[發(fā)明專利]一種基于實景三維的滑坡危險性監(jiān)測預警方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202310768265.5
• 申請日: 2023-06-28
• 公開（公告）號: CN116504032B
• 公開（公告）日: 2023-09-22
• 發(fā)明（設計）人: 方軍;張潤林;黃慧琴;楊振升;韓用順
• 申請（專利權）人: 湖南科技大學
• 主分類號: G08B21/10
• 分類號: G08B21/10;G08B31/00;H04N13/275;H04N7/18;G06V20/13;G06V20/17;G06V20/10
• 代理公司: 北京知藝互聯(lián)知識產(chǎn)權代理有限公司 16137
• 代理人: 孟晨光

1.一種基于實景三維的滑坡危險性監(jiān)測預警方法，其特征在于：包括以下步驟：

S1，多源數(shù)據(jù)融合處理：收集滑坡相關數(shù)據(jù)進行集成融合處理；

S1中，收集滑坡相關的基礎地理信息數(shù)據(jù)、衛(wèi)星遙感影像、無人機影像、激光點云數(shù)據(jù)、地質環(huán)境數(shù)據(jù)、歷史地質災害數(shù)據(jù)、災害專業(yè)監(jiān)測數(shù)據(jù)、監(jiān)控視頻數(shù)據(jù)、人工巡查上報數(shù)據(jù)，將這些多源數(shù)據(jù)進行集成融合處理；異構數(shù)據(jù)進行數(shù)字化和格式轉換，統(tǒng)一數(shù)據(jù)基準和坐標投影，完成影像拼接和數(shù)據(jù)配準，實現(xiàn)靜態(tài)地理空間數(shù)據(jù)與動態(tài)物聯(lián)感知數(shù)據(jù)同步匹配，構建實景三維滑坡數(shù)據(jù)圖；

S2，大尺度場景建模與分析：

S21，影像選取與預處理；S22，影像稀疏匹配；S23，區(qū)域網(wǎng)平差；S24，稠密匹配生成點云；S25，三角網(wǎng)構建；S26，紋理映射；S27，地形級Mesh模型；S28，特征普查；

S2中，利用衛(wèi)星遙感數(shù)據(jù)或無人機影像數(shù)據(jù)結合地質環(huán)境普查數(shù)據(jù)，進行滑坡全局范圍的普查，完成分辨率精度為米~厘米級的大尺度滑坡場景重建，分析并提取大場景滑坡相關特征和參數(shù)；

S21，影像選取與預處理：選取成像質量高、無云霧影響、色調一致的高分辨率的衛(wèi)星影像和無人機影像，根據(jù)需要進行去云霧、勻光勻色、畸變校正、鑲嵌增強的圖像預處理；

S22，影像稀疏匹配：從立體像對或多視影像中提取穩(wěn)健的特征點，并建立同名特征點之間的對應關系，識別出兩幅或者多幅影像中具有相同結構的圖像內容并建立準確的映射關系；

S23，區(qū)域網(wǎng)平差：利用各影像的內、外方位元素及POS信息進行空中三角測量，以影像間同名點作為連接點，構建自檢校區(qū)域網(wǎng)平差誤差方程，求得內外方位元素和連接點物方三維坐標；

S24，稠密匹配生成點云：利用影像間相對位置關系，進行每個像素同名像點的密集匹配，進行前方交匯得到地物表面三維點云；

S25，三角網(wǎng)構建：基于稠密地表三維點云構建三角網(wǎng)，得到連續(xù)的三角網(wǎng)表面模型，三角網(wǎng)表面模型為Mesh白模；

S26，紋理映射：根據(jù)物方與像方的幾何關系，對白模進行自動紋理映射；

S27，地形級Mesh模型：形成全域大尺度的一套連續(xù)的真實場景三維模型；

S28，特征普查：通過大尺度實景三維模型進行米級、厘米級災害范圍的圈定，對周邊地形地貌、植被、地物、孕災環(huán)境特征進行普查；

S3，中尺度場景建模與分析：

S31，中尺度數(shù)據(jù)采集與處理；S32，點云融合；S33，模型重建；S34，特征詳查；

S3中，利用無人機近景影像和激光點云數(shù)據(jù)進行災害體詳查，完成中尺度滑坡三維實景建模，并分析提取滑坡體特征和參數(shù)；

S31，中尺度數(shù)據(jù)采集與處理：針對潛在的災害區(qū)域，采用無人機貼近攝影測量技術，面向災害體采集多角度毫米級空間分辨率的近景影像，經(jīng)過空中三角測量解算和稠密匹配生成密集點云，在植被遮擋、光線不足復雜條件下，利用高精度三維激光掃描儀采集毫米級點云數(shù)據(jù)，經(jīng)過點云去噪和濾波處理，分離出植被覆蓋下的地面點和非地面點；

S32，點云融合：無人機影像密集點云與預處理后的三維激光點云互相補充，進行配準、評價和融合；

S33，模型重建：融合后的完整點云進行三角網(wǎng)重構，進行紋理映射和模型貼圖，生成中尺度Mesh模型；

S34，特征詳查：基于中尺度滑坡實景三維模型，對滑坡災害發(fā)育特征、成災機理、致災因子進行毫米級提取和分析；

S4，小尺度場景建模與分析：

S41，數(shù)據(jù)分析；S42，單體重建；S43，模型完善；S44，紋理貼圖；S45，數(shù)據(jù)派生；S46，單體特征分析；

S4中，進行實景三維模型單體化剖分，完成地上相關地物框架結構和地下滑坡地層結構的部件級重建，分析提取細部特征和參數(shù)；

S41，數(shù)據(jù)分析：整合三維Mesh模型、激光點云、紋理照片及鉆孔地質資料的滑坡數(shù)據(jù)，統(tǒng)一數(shù)據(jù)基準，分析滑坡相關實體剖分結構和巖土體性質；

S42，單體重建：分別構建滑坡剖分模型和三維地層模型；

S43，模型完善：通過裁剪、修補、漏洞填充方法，完善重建滑坡結構體和地質體三維模型；

S44，紋理貼圖：完善和修復細節(jié)部位的紋理，完成模型表面紋理貼圖；

S45，數(shù)據(jù)派生：通過二維矢量或三維數(shù)據(jù)采集或派生完成地物實體的單體化補充和地理單元的拓撲層次構建；

S46，單體特征分析：提取滑坡場景中各單體模型的三維空間精細特征信息；

S5，滑坡知識關聯(lián)與實體建庫；

S6，滑坡風險多尺度動態(tài)評估；

S7，滑坡多指標監(jiān)測預警。