CN117109524A - 一种地质灾害无人机机载雷达监测方法、装置及电子设备 - Google Patents
一种地质灾害无人机机载雷达监测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN117109524A CN117109524A CN202311085548.6A CN202311085548A CN117109524A CN 117109524 A CN117109524 A CN 117109524A CN 202311085548 A CN202311085548 A CN 202311085548A CN 117109524 A CN117109524 A CN 117109524A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- geological
- target
- target area
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012544 monitoring process Methods 0.000 title claims abstract description 45
- 230000008859 change Effects 0.000 claims abstract description 116
- 238000012545 processing Methods 0.000 claims abstract description 44
- 230000008569 process Effects 0.000 claims description 29
- 239000003086 colorant Substances 0.000 claims description 5
- 238000012806 monitoring device Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000006073 displacement reaction Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 239000002689 soil Substances 0.000 description 4
- 238000012876 topography Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009472 formulation Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000013075 data extraction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011010 flushing procedure Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000002791 soaking Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
- G01S17/894—3D imaging with simultaneous measurement of time-of-flight at a 2D array of receiver pixels, e.g. time-of-flight cameras or flash lidar
-
- 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
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Geometry (AREA)
- Electromagnetism (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Graphics (AREA)
- Theoretical Computer Science (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本申请提供一种地质灾害无人机机载雷达监测方法、装置及电子设备,方法应用于服务器,包括:获取目标区域的点云数据集;对第一点云数据进行处理,得到目标区域的第一地质情况,第一点云数据为多个点云数据中第一时间对应的点云数据;对第二点云数据进行处理,得到目标区域的第二地质情况,第二点云数据为多个点云数据中第二时间对应的点云数据,第一时间与第二时间不同;基于第一地质情况和第二地质情况,确定目标区域的地质变化情况;获取目标区域对应的预设变化条件;判断地质变化情况是否满足预设变化条件,若地质变化情况满足预设变化条件,则输出预警提示,以对目标区域的地质灾害预警。本申请具有提高地质沉降监测的准确性的效果。
Description
技术领域
本申请涉及地质监测的技术领域,具体涉及一种地质灾害无人机机载雷达监测方法、装置及电子设备。
背景技术
地质沉降是地质灾害中常见的一种,主要是由于地下松散土层和溶洞等在长期的雨水浸泡和冲刷过程中导致地表土层下陷,或者地下水被大量开采时,水压减小可能导致地下地质材料塌陷或收缩,从而导致地表发生沉降。
目前针对地质沉降监测包括地表位移监测和内部位移监测,而监测通常需要进行人工测量,通过在地表安装位移观测仪器,如位移计、沉降仪以及固定测斜仪等。再根据仪器监测的数据计算地质的沉降量,从而完成地质沉降监测。
通过人工测量很难保证每次测量地点都固定,这对测量数值和计算结果都带来了主观影响。并且,测量得到的数据还需要通过手动记录,大量的数据记录难免出现错误。因此,造成了地质沉降监测的准确性较低。
发明内容
本申请提供一种地质灾害无人机机载雷达监测方法、装置及电子设备,具有提高地质沉降监测的准确性的效果。
在本申请的第一方面提供了一种地质灾害无人机机载雷达监测方法,所述方法应用于服务器,包括:
获取目标区域的点云数据集,所述目标区域为需要进行地质灾害监测的区域,所述点云数据集为采集的不同时间的多个点云数据的集合;
对第一点云数据进行处理,得到所述目标区域的第一地质情况,所述第一点云数据为多个所述点云数据中第一时间对应的点云数据;
对第二点云数据进行处理,得到所述目标区域的第二地质情况,所述第二点云数据为多个所述点云数据中第二时间对应的点云数据,所述第一时间与所述第二时间不同;
基于所述第一地质情况和所述第二地质情况,确定所述目标区域的地质变化情况;
获取所述目标区域对应的预设变化条件;
判断所述地质变化情况是否满足所述预设变化条件,若所述地质变化情况满足所述预设变化条件,则输出预警提示,以对所述目标区域的地质灾害进行预警。
通过采用上述技术方案,通过采集不同时间的多个点云数据,可以获取目标区域在不同时间段内的地形信息。对采集的点云数据进行处理,进而得到目标区域的地质情况。再通过比较不同时间点的点云数据,可以确定地质变化情况,这样的地质情况分析可以提供定量的地质变化信息。接着通过获取目标区域对应的预设变化条件,可以制定具体的地质沉降判断标准。当地质情况达到或超过预设的预设变化条件时,可以进行预警提示,其中可以实现对地质沉降进行预警。通过上述多时间点的点云数据集的应用、点云数据处理与分析、预设变化条件的制定以及预警系统的建立,全程无需人工参与,并且能够更全面、定量地了解目标区域的地质沉降情况,从而提高地质沉降监测的准确性。
可选的,所述获取目标区域的点云数据集,具体包括:
获取目标稀疏点云数据,所述目标稀疏点云数据为多个稀疏点云数据中的任意一个稀疏点云数据,所述稀疏点云数据为无人机在所述目标区域上方进行高位飞行过程中,机载雷达扫描所述目标区域得到的点云的数据;
获取目标稠密点云数据,所述目标稠密点云数据为多个稠密点云数据中的任意一个稠密点云数据,所述稠密点云数据为所述无人机在所述目标区域上方进行低位飞行过程中,所述机载雷达扫描所述目标区域得到的点云的数据;
对所述目标稀疏点云数据和所述目标稠密点云数据进行进行点云拼接,得到所述点云数据;
获取各个所述点云数据对应的时间数据;
将多个所述点云数据和多个所述时间数据进行集合,得到所述点云数据集。
通过采用上述技术方案,采集不同高度飞行时的稀疏点云数据和稠密点云数据,并将它们拼接成完整的点云数据集,再结合时间数据,可以为后续提供更全面、更多角度和更多时间维度的地质信息,从而进一步提高后续地质沉降监测的准确性。
可选的,在所述基于所述第一地质情况和所述第二地质情况,确定所述目标区域的地质变化情况之前,所述方法还包括:
对所述目标区域进行分割,得到多个子区域,任意两个所述子区域的倾斜率不同;
获取目标子区域对应的第一子点云数据和多个第二子点云数据,所述目标子区域为多个所述子区域中的任意一个子区域,所述第一子点云数据为多个所述第一点云数据中的任意一个第一点云数据,所述第二子点云数据为多个所述第二点云数据中的任意一个第二点云数据;
根据所述第一子点云数据,确定所述目标子区域的各个三维点的第一高度数据;
根据所述第二子点云数据,确定所述目标子区域的各个三维点的第二高度数据。
通过采用上述技术方案,对目标区域进行分割,得到多个子区域,其中任意两个子区域的倾斜率不同。接着通过对每个子区域的第一高度数据和第二高度数据进行对比,可以确定地质变化的情况。比较不同时间点的高度数据,可以用于地质沉降的判断。区域分割和高度数据提取使得地质变化的分析更加精细和准确。这样可以更好地捕捉地质变化的细节和差异,提高地质沉降分析的准确性。
可选的,所述基于所述第一地质情况和所述第二地质情况,确定所述目标区域的地质变化情况,具体包括:
根据多个所述第一高度数据和多个所述第二高度数据,确定所述目标子区域的区域地形变化值;
根据多个所述子区域的区域地形变化值,确定所述目标区域的地形变化值;
根据所述地形变化值,分析所述地质变化情况。
通过采用上述技术方案,通过对多个第一高度数据和多个第二高度数据进行比较,可以计算目标子区域的区域地形变化值,地形变化值代表了地质变化的幅度和趋势。通过计算多个子区域的地形变化值,可以确定整个目标区域的地形沉降情况。通过计算地形变化值,将地质变化量进行了定量化。这样可以用数值化的方式描述地质变化,有助于进行准确的地质沉降分析。
可选的,所述判断所述地质变化情况是否满足所述预设变化条件,若所述地质变化情况满足所述预设变化条件,则输出预警提示,以对所述目标区域的地质灾害进行预警,具体包括:
获取预设的所述目标区域对应的地形变化阈值;
判断所述地形变化值是否大于或等于所述地形变化阈值,若所述地形变化值大于或等于所述地形变化阈值,则确定所述地质变化情况满足所述预设变化条件;
输出所述预警提示,以对所述目标区域的地质灾害进行预警。
通过采用上述技术方案,通过预设的地形变化阈值和自动化的地形变化值判断,可以实现地质灾害的自动化预警。不需要人工干预,即可及时发现可能的地质灾害风险。
可选的,在所述判断所述地质变化情况是否满足所述预设变化条件,若所述地质变化情况满足所述预设变化条件,则输出预警提示,以对所述目标区域的地质灾害进行预警之后,所述方法还包括:
获取目标彩色点云数据,所述目标彩色点云数据为多个彩色点云数据中的任意一个彩色点云数据,所述彩色点云数据为所述无人机在所述目标区域的上方进行低位飞行过程中,机载摄像头拍摄得到的彩色点云的色彩数据;
将所述目标稀疏点云数据、所述目标稠密点云数据以及所述目标彩色点云数据转换到同一绝对坐标系下,并进行点云拼接,得到所述目标区域的三维模型。
通过采用上述技术方案,将目标稀疏点云数据、目标稠密点云数据和目标彩色点云数据转换到同一绝对坐标系下并进行点云拼接,可以实现全景式的三维模型展示,从而全面展现目标区域的地质状况。并且通过可视化分析有助于更好地理解地质情况和地质变化趋势。
可选的,在所述将所述目标稀疏点云数据、所述目标稠密点云数据以及所述目标彩色点云数据转换到同一绝对坐标系下,并进行点云拼接,得到所述目标区域的三维模型之后,所述方法还包括:
获取所述目标彩色点云数据中的点云高度数据以及点云颜色数据;
根据所述点云颜色数据,确定所述目标彩色点云数据的第一颜色;
基于预设的高度数据与颜色的对应的关系,获取所述点云高度数据对应的第二颜色;
将所述目标彩色点云数据的所述第一颜色修改为所述第二颜色。
通过采用上述技术方案,通过确定目标彩色点云数据的第一颜色,并基于预设的高度数据与颜色的对应关系,获取点云高度数据对应的第二颜色,并将第一颜色修改为第二颜色,可以实现彩色信息的更新。这样的处理可以更好地反映地质变化情况,使得三维模型更加准确和真实。并且彩色信息更新后的三维模型展示,可以直观地观察地质变化的情况。这样有助于地质沉降趋势的分析和判断。
在本申请的第二方面提供了一种地质灾害无人机机载雷达监测装置,所述装置为服务器,包括获取模块、数据处理模块、判断模块以及输出模块,其中:
所述获取模块,用于获取目标区域的点云数据集,所述目标区域为需要进行地质灾害监测的区域,所述点云数据集为采集的不同时间的多个点云数据的集合;
所述数据处理模块,用于对第一点云数据进行处理,得到所述目标区域的第一地质情况,所述第一点云数据为多个所述点云数据中第一时间对应的点云数据;
所述数据处理模块,用于对第二点云数据进行处理,得到所述目标区域的第二地质情况,所述第二点云数据为多个所述点云数据中第二时间对应的点云数据,所述第一时间与所述第二时间不同;
所述判断模块,用于基于所述第一地质情况和所述第二地质情况,确定所述目标区域的地质变化情况;
所述获取模块,用于获取所述目标区域对应的预设变化条件;
所述输出模块,用于判断所述地质变化情况是否满足所述预设变化条件,若所述地质变化情况满足所述预设变化条件,则输出预警提示,以对所述目标区域的地质灾害进行预警。
在本申请的第三方面提供了一种电子设备,包括处理器、存储器、用户接口以及网络接口,所述存储器用于存储指令,所述用户接口和所述网络接口均用于与其他设备通信,所述处理器用于执行所述存储器中存储的指令,以使所述电子设备执行如上述任意一项所述的方法。
在本申请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存储有指令,当所述指令被执行时,执行如上述任意一项所述的方法。
综上所述,本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1.通过采集不同时间的多个点云数据,可以获取目标区域在不同时间段内的地形信息。对采集的点云数据进行处理,进而得到目标区域的地质情况。再通过比较不同时间点的点云数据,可以确定地质变化情况,这样的地质情况分析可以提供定量的地质变化信息。接着通过获取目标区域对应的预设变化条件,可以制定具体的地质沉降判断标准。当地质情况达到或超过预设的预设变化条件时,可以进行预警提示,其中可以实现对地质沉降进行预警。通过上述多时间点的点云数据集的应用、点云数据处理与分析、预设变化条件的制定以及预警系统的建立,全程无需人工参与,并且能够更全面、定量地了解目标区域的地质沉降情况,从而提高地质沉降监测的准确性。
2.通过对多个第一高度数据和多个第二高度数据进行比较,可以计算目标子区域的区域地形变化值,地形变化值代表了地质变化的幅度和趋势。通过计算多个子区域的地形变化值,可以确定整个目标区域的地形沉降情况。通过计算地形变化值,将地质变化量进行了定量化。这样可以用数值化的方式描述地质变化,有助于进行准确的地质沉降分析。
附图说明
图1是本申请实施例公开的一种地质灾害无人机机载雷达监测方法的流程示意图;
图2是本申请实施例公开的一种地质灾害无人机机载雷达监测装置的结构示意图;
图3是本申请实施例公开的一种电子设备的结构示意图。
附图标记说明:201、获取模块;202、数据处理模块;203、判断模块;204、输出模块;301、处理器;302、通信总线;303、用户接口;304、网络接口;305、存储器。
具体实施方式
为了使本领域的技术人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。
在本申请实施例的描述中,“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言,使用“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中,术语“多个”的含义是指两个或两个以上。例如,多个系统是指两个或两个以上的系统,多个屏幕终端是指两个或两个以上的屏幕终端。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
地质沉降是地质灾害中常见的一种,主要是由于地下松散土层和溶洞等在长期的雨水浸泡和冲刷过程中导致地表土层下陷,或者地下水被大量开采时,水压减小可能导致地下地质材料塌陷或收缩,从而导致地表发生沉降。
目前针对地质沉降监测包括地表位移监测和内部位移监测,而监测通常需要进行人工测量,通过在地表安装位移观测仪器,如位移计、沉降仪以及固定测斜仪等。再根据仪器监测的数据计算地质的沉降量。具体来说以具有基准点的固定端作为起算点进行沉降累加计算,各固定测斜仪测到的沉降计算结果为相对于该固定端的相对沉降值,还需测得该固定端的绝对沉降值即可推算系统各监测点绝对沉降量,最后对各绝对沉降量进行汇总计算得到一个区域的总沉降量,从而完成地质沉降监测。
但是通过人工测量很难保证每次测量地点都固定,这对测量数值和计算结果都带来了主观影响。并且,测量得到的数据还需要通过手动记录,大量的数据记录难免出现错误。因此,造成了地质沉降监测的准确性较低。
本实施例公开了一种地质灾害无人机机载雷达监测方法,参照图1,包括如下步骤S110-S160:
S110,获取目标区域的点云数据集。
具体地,在逆向工程中,通过激光雷达或者三维摄像机等三维扫描设备,对物体进行扫描得到三维点组成的集合,每个点都包含三维空间中的坐标信息和可能的其他属性。这些点可以表示现实世界中的物体、场景或环境。
点云包括稀疏点云、稠密点云以及色彩点云,其中,稀疏点云是通过三维测量设备获取的数量较少、间距较大的点数据的集合。稀疏点也是特征点,也就是被扫描物体中一些特征明显、便于检测和匹配的点,能够表现物体简单的几何形状和轮廓,如物体的转角点、边缘点等特征点。稠密点云是通过三维扫描设备获取的数量较多、间距较大的点数据的集合。通过大量的稠密点云能够精细地表现物体的形状和外观,实现三维场景或物体全貌的重建。彩色点云,是根据摄影测量原理得到的点数据的集合,点的数据包括点的三维坐标(XYZ)和颜色信息(RGB)。
进行目标区域的点云数据集获取,首先需要无人机在目标区域进行高位飞行,在飞行过程中,无人机的机载雷达对目标区域进行扫描采集稀疏点云。其中,机载雷达为激光雷达(Laser Radar),是以发射激光束来探测目标的位置、速度等特征量的雷达系统。其工作原理是向目标发射探测信号(激光束),然后将接收到的从目标反射回来的回波信号与探测信号进行比对,做适当处理后,就可获得目标的有关信息,如目标距离、方位、高度、速度、姿态以及形状等参数。目标区域为需要进行地质灾害监测的区域,可以是山体斜坡,也可以是地面矿场,还可以是市区地面。
每次进行点云数据采集时,无人机首先进行高位飞行,高位飞行即无人机的飞行高度高于目标区域最高点的高度。飞行路线可以根据目标区域的面积和形状进行提前规划,确保无人机的机载雷达能够扫描到整个区域即可。无人机根据提前规划的路线进行飞行过程中,机载雷达实时对目标区域进行扫描,得到的数量较少的三维点的集合即稀疏点云。同时,由于无人机的位置可以实时获取、机载雷达的姿态已知,因此可以计算出稀疏点云中每一个三维点在世界坐标系中的三维坐标。
根据第一次扫描得到的稀疏点云,可以得到目标区域外形特征点的高度数据,例如某座小山最高点的高度。进而可以根据多个特征点的高度数据,对无人机的飞行高度进行进一步规划,使无人机的飞行高度更加贴合目标区域,从而使机载雷达采集到的三维点更密集,从而得到稠密点云。由于无人机的路径规划为相关技术领域的常规技术手段,且非本申请的重点,因此在此不再做进一步赘述。
在进行稠密点云采集的过程中,或者无人机进行三次飞行过程中,飞行路径与稠密点云采集过程的飞行路径一致,无人机搭载的三维摄像机对目标区域进行扫描,采集目标区域内三维点的色彩数据和位置数据。
由于需要对目标区域进行地质沉降监测,如果仅扫描一次缺少高度变化的对比,从而无法确定目标区域是否发生地质沉降。因此需要进行多次采集,每次均需要同时采集稀疏点云、稠密点云以及色彩点云。
无人机多次飞行采集到多个稀疏点云、多个稠密点云以及多个色彩点云后,并获取每个三维点采集时的时间数据,在三维点的数据中标记时间数据,最后将点云数据和时间数据均发送至服务器。服务器获取到多个稀疏点云数据、稠密点云数据以及色彩点云数据。对于同一次飞行过程中采集到的目标稀疏点云数据、目标稠密点云数据以及目标色彩点云数据,服务器对其进行拼接。
对于点云数据,可以将其导入到专业的点云处理软件中进行处理。首先进行坐标转换,由于点云数据的坐标具有无序性,因此需要通过坐标转换,将不同坐标系之下的稀疏点云、稠密点云以及色彩点云转换到唯一的绝对坐标系之下。对于每个稀疏点云、稠密点云以及色彩点云,需要获取它们各自的坐标系参数。这些参数包括平移向量和旋转矩阵,用于描述各点云数据相对于参考坐标系的位置和方向。然后使用坐标系参数,将每个点云数据的坐标转换到参考坐标系下。对于每个点云中的每个点,使用适当的矩阵运算将其坐标进行转换。这样,所有点云数据都将在同一个坐标系下对齐。
采集不同高度飞行时的稀疏点云数据和稠密点云数据,并将它们拼接成完整的点云数据集,再结合时间数据,可以为后续提供更全面、更多角度和更多时间维度的地质信息,从而进一步提高后续地质沉降监测的准确性。
再对根据转换后的目标稀疏点云数据、目标稠密点云数据以及目标色彩点云数据,将对应的目标稀疏点云、目标稠密点云以及目标色彩点云进行三维点拼接,对点云数据进行封装建模,输入建模参数,完成基本建模,从而得到目标区域的三维模型。
将目标稀疏点云数据、目标稠密点云数据和目标彩色点云数据转换到同一绝对坐标系下并进行点云拼接,可以实现全景式的三维模型展示,从而全面展现目标区域的地质状况。并且通过可视化分析有助于更好地理解地质情况和地质变化趋势。
此外,将单次飞行过程中采集的目标稀疏点云数据、目标稠密点云数据以及目标色彩点云数据,并结合对应的时间数据,进行打包,得到点云数据子集。而目标区域的不同时间得到的点云数据子集的集合即点云数据集。
S120,对第一点云数据进行处理,得到目标区域的第一地质情况。
S130,对第二点云数据进行处理,得到目标区域的第二地质情况。
具体地,将无人机单次飞行过程中扫描得到的稀疏点云数据和稠密点云数据进行拼接,得到点云数据。通过无人机多次飞行得到多个点云数据,以其中任意两个点云数据,第一点云数据和第二点云数据为例。第一点云数据为多个点云数据中第一时间对应的点云数据,第二点云数据为多个点云数据中第二点云数据对应的点云数据,且第一时间与第二时间不同。
S140,基于第一地质情况和第二地质情况,确定目标区域的地质变化情况。
为了单次计算量,同时,提高目标区域的地质沉降判断的准确性,需要对目标区域进行划分,划分成多个子区域。对于子区域的划分标准,需要根据目标区域的不同面进行划分,目标区域的不同面的倾斜率不同,进而划分出的任意两个子区域的倾斜率不同。
将目标区域划分成多个子区域后,每个子区域对应包括第一点云数据和第二点云数据。以多个子区域中的任意一个子区域,即目标子区域为例。获取目标子区域在第一时间对应的第一子点云数据,第一子点云数据为多个第一点云数据中的任意一个第一点云数据。获取目标子区域在第二时间对应的第二子点云数据,第二子点云数据为多个第二点云数据中的任意一个第二点云数据。
由于点云数据中包含三维点的三维坐标,因此可以通过点云数据计算出目标区域中任意一一个三维点的相对高度。以海平面为零点位置或者设置任意一个平面为零点位置,从而根据三维点的Z坐标进行高度转换即可得到任意一个三维点的实际高度。因此可以根据第一子点云数据,确定目标子区域内的所有三维点在第一时间的第一高度数据,以及目标子区域内的所有三维点在第二时间的第二高度数据。
对目标区域进行分割,得到多个子区域,其中任意两个子区域的倾斜率不同。接着通过对每个子区域的第一高度数据和第二高度数据进行对比,可以确定地质变化的情况。比较不同时间点的高度数据,可以用于地质沉降的判断。区域分割和高度数据提取使得地质变化的分析更加精细和准确。这样可以更好地捕捉地质变化的细节和差异,提高地质沉降分析的准确性。
对于目标子区域内的任意一个三维点,通过第二高度数据减去第一高度数据,即可得到该三维点从第一时间到第二时间的高度变化值。将目标子区域内所有三维点的高度变化值进行加和求平均值,即可得到目标子区域的区域地形变化值。根据区域内三维点的高度变化值求取区域地形变化值,还可以采用其他更复杂更准确的计算方法,本实施例不在此一一列举。
将所有子区域的地形变化值综合起来,可以确定整个目标区域的地形变化值。可以根据需要,对不同子区域的变化值进行加权或汇总,以得到全局的地形变化值。根据目标区域的地形变化值,进行地质变化情况的分析。通过分析地形变化的模式、幅度和趋势,可以得出可能的地质变化原因。地质变化情况可以包括地面下陷、地面隆起、地质构造变化等情况,这些变化可能与地下水开采、地下采矿、地质活动等因素有关。
通过对多个第一高度数据和多个第二高度数据进行比较,可以计算目标子区域的区域地形变化值,地形变化值代表了地质变化的幅度和趋势。通过计算多个子区域的地形变化值,可以确定整个目标区域的地形沉降情况。通过计算地形变化值,将地质变化量进行了定量化。这样可以用数值化的方式描述地质变化,有助于进行准确的地质沉降分析。
S150,获取目标区域对应的预设变化条件。
对于不同类型的目标区域,其对应的预设变化条件不同。针对地质沉降监测,预设预设变化条件为地形变化阈值,即判断是否发生地形沉降的标准。根据地形变化值是否大于或等于地形变化阈值的判断结果,确定是否发生地质沉降。对于地形变化阈值的具体数值,需要根据不同的目标区域,进行不同的设定,因此本实施例不做具体限定。
S160,判断地质变化情况是否满足预设变化条件,若地质变化情况满足预设变化条件,则输出预警提示,以对目标区域的地质灾害进行预警。
根据目标区域对应的地形变化阈值,判断地形变化值是否大于或等于地形变化阈值。若地形变化值不大于或等于地形变化阈值,即地形变化值小于地形变化阈值,此时可以理解地形沉降的程度较小,不需要进行预警。当地形变化值大于或等于地形变化阈值,此时地形变化情况满足预设变化条件,表明可能发生了地形沉降,则服务器需要输出预警提示,以对目标区域的地质灾害进行预警。预警提示可以是短信提示,也可以是语音提示,还可以是图像提示。通过预设的地形变化阈值和自动化的地形变化值判断,可以实现地质灾害的自动化预警。不需要人工干预,即可及时发现可能的地质灾害风险。
通过采用上述技术方案,通过采集不同时间的多个点云数据,可以获取目标区域在不同时间段内的地形信息。对采集的点云数据进行处理,进而得到目标区域的地质情况。再通过比较不同时间点的点云数据,可以确定地质变化情况,这样的地质情况分析可以提供定量的地质变化信息。接着通过获取目标区域对应的预设变化条件,可以制定具体的地质沉降判断标准。当地质情况达到或超过预设的预设变化条件时,可以进行预警提示,其中可以实现对地质沉降进行预警。通过上述多时间点的点云数据集的应用、点云数据处理与分析、预设变化条件的制定以及预警系统的建立,全程无需人工参与,并且能够更全面、定量地了解目标区域的地质沉降情况,从而提高地质沉降监测的准确性。
进一步,为了便于观察目标区域的地形变化情况,在建立目标区域的三维模型后,还需要对模型进行颜色填充,从而使不同高度的三维点显示不同的颜色。
在上述步骤中,采集到的目标彩色点云数据包含点云高度数据以及点云颜色数据,高度数据可以通过点云中每个点的Z坐标值来获取,而颜色数据通常是指点云中每个点的RGB颜色信息。根据获取的点云颜色数据,确定目标彩色点云数据的第一颜色,第一颜色即三维点的当前颜色。基于预设的高度数据与颜色的对应关系,基于颜色映射表或者函数,根据点的高度值查找相应的颜色值,获取点云高度数据对应的第二颜色。最后将目标彩色点云数据中的第一颜色修改为第二颜色。对每个三维点,根据其高度数据找到对应的第二颜色,然后将三维点的颜色数据修改为第二颜色,从而完成颜色填充。
通过确定目标彩色点云数据的第一颜色,并基于预设的高度数据与颜色的对应关系,获取点云高度数据对应的第二颜色,并将第一颜色修改为第二颜色,可以实现彩色信息的更新。这样的处理可以更好地反映地质变化情况,使得三维模型更加准确和真实。并且彩色信息更新后的三维模型展示,可以直观地观察地质变化的情况。这样有助于地质沉降趋势的分析和判断。
本实施例还公开了一种地质灾害无人机机载雷达监测装置,装置为服务器,参照图2,包括获取模块201、数据处理模块202、判断模块203以及输出模块204,其中:
获取模块201,用于获取目标区域的点云数据集,目标区域为需要进行地质灾害监测的区域,点云数据集为采集的不同时间的多个点云数据的集合。
数据处理模块202,用于对第一点云数据进行处理,得到目标区域的第一地质情况,第一点云数据为多个点云数据中第一时间对应的点云数据。
数据处理模块202,用于对第二点云数据进行处理,得到目标区域的第二地质情况,第二点云数据为多个点云数据中第二时间对应的点云数据,第一时间与第二时间不同。
判断模块203,用于基于第一地质情况和第二地质情况,确定目标区域的地质变化情况。
获取模块201,用于获取目标区域对应的预设变化条件。
输出模块204,用于判断地质变化情况是否满足预设变化条件,若地质变化情况满足预设变化条件,则输出预警提示,以对目标区域的地质灾害进行预警。
在一种可能的实施方式中,获取模块201,用于获取目标稀疏点云数据,目标稀疏点云数据为多个稀疏点云数据中的任意一个稀疏点云数据,稀疏点云数据为无人机在目标区域上方进行高位飞行过程中,机载雷达扫描目标区域得到的点云的数据。
获取模块201,用于获取目标稠密点云数据,目标稠密点云数据为多个稠密点云数据中的任意一个稠密点云数据,稠密点云数据为无人机在目标区域上方进行低位飞行过程中,机载雷达扫描目标区域得到的点云的数据。
数据处理模块202,用于对目标稀疏点云数据和目标稠密点云数据进行进行点云拼接,得到点云数据。
获取模块201,用于获取各个点云数据对应的时间数据。
数据处理模块202,用于将多个点云数据和多个时间数据进行集合,得到点云数据集。
在一种可能的实施方式中,数据处理模块202,用于对目标区域进行分割,得到多个子区域,任意两个子区域的倾斜率不同。
获取模块201,用于获取目标子区域对应的第一子点云数据和多个第二子点云数据,目标子区域为多个子区域中的任意一个子区域,第一子点云数据为多个第一点云数据中的任意一个第一点云数据,第二子点云数据为多个第二点云数据中的任意一个第二点云数据。
判断模块203,用于根据第一子点云数据,确定目标子区域的各个三维点的第一高度数据。
判断模块203,用于根据第二子点云数据,确定目标子区域的各个三维点的第二高度数据。
在一种可能的实施方式中,判断模块203,用于根据多个第一高度数据和多个第二高度数据,确定目标子区域的区域地形变化值。
数据处理模块202,用于根据多个子区域的区域地形变化值,确定目标区域的地形变化值。
判断模块203,用于根据地形变化值,分析地质变化情况。
在一种可能的实施方式中,获取模块201,用于获取预设的目标区域对应的地形变化阈值。
判断模块203,用于判断地形变化值是否大于或等于地形变化阈值,若地形变化值大于或等于地形变化阈值,则确定地质变化情况满足预设变化条件。
输出模块204,用于输出预警提示,以对目标区域的地质灾害进行预警。
在一种可能的实施方式中,获取模块201,用于获取目标彩色点云数据,目标彩色点云数据为多个彩色点云数据中的任意一个彩色点云数据,彩色点云数据为无人机在目标区域的上方进行低位飞行过程中,机载摄像头拍摄得到的彩色点云的色彩数据。
数据处理模块202,用于将目标稀疏点云数据、目标稠密点云数据以及目标彩色点云数据转换到同一绝对坐标系下,并进行点云拼接,得到目标区域的三维模型。
在一种可能的实施方式中,获取模块201,用于获取目标彩色点云数据中的点云高度数据以及点云颜色数据。
数据处理模块202,用于根据点云颜色数据,确定目标彩色点云数据的第一颜色。
判断模块203,用于基于预设的高度数据与颜色的对应的关系,获取点云高度数据对应的第二颜色。
数据处理模块202,用于将目标彩色点云数据的第一颜色修改为第二颜色。
需要说明的是:上述实施例提供的装置在实现其功能时,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,即将设备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。另外,上述实施例提供的装置和方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本实施例还公开了一种电子设备,参照图3,电子设备可以包括:至少一个处理器301,至少一个通信总线302,用户接口303,网络接口304,至少一个存储器305。
其中,通信总线302用于实现这些组件之间的连接通信。
其中,用户接口303可以包括显示屏(Display)、摄像头(Camera),可选用户接口303还可以包括标准的有线接口、无线接口。
其中,网络接口304可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,处理器301可以包括一个或者多个处理核心。处理器301利用各种接口和线路连接整个服务器内的各个部分,通过运行或执行存储在存储器305内的指令、程序、代码集或指令集,以及调用存储在存储器305内的数据,执行服务器的各种功能和处理数据。可选的,处理器301可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器301可集成中央处理器301(CentralProcessing Unit,CPU)、图像处理器301(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器301中,单独通过一块芯片进行实现。
其中,存储器305可以包括随机存储器305(Random Access Memory,RAM),也可以包括只读存储器305(Read-Only Memory)。可选的,该存储器305包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器305可用于存储指令、程序、代码、代码集或指令集。存储器305可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及的数据等。存储器305可选的还可以是至少一个位于远离前述处理器301的存储装置。如图所示,作为一种计算机存储介质的存储器305中可以包括操作系统、网络通信模块、用户接口303模块以及一种地质灾害无人机机载雷达监测方法的应用程序。
在图3所示的电子设备中,用户接口303主要用于为用户提供输入的接口,获取用户输入的数据;而处理器301可以用于调用存储器305中存储一种地质灾害无人机机载雷达监测方法的应用程序,当由一个或多个处理器301执行时,使得电子设备执行如上述实施例中一个或多个的方法。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必需的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所披露的装置,可通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口,装置或单元的间接耦合或通信连接,可以是电性或其他的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
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器305中。基于这样的理解,本申请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器305中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储器305包括:U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述者,仅为本公开的示例性实施例,不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰,皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后,将容易想到本公开的其他实施方案。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记载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,本公开的范围和精神由权利要求限定。
Claims (10)
1.一种地质灾害无人机机载雷达监测方法,其特征在于,所述方法应用于服务器,包括:
获取目标区域的点云数据集,所述目标区域为需要进行地质灾害监测的区域,所述点云数据集为采集的不同时间的多个点云数据的集合;
对第一点云数据进行处理,得到所述目标区域的第一地质情况,所述第一点云数据为多个所述点云数据中第一时间对应的点云数据;
对第二点云数据进行处理,得到所述目标区域的第二地质情况,所述第二点云数据为多个所述点云数据中第二时间对应的点云数据,所述第一时间与所述第二时间不同;
基于所述第一地质情况和所述第二地质情况,确定所述目标区域的地质变化情况;
获取所述目标区域对应的预设变化条件;
判断所述地质变化情况是否满足所述预设变化条件,若所述地质变化情况满足所述预设变化条件,则输出预警提示,以对所述目标区域的地质灾害进行预警。
2.根据权利要求1所述的一种地质灾害无人机机载雷达监测方法,其特征在于,所述获取目标区域的点云数据集,具体包括:
获取目标稀疏点云数据,所述目标稀疏点云数据为多个稀疏点云数据中的任意一个稀疏点云数据,所述稀疏点云数据为无人机在所述目标区域上方进行高位飞行过程中,机载雷达扫描所述目标区域得到的点云的数据;
获取目标稠密点云数据,所述目标稠密点云数据为多个稠密点云数据中的任意一个稠密点云数据,所述稠密点云数据为所述无人机在所述目标区域上方进行低位飞行过程中,所述机载雷达扫描所述目标区域得到的点云的数据;
对所述目标稀疏点云数据和所述目标稠密点云数据进行进行点云拼接,得到所述点云数据;
获取各个所述点云数据对应的时间数据;
将多个所述点云数据和多个所述时间数据进行集合,得到所述点云数据集。
3.根据权利要求1所述的一种地质灾害无人机机载雷达监测方法,其特征在于,在所述基于所述第一地质情况和所述第二地质情况,确定所述目标区域的地质变化情况之前,所述方法还包括:
对所述目标区域进行分割,得到多个子区域,任意两个所述子区域的倾斜率不同;
获取目标子区域对应的第一子点云数据和多个第二子点云数据,所述目标子区域为多个所述子区域中的任意一个子区域,所述第一子点云数据为多个所述第一点云数据中的任意一个第一点云数据,所述第二子点云数据为多个所述第二点云数据中的任意一个第二点云数据;
根据所述第一子点云数据,确定所述目标子区域的各个三维点的第一高度数据;
根据所述第二子点云数据,确定所述目标子区域的各个三维点的第二高度数据。
4.根据权利要求3所述的一种地质灾害无人机机载雷达监测方法,其特征在于,所述基于所述第一地质情况和所述第二地质情况,确定所述目标区域的地质变化情况,具体包括:
根据多个所述第一高度数据和多个所述第二高度数据,确定所述目标子区域的区域地形变化值;
根据多个所述子区域的区域地形变化值,确定所述目标区域的地形变化值;
根据所述地形变化值,分析所述地质变化情况。
5.根据权利要求4所述的一种地质灾害无人机机载雷达监测方法,其特征在于,所述判断所述地质变化情况是否满足所述预设变化条件,若所述地质变化情况满足所述预设变化条件,则输出预警提示,以对所述目标区域的地质灾害进行预警,具体包括:
获取预设的所述目标区域对应的地形变化阈值;
判断所述地形变化值是否大于或等于所述地形变化阈值,若所述地形变化值大于或等于所述地形变化阈值,则确定所述地质变化情况满足所述预设变化条件;
输出所述预警提示,以对所述目标区域的地质灾害进行预警。
6.根据权利要求2所述的一种地质灾害无人机机载雷达监测方法,其特征在于,在所述判断所述地质变化情况是否满足所述预设变化条件,若所述地质变化情况满足所述预设变化条件,则输出预警提示,以对所述目标区域的地质灾害进行预警之后,所述方法还包括:
获取目标彩色点云数据,所述目标彩色点云数据为多个彩色点云数据中的任意一个彩色点云数据,所述彩色点云数据为所述无人机在所述目标区域的上方进行低位飞行过程中,机载摄像头拍摄得到的彩色点云的色彩数据;
将所述目标稀疏点云数据、所述目标稠密点云数据以及所述目标彩色点云数据转换到同一绝对坐标系下,并进行点云拼接,得到所述目标区域的三维模型。
7.根据权利要求6所述的一种地质灾害无人机机载雷达监测方法,其特征在于,在所述将所述目标稀疏点云数据、所述目标稠密点云数据以及所述目标彩色点云数据转换到同一绝对坐标系下,并进行点云拼接,得到所述目标区域的三维模型之后,所述方法还包括:
获取所述目标彩色点云数据中的点云高度数据以及点云颜色数据;
根据所述点云颜色数据,确定所述目标彩色点云数据的第一颜色;
基于预设的高度数据与颜色的对应的关系,获取所述点云高度数据对应的第二颜色;
将所述目标彩色点云数据的所述第一颜色修改为所述第二颜色。
8.一种地质灾害无人机机载雷达监测装置,其特征在于,所述装置为服务器,包括获取模块(201)、数据处理模块(202)、判断模块(203)以及输出模块(204),其中:
所述获取模块(201),用于获取目标区域的点云数据集,所述目标区域为需要进行地质灾害监测的区域,所述点云数据集为采集的不同时间的多个点云数据的集合;
所述数据处理模块(202),用于对第一点云数据进行处理,得到所述目标区域的第一地质情况,所述第一点云数据为多个所述点云数据中第一时间对应的点云数据;
所述数据处理模块(202),用于对第二点云数据进行处理,得到所述目标区域的第二地质情况,所述第二点云数据为多个所述点云数据中第二时间对应的点云数据,所述第一时间与所述第二时间不同;
所述判断模块(203),用于基于所述第一地质情况和所述第二地质情况,确定所述目标区域的地质变化情况;
所述获取模块(201),用于获取所述目标区域对应的预设变化条件;
所述输出模块(204),用于判断所述地质变化情况是否满足所述预设变化条件,若所述地质变化情况满足所述预设变化条件,则输出预警提示,以对所述目标区域的地质灾害进行预警。
9.一种电子设备,其特征在于,包括处理器(301)、存储器(305)、用户接口(303)以及网络接口(304),所述存储器(305)用于存储指令,所述用户接口(303)和所述网络接口(304)均用于与其他设备通信,所述处理器(301)用于执行所述存储器(305)中存储的指令,以使所述电子设备执行如权利要求1-7任意一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有指令,当所述指令被执行时,执行如权利要求1-7任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311085548.6A CN117109524A (zh) | 2023-08-26 | 2023-08-26 | 一种地质灾害无人机机载雷达监测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311085548.6A CN117109524A (zh) | 2023-08-26 | 2023-08-26 | 一种地质灾害无人机机载雷达监测方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117109524A true CN117109524A (zh) | 2023-11-24 |
Family
ID=88799625
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311085548.6A Pending CN117109524A (zh) | 2023-08-26 | 2023-08-26 | 一种地质灾害无人机机载雷达监测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117109524A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117367331A (zh) * | 2023-12-04 | 2024-01-09 | 山西阳光三极科技股份有限公司 | 一种矿区地表形变的雷达监测方法、装置以及电子设备 |
CN117452374A (zh) * | 2023-12-21 | 2024-01-26 | 天津风霖物联网科技有限公司 | 一种建筑物地下沉降监测方法及监测系统 |
-
2023
- 2023-08-26 CN CN202311085548.6A patent/CN117109524A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117367331A (zh) * | 2023-12-04 | 2024-01-09 | 山西阳光三极科技股份有限公司 | 一种矿区地表形变的雷达监测方法、装置以及电子设备 |
CN117367331B (zh) * | 2023-12-04 | 2024-03-12 | 山西阳光三极科技股份有限公司 | 一种矿区地表形变的雷达监测方法、装置以及电子设备 |
CN117452374A (zh) * | 2023-12-21 | 2024-01-26 | 天津风霖物联网科技有限公司 | 一种建筑物地下沉降监测方法及监测系统 |
CN117452374B (zh) * | 2023-12-21 | 2024-03-12 | 天津风霖物联网科技有限公司 | 一种建筑物地下沉降监测方法及监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Menegoni et al. | Detection and geometric characterization of rock mass discontinuities using a 3D high-resolution digital outcrop model generated from RPAS imagery–Ormea rock slope, Italy | |
KR102039021B1 (ko) | 공사현장의 3차원 지형공간정보 통합을 통한 월드맵 모델링 장치 및 그의 월드맵 모델링 방법 | |
CA2455359C (en) | System, computer program and method for 3d object measurement, modeling and mapping from single imagery | |
Barlow et al. | Kinematic analysis of sea cliff stability using UAV photogrammetry | |
US8244026B2 (en) | Apparatus and method for automatic airborne LiDAR data processing and mapping using data obtained thereby | |
CN117109524A (zh) | 一种地质灾害无人机机载雷达监测方法、装置及电子设备 | |
CN109143257A (zh) | 无人机机载雷达矿山开采土地变化监测系统及方法 | |
Duarte et al. | Open-source GIS application for UAV photogrammetry based on MicMac | |
CN111612901A (zh) | 一种地理信息图像的提取特征与生成方法 | |
CN114494633B (zh) | 填挖数据处理方法、装置、计算机设备和存储介质 | |
Gaspari et al. | Integration of UAV-lidar and UAV-photogrammetry for infrastructure monitoring and bridge assessment | |
CN115825067A (zh) | 一种基于无人机的地质信息采集方法、系统及电子设备 | |
CN117152371B (zh) | 一种三维地形测绘方法及系统 | |
KR20100106745A (ko) | 레이더 관측밀도 분석시스템 및 방법 | |
CN116051777B (zh) | 超高层建筑提取方法、设备和可读存储介质 | |
KR102025144B1 (ko) | 드론을 이용한 건설폐기물 예측 장치, 방법 및 이를 수행하기 위한 기록매체 | |
Sefercik et al. | Area-based quality control of airborne laser scanning 3D models for different land classes using terrestrial laser scanning: sample survey in Houston, USA | |
Okojie et al. | Relative canopy height modelling precision from UAV and ALS datasets for forest tree height estimation | |
Horota et al. | Printgrammetry—3-D Model Acquisition Methodology From Google Earth Imagery Data | |
CN116030116A (zh) | 垃圾填埋体积分析方法、装置、电子设备及存储介质 | |
Pfeiffer et al. | Terrestrial laser scanning for 3D mapping of an alpine ice cave | |
CN114019532A (zh) | 工程进度核查方法及设备 | |
CN117367331B (zh) | 一种矿区地表形变的雷达监测方法、装置以及电子设备 | |
Chrustek et al. | Snow avalanches mapping—Evaluation of a new approach | |
Nugroho | THREE-DIMENSIONAL TOPOGRAPHIC MAPPING OF VERTICAL AND OVERHANGING SURFACES OF COASTAL CLIFFS USING UAV-BASED LIDAR DATASET A Case Study in South Kuta District, Bali Island:(Pemetaan Topografi Tiga Dimensi Permukaan Vertikal dan Menggantung dari Tebing Pantai Menggunakan Data LiDAR Berbasis Wahana Tanpa Awak: Studi Kasus di Kecamatan Kuta Selatan, Pulau Bali) |
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 |