CN117195361B - 高边坡稳定性监测方法、装置、设备及可读存储介质 - Google Patents

Abstract

本申请公开了一种高边坡稳定性监测方法、装置、设备及可读存储介质，该方法包括步骤：获取高边坡的三维模型，获取所述高边坡的地质信息；根据所述地质信息，在所述三维模型上将所述高边坡表面区域进行特征划分，得到多个地质特征不同的待监测区域；根据预设自适应算法，确定与所述待监测区域对应的监测点的布置点位；根据所述布置点位和预设观测点，对所述高边坡进行实时监测，得到监测结果。本申请实现了通过对高边坡的三维模型进行区域划分，以及自适应选取对应不同类型区域的监测点的布置点位，从而保证监测精准度。

Description

高边坡稳定性监测方法、装置、设备及可读存储介质

技术领域

本申请涉及边坡安全监测技术领域，尤其涉及一种高边坡稳定性监测方法、装置、设备及可读存储介质。

背景技术

在基础建设工程中，通常会涉及边坡工程，依据不同的地形、地貌以及不同原材料组建相应的边坡，例如，矿山、路桥旁边山体边坡和水电站边坡等。此外，根据不同的地势和工程需求，还需要构建高边坡，该高边坡的特点是斜坡角度大，斜坡高度高，坡度陡，稳定性差，容易发生坡面滑动和崩塌。

常见的边坡监测技术有精密大地测量法、卫星定位系统测量法和InSAR合成孔径雷达测量法等，其中，卫星定位测量法作为一种点监测方法，其监测数据的可用性依赖监测点的选取与布置，具有实时监测、无人值守等优点；其中，InSAR测量法须长时间扫描，从而获取高精度坡面数字地图，设备昂贵，且依赖人工操作。

综上，在当前的高边坡稳定性监测方法中，需要依赖前期布置监测点或依赖于长时间监测过程，若无法保证监测点稳定和精准，或无法保证长时间稳定监测，则均会导致对高边坡的监测的精准度低，从而导致高边坡存在安全隐患时，无法及时发现和排除，进而可能造成损失。

发明内容

有鉴于此，本申请提供一种高边坡稳定性监测方法、装置、设备及可读存储介质，旨在快速监测的情况下提高对高边坡的稳定性进行监测时的监测精准度。

为实现上述目的，本申请提供一种高边坡稳定性监测方法，所述高边坡稳定性监测方法包括以下步骤：

获取高边坡的三维模型，获取所述高边坡的地质信息；

根据所述地质信息，在所述三维模型上将所述高边坡表面区域进行特征划分，得到多个地质特征不同的待监测区域；

根据预设自适应算法，确定与所述待监测区域对应的监测点的布置点位；

根据所述布置点位和预设观测点，对所述高边坡进行实时监测，得到监测结果。

示例性的，所述根据预设自适应算法，确定与所述待监测区域对应的监测点的布置点位的步骤，包括：

根据预设自适应算法，计算所述待监测区域的形态参数，并在所述待监测区域中随机生成与所述形态参数对应数量的监测点的初始点位；

根据所述初始点位和预设观测点，对所述高边坡进行测试监测，得到测试结果；

根据所述测试结果，调整所述初始点位的监测位置，得到布置点位。

示例性的，所述根据所述测试结果，调整所述初始点位的监测位置，得到布置点位的步骤，包括：

根据所述测试结果，确定在测试监测时的监测面积，以及所述初始点位之间的重叠情况；

根据所述监测面积和重叠情况，调整所述初始点位的监测位置，以增加所述监测面积并同时降低所述重叠情况；

在调整后的初始点位无重叠时，在相邻的初始点位中间任一位置添加补充监测点，得到所述调整后的初始点位和所述补充监测点的布置点位。

示例性的，所述获取高边坡的三维模型的步骤之前，所述方法还包括：

获取高边坡的三维数据，并根据所述三维数据，生成所述高边坡三维结构的初始模型；

在所述初始模型的表面上进行网格划分处理，并模拟所述初始模型表现的坡体特征，生成所述高边坡的三维模型。

示例性的，所述根据所述布置点位和预设观测点，对所述高边坡进行实时监测，得到监测结果的步骤，包括：

在对所述高边坡进行实时监测时，计算每一个布置点位与预设观测点之间的距离变化；

根据所述距离变化，计算所述布置点位产生的形变位移矢量，并将其作为监测结果；

其中，所述预设观测点为至少三个处于稳定空间位置的激光测距点。

示例性的，所述根据所述布置点位和预设观测点，对所述高边坡进行实时监测，得到监测结果的步骤之后，所述方法还包括：

根据所述高边坡的三维模型，计算所述高边坡对应坡体表面的法向矢量；

根据所述法向矢量和所述形变位移矢量，判断所述高边坡是否存在安全风险。

示例性的，所述根据所述地质信息，在所述三维模型上将所述高边坡表面区域进行特征划分，得到多个地质特征不同的待监测区域的步骤，包括：

根据所述地质信息，确定所述高边坡的地质特征，所述地质特征包括地层属性特征和地层范围特征；

根据所述地层属性特征和所述地层范围特征，将所述高边坡表面区域划分为多个相邻的地质层区域，并在每两个相邻的地质层区域之间划定地质变化区域，将所述地质层区域和所述地质变化区域作为待监测区域。

示例性的，为实现上述目的，本申请还提供一种高边坡稳定性监测装置，所述装置包括：

获取模块，用于获取高边坡的三维模型，获取所述高边坡的地质信息；

划分模块，用于根据所述地质信息，在所述三维模型上将所述高边坡表面区域进行特征划分，得到多个地质特征不同的待监测区域；

确定模块，用于根据预设自适应算法，确定与所述待监测区域对应的监测点的布置点位；

监测模块，用于根据所述布置点位和预设观测点，对所述高边坡进行实时监测，得到监测结果。

示例性的，为实现上述目的，本申请还提供一种高边坡稳定性监测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的高边坡稳定性监测程序，所述高边坡稳定性监测程序配置为实现如上所述的高边坡稳定性监测方法的步骤。

示例性的，为实现上述目的，本申请还提供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高边坡稳定性监测程序，所述高边坡稳定性监测程序被处理器执行时实现如上所述的高边坡稳定性监测方法的步骤。

与相关技术中，在当前的高边坡稳定性监测方法中，若无法保证监测点稳定和精准，或无法保证长时间稳定监测，则会导致高边坡存在安全隐患时，无法及时发现和排除的情况相比，在本申请中，获取高边坡的三维模型，获取所述高边坡的地质信息；根据所述地质信息，在所述三维模型上将所述高边坡表面区域进行特征划分，得到多个地质特征不同的待监测区域；根据预设自适应算法，确定与所述待监测区域对应的监测点的布置点位；根据所述布置点位和预设观测点，对所述高边坡进行实时监测，得到监测结果。也就是说，通过获取高边坡的三维模型，并获取到高边坡的地质信息，并根据地质信息，在三维模型上将高边坡的表面区域进行特征划分，得到地质特征不同的待监测区域，并在该待监测区域中布置监测点，并确定其布置点位，从而根据布置点位和预设观测点，对高边坡进行实时监测，得到监测结果，进而实现在三维模型中将高边坡表面区域进行划分，并设置与不同区域对应的监测点的布置点位，保证对高边坡的每一个区域均实现精准监测的效果。

附图说明

图1为本申请高边坡稳定性监测方法第一实施例的流程示意图；

图2为本申请高边坡稳定性监测方法带网格的三维模型示意图；

图3为本申请高边坡稳定性监测方法第一实施例中步骤S130的细化流程示意图；

图4为本申请高边坡稳定性监测方法监测点和预设观测点的布置效果示意图；

图5为本申请高边坡稳定性监测方法第一实施例中步骤S140的细化流程示意图；

图6为本申请高边坡稳定性监测方法矢量监测计算的示意图；

图7为本申请实施例方案涉及的硬件运行环境的结构示意图。

本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供一种高边坡稳定性监测方法，参照图1，图1为本申请高边坡稳定性监测方法第一实施例的流程示意图。

本申请实施例提供了高边坡稳定性监测方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。为了便于描述，以下省略执行主体描述高边坡稳定性监测方法的各个步骤，高边坡稳定性监测方法包括：

步骤S110：获取高边坡的三维模型，获取所述高边坡的地质信息；

在本实施例中，在当前的高边坡稳定性监测方法中，需要依赖前期布置监测点，在保证监测点的精准度的情况下，实现精准监测效果，而若监测点的放置点位不佳，则会无法精准监测高边坡的形变情况，通常需要施工人员具备丰富的相关经验，才能针对不同地质环境的高边坡，适应性地在不同位置处设置监测点，但此类方式无法保证施工人员设置的监测点能够精准且合理地监测高边坡，因此，此类方法仍然存在安全隐患，而若依赖长时间扫描的方式，则会因为监测周期长，无法及时发现安全隐患。

综上，为了保证监测精准度，且同时保证监测的及时性的效果，在本实施例中，提出稳定性监测方法，主要依赖于激光测距设备，该设备用于通过激光快速测出各监测点和设备本体位置的距离变化，从而避免使用InSAR测量法长时间测量的情况，同时，在该设备的基础上设置监测方法，主要调整监测点的设置方式。

需要说明的是，本实施例中的监测方法以全局角度出发，构建高边坡的三维模型，并在该模型上进行监测点的定位，以及后续监测点的位移分析等，其中，通过三维模型和相应地质信息，可综合分析当前高边坡的空间结构和物理层面的地质特性，例如，高边坡的坡度、坡面平整度、地质岩层材质形变参数等，以此可预先通过三维模型预测分析得到高边坡的相对形变变化较大的点位，并可将该点位作为监测点，该预测分析过程主要通过分析地质特性，分析各岩层的形变参数，例如，部分岩层坚硬不易产生形变，或部分松散在受到外力冲击后产生崩塌的情况。

示例性的，所述获取高边坡的三维模型的步骤之前，所述方法还包括：

步骤a：获取高边坡的三维数据，并根据所述三维数据，生成所述高边坡三维结构的初始模型；

步骤b：在所述初始模型的表面上进行网格划分处理，并模拟所述初始模型表现的坡体特征，生成所述高边坡的三维模型。

在本实施例中，构建得到的高边坡的三维模型用于表征高边坡的三维结构，同时，也可将其作为有限元分析的主要对象，在该三维模型的基础上，实现不同形变特征的模拟效果，有助于后续分析是否存在坍塌风险的效果，因此，在构建三维模型时，也可根据高边坡实际各点的监测情况(主要为监测到的各点的矢量)，构建得到高边坡的三维模型。

其中，生成三维模型的过程主要包括获取到相应的三维数据，构建得到具备网格节点的初始模型，并在该初始模型的基础上，进一步补充三维细节，在初始模型上，划分网格节点，并模拟高边坡的坡体特征，生成相应的高边坡三维模型，其模拟过程主要依靠外部捕捉的高边坡的形态数据和在三维空间中的维度数据，可通过图像扫描的方式获取，具体扫描方式不作具体方式，具体可参照图2。

步骤S120：根据所述地质信息，在所述三维模型上将所述高边坡表面区域进行特征划分，得到多个地质特征不同的待监测区域；

在本实施例中，地质信息还用于对高边坡表面区域的特征划分，例如，不同的地质特征，需要分配不同的监测点，在部分坚硬不易形变的地质环境中，可降低监测点的布置数量，在部分容易发生形变的地质环境中，需要增加监测点的布置数量。

其中，特征划分可包括根据地质岩层或地质材料的形变特征划分，也可在地质信息的基础上，进一步结合当前高边坡的具体形状参数进行特征划分，例如，高边坡的坡体存在三种不同的地质结构，可划分为三层结构，每一层占据坡体的一部分体积，因此，可根据其体积大小和地质信息，划分为大小不均等的三个待监测区域。

示例性的，所述根据所述地质信息，在所述三维模型上将所述高边坡表面区域进行特征划分，得到多个地质特征不同的待监测区域的步骤，包括：

步骤c：根据所述地质信息，确定所述高边坡的地质特征，所述地质特征包括地层属性特征和地层范围特征；

在本实施例中，根据地质信息，确定高边坡的地质特征，该地质特征主要确定不同地质结构或地层结构的特征，该地质特征包括地层属性特征和地层范围特征，该地层范围主要指的是每层地质结构之间的宽度范围，通过该地层属性特征和地层范围特征，可将不同层的地质结构划分出来。

步骤d：根据所述地层属性特征和所述地层范围特征，将所述高边坡表面区域划分为多个相邻的地质层区域，并在每两个相邻的地质层区域之间划定地质变化区域，将所述地质层区域和所述地质变化区域作为待监测区域。

在本实施例中，可根据地层属性特征和地层范围特征，将高边坡表面区域进行划分，该表面区域即对应着高边坡的坡体表面，在该区域内进行划分，即可精准将高边坡的不同地质结构层进行划分的效果。

其中，在进行区域划分时，可根据地层属性特征和地层范围特征，划分得到多个相邻的地质层区域，该地质层区域即表示为不同地质情况的区域，在此类区域中，每个区域的特征均不同，例如，某一区域内容易产生形变，某一区域不容易产生形变，此外，还需要根据地层属性特征和地层范围特征，在每两个相邻的地质层区域之间划定地质变化区域，该地质变化区域为地质层产生变化的区域，在该区域中容易产生逐层分裂的情况，因此，将地质层区域和地质变化区域均作为待监测区域，从而保证对不同地质特征的区域进行监测，以及不同地质层之间的相邻区域进行监测的效果。

其中，该地质变化区域的宽度划定方式为：将两个相邻的地质层的相接点作为中点，分别向两个相邻的地质层延展预设长度，预设长度需要根据实际高边坡的表面积大小而定，具体不作限定。

其中，地质变化区域可能由于地质结构特殊，产生不规则形状，此时，该地址变化区域对应的中点会随着两个相邻的地质层的具体形状走势而变化，地质变化区域和地质层区域均可为不规则形状，而地质层区域可在两个相邻的地质层的接触点处进行模糊处理，可适应性降低其复杂程度。

步骤S130：根据预设自适应算法，确定与所述待监测区域对应的监测点的布置点位；

在本实施例中，根据预设自适应算法，可在待监测区域中自适应选取各监测点所需布置的布置点位，其中，在选取布置点位的过程中，至少分为两步，其一需要先选取与待监测区域对应数量的监测点，其二需要根据待监测区域的区域形状和面积等参数，选定监测点的布置点位。

其中，选取对应数量的监测点在上述过程中已阐述，在此不再赘述。

其中，在根据待监测区域的相关参数，选定监测点的布置点位时，主要目的在于将整个待监测区域实现监测效果。

步骤S140：根据所述布置点位和预设观测点，对所述高边坡进行实时监测，得到监测结果。

在本实施例中，预设观测点作为用于观测各监测点的位移情况，从而可判断高边坡的具体形变状态，进而可分析当前高边坡是否存在坍塌风险。

其中，预设观测点为不受高边坡形变影响的点，其在该预设观测点处布置相应的激光测距仪，可通过该激光测距仪可实时计算各监测点的位移变化情况，从而实现实时监测效果，并实时得到监测结果。

其中，该监测结果仅指的是当前监测高边坡的形变的结果，其内容包括高边坡的形变方向、形变量和形变趋势等。

与相关技术中，在当前的高边坡稳定性监测方法中，若无法保证监测点稳定和精准，或无法保证长时间稳定监测，则会导致高边坡存在安全隐患时，无法及时发现和排除的情况相比，在本申请中，获取高边坡的三维模型，获取所述高边坡的地质信息；根据所述地质信息，在所述三维模型上将所述高边坡表面区域进行特征划分，得到多个地质特征不同的待监测区域；根据预设自适应算法，确定与所述待监测区域对应的监测点的布置点位；根据所述布置点位和预设观测点，对所述高边坡进行实时监测，得到监测结果。也就是说，通过获取高边坡的三维模型，并获取到高边坡的地质信息，并根据地质信息，在三维模型上将高边坡的表面区域进行特征划分，得到地质特征不同的待监测区域，并在该待监测区域中布置监测点，并确定其布置点位，从而根据布置点位和预设观测点，对高边坡进行实时监测，得到监测结果，进而实现在三维模型中将高边坡表面区域进行划分，并设置与不同区域对应的监测点的布置点位，保证对高边坡的每一个区域均实现精准监测的效果。

示例性的，基于上述本申请高边坡稳定性监测方法第一实施例提出另一实施例，在该实施例中，参照图3，所述根据预设自适应算法，确定与所述待监测区域对应的监测点的布置点位的步骤，包括：

步骤S210：根据预设自适应算法，计算所述待监测区域的形态参数，并在所述待监测区域中随机生成与所述形态参数对应数量的监测点的初始点位；

在本实施例中，预设自适应算法为用于计算监测点的布置点位的自适应算法，该自适应体现在于适应不同参数的待监测区域，其算法会根据待监测区域的地质特征不同、区域特征不同等，选取不同监测点数量、不同监测点的布置点位的方式，实现其自适应不同高边坡设置监测点的效果。

其中，在适应不同的待监测区域时，需要先根据预设自适应算法，优先计算待监测区域的形态参数，该形态参数主要包括待监测区域的范围大小、待监测区域的区域大致形状类型等，其计算内容为计算待监测区域各区域边界之间的间距、各区域边界的长度等。

其中，在计算得到形态参数后，可选取与该形态参数对应数量的监测点的初始点位，例如，该形态参数对应的待监测区域的面积为100平方米，可选择50个监测点，待监测区域的面积为50平方米，可选取20个监测点等，该数量和面积对应关系为预先根据实际需求设定好的。

步骤S220：根据所述初始点位和预设观测点，对所述高边坡进行测试监测，得到测试结果；

在本实施例中，由于初始点位的数量为固定值，但其在待监测区域中的位置为随机生成的，因此，需要对其初始点位的位置进行测试，筛选出部分合适的点位，并将其保留，调整其他的点位，使得整体的监测点的布置点位满足对高边坡的监测需求。

其中，在测试时，直接根据初始点位和预设观测点进行测试，得到相应的测试结果，该测试过程主要通过预设观测点对各初始点位进行观测，确定各初始点位所能监测的范围和监测的具体位置。

步骤S230：根据所述测试结果，调整所述初始点位的监测位置，得到布置点位。

在本实施例中，根据测试结果，可对应调整初始点位的监测位置，例如，确定测试结果中部分初始点位可保留，部分初始点位需要调整位置等，在将初始点位调整后，可得到相应的布置点位。

其中，该布置点位即最终布置在待监测区域中的监测点所在的位置。

示例性的，所述根据所述测试结果，调整所述初始点位的监测位置，得到布置点位的步骤，包括：

步骤e：根据所述测试结果，确定在测试监测时的监测面积，以及所述初始点位之间的重叠情况；

步骤f：根据所述监测面积和重叠情况，调整所述初始点位的监测位置，以增加所述监测面积并同时降低所述重叠情况；

在本实施例中，在调整初始点位的位置时，需要先确定测试监测时，该监测点所能监测到的监测面积，以及各初始点位之间的重叠情况，该重叠情况即指的是各监测点所能监测到的监测面积之间的重叠面积，需要降低重叠面积的情况，以增大各监测点所能监测的面积。

步骤g：在调整后的初始点位无重叠时，在相邻的初始点位中间任一位置添加补充监测点，得到所述调整后的初始点位和所述补充监测点的布置点位。

在调整后的初始点位无重叠时，在相邻的初始点位中间任一位置添加补充监测点，该补充监测点和调整位置后的初始点位均作为监测点的布置点位。

需要说明的是，在初始点位无重叠监测面试时，可能存在部分区域无法实现监测效果，为此，在相邻的初始点位中间任一位置添加补充监测点，从而保证精准覆盖高边坡的全部待监测区域。

此外，补充监测点还包括在监测过程中增加的补充监测点，例如，在监测过程中，发现部分监测点所在的区域的形变量相比于其他监测点区域的形变量较大，为保证监测精准度，在该形变量较大的监测点所在区域中增加补充监测点，以保证精准监测该形变量较大的监测点。

其中，在监测到各监测点的位移形变矢量时，即可通过将实时监测到的一定时间内的位移形变矢量的变化率，其变化率越大，即证明形变越快，形变量越大。

其中，在对形变量较大的监测点所在的监测区域增加补充监测点时，确定监测点的位置，以及确定该监测点所能监测的区域的范围大小，可沿着最大范围的边缘或沿着从监测点的位置至最大范围的边缘设置多个相邻的监测点(以监测点为射线起点，向监测区域的范围处呈直线型排列)或沿着最大范围的边缘排列(以监测点为圆心，在监测区域的范围处呈弧线形排列)。

具体可参照图4，图4仅用于表述各监测点和观测点的一般位置，不包括补充监测点和自适应补偿监测点。

在本实施例中，根据预设自适应算法，计算所述待监测区域的形态参数，并在所述待监测区域中随机生成与所述形态参数对应数量的监测点的初始点位；根据所述初始点位和预设观测点，对所述高边坡进行测试监测，得到测试结果；根据所述测试结果，调整所述初始点位的监测位置，得到布置点位。也就是说，根据预设自适应算法，对不同的待监测区域实现自适应设置不同情况的监测点，以降低设置监测点的难度，且提高该监测点设置后对高边坡进行监测时的精准度。

示例性的，基于上述本申请高边坡稳定性监测方法第一实施例提出另一实施例，在该实施例中，参照图5，所述根据所述布置点位和预设观测点，对所述高边坡进行实时监测，得到监测结果的步骤，包括：

步骤S310：在对所述高边坡进行实时监测时，计算每一个布置点位与预设观测点之间的距离变化；

在本实施例中，在对高边坡进行实时监测时，其具体的监测数据为监测点每一时刻与预设观测点之间的距离数据，计算其距离变化情况，而该距离数据由于高边坡的三维形态，其产生的形变方向可为空间中任意方向，因此，在计算距离变化时，需要进一步计算该监测点的在空间中的变化情况，而不单单仅计算监测点和预设观测点之间的距离变化。

步骤S320：根据所述距离变化，计算所述布置点位产生的形变位移矢量，并将其作为监测结果；其中，所述预设观测点为至少三个处于稳定空间位置的激光测距点。

在本实施例中，根据距离变化，计算布置点位在当前时刻下与以往时刻相比所产生的形变位移矢量，并将其作为监测结果，该监测结果仅指的是对监测点的位移变化情况进行监测的结果。

具体的，可参照图6，在三维模型中设置任一测点i为例，该测点i的空间坐标为(xi,yi,zi)，其位移矢量为

网格节点j的空间坐标为(xj,yj,zj)，其位移矢量

根据三维空间两点的距离：

可以确定距离网格节点j最近的两个测点为测点m和n。

其中，由/>进行空间线性插值确定。

再此基础上，建立边坡坡面变形的三维模型，同时地质信息同样可以参数形式加入对三维模型的有限元分析进程中，将其相关的形变参数放入至三维模型的控制参数中，以实现地质特征的仿真，有助于分析其形变。

在本实施例中，预设观测点为至少三个处于稳定空间位置的激光测距点，该稳定空间位置即为不受到高边坡的形变影响的位置，且通过该至少三个激光测距点能够实现对高边坡整体结构进行识别测距的位置。

其中，以设置三个预设观测点为例进行阐述，将三个预设观测点分别命名为A、B和C，在通过该三个观测点进行测距时，由于高边坡的形变为三维空间中的动态形变，在通过一个观测点对任一个监测点进行监测时，其得到的最终结果可能存在偏差，例如，该监测点处产生斜向形变，而该观测点仅能测量出该监测点在斜向上的形变量投影的距离，而通过A、B和C三个观测点应用时，即可通过任两个观点测组合，例如，形成A和B同时监测的AB监测结果，以及A和C同时监测的AC监测结果，并将AB监测结果和AC监测结果进行整合，从而得到多角度、多位置综合的监测效果，此外，还可将AB监测结果和AC监测结果作为补偿，同时使用A、B和C实现ABC监测结果，并将补偿用的监测结果作为调整依据，对ABC监测结果进行调整，从而使得ABC监测结果更加精准。

需要说明的是，监测结果的补偿主要在于从不同位置和不同角度进行监测时的结果，体现高边坡在不同角度和不同方向上的形变量的投影，体现出高边坡的形变量的具体矢量大小，其目的在于经过多个监测结果之间相互映证和补偿，从而保证最终的监测结果的精准性。

示例性的，所述根据所述布置点位和预设观测点，对所述高边坡进行实时监测，得到监测结果的步骤之后，所述方法还包括：

步骤h：根据所述高边坡的三维模型，计算所述高边坡对应坡体表面的法向矢量；

步骤i：根据所述法向矢量和所述形变位移矢量，判断所述高边坡是否存在安全风险。

在本实施例中，根据高边坡的三维模型，可计算高边坡对应各监测点的形变位移情况，而将监测结果中的形变位移矢量作为参考参数，判断当前高边坡的安全风险，例如，判断其是否存在坍塌风险。

而在判断其是否存在安全风险时，仅依靠其形变位移矢量是无法证明其是否存在风险的，此时还需要计算高边坡对应坡体表现的法向矢量，该法向矢量对应着各监测点位置处的法向矢量，通过计算该法向矢量和形变位移矢量之间的角度、大小等，可判断其是否存在坍塌风险。

具体判断过程如下：

(1)根据高边坡空间几何形状，可以得到高边坡坡面的法向矢量为(X,Y,Z)。

(2)计算每个点的变形矢量与法向矢量的空间夹角θ(θ<45°时，表明两者矢量方向基本一致)，并计算每个点的变形速率。当边坡坡面变形矢量与法向矢量的矢量方向基本一致，且变形速率大于稳定变形速率阈值v时，可以判定该边坡存在整体或者局部坍塌的风险。

其中，空间向量的夹角公式：

θ＝arccosθ。

(3)计算每两个测点之间变形矢量的空间夹角θ，θ>145°时，表明两者矢量方向基本相反，边坡坡面局部会发生开裂。

(4)计算每两个单元节点之间的变形速率差异，当变形速率差异超过协调变形速率阈值v1时，表明两个区域的变形速率不协调，边坡坡面局部会发生开裂。

在本实施例中，在对所述高边坡进行实时监测时，计算每一个布置点位与预设观测点之间的距离变化；根据所述距离变化，计算所述布置点位产生的形变位移矢量，并将其作为监测结果；其中，所述预设观测点为至少三个处于稳定空间位置的激光测距点。也就是说，通过监测高边坡上的每一个布置点位和预设观测点之间的距离变化，从而根据该距离变化，计算形变位移矢量，从而得到相应的监测结果。

此外，本申请还提供一种高边坡稳定性监测装置，所述一种高边坡稳定性监测装置包括：

获取模块，用于获取高边坡的三维模型，获取所述高边坡的地质信息；

划分模块，用于根据所述地质信息，在所述三维模型上将所述高边坡表面区域进行特征划分，得到多个地质特征不同的待监测区域；

确定模块，用于根据预设自适应算法，确定与所述待监测区域对应的监测点的布置点位；

监测模块，用于根据所述布置点位和预设观测点，对所述高边坡进行实时监测，得到监测结果。

示例性的，所述确定模块包括：

点位计算子模块，用于根据预设自适应算法，计算所述待监测区域的形态参数，并在所述待监测区域中随机生成与所述形态参数对应数量的监测点的初始点位；

测试子模块，用于根据所述初始点位和预设观测点，对所述高边坡进行测试监测，得到测试结果；

调整子模块，用于根据所述测试结果，调整所述初始点位的监测位置，得到布置点位。

示例性的，所述调整子模块包括：

确定单元，用于根据所述测试结果，确定在测试监测时的监测面积，以及所述初始点位之间的重叠情况；

调整单元，用于根据所述监测面积和重叠情况，调整所述初始点位的监测位置，以增加所述监测面积并同时降低所述重叠情况；

补充单元，用于在调整后的初始点位无重叠时，在相邻的初始点位中间任一位置添加补充监测点，得到所述调整后的初始点位和所述补充监测点的布置点位。

示例性的，所述装置还包括：

数据获取模块，用于获取高边坡的三维数据，并根据所述三维数据，生成所述高边坡三维结构的初始模型；

第一计算模块，用于在所述初始模型的表面上进行网格划分处理，并计算所述网格上各网格节点的网格节点位移矢量，并选取所述网格节点相邻的空间节点，以及计算所述空间节点的空间节点位移矢量；

生成模块，用于根据所述网格节点位移矢量、所述空间节点位移矢量和所述初始模型，生成所述高边坡的三维模型；

第二计算模块，用于根据所述高边坡的三维模型，计算所述高边坡对应坡体表面的法向矢量；

判断模块，用于根据所述法向矢量和所述形变位移矢量，判断所述高边坡是否存在安全风险。

示例性的，所述监测模块包括：

距离计算子模块，用于在对所述高边坡进行实时监测时，计算每一个布置点位与预设观测点之间的距离变化；

矢量计算子模块，用于根据所述距离变化，计算所述布置点位产生的形变位移矢量，并将其作为监测结果；其中，所述预设观测点为至少三个处于稳定空间位置的激光测距点。

示例性的，所述划分模块包括：

确定子模块，用于根据所述地质信息，确定所述高边坡的地质特征，所述地质特征包括地层属性特征和地层范围特征；

划分子模块，用于根据所述地层属性特征和所述地层范围特征，将所述高边坡表面区域划分为多个相邻的地质层区域，并在每两个相邻的地质层区域之间划定地质变化区域，将所述地质层区域和所述地质变化区域作为待监测区域。

本申请高边坡稳定性监测装置具体实施方式与上述高边坡稳定性监测方法各实施例基本相同，在此不再赘述。

此外，本申请还提供一种高边坡稳定性监测设备。如图7所示，图7是本申请实施例方案涉及的硬件运行环境的结构示意图。

示例性的，图7即可为高边坡稳定性监测设备的硬件运行环境的结构示意图。

如图7所示，该高边坡稳定性监测设备可以包括处理器701、通信接口702、存储器703和通信总线704，其中，处理器701、通信接口702和存储器703通过通信总线704完成相互间的通信，存储器703，用于存放计算机程序；处理器701，用于执行存储器703上所存放的程序时，实现高边坡稳定性监测方法的步骤。

上述高边坡稳定性监测设备提到的通信总线704可以是外设部件互连标准(Peripheral Component Interconnect,PCI)总线或扩展工业标准结构(ExtendedIndustry Standard Architecture,EISA)总线等。该通信总线704可以分为地址总线、数据总线和控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口702用于上述高边坡稳定性监测设备与其他设备之间的通信。

存储器703可以包括随机存取存储器(Random Access Memory,RMD),也可以包括非易失性存储器(Non-Volatile Memory,NM)，例如至少一个磁盘存储器。可选的，存储器703还可以是至少一个位于远离前述处理器701的存储装置。

上述的处理器701可以是通用处理器，包括中央处理器(Central ProcessingUnit,CPU)、网络处理器(Network Processor,NP)等；还可以是数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

本申请高边坡稳定性监测设备具体实施方式与上述高边坡稳定性监测方法各实施例基本相同，在此不再赘述。

此外，本申请实施例还提出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高边坡稳定性监测程序，所述高边坡稳定性监测程序被处理器执行时实现如上所述的高边坡稳定性监测方法的步骤。

本申请计算机可读存储介质具体实施方式与上述高边坡稳定性监测方法各实施例基本相同，在此不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。

以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (8)

1.一种高边坡稳定性监测方法，其特征在于，所述高边坡稳定性监测方法包括以下步骤：

获取高边坡的三维模型，获取所述高边坡的地质信息；

根据所述地质信息，在所述三维模型上将所述高边坡表面区域进行特征划分，得到多个地质特征不同的待监测区域；

根据预设自适应算法，确定与所述待监测区域对应的监测点的布置点位；

所述根据预设自适应算法，确定与所述待监测区域对应的监测点的布置点位的步骤，包括：

根据预设自适应算法，计算所述待监测区域的形态参数，并在所述待监测区域中随机生成与所述形态参数对应数量的监测点的初始点位；

根据所述初始点位和预设观测点，对所述高边坡进行测试监测，得到测试结果；

根据所述测试结果，调整所述初始点位的监测位置，得到布置点位；

所述根据所述测试结果，调整所述初始点位的监测位置，得到布置点位的步骤，包括：

根据所述测试结果，确定在测试监测时的监测面积，以及所述初始点位之间的重叠情况；

根据所述监测面积和重叠情况，调整所述初始点位的监测位置，以增加所述监测面积并同时降低所述重叠情况；

在调整后的初始点位无重叠时，在相邻的初始点位中间任一位置添加补充监测点，得到所述调整后的初始点位和所述补充监测点的布置点位；

根据所述布置点位和预设观测点，对所述高边坡进行实时监测，得到监测结果。

2.如权利要求1所述的高边坡稳定性监测方法，其特征在于，所述获取高边坡的三维模型的步骤之前，所述方法还包括：

获取高边坡的三维数据，并根据所述三维数据，生成所述高边坡三维结构的初始模型；

在所述初始模型的表面上进行网格划分处理，并模拟所述初始模型表现的坡体特征，生成所述高边坡的三维模型。

3.如权利要求1所述的高边坡稳定性监测方法，其特征在于，所述根据所述布置点位和预设观测点，对所述高边坡进行实时监测，得到监测结果的步骤，包括：

在对所述高边坡进行实时监测时，计算每一个布置点位与预设观测点之间的距离变化；

根据所述距离变化，计算所述布置点位产生的形变位移矢量，并将其作为监测结果；

其中，所述预设观测点为至少三个处于稳定空间位置的激光测距点。

4.如权利要求3所述的高边坡稳定性监测方法，其特征在于，所述根据所述布置点位和预设观测点，对所述高边坡进行实时监测，得到监测结果的步骤之后，所述方法还包括：

根据所述高边坡的三维模型，计算所述高边坡对应坡体表面的法向矢量；

根据所述法向矢量和所述形变位移矢量，判断所述高边坡是否存在安全风险。

5.如权利要求1所述的高边坡稳定性监测方法，其特征在于，所述根据所述地质信息，在所述三维模型上将所述高边坡表面区域进行特征划分，得到多个地质特征不同的待监测区域的步骤，包括：

根据所述地质信息，确定所述高边坡的地质特征，所述地质特征包括地层属性特征和地层范围特征；

根据所述地层属性特征和所述地层范围特征，将所述高边坡表面区域划分为多个相邻的地质层区域，并在每两个相邻的地质层区域之间划定地质变化区域，将所述地质层区域和所述地质变化区域作为待监测区域。

6.一种高边坡稳定性监测装置，其特征在于，所述高边坡稳定性监测装置包括：

获取模块，用于获取高边坡的三维模型，获取所述高边坡的地质信息；

划分模块，用于根据所述地质信息，在所述三维模型上将所述高边坡表面区域进行特征划分，得到多个地质特征不同的待监测区域；

确定模块，用于根据预设自适应算法，确定与所述待监测区域对应的监测点的布置点位；根据预设自适应算法，计算所述待监测区域的形态参数，并在所述待监测区域中随机生成与所述形态参数对应数量的监测点的初始点位；根据所述初始点位和预设观测点，对所述高边坡进行测试监测，得到测试结果；根据所述测试结果，调整所述初始点位的监测位置，得到布置点位；根据所述测试结果，确定在测试监测时的监测面积，以及所述初始点位之间的重叠情况；根据所述监测面积和重叠情况，调整所述初始点位的监测位置，以增加所述监测面积并同时降低所述重叠情况；在调整后的初始点位无重叠时，在相邻的初始点位中间任一位置添加补充监测点，得到所述调整后的初始点位和所述补充监测点的布置点位；

监测模块，用于根据所述布置点位和预设观测点，对所述高边坡进行实时监测，得到监测结果。

7.一种高边坡稳定性监测设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的高边坡稳定性监测程序，所述高边坡稳定性监测程序配置为实现如权利要求1至5中任一项所述的高边坡稳定性监测方法的步骤。

8.一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上存储有高边坡稳定性监测程序，所述高边坡稳定性监测程序被处理器执行时实现如权利要求1至5中任一项所述的高边坡稳定性监测方法的步骤。