02mm/month,上部结构累积(三年)倾斜为0.53‰,上部结构近期(近一年)倾斜速率为0.02‰/month。基于提取的建筑物的八项形变指标,并结合相关标准,可确定该栋建筑形变较小,基本不存在形变安全隐患。
图17是根据一示例性实施例示出的一种基于InSAR技术的建筑形变监测装置的框图。
如图17所示,根据本公开实施例的第二方面,提供一种基于InSAR技术的建筑形变监测装置,所述装置包括:
提取模块1701,用于获取InSAR建筑形变监测结果,并基于InSAR技术提取PS点的三维空间位置数据;
估计模块1702,用于根据提取的PS点的三维空间位置数据估计不同区域的地面高程值;
划分模块1703,用于根据所述不同区域的地面高程值和PS点的实测高程值,将所有PS点划分为地面PS点和建筑上部结构PS点;
第一确定模块1704,用于根据每栋建筑物所对应的地面PS点和建筑上部结构PS点确定该栋建筑物地面和上部结构的关键测量点;
第二确定模块1705,用于分别对每栋建筑物地面和上部结构的每个关键测量点的形变序列进行分解,以确定建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值;
评估模块1706,用于根据所述建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值,评估所述建筑物的形变安全等级。
根据本公开实施例的第三方面,提供一种针对角反射器的SAR高精度时序形变监测装置,所述装置包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取InSAR建筑形变监测结果,并基于InSAR技术提取PS点的三维空间位置数据;
根据提取的PS点的三维空间位置数据估计不同区域的地面高程值;
根据所述不同区域的地面高程值和PS点的实测高程值,将所有PS点划分为地面PS点和建筑上部结构PS点;
根据每栋建筑物所对应的地面PS点和建筑上部结构PS点确定该栋建筑物地面和上部结构的关键测量点;
分别对每栋建筑物地面和上部结构的每个关键测量点的形变序列进行分解,以确定建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值;
根据所述建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值,评估所述建筑物的形变安全等级。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现第一方面中任一项所述方法的步骤。
进一步可以理解的是,本公开中“多个”是指两个或两个以上,其它量词与之类似。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
进一步可以理解的是,术语“第一”、“第二”等用于描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开,并不表示特定的顺序或者重要程度。实际上,“第一”、“第二”等表述完全可以互换使用。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。
进一步可以理解的是,本公开实施例中尽管在附图中以特定的顺序描述操作,但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作,或是要求执行全部所示的操作以得到期望的结果。在特定环境中,多任务和并行处理可能是有利的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种基于InSAR技术的建筑形变监测方法,其特征在于,所述方法包括:
获取InSAR建筑形变监测结果,并基于InSAR技术提取PS点的三维空间位置数据;
根据提取的PS点的三维空间位置数据估计不同区域的地面高程值;
根据所述不同区域的地面高程值和PS点的实测高程值,将所有PS点划分为地面PS点和建筑上部结构PS点;
根据每栋建筑物所对应的地面PS点和建筑上部结构PS点确定该栋建筑物地面和上部结构的关键测量点;
分别对每栋建筑物地面和上部结构的每个关键测量点的形变序列进行分解,以确定建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值;
根据所述建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值,评估所述建筑物的形变安全等级。
2.根据权利要求1所述的方法,其特征在于,根据提取的PS点的三维空间位置数据估计不同区域的地面高程值,包括:
根据提取的PS点的三维空间位置数据,建立平面矩形网格,每个平面矩形网格均为独立的采样区域;
针对每个采样区域,计算其地面高程值的初次估计值;
对所述初次估计值进行校验;
根据每个采样区域的中心位置和其地面高程值的初次估计值,从所有PS点中筛选出潜在地面PS点;
根据所述建筑物对应的目标区域,对其进行小网格划分,其中,所述小网格远小于所述采样区域对应的平面矩形网格;
针对每个小网格,计算所述小网格中所有潜在地面PS点的平均高程值,以确定所述小网格的地面高程值的二次估计值;
对所述二次估计值进行滤波分析,以确定所述小网格对应的地面高程值。
3.根据权利要求2所述的方法,其特征在于,所述针对每个采样区域,计算其地面高程值的初次估计值,包括:
针对每个采样区域,统计采样区域内PS点的高程值分布;
计算出PS点分布数量最多的N个高程值;
从所述N个高程值中选取最低的取值作为该采样区域的地面高程值的初次估计值。
4.根据权利要求2所述的方法,其特征在于,所述根据每个采样区域的中心位置和其地面高程值的初次估计值,从所有PS点中筛选出潜在地面PS点,包括:
根据每个采样区域的中心位置和其地面高程值的初次估计值,建立Delaunay三角网格;
通过Delaunay三角插值方法,获取每个PS点位置处对应的地面高程估计值hEPSG;
判断每个PS点的实测高程值和地面高程估计值的差值是否在预设差值范围内;
将实测高程值和地面高程估计值的差值在预设差值范围内的PS点确定为潜在地面PS点。
6.根据权利要求1所述的方法,其特征在于,根据每栋建筑物所对应的地面PS点和建筑上部结构PS点确定该栋建筑物地面和上部结构的关键测量点,包括:
针对每栋建筑物所对应的地面PS点和建筑上部结构PS点,采用层次聚类法获取同类PS点集合,以得到地面聚类点和上部结构聚类点;
根据所述地面聚类点和上部结构聚类点,分别搜索地面最大沉降聚类点对和最大倾斜聚类点对,及上部结构最大沉降聚类点对和最大倾斜聚类点对,作为该栋建筑物地面和上部结构的关键测量点。
7.根据权利要求1所述的方法,其特征在于,根据所述建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值,评估所述建筑物的形变安全等级,包括:
根据所述建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值,分别对其进行风险评估;
从各项风险评估结果中,选取最高等级作为所述建筑物的形变安全等级。
8.一种基于InSAR技术的建筑形变监测装置,其特征在于,所述装置包括:
提取模块,用于获取InSAR建筑形变监测结果,并基于InSAR技术提取PS点的三维空间位置数据;
估计模块,用于根据提取的PS点的三维空间位置数据估计不同区域的地面高程值;
划分模块,用于根据所述不同区域的地面高程值和PS点的实测高程值,将所有PS点划分为地面PS点和建筑上部结构PS点;
第一确定模块,用于根据每栋建筑物所对应的地面PS点和建筑上部结构PS点确定该栋建筑物地面和上部结构的关键测量点;
第二确定模块,用于分别对每栋建筑物地面和上部结构的每个关键测量点的形变序列进行分解,以确定建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值;
评估模块,用于根据所述建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值,评估所述建筑物的形变安全等级。
9.一种基于InSAR技术的建筑形变监测装置,其特征在于,所述装置包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取InSAR建筑形变监测结果,并基于InSAR技术提取PS点的三维空间位置数据;
根据提取的PS点的三维空间位置数据估计不同区域的地面高程值;
根据所述不同区域的地面高程值和PS点的实测高程值,将所有PS点划分为地面PS点和建筑上部结构PS点;
根据每栋建筑物所对应的地面PS点和建筑上部结构PS点确定该栋建筑物地面和上部结构的关键测量点;
分别对每栋建筑物地面和上部结构的每个关键测量点的形变序列进行分解,以确定建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值;
根据所述建筑物地面和上部结构的关键测量点的累积沉降值、累积倾斜值、近期沉降值和近期倾斜速率值,评估所述建筑物的形变安全等级。
10.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,该指令被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110421429.8A CN112986948B (zh) | 2021-04-20 | 2021-04-20 | 基于InSAR技术的建筑形变监测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110421429.8A CN112986948B (zh) | 2021-04-20 | 2021-04-20 | 基于InSAR技术的建筑形变监测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112986948A true CN112986948A (zh) | 2021-06-18 |
CN112986948B CN112986948B (zh) | 2021-08-13 |
Family
ID=76341192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110421429.8A Active CN112986948B (zh) | 2021-04-20 | 2021-04-20 | 基于InSAR技术的建筑形变监测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112986948B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114821345A (zh) * | 2022-06-27 | 2022-07-29 | 绵阳天仪空间科技有限公司 | 一种基于遥感影像的灾后建筑物的安全检测系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104278603A (zh) * | 2014-10-28 | 2015-01-14 | 铁道第三勘察设计院集团有限公司 | 一种高速铁路psi沉降监测信息提取方法 |
CN106772377A (zh) * | 2017-01-18 | 2017-05-31 | 深圳市路桥建设集团有限公司 | 一种基于InSAR的建筑物变形监测方法 |
WO2019123786A1 (ja) * | 2017-12-18 | 2019-06-27 | 日本電気株式会社 | 合成開口レーダの信号処理装置及び信号処理方法 |
CN109991601A (zh) * | 2018-11-29 | 2019-07-09 | 北京东方至远科技股份有限公司 | 一种基于PS-InSAR技术的房屋风险评估方法 |
US20200096628A1 (en) * | 2016-12-27 | 2020-03-26 | Nec Corporation | Image analysis device, image analysis method, and computer-readable recording medium |
CN111308469A (zh) * | 2019-11-27 | 2020-06-19 | 北京东方至远科技股份有限公司 | 一种基于PSInSAR技术的建筑物高程测量方法 |
-
2021
- 2021-04-20 CN CN202110421429.8A patent/CN112986948B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104278603A (zh) * | 2014-10-28 | 2015-01-14 | 铁道第三勘察设计院集团有限公司 | 一种高速铁路psi沉降监测信息提取方法 |
US20200096628A1 (en) * | 2016-12-27 | 2020-03-26 | Nec Corporation | Image analysis device, image analysis method, and computer-readable recording medium |
CN106772377A (zh) * | 2017-01-18 | 2017-05-31 | 深圳市路桥建设集团有限公司 | 一种基于InSAR的建筑物变形监测方法 |
WO2019123786A1 (ja) * | 2017-12-18 | 2019-06-27 | 日本電気株式会社 | 合成開口レーダの信号処理装置及び信号処理方法 |
CN109991601A (zh) * | 2018-11-29 | 2019-07-09 | 北京东方至远科技股份有限公司 | 一种基于PS-InSAR技术的房屋风险评估方法 |
CN111308469A (zh) * | 2019-11-27 | 2020-06-19 | 北京东方至远科技股份有限公司 | 一种基于PSInSAR技术的建筑物高程测量方法 |
Non-Patent Citations (1)
Title |
---|
MARIO COSTANTINI 等: "Automatic Detection of Building and Infrastructure Instabilities by Spatial and Temporal Analysis of Insar Measurements", 《IGARSS 2018 - 2018 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114821345A (zh) * | 2022-06-27 | 2022-07-29 | 绵阳天仪空间科技有限公司 | 一种基于遥感影像的灾后建筑物的安全检测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112986948B (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110443836A (zh) | 一种基于平面特征的点云数据自动配准方法及装置 | |
CN111507375B (zh) | 一种城市内涝风险快速评估方法及系统 | |
CN113587835A (zh) | 一种利用三维激光扫描技术进行桥梁工程质量验收的方法 | |
CN109523066B (zh) | 一种基于克里金插值的pm2.5新增移动站点选址方法 | |
CN111462322B (zh) | 一种基于dem的城市平面坐标系统建立方法 | |
CN112882032B (zh) | 一种燃气管道重点区域地质灾害sar动态监测方法及装置 | |
CN111598780B (zh) | 一种适用于机载LiDAR点云的地形自适应插值滤波方法 | |
CN112347652B (zh) | 基于水文气象地区线性矩频率分析的暴雨高风险区划方法 | |
CN111652198A (zh) | 一种城市边缘区识别方法及系统 | |
CN115358311B (zh) | 地表变形监测多源数据融合处理方法 | |
CN116910041B (zh) | 一种基于尺度分析的遥感降水产品的逐日订正方法 | |
CN112986948B (zh) | 基于InSAR技术的建筑形变监测方法和装置 | |
CN111915158A (zh) | 一种基于Flood Area模型的暴雨灾害天气风险评估方法、装置及设备 | |
CN113218310A (zh) | 基于三维激光点云的尾矿库干滩重要参数提取方法及系统 | |
CN112989453B (zh) | 一种基于bim的全息变形信息提取方法 | |
CN112131752B (zh) | 一种基于拟准检定的超强崩溃污染率抗差估计算法 | |
CN107292100B (zh) | 一种岩石结构面分形维数的计算方法 | |
CN114549601B (zh) | 一种顾及点对可靠性的滑坡多时相tls点云精配准方法 | |
CN111881964A (zh) | 一种基于Delaunay三角网的线性建筑物模式识别方法与系统 | |
CN112859073B (zh) | 一种基于PSInSAR技术的道路破损评估方法 | |
CN116579949A (zh) | 适用于城市多噪声环境下机载点云地面点滤波方法 | |
CN115294302A (zh) | 一种基于断裂线约束的机载点云快速滤波方法 | |
CN114092545A (zh) | 一种适用于球形靶标拟合的自适应栅格搜索方法 | |
CN115166874A (zh) | 基于机器学习的气象干旱指数spi构建方法 | |
CN113344866A (zh) | 一种点云综合精度评价方法 |
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 |