[发明专利]一种基于无人机靶向技术的边坡位移监测方法

权利要求书

1.一种基于无人机靶向技术的边坡位移监测方法，其特征在于，包括以下步骤：

S10、在拟监测的疑似不稳定边坡上预先设置一些易于识别的监测点标识及疑似不稳定边坡周边稳定边坡上的控制点标识：根据现场边坡特征选择布设监测点与控制点标识，确保无人机可以采集到高清的标识照片，通过图像处理的手段获得监测点的坐标；

S20、利用无人机对现场布设的监测点采集高清照片：构架基于无人机现场采集边坡的高清照片系统；

S30、通过图像处理对无人机拍摄照片中监测点坐标进行提取：基于MATLAB对无人机先后两次拍摄的待测边坡采集的高清照片进行图像处理，通过图像处理对无人机拍摄照片中监测点坐标进行提取；

S40、检验并优化生成具有高绝对位置精度的坐标点：为了控制精度减小误差，将从测量方法和图像处理精度两方面考虑；

S50、对比两次拍摄照片监测点的坐标进行边坡位移的计算：对提取出来的像素坐标，进一步处理计算出边坡实际发生的位移量；

S60、边坡位移的精度检验：通过其坐标变化，将所得坐标转化为三维坐标进行解算，求得实际位移；

在所述步骤S30中，基于MATLAB语言对边坡照片进行预处理：

S301、首先使用Sobel算子对图像二值化处理，包括检测图像的边缘，统计边缘上的像素；在这些边缘像素点上进行二值化阈值的自动选择；对其他非边缘像素点采用常规二值化方法进行处理；

S302、然后在二值化处理之后，确定圆形监测标识的质心点或边界点，从而确定监测点与控制点之间的距离，最后提取监测点的像素坐标；

在所述步骤S40中，还包括以下步骤：

S401、验证位移计算的精度：预先在拟监测疑似不稳定边坡上设置监测标识，两个横向标识之间的距离为X，纵向标识之间距离为Y，然后对目标区域的标识进行两次拍摄，用第一次航摄照片计算出的标识中心点坐标，用第二次航摄照片计算出的标识与中心点坐标，分别计算每组标识的之间的横向距离，与原始标识距离进行对比，舍去误差较大的标识点；

S402、减小测量方法引起的误差：当监测标识附近存在与其颜色相近的物体时，可能会识别出错误的标识并直接导致该点处位移结果出现偏差，因此应尽量选择与边坡场景颜色差别较大的监测标识；

S403、提高图像处理精度：基于MATLAB对无人机采集高清照片进行图像处理时，应采用更易识别的HSV色彩空间判别法和sobel边缘检测算子。

2.如权利要求1所述的基于无人机靶向技术的边坡位移监测方法，其特征在于，在所述步骤S10中，还包括以下步骤：

S101、现场标识点测量方法的选择：选择GPS RTK测量技术；在GPS定位受到限制的区域应选择全站仪进行控制点的确定；对于一些高陡边坡，可以采用多种技术相结合的手段；

S102、监测点布设的选择：选取色度稳定性好、抗干扰性好、穿透能力强的颜色，所设置标识体的形状也应选用比较规则图案；

S103、控制点布设的选择：在边坡较为稳定处选出露的基岩、公路，如果无直接可辨控制点的位置，则需在地面上放置清晰显著的辅助标识，并且控制点标识应沿疑似滑坡体四周布设。

3.如权利要求1所述的基于无人机靶向技术的边坡位移监测方法，其特征在于，在所述步骤S20中，还包括以下步骤：

S201、基于无人机进行边坡高清相片采集的系统构建：为了实现边坡位移监测的需求，以四旋翼无人机大疆精灵4Pro，全站仪为基础，对地面标识点进行采集拍照；

S202、无人机采集边坡监测点、控制点高清照片：确保无人机于云台各项参数及状态正常后，在布设的控制点位置起飞，确保飞行高度一定，进行边坡影像采集。

4.如权利要求1所述的基于无人机靶向技术的边坡位移监测方法，其特征在于，在所述步骤S50中，还包括以下步骤：

S501、根据求得的投影阵目标质心、面积参数，拟以针孔投影构成的位移阵与投影阵目标质心、面积参数的空间关系，计算出摄像距离阵、观测标识与定位标识投影距离阵、深度差阵等距离参数，得到三维解算所需各类距离信息；

S502、然后采用空间三点定标方法，完成位移阵空间数据解算，进而求得实际发生位移量。

5.如权利要求1所述的基于无人机靶向技术的边坡位移监测方法，其特征在于，在所述步骤S60中，通过其坐标变化，将所得坐标转化为三维坐标进行解算，求得实际位移，对布设的监测标识照片在同一时间段进行多次采集，然后分别计算其实际位移，求得实际位移的误差，检验是否满足精度要求。