基于无人机测绘技术的露天矿区边坡变形识别方法.pdf

中国科技期刊数据库 工业 A 收稿日期：2023 年 12 月 22 日 作者简介：田勇强（1985），男，汉族，内蒙古准格尔旗人，本科，任职于国能准能集团有限责任公司，中级工程师，研究基于无人机测绘技术的露天矿区边坡变形识别方法 田勇强 国能准能集团有限责任公司，内蒙古 鄂尔多斯 010300 摘要：摘要：在露天矿区中，需要精准识别边坡变形。采用无人机测绘技术，通过无人机倾斜测量技术，对露天矿区边坡图像进行采集。运用尺度不变特征变化算法，在图像中对边缘特征点进行提取，从而达到图像配准。对图像的倾斜、偏移现象，采用空三解算法及小面元微分校正法处理。在配准后图像中，对监测桩特征点进行提取，并对监测桩位移进行计算，得出位移云图。将边坡三维模型重构，解算识别边坡变形。研究显示，该技术准确率较高，可做到精准识别，对监测边坡变形及预报灾害有重要意义。关键词：关键词：无人机测绘技术；露天矿区；边坡变形；识别方法 中图分类号：中图分类号：P231 0 引言 露天矿开采过程中，经常出现半永久或临时性的边坡。其中临时性边坡开采周期短，允许期内可出现一定滑坡。而半永久边坡由于开采使用时间较长，因而对于安全性要求较高。如果出现滑坡、坍塌等事故，将会造成严重后果，可能造成经济损失或人员伤亡。因此，在露天矿区开采中，必须注重把控边坡不稳定风险。需要采用有效的技术方法，对露天矿区边坡情况准确识别，监测其状态变化，及时发现存在的风险及隐患，进而采取有效措施加以处理，保证作业安全。1 露天矿区边坡变形识别的基本现状 在露天矿区安全生产及管理工作中，边坡管理是一项重要的内容。而在以往的工作过程中，主要是侧重于监测边坡变形。借助高精度机器人技术，测量相关数据，进而观察边坡变形情况，了解边坡垂直方向或水平方向上发生的位移。但是如果利用这种先进的测量机器人，将会大大增加费用成本，因而实际应用受限1。运用三维电子罗盘技术进行测量，也可在一定程度上实现边坡变形监测。不过在露天矿区中，地形因素可能影响检测过程，进而导致最终测量结果精确度下降。目前，在边坡变形监测和识别方面，不同的技术手段优缺点都比较明显。而露天矿区所处区域通常比较复杂，例如峡谷、高山等，整体上来看环境较为恶劣。如果使用全站仪等设备测量，虽然得到的结果比较准确，但是在作业过程中会面临较大的难度，所以对于露天矿区边坡变形测量与识别并不完全适用。近年来，随着技术水平的不断发展，无人机技术在各个领域中都得到了广泛的应用，同时也取得了十分理想的效果。在地形测绘方面，将无人机测绘技术应用在露天矿区边坡变形识别当中，可以高效准确的采集各类相关的空间数据。运用无人机搭载相机完成多角度测量作业。通过各类先进技术手段的有效结合应用，使数据采集的上限被打破2。这项技术的优势非常明显，例如速度快、成本低、准确性高等。在露天矿区边坡变形识别中，通过对无人机测绘技术的良好应用，可以显著提高识别测量的精确度水平。2 无人机测绘技术在露天矿区边坡变形识别中的应用 2.1 无人机测绘数据采集 运用无人机测绘技术，采集相关的数据信息，在矿山开采之前，应做好充分准备工作，全面分析了解矿区的具体情况。加强实地调研分析，精准确定识别范围，同时对相关要求加以明确，及时了解矿山区域实际情况，包括是否存在禁飞区3。根据采集数据分析结果，按照 1：500 地形图，将分辨率设置为 5.5cm，保证了数据结果精确性及绝对坐标，得出的数字图像精度较高。在完成监测桩设置之后，应当充分考虑其稳定性，确保周期达到 3 天以上。在无人机数据采集过程中，主要以低空倾斜摄影层面为侧重点，同时控制好外业相控点测量结果。露天矿区的实际特点一般具有隐蔽性，因此在无人机测量过程中，需要采用监测桩配合，提高摄影测量工作质量，顺利取得原始图176中国科技期刊数据库 工业 A 像。获取控制点信息，在后续边坡位移计算中应用。利用监测桩测量获取控制点，通过矿区地形特点进行倾斜摄影，进而采集边坡相关数据信息4。2.2 无人机测绘图像配准 无人机数据采集过程中，容易受到一些因素的影响，例如光照条件等，可能导致图像重叠问题。所以，需要对无人机测绘图像进行配准，完成特征点的匹配和校正。2.2.1 特征点匹配 运用尺度不变特征变的算法，分析处理原始图像，将边缘特征点提取出来，将欧氏距离作为特征点相似度量标准。在此过程中，为确保特征点匹配取得较高的精确度，需要对目标函数进行设计5。通过对最小点集的反复提取，获得函数初始值，计算获取的初始值，划分为内外布点，进而对目标函数参数重新求解。基于随意采样一致性原则，将错误匹配点准确识别。2.2.2 特征点校正 无人机测绘采集过程中，得到的图像变形较大，因此在特征点匹配完成之后，还需要采取小面元微分校正法处理，校正图像偏移。具体过程是，取得特征点之后，利用 Delaunay 技术，构建三角网，再利用三角网划分图像，呈现为较小的面元。在实际划分过程中，应当关注图像一次变形问题。针对图像呈现倾斜缺陷问题，采用空三解算方法进行处理，保证 图像中部位呈现特点的准确性。校正图像偏移成功之后，需要增设 3个像控点，并且局限于次平差空间之内。实际开展过程中，应当注意每个像控点均可获取 3 张图片6。之后开展刺点处理，根据之前空三结果，预判可能存在的误差情况。到了这一阶段，得出的误差数值相对较高，在全部刺点处理完成后，应当校正图像倾斜问题。2.3 无人机边坡变形识别 2.3.1 监测桩位移计算 在监测桩位移计算过程中，采用了两两匹配的策略，利用无人机完成测绘作业，从而得到相对应的原始图像。在这部分内容结束之后，可以对监测点图像特征加以获取。借助监测点空间坐标和相机参数，进而计算出特征点的空间坐标7。再将得到的特征点安排为基准点，以此开展依序计算操作，对不同监测桩空间坐标季妮星取得。利用当前的特征点，通过应用可以识别监测桩轮廓。在此基础上，综合特征点开展相应计算，进而对中心空间坐标加以取得。2.3.2 边坡三维重构 通过应用差值算法技术，对图像偏移等问题做出处理，构建相对应的三维模型。运用高精度图像匹配技术，得到相应的三维点云。这一阶段取得的图像一般是黑白图像，利用点云技术建立相对应的 TIN 网，对白模图像加以获取。利用空三解算技术处理后，得到图像外方位元素。根据这些数据信息，对点面视觉部位进行计算8。通过图像对适当的纹理加以查找，进而完成后续的着色操作。最终建立边坡实景模型。在构建三维模型的过程中，涉及到的数据信息量比较庞大，因此需要采取模型分块处理，构建与之相匹配的层次细节模型。在这项工作开展中，可以按照电脑内存开展具体的分块设置，最终得到相适应的模型效果。2.3.3 边坡变形分析 对边坡稳定性做出分析判断，将边坡变形状态准确识别。按照不同边坡位移系数、稳定性系数等参数，对边坡稳定性水平做出评价。利用特定公式，计算出边坡位移的稳定系数。具体公式为：2dq=)1(21n1121)(niiidd；dr=22ddsq。其中，均方根差用2dq代表，位移稳定系数用dr代表，位移测量值标准差用2ds代表。假设在某个时间段当中，边坡变形状态处于相对稳定的情况，没有显著的变化产生，则这一阶段dr无限接近 1。dr和边坡稳定性之间，具有正比例的关系，如果dr数值越高，则边坡不稳定性越高。如果边坡位移计算结果存在较大的波动性，那么2dq数值也会逐渐增加，因此dr的数值也会有所增加，并无限接近 1。按照位移波动的结果能够了解到边坡位移变形的情况。不过只利用稳定性系数对边坡变形状态做出分析，可能出现一定的差错，所以可以利用位移变异系数 td对边坡变形情况进行识别。具体计算公式为：td=Sd/Ed。其中，位移测量值数学期望利用 Ed代表，正常来说其数值不能是 0。测量位移过程中各期望值之间的相对离差用 td代表。根据位移变异系数、稳定化系数等参数进行综合评估，能够对边坡变形状态做出精准识别9。3 无人机测绘技术在露天矿区边坡变形识别中的效果 177中国科技期刊数据库 工业 A 开展图像采集作业的时候，能够运用机器人识别，得到相对精准的图像信息。不过，这项技术也具有一定的不足之处，例如图像匹配方面存在问题，可能出现一定的图像扭曲，代表了配准结果未能达到理想的精确度。如果运用罗盘识别技术辅助，获取的最终结果在精准度方面也可能存在一些问题。在实际获取匹配中得到特征点的时候，最终结果也可能无法满足精准性要求。因此，即便是采取了图像处理，仍然可能存在一定的问题。在本研究当中，应用了相对更为理想的图像技术，能够保证得到满足工作要求的清晰图像，而后相应的配准结果也比较理想。因而在后续实验研究过程中，能够提供较好的支持。在实际开展实验分析的过程中，分别在研究区域中设置15个监测点，运用 3 种技术对边坡变形情况做出识别。在罗盘识别技术中，得出位移识别结果，与实际位移之间具有较大的误差，由此可以得知，数据采集过程中受到了一些因素的干扰，因而导致识别效果不理想。在机器人识别技术中，尽管位移识别结果有所改善，但是仍未能达到最理想的效果，还有较大的进步可能。而本研究中获取的位移识别结果，与实际位移数据进行比对，二者之间的误差最小。由此可以得知，运用该无人机测绘技术开展边坡识别，在数据采集方面精准性更为突出，识别效果也能达到理想的状态10。在露天矿区边坡变形识别的具体作业当中，应用的技术应当在完成图像配准之后，再开展三维重构操作。而在三维重构的过程当中，也需要调整相应的颜色权重等指标，因为这些指标对于边坡识别效果都会带来不同的影响。在本研究分析结果中能够得知，在单一颜色权重情况下，所获取的识别精确程度会有所下降，尤其是在单一纹理权重情况下，得出的准确率结果处于最低水平。而当颜色权重和纹理权重达到相同标准时，取得的识别率也会达到更高的状态。为了明确该项技术的具体效果，分别选择不同颜色权重和不同纹理权重的配比，对比不同权重条件下边坡变形识别的准确率。具体如表 1 所示。通过表 1 能够得出，如果其他条件保持不变，应用无人机测绘技术识别露天矿区边坡变形识别，各监测点边坡变形状态识别都能达到较高的准确率，识别效果较为理想，因而实际应用价值较高。表 1 不同颜色权重及不同纹理权重条件下无人机测绘边坡变形识别准确率 颜色权重 纹理权重 识别准确率（%）1.00 0.00 82.34 0.90 0.10 83.46 0.80 0.20 84.69 0.70 0.30 85.47 0.60 0.40 88.39 0.50 0.50 95.93 0.40 0.60 89.42 0.30 0.70 84.37 0.20 0.80 80.41 0.10 0.90 78.24 0.00 1.00 71.64 4 结论 在露天矿区边坡变形识别当中，运用无人机测绘技术，能够保证图像获取的精确度，结合图像配准操作，可以将图像中的倾斜、偏移情况消除，并对三维实景模型进行重构。同时借助差值算法、空三解算方法等进行处理，确保边坡识别基础稳定，借助监测点位移信息，将边坡变形有效识别。该技术具有多方面的优势，具有较高的应用价值。参考文献 1杨小鹏,高炜程,渠晓东.基于微多普勒角点特征与Non-Local机制的穿墙雷达人体步态异常终止行为辨识技术J.雷达学报,2023,12(23):1-19.2张书衡,翟茹萍,刘永凯.基于通信域和雷达域融合特征的无人机集群类型识别算法J.系统工程与电子技术,2023,45(12):3734-3742.3余加勇,薛现凯,陈昌富,等.基于无人机倾斜摄影的公路边坡三维重建与灾害识别方法J.中国公路学报,2022,35(4):166-169.4林森,邓温悌,田卿燕,等.基于免像控无人机技术的高速公路边坡快速检测方法研究J.甘肃水利水电技术,2022,58(10):28-32.5徐东华,谭金石,苏一丹.无人机倾斜摄影测量技术在露天矿区监测中的应用研究J.广州航海学院学报,2019,27(3):145-147.178中国科技期刊数据库 工业 A 6米元桃,罗箱陇,丁钇,等.基于三维激光扫描和无人机航空摄影的水电站高边坡建模技术研究以叶巴滩水电站为例J.四川水利,2023,44(6):5-7.7吕权儒,曾斌,陈刚,等.基于无人机倾斜摄影技术的崩塌隐患早期识别及影响区划分方法J.地质科技通报,2021,33(21):133-135.8李长作,燕东源,郝海龙,等.基于无人机摄影技术的露天煤矿深基坑变形实时监测研究J.能源与环保,2023,45(3):257-262.9徐东华,谭金石,苏一丹.无人机倾斜摄影测量技术在露天矿区监测中的应用研究J.广州航海高等专科学校学报,2019,43(21):112-113.10马立华,郑永虎,丛晓明,等.无人机倾斜摄影测量三维仿真飞行在龙羊峡水电站高陡边坡数据获取中的应用J.青海科技,2020,27(6):146-153.179