CN115564717A - 一种基于无人机影像的矿区地表裂缝参数提取方法 - Google Patents
一种基于无人机影像的矿区地表裂缝参数提取方法 Download PDFInfo
- Publication number
- CN115564717A CN115564717A CN202211123524.0A CN202211123524A CN115564717A CN 115564717 A CN115564717 A CN 115564717A CN 202211123524 A CN202211123524 A CN 202211123524A CN 115564717 A CN115564717 A CN 115564717A
- Authority
- CN
- China
- Prior art keywords
- image
- crack
- ground surface
- mining area
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
-
- 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
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于无人机影像的矿区地表裂缝参数提取方法,包括以下步骤:采用仿地飞行作业方式获取矿区地表的影像数据;选取带有裂缝的影像数据,并对该类图像进行处理;采用标注工具对预处理得到的图像进行裂缝标注,作为训练样本;利用标注得到的训练样本对模型进行训练,得到基于矿区地表裂缝分割模型;利用训练得到的网络模型对待检测图像进行图像分割处理;依据无人机镜头、飞行高度等相关参数估算影像的分辨率,基于影像分辨率计算得到裂缝真实的长度、矿都、面积等相关参数。本发明实现了裂缝参数的无接触测量,提高了作业效率,去除了人工判读,裂缝识别精度高,裂缝信息提取准确,且该方法的适用范围广,普适性强。
Description
技术领域
本发明涉及矿山开采,尤其是一种基于无人机影像的矿区地表裂缝参数提取方法。
背景技术
我国矿产资源丰富,矿产资源的开发利用为国民经济的发展提供了基础保障。然而在资源不断开采过程中,岩土体的应力场会遭到破坏导致上覆岩层向下移动、断裂、垮落并最终传导至地表,引发地表塌陷和地裂缝等地质现象。矿区地表沉陷、裂缝等现象可能诱发采空区坍塌、边坡失稳等地质灾害,严重威胁了矿区的安全生产,造成不必要的经济损失。因此,快速准确的检测出矿区裂缝的位置与大小信息是保证矿区安全生产的重要手段。
目前,已经有多种方法进行矿区裂缝识别与统计。如人工探查、GPS定位技术、遥感技术以及三维激光扫描技术等。人工探查主要是外业工作人员进行实地探勘,采用卷尺量测的方式量取裂缝的长度、面积等。该作业方式效率低、劳动量大、不适合大范围使用。GPS定位技术主要是利用手持GNSS接收机测量出裂缝端点的三维坐标值,利用端点坐标确定裂缝的基本信息。GPS定位技术应用于裂缝统计中存在着作业强度大、需要人工判断是否存在裂缝等缺陷,需要作业人员排查出裂缝的位置然后进行量测,方法的适用性较差。遥感技术主要通过对地面遥感影像的解译获取矿区裂缝的位置以及尺寸信息。该方法受到影像分辨率的限制,遥感技术只能检测一些大裂缝,无法检测出所有的细小裂缝。利用三维激光扫描技术进行裂缝统计主要是分析三维激光扫描仪获取到的点云数据确定出裂缝的位置、长度等相关信息。该类技术具有成本高、数据量大、处理难度高等缺陷。
发明内容
本发明目的是为了快速精确的提取出矿区地表裂缝信息,为矿区安全隐患识别与预警提供参考。
为实现上述目的,本发明提供了一种基于无人机影像的矿区地表裂缝参数提取方法,包括以下步骤:
1)采用无人机获取矿区地表的影像数据;
2)选取带有裂缝的影像数据,并对该类图像进行匀光匀色、数据增强、图像裁剪等处理;
3)采用labelme标注工具对预处理得到的图像进行裂缝标注,标注好的图像作为训练样本;
4)利用标注得到的训练样本对PP-LiteSeg模型进行训练,得到基于PP-LiteSeg的矿区地表裂缝分割模型;
5)、利用训练得到的网络模型对待检测图像进行图像分割处理,分割得到矿区地表裂缝,同时将分割结果转化成二值图像,统计裂缝在图像中所占的像素个数;
6)、依据无人机镜头、飞行高度等相关参数估算影像的分辨率,基于影像分辨率计算得到裂缝真实的长度、宽度、面积等相关参数。
进一步,根据矿区的地形地貌采用仿真飞行作业模型进行数据采集,保证相机拍摄位置距离地表的高度始终是位唯一值。
进一步,针对地形起伏导致的光照不均等现象,利用Mask算法进行匀光处理、同时利用OpenCV图像库进行数据增强。
本发明实现了裂缝参数的无接触式量测、提高了作业效率,去除了人工判读、寻找裂缝等工作,裂缝识别精度高,裂缝信息提取准确,且该方法的适用范围广,普适性强。
附图说明
图1是PP-LiteSeg模型结构示意图;
图2是分辨率与航高关系示意图;
图3是裂缝匀光处理后的图像;
图4是裂缝标注图像。
具体实施方式
下面详细通过实例介绍一下本发明的实现过程,通过实例介绍本发明是为了有助于理解本发明,而不是局限于该实例。
本发明的实验原始数据来源于新疆磁海铁矿,具体有以下步骤:
采用大疆精灵4RTK版无人机进行仿地飞行作业,相关参数见表1;首先基于矿区地形数据,如等高线、高程点生成数字高程模型Digital Elevation Model,DEM;其次依据DEM进行无人机航线规划,无人机相对航高为50米,最后依据设计出的航线进行航拍作业获取矿区的影像数据。
表1无人机相机等相关参数
参数项 | 值 |
焦距 | 35mm |
分辨率 | 5472*3648 |
像素 | 2000万 |
感光元件尺寸 | 1英寸 |
相对飞行航高 | 50m |
。
其次,由于矿区地形起伏较大、矿区内各区域光照不均匀从而使得获取到的影像数据存在阴影等现象,为保证照片质量的一致性、提高模型检测精度,首先采用Mask算法对获取的影像进行了匀光处理。
Mask匀光算法是一种遥感影像常用的匀光算法,对于光照不均的裂缝图像,其数学模型为:
I′(x,y)=I(x,y)+B(x,y)
式中:I’(x,y)为光照不均匀的原始裂缝图像,其中(x,y)为图像中的像素点位置坐标;I(x,y)为理想条件下光照均匀的裂缝图像,即匀光处理后的图像;B(x,y)为导致光照不均的背景图像,参考图3所示。
采用图像处理技术将图像裁剪成300*300像素的图像,同时通过数据增强的方式,如旋转、镜像、增加噪声等,进行数据量扩充;本实施例中共计采集处理出了2000张带有裂缝的图片,采用了容易快速上手的labelme标注工具对所有图像进行批量标注,如图4所示。同时按照8:1:1的比例将数据集划分出训练集、验证集与测试集。
将标注好的裂缝数据集输入到PP-LiteSeg模型中,进行迭代训练,通过观察发现当迭代计算到300轮左右时,模型的像素准确率和平均交并比达到收敛状态,分别89.04%和85.63%。故将迭代300轮到的的网络作为矿区地表裂缝分割的模型。
利用训练好的模型对待识别裂缝图像进行分割处理,基于OpenCV图像库对裂缝的像素长度l、宽度w、所占图像的面积s进行估算。
根据无人机航高等参数确定图像分辨率,根据《低空数字航空摄影规范》,图像的分辨率GSD与相对航高H存在如下关系:
GSD=H·a/f
式中,H为相对航高,f为摄影镜头的焦距,GSD为图像的地面分辨率,a为像元尺寸的大小。
根据裂缝的像素长度l、宽度w、所占图像的面积s以及图像的分辨率GSD对矿区裂缝图像实际的长L、宽W、面积S进行估计。
裂缝信息提取结果
本申请提供的实例之间的相似部分相互参见即可,以上提供的具体实施方式只是本申请总的构思下的一个示例,并不构成本申请保护范围的限定。对于本领域的技术人员而言,在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。
Claims (3)
1.一种基于无人机影像的矿区地表裂缝参数提取方法,其特征在于,包括以下步骤:
1)采用无人机获取矿区地表的影像数据;
2)选取带有裂缝的影像数据,并对该类图像进行匀光匀色、数据增强、图像裁剪等处理;
3)采用labelme标注工具对预处理得到的图像进行裂缝标注,标注好的图像作为训练样本;
4)利用标注得到的训练样本对PP-LiteSeg模型进行训练,得到基于PP-LiteSeg的矿区地表裂缝分割模型;
5)、利用训练得到的网络模型对待检测图像进行图像分割处理,分割得到矿区地表裂缝,同时将分割结果转化成二值图像,统计裂缝在图像中所占的像素个数;
6)依据无人机镜头、飞行高度等相关参数估算影像的分辨率,基于影像分辨率计算得到裂缝真实的长度、宽度、面积等相关参数。
2.根据权利1所述的一种基于无人机影像的矿区地表裂缝参数提取方法,其特征在于,根据矿区的地形地貌采用仿真飞行作业模型进行数据采集,保证相机拍摄位置距离地表的高度始终是位唯一值。
3.根据权利1所述的一种基于无人机影像的矿区地表裂缝参数提取方法,其特征在于,针对地形起伏导致的光照不均等现象,利用Mask算法进行匀光处理、同时利用OpenCV图像库进行数据增强。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211123524.0A CN115564717A (zh) | 2022-09-15 | 2022-09-15 | 一种基于无人机影像的矿区地表裂缝参数提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211123524.0A CN115564717A (zh) | 2022-09-15 | 2022-09-15 | 一种基于无人机影像的矿区地表裂缝参数提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115564717A true CN115564717A (zh) | 2023-01-03 |
Family
ID=84741095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211123524.0A Pending CN115564717A (zh) | 2022-09-15 | 2022-09-15 | 一种基于无人机影像的矿区地表裂缝参数提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115564717A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116343071A (zh) * | 2023-05-31 | 2023-06-27 | 山东科技大学 | 基于深度学习算法的地表采动裂缝无人机影像识别方法 |
CN117274193A (zh) * | 2023-09-21 | 2023-12-22 | 中铁十九局集团矿业投资有限公司 | 一种基于人工智能的铜矿数据分析方法及系统 |
-
2022
- 2022-09-15 CN CN202211123524.0A patent/CN115564717A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116343071A (zh) * | 2023-05-31 | 2023-06-27 | 山东科技大学 | 基于深度学习算法的地表采动裂缝无人机影像识别方法 |
CN116343071B (zh) * | 2023-05-31 | 2023-07-21 | 山东科技大学 | 基于深度学习算法的地表采动裂缝无人机影像识别方法 |
CN117274193A (zh) * | 2023-09-21 | 2023-12-22 | 中铁十九局集团矿业投资有限公司 | 一种基于人工智能的铜矿数据分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kong et al. | Automatic identification and characterization of discontinuities in rock masses from 3D point clouds | |
Galantucci et al. | Advanced damage detection techniques in historical buildings using digital photogrammetry and 3D surface anlysis | |
Xu et al. | Extraction and statistics of discontinuity orientation and trace length from typical fractured rock mass: A case study of the Xinchang underground research laboratory site, China | |
CN115564717A (zh) | 一种基于无人机影像的矿区地表裂缝参数提取方法 | |
CN113034689A (zh) | 基于激光点云的地形三维模型及地形图构建方法和系统、存储介质 | |
Barry et al. | Accuracy of UAV photogrammetry compared with network RTK GPS | |
CN102980510B (zh) | 一种激光光尺影像测树装置及其测树方法 | |
CN111126183A (zh) | 一种基于近地面影像数据的震后建筑物损毁检测方法 | |
CN113034470B (zh) | 基于无人机倾斜摄影技术的沥青混凝土厚度无损检测方法 | |
CN108830317B (zh) | 基于数字摄影测量的露天矿山边坡岩体节理产状快速精细取值方法 | |
CN114898053A (zh) | 基于三维空间影像技术的碎裂松动岩体发育范围圈定方法 | |
CN115854895A (zh) | 一种基于目标立木形态的非接触式立木胸径测量方法 | |
CN109696156A (zh) | 基于近景摄影测量的隧道掌子面地质信息快速获取方法 | |
Jiang et al. | Determination of construction site elevations using drone technology | |
Murtiyoso et al. | Comparison and assessment of 3D registration and georeferencing approaches of point clouds in the case of exterior and interior heritage building recording | |
CN110580468B (zh) | 一种基于影像匹配点云的单木结构参数提取的方法 | |
Zheng et al. | Accuracy comparison of rock discontinuity geometric parameters in photogrammetry based on two georeferencing methods: Control points and geotagged photos | |
Chen et al. | A non-contact measurement method for rock mass discontinuity orientations by smartphone | |
CN115601517A (zh) | 岩体结构面信息采集方法、装置、电子设备及存储介质 | |
CN114140703A (zh) | 一种森林松材线虫病害智能识别方法及系统 | |
Huang et al. | Integration of mobile laser scanning data with UAV imagery for very high resolution 3D city modeling | |
Klapa et al. | Charting topographic maps based on UAV data using the image classification method | |
CN115700777A (zh) | 一种基于无人机和数字地表模型的公路施工阶段预测方法 | |
CN112964192A (zh) | 一种基于图像视频的工程测量在线标定方法及系统 | |
Gonçalves et al. | Planar projection of mobile laser scanning data in tunnels |
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 |