CN113375563B - 一种激光lidar与视频融合的滑坡位移监测方法及系统 - Google Patents

一种激光lidar与视频融合的滑坡位移监测方法及系统 Download PDF

Info

Publication number
CN113375563B
CN113375563B CN202110515602.0A CN202110515602A CN113375563B CN 113375563 B CN113375563 B CN 113375563B CN 202110515602 A CN202110515602 A CN 202110515602A CN 113375563 B CN113375563 B CN 113375563B
Authority
CN
China
Prior art keywords
displacement
landslide
elevation
difference
digital elevation
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
CN202110515602.0A
Other languages
English (en)
Other versions
CN113375563A (zh
Inventor
李柯含
赖光程
梁健
王超
郑之凯
王明旭
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.)
Shenzhen Hyperspectral New Technology Co ltd
Shenzhen Beidouyun Information Technology Co ltd
Original Assignee
Shenzhen Hyperspectral New Technology Co ltd
Shenzhen Beidouyun Information Technology 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 Shenzhen Hyperspectral New Technology Co ltd, Shenzhen Beidouyun Information Technology Co ltd filed Critical Shenzhen Hyperspectral New Technology Co ltd
Priority to CN202110515602.0A priority Critical patent/CN113375563B/zh
Publication of CN113375563A publication Critical patent/CN113375563A/zh
Application granted granted Critical
Publication of CN113375563B publication Critical patent/CN113375563B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00Measuring arrangements characterised by the use of optical techniques
    • G01B11/02Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00Measuring arrangements characterised by the use of optical techniques
    • G01B11/02Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/022Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Alarm Systems (AREA)

Abstract

本申请涉及一种激光LIDAR与视频融合的滑坡位移监测方法及系统,属于数字化处理技术的领域,滑坡位移监测方法包括数据采集,采集图像信息,周期性向采集高程数据,并记录采集时间;数字高程模型生成,生成每组高程数据对应的数字高程模型;热点图生成,生成关于单元位移的热点图,并得到位移信息;数据融合,将热点图贴附于上报周期内采集的图像信息得到成果图像,在上报周期内最晚采集的数字高程模型上展示位移信息,得到成果图;数据上传,将成果图与成果图像上传至远程监控中心。与相关技术相比,本申请具有改善不易监测较小型的山体滑坡的效果。

Description

一种激光LIDAR与视频融合的滑坡位移监测方法及系统
技术领域
本申请涉及数字化处理技术的领域,尤其是涉及一种激光LIDAR与视频融合的滑坡位移监测方法及系统。
背景技术
滑坡是指斜坡上的土体或者岩体,受河流冲刷、地下水活动、雨水浸泡、地震及人工切坡等因素影响,在重力作用下,沿着一定的柔软面或者软弱带,整体或分散地山坡向下滑动的自然现象。滑坡是山区常见的自然灾害之一,威胁着山区人们的财产和生命安全。
目前,常见的滑坡监测方法包括遥感法、监测装置监测法、测缝法等。监测装置监测法,是将监测装置设置在被测坡面上,观察监测装置上监测部件的运动来进行监测,但若是监测人员在观察运动时发生滑坡,则会带来危险。遥感法,利用卫星、飞机等拍摄滑坡的变形,但是这种监测方法更适用于较大型的滑坡变形监测,且只有已经发生大范围、区域性滑坡时才易于被监测到,不易监测较小型的山体滑坡。
发明内容
为了在一定程度上改善不易监测较小型的山体滑坡,本申请提供一种激光LIDAR与视频融合的滑坡位移监测方法及系统。
第一方面,本申请提供一种激光LIDAR与视频融合的滑坡位移监测方法,采用如下的技术方案:
一种激光LIDAR与视频融合的滑坡位移监测方法,包括,
数据采集,采集信号触发后,采集被测坡面的图像信息,周期性向被测坡面发射脉冲激光扫描,采集关于被测坡面的多组高程数据,并记录采集时间;
数字高程模型生成,根据数字化模拟方法,生成每组高程数据对应的数字高程模型;
热点图生成,将上报周期内获取的所述数字高程模型以单元进行对比和处理,生成关于单元位移的热点图,并得到位移信息,所述位移信息包括第一位移值;
数据融合,将热点图贴附于上报周期内采集的图像信息得到成果图像,在上报周期内最晚采集的数字高程模型上展示位移信息,得到成果图;以及,
数据上传,将成果图与成果图像上传至远程监控中心。
通过采用上述技术方案,由高程数据得到数字高程模型,再将数字高程模型以单元进行对比,进行小区域的对比,得到关于单元位移的热点图和位移信息,将热点图与视频信息结合得到成果图像,将数字高程模型和位移信息结合得到成果图,并将成果图像和成果图上传至远程监控中心,以使远程监控中心的监控人员能够直观地察看被测坡面的单元位移,在一定程度上实现对被测坡面小型滑坡的监测,也能监测较大型的滑坡,从而有助于改善不易监测较小型的山体滑坡的问题;且监测人员借助图像信息,能够将由于植被等晃动产生的监测干扰排除,以有助于提高监测准确性。
可选的,所述热点图生成的方法包括,
将多个所述数字高程模型均以相同的比例划分成N个单元,每个单元对应坡面的一个区域;
将多个所述数字高程模型对应坡面同一个区域的单元进行对比,得到位移单元,以及位移单元的坡度差和高程差;
将相邻的所述位移单元结合得到位移轨迹,结合所述数字高程模型的比例尺,得到第一位移值;以及,
根据所述位移单元的坡度差和/或高程差,在最晚采集时间的数字高程模型上标注警示颜色,生成热点图。
通过采用上述技术方案,将数字高程模型划分成单元进行对比,得到位移单元,以及位移单元的坡度差和高程差,将相邻的位移单元结合得到位移轨迹,进而得到第一位移值,结合坡度差和数字高程模型得到热点图,从而使得热点图是关于单元位移的热点图,在一定程度上能够展示更小型的滑坡位移,从而有助于改善不易监测较小型的山体滑坡的问题。
可选的,所述得到位移单元,以及位移单元的坡度差和高程差的方法包括,
从多个所述数字高程模型中得到最早采集时间和最晚采集时间的数字高程模型,得到两个数字高程模型中各个单元的高程和坡度;以及,
获取两个数字高程模型中对应单元的坡度差和高程差,结合误差允许范围,得到位移单元。
通过采用上述技术方案,得到上报周期内最早和最晚的两个数字高程模型的高程和坡度,在得到两个数字高程模型的高程差和坡度差,结合误差允许范围,便于得到位移单元。
可选的,所述数据融合的方法包括,
将热点图添加于上报周期内采集的图像信息的开始前和/或结束后,得到成果图像;以及,
在上报周期内最晚采集的数字高程模型上,添加各个单元的坡度差和高程差,并显示位移轨迹及第一位移值,得到成果图。
通过采用上述技术方案,在察看成果图像时,通过热点图能够更清晰地得到被测坡面各个区域的位移性能,而根据成果图能够得到位移轨迹和第一位移值,结合成果图像和成果图,能够将由于被测坡面的植被晃动而产生的监测误差排除,从而能够提高监测的准确性。
可选的,所述采集信号触发的方法包括,
获取滑坡位移检测装置测量的关于被测坡面的第二位移值;以及,
基于位移阈值,在第二位移值大于位移阈值时,触发采集信号。
通过采用上述技术方案,由滑坡位移检测装置采集第二位移值,当第二位移值大于位移阈值时,触发采集信号,以开始采集高程数据,即滑坡位移检测装置进行值守,在有位移的情况下,才采集高程数据,能够减少能源的损耗,同时也能够提高监测的准确性。
可选的,所述滑坡位移监测方法还包括,
预警信号发出,得到第二位移值与第一位移值的位移差值,若位移差值大于位移差阈值,则发出预警信号。
通过采用上述技术方案,当第一位移值和第二位移值的差距较大时,会发出预警信号,以提醒监测出来的数据可能不准确,以及提醒检修人员检修滑坡位移检测装置或发射脉冲激光的设备。
第二方面,本申请提供一种激光LIDAR与视频融合的滑坡位移监测系统,采用如下的技术方案:
一种激光LIDAR与视频融合的滑坡位移监测系统,包括数据采集模块、数据处理模块、数据融合模块和变频上报模块;
所述数据采集模块,用于采集信号触发后,采集被测坡面的图像信息,周期性向被测坡面发射脉冲激光扫描,采集关于被测坡面的多组高程数据,并记录采集时间;
所述数据处理模块,用于根据数字化模拟方法,生成每组高程数据对应的数字高程模型,将上报周期内获取的所述数字高程模型以单元进行对比和处理,生成关于单元位移的热点图,并得到位移信息;
所述数据融合模块,用于将热点图贴附于上报周期内采集的图像信息得到成果图像,在上报周期内最晚采集的数字高程模型上展示位移信息,得到成果图;
所述变频上报模块,用于将成果图与成果图像上传至远程监控中心;
其中,位移信息包括第一位移值。
通过采用上述技术方案,由高程数据得到数字高程模型,再将数字高程模型以单元进行对比,进行小区域的对比,得到关于单元位移的热点图和位移信息,将热点图与视频信息结合得到成果图像,将数字高程模型和位移信息结合得到成果图,并将成果图像和成果图上传至远程监控中心,以使远程监控中心的监控人员能够直观地察看被测坡面的单元位移,在一定程度上实现对被测坡面小型滑坡的监测,也能监测较大型的滑坡,从而改善不易监测较小型的山体滑坡的问题。
可选的,所述滑坡位移监测系统还包括第二位移值采集模块和控制模块;
所述第二位移值采集模块,用于获取滑坡位移检测装置测量的关于被测坡面的第二位移值;
所述控制模块,用于基于位移阈值,在第二位移值大于位移阈值时,触发采集信号。
通过采用上述技术方案,由滑坡位移检测装置采集第二位移值,当第二位移值大于位移阈值时,触发采集信号,以开始采集高程数据,即滑坡位移检测装置进行值守,在有位移的情况下,才采集高程数据,能够减少能源的损耗,同时也能够提高监测的准确性。
可选的,述滑坡位移监测系统还包括值守验证模块及预警模块;
所述值守验证模块,用于获取第二位移值与第一位移值的位移差值,若位移差值大于位移差阈值,则向预警模块发送预警命令;
所述预警模块,用于接收到预警命令后发出预警信号。
通过采用上述技术方案,当第一位移值和第二位移值的差距较大时,会发出预警信号,以提醒监测出来的数据可能不准确,以及提醒检修人员检修滑坡位移检测装置或发射脉冲激光的设备。
综上所述,本申请包括以下至少一种有益技术效果:
1.本申请提供一种激光LIDAR与视频融合的滑坡位移监测方法,在一定程度上实现对被测坡面小型滑坡的监测,也能监测较大型的滑坡,从而有助于改善不易监测较小型的山体滑坡的问题;
2.本申请提供一种激光LIDAR与视频融合的滑坡位移监测系统,在一定程度上实现对被测坡面小型滑坡的监测,也能监测较大型的滑坡,从而改善不易监测较小型的山体滑坡的问题。
附图说明
图1是本申请实施例的一种激光LIDAR与视频融合的滑坡位移监测方法的第一流程图。
图2是本申请实施例的一种激光LIDAR与视频融合的滑坡位移监测方法的第二流程图。
图3是本申请实施例的一种激光LIDAR与视频融合的滑坡位移监测方法的第三流程图。
图4是本申请实施例的一种激光LIDAR与视频融合的滑坡位移监测系统的结构示意图。
具体实施方式
以下结合附图1-图4对本申请作进一步详细说明。
本申请实施例公开一种激光LIDAR与视频融合的滑坡位移监测方法。参照图1,激光LIDAR与视频融合的滑坡位移监测方法包括数据采集101、数字高程模型生成102、热点图生成103、数据融合104和数据上传105。
数据采集101,采集信号触发后,采集被测坡面的图像信息,周期性向被测坡面发射脉冲激光扫描,采集关于被测坡面的多组高程数据,并记录采集时间。
脉冲激光由激光雷达发射,接收被测坡面反射脉冲激光后,能够得到高程数据。发射脉冲激光的周期可以是10分钟、30分钟、1个小时、12小时或24小时等任意时间长度。
数字高程模型生成102,根据数字化模拟方法,生成每组高程数据对应的数字高程模型。
一组高程数据能够得到一个数字高程模型,且所有的数字高程模型具有相同的比例尺。根据高程数据生成数字高程模型的数字化模拟方法,是生成数字高程模型中普遍的算法,不是本发明创造的发明点。
热点图生成103,将上报周期内获取的数字高程模型以单元进行对比和处理,生成关于单元位移的热点图,并得到位移信息。
其中,位移信息包括第一位移值。
热点图是通过使用不同的标志将图或页面上的区域按照受关注程度的不同加以标注并呈现的一种分析手段。
数据融合104,将热点图贴附于上报周期内采集的图像信息得到成果图像,在上报周期内最晚采集的数字高程模型上展示位移信息,得到成果图。
上报周期为非固定值,在不同的季节或不同的被测坡面等,均可有不一样的值,如在雨季,上报周期更短,在旱季上报周期更长。如在易于滑坡的被测坡面,上报周期更短,在坚实的被测坡面,上报周期更短。
数据上传105,将成果图与成果图像上传至远程监控中心。
通过有线/无线网络传输、卫星宽带传输等远程传输方式,将成果图即成果图像上传至远程监控中心。
热点图结合图像信息,监测人员能根据得到的图像信息将对被测坡面的位移过程进行浏览,从而能够更直观地了解被测坡面的滑坡情况,且能够排除掉由于植被等晃动产生的监测误差,提高监测准确性。
参照图2,作为采集信号触发的一种实施方式,采集信号触发的方法包括:
1011、获取滑坡位移检测装置测量的关于被测坡面的第二位移值。
滑坡位移检测装置包括倾角加速度计(传感器)。倾角加速度计(传感器)埋设于被测坡面内。
需要说明的是,倾角加速度计(传感器)也可以替换成位移传感器或其他能够测量滑坡位移的测量装置,一样能够测量到第二位移传感器。
1012、基于位移阈值,在第二位移值大于位移阈值时,触发采集信号。
位移阈值为预先设置的一个阈值,可以是由历史经验数据得到的值。
需要说明的是,触发采集信号后,设置有采集时长,在采集时长内,会周期性地采集高程数据,超过采集时长后,采集停止,等再次触发采集信号后才会再次采集高程数据。采集时长可以为5天、10天、一个月等等,根据需求进行设置即可。
参照图3,作为热点图生成103的一种实施方式,热点图生成103包括如下步骤:
1031、将多个数字高程模型均以相同的比例划分成N个单元,每个单元对应坡面的一个区域。
每个单元对应的区域的实际面积可以为1m*1m、1m*2m、2m*2m等等,即数字高程模型被细分成N个单元。
1032、将多个数字高程模型对应坡面同一个区域的单元进行对比,得到位移单元,以及位移单元的坡度差和高程差。
具体地,包括:
从多个数字高程模型中得到最早采集时间和最晚采集时间的数字高程模型,得到两个数字高程模型中各个单元的高程和坡度;以及,
获取两个数字高程模型中对应单元的坡度差和高程差,结合误差允许范围,得到位移单元。
数字高程模型中是一种数字模拟地形,因此建立坐标系,即可从数字高程模型中得到某一个点位的高程和坡度。
误差允许范围包括坡度误差允许范围和高程误差允许范围,都为根据大量历史经验数据设置的范围。当坡度差位于坡度误差允许范围内时,表明未发生坡度变化,否则已发生坡度变化;当高程差位于高程误差允许范围内时,表面未发生高度变化。
对于一个区域的滑坡有以下情况:已发生滑坡,但由于更上坡的区域滑坡泥石堆积于下坡上,因此坡度已发生变化,但高度未发生变化;已发生滑坡,坡度未发生变化,但高度已发生变化;已发生滑坡,坡度与高度均已发生变化。
用最晚采集时间的数字高程模型的高程减去最早采集时间的数字高程模型的高程,得到的高程差为负值,则表明发生滑坡,且此处为泥石下滑,反之,则发生滑坡,此处堆积了下滑的泥石。而坡度差无论正负,均表明已发生滑坡。
1033、将相邻的位移单元结合得到位移轨迹,结合数字高程模型的比例尺,得到第一位移值。
需要说明的是,有位移单元相邻,则相邻的位移单元结合得到位移轨迹,若无相邻的位移单元,则单个位移单元即为一个位移轨迹。
数字高程模型的比例尺为被测坡面的实际尺寸与数字高程模型的模拟尺寸的比例,因此得到位移轨迹,再结合比例尺即可得到实际的第一位移值。
1034、根据位移单元的坡度差和/或高程差,在最晚采集时间的数字高程模型上标注警示颜色,生成热点图。
以将滑坡程度划分成四个等级为例,分别为无滑坡、轻度滑坡、中度滑坡和重度滑坡。坡度差等级有第一坡度差、第二坡度差和第三坡度差,这三个坡度差均为预设的值。高程差等级有第一高程差、第二高程差和第三高程差,这三个高程差均为预设的值。
当某个单元的坡度差小于第一坡度差,且高程差小于第一高程差,则这个单元的滑坡程度为无滑坡;若某个单元的坡度差小于第一坡度差,高程差位于第一高程差和第二高程差之间,或坡度差位于第一坡度差和第二坡度差之间,且高程差小于第一高程差,或坡度差位于第一坡度差和第二坡度差之间,且高程差位于第一高程差和第二高程差之间,则滑坡程度为轻度滑坡;若某个单元的坡度差位于第二坡度差和第三坡度差之间,且高程差位于第二高程差和第三高程差之间,或坡度差小于第二坡度差,但且高程差位于第二高程差和第三高程差之间,或坡度差位于第二坡度差和第三坡度差之间,且高程差小于第二高程差,则为中度滑坡;若某个单元的高程差大于第三高程差和/或坡度差大于第三坡度差,则为重度滑坡。
以绿色、黄色、橙色和红色为例,若单元的滑坡程度为无滑坡,则该单元标注为绿色,若单元的滑坡程度为轻度滑坡,则标注为黄色,若单元的滑坡程度为中度滑坡,则标注为橙色,若单元的滑坡程度为重度滑坡,则标注为红色。
作为数据融合104的一种实施方式,更为具体的数据融合104包括:
将热点图添加于上报周期内采集的图像信息的开始前和/或结束后,得到成果图像;以及,
在上报周期内最晚采集的数字高程模型上,添加各个单元的坡度差和高程差,并显示位移轨迹及第一位移值,得到成果图。
需要说明的是,位移轨迹可以用有别于数字高程模型中包含颜色的线条进行标注。
参照图1,作为滑坡位移监测方法的进一步实施方式,滑坡位移监测方法还包括预警信号发出106。
预警信号发出106,得到第二位移值与第一位移值的位移差值,若位移差值大于位移差阈值,则发出预警信号。
位移差阈值为预先设置的值,若位移差值小于位移差阈值,则表明滑坡位移检测装置无故障,且获取第一位移值和热点图的过程中所使用的设备也无故障,反之,则均有可能出现故障。
本申请实施例还提供一种激光LIDAR与视频融合的滑坡位移监测系统,参照图4,包括数据采集模块、数据处理模块、数据融合模块和变频上报模块;
数据采集模块,用于采集信号触发后,采集被测坡面的图像信息,周期性向被测坡面发射脉冲激光扫描,采集关于被测坡面的多组高程数据,并记录采集时间;
数据处理模块,用于根据数字化模拟方法,生成每组高程数据对应的数字高程模型,将上报周期内获取的数字高程模型以单元进行对比和处理,生成关于单元位移的热点图,并得到位移信息;
数据融合模块,用于将热点图贴附于上报周期内采集的图像信息得到成果图像,在上报周期内最晚采集的数字高程模型上展示位移信息,得到成果图;
变频上报模块,用于将成果图与成果图像上传至远程监控中心;
其中,位移信息包括第一位移值。
需要说明的是,脉冲激光由激光雷达发射。滑坡位移监测系统设置于被测坡面下方的房屋屋顶和被测坡面下方区域的任一位置处。
参照图4,作为滑坡位移监测系统的进一步实施方式,还包括第二位移值采集模块、控制模块、值守验证模块和预警模块;
第二位移值采集模块,用于获取滑坡位移检测装置测量的关于被测坡面的第二位移值;
控制模块,用于基于位移阈值,在第二位移值大于位移阈值时,触发采集信号;
值守验证模块,用于获取第二位移值与第一位移值的位移差值,若位移差值大于位移差阈值,则向预警模块发送预警命令;
预警模块,用于接收到预警命令后发出预警信号。
发出的预警信号发送至检修中心或检修人员的手机端等,以便于及时提醒检修。
需要说明的是,本申请实施例提供的一种激光LIDAR与视频融合的滑坡位移监测系统能够实现一种激光LIDAR与视频融合的滑坡位移监测方法中的任一种方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将系统的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的系统和模块的具体工作过程,可以参考前述方法实施方式中的对应过程,在此不再赘述。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。

Claims (7)

1.一种激光LIDAR与视频融合的滑坡位移监测方法,其特征在于:包括,
数据采集(101),采集信号触发后,采集被测坡面的图像信息,周期性向被测坡面发射脉冲激光扫描,采集关于被测坡面的多组高程数据,并记录采集时间;
数字高程模型生成(102),根据数字化模拟方法,生成每组高程数据对应的数字高程模型;
热点图生成(103),将上报周期内获取的所述数字高程模型以单元进行对比和处理,生成关于单元位移的热点图,并得到位移信息,所述位移信息包括第一位移值;
数据融合(104),将热点图贴附于上报周期内采集的图像信息得到成果图像,在上报周期内最晚采集的数字高程模型上展示位移信息,得到成果图;以及,
数据上传(105),将成果图与成果图像上传至远程监控中心;
所述热点图生成(103)的方法包括,
将多个所述数字高程模型均以相同的比例划分成N个单元,每个单元对应坡面的一个区域;
将多个所述数字高程模型对应坡面同一个区域的单元进行对比,得到位移单元,以及位移单元的坡度差和高程差;
将相邻的所述位移单元结合得到位移轨迹,结合所述数字高程模型的比例尺,得到第一位移值;以及,
根据所述位移单元的坡度差和/或高程差,在最晚采集时间的数字高程模型上标注警示颜色,生成热点图;
所述得到位移单元,以及位移单元的坡度差和高程差的方法包括,
从多个所述数字高程模型中得到最早采集时间和最晚采集时间的数字高程模型,得到两个数字高程模型中各个单元的高程和坡度;以及,
获取两个数字高程模型中对应单元的坡度差和高程差,结合误差允许范围,得到位移单元。
2.根据权利要求1所述的滑坡位移监测方法,其特征在于:所述数据融合(104)的方法包括,
将热点图添加于上报周期内采集的图像信息的开始前和/或结束后,得到成果图像;以及,
在上报周期内最晚采集的数字高程模型上,添加各个单元的坡度差和高程差,并显示位移轨迹及第一位移值,得到成果图。
3.根据权利要求1所述的滑坡位移监测方法,其特征在于:所述采集信号触发的方法包括,
获取滑坡位移检测装置测量的关于被测坡面的第二位移值;以及,
基于位移阈值,在第二位移值大于位移阈值时,触发采集信号。
4.根据权利要求3任一项所述的滑坡位移监测方法,其特征在于:所述滑坡位移监测方法还包括,
预警信号发出(106),得到第二位移值与第一位移值的位移差值,若位移差值大于位移差阈值,则发出预警信号。
5.一种激光LIDAR与视频融合的滑坡位移监测系统,其特征在于:包括数据采集模块、数据处理模块、数据融合模块和变频上报模块;
所述数据采集模块,用于采集信号触发后,采集被测坡面的图像信息,周期性向被测坡面发射脉冲激光扫描,采集关于被测坡面的多组高程数据,并记录采集时间;
所述数据处理模块,用于根据数字化模拟方法,生成每组高程数据对应的数字高程模型,将上报周期内获取的所述数字高程模型以单元进行对比和处理,生成关于单元位移的热点图,并得到位移信息;
所述数据融合模块,用于将热点图贴附于上报周期内采集的图像信息得到成果图像,在上报周期内最晚采集的数字高程模型上展示位移信息,得到成果图;
所述变频上报模块,用于将成果图与成果图像上传至远程监控中心;
其中,位移信息包括第一位移值;
所述热点图生成(103)的方法包括,
将多个所述数字高程模型均以相同的比例划分成N个单元,每个单元对应坡面的一个区域;
将多个所述数字高程模型对应坡面同一个区域的单元进行对比,得到位移单元,以及位移单元的坡度差和高程差;
将相邻的所述位移单元结合得到位移轨迹,结合所述数字高程模型的比例尺,得到第一位移值;以及,
根据所述位移单元的坡度差和/或高程差,在最晚采集时间的数字高程模型上标注警示颜色,生成热点图;
所述得到位移单元,以及位移单元的坡度差和高程差的方法包括,
从多个所述数字高程模型中得到最早采集时间和最晚采集时间的数字高程模型,得到两个数字高程模型中各个单元的高程和坡度;以及,
获取两个数字高程模型中对应单元的坡度差和高程差,结合误差允许范围,得到位移单元。
6.根据权利要求5所述的滑坡位移监测系统,其特征在于:所述滑坡位移监测系统还包括第二位移值采集模块和控制模块;
所述第二位移值采集模块,用于获取滑坡位移检测装置测量的关于被测坡面的第二位移值;
所述控制模块,用于基于位移阈值,在第二位移值大于位移阈值时,触发采集信号。
7.根据权利要求6所述的滑坡位移监测系统,其特征在于:所述滑坡位移监测系统还包括值守验证模块及预警模块;
所述值守验证模块,用于获取第二位移值与第一位移值的位移差值,若位移差值大于位移差阈值,则向预警模块发送预警命令;
所述预警模块,用于接收到预警命令后发出预警信号。
CN202110515602.0A 2021-05-12 2021-05-12 一种激光lidar与视频融合的滑坡位移监测方法及系统 Active CN113375563B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110515602.0A CN113375563B (zh) 2021-05-12 2021-05-12 一种激光lidar与视频融合的滑坡位移监测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110515602.0A CN113375563B (zh) 2021-05-12 2021-05-12 一种激光lidar与视频融合的滑坡位移监测方法及系统

Publications (2)

Publication Number Publication Date
CN113375563A CN113375563A (zh) 2021-09-10
CN113375563B true CN113375563B (zh) 2023-04-28

Family

ID=77572533

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110515602.0A Active CN113375563B (zh) 2021-05-12 2021-05-12 一种激光lidar与视频融合的滑坡位移监测方法及系统

Country Status (1)

Country Link
CN (1) CN113375563B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102721370A (zh) * 2012-06-18 2012-10-10 南昌航空大学 基于计算机视觉的山体滑坡实时监测方法
CN111142128A (zh) * 2018-11-02 2020-05-12 千寻位置网络有限公司 导航完好性的监测方法及装置、无人机
CN109298415B (zh) * 2018-11-20 2020-09-22 中车株洲电力机车有限公司 一种轨道和道路障碍物检测方法
CN112083437A (zh) * 2020-07-10 2020-12-15 南京智慧水运科技有限公司 一种船用激光雷达与视频联合目标捕捉系统及方法
CN111951306B (zh) * 2020-08-31 2024-06-07 华通科技有限公司 一种激光雷达与图像视频融合的目标检测方法
CN213094358U (zh) * 2020-09-30 2021-04-30 深圳市北斗云信息技术有限公司 一种触发式泥石流监测装置

Also Published As

Publication number Publication date
CN113375563A (zh) 2021-09-10

Similar Documents

Publication Publication Date Title
Jensen et al. Remote sensing change detection in urban environments
KR102206161B1 (ko) 무인비행체에 탑재된 합성구경레이더 센서를 활용한 비탈면 변위 측정 시스템
CN202434011U (zh) 森林火灾自动监测与报警系统
CN202217365U (zh) 一种基于物联网技术森林防火用远红外探测一体机
CN106875636A (zh) 基于无人机的蓝藻监测预警方法及系统
CN106197380A (zh) 基于无人机的水生植被监测方法及系统
CN115762067B (zh) 一种基于激光点云与视频数据融合的山体滑坡监测系统
Owayjan et al. Firoxio: Forest fire detection and alerting system
CN213716108U (zh) 一种森林防火预警检测系统
Pettersen et al. Precipitation regimes over central Greenland inferred from 5 years of ICECAPS observations
Lai et al. The territory-wide airborne light detection and ranging survey for the Hong Kong Special Administrative Region
CN111664930B (zh) 一种基于频率与图像的高边坡落石集成监测系统及方法
CN114724337A (zh) 基于光伏电池供电的远程智能监测预警系统及方法
CN113393530A (zh) 一种基于双目立体视觉的滑坡位移监测方法、系统及装置
CN112017386A (zh) 一种森林草原火灾监测系统
CN114415203A (zh) 一种结合北斗定位和无人机雷达的边坡断面监测预警系统
BRODIE et al. Foredune classification and storm response: Automated analysis of terrestrial lidar DEMs
CN109377701A (zh) 输电线路山火火情发展趋势的实时预警系统及方法
CN206113932U (zh) 基于无人机的水生植被监测系统
Yusoff et al. Comprehensive analysis of flying altitude for high resolution slope mapping using UAV technology
CN103792542A (zh) 一种基于地面激光雷达技术的危岩落石调查方法
CN113375563B (zh) 一种激光lidar与视频融合的滑坡位移监测方法及系统
CN212861863U (zh) 基于无人机的植物群落统计监测系统
CN109000718A (zh) 一种水工建筑物安全监测系统及方法
CN101073693A (zh) 基于小型飞行器的准实时动态森林火灾监测系统

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