本发明专利技术涉及一种基于影像SURF特征的边坡位移自动监测方法，该方法为步骤1：通过相机获取露天矿边坡监测序列影像图像，采用SURF算法对采集的序列影像图像进行兴趣点提取，并对各幅影像图像进行兴趣点匹配，实时监测当前影像图像与上一幅影像图像中相匹配的兴趣点的位移，将序列影像图像中的兴趣点的三维坐标转换为WGS‑84世界大地坐标系边坡位置点的绝对坐标位置，将当前影像图像中的各个兴趣点对应的边坡位置点与上一幅影像图像相匹配的兴趣点对应的边坡位置进行对比，若其中某个兴趣点对应的边坡位置点发生的实际位移超出边坡位移阈值，判定该边坡位置具有失稳或滑坡倾向。
【技术实现步骤摘要】
本专利技术属于露天矿边坡监测
，具体涉及一种基于影像SURF特征的边坡位移自动监测方法。
技术介绍
在我国现代化建设中，各种矿产资源起着基础性的作用。然而，在我国的各类露天矿山的开发与开采过程中，却时常受到一些矿山灾害的影响，其中边坡岩体安全性是制约着矿山生产效益和安全的最主要影响因素。边坡是自然或人工开挖形成的斜坡，是人类工程活动中最基本的地质环境之一，也是工程建设中最常见的工程形式。作为全球性三大地质灾害(地震、洪水、崩塌滑坡泥石流)之一的边坡失稳塌滑，是矿山开采过程中经常遇到的主要的灾害形式之一，对国家财产和矿山人员生命安全有着严重的威胁。因此对边坡的正确认识，合理的设计、及时监测，适当的治理，把边坡失稳造成的灾害降低到最低限度，是工程界设计施工人员必须考虑的问题。人类在边坡问题的监测和治理上做过很多努力，包括认识滑坡机理，完善边坡稳定分析理论和方法、开发滑坡治理、监测技术和滑坡预报。其中边坡动态监控及预测预报技术是边坡稳定研究中的核心内容和技术关键，在采矿工程和工程地质领域占有重要的地位。虽然，通过许多专家学者对边坡的地质环境和岩土性质的分析，已经在边坡变化及失稳的原因及变化趋势等有较深的理论基础，但是，理论在实际中的具体应用却亟待解决，如何实时快速的获取边坡早期位移变化，对边坡失稳和滑坡预报有着重要作用。针对露天矿边坡的位移变化监测，若采用传统的水准仪、全站仪等测量方法，不仅实时性不高、人力花费大，而且测量人员的安全很难保证；若采用GPS监测的方法，虽能达到实时监测的效果，但是GPS测站点的架设难度高、花费大，而且一旦出现边坡失稳及滑坡，会破坏GPS测站点。所以实施远距离的实时监测是一种比较实用的方式。目前，不接触待测量物体进行实时测量，并且实现简单的方法是采用摄影测量方法。针对上述要求，国内外已经提出一些基于机器视觉的目标监测方法，主要通过采用电荷耦合器件(CCD，ChargeCoupledDevice)或互补金属氧化物半导体(CMOS，ComplementaryMetalOxideSemiconductor)作为感光元件的数码摄像机或模拟信号摄像机，来获取待监测目标的序列影像或视频影像，并将获取的影像传输至计算机上进行计算处理，分析不同时刻获取的影像之间的目标变化。但是通常状况下视频监控所获取的目标影像分辨率较低，无法实现目标精确监测；另外若不能采用比较快速有效的图像变化监测算法，很难同时实现监测的实时性和准确性。
技术实现思路
针对现有技术的不足，本专利技术提出一种基于影像SURF特征的边坡位移自动监测方法。一种基于影像SURF特征的边坡位移自动监测方法，包括以下步骤：步骤1：通过相机间隔固定时间采集露天矿边坡的监测影像，获取露天矿边坡监测序列影像图像；步骤2：通过采集的露天矿边坡监测序列影像图像以及相机位置确定序列影像图像的三维坐标；步骤3：采用SURF算法对采集的序列影像图像进行兴趣点提取，并对各幅影像图像进行兴趣点匹配；步骤3.1：计算每一幅影像图像中各个像素点的积分图像；所述影像图像I的像素点x＝(x，y)T的积分图像IΣ(x)如下所示：IΣ(x)=Σi=0i≤xΣj=0i≤yI(i,j);]]>其中，I(i，j)为影像图像中的像素点，0≤i≤x，0≤j≤y；步骤3.2：建立影像图像的各个像素点的Hessian矩阵的行列式；所述影像图像I的像素点x＝(x，y)T的Hessian矩阵的行列式如下所示：H(x,σ)=Lxx(x,σ)Lxy(x,σ)Lxy(x,σ)Lyy(x,σ);]]>其中，σ为尺度因子，Lxx(x，σ)为高斯二阶导数在像素点x处与影像图像I的卷积，Lxy(x，σ)为高斯二阶导数在像素点x处与影像图像I的卷积，Lyy(x，σ)为高斯二阶导数在像素点x处与影像图像I的卷积；步骤3.3：采用盒子滤波器对各个像素点的Hessian矩阵的行列式进行加速计算；所述采用盒子滤波器对各个像素点的Hessian矩阵的行列式进行加速计算的公式如下：det(Happrox)＝DxxDyy-(0.9Dxy)2；其中，det(Happrox)为像素点的Hessian矩阵的行列式的近似值，Dxx、Dyy和Dxy为盒子滤波器的模板；步骤3.4：通过改变盒子滤波器的模板大小构建影像图像的尺度空间，对尺度空间每一层下像素点的Hessian矩阵行列式的值进行三维非极大值抑制，得到影像图像的各个空间尺度下的兴趣点；步骤3.5：确定各幅影像图像中各个空间尺度下的兴趣点描述子，通过兴趣点描述子对各幅影像图像的兴趣点进行匹配。步骤6：设定边坡位移阈值，将当前影像图像中的各个兴趣点对应的边坡位置点与上一幅影像图像相匹配的兴趣点对应的边坡位置进行对比，若其中某个兴趣点对应的边坡位置点发生的实际位移超出边坡位移阈值，则判定该边坡位置具有失稳或滑坡倾向，否则，返回步骤1。所述的序列影像图像的像素≥2000万。所述的各幅影像图像中各个空间尺度下的兴趣点描述子的元素的大小和方向由影像图像的二维方向上的Harr小波响应值的分布确定。本专利技术的有益效果是：本专利技术提出一种基于影像SURF特征的边坡位移自动监测方法，该专利技术可以实时不间断的观测边坡，监测滑坡早期位移变化。该专利技术方法实现速度快、使用成本低、监测实时性高、准确度较高，为预报露天矿可能存在的危险提供依据，提醒矿山工作人员采取相应安全措施或者离开危险区域，为露天矿安全生产提供有效保障。附图说明图1为本专利技术具体实施方式中基于影像SURF特征的边坡位移自动监测方法的流程图；图2为本专利技术具体实施方式中对采集的序列影像图像进行兴趣点提取并对各幅影像图像进行兴趣点匹配的方法流程图；图3为本专利技术具体实施方式中得到边坡当前影像图像影的兴趣点示意图；图4为本专利技术具体实施方式中当前影像图像与上一幅影像图像中相匹配的兴趣点的位移示意图。具体实施方式下面结合附图对本专利技术具体实施方式加以详细的说明。本专利技术提出一种基于影像SURF特征的边坡位移自动监测方法，如图1所示，包括以下步骤：步骤1：通过相机间隔固定时间采集露天矿边坡的监测影像，获取露天矿边坡监测序列影像图像。本实施方式中，序列影像图像的像素≥2000万，选用普通市售像素≥2000万的数码相机间隔5秒钟进行一次监测影像图像采集，用于处理影像的计算机为普通市售台式计算机或笔记本电脑。步骤2：通过采集的露天矿边坡监测序列影像图像以及相机位置确定序列影像图像的三维坐标。本实施方式中，采用近景摄影测量的三维建模方法通过采集的露天矿边坡监测序列影像图像以及相机位置确定序列影像图像的三维坐标。步骤3：采用SURF算法对采集的序列影像图像进行兴趣点提取，并对各幅影像图像进行兴趣点匹配，如图2所示。步骤3.1：计算每一幅影像图像中各个像素点的积分图像。本实施方式中，各个像素点的积分图像：即为该像素点位置与图像左上角构成的矩形区域的像素之和，影像图像I的像素点x＝(x，y)T的积分图像I∑(x)如式(1)所示：IΣ(x)=Σi=0i≤xΣj=0j≤yI(i,j)---(1)]]>其中，I(i，本文档来自技高网...
【技术保护点】
一种基于影像SURF特征的边坡位移自动监测方法，其特征在于，包括以下步骤：步骤1：通过相机间隔固定时间采集露天矿边坡的监测影像，获取露天矿边坡监测序列影像图像；步骤2：通过采集的露天矿边坡监测序列影像图像以及相机位置确定序列影像图像的三维坐标；步骤3：采用SURF算法对采集的序列影像图像进行兴趣点提取，并对各幅影像图像进行兴趣点匹配；步骤4：实时监测当前影像图像与上一幅影像图像中相匹配的兴趣点的位移；步骤5：将序列影像图像中的兴趣点的三维坐标转换为WGS‑84世界大地坐标系边坡位置点的绝对坐标位置；步骤6：设定边坡位移阈值，将当前影像图像中的各个兴趣点对应的边坡位置点与上一幅影像图像相匹配的兴趣点对应的边坡位置进行对比，若其中某个兴趣点对应的边坡位置点发生的实际位移超出边坡位移阈值，则判定该边坡位置具有失稳或滑坡倾向，否则，返回步骤1。
【技术特征摘要】
1.一种基于影像SURF特征的边坡位移自动监测方法，其特征在于，包括以下步骤：步骤1：通过相机间隔固定时间采集露天矿边坡的监测影像，获取露天矿边坡监测序列影像图像；步骤2：通过采集的露天矿边坡监测序列影像图像以及相机位置确定序列影像图像的三维坐标；步骤3：采用SURF算法对采集的序列影像图像进行兴趣点提取，并对各幅影像图像进行兴趣点匹配；步骤4：实时监测当前影像图像与上一幅影像图像中相匹配的兴趣点的位移；步骤5：将序列影像图像中的兴趣点的三维坐标转换为WGS-84世界大地坐标系边坡位置点的绝对坐标位置；步骤6：设定边坡位移阈值，将当前影像图像中的各个兴趣点对应的边坡位置点与上一幅影像图像相匹配的兴趣点对应的边坡位置进行对比，若其中某个兴趣点对应的边坡位置点发生的实际位移超出边坡位移阈值，则判定该边坡位置具有失稳或滑坡倾向，否则，返回步骤1。2.根据权利要求1所述的基于影像SURF特征的边坡位移自动监测方法，其特征在于，所述的步骤3包括以下步骤：步骤3.1：计算每一幅影像图像中各个像素点的积分图像；所述影像图像I的像素点x＝(x，y)T的积分图像I∑(x)如下所示：IΣ(x)=Σi=0i≤xΣj=0j≤yI(i,j);]]>其中，I(i，j)为影像图像中的像素点，0≤i≤x，0≤j≤y；步骤3.2：建立影像图像的各个像素点的Hessian矩阵的行列式；所述影像图像I的像素点x＝(x，y)T的Hessian矩阵的行列式如下所示：H...
【专利技术属性】
技术研发人员：孙亚鑫，亢建民，孙健，杨勇，王植，王勐，
申请(专利权)人：鞍钢集团矿业有限公司，
类型：发明
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。