TWI597405B - System and method for monitoring slope with tree displacement - Google Patents
System and method for monitoring slope with tree displacement Download PDFInfo
- Publication number
- TWI597405B TWI597405B TW105110505A TW105110505A TWI597405B TW I597405 B TWI597405 B TW I597405B TW 105110505 A TW105110505 A TW 105110505A TW 105110505 A TW105110505 A TW 105110505A TW I597405 B TWI597405 B TW I597405B
- Authority
- TW
- Taiwan
- Prior art keywords
- displacement
- tree
- slope
- center
- module
- Prior art date
Links
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
- Alarm Systems (AREA)
Description
本發明是有關一種利用樹木位移監測邊坡的系統及其方法,特別是一種除了能夠降低成本和監測費用、更能夠實施長期且連續性的監測之利用樹木位移監測邊坡的系統及其方法。
台灣地區每遇颱風及梅雨季節往往造成許多坡地災害發生,導致土石流以及邊坡滑動產生,人民生命財產安全損失甚巨。而邊坡災害是與地震、颱風、淹水等相同等級的天然災害,每年都造成世界各地重大的損失和人命傷亡,剛好台灣位於歐亞大陸板塊與菲律賓海板塊之間和環太平洋地震帶上,地殼變動及造山運動發達,導致地形複雜,山地面積大,再加上台灣位於西太平洋颱風路徑的要衝區域,颱風豪雨頻繁,近年又受到極端天氣影響,常有極端降雨的發生,使得邊坡滑動發生頻繁,因此更凸顯邊坡安全監測的重要性。
而一般針對這一類邊坡災害相關的研究分析方式會依照尺度的不同而有所區分,在較大的尺度下可以利用地理資訊系統(Geographic Information System, GIS)來整合大範圍的資料,收集各種致災因子的資訊來建置資料圖層,針對不同情況整合環境因素、人為開發程度、地質環境、地貌特性和氣候條件等相關資料進行大面積區域之災害潛勢評估;而另一方面,在較小尺度上則可以針對特定的不穩定邊坡的情況進行現地地質調查、土壤特性分析、地下水位調查、植被覆蓋比例研判、地表侵蝕程度與土壤剪力強度試驗等,然後透過力學模式及電腦軟體分析評估邊坡的穩定性。
然而上述前者乃大範圍,對個別邊坡無甚助益;而後者(小範圍)則需要針對可能產生崩塌滑動地區進行邊坡災害相關的分析監測和邊坡穩定研判,因此通常會需要前往現地分析特定邊坡,而傳統的做法通常是利用鑽孔取得地層資料和土壤樣本,進行實驗室土壤參數和強度分析,然後用程式進行計算並探討邊坡的穩定性,而過去的邊坡監測中大多是使用地滑計、傾斜儀等裝置,鑽孔安裝在邊坡上或依附在擋土牆或山坡地住宅上進行監測,但不管是地滑計或傾斜儀等類的儀器都需要相當成本和監測費用,所以大都用於山坡地的住宅社區,由住戶或管理委員會負擔費用,但是若邊坡為廣大的自然邊坡就會因為成本和費用歸屬問題而無法利用此類方法進行監測,另外自然邊坡也有可能造成附近道路和鄰近住宅、廠房、橋墩、捷運塔柱或其他公共設施及建物的損害。
由上述說明可知,傳統進行分析特定邊坡的做法是使用埋在地下的裝置來進行邊坡監測,而且這一類的監測儀器非常昂貴,故將會增加監測費用,且亦無法應用於廣大的無人自然邊坡,故可應用之地區是非常有限的。
因此,由於邊坡若移動,樹木會跟著移動,故本發明提出能夠使用樹木移動辨識來間接推估其下地層和邊坡的穩定性,因此本發明能夠以各種不同的遙測工具來拍攝目標邊坡及所屬樹木的航空照片或遙測影像,再進行辨識邊坡上的各棵樹木的中心位置,並加以定位存入分析系統中。然後將不同時間所拍攝的影像加以比較、並找出對應的樹木後,則能夠計算樹木的位移方向和距離,之後則能夠藉此來綜合所有樹木資訊製作位移量分布圖和方向分布圖,最後以統計方式加以綜合評估,利用樹木位移量以評估邊坡是否移動、移動方向為何、移動距離和速度為何、以及供專業工程師評估邊坡滑動潛勢大小及其整體安全性,藉此方式針對目標邊坡實施長期且連續性的監測,因此本發明應為一最佳解決方案。
本發明係關於一種利用樹木位移監測邊坡的系統及其方法,係為一種能夠依據樹木的位移分析,來推估其下邊坡的滑移量或穩定性之監測系統及其方法。
本發明係關於一種利用樹木位移監測邊坡的系統及其方法,係能夠以樹木做為監測對象,故不需要使用昂貴的監測儀器,因此能夠大幅降低成本,並更能夠應用到更多地區。
一種利用樹木位移監測邊坡的系統,係包含:一遙測裝置,用以於一具有樹木植生之自然邊坡區域中,進行影像拍攝;一運算分析伺服器平台,係與一空間資訊與地圖資料庫相連接,而該運算分析伺服器平台係包含:一樹木位置辨識模組,係與一空間資訊與地圖資料庫相連接,用以能夠接收該遙測裝置所拍攝之地面影像資料、並藉由該地面影像資料進行區分出不同樹木,並找出每一棵樹木的樹冠範圍,再由該樹冠範圍中找出一樹木中心最高點,並以該樹木中心最高點代表樹幹中心及其中心位置座標;一資料庫模組,用以儲存不同時間點所拍攝之地面影像資料、所拍攝之地面影像資料中的每一棵樹木的中心位置座標,用以記錄同一棵樹木在不同時間點的位置;一影像比對模組,係與該樹木位置辨識模組及該資料庫模組相連接,用以將不同時間點所拍攝的地面影像資料進行比對,以比對出相對應之樹木;一位移分析模組,係與該影像比對模組及該資料庫模組相連接,用以藉由該影像比對模組所找出之相對應的樹木、並搭配同一棵樹木在不同時間點的位置記錄,進行計算同一棵樹木在不同時間點之位移方向、位移距離和位移速度,並藉由一統計方式進行計算出一位移統計量綜合指標;一分布圖繪製模組,係與該資料庫模組相連接,用以依據該位移分析模組所計算之同一棵樹木在不同時間點之位移方向、位移距離和位移速度,並綜合所有樹木資訊來進行繪製一位移量分布圖、一方向分布圖及一速度分布圖,並儲存於該資料庫模組中;以及一邊坡評估模組,係與該位移分析模組、分布圖繪製模組及該資料庫模組相連接,能夠利用所收集和計算的樹木位移資訊進行評估邊坡是否產生滑動及將來的滑動趨勢,以供專業工程師進行判斷邊坡整體安全性。
更具體的說,所述遙測裝置係為衛星、飛機、光達、氣球、風箏或無人飛機等能夠空中拍攝之非接觸式工具。
更具體的說,所述樹木位置辨識模組能夠區分不同樹木,以辨識出每一棵樹木的樹冠範圍,然後利用先進影像處理及人工智慧技術找出該樹冠範圍中的樹木中心最高點,用以代表樹幹中心及其中心位置座標。
更具體的說,所述樹木位置辨識模組能夠將該地面影像資料發佈在網站上,用以提供多人能夠以人工辨識方式進行標註出該樹冠範圍中的樹木中心最高點,以代表樹幹中心及其中心位置座標。
更具體的說,更包含有一邊坡位移基準設定模組,用以設定出一安全位移標準量,用以於計算出該位移統計量綜合指標後,能夠將該位移統計量綜合指標與該安全位移標準量進行比較,以判斷邊坡位移趨勢是否過大。
而本發明之利用樹木位移監測邊坡的方法,其方法為: (1) 先選取一待分析之自然邊坡區域,而該待分析之自然邊坡區域係為一具有樹木植生的區域; (2) 以一遙測裝置於該待分析之自然邊坡區域中取得地面影像資料; (3) 藉由拍攝取得之地面影像,進行辨識區分出不同樹木,並找出每一棵樹木的樹冠範圍,然後再找出樹冠中的樹木中心最高點,用以代表樹幹中心及其中心位置座標; (4) 進行找出與比較不同時間點所拍攝取得之地面影像上相對應之樹木,以進而計算每一棵樹木之位移方向與距離,並以統計方式計算出一位移統計量綜合指標;以及 (5) 接著,再綜合所有樹木資訊,進行繪製每一棵樹木之位移量分布圖、方向分布圖及速度分布圖,並搭配位移統計量綜合指標,進行評估一定時間範圍內的邊坡滑動趨勢及滑動方向,以供專業工程師進行判斷邊坡整體安全性。
更具體的說,係能夠以所拍攝之地面影像資料中區分不同樹木、並找出每一棵樹木的樹冠範圍後,然後再利用先進影像處理及人工智慧技術找出樹冠範圍中的樹木中心最高點,用以代表樹幹中心及決定其中心位置座標。
更具體的說,係能夠將所拍攝之地面影像資料發佈在網站上,用以提供多人能夠以人工辨識方式進行標註出該樹冠範圍中的樹木中心最高點,用以代表樹幹中心及其中心位置座標。
更具體的說,係能夠藉由找出相對應的樹木、並搭配同一棵樹木在不同時間點的位置記錄,進行計算同一棵樹木在不同時間點之位移方向、位移距離和位移速度,之後再依據同一棵樹木在不同時間點之位移方向、位移距離和位移速度,並綜合所有樹木資訊進行繪製該位移量分布圖、方向分布圖及速度分布圖。
更具體的說,係能夠使用人工智慧影像分析(例如質點影像速度法)來進行計算同一棵樹木在不同時間點之位移方向、位移距離和位移速度,以藉此來推估邊坡滑動方向、距離及滑動範圍。
更具體的說,所述更能夠設定出一安全位移標準量,用以於計算出該位移統計量綜合指標後,能夠將該位移統計量綜合指標與該安全位移標準量進行比較,以判斷邊坡位移趨勢是否過大。
有關於本發明其他技術內容、特點與功效,在以下配合參考圖式之較佳實施例的詳細說明中,將可清楚的呈現。
請參閱第1A圖及第1B圖,為本發明利用樹木位移監測邊坡的系統及其方法之整體架構示意圖及運算分析伺服器平台之內部架構示意圖,由圖中可知,該利用樹木位移監測邊坡的系統係包含一遙測裝置1及一運算分析伺服器平台2,其中該遙測裝置1係為一能夠空中拍攝之工具,例如衛星、飛機、光達、氣球、風箏或無人飛機等等;
由Gray and Leiser, 1982(Gray, D. H. and Leiser, A. T. (1982). Biotechnical Slope Protection and Erosion Control, Van Nostrand Reinhold Company, New York.)中提到的樹木因平移式(Translational Slide)的邊坡滑動而傾斜位移說明中可知,當邊坡產生滑動時,不管是平移式的滑動(Translational Slide)或旋轉式的滑動(Rotational Slide)都會造成其上樹木的傾斜和位移,而且位於邊坡上不同位置的樹木,不但其移動量或傾斜度不同,甚至連傾倒方向都不同。
因此,藉由對樹木移動型態的研究辨識,可以得知邊坡滑動的範圍、滑動的特性、和其下地層的運動方式,是監測邊坡災害極有價值的工具。也因為如此,所以本發明是利用地面上自然生長的樹木作為監測儀器,以不同的遙測工具1(例如衛星、飛機、氣球、風箏、無人飛機等可以滯空對地面拍攝影像的工具)偵測樹木的移動量,進而推估邊坡的滑動與否與穩定狀況。
而該運算分析伺服器平台2係與一空間資訊與地圖資料庫3相連接,而該運算分析伺服器平台2係包含一樹木位置辨識模組21、一資料庫模組22、一影像比對模組23、一位移分析模組24、一分布圖繪製模組25、一邊坡評估模組26及一邊坡位移基準設定模組27,搭配第2圖之利用遙測辨識樹木位移進行邊坡監測與評估系統運作流程圖可知,其中該運算分析伺服器平台2能夠藉由該空間資訊與地圖資料庫3選取一待分析之自然邊坡區域201,而該待分析之自然邊坡區域係為一具有樹木植生的區域,並再藉由控制該遙測裝置1於選取之待分析之自然邊坡區域上空拍攝地面影像資料202;
在順利取得該遙測裝置1拍攝的研究區域影像之後,該樹木位置辨識模組21則能夠進行辨識出所拍攝之地面影像資料中的每一棵樹木的中心位置及其中心位置座標203,而該中心位置係為樹木的樹幹中心,而該辨識樹木中心位置、樹木標示、影像比對之工作除了能夠以全自動的電腦影像分析方式來進行自動辨識204之外,亦能夠以半自動方式(群眾外包 Crowdsourcing)來進行辨識209,由第2圖中可知,自動辨識204是必須先加入樹木中心座標205、再將不同時期影像比對206、再辨識不同影像上的對應樹木207、再計算樹木位移方向與距離208,而半自動方式來進行辨識209亦是必須先加入樹木中心座標210、再將不同時期影像比對211、再辨識不同影像上的對應樹木212、再計算樹木位移方向和距離213;
先以半自動的方式(群眾外包 Crowdsourcing)來看,主要藉由許多樹木專家或專業人員來辨識位移前樹木中心點與滑動後的樹木中心點位置,從影像中找出未發生滑動前之樹木位置與滑動後之樹木位置進行比較,並記錄輸入於一地理資訊系統軟體(例如ArcGIS) 中,利用軟體數位化樹木的輪廓線,再與以比較不同時間點所拍攝的地面影像資料,以比對出相對應之樹木的狀況,以找出不同時間點的樹木影像的位置,並探討樹木的位移距離以及樹木位移是否有往特定方向進行滑動特性;
之後必須再綜合所有樹木資訊來繪製位移量分布與方向分布圖214後,再計算位移統計量綜合指標215,並以此評估邊坡滑動潛勢大小與安全性216後,則進一步長期監測217。
而上述半自動辨識需要花費大量的人力與時間,故本發明亦能夠用於自動的電腦影像分析,當接收到該遙測裝置1拍攝的研究區域影像之後,該樹木位置辨識模組21能夠進行辨識出所拍攝之地面影像資料中的每一棵樹木的樹冠範圍,然後利用先進影像處理及人工智慧技術找出樹冠中的樹木最高點,代表樹幹中心及決定其中心位置座標,而本發明於實施中,該樹木位置辨識模組21則是一種能夠對樹木進行影像分析的軟體,例如Image-J、eCognition、Matlab 提供的Active Contour Model等及其他未在此提到的影像分析軟體,以Image-J為例,是利用影像波段不連續的概念,將影像轉換灰階值後進行對邊緣進行偵測強化,利用這個方式對研究區域內的樹木進行測試;
再以Active Contour Model來說明,原理是以目標物的輪廓對影像進行搜索比較,找出最像的追蹤結果,由第3A圖及第3B圖中可知,則是使用ACM 方式對樹木較為容易辨識區域進行測試之結果;
由於不同軟體辨識法則會不同,而經過發明人試驗過後,若能夠找出所拍攝之地面影像資料中每一棵樹木的樹冠範圍後,再決定樹木中心最高點,然後以該點作為樹木中心,如此將是較為精準的樹木位置辨識方法,因此不論是自動或半自動方式來辨識出各棵樹木的中心位置,該樹木位置辨識模組21皆會以將中心位置定義為樹木的樹幹中心,在遙測影像(地面影像資料)中以樹木的最高點代表樹幹中心,之後再由該樹木標示模組22對樹木進行編號;
由第4A圖中可知,則是原始拍攝之地面影像資料,經由該樹木位置辨識模組21以自動或半自動方式來辨識出各棵樹木的中心位置,其辨識樹木中心位置及最後的位移等值線分布圖結果如第4B圖所示。
之後,依據上述方式處理後,該影像比對模組23能夠再以其中一個時間點所辨識出的樹木的顏色、形狀(樹冠範圍)來於另一個時間點之地面影像資料中,以樹木的顏色、形狀(樹冠範圍)來判斷出同一棵樹木,以此做為基準來進行位移分析;由於本發明是用於災前(邊坡滑動前)就開始監測,故不易發生因發生崩塌後產生大量位移或是樹木的形狀大幅度變動的情況發生,因此影像比對也較為精準。
而該位移分析模組24能夠藉由該影像比對模組23所找出之相對應的樹木、並搭配同一棵樹木在不同時間點的位置記錄,進行計算同一棵樹木在不同時間點之位移方向、位移距離和位移速度,之後能夠再以統計方式進行計算出一位移統計量綜合指標,並藉此評估一定時間範圍內的邊坡滑動趨勢及滑動方向,以供專業工程師進行判斷邊坡整體安全性;
而本實施例計算位移量則是利用地理資訊系統軟體中所提供的量測工具找出滑動後的樹木位置中心點與判斷為滑動前的樹木中心點進行量測,統計每棵樹木的平均位移量,之後將位移量代入每棵相對應的滑動樹木位置上,並將崩塌區域外的未移動樹木代入位移量為0,將資料利用一等值線內插軟體(例如Surfer 軟體),產製出等值圖後再利用該地理資訊系統軟體套疊原始航照影像,以了解每棵位移後的樹木移動的距離範圍以及最大的移動距離,如第4B圖所示,為移動距離等值線示意圖。
而本實施例計算位移方向主要方式是將不同時間點同一棵樹木進行位移分析,如第5圖所示,本實施例中使用地理資訊系統軟體來找出兩點之間的方位角,以得到不同時間點之樹木中心點位置比較方位角資料;因此將每棵樹木的方位角轉換成方向角,統計每棵位移前的樹木位置,並判斷位移後的樹木朝哪個方向。因此,利用風向圖的概念,分成N、NNE、NE、ENE、E、ESE、SE、SSE、S、SSW、SW、WSW、W、WNW、NW 以及NNW 等十六個方位,以位移後之樹木中心點為圓心,統計每棵位移前樹木是在位移後樹木的哪一處方向,如第6圖所示,是使用群眾外包 Crowdsourcing的方式,綜合多人結果所統計出來的位移方向分布圖,越大的箭頭代表越多人認定的方向,以眾人分工的方式來取得樹木移動方向;
而第7A圖跟第7B圖則是不同時間的樹木移動方向結果統計示意圖(由於第7A圖跟第7B圖是以群眾外包(Crowdsourcing)方式進行標註,圖中以箭頭大小標註認定該方向人數的多寡,並以紅圈標註未移動樹木,作為參考基準),第7B圖是2006年的拍攝資料、第7A圖是2008年的拍攝資料,由圖中可知,黃色圓圈代表位移後的樹木位置,以樹木圓心為中心點,對周圍判斷的位移前樹木進行統計並以風向圖作為每棵樹木主要的位移前位置方向作為呈現,由第7A圖可知,到每棵樹木經判斷後位移前的分佈情形,而主要分佈方向以西南方居多,而由第7B圖可知,每棵樹木經判斷後位移前的分佈情形,主要分佈方向以西南方與東南方較多,因此綜合判斷可以發現大部分判斷的樹木位置是在南南西,少數偏向東南方,故可以知道2005年到2007年之崩塌滑動的趨勢大多往北北東前進。
而取得不同時間點之位移方向、位移距離後,則能夠搭配不同時間取得位移速度,因此並沒有另外說明。
另外,除了上述方法外,該位移分析模組24亦能夠藉由人工智慧影像分析技術判定樹木的位移量,以下將以影像的像素(pixel)代替樹木中心點作為範例加以說明;例如可以使用質點影像測速法(Particle Image Velocimetry, PIV)之技術來量測航照影像上的位移量;
由於PIV是一種瞬時全場影像處理技術,因此進行使用質點影像速度法時,則能夠以統計方式加以評估邊坡否移動、移動方向為何、移動距離與速度為何和邊坡滑動潛勢大小,而質點影像速度法所使用的航照影像資料,需先將彩色影像轉換成為灰階影像,以此類影像的色度、形狀和紋理進行分析;而PIV 分析進行時, 首先需決定三個基本參數, 分別是查詢視窗大小(Interrogation window size)、搜索視窗(Search window size)和相關係數門檻值(Correlation threshold)等。由於搜索視窗大小會直接影響到PIV 分析結果,視窗設定越大,誤差即會越小,分析結果精度相對越高,因為分析的影像範圍面積較大,整體所呈現的向量分佈結果會顯得較為平均,無法突顯出影像變化的細部特徵;相反的,視窗設定越小,所能呈現出來的細部特徵會較為明顯,但相對的容易出現誤差值,而且分析精度會越低。
除了搜索視窗大小會影響誤差之外,還有因為所使用不同年份的航照影像經過正射後,因拍攝時間、拍攝影像之位置不同以及因整地造成地貌有所改變,可能會有正射誤差和陰影分佈的差異造成的誤差位移量。所以在決定參數上,先將上述之不確定因素列入考慮範圍,然後考慮航照中的經過PIV 分析後是否可以合理的顯示出邊坡滑動趨勢及滑動方向。
因此,在本實施例中對不同時間點之航照圖進行PIV 分析,綜合所有樹木資訊以繪製出位移方向分布圖(包含位移量分布圖與方向分布圖),由第8圖中可知,為示範場區2006年與2009年的PIV初步分析後之位移方向分布圖(此示意圖係以像點pixel代替樹木中心點),由圖中可知地表位移場分布情形,在影像中的崩塌區域裡中間部分出現方向不規則的向量箭頭,在中間部分主要的箭頭顏色為黃色,約30 pixels(實際距離約為7.5 公尺)其次是淺綠色分佈在崩塌區域邊界,約20 pixels(實際距離約為5 公尺),而在北部邊坡區域的向量分佈則是呈現較為雜亂且無一致性。
而本發明之邊坡位移基準設定模組27更能夠以過去經驗設定出一可能崩塌的標準值,因此當在進行長期且連續性的監測時,若是位移量分布圖、方向分布圖及速度分布圖等顯示異常變化,而位移統計量綜合指標超出該可能崩塌的標準值,則能夠進行警示或是於地圖上標示,甚至能夠交由專業工程師依據邊坡滑動潛勢大小及其整體安全性給予評分。
如第9圖所示,為利用樹木位移監測邊坡的方法之流程示意圖,其方法為: (1) 先選取一待分析之自然邊坡區域,而該待分析之自然邊坡區域係為一具有樹木植生的區域901; (2) 以一遙測裝置於該待分析之自然邊坡區域中取得地面影像資料902; (3) 藉由拍攝取得之地面影像,進行辨識區分出不同樹木,並找出每一棵樹木的樹冠範圍,之後再找出樹冠中的樹木中心最高點,用以代表樹幹中心及其中心位置座標903; (4) 進行找出與比較不同時間點所拍攝取得之地面影像上相對應之樹木,以進而計算每一棵樹木之位移方向與距離,並以統計方式計算出一位移統計量綜合指標904;以及 (5) 接著,再綜合所有樹木資訊,進行繪製每一棵樹木之位移量分布圖、方向分布圖及速度分布圖,並搭配位移統計量綜合指標,進行評估一定時間範圍內的邊坡滑動趨勢及滑動方向,以供專業工程師進行判斷邊坡整體安全性905。
本發明所提供之利用樹木位移監測邊坡的系統及其方法,與其他習用技術相互比較時,其優點如下: (1) 本發明之利用樹木位移監測邊坡的系統及其方法,係為一種能夠依據樹木的位移分析,來推估其下邊坡的滑移量或穩定性之監測系統及其方法。 (2) 本發明之利用樹木位移監測邊坡的系統及其方法,能夠利用不同遙測工具和技術拍攝目標邊坡及所屬樹木的航空照片或遙測影像,並以自動或半自動方式辨識邊坡上各棵樹木的中心位置,加以定位並編號存入分析系統中。 (3) 本發明之利用樹木位移監測邊坡的系統及其方法,能夠將不同時間所拍攝的影像加以比較,以自動或人工輔助分析系統找出對應的樹木,並計算樹木的位移方向和距離,綜合所有樹木資訊來製作位移量分布圖和方向分布圖,最後以空間統計方式加以綜合分析,以評估邊坡是否移動、移動方向為何、移動距離為何和移動速度為何,綜合所有資訊以評估邊坡滑動潛勢的大小及邊坡整體的安全性,藉由此方式針對目標邊坡實施長期且連續性的監測。 (4) 本發明之利用樹木位移監測邊坡的系統及其方法,係能夠以樹木做為監測對象,故不需要使用昂貴的監測儀器,因此能夠大幅降低成本,並更能夠應用到更多地區。
本發明已透過上述之實施例揭露如上,然其並非用以限定本發明,任何熟悉此一技術領域具有通常知識者,在瞭解本發明前述的技術特徵及實施例,並在不脫離本發明之精神和範圍內,當可作些許之更動與潤飾,因此本發明之專利保護範圍須視本說明書所附之請求項所界定者為準。
1‧‧‧遙測裝置
2‧‧‧運算分析伺服器平台
21‧‧‧樹木位置辨識模組
22‧‧‧資料庫模組
23‧‧‧影像比對模組
24‧‧‧位移分析模組
25‧‧‧分布圖繪製模組
26‧‧‧邊坡評估模組
27‧‧‧邊坡位移基準設定模組
3‧‧‧空間資訊與地圖資料庫
[第1A圖]係本發明利用樹木位移監測邊坡的系統及其方法之整體架構示意圖。 [第1B圖]係本發明利用樹木位移監測邊坡的系統及其方法之運算分析伺服器平台之內部架構示意圖。 [第2圖]係本發明利用樹木位移監測邊坡的系統及其方法之整體運作流程圖。 [第3A圖]係本發明利用樹木位移監測邊坡的系統及其方法之使用先進影像處理及人工智慧技術對研究區域之測試邊坡獨立的樹木進行影像切割之測試影像示意圖。 [第3B圖]係本發明利用樹木位移監測邊坡的系統及其方法之使用先進影像處理及人工智慧技術對研究區域之測試邊坡獨立的樹木進行影像切割之影像經輪廓切割後成果示意圖。 [第4A圖]係本發明利用樹木位移監測邊坡的系統及其方法之原始拍攝之地面影像資料示意圖。 [第4B圖]係本發明利用樹木位移監測邊坡的系統及其方法之移動距離等值線示意圖。 [第5圖]係本發明利用樹木位移監測邊坡的系統及其方法之樹木方位角量測示意圖。 [第6圖]係本發明利用樹木位移監測邊坡的系統及其方法之樹木位置移動方向群眾外包判斷結果統計示意圖。 [第7A圖]係本發明利用樹木位移監測邊坡的系統及其方法之2008年樹木移動方向結果統計示意圖。 [第7B圖]係本發明利用樹木位移監測邊坡的系統及其方法之2006年樹木移動方向結果統計示意圖。 [第8圖]係本發明利用樹木位移監測邊坡的系統及其方法之人工智慧影像自動判定位移方向初步分析結果示意圖。 [第9圖]係本發明利用樹木位移監測邊坡的系統及其方法之流程示意圖。
1‧‧‧遙測裝置
2‧‧‧運算分析伺服器平台
3‧‧‧空間資訊與地圖資料庫
Claims (9)
- 一種利用樹木位移監測邊坡的系統,係包含:一遙測裝置,用以於一具有樹木植生之自然邊坡區域中,進行影像拍攝;一運算分析伺服器平台,係與一空間資訊與地圖資料庫相連接,而該運算分析伺服器平台係包含:一樹木位置辨識模組,係與一空間資訊與地圖資料庫相連接,用以能夠接收該遙測裝置所拍攝之地面影像資料、並藉由地面影像資料進行辨識區分出不同樹木,並找出每一棵樹木的樹冠範圍,再由該樹冠範圍中找出一樹木中心最高點,並以該樹木中心最高點代表樹幹中心及其中心位置座標;該樹木位置辨識模組更能夠將該地面影像資料發佈在網站上,用以提供多人能夠以人工辨識方式進行標註出該樹冠範圍中的樹木中心最高點,以代表樹幹中心及其中心位置座標;一資料庫模組,用以儲存不同時間點所拍攝之地面影像資料、所拍攝之地面影像資料中的每一棵樹木的中心位置座標,用以記錄同一棵樹木在不同時間點的位置;一影像比對模組,係與該樹木位置辨識模組及該資料庫模組相連接,用以將不同時間點所拍攝的地面影像資料進行比對,以比對出相對應之樹木;一位移分析模組,係與該影像比對模組及該資料庫模組相連接,用以藉由該影像比對模組所找出之相對應的樹木、並搭配同一棵樹木在不同時間點的位置記錄,進行計算同一棵樹木在不同時間點之位移方向、位移距離和位移速度,並藉由一統計方式進行計算出一位移統計量綜合指標; 一分布圖繪製模組,係與該資料庫模組相連接,用以依據該位移分析模組所計算之同一棵樹木在不同時間點之位移方向、位移距離和位移速度,並綜合所有樹木資訊來進行繪製一位移量分布圖、一方向分布圖及一速度分布圖,並儲存於該資料庫模組中;以及一邊坡評估模組,係與該位移分析模組、分布圖繪製模組及該資料庫模組相連接,能夠進行評估邊坡滑動趨勢及滑動方向,以利專業工程師進行判斷邊坡整體安全性。
- 如請求項1所述之利用樹木位移監測邊坡的系統,其中該遙測裝置係為衛星、飛機、光達、氣球、風箏或無人飛機之能夠空中拍攝之非接觸式工具。
- 如請求項1所述之利用樹木位移監測邊坡的系統,其中該樹木位置辨識模組能夠區分不同樹木,以辨識出每一棵樹木的樹冠範圍,然後利用先進影像處理及人工智慧技術找出該樹冠範圍中的樹木中心最高點,用以代表樹幹中心及其中心位置座標。
- 如請求項1所述之利用樹木位移監測邊坡的系統,其中更包含有一邊坡位移基準設定模組,用以設定出一安全位移標準量,用以於計算出該位移統計量綜合指標後,能夠將該位移統計量綜合指標與該安全位移標準量進行比較,以判斷邊坡位移趨勢是否過大。
- 一種利用樹木位移監測邊坡的方法,其方法為:先選取一待分析之自然邊坡區域,而該待分析之自然邊坡區域係為一具有樹木植生的區域;以一遙測裝置於該待分析之自然邊坡區域中取得地面影像資料; 藉由拍攝取得之地面影像,進行辨識區分出不同樹木,並找出每一棵樹木的樹冠範圍,之後再找出樹冠中的樹木中心最高點,用以代表樹幹中心及其中心位置座標;另外更能夠將所拍攝之地面影像資料發佈在網站上,用以提供多人能夠以人工辨識方式進行標註出該樹冠範圍中的樹木中心最高點,用以代表樹幹中心及其中心位置座標;進行找出與比較不同時間點所拍攝取得之地面影像上相對應之樹木,以進而計算每一棵樹木之位移方向與距離,並以統計方式計算出一位移統計量綜合指標;以及接著,再綜合所有樹木資訊,進行繪製每一棵樹木之位移量分布圖、方向分布圖及速度分布圖,並搭配位移統計量綜合指標,進行評估一定時間範圍內的邊坡滑動趨勢及滑動方向,以供專業工程師進行判斷邊坡整體安全性。
- 如請求項5所述之利用樹木位移監測邊坡的方法,係能夠以所拍攝之地面影像資料中找出每一棵樹木的樹冠範圍,然後利用先進影像處理及人工智慧技術找出樹冠範圍中的樹木中心最高點,用以代表樹幹中心及決定其中心位置座標。
- 如請求項5所述之利用樹木位移監測邊坡的方法,係能夠藉由找出相對應的樹木、並搭配同一棵樹木在不同時間點的位置記錄,進行計算同一棵樹木在不同時間點之位移方向、位移距離和位移速度,之後再依據同一棵樹木在不同時間點之位移方向、位移距離和位移速度,並綜合所有樹木資訊進行繪製該位移量分布圖、方向分布圖及速度分布圖。
- 如請求項7所述之利用樹木位移監測邊坡的方法,係能夠使用人工智慧影像分析來進行計算同一棵樹木在不同時間點之位移方向、位移距離和 位移速度,以藉此來推估邊坡滑動方向、距離及滑動範圍。
- 如請求項5所述之利用樹木位移監測邊坡的方法,其中更能夠設定出一安全位移標準量,用以於計算出該位移統計量綜合指標後,能夠將該位移統計量綜合指標與該安全位移標準量進行比較,以判斷邊坡位移趨勢是否過大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW105110505A TWI597405B (zh) | 2016-04-01 | 2016-04-01 | System and method for monitoring slope with tree displacement |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW105110505A TWI597405B (zh) | 2016-04-01 | 2016-04-01 | System and method for monitoring slope with tree displacement |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI597405B true TWI597405B (zh) | 2017-09-01 |
TW201736676A TW201736676A (zh) | 2017-10-16 |
Family
ID=60719501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW105110505A TWI597405B (zh) | 2016-04-01 | 2016-04-01 | System and method for monitoring slope with tree displacement |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI597405B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI718380B (zh) * | 2018-06-14 | 2021-02-11 | 國立臺北科技大學 | 一種利用點雲判斷岩石不連續面位態的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156968A (zh) * | 2014-08-19 | 2014-11-19 | 山东临沂烟草有限公司 | 大面积地形复杂区域无人机序列影像快速无缝拼接方法 |
TWI501198B (zh) * | 2013-10-31 | 2015-09-21 | Univ Nat Taipei Technology | Slope safety analysis system and its method for applying portable electronic device |
-
2016
- 2016-04-01 TW TW105110505A patent/TWI597405B/zh not_active IP Right Cessation
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI501198B (zh) * | 2013-10-31 | 2015-09-21 | Univ Nat Taipei Technology | Slope safety analysis system and its method for applying portable electronic device |
CN104156968A (zh) * | 2014-08-19 | 2014-11-19 | 山东临沂烟草有限公司 | 大面积地形复杂区域无人机序列影像快速无缝拼接方法 |
Non-Patent Citations (1)
Title |
---|
劉昌軍、劉會玲、張順福,"基於激光點雲直接比較演算法的邊坡變形監測技術研究",岩石力學與工程學報,第34卷增1,2015年5月 * |
Also Published As
Publication number | Publication date |
---|---|
TW201736676A (zh) | 2017-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210089805A1 (en) | Automated system and methodology for feature extraction | |
Deliry et al. | Accuracy of unmanned aerial systems photogrammetry and structure from motion in surveying and mapping: a review | |
Goncalves et al. | UAV photogrammetry for topographic monitoring of coastal areas | |
Lucieer et al. | Mapping landslide displacements using Structure from Motion (SfM) and image correlation of multi-temporal UAV photography | |
Erenoglu et al. | An UAS-assisted multi-sensor approach for 3D modeling and reconstruction of cultural heritage site | |
KR100795396B1 (ko) | 항공레이저 데이터와 수치정사영상을 이용한 도시 변화모니터링 방법 | |
KR102450019B1 (ko) | 드론을 이용한 수질현황 모니터링 방법 및 시스템 | |
CN111062351B (zh) | 一种星/机载影像数据融合识别煤矿区场地特征的方法 | |
Eberhard et al. | Intercomparison of photogrammetric platforms for spatially continuous snow depth mapping | |
Tehrany et al. | Remote sensing data reveals eco-environmental changes in urban areas of Klang Valley, Malaysia: contribution from object based analysis | |
CN108896021B (zh) | 基于航空摄影测量点云提取人工林林分结构参数的方法 | |
Mirko et al. | Assessing the Impact of the Number of GCPS on the Accuracy of Photogrammetric Mapping from UAV Imagery | |
Karl et al. | A technique for estimating rangeland canopy-gap size distributions from high-resolution digital imagery | |
Kim et al. | Disaster Damage Investigation using Artificial Intelligence and Drone Mapping | |
Rau et al. | Semi-automatic shallow landslide detection by the integration of airborne imagery and laser scanning data | |
Zahm et al. | Use of unmanned aerial vehicles (UAVs) to create digital outcrop models: An example from the Cretaceous Cow Creek Formation, Central Texas | |
TWI597405B (zh) | System and method for monitoring slope with tree displacement | |
Liu et al. | Architecture planning and geo-disasters assessment mapping of landslide by using airborne LiDAR data and UAV images | |
Liu et al. | Development of building height data in Peru from high-resolution SAR imagery | |
Chuanxiang et al. | Automatic detection of aerial survey ground control points based on Yolov5-OBB | |
Brigante et al. | USE OF MULTISPECTRAL SENSORS WITH HIGH SPATIAL RESOLUTION FOR TERRITORIAL AND ENVIRONMENTAL ANALYSIS. | |
US20230029573A1 (en) | Mapping Objects Using Unmanned Aerial Vehicle Data in GPS-Denied Environments | |
Liu et al. | The geomorphometry of rainfall-induced landslides in taiwan obtained by airborne lidar and digital photography | |
Reder et al. | UAV-based tree height estimation in dense tropical rainforest areas in Ecuador and Brazil | |
Chen et al. | Intelligent interpretation of the geometric properties of rock mass discontinuities based on an unmanned aerial vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |