CN116299438B - 基于干涉雷达的地表形变监控方法及相关设备 - Google Patents
基于干涉雷达的地表形变监控方法及相关设备 Download PDFInfo
- Publication number
- CN116299438B CN116299438B CN202310075546.2A CN202310075546A CN116299438B CN 116299438 B CN116299438 B CN 116299438B CN 202310075546 A CN202310075546 A CN 202310075546A CN 116299438 B CN116299438 B CN 116299438B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- radar
- model
- deformation
- interference
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 416
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000012502 risk assessment Methods 0.000 claims abstract description 16
- 238000004891 communication Methods 0.000 claims description 56
- 238000004088 simulation Methods 0.000 claims description 27
- 238000012806 monitoring device Methods 0.000 claims description 20
- 238000002372 labelling Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005305 interferometry Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
- G01B15/06—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons for measuring the deformation in a solid
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明涉及遥感监控技术领域,公开了一种基于干涉雷达的地表形变监控方法及相关设备。该方法应用于基于干涉雷达的地表形变监控系统,包括:监控管理平台、边缘设备和干涉雷达,该方法包括:边缘设备基于调控指令,对监控模型的模型参数进行调整,以更新监控模型;边缘设备基于监控指令控制干涉雷达采集多帧地表雷达影像,并将多帧地表雷达影像发送至监控管理平台,以供监控管理平台生成调控指令,以及根据多帧地表雷达影像,利用最新的监控模型进行地表形变识别和滑坡风险评估,得到对地表形变的监控结果。本发明实现了大范围地表形变过程中可能发生滑坡的自动预警,提升了地表滑坡预警的效率。
Description
技术领域
本发明涉及遥感监控技术领域,尤其涉及一种基于干涉雷达的地表形变监控方法及相关设备。
背景技术
干涉雷达指采用干涉测量技术的合成孔径雷达(InSAR),是新近发展起来的空间对地观测技术,是传统的SAR遥感技术与射电天文干涉技术相结合的产物。它利用雷达向目标区域发射微波,然后接收目标区域反射的回波,得到同一目标区域成像的SAR复图像对,若复图像对之间存在相干条件,SAR复图像对共轭相乘可以得到干涉图,根据干涉图的相位值,得出两次成像中微波的路程差,从而计算出目标地区的地形、地貌以及表面的微小变化,可用于数字高程模型建立、地壳形变探测等。在现有方案中,由于干涉雷达本身属性和复杂环境的限制,使得对地表的随着距离地表的距离、范围、能见度、遮挡、视线和滑移方向的角度、植被动态等影响,通常需要在监测范围和监测精度之间做取舍,难以实现对大范围地形滑坡预警的精准监控。
发明内容
本发明的主要目的在于解决现有技术方案中,由于干涉雷达本身属性和环境的限制难以实现对大范围地形滑坡预警的精准监控的问题。
本发明第一方面提供了一种基于干涉雷达的地表形变监控方法,应用于基于干涉雷达的地表形变监控系统,所述系统包括:监控管理平台、边缘设备和干涉雷达,其中,所述监控管理平台与所述边缘设备通信连接,所述边缘设备与所述干涉雷达通信连接,所述边缘设备上部署有至少一个监控模型,所述方法包括:当所述边缘设备接收到所述监控管理平台发送的调控指令时,所述边缘设备基于所述调控指令,对所述至少一个监控模型的模型参数进行调整,以更新所述至少一个监控模型;响应针对所述边缘设备的监控指令,所述边缘设备基于所述监控指令控制所述干涉雷达采集多帧地表雷达影像,并将所述多帧地表雷达影像发送至所述监控管理平台,以供所述监控管理平台生成调控指令,以及根据所述多帧地表雷达影像,利用最新的所述至少一个监控模型进行地表形变识别和滑坡风险评估,得到对地表形变的监控结果。
可选的,在本发明第一方面的第一种实现方式中,在地表设置有多个第一监控区域,每个第一监控区域分别部署有一个边缘设备和至少一个干涉雷达,所述监控管理平台分别与每个边缘设备通信连接,每个边缘设备上分别部署有至少一个监控模型和节点通信程序,同一个第一监控区域中的边缘设备和干涉雷达之间通过所述节点通信程序进行通信连接,各所述边缘设备之间通过所述节点通信程序进行通信连接;所述响应针对所述边缘设备的监控指令,所述边缘设备基于所述监控指令控制所述干涉雷达采集多帧地表雷达影像包括:响应针对各所述边缘设备中对目标边缘设备的监控指令,所述目标边缘设备通过所述节点通信程序,将所述监控指令发送给通信连接的干涉雷达;所述干涉雷达基于所述监控指令触发采集操作,得到多帧地表雷达影像,并经所述节点通信程序将所述多帧地表雷达影像发送给所述目标边缘设备;所述目标边缘设备通过所述节点通信程序将接收到的多帧地表雷达影像同步至通信连接的其他边缘设备。
可选的,在本发明第一方面的第二种实现方式中,所述系统还包括无人机,所述干涉雷达部署于所述无人机上,所述无人机与所述边缘设备通信连接;所述响应针对所述边缘设备的监控指令,所述边缘设备基于所述监控指令控制所述干涉雷达采集多帧地表雷达影像包括:响应针对所述边缘设备的监控指令,所述边缘设备基于所述监控指令控制所述无人机按照预设线路进行移动;所述无人机在移动过程中,检测自身的定位信息是否满足预设校准位置条件,并在所述定位信息满足预设校准位置条件时,控制所述干涉雷达采集地表雷达影像。
可选的,在本发明第一方面的第三种实现方式中,所述系统在地表设置有多个第二监控区域,每个第二监控区域中包括至少一个校准范围,每个第二监控区域之间存在交集或者不存在交集,每个校准范围中设置有辅助校准设备;所述无人机在移动过程中,检测自身的定位信息是否满足预设校准位置条件,并在所述定位信息满足预设校准位置条件时,控制所述干涉雷达采集地表雷达影像包括:所述无人机在移动过程中,判断自身的定位信息是否处于各所述校准范围中的至少部分校准范围内;若所述定位信息处于所述至少部分校准范围内,则所述无人机确定所述定位信息满足预设校准位置条件,并检测所述定位信息与所述辅助校准设备之间的相对位置关系;若所述相对位置关系满足预设角度条件,则控制所述干涉雷达在预设时间区间内连续采集地表雷达影像,每个地表雷达影像中包含对应辅助校准设备所处位置。
可选的,在本发明第一方面的第四种实现方式中,所述根据所述多帧地表雷达影像,利用最新的所述至少一个监控模型进行地表形变识别和滑坡风险评估,得到对地表形变的监控结果包括:识别所述多帧地表雷达图像中的地形元素,并基于所述地形元素,从最新的所述至少一个监控模型中选取目标监控模型,以及基于所述多帧地表雷达影像所处的校准范围,以所述辅助校准设备所处位置为校准点,对所述多帧地表雷达影像进行匹配,得到第一影像数据;将所述第一影像数据和历史的第二影像数据输入所述目标监控模型,并利用所述目标监控模型,基于所述第一影像数据和所述第二影像数据,识别地表轮廓的形变趋势;利用所述目标监控模型,对所述形变趋势进行滑坡风险等级匹配,并基于所述形变趋势以及匹配到的滑坡风险等级,得到对地表形变的监控结果。
可选的,在本发明第一方面的第五种实现方式中,在所述将所述多帧地表雷达影像发送至所述监控管理平台,以供所述监控管理平台生成调控指令之后,还包括:当所述监控管理平台接收到至少一个边缘设备发送的多帧地表雷达影像和对应的监控标注结果时,将所述多帧地表雷达影像和所述监控标注结果存储至预设先验知识库;利用所述先验知识库,对监控模型进行迭代更新,并基于迭代更新的结果生成调控指令。
可选的,在本发明第一方面的第六种实现方式中,所述监控管理平台中还部署有地表演变模拟模型和所述监控模型,所述地表演变模拟模型基于所述第一影像数据和历史的第三影像数据构建得到,在所述利用所述先验知识库,对监控模型进行迭代更新,并基于迭代更新的结果生成调控指令之前,还包括:通过所述地表演变模拟模型将所述地表演变模拟模型在演变过程中产生多帧虚拟影像传输至所述监控模型中;根据所述多帧虚拟影像,通过所述监控模型估计对所述地表演变模拟模型的虚拟监控结果,并对所述虚拟监控结果进行评分,得到监控得分;将所述多帧虚拟影像、以及对应的虚拟监控结果和监控得分存储至所述先验知识库中。
本发明第二方面提供了一种基于干涉雷达的地表形变监控装置,应用于基于干涉雷达的地表形变监控系统,所述系统包括:监控管理平台、边缘设备和干涉雷达,其中,所述监控管理平台与所述边缘设备通信连接,所述边缘设备与所述干涉雷达通信连接,所述边缘设备上部署有至少一个监控模型,所述装置包括:模型更新模块,用于当所述边缘设备接收到所述监控管理平台发送的调控指令时,所述边缘设备基于所述调控指令,对所述至少一个监控模型的模型参数进行调整,以更新所述至少一个监控模型;地表监控模块,用于响应针对所述边缘设备的监控指令,所述边缘设备基于所述监控指令控制所述干涉雷达采集多帧地表雷达影像,并将所述多帧地表雷达影像发送至所述监控管理平台,以供所述监控管理平台生成调控指令,以及根据所述多帧地表雷达影像,利用最新的所述至少一个监控模型进行地表形变识别和滑坡风险评估,得到对地表形变的监控结果。
可选的,在本发明第二方面的第一种实现方式中,在地表设置有多个第一监控区域,每个第一监控区域分别部署有一个边缘设备和至少一个干涉雷达,所述监控管理平台分别与每个边缘设备通信连接,每个边缘设备上分别部署有至少一个监控模型和节点通信程序,同一个第一监控区域中的边缘设备和干涉雷达之间通过所述节点通信程序进行通信连接,各所述边缘设备之间通过所述节点通信程序进行通信连接;所述地表监控模块包括:指令发送单元,用于响应针对各所述边缘设备中对目标边缘设备的监控指令,所述目标边缘设备通过所述节点通信程序,将所述监控指令发送给通信连接的干涉雷达;影响发送单元,用于所述干涉雷达基于所述监控指令触发采集操作,得到多帧地表雷达影像,并经所述节点通信程序将所述多帧地表雷达影像发送给所述目标边缘设备;同步单元,用于所述目标边缘设备通过所述节点通信程序将接收到的多帧地表雷达影像同步至通信连接的其他边缘设备。
可选的,在本发明第二方面的第二种实现方式中,所述系统还包括无人机,所述干涉雷达部署于所述无人机上,所述无人机与所述边缘设备通信连接;所述地表监控模块还包括:移动单元,用于响应针对所述边缘设备的监控指令,所述边缘设备基于所述监控指令控制所述无人机按照预设线路进行移动;校准采集单元,用于所述无人机在移动过程中,检测自身的定位信息是否满足预设校准位置条件,并在所述定位信息满足预设校准位置条件时,控制所述干涉雷达采集地表雷达影像。
可选的,在本发明第二方面的第三种实现方式中,所述系统在地表设置有多个第二监控区域,每个第二监控区域中包括至少一个校准范围,每个第二监控区域之间存在交集或者不存在交集,每个校准范围中设置有辅助校准设备;所述校准采集单元还用于:所述无人机在移动过程中,判断自身的定位信息是否处于各所述校准范围中的至少部分校准范围内;若所述定位信息处于所述至少部分校准范围内,则所述无人机确定所述定位信息满足预设校准位置条件,并检测所述定位信息与所述辅助校准设备之间的相对位置关系;若所述相对位置关系满足预设角度条件,则控制所述干涉雷达在预设时间区间内连续采集地表雷达影像,每个地表雷达影像中包含对应辅助校准设备所处位置。
可选的,在本发明第二方面的第四种实现方式中,所述地表监控模块还包括:匹配单元,用于识别所述多帧地表雷达图像中的地形元素,并基于所述地形元素,从最新的所述至少一个监控模型中选取目标监控模型,以及基于所述多帧地表雷达影像所处的校准范围,以所述辅助校准设备所处位置为校准点,对所述多帧地表雷达影像进行匹配,得到第一影像数据;识别单元,用于将所述第一影像数据和历史的第二影像数据输入所述目标监控模型,并利用所述目标监控模型,基于所述第一影像数据和所述第二影像数据,识别地表轮廓的形变趋势;监控单元,用于利用所述目标监控模型,对所述形变趋势进行滑坡风险等级匹配,并基于所述形变趋势以及匹配到的滑坡风险等级,得到对地表形变的监控结果。
可选的,在本发明第二方面的第五种实现方式中,所述地表监控模块还包括迭代单元,用于:当所述监控管理平台接收到至少一个边缘设备发送的多帧地表雷达影像和对应的监控标注结果时,将所述多帧地表雷达影像和所述监控标注结果存储至预设先验知识库;利用所述先验知识库,对监控模型进行迭代更新,并基于迭代更新的结果生成调控指令。
可选的,在本发明第二方面的第六种实现方式中,所述监控管理平台中还部署有地表演变模拟模型和所述监控模型,所述地表演变模拟模型基于所述第一影像数据和历史的第三影像数据构建得到,所述迭代单元还用于:通过所述地表演变模拟模型将所述地表演变模拟模型在演变过程中产生多帧虚拟影像传输至所述监控模型中;根据所述多帧虚拟影像,通过所述监控模型估计对所述地表演变模拟模型的虚拟监控结果,并对所述虚拟监控结果进行评分,得到监控得分;将所述多帧虚拟影像、以及对应的虚拟监控结果和监控得分存储至所述先验知识库中。
本发明第三方面提供了一种基于干涉雷达的地表形变监控设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述基于干涉雷达的地表形变监控设备执行上述的基于干涉雷达的地表形变监控方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的基于干涉雷达的地表形变监控方法。
本发明提供的技术方案中,该方法应用于基于干涉雷达的地表形变监控系统,包括:监控管理平台、边缘设备和干涉雷达,该方法包括:边缘设备基于调控指令,对监控模型的模型参数进行调整,以更新监控模型;边缘设备基于监控指令控制干涉雷达采集多帧地表雷达影像,并将多帧地表雷达影像发送至监控管理平台,以供监控管理平台生成调控指令,以及根据多帧地表雷达影像,利用最新的监控模型进行地表形变识别和滑坡风险评估,得到对地表形变的监控结果。本发明实现了大范围地表形变过程中可能发生滑坡的自动预警,提升了地表滑坡预警的效率。
附图说明
图1为本发明基于干涉雷达的地表形变监控方法的第一个实施例示意图;
图2为本发明基于干涉雷达的地表形变监控装置的一个实施例示意图;
图3为本发明基于干涉雷达的地表形变监控装置的另一个实施例示意图;
图4为本发明基于干涉雷达的地表形变监控设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种基于干涉雷达的地表形变监控方法及相关设备,该方法应用于基于干涉雷达的地表形变监控系统,包括:监控管理平台、边缘设备和干涉雷达,该方法包括:边缘设备基于调控指令,对监控模型的模型参数进行调整,以更新监控模型;边缘设备基于监控指令控制干涉雷达采集多帧地表雷达影像,并将多帧地表雷达影像发送至监控管理平台,以供监控管理平台生成调控指令,以及根据多帧地表雷达影像,利用最新的监控模型进行地表形变识别和滑坡风险评估,得到对地表形变的监控结果。本发明实现了大范围地表形变过程中可能发生滑坡的自动预警,提升了地表滑坡预警的效率。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中基于干涉雷达的地表形变监控方法的第一个实施例包括:
101、当所述边缘设备接收到所述监控管理平台发送的调控指令时,所述边缘设备基于所述调控指令,对所述至少一个监控模型的模型参数进行调整,以更新所述至少一个监控模型;
可以理解的是,本发明的执行主体可以为基于干涉雷达的地表形变监控装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
本实施例中,基于干涉雷达的地表形变监控系统中部署有监控管理平台、边缘设备和干涉雷达,其中,所述监控管理平台与所述边缘设备通信连接,所述边缘设备与所述干涉雷达通信连接,所述边缘设备上部署有至少一个监控模型。监控管理平台可以包括云端服务器,用于集中管理通信连接的所有边缘设备,每个边缘设备中可以包括边缘服务器,用于执行边缘设备的各项操作,所述干涉雷达中可以包括微处理器,用于执行干涉雷达的各项操作。通过云端服务器、边缘服务器和微处理器中的通信模块来实现各个硬件设备之间的通信连接。
具体的,针对地表形变的监控,具体执行主体是边缘设备,通过部署至少一个监控模型(可以为神经网络模型、深度模型等)来执行对地表形变的监控和预警过程;而监控管理平台仅对监控模型的模型参数进行调整,间接调整监控模型对地表形变的监控和预警结果。在调控指令中包含有至少一个监控模型的模型标识,来确定对哪个监控模型进行调整,以及包含有变量名称,以确定对监控模型中的哪个模型参数进行调整。
102、响应针对所述边缘设备的监控指令,所述边缘设备基于所述监控指令控制所述干涉雷达采集多帧地表雷达影像,并将所述多帧地表雷达影像发送至所述监控管理平台,以供所述监控管理平台生成调控指令,以及根据所述多帧地表雷达影像,利用最新的所述至少一个监控模型进行地表形变识别和滑坡风险评估,得到对地表形变的监控结果。
本实施例中,边缘设备中除了边缘服务器之外,还包含有交互界面,以供用户来对边缘设备进行操作,具体可以通过该交互界面的操作输入触发干涉雷达工作的监控指令,使得干涉雷达开始进行扫描工作,采集到工作范围内的多帧地表雷达影像,其中,此处多帧地表雷达影像可以包括不同区域中的各帧地表雷达影像,也可以包括同一区域中不同时刻的各帧地表雷达影像。
本实施例中,监控管理平台对边缘设备中部署的监控模型进行微调时,依据的是干涉雷达采集到的地表雷达影像,根据实际采集到的地表雷达影像和后续地表变化的真实情况,来对监控模型进行调整,使得监控模型对地表雷达影像的监控预测更加准确。
本实施例中,在采集到干涉雷达工作范围内的多帧地表雷达影像之后,利用预先训练好的监控模型来执行对地表形变的识别和滑坡风险的评估,将识别结果和评估结果作为对地表形变的监控结果。该监控模型具体可以利用地表雷达影像识别出雷达点云数据的光谱特征、地表的地形特征、地表的表面轮廓特征等,然后进一步从局部和全局特征中表征地表相关特征,以进行地表形变识别,以及进行进一步的滑坡预警监控。
在一种实施方式中,在地表设置有多个第一监控区域,每个第一监控区域分别部署有一个边缘设备和至少一个干涉雷达,所述监控管理平台分别与每个边缘设备通信连接,每个边缘设备上分别部署有至少一个监控模型和节点通信程序,同一个第一监控区域中的边缘设备和干涉雷达之间通过所述节点通信程序进行通信连接,各所述边缘设备之间通过所述节点通信程序进行通信连接;所述响应针对所述边缘设备的监控指令,所述边缘设备基于所述监控指令控制所述干涉雷达采集多帧地表雷达影像包括:响应针对各所述边缘设备中对目标边缘设备的监控指令,所述目标边缘设备通过所述节点通信程序,将所述监控指令发送给通信连接的干涉雷达;所述干涉雷达基于所述监控指令触发采集操作,得到多帧地表雷达影像,并经所述节点通信程序将所述多帧地表雷达影像发送给所述目标边缘设备;所述目标边缘设备通过所述节点通信程序将接收到的多帧地表雷达影像同步至通信连接的其他边缘设备。
本实施例中,在较大监控范围和复杂场景的地形地表中,通常采用一个干涉雷达进行监控,难以对整个地表进行完全监控,故此处可以直接将整个地表划分为多个第一监控区域,然后在每个监控区域中部署一台边缘设备、一个或多个干涉雷达,具体可以视所划分的第一监控区域的地形特征来确定在哪里部署干涉雷达,以及部署多少个干涉雷达,保证需要监控到的第一监控区域可以得到全面的监控。
具体的,在边缘设备上部署有节点通信程序,用于与每个干涉雷达进行通信连接,同时也用于与自身部署的边缘服务器、以及其他边缘设备进行通信连接。其通信方式可以为广域网络通信,也可以是局域网络通信。在采集地表雷达影像时,除了目标边缘设备存储通信连接的干涉雷达采集的地表雷达影像之外,还存储其他边缘设备通信连接的干涉雷达采集的地表雷达影像,其作用在于当其中一个干涉雷达或者边缘设备与监控管理平台发生通信故障,或者本身发生故障时,其他边缘设备可以接管通信范围内的其他干涉雷达,或者采取其他手段快速解决故障问题,降低对地表监控的影响。
在一种实施方式中,所述系统还包括无人机,所述干涉雷达部署于所述无人机上,所述无人机与所述边缘设备通信连接;所述响应针对所述边缘设备的监控指令,所述边缘设备基于所述监控指令控制所述干涉雷达采集多帧地表雷达影像包括:响应针对所述边缘设备的监控指令,所述边缘设备基于所述监控指令控制所述无人机按照预设线路进行移动;所述无人机在移动过程中,检测自身的定位信息是否满足预设校准位置条件,并在所述定位信息满足预设校准位置条件时,控制所述干涉雷达采集地表雷达影像。
本实施例中,地基部署干涉雷达的方式固定了其工作范围,在调整工作范围时较为繁杂,故本发明还可以通过将干涉雷达部署在无人机上,使得对地表形变的监控更加灵活,便于调整监控范围的划定。比如在一个或多个干涉雷达、无人机或者边缘设备发生故障时,或者需要调整每个边缘设备的监控范围时,直接通过改变无人机的预设路线以及校准位置条件即可实现。
具体的,预设干涉雷达覆盖可覆盖整个监控范围的无人机的飞行路线,然后无人机按照该预设线路进行移动,即可带动干涉雷达在不同位置采集地表雷达影像,使得监控范围更广且更为灵活。
在一种实施方式中,所述系统在地表设置有多个第二监控区域,每个第二监控区域中包括至少一个校准范围,每个第二监控区域之间存在交集或者不存在交集,每个校准范围中设置有辅助校准设备;所述无人机在移动过程中,检测自身的定位信息是否满足预设校准位置条件,并在所述定位信息满足预设校准位置条件时,控制所述干涉雷达采集地表雷达影像包括:所述无人机在移动过程中,判断自身的定位信息是否处于各所述校准范围中的至少部分校准范围内;若所述定位信息处于所述至少部分校准范围内,则所述无人机确定所述定位信息满足预设校准位置条件,并检测所述定位信息与所述辅助校准设备之间的相对位置关系;若所述相对位置关系满足预设角度条件,则控制所述干涉雷达在预设时间区间内连续采集地表雷达影像,每个地表雷达影像中包含对应辅助校准设备所处位置。
本实施例中,辅助校准设备可以为干涉雷达采集信号更强的相关材质物体,设置于每个校准范围内,此处校准范围可以为如容易发生滑坡的地表,怀疑可能发生滑坡的地表,已经发生滑坡但需要进一步监控的地表等重点监控区域,在该校准范围的预设位置,如中心点、较易形变区域、可固定区域等位置设置辅助校准设备。
本实施例中,前述的校准位置条件可以为无人机是否到达校准范围内,使得无人机上搭载的干涉雷达被认定为可以采集到最大校准范围的区域,则可以触发干涉雷达的采集操作;进一步可以判定无人机与辅助校准设备之间的相对位置关系,比如呈现相对于地表的垂直角度,45°等,使得无人机上搭载的干涉雷达被认定为可以采集到最大范围的重点监控区域,则可以触发干涉雷达采集地表雷达影像。
在一种实施方式中,所述根据所述多帧地表雷达影像,利用最新的所述至少一个监控模型进行地表形变识别和滑坡风险评估,得到对地表形变的监控结果包括:识别所述多帧地表雷达图像中的地形元素,并基于所述地形元素,从最新的所述至少一个监控模型中选取目标监控模型,以及基于所述多帧地表雷达影像所处的校准范围,以所述辅助校准设备所处位置为校准点,对所述多帧地表雷达影像进行匹配,得到第一影像数据;将所述第一影像数据和历史的第二影像数据输入所述目标监控模型,并利用所述目标监控模型,基于所述第一影像数据和所述第二影像数据,识别地表轮廓的形变趋势;利用所述目标监控模型,对所述形变趋势进行滑坡风险等级匹配,并基于所述形变趋势以及匹配到的滑坡风险等级,得到对地表形变的监控结果。
本实施例中,地形元素包括地表中存在的如树林、草地、岩石、河流、峡谷等,根据地表雷达图像中的地形元素,来筛选适用的目标监控模型,每个监控模型基于其中一种或者多种地形元素组合下的多个维度特征的训练得到。此处通过多个监控模型应对不同的地表场景,来提升监控模型的监控精度。
本实施例中,通过当前采集到的第一影像数据和历史时间段内的第二影像数据,来识别出地表的形变趋势,计算形变量,然后进一步计算其形变加速度,根据形变加速度来确定当前地表的滑坡风险等级。滑坡风险等级可以分为无滑坡风险、预滑坡风险(预测滑坡时间)和已发生滑坡风险等。
具体的,所采用的监控模型可以为包括一个残差网络和一个金字塔网络,其中,残差网络可以用于识别第一影像数据和第二影像数据中的信号特征和形变特征,两者融合输出低维度特征和高维度特征,将高维度特征作为金字塔网络的输入,来输出不同尺度的特征,然后将低维度进行编码并输入金字塔网络中与不同尺度的特征进行融合来识别地表轮廓的形变趋势(包括形变量和形变加速度等参量),并进一步在分类网络中匹配滑坡风险等级。
在一种实施方式中,在所述将所述多帧地表雷达影像发送至所述监控管理平台,以供所述监控管理平台生成调控指令之后,还包括:当所述监控管理平台接收到至少一个边缘设备发送的多帧地表雷达影像和对应的监控标注结果时,将所述多帧地表雷达影像和所述监控标注结果存储至预设先验知识库;利用所述先验知识库,对监控模型进行迭代更新,并基于迭代更新的结果生成调控指令。
本实施例中,在每次采集到地表雷达影像之后,发送至监控管理平台中进行存储,然后在后续监控过程中,工作人员可以对该时段对应的实际监控结果进行记录,并在对应的地表雷达影像中依据其采集时间进行标注,得到监控标注结果。其中,可以每个预设周期对该时间的地表雷达影像进行标注,无需对全部的地表雷达影像进行标注。两者存储到先验知识库中,每隔预设周期,从该先验知识库中获取全部的地表雷达影像和监控标注结果,来对对应的监控模型进行微调,以对该监控模型进行迭代更新,修改模型参数,并包装到调控指令中发送给每个边缘设备,调整每个边缘设备中的监控模型的模型参数。
在一种实施方式中,所述监控管理平台中还部署有地表演变模拟模型和所述监控模型,所述地表演变模拟模型基于所述第一影像数据和历史的第三影像数据构建得到,在所述利用所述先验知识库,对监控模型进行迭代更新,并基于迭代更新的结果生成调控指令之前,还包括:通过所述地表演变模拟模型将所述地表演变模拟模型在演变过程中产生多帧虚拟影像传输至所述监控模型中;根据所述多帧虚拟影像,通过所述监控模型估计对所述地表演变模拟模型的虚拟监控结果,并对所述虚拟监控结果进行评分,得到监控得分;将所述多帧虚拟影像、以及对应的虚拟监控结果和监控得分存储至所述先验知识库中。
本实施例中,在对地表监控一段时间之后,利用建模软件,根据全部采集到的影像数据来构建地表演变模拟模型,使得该地表在所处环境下的实际演变过程,然后利用如合Actor-Critic网络的调控架构,在该地表演变模拟模型中模拟不同的虚拟影像下,当前最新的监控模型会输出怎么样的虚拟监控结果,然后根据先验知识,来对该虚拟监控结果进行评分,来确定每个虚拟监控结果的监控评分,比如高分可信和低分不可信,然后可以分别作为正样本数据和负样本数据存储到先验知识库中。通过这种方法可以在监控前期产生大量的训练样本,有利于监控模型的快速迭代更新,加速提升监控模型的预测精准度。
本发明实施例中,边缘设备基于调控指令,对监控模型的模型参数进行调整,以更新监控模型;边缘设备基于监控指令控制干涉雷达采集多帧地表雷达影像,并将多帧地表雷达影像发送至监控管理平台,以供监控管理平台生成调控指令,以及根据多帧地表雷达影像,利用最新的监控模型进行地表形变识别和滑坡风险评估,得到对地表形变的监控结果。本发明实现了大范围地表形变过程中可能发生滑坡的自动预警,提升了地表滑坡预警的效率。
上面对本发明实施例中基于干涉雷达的地表形变监控方法进行了描述,下面对本发明实施例中基于干涉雷达的地表形变监控装置进行描述,请参阅图2,本发明实施例中基于干涉雷达的地表形变监控装置一个实施例包括:
所述装置应用于基于干涉雷达的地表形变监控系统,所述系统包括:监控管理平台、边缘设备和干涉雷达,其中,所述监控管理平台与所述边缘设备通信连接,所述边缘设备与所述干涉雷达通信连接,所述边缘设备上部署有至少一个监控模型,所述装置包括:
模型更新模块201,用于当所述边缘设备接收到所述监控管理平台发送的调控指令时,所述边缘设备基于所述调控指令,对所述至少一个监控模型的模型参数进行调整,以更新所述至少一个监控模型;
地表监控模块202,用于响应针对所述边缘设备的监控指令,所述边缘设备基于所述监控指令控制所述干涉雷达采集多帧地表雷达影像,并将所述多帧地表雷达影像发送至所述监控管理平台,以供所述监控管理平台生成调控指令,以及根据所述多帧地表雷达影像,利用最新的所述至少一个监控模型进行地表形变识别和滑坡风险评估,得到对地表形变的监控结果。
本发明实施例中,边缘设备基于调控指令,对监控模型的模型参数进行调整,以更新监控模型;边缘设备基于监控指令控制干涉雷达采集多帧地表雷达影像,并将多帧地表雷达影像发送至监控管理平台,以供监控管理平台生成调控指令,以及根据多帧地表雷达影像,利用最新的监控模型进行地表形变识别和滑坡风险评估,得到对地表形变的监控结果。本发明实现了大范围地表形变过程中可能发生滑坡的自动预警,提升了地表滑坡预警的效率。
请参阅图3,本发明实施例中基于干涉雷达的地表形变监控装置的另一个实施例包括:
所述装置应用于基于干涉雷达的地表形变监控系统,所述系统包括:监控管理平台、边缘设备和干涉雷达,其中,所述监控管理平台与所述边缘设备通信连接,所述边缘设备与所述干涉雷达通信连接,所述边缘设备上部署有至少一个监控模型,所述装置包括:
模型更新模块201,用于当所述边缘设备接收到所述监控管理平台发送的调控指令时,所述边缘设备基于所述调控指令,对所述至少一个监控模型的模型参数进行调整,以更新所述至少一个监控模型;
地表监控模块202,用于响应针对所述边缘设备的监控指令,所述边缘设备基于所述监控指令控制所述干涉雷达采集多帧地表雷达影像,并将所述多帧地表雷达影像发送至所述监控管理平台,以供所述监控管理平台生成调控指令,以及根据所述多帧地表雷达影像,利用最新的所述至少一个监控模型进行地表形变识别和滑坡风险评估,得到对地表形变的监控结果。
具体的,在地表设置有多个第一监控区域,每个第一监控区域分别部署有一个边缘设备和至少一个干涉雷达,所述监控管理平台分别与每个边缘设备通信连接,每个边缘设备上分别部署有至少一个监控模型和节点通信程序,同一个第一监控区域中的边缘设备和干涉雷达之间通过所述节点通信程序进行通信连接,各所述边缘设备之间通过所述节点通信程序进行通信连接;
所述地表监控模块202包括:
指令发送单元2021,用于响应针对各所述边缘设备中对目标边缘设备的监控指令,所述目标边缘设备通过所述节点通信程序,将所述监控指令发送给通信连接的干涉雷达;
影响发送单元2022,用于所述干涉雷达基于所述监控指令触发采集操作,得到多帧地表雷达影像,并经所述节点通信程序将所述多帧地表雷达影像发送给所述目标边缘设备;
同步单元2023,用于所述目标边缘设备通过所述节点通信程序将接收到的多帧地表雷达影像同步至通信连接的其他边缘设备。
具体的,所述系统还包括无人机,所述干涉雷达部署于所述无人机上,所述无人机与所述边缘设备通信连接;
所述地表监控模块202还包括:
移动单元2024,用于响应针对所述边缘设备的监控指令,所述边缘设备基于所述监控指令控制所述无人机按照预设线路进行移动;
校准采集单元2025,用于所述无人机在移动过程中,检测自身的定位信息是否满足预设校准位置条件,并在所述定位信息满足预设校准位置条件时,控制所述干涉雷达采集地表雷达影像。
具体的,所述系统在地表设置有多个第二监控区域,每个第二监控区域中包括至少一个校准范围,每个第二监控区域之间存在交集或者不存在交集,每个校准范围中设置有辅助校准设备;
所述校准采集单元2025还用于:
所述无人机在移动过程中,判断自身的定位信息是否处于各所述校准范围中的至少部分校准范围内;
若所述定位信息处于所述至少部分校准范围内,则所述无人机确定所述定位信息满足预设校准位置条件,并检测所述定位信息与所述辅助校准设备之间的相对位置关系;
若所述相对位置关系满足预设角度条件,则控制所述干涉雷达在预设时间区间内连续采集地表雷达影像,每个地表雷达影像中包含对应辅助校准设备所处位置。
具体的,所述地表监控模块202还包括:
匹配单元2026,用于识别所述多帧地表雷达图像中的地形元素,并基于所述地形元素,从最新的所述至少一个监控模型中选取目标监控模型,以及基于所述多帧地表雷达影像所处的校准范围,以所述辅助校准设备所处位置为校准点,对所述多帧地表雷达影像进行匹配,得到第一影像数据;
识别单元2027,用于将所述第一影像数据和历史的第二影像数据输入所述目标监控模型,并利用所述目标监控模型,基于所述第一影像数据和所述第二影像数据,识别地表轮廓的形变趋势;
监控单元2028,用于利用所述目标监控模型,对所述形变趋势进行滑坡风险等级匹配,并基于所述形变趋势以及匹配到的滑坡风险等级,得到对地表形变的监控结果。
具体的,所述地表监控模块202还包括迭代单元2029,用于:
当所述监控管理平台接收到至少一个边缘设备发送的多帧地表雷达影像和对应的监控标注结果时,将所述多帧地表雷达影像和所述监控标注结果存储至预设先验知识库;
利用所述先验知识库,对监控模型进行迭代更新,并基于迭代更新的结果生成调控指令。
具体的,所述监控管理平台中还部署有地表演变模拟模型和所述监控模型,所述地表演变模拟模型基于所述第一影像数据和历史的第三影像数据构建得到;
所述迭代单元2029还用于:
通过所述地表演变模拟模型将所述地表演变模拟模型在演变过程中产生多帧虚拟影像传输至所述监控模型中;
根据所述多帧虚拟影像,通过所述监控模型估计对所述地表演变模拟模型的虚拟监控结果,并对所述虚拟监控结果进行评分,得到监控得分;
将所述多帧虚拟影像、以及对应的虚拟监控结果和监控得分存储至所述先验知识库中。
上面图2和图3从模块化功能实体的角度对本发明实施例中的基于干涉雷达的地表形变监控装置进行详细描述,下面从硬件处理的角度对本发明实施例中基于干涉雷达的地表形变监控设备进行详细描述。
图4是本发明实施例提供的一种基于干涉雷达的地表形变监控设备的结构示意图,该基于干涉雷达的地表形变监控设备400可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)410(例如,一个或一个以上处理器)和存储器420,一个或一个以上存储应用程序433或数据432的存储介质430(例如一个或一个以上海量存储设备)。其中,存储器420和存储介质430可以是短暂存储或持久存储。存储在存储介质430的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对基于干涉雷达的地表形变监控设备400中的一系列指令操作。更进一步地,处理器410可以设置为与存储介质430通信,在基于干涉雷达的地表形变监控设备400上执行存储介质430中的一系列指令操作。
基于干涉雷达的地表形变监控设备400还可以包括一个或一个以上电源440,一个或一个以上有线或无线网络接口450,一个或一个以上输入输出接口460,和/或,一个或一个以上操作系统431,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图4示出的基于干涉雷达的地表形变监控设备结构并不构成对基于干涉雷达的地表形变监控设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种基于干涉雷达的地表形变监控设备,所述计算机设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述基于干涉雷达的地表形变监控方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述基于干涉雷达的地表形变监控方法的步骤。
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,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种基于干涉雷达的地表形变监控方法,应用于基于干涉雷达的地表形变监控系统,其特征在于,所述系统包括:监控管理平台、边缘设备、干涉雷达和设置在地表上的多个第二监控区域,每个第二监控区域中包括至少一个校准范围,每个第二监控区域之间存在交集或者不存在交集,每个校准范围中设置有辅助校准设备,其中,所述监控管理平台与所述边缘设备通信连接,所述边缘设备与所述干涉雷达通信连接,所述边缘设备上部署有至少一个监控模型,所述方法包括:
当所述边缘设备接收到所述监控管理平台发送的调控指令时,所述边缘设备基于所述调控指令,对所述至少一个监控模型的模型参数进行调整,以更新所述至少一个监控模型;
响应针对所述边缘设备的监控指令,所述边缘设备基于所述监控指令控制所述干涉雷达采集多帧地表雷达影像,并将所述多帧地表雷达影像发送至所述监控管理平台,以供所述监控管理平台生成调控指令,以及根据所述多帧地表雷达影像,利用最新的所述至少一个监控模型进行地表形变识别和滑坡风险评估,得到对地表形变的监控结果;
其中,所述根据所述多帧地表雷达影像,利用最新的所述至少一个监控模型进行地表形变识别和滑坡风险评估,得到对地表形变的监控结果包括:识别所述多帧地表雷达图像中的地形元素,并基于所述地形元素,从最新的所述至少一个监控模型中选取目标监控模型,以及基于所述多帧地表雷达影像所处的校准范围,以所述辅助校准设备所处位置为校准点,对所述多帧地表雷达影像进行匹配,得到第一影像数据;将所述第一影像数据和历史的第二影像数据输入所述目标监控模型,并利用所述目标监控模型,基于所述第一影像数据和所述第二影像数据,识别地表轮廓的形变趋势;利用所述目标监控模型,对所述形变趋势进行滑坡风险等级匹配,并基于所述形变趋势以及匹配到的滑坡风险等级,得到对地表形变的监控结果。
2.根据权利要求1所述的基于干涉雷达的地表形变监控方法,其特征在于,在地表设置有多个第一监控区域,每个第一监控区域分别部署有一个边缘设备和至少一个干涉雷达,所述监控管理平台分别与每个边缘设备通信连接,每个边缘设备上分别部署有至少一个监控模型和节点通信程序,同一个第一监控区域中的边缘设备和干涉雷达之间通过所述节点通信程序进行通信连接,各所述边缘设备之间通过所述节点通信程序进行通信连接;
所述响应针对所述边缘设备的监控指令,所述边缘设备基于所述监控指令控制所述干涉雷达采集多帧地表雷达影像包括:
响应针对各所述边缘设备中对目标边缘设备的监控指令,所述目标边缘设备通过所述节点通信程序,将所述监控指令发送给通信连接的干涉雷达;
所述干涉雷达基于所述监控指令触发采集操作,得到多帧地表雷达影像,并经所述节点通信程序将所述多帧地表雷达影像发送给所述目标边缘设备;
所述目标边缘设备通过所述节点通信程序将接收到的多帧地表雷达影像同步至通信连接的其他边缘设备。
3.根据权利要求1所述的基于干涉雷达的地表形变监控方法,其特征在于,所述系统还包括无人机,所述干涉雷达部署于所述无人机上,所述无人机与所述边缘设备通信连接;
所述响应针对所述边缘设备的监控指令,所述边缘设备基于所述监控指令控制所述干涉雷达采集多帧地表雷达影像包括:
响应针对所述边缘设备的监控指令,所述边缘设备基于所述监控指令控制所述无人机按照预设线路进行移动;
所述无人机在移动过程中,检测自身的定位信息是否满足预设校准位置条件,并在所述定位信息满足预设校准位置条件时,控制所述干涉雷达采集地表雷达影像。
4.根据权利要求3所述的基于干涉雷达的地表形变监控方法,其特征在于,所述无人机在移动过程中,检测自身的定位信息是否满足预设校准位置条件,并在所述定位信息满足预设校准位置条件时,控制所述干涉雷达采集地表雷达影像包括:
所述无人机在移动过程中,判断自身的定位信息是否处于各所述校准范围中的至少部分校准范围内;
若所述定位信息处于所述至少部分校准范围内,则所述无人机确定所述定位信息满足预设校准位置条件,并检测所述定位信息与所述辅助校准设备之间的相对位置关系;
若所述相对位置关系满足预设角度条件,则控制所述干涉雷达在预设时间区间内连续采集地表雷达影像,每个地表雷达影像中包含对应辅助校准设备所处位置。
5.根据权利要求1所述的基于干涉雷达的地表形变监控方法,其特征在于,在所述将所述多帧地表雷达影像发送至所述监控管理平台,以供所述监控管理平台生成调控指令之后,还包括:
当所述监控管理平台接收到至少一个边缘设备发送的多帧地表雷达影像和对应的监控标注结果时,将所述多帧地表雷达影像和所述监控标注结果存储至预设先验知识库;
利用所述先验知识库,对监控模型进行迭代更新,并基于迭代更新的结果生成调控指令。
6.根据权利要求5所述的基于干涉雷达的地表形变监控方法,其特征在于,所述监控管理平台中还部署有地表演变模拟模型和所述监控模型,所述地表演变模拟模型基于所述第一影像数据和历史的第三影像数据构建得到;
在所述利用所述先验知识库,对监控模型进行迭代更新,并基于迭代更新的结果生成调控指令之前,还包括:
通过所述地表演变模拟模型将所述地表演变模拟模型在演变过程中产生多帧虚拟影像传输至所述监控模型中;
根据所述多帧虚拟影像,通过所述监控模型估计对所述地表演变模拟模型的虚拟监控结果,并对所述虚拟监控结果进行评分,得到监控得分;
将所述多帧虚拟影像、以及对应的虚拟监控结果和监控得分存储至所述先验知识库中。
7.一种基于干涉雷达的地表形变监控装置,应用于基于干涉雷达的地表形变监控系统,其特征在于,所述系统包括:监控管理平台、边缘设备、干涉雷达和设置在地表上的多个第二监控区域,每个第二监控区域中包括至少一个校准范围,每个第二监控区域之间存在交集或者不存在交集,每个校准范围中设置有辅助校准设备,其中,所述监控管理平台与所述边缘设备通信连接,所述边缘设备与所述干涉雷达通信连接,所述边缘设备上部署有至少一个监控模型,所述装置包括:
模型更新模块,用于当所述边缘设备接收到所述监控管理平台发送的调控指令时,所述边缘设备基于所述调控指令,对所述至少一个监控模型的模型参数进行调整,以更新所述至少一个监控模型;
地表监控模块,用于响应针对所述边缘设备的监控指令,所述边缘设备基于所述监控指令控制所述干涉雷达采集多帧地表雷达影像,并将所述多帧地表雷达影像发送至所述监控管理平台,以供所述监控管理平台生成调控指令,以及根据所述多帧地表雷达影像,利用最新的所述至少一个监控模型进行地表形变识别和滑坡风险评估,得到对地表形变的监控结果;
其中,所述根据所述多帧地表雷达影像,利用最新的所述至少一个监控模型进行地表形变识别和滑坡风险评估,得到对地表形变的监控结果包括:识别所述多帧地表雷达图像中的地形元素,并基于所述地形元素,从最新的所述至少一个监控模型中选取目标监控模型,以及基于所述多帧地表雷达影像所处的校准范围,以所述辅助校准设备所处位置为校准点,对所述多帧地表雷达影像进行匹配,得到第一影像数据;将所述第一影像数据和历史的第二影像数据输入所述目标监控模型,并利用所述目标监控模型,基于所述第一影像数据和所述第二影像数据,识别地表轮廓的形变趋势;利用所述目标监控模型,对所述形变趋势进行滑坡风险等级匹配,并基于所述形变趋势以及匹配到的滑坡风险等级,得到对地表形变的监控结果。
8.一种基于干涉雷达的地表形变监控设备,其特征在于,所述基于干涉雷达的地表形变监控设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述基于干涉雷达的地表形变监控设备执行如权利要求1-6中任意一项所述的基于干涉雷达的地表形变监控方法的各个步骤。
9.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-6中任意一项所述基于干涉雷达的地表形变监控方法的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310075546.2A CN116299438B (zh) | 2023-01-13 | 2023-01-13 | 基于干涉雷达的地表形变监控方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310075546.2A CN116299438B (zh) | 2023-01-13 | 2023-01-13 | 基于干涉雷达的地表形变监控方法及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116299438A CN116299438A (zh) | 2023-06-23 |
CN116299438B true CN116299438B (zh) | 2023-12-01 |
Family
ID=86815867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310075546.2A Active CN116299438B (zh) | 2023-01-13 | 2023-01-13 | 基于干涉雷达的地表形变监控方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116299438B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117274342B (zh) * | 2023-11-21 | 2024-02-13 | 中铁水利水电规划设计集团有限公司 | 一种基于卫星数据的水利工程形变监测方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106679620A (zh) * | 2017-01-13 | 2017-05-17 | 首都师范大学 | 一种区域地面沉降时空预测方法 |
CN110453731A (zh) * | 2019-08-15 | 2019-11-15 | 中国水利水电科学研究院 | 一种大坝边坡形变监测系统及方法 |
CN111341074A (zh) * | 2020-03-03 | 2020-06-26 | 山东省地质环境监测总站(山东省地质灾害防治技术指导中心) | 一种基于5g定位技术的地质灾害警示的方法 |
CN111880210A (zh) * | 2020-08-05 | 2020-11-03 | 中国南方电网有限责任公司 | 输电线路的地灾监测处理方法和装置、预警系统和设备 |
CN111929683A (zh) * | 2020-07-28 | 2020-11-13 | 中国自然资源航空物探遥感中心 | 滑坡形变聚集区预测模型生成方法和滑坡形变聚集区预测方法 |
CN112213722A (zh) * | 2019-10-14 | 2021-01-12 | 兰州交通大学 | 联合InSAR与深度学习的边坡监测方法 |
CN113762090A (zh) * | 2021-08-16 | 2021-12-07 | 国网浙江省电力有限公司湖州供电公司 | 一种特高压密集输电通道灾害监测预警方法 |
CN113885025A (zh) * | 2021-09-03 | 2022-01-04 | 宁夏大学 | 一种滑坡形变监测方法与可视化服务平台 |
CN114966685A (zh) * | 2022-05-24 | 2022-08-30 | 中国水利水电科学研究院 | 基于InSAR和深度学习的大坝形变监测及预测方法 |
CN115019145A (zh) * | 2022-06-15 | 2022-09-06 | 交通运输部公路科学研究所 | 一种青藏高原公路路表沉降变形监测方法 |
CN217403367U (zh) * | 2021-10-25 | 2022-09-09 | 中国南方电网有限责任公司超高压输电公司广州局 | 一种基于北斗双天线技术的杆塔形变检测系统 |
CN115060208A (zh) * | 2022-06-30 | 2022-09-16 | 国网山东省电力公司电力科学研究院 | 基于多源卫星融合的输变电线路地质灾害监测方法及系统 |
WO2022229199A1 (en) * | 2021-04-27 | 2022-11-03 | Dares Technology, S.L. | Ground based synthetic aperture radars |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EA031233B1 (ru) * | 2014-04-24 | 2018-12-28 | Эни С.П.А. | Способ и система удаленного контроля двумерного или трехмерного поля смещений и вибраций объектов и конструкций |
US10746625B2 (en) * | 2017-12-22 | 2020-08-18 | Infineon Technologies Ag | System and method of monitoring a structural object using a millimeter-wave radar sensor |
-
2023
- 2023-01-13 CN CN202310075546.2A patent/CN116299438B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106679620A (zh) * | 2017-01-13 | 2017-05-17 | 首都师范大学 | 一种区域地面沉降时空预测方法 |
CN110453731A (zh) * | 2019-08-15 | 2019-11-15 | 中国水利水电科学研究院 | 一种大坝边坡形变监测系统及方法 |
CN112213722A (zh) * | 2019-10-14 | 2021-01-12 | 兰州交通大学 | 联合InSAR与深度学习的边坡监测方法 |
CN111341074A (zh) * | 2020-03-03 | 2020-06-26 | 山东省地质环境监测总站(山东省地质灾害防治技术指导中心) | 一种基于5g定位技术的地质灾害警示的方法 |
CN111929683A (zh) * | 2020-07-28 | 2020-11-13 | 中国自然资源航空物探遥感中心 | 滑坡形变聚集区预测模型生成方法和滑坡形变聚集区预测方法 |
CN111880210A (zh) * | 2020-08-05 | 2020-11-03 | 中国南方电网有限责任公司 | 输电线路的地灾监测处理方法和装置、预警系统和设备 |
WO2022229199A1 (en) * | 2021-04-27 | 2022-11-03 | Dares Technology, S.L. | Ground based synthetic aperture radars |
CN113762090A (zh) * | 2021-08-16 | 2021-12-07 | 国网浙江省电力有限公司湖州供电公司 | 一种特高压密集输电通道灾害监测预警方法 |
CN113885025A (zh) * | 2021-09-03 | 2022-01-04 | 宁夏大学 | 一种滑坡形变监测方法与可视化服务平台 |
CN217403367U (zh) * | 2021-10-25 | 2022-09-09 | 中国南方电网有限责任公司超高压输电公司广州局 | 一种基于北斗双天线技术的杆塔形变检测系统 |
CN114966685A (zh) * | 2022-05-24 | 2022-08-30 | 中国水利水电科学研究院 | 基于InSAR和深度学习的大坝形变监测及预测方法 |
CN115019145A (zh) * | 2022-06-15 | 2022-09-06 | 交通运输部公路科学研究所 | 一种青藏高原公路路表沉降变形监测方法 |
CN115060208A (zh) * | 2022-06-30 | 2022-09-16 | 国网山东省电力公司电力科学研究院 | 基于多源卫星融合的输变电线路地质灾害监测方法及系统 |
Non-Patent Citations (7)
Title |
---|
C波段星载SAR系统在减灾应用中的工作模式选取;李震;廖静娟;张平;陈权;李延;周建民;田帮森;;遥感信息(第06期);全文 * |
SAR图像变化检测技术方法综述;王娜;张景发;;地壳构造与地壳应力文集(第01期);全文 * |
利用InSAR技术提取地质灾害信息的对比研究;张洁;张菁;卓力;;测控技术(第05期);全文 * |
地质灾害雷达遥感应用潜力分析;谭衢霖, 杨松林, 胡吉平;铁道勘察(第05期);全文 * |
地面雷达在边坡形变观测中的环境影响校正;余红楚;左小清;字陈波;徐小坤;王利启;刘海波;;昆明理工大学学报(自然科学版)(第04期);全文 * |
基于COSMO-SkyMed雷达影像的山地城市地表形变监测研究;王成;方璐;;电子测量技术(第09期);全文 * |
王娜 ; 张景发 ; .SAR图像变化检测技术方法综述.地壳构造与地壳应力文集.2016,(第01期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN116299438A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zeybek et al. | Point cloud filtering on UAV based point cloud | |
CN110146909B (zh) | 一种定位数据处理方法 | |
US11188089B2 (en) | Localization for autonomous vehicles using gaussian mixture models | |
KR102078254B1 (ko) | 라이다 데이터를 이용한 지형 변화 실시간 탐지 방법, 이를 위한 시스템 및 서버에 저장된 컴퓨터프로그램 | |
EP3293487A1 (en) | Data structure of environment map, environment map preparing system and method, and environment map updating system and method | |
KR100884100B1 (ko) | 항공 레이저 측량을 이용한 수목 캐노피 추출 시스템 및 방법 | |
CN111429574A (zh) | 基于三维点云和视觉融合的移动机器人定位方法和系统 | |
CN116299438B (zh) | 基于干涉雷达的地表形变监控方法及相关设备 | |
CN115661204B (zh) | 一种无人机集群对运动目标的协同搜寻与跟踪定位方法 | |
CN107300703B (zh) | 一种雷达数据的组网处理系统 | |
MX2014012901A (es) | Visualizacion de nube de puntos de zonas de aterrizaje de helicoptero aceptables basadas en deteccion y medicion de luz 4d. | |
WO2018180338A1 (ja) | 情報処理装置、サーバ装置、制御方法、プログラム及び記憶媒体 | |
CN111830502B (zh) | 数据集的建立方法、车辆和存储介质 | |
CN105957106A (zh) | 三维目标跟踪的方法和装置 | |
CN113393497B (zh) | 碎云条件下序列遥感图像舰船目标跟踪方法、装置及设备 | |
CN111695478A (zh) | 一种目标检测方法及设备 | |
CN115451948A (zh) | 一种基于多传感器融合的农业无人车定位里程计方法及系统 | |
CN114280611A (zh) | 一种融合毫米波雷达与摄像头的路侧感知方法 | |
US11754704B2 (en) | Synthetic-aperture-radar image processing device and image processing method | |
CN113959457A (zh) | 一种自动驾驶车辆的定位方法、装置、车辆和介质 | |
CN114035187A (zh) | 一种自动驾驶系统的感知融合方法 | |
JP7241906B2 (ja) | データ処理装置およびデータ処理方法 | |
US20230314169A1 (en) | Method and apparatus for generating map data, and non-transitory computer-readable storage medium | |
EP2905579B1 (en) | Passive altimeter | |
CN114241083A (zh) | 一种车道线生成方法、装置、电子设备及存储介质 |
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 |