[发明专利]一种滑坡无人机线性传感器网络框架检测系统

说明书

本发明提出了一种滑坡无人机线性传感器网络框架检测系统，该系统使用了多个无人机，首先，构建无线传感器网络框架，在滑坡发生时，及时通知控制中心；其次，多个无人机传感器将负责按时采集高敏感区边坡的立体图像；基于得到立体图像和双目模型，可以获得到深度信息；利用深度信息和加速鲁棒特征(surf)检测，关键点特征信息被构造成支持向量机的输入数据(SVM)；利用python语言设计了一种支持向量机算法，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；最后，通过实验证明了该方法的有效性，本发明适用于局部山区的降雨诱发滑坡监测。

技术领域

本发明一种滑坡无人机线性传感器网络框架检测系统，属于山体滑坡预警技术领域。

背景技术

滑坡是一种大规模的灾难性地质灾害。滑坡造成的交通阻塞和建筑破坏，可能会严重威胁到居民的安全，会给经济造成巨大的损失,近年来，随着社会经济的快速发科学技术，人类活动对自然环境的影响越来越大，由于人为因素，山体滑坡事件变得更加频繁。因此，为了尽量避免潜在滑坡造成的损失，有必要对经常发生滑坡的地区进行监测，及时提醒人们注意地质灾害。

滑坡位移监测是跟踪滑坡的运动状态,该方法通过滑坡运动的方向和速度量来跟踪滑坡当前的变化趋势，进而预测滑坡发生的可能性。滑坡位移监测可以直观地反映滑坡灾害的演变过程,并使用了不同的技术，例如激光测距技术，GPS技术，卫星雷达技术以及其他遥感技术。

大多数利用地表结构分布的滑坡监测系统是由数字高程模型(DEMs)来定义的，DEMs是利用遥感技术来评估滑坡灾害。创建高质量的数字高程模型需要高分辨率的卫星数据。然而，由于时空区域信息密度巨大，卫星数据既耗时又非常昂贵。

为了克服这些不足，一些学者考虑采用结构运动(SfM)与无人机(UAV)相结合的方法来产生高分辨率的DEMs，用于详细的地貌应用。Paolo提出了一种滑坡监测系统，该系统描述了多传感器无人机在空间(广泛)方面的演变，无人机系统可用于更新鸟瞰图，并支持密集监测系统设计和数据解释。Ma利用无人机拍摄数据，给出了滑坡的几何特征和运动特征。Roberta描绘了滑坡的形态和地貌特征，并测量了滑坡体内的水平位移和高程变化差异。

其中，Busa采用综合方法评估滑坡运动，利用无人机摄影测量技术建立了地形模型，该模型可以识别从空间到亚厘米的滑坡位移或通过小型无人机创建高分辨率模型。Kamila提出了一种新的滑坡特征识别和形态映射技术，该技术使用计算机辅助方法来增强视觉解释HRDEM。两种提到的方法都使用图像技术来识别滑坡的表面形态。

为了分析滑坡易感性，一些研究人员考虑利用SVM对以往引起滑坡的相似地质条件下的滑坡图像进行分类。Lee通过从基于GIS的数据库中提取的18个因子作为训练数据，应用SVM绘制滑坡敏感性图。Pham提出了一种新的混合智能模型，该模型将MultiBoost与SVM相结合，可以更准确地评估滑坡的易感性。Kuma采用三种不同的支持向量机变体进行滑坡易感性制图。与上面提到的所有结果一样，训练数据是通过使用航空摄影从基于GIS的数据库中提取的，该模型的预测能力取决于使用数据的质量。但是，由于使用了基于GIS的数据库中提取的特征，因此需要大量的计算工作。收集这些表面形态特征的方法是费时且资源密集的。

随着计算机视觉技术的出现，直接从图像中提取的因素将减少计算资源的消耗。滑坡检测只需要几个关键点。减少相似图像的数量，提取关键信息在滑坡监测中更有意义。

目前许多研究人员已经考虑建立一个滑坡敏感度图，以来区分不同级别的滑坡易发区，然而，为了防止滑坡的伤害，灾害控制中心更重要的是确定滑坡发生的时间和地点在哪些高度敏感的地区。为此，提出了一种适用于局部山区的降雨诱发滑坡监测系统。

发明内容

本发明克服了现有技术存在的不足，提供了一种滑坡无人机线性传感器网络框架检测系统，节省能量并延长系统运行时间。