CN113091599A - 融合无人机dom和星载sar影像的地表三维形变提取方法 - Google Patents
融合无人机dom和星载sar影像的地表三维形变提取方法 Download PDFInfo
- Publication number
- CN113091599A CN113091599A CN202110367713.1A CN202110367713A CN113091599A CN 113091599 A CN113091599 A CN 113091599A CN 202110367713 A CN202110367713 A CN 202110367713A CN 113091599 A CN113091599 A CN 113091599A
- Authority
- CN
- China
- Prior art keywords
- dom
- image
- deformation
- sar
- aerial vehicle
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 8
- 230000033001 locomotion Effects 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000005516 engineering process Methods 0.000 claims abstract description 17
- 101100279566 Arabidopsis thaliana EMB514 gene Proteins 0.000 claims description 10
- 101100268514 Mus musculus Serpina1a gene Proteins 0.000 claims description 10
- ZACLXWTWERGCLX-MDUHGFIHSA-N dom-1 Chemical compound O([C@@H]1C=C(C([C@@H](O)[C@@]11CO)=O)C)[C@@H]2[C@H](O)C[C@@]1(C)C2=C ZACLXWTWERGCLX-MDUHGFIHSA-N 0.000 claims description 10
- 101100268515 Mus musculus Serpina1b gene Proteins 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 3
- 238000005065 mining Methods 0.000 description 6
- 239000003245 coal Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012952 Resampling Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000010006 flight Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- 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
- G01B7/24—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring the deformation in a solid, e.g. by resistance strain gauge using change in magnetic properties
-
- 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
- G01S13/9004—SAR image acquisition techniques
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
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)
- Radar Systems Or Details Thereof (AREA)
- Image Processing (AREA)
- Details Of Aerials (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明公开了一种融合无人机DOM和星载SAR影像的地表三维形变提取方法，适用于地表形变及地质灾害监测领域。首先利用SAR或InSAR技术获取目标区地表LOS向形变；利用无人机获取目标区地表影像数据，生成具有相同分辨率的数字正射影像图DOM；利用精配准方法计算两期DOM上同名像素点在东西向、南北向的坐标偏移量，结合DOM分辨率，求得各像素点对应地表点的东西和南北方向的水平移动；将利用DOM获取的东西、南北向水平移动及LOS向形变代入SAR三维形变模型，解算地表竖向下沉值W，从而得到地表三维形变。本发明结合无人机DOM和星载SAR影像获取地表三维形变，其覆盖范围广、非接触地表、效果好，为地表三维形变监测提供了一种新方法。
Description
技术领域
本发明涉及一种融合无人机DOM和星载SAR影像获取地表三维形变的方法，属于地表形变及灾害监测领域。
技术背景
我国幅员辽阔，自然环境多样，每年因地下资源开发导致的地表沉降、地质灾害量大、面广。比如：城市地区地表及地下工程建设、地下水资源开发导致地表沉降，进而影响地表建构筑物安全运营；煤炭、石油、金属等矿产资源开发后，会对矿区环境产生严重损害，形成地表塌陷、裂缝、滑坡等灾害；我国西部地区，尤其是云南、贵州、四川、青海等省份，地形起伏大，各类地质灾害频发。这些地表形变、地质灾害本质上是各地表点移动轨迹的综合反映，可以在三维空间中进行投影，分解为竖向移动和水平移动。竖向移动为下沉或隆起，水平移动可以按照垂直或平行于某一断面进行设置，比如：南北向及东西向水平移动。
传统地表形变监测方法如：GNSS、水准测量、全站仪等存在工作量大、点位密度不足、点位易破坏、成本高、不便于进行连续测量和自动化测量等缺点。合成孔径雷达(SAR)测量技术自上世纪90年代发展以来，有效弥补了传统监测技术的不足。目前SAR已广泛应用于区域灾害探测、监测领域。然而，由于该技术只能获取沿雷达视线方向地表形变，单轨道SAR影像在不借助外部数据或数学模型的情况下难以获取地表三维形变，极大地限制了其在建构筑物形变及地质灾害监测方面的应用。随着无人机技术的成熟与普及，无人机摄影测量已广泛应用于各行各业，其优势在于机动灵活、非接触被摄物体、分辨率高、速度快、精度高，但该技术难以获取地表竖直沉降，也缺乏直接将其用于地表水平移动获取的广泛应用。
为此，本发明结合无人机影像及SAR影像的优势，提出一种融合无人机DOM和星载SAR影像的地表三维形变提取方法，可以快速、高精度获取地表及建构筑物三维形变，应用前景广阔。
发明内容
本发明所要解决的技术问题是：提供一种融合无人机DOM和星载SAR影像的地表三维形变提取方法，解决了单轨SAR影像难以获取地表三维形变、无人机影像难以得到竖向下沉的问题，具有精度高、成本低、不接触被测物体、范围广、易操作等优点。
为实现上述技术目的，本发明的融合无人机DOM和星载SAR影像的地表三维形变提取方法，其特征在于具体步骤如下：
S1，利用卫星SAR/InSAR技术解算目标地区的视线向形变场，记为：LOS；
S2，利用一架无人机按照一样的航路获取两个不同时期的目标地区地表影像数据，处理无人机影像生成数字正射影像图DOM，且两期DOM空间分辨率相同；
S3，将第一期DOM1作为主影像，第二期DOM2作为从影像，利用精配准方法计算两期DOM同名像点南北、东西方向的像素偏移量，从该偏移量中去除因为两次无人机获得的影像整体偏移量得到因地表移动而引起的像素偏移量；影像整体偏移量为两次航拍产生的误差偏移量；
S4，利用S3得到的南北、东西方向的像素偏移量和影像地面分辨率计算每个同名像点相应地表实际水平移动，每个同名像点实际水平移动包括：南北方向水平移动量UN、东西水平移动量UE；
S5，根据SAR三维形变分解模型，结合卫星获取的视线向形变场LOS以及南北方向水平移动量UN、东西水平移动量UE，解算目标区域地表竖向下沉值W，从而得到地表实际三维形变。
2.根据权利要求1所述的融合无人机DOM和星载SAR影像的地表三维形变提取方法，其特征在于，步骤S1中SAR/InSAR技术采用的是经典的偏移量跟踪算法、子带干涉方法、DInSAR、时序InSAR，可利用上述方法获取地表视线向形变量，记为LOS。
3.根据权利要求1所述的融合无人机DOM和星载SAR影像的地表三维形变提取方法，其特征在于，步骤S2中生成的两期DOM地面分辨率与SAR影像分辨率应相同，否则需要对DOM进行重采样。
步骤S3中的精配准方法包括：归一化互相关匹配方法、最小二乘匹配方法、特征匹配方法；影像整体偏移量由非变形区域偏移量拟合的二次曲面获取，其主要是配准算法、噪声影响产生的系统误差。
步骤S4中计算各同名像素点的南北方向水平移动量UN、东西水平移动量UE，移动量的单位为像素点个数，具体为：
设第一期DOM1与第二期DOM2匹配到的同名点对为p1(x1,y1)和p2(x2,y2)，点p1(x1,y1)位于第一期DOM1上，点p2(x2,y2)位于第二期DOM2上，(x1,y1)、(x2,y2)分别是点p1(x1,y1)、点p2(x2,y2)在各自影像坐标系中的坐标，影像坐标系的原点为DOM的左上角，原点向右的方向为影像坐标系X轴方向，原点向下的方向为影像坐标系Y轴方向；利用公式UN(x,y)＝GSD*(y2-y1)和UE(x,y)＝GSD*(x2-x1)分别计算第一期DOM1与第二期DOM2中记录的地表水平移动；UN(x,y)是同名点对p1(x1,y1)和p2(x2,y2)在南北方向上的水平移动，UE(x,y)是同名点对p1(x1,y1)和p2(x2,y2)在东西方向上的水平移动，GSD为DOM的地面分辨率。
步骤S5中利用SAR三维形变分解模型解算地表竖直沉降W的公式为：
其中，θ为雷达卫星入射角；αh为卫星航向角；UN、UE为无人机DOM计算得到的南北、东西方向水平移动；LOS为SAR/InSAR技术得到的雷达视线向地表形变。
有益效果
单轨道SAR技术只能得到高精度雷达视线向(LOS)形变，不能分解到竖直、东西及南北方向的三维形变，无人机影像形成两期DEM做差只能得到低精度竖直向变形，水平移动也缺乏研究和应用。本发明融合了无人机影像及SAR影像的优势，利用无人机影像精确配准方法得到水平移动，带入SAR视线向变形分解方程，便可将LOS形变分解获取高精度的竖直向变形，弥补了两者各自难以获取高精度地表三维形变的不足，有效获取了地表及建构筑物的三维形变，破解了单轨道SAR影像只能获取视线向形变的难题，也拓展了无人机摄影测量的应用领域，具有精度高、成本低、不接触被测物体、范围广、易操作等优点，为地表及建构筑物三维形变信息提取、地质灾害监测与预警提供了一种新的技术手段。
附图说明
图1为本发明融合无人机DOM和星载SAR影像的地表三维形变提取方法的实施流程图。
图2为本发明使用的模拟地表三维形变图。
图3为本发明解算出的地表三维形变图。
具体实施方式
以下将结合具体实施过程对本发明做进一步说明，
如图1所示，本发明的融合无人机DOM和星载SAR影像的地表三维形变提取方法，其特征在于具体步骤如下：
S1，利用卫星SAR/InSAR技术解算目标地区的视线向形变场，记为：LOS；SAR/InSAR技术采用的是经典的偏移量跟踪算法、子带干涉方法、DInSAR、时序InSAR，可利用上述方法获取地表视线向形变量，记为LOS。
S2，利用一架无人机按照一样的航路获取两个不同时期的目标地区地表影像数据，生成的两期DOM地面分辨率与SAR影像分辨率应相同，否则需要对DOM进行重采样；处理无人机影像生成数字正射影像图DOM，且两期DOM空间分辨率相同；
S3，将第一期DOM1作为主影像，第二期DOM2作为从影像，利用精配准方法计算两期DOM同名像点南北、东西方向的像素偏移量，精配准方法包括：归一化互相关匹配方法、最小二乘匹配方法、特征匹配方法；影像整体偏移量由非变形区域偏移量拟合的二次曲面获取，其主要是配准算法、噪声影响产生的系统误差；从该偏移量中去除因为两次无人机获得的影像整体偏移量得到因地表移动而引起的像素偏移量；影像整体偏移量为两次航拍产生的误差偏移量，误差偏移量为配准方法、噪声等引起的整体像元偏移，用这些偏移拟合出区域的整个偏移，整幅影像去除这些偏移留下变形区域的真正偏移量。
S4，利用S3得到的南北、东西方向的像素偏移量和影像地面分辨率计算每个同名像点相应地表实际水平移动，每个同名像点实际水平移动包括：南北方向水平移动量UN、东西水平移动量UE；
S5，根据SAR三维形变分解模型，结合卫星获取的视线向形变场LOS以及南北方向水平移动量UN、东西水平移动量UE，解算目标区域地表竖向下沉值W，从而得到地表实际三维形变。
实施例一、
以煤炭开采模拟数据获取地表三维形变为例。某模拟矿工作面的走向长度D1＝155m；倾向长度D2＝110m；煤层的走向方位角
煤层倾角α＝0°；平均开采深度为H＝300m；煤层开采厚度m＝4000mm；模拟SAR影像雷达卫星入射角为37.28°；卫星航向角为176.52°。通过开采沉陷预计模型和模拟参数计算某模拟矿地表三维形变un、ue、w；模拟SAR影像分辨率为0.221m；根据SAR三维形变分解模型模拟出LOS数据。以某矿区t1时间无人机DOM为例，根据模拟的地表三维形变值对DOM进行重采样，将新的DOM作为t2时间无人机影像生成的DOM。
如图1所示，本发明提供融合无人机DOM和星载SAR影像的地表三维形变提取方法，包括以下步骤：
1利用SAR/InSAR技术解算目标地区的视线向形变场LOS；
获取目标地区不同时期的SAR影像，利用经典的偏移量跟踪算法、子带干涉方法、DInSAR、时序InSAR等算法求得两时期间目标地区的视线向形变数据LOS。
2利用无人机获取两期目标地区地表影像数据，生成数字正射影像图DOM；
无人机两次飞行间隔时期应与获取的SAR影像时间间隔一致，在两次飞行所使用的航高和相机参数应保持一致，同时保证处理之后生成的DOM的左上角坐标相同，并且DOM的地面分辨率应与SAR影像分辨率相同，经重采样处理，所得DOM的地面分辨率为0.221m，形变研究区域大小为1185×823像素。
3利用精配准方法将两期DOM中的同名像素点进行匹配；
对两期DOM采用归一化互相关匹配方法、特征匹配方法、最小二乘影像匹配等同名点匹配方法实现对DOM的粗配准和精配准
4计算各像素点相应地表实际水平移动UN、UE；
对于匹配到的同名点对p1(x1,y1)和p2(x2,y2)，点p1(x1,y1)位于DOM1上，点p2(x2,y2)位于DOM2上，(x1,y1)、(x2,y2)分别是点p1(x1,y1)、点p2(x2,y2)在各自影像坐标系中的坐标，影像坐标系的原点为DOM的左上角，原点向右的方向为影像坐标系X轴方向，原点向下的方向为影像坐标系Y轴方向；按照公式UN(x,y)＝22.1×(y2-y1)和UE(x,y)＝22.1×(x2-x1)计算两个时期间的地表水平移动，UN(x,y)是同名点对p1(x1,y1)和p2(x2,y2)在南北方向上的水平移动，UE(x,y)是同名点对p1(x1,y1)和p2(x2,y2)在东西方向上的水平移动。
解算地表点竖向形变值W；
根据SAR三维形变分解模型，结合LOS值以及利用无人机DOM计算出的东西、南北方向的水平移动UN、UE，解算地表各点竖向形变值W，其公式为：
其中，θ为雷达卫星入射角；αh为卫星航向角；UN、UE为无人机DOM配准计算得到的南北、东西方向水平移动；LOS为SAR/InSAR技术得到的雷达视线向地表形变。
5UN、UE、W三个方向的解算结果如图3，与原始模拟地表三维形变un、ue、w如图2所示，之间的均方根误差分别为12.16mm、10.05mm、7.56mm，这是去除边缘匹配效果不好的40个像素点的计算结果。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。
Claims (6)
1.一种融合无人机DOM和星载SAR影像的地表三维形变提取方法，其特征在于具体步骤如下：
S1，利用卫星SAR/InSAR技术解算目标地区的视线向形变场，记为：LOS；
S2，利用一架无人机按照一样的航路获取两个不同时期的目标地区地表影像数据，处理无人机影像生成数字正射影像图DOM，且两期DOM空间分辨率相同；
S3，将第一期DOM1作为主影像，第二期DOM2作为从影像，利用精配准方法计算两期DOM同名像点南北、东西方向的像素偏移量，从该偏移量中去除影像整体偏移量得到因地表移动而引起的像素偏移量；影像整体偏移量为两次航拍产生的误差偏移量；
S4，利用S3得到的南北、东西方向的像素偏移量和影像地面分辨率计算每个同名像点相应地表实际水平移动，每个同名像点实际水平移动包括：南北方向水平移动量UN、东西水平移动量UE；
S5，根据SAR三维形变分解模型，结合卫星获取的视线向形变场LOS以及南北方向水平移动量UN、东西水平移动量UE，解算目标区域地表竖向下沉值W，从而得到地表实际三维形变。
2.根据权利要求1所述的融合无人机DOM和星载SAR影像的地表三维形变提取方法，其特征在于：步骤S1中SAR/InSAR技术采用的是经典的偏移量跟踪算法、子带干涉方法、DInSAR、时序InSAR，可利用上述方法获取地表视线向形变量，记为LOS。
3.根据权利要求1所述的融合无人机DOM和星载SAR影像的地表三维形变提取方法，其特征在于：步骤S2中生成的两期DOM地面分辨率与SAR影像分辨率应相同，否则需要对DOM进行重采样。
4.根据权利要求1所述的融合无人机DOM和星载SAR影像的地表三维形变提取方法，其特征在于：步骤S3中的精配准方法包括：归一化互相关匹配方法、最小二乘匹配方法、特征匹配方法；影像整体偏移量由非变形区域偏移量拟合的二次曲面获取，其主要是配准算法、噪声影响产生的系统误差。
5.根据权利要求1所述的融合无人机DOM和星载SAR影像的地表三维形变提取方法，其特征在于：步骤S4中计算各同名像素点的南北方向水平移动量UN、东西水平移动量UE，移动量的单位为像素点个数，具体为：
设第一期DOM1与第二期DOM2匹配到的同名点对为p1(x1,y1)和p2(x2,y2)，点p1(x1,y1)位于第一期DOM1上，点p2(x2,y2)位于第二期DOM2上，(x1,y1)、(x2,y2)分别是点p1(x1,y1)、点p2(x2,y2)在各自影像坐标系中的坐标，影像坐标系的原点为DOM的左上角，原点向右的方向为影像坐标系X轴方向，原点向下的方向为影像坐标系Y轴方向；利用公式UN(x,y)＝GSD*(y2-y1)和UE(x,y)＝GSD*(x2-x1)分别计算第一期DOM1与第二期DOM2中记录的地表水平移动；UN(x,y)是同名点对p1(x1,y1)和p2(x2,y2)在南北方向上的水平移动，UE(x,y)是同名点对p1(x1,y1)和p2(x2,y2)在东西方向上的水平移动，GSD为DOM的地面分辨率。
6.根据权利要求5所述的融合无人机DOM和星载SAR影像的地表三维形变提取方法，其特征在于：步骤S5中利用SAR三维形变分解模型解算地表竖直沉降W的公式为：
其中，θ为雷达卫星入射角；αh为卫星航向角；UN、UE为无人机DOM计算得到的南北、东西方向水平移动；LOS为SAR/InSAR技术得到的雷达视线向地表形变。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110367713.1A CN113091599B (zh) | 2021-04-06 | 2021-04-06 | 融合无人机dom和星载sar影像的地表三维形变提取方法 |
| AU2021439678A AU2021439678B2 (en) | 2021-04-06 | 2021-12-27 | Method for extracting three-dimensional surface deformation by combining unmanned aerial vehicle doms and satellite-borne sar images |
| PCT/CN2021/141462 WO2022213673A1 (zh) | 2021-04-06 | 2021-12-27 | 融合无人机dom和星载sar影像的地表三维形变提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110367713.1A CN113091599B (zh) | 2021-04-06 | 2021-04-06 | 融合无人机dom和星载sar影像的地表三维形变提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113091599A true CN113091599A (zh) | 2021-07-09 |
| CN113091599B CN113091599B (zh) | 2021-12-03 |
Family
ID=76674164
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110367713.1A Active CN113091599B (zh) | 2021-04-06 | 2021-04-06 | 融合无人机dom和星载sar影像的地表三维形变提取方法 |
Country Status (3)
| Country | Link |
|---|---|
| CN (1) | CN113091599B (zh) |
| AU (1) | AU2021439678B2 (zh) |
| WO (1) | WO2022213673A1 (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN114199189A (zh) * | 2021-12-09 | 2022-03-18 | 太原理工大学 | 一种联合无人机和DInSAR技术的开采沉陷监测方法 |
| CN114236541A (zh) * | 2021-12-08 | 2022-03-25 | 电子科技大学 | 基于Sentinel-1卫星SAR图像的大面积地表三维形变计算方法 |
| CN114964028A (zh) * | 2022-05-24 | 2022-08-30 | 长安大学 | 一种综合遥感快速解译地震地表破裂带的方法 |
| CN115128609A (zh) * | 2022-09-01 | 2022-09-30 | 中国科学院空天信息创新研究院 | 星载sar三维产品生成方法及装置 |
| WO2022213673A1 (zh) * | 2021-04-06 | 2022-10-13 | 中国矿业大学 | 融合无人机dom和星载sar影像的地表三维形变提取方法 |
| CN116222411A (zh) * | 2023-04-06 | 2023-06-06 | 山东环宇地理信息工程有限公司 | 一种地表形变监测系统、监测方法及应用 |
| CN117968631A (zh) * | 2024-03-29 | 2024-05-03 | 北华航天工业学院 | 基于无人机dom和星载sar影像的路面沉陷检测方法 |
| CN118960676A (zh) * | 2024-08-26 | 2024-11-15 | 国能神东煤炭集团有限责任公司 | 一种矿区DInSAR变形监测方法和系统 |
Families Citing this family (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116049929B (zh) * | 2022-10-26 | 2023-09-29 | 马培峰 | 一种城市建筑物风险等级InSAR评估和预测方法 |
| CN115424155B (zh) * | 2022-11-04 | 2023-03-17 | 浙江大华技术股份有限公司 | 违建检测方法、违建检测装置以及计算机存储介质 |
| CN116449365A (zh) * | 2022-11-21 | 2023-07-18 | 中交基础设施养护集团有限公司 | 一种基于时序InSAR技术的地铁沿线地表二维形变场监测方法 |
| CN115713531B (zh) * | 2023-01-05 | 2023-05-09 | 山东环宇地理信息工程有限公司 | 一种基于InSAR的地球表面图像数据处理系统 |
| CN116026225B (zh) * | 2023-01-05 | 2025-07-18 | 长安大学 | 一种滑坡灾害gnss监测点选址适宜性评价方法 |
| CN116299449B (zh) * | 2023-01-13 | 2025-04-29 | 内蒙古工业大学 | 多轨道InSAR误差传递建模方法 |
| CN116452996A (zh) * | 2023-04-06 | 2023-07-18 | 平安煤炭开采工程技术研究院有限责任公司 | 井田区域地形图快速更新方法及系统 |
| CN116485857B (zh) * | 2023-05-05 | 2024-06-28 | 中山大学 | 一种基于多源遥感数据的高时间分辨率冰川厚度反演方法 |
| CN116416401B (zh) * | 2023-06-02 | 2023-08-15 | 北京建工环境修复股份有限公司 | 一种基于无人机航拍的污染场地评估方法及系统 |
| CN117031425B (zh) * | 2023-06-26 | 2024-06-07 | 昆明理工大学 | 基于星载sar的大梯度滑坡失稳时间预测方法及系统 |
| CN116908789B (zh) * | 2023-09-13 | 2023-12-05 | 长江空间信息技术工程有限公司(武汉) | 地基合成孔径雷达干涉测量建筑立面变形信息提取方法 |
| CN117367429B (zh) * | 2023-10-13 | 2024-05-14 | 黑龙江省水利科学研究院 | 基于遥感影像的工作底图和无人机技术的航线像控点分布算法 |
| CN117409031A (zh) * | 2023-10-17 | 2024-01-16 | 中国地质大学（北京） | 基于sar影像强度信息的单体沙丘和沙丘场迁移速度测量方法 |
| CN117132913B (zh) * | 2023-10-26 | 2024-01-26 | 山东科技大学 | 基于无人机遥感与特征识别匹配的地表水平位移计算方法 |
| CN117213443B (zh) * | 2023-11-07 | 2024-03-19 | 江苏省地质调查研究院 | 一种天地深一体化地面沉降监测网建设与更新方法 |
| CN117572378B (zh) * | 2024-01-17 | 2024-03-19 | 北京四象爱数科技有限公司 | 基于InSAR与北斗数据的山体沉降分析方法及设备 |
| CN118566920B (zh) * | 2024-05-17 | 2025-01-03 | 中南大学 | 一种同震干涉图解缠方法、设备及介质 |
| CN118968073B (zh) * | 2024-10-15 | 2025-02-18 | 青岛云世纪信息科技有限公司 | 基于无人机的建筑物变化区域识别方法及系统、电子设备 |
| CN119374530B (zh) * | 2024-12-26 | 2025-04-22 | 中国地质大学（北京） | 沉陷区单轨InSAR三维形变解算方法及装置 |
| CN119596311B (zh) * | 2025-02-10 | 2025-04-04 | 中南大学 | 基于InSAR的地下开挖空间几何参数反演方法及系统 |
| CN119805457A (zh) * | 2025-02-17 | 2025-04-11 | 西南石油大学 | 一种适用于滑坡多维形变监测的时序InSAR方法 |
| CN120065212A (zh) * | 2025-04-22 | 2025-05-30 | 华能澜沧江水电股份有限公司 | 一种新导航卫星高精度面场景三维形变监测雷达设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05142340A (ja) * | 1991-11-19 | 1993-06-08 | Japan Radio Co Ltd | 目標追尾装置 |
| CN101739677A (zh) * | 2009-12-17 | 2010-06-16 | 中国测绘科学研究院 | Sar正射影像图升降轨融合方法 |
| DE102016119155A1 (de) * | 2016-09-15 | 2018-03-15 | Zoller + Fröhlich GmbH | Laserscanner |
| CN111553245A (zh) * | 2020-04-24 | 2020-08-18 | 中国电建集团成都勘测设计研究院有限公司 | 基于机器学习算法和多源遥感数据融合的植被分类方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101111689B1 (ko) * | 2009-11-03 | 2012-02-14 | 연세대학교 산학협력단 | 3차원 지표 변위 추출 방법 및 그 장치 |
| JP6696083B2 (ja) * | 2016-05-20 | 2020-05-20 | 国際航業株式会社 | 領域変位算出システム、領域変位算出方法、及び領域変位算出プログラム |
| CN109059849A (zh) * | 2018-09-28 | 2018-12-21 | 中国科学院测量与地球物理研究所 | 一种基于遥感中InSAR技术的地面沉降预测方法 |
| CN112577438B (zh) * | 2020-11-16 | 2021-12-28 | 中国矿业大学 | 一种利用无人机影像的煤矿区三维形变监测方法 |
| CN113091599B (zh) * | 2021-04-06 | 2021-12-03 | 中国矿业大学 | 融合无人机dom和星载sar影像的地表三维形变提取方法 |
-
2021
- 2021-04-06 CN CN202110367713.1A patent/CN113091599B/zh active Active
- 2021-12-27 WO PCT/CN2021/141462 patent/WO2022213673A1/zh active Application Filing
- 2021-12-27 AU AU2021439678A patent/AU2021439678B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05142340A (ja) * | 1991-11-19 | 1993-06-08 | Japan Radio Co Ltd | 目標追尾装置 |
| CN101739677A (zh) * | 2009-12-17 | 2010-06-16 | 中国测绘科学研究院 | Sar正射影像图升降轨融合方法 |
| DE102016119155A1 (de) * | 2016-09-15 | 2018-03-15 | Zoller + Fröhlich GmbH | Laserscanner |
| CN111553245A (zh) * | 2020-04-24 | 2020-08-18 | 中国电建集团成都勘测设计研究院有限公司 | 基于机器学习算法和多源遥感数据融合的植被分类方法 |
Non-Patent Citations (2)
| Title |
|---|
| HUIFU ZHUANG 等: "An improved neighborhood-based ratio approach for change detection in SAR images", 《EUROPEAN JOURNAL OF REMOTE SENSING》 * |
| 邓喀中 等: "基于InSAR技术的老采空区地表沉降监测与分析", 《采矿与安全工程学报》 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022213673A1 (zh) * | 2021-04-06 | 2022-10-13 | 中国矿业大学 | 融合无人机dom和星载sar影像的地表三维形变提取方法 |
| 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 |
| 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 |
| CN114236541B (zh) * | 2021-12-08 | 2023-05-16 | 电子科技大学 | 基于Sentinel-1卫星SAR图像的大面积地表三维形变计算方法 |
| CN114236541A (zh) * | 2021-12-08 | 2022-03-25 | 电子科技大学 | 基于Sentinel-1卫星SAR图像的大面积地表三维形变计算方法 |
| CN114199189A (zh) * | 2021-12-09 | 2022-03-18 | 太原理工大学 | 一种联合无人机和DInSAR技术的开采沉陷监测方法 |
| CN114199189B (zh) * | 2021-12-09 | 2023-09-12 | 太原理工大学 | 一种联合无人机和DInSAR技术的开采沉陷监测方法 |
| CN114964028B (zh) * | 2022-05-24 | 2023-03-10 | 长安大学 | 一种综合遥感快速解译地震地表破裂带的方法 |
| CN114964028A (zh) * | 2022-05-24 | 2022-08-30 | 长安大学 | 一种综合遥感快速解译地震地表破裂带的方法 |
| CN115128609A (zh) * | 2022-09-01 | 2022-09-30 | 中国科学院空天信息创新研究院 | 星载sar三维产品生成方法及装置 |
| CN116222411A (zh) * | 2023-04-06 | 2023-06-06 | 山东环宇地理信息工程有限公司 | 一种地表形变监测系统、监测方法及应用 |
| CN116222411B (zh) * | 2023-04-06 | 2023-10-20 | 山东环宇地理信息工程有限公司 | 一种地表形变监测系统、监测方法及应用 |
| CN117968631A (zh) * | 2024-03-29 | 2024-05-03 | 北华航天工业学院 | 基于无人机dom和星载sar影像的路面沉陷检测方法 |
| CN118960676A (zh) * | 2024-08-26 | 2024-11-15 | 国能神东煤炭集团有限责任公司 | 一种矿区DInSAR变形监测方法和系统 |
| CN118960676B (zh) * | 2024-08-26 | 2025-04-29 | 国能神东煤炭集团有限责任公司 | 一种矿区DInSAR变形监测方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113091599B (zh) | 2021-12-03 |
| WO2022213673A1 (zh) | 2022-10-13 |
| AU2021439678A1 (en) | 2023-06-22 |
| AU2021439678B2 (en) | 2025-04-03 |
| AU2021439678A9 (en) | 2024-10-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113091599B (zh) | 融合无人机dom和星载sar影像的地表三维形变提取方法 | |
| Gonçalves et al. | UAV photogrammetry for topographic monitoring of coastal areas | |
| Li et al. | Detecting the slope movement after the 2018 Baige Landslides based on ground-based and space-borne radar observations | |
| Gischig et al. | Composite rock slope kinematics at the current Randa instability, Switzerland, based on remote sensing and numerical modeling | |
| Walton et al. | Development of an elliptical fitting algorithm to improve change detection capabilities with applications for deformation monitoring in circular tunnels and shafts | |
| Nikolakopoulos et al. | Preliminary results from active landslide monitoring using multidisciplinary surveys | |
| Casson et al. | Contribution of multi-temporal remote sensing images to characterize landslide slip surface‒Application to the La Clapière landslide (France) | |
| Zekkos et al. | Lessons learned from the application of UAV-enabled structure-from-motion photogrammetry in geotechnical engineering | |
| Haala et al. | Extracting 3D urban models from oblique aerial images | |
| CN111076704B (zh) | 一种利用insar精确解算采煤沉陷区地表下沉量的方法 | |
| Liu et al. | Detection of crustal movement from TerraSAR-X intensity images for the 2011 Tohoku, Japan earthquake | |
| CN104700399A (zh) | 一种基于高分遥感影像的大变形滑坡位移场标定方法 | |
| Di et al. | Coastal mapping and change detection using high-resolution IKONOS satellite imagery | |
| Themistocleous et al. | Monitoring ground deformation of cultural heritage sites using SAR and geodetic techniques: the case study of Choirokoitia, Cyprus | |
| Zhou et al. | Building occlusion detection from ghost images | |
| Sestras et al. | A novel method for landslide deformation monitoring by fusing UAV photogrammetry and LiDAR data based on each sensor's mapping advantage in regards to terrain feature | |
| Owczarz | A review of geodetic and remote sensing methods used for detecting surface displacements caused by mining | |
| SOWTER | Evaluation of PS-DInSAR technology for subsidence monitoring caused by repeated mining in mountainous area | |
| Roncella et al. | A fixed terrestrial photogrammetric system for landslide monitoring | |
| Javadnejad | Small unmanned aircraft systems (UAS) for engineering inspections and geospatial mapping | |
| Lenzano et al. | Assessment of ice-dam collapse by time-lapse photos at the Perito Moreno glacier, Argentina | |
| CN114185048B (zh) | 地基InSAR提取滑坡位移向量的方法、系统及存储介质 | |
| JP4362042B2 (ja) | 洪水ハザードマップ生成方法及びシステム | |
| Luo et al. | The texture extraction and mapping of buildings with occlusion detection | |
| Ioli | Multi-scale and multi-temporal photogrammetry for alpine glacier monitoring |
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 |