一种基于InSAR技术和图像识别的边坡表面变形快速监测方法技术

本发明专利技术属于边坡表面变形监测技术领域，且公开了一种基于InSAR技术和图像识别的边坡表面变形快速监测方法，包括现场检测和计算分析，具体如下步骤：S1.现场检测：S1.1.在边坡区域以外布设高精度定位基准站和影像拾取基准点，再依据InSAR解译成果，进行边坡形变分区，分析主滑方向和变形边界。本发明专利技术通过面波和雷达波现场检测、InSAR解译和岩土体参数数据库，开展边坡地层分区、形变分区和潜在滑移面确定、岩土体参数反演等工作，智能搜索边坡失稳模式和动态反馈稳定性态，本方案不仅解决了边坡地质勘测和现场试验缺失或较少的技术思路，更能真实、准确地反映现场稳定性态，为边坡设计和治理措施制定提供了科学依据和技术支撑。计和治理措施制定提供了科学依据和技术支撑。计和治理措施制定提供了科学依据和技术支撑。

【技术实现步骤摘要】
一种基于InSAR技术和图像识别的边坡表面变形快速监测方法


[0001]本专利技术属于边坡表面变形监测
，具体为一种基于InSAR技术和图像识别的边坡表面变形快速监测方法。

技术介绍

[0002]边坡变形破坏是自身内因和外部因素共同作用的结果。边坡变形直至破坏一般呈现出初始变形、均匀变形、加速变形等三阶段，其所表现出的宏观变形特征主要受边坡自身应力微观调整所决定，是边坡自身结构、地下水、地质构造、人类活动、外部环境(降雨、地震)等作用的综合表现，是边坡动态调整的宏观表征。
[0003]现阶段，边坡表面变形(图1)主要由全站仪、水准仪等常规监测，以及GPS高精度定位系统、InSAR遥感、微变形监控系统、三维激光扫描仪等非接触式监测，但是由于现有技术中机载定位、相应高精度定位查分和图像解释技术无法较好的配合使用，不能对表面变心进行快速检测，无法及时了解和掌握边坡变形演化规律及变化特征，因此本申请提出相应的解决方案，解决上述问题并且可为边坡形变分区以及时空演化分析提供科学数据，也可为后期边坡变形预测预报提供基础资料。

技术实现思路

[0004]本专利技术的目的在于提供一种基于InSAR技术和图像识别的边坡表面变形快速监测方法，以解决上述
技术介绍
中提出的问题。
[0005]为了实现上述目的，本专利技术提供如下技术方案：一种基于InSAR技术和图像识别的边坡表面变形快速监测方法，包括现场检测和计算分析，具体如下步骤：
[0006]S1.现场检测：
[0007]S1.1.在边坡区域以外布设高精度定位基准站和影像拾取基准点，再依据InSAR解译成果，进行边坡形变分区，分析主滑方向和变形边界；
[0008]S1.2.根据边坡形变分区结果，利用无人机布设边坡区域内影像拾取点；
[0009]S1.3.无人机拍摄边坡区域影像，并按照边坡形变分区分布情况，从坡顶至坡底依次停留影像拾取点；
[0010]S1.4.每次现场检测，重复S1.1～S1.4过程，并在停留影像拾取点时，每次通过1道观测线即可；
[0011]S2.计算分析：
[0012]S2.1.确定边坡区域所在SAR数据源，下载之前该区域SAR影像，然后采用二轨法开展SAR影像解译，经配准、去燥、差分等处理后，获得边坡区域永久散射点的形变速率，以及影像拾取点的形变速率；
[0013]S2.2.基于边坡区域永久散射点的形变速率，应用形变速率差和形变量统计聚类分析，开展边坡区域前期形变分区；
[0014]S2.3.基于高精度定位基准站坐标，应用无人机所监测的边坡影像拾取点的测点坐标，开展定位差分计算每次影像拾取点的变形速率；
[0015]S2.4.利用无人机倾斜摄影所测量的边坡区域影像图，绘制边坡全域的点云位置，计算点云的形变速率；
[0016]S2.5.结合之前边坡影像拾取点的形变速率、无人机测量的影像拾取点的变形速率等资料，应用最小二乘优化算法，进行影像坐标和定位坐标转换，进而统一边坡影像拾取点的形变速率；
[0017]S2.6.利用统一边坡影像拾取点的形变速率和边坡全域每次的点云位置，应用拉格朗日插值法，进行边坡全域点云的形变速率，基于之前该区域SAR影像解译成果以及前期形变分区情况，开展边坡全域点云的形变速率统计聚类分析，开展边坡区域当下形变分区；
[0018]S2.6.基于边坡当下形变分区和形变速率等成果，建立边坡区域形变时空演化模型。
[0019]优选的，所述影像拾取点按照主滑方向和变形边界成果，兼顾边坡区域整体和局部侧重原则，布设边坡变形边界内外且与主滑方向平行的2
‑
3道观测线，每道3
‑
4个影像拾取点。
[0020]优选的，所述S1.3中无人机从影像拾取基准点开机并利用高精度定位设备停留1
‑
2分钟静态观测坐标后，开始升空悬停至边坡区域上空，再次停留1
‑
2分钟，应用倾斜摄影仪拍摄边坡区域影像5
‑
10张；
[0021]无人机拍摄边坡区域影像后，按照边坡形变分区分布情况，从坡顶至坡底依次停留影像拾取点1
‑
2分钟。
[0022]优选的，所述S2.3中基于高精度定位基准站坐标和影像拾取基准点，应用无人机所监测的边坡影像拾取点的测点坐标，使用定位差分计算每次影像拾取点的变形量。
[0023]本专利技术的有益效果如下：
[0024]1、本专利技术通过面波和雷达波现场检测、InSAR解译和岩土体参数数据库，开展边坡地层分区、形变分区和潜在滑移面确定、岩土体参数反演等工作，智能搜索边坡失稳模式和动态反馈稳定性态，本方案不仅解决了边坡地质勘测和现场试验缺失或较少的技术思路，更能真实、准确地反映现场稳定性态，为边坡设计和治理措施制定提供了科学依据和技术支撑。
[0025]2、本专利技术通过前期InSAR遥感形变识别成果，建立边坡形变分区；针对重点关注部位设置影像拾取点，利用机载高精度定位和倾斜摄影设备，开展影像识别解译；通过多次重复影像采集和解译，分析边坡表面变形时空演化规律和变化特征，进而建立工程边坡变形时空演化模型，本方法不仅解决了边坡尚未建立常规监测前的监测技术方案，更为工程边坡变形预测预报及后期边坡设计、综合治理提供了科学依据和技术支撑。
附图说明
[0026]图1为现有边坡表面形变监测方法示意图；
[0027]图2为本专利技术边坡变形快速监测方法示意图；
[0028]图3为本专利技术边坡变形平面布设示意图；
[0029]图4为本专利技术边坡变形剖布设示意图；
[0030]图5为本专利技术基于高精度定位的边坡变形速率计算方法示意图；
[0031]图6为本专利技术基于InSAR和倾斜摄影的边坡形变速率计算流程图；
[0032]图7为本专利技术边坡形变时空演化模型计算方法流程图。
[0033]图中：1、边坡区域边界；2、观测线；3、边坡区域影像拾取点；4、影像拾取基准点；5、高精度定位基准站；6、形变分界线；7、无人机；8、倾斜摄影仪；9、高精度定位设备；10、形变4区；11、形变3区；12、形变2区；13、形变1区。
具体实施方式
[0034]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0035]如图1至图7所示，本专利技术实施例提供了一种基于InSAR技术和图像识别的边坡表面变形快速监测方法，现场检测
[0036]1)在边坡区域以外，布设高精度定位基准站和影像拾取基准点；
[0037]2)依据InSAR解译成果，进行边坡形变分区，分析主滑方向和变形边界；
[0038]3)依据边坡形变分区结果，利用无人机布设边坡区域内影像拾取点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于InSAR技术和图像识别的边坡表面变形快速监测方法，其特征在于：包括现场检测和计算分析，具体如下步骤：S1.现场检测：S1.1.在边坡区域以外布设高精度定位基准站和影像拾取基准点，再依据InSAR解译成果，进行边坡形变分区，分析主滑方向和变形边界；S1.2.根据边坡形变分区结果，利用无人机布设边坡区域内影像拾取点；S1.3.无人机拍摄边坡区域影像，并按照边坡形变分区分布情况，从坡顶至坡底依次停留影像拾取点；S1.4.每次现场检测，重复S1.1～S1.4过程，并在停留影像拾取点时，每次通过1道观测线即可；S2.计算分析：S2.1.确定边坡区域所在SAR数据源，下载之前该区域SAR影像，然后采用二轨法开展SAR影像解译，经配准、去燥、差分等处理后，获得边坡区域永久散射点的形变速率，以及影像拾取点的形变速率；S2.2.基于边坡区域永久散射点的形变速率，应用形变速率差和形变量统计聚类分析，开展边坡区域前期形变分区；S2.3.基于高精度定位基准站坐标，应用无人机所监测的边坡影像拾取点的测点坐标，开展定位差分计算每次影像拾取点的变形速率；S2.4.利用无人机倾斜摄影所测量的边坡区域影像图，绘制边坡全域的点云位置，计算点云的形变速率；S2.5.结合之前边坡影像拾取点的形变速率、无人机测量的影像拾取点的变形速率等资料，应用最小二乘优化算法，进行影像坐标和定位坐标转换，进而统一边坡影像拾取点的形变速率；S2.6.利用统一边坡影像拾取点的形变速率和边坡全域每次的点云位置，应用拉...

【专利技术属性】
技术研发人员：姜龙，汪小刚，王玉杰，赵宇飞，刘立鹏，孙平，林兴超，张强，曹瑞琅，孙兴松，皮进，郑理峰，
申请(专利权)人：中国水利水电科学研究院，
类型：发明
国别省市：