[发明专利]一种滑坡无人机线性传感器网络框架检测系统

权利要求书

1.一种滑坡无人机线性传感器网络框架检测系统，其特征在于，利用多个无人机传感器按时采集高敏感区边坡的立体图像，建立双目模型，基于得到立体图像和双目模型获得深度信息，以及加速鲁棒特征和双目视觉模型，计算关键点的坐标，考虑到特征分析中的缺陷，将粗糙度指数，开放度和地形位置指数这三个特征用作支持向量机的输入，其中：

粗糙度指数表示滑坡群内n个地形像素的取向矩阵；用于区分滑坡和非滑坡，识别滑坡群内的单个形态学区域，并估计两个相邻区域的相对近期活动，限定(x₁,y₁,z₁),…,(x_n,y_n,z_n)作为n个单位矢量的集合即垂直于n个地形像素；然后，可以从下式获得向量的取向矩阵T；

矩阵的特征值(k1,k2,k3)描述了数量和向量方向集的性质；

开放度表示的就是表面位置的平均高程值；与原始数字地形模型(DTM)不同，DTMk_i是一个插值DEM，其中每个网格单元代表具有内核大小的移动窗口的平均高程值；

可以通过以下公式计算出在DEM上距离为L的正开放度φ_L和负开放度Ψ_L的表面位置，其中Dφ_L是天顶角，DΨ_L是天底角，D是从北方顺时针方向测量的方位角方向，L是计算的基本极限；

φ_L＝(0φ_L+45φ_L+…+315φ_L)/8；

Ψ_L＝(0Ψ_L+45Ψ_L+…+315Ψ_L)/8；

地形位置指数表示的就是测量地形图像坡度位置的标高和平均标高的差，地形位置指数(TPI)：TPI用于测量地形图形坡度位置；为TPI值应用特定阈值可以识别不同的地形地貌，例如由于滑坡陡坡大多发生在山脊上，因此TPI指数增强了滑坡陡坡的代表性；TPI如下测量中心点z₀处的标高与其在预定半径R之内的平均标高之差；

TPI正值表示中心点位于较高位置低于其平均环境，而负值表示低于位置；TPI的范围不仅取决于海拔差异而且在R上；较大的R值主要显示主要景观单位，而较小的值则突出显示较小的特征；

利用python语言设计支持向量机的算法，并实时执行，利用该算法，将无人机采集到的实时图像和滑坡预警信息发送到控制中心进行进一步分析，为决策提供参考。

2.根据权利要求1所述的一种滑坡无人机线性传感器网络框架检测系统，其特征在于，所述无人机传感器采用降雨作为事件触发机制，根据降雨量的大小，设计了三种事件触发条件，控制中心将指示不同数量的无人机采用时间触发机制进行工作，基于这种混合触发机制，通过与无人机相关联的立体摄像机来收集实时图像。