【技术实现步骤摘要】
本专利技术涉及公路边坡巡检，具体而言，是一种基于多源数据的公路边坡无人机巡检预警系统。
技术介绍
1、公路边坡是公路工程中的一个重要组成部分，它承担着支撑公路平稳运行和保障行车安全的重要任务，然而，由于地质条件、气候变化和人为活动等因素的影响，公路边坡往往容易出现问题，如边坡滑坡、塌方、沉降等，给行车和行人的安全带来威胁。
2、为了及时发现和解决这些边坡问题，需要进行定期的巡检和监测工作，传统的边坡巡检主要依靠人工方式，通过人员步行或驾驶车辆进行巡查，然而这种方式效率低下、耗时长，并且存在一定的人身安全风险，随着科学技术的不断发展，无人机技术被引入到公路边坡巡检中，成为一种新的解决方案，无人机具有快速、灵活和高效的特点，能够快速覆盖大范围的边坡，并进行高清摄像、三维建模等功能，通过无人机的巡检，可以快速获取大量的边坡数据，实现对边坡的全面监测和评估。
3、专利名称为一种黄土公路边坡健康监测方法(专利号为202210018046.0)的中国专利公布的技术方案，该方案通过无人机航测获得的多期影像数据初步识别公路边坡的病害类型及分布特征，同时生成边坡实景三维模型以及三维点云模型，通过比对点云模型识别出边坡病害，再基于实景三维模型计算不同工况下边坡的稳定性系数，进而确定公路沿线潜在重点监测边坡对象，做到了多维度全方位的协同监测危险边坡，但仍存在一些不足之处，具体表现在以下方面：一、该方案主要基于实景三维模型计算边坡的稳定性系数，没有考虑其他影响因素对公路边坡稳定性的影响，如边坡土壤密实度、土壤含水量、天气因素等，
4、二、该方案通过多期影像数据对公路边坡稳定程度进行分析，但没有提及对边坡危险程度的预测，边坡的稳定性随着时间可能会发生变化，缺乏风险预测，无法评估边坡危险程度的单位时间增量，可能导致对潜在风险的判断出现偏差，从而无法提前采取必要的措施来应对可能发生的不稳定事件。
技术实现思路
1、为了克服
技术介绍
中的缺点，本专利技术实施例提供了一种基于多源数据的公路边坡无人机巡检预警系统，能够有效解决上述
技术介绍
中涉及的问题。
2、本专利技术的目的可以通过以下技术方案来实现：本专利技术提供了一种基于多源数据的公路边坡无人机巡检预警系统，包括：无人机巡检路线规划模块，用于规划无人机巡检路线，同时对各测量点处公路边坡的垂直高度进行检测，并以此为无人机设定飞行高度。
3、结构外观参数获取模块，用于对各监测周期公路边坡的开裂程度、变形程度、位移量进行检测。
4、边坡风险分析模块，用于根据各监测周期公路边坡的开裂程度、变形程度、位移量分析得到公路边坡的风险程度系数χ，并将其同预设的风险程度系数阈值进行比对，得到公路边坡的风险情况。
5、风险变化趋势分析模块，用于根据公路边坡的风险程度系数分析得到公路边坡风险预测时长。
6、土壤参数获取模块，用于对公路边坡的土壤密实度、土壤含水量进行采集。
7、风险修正模块，用于获取公路边坡风险预测时长内各时段内的降雨量和风力等级，并结合公路边坡的土壤密实度、土壤含水量分析得到公路边坡危险程度修正系数，并将其同预设的危险程度修正系数阈值进行比对，进而对公路边坡风险预测时长进行修正并反馈给系统。
8、管理数据库，用于储存公路边坡原始模型。
9、优选的，所述无人机巡检路线规划模块的具体分析方法为：从管理数据库中提取公路边坡原始模型，根据公路边坡原始模型得到公路边坡轮廓形状，同时按照预设距离在公路边坡的坡面分别选取若干个测量点，对各测量点处公路边坡的垂直高度进行检测，记为公路边坡各测量点垂直高度，从管理数据库中提取各公路边坡轮廓形状推荐巡检路线合集，根据公路边坡轮廓形状匹配对应巡检路线，记为无人机巡检路线，同时从公路边坡各测量点垂直高度中筛选出最大值，记为公路边坡最大垂直高度，根据公路边坡最大垂直高度为无人机设定飞行高度。
10、优选的，所述各监测周期公路边坡的开裂程度的具体分析过程如下：第一步，按照预设时长划分监测周期，记为各监测周期，在各监测周期的开始时间点通过无人机对公路边坡的地表图像进行获取，记为各监测周期公路边坡图像。
11、第二步，读取各监测周期公路边坡图像，将其转换为灰度图像，记为各监测周期公路边坡灰度图像，对各监测周期公路边坡灰度图像各像素点的灰度值进行检测，同时根据预设的灰度值分别设定高阈值和低阈值，将各监测周期公路边坡灰度图像各像素点的灰度值同设定的高阈值、低阈值进行比对，将灰度值大于或等于高阈值的像素点标记为强边缘像素点，将灰度值介于低阈值和高阈值之间的像素点标记为弱边缘像素点，其余像素点舍弃，统计各监测周期公路边坡灰度图像中所有强边缘像素点和弱边缘像素点，通过连接强边缘像素点形成完整的裂纹边缘，并将与强边缘像素点相连的弱边缘像素点也标记为裂纹边缘，其余弱边缘像素点舍弃，将得到的裂纹边缘记为各监测周期公路边坡灰度图像各裂纹边缘轮廓。
12、第三步，统计各监测周期公路边坡灰度图像各裂纹边缘轮廓内的像素点数量，记为ρmi，其中m表示第m个监测周期的编号，m＝1,2,...,n，i表示第i个裂纹边缘轮廓的编号，i＝1,2,...,q，同时提取各监测周期公路边坡灰度图像的像素点总数，记为ρm总，通过公式得到各监测周期公路边坡的开裂程度αm。
13、优选的，所述各监测周期公路边坡的变形程度的具体分析过程如下：第一步，读取各监测周期公路边坡图像，对各监测周期公路边坡图像进行边缘轮廓检测，提取各监测周期公路边坡的轮廓线，分别对各监测周期公路边坡的轮廓线顶部到底部的垂直高度和坡面长度进行测量，记为h'm、lm，将其代入到公式得到各监测周期公路边坡的坡度θm。
14、第二步，读取公路边坡原始模型，从中得到公路边坡的原始坡度，记为θ0，将其代入到公式得到各监测周期公路边坡的变形程度βm，其中h、l分别表示公路边坡原始模型的原始垂直高度、坡面长度，φ1、φ2、φ3分别表示公路边坡垂直高度、坡面长度、坡度的权值因子。
15、优选的，所述各监测周期公路边坡的位移量的具体分析方法为：读取各监测周期公路边坡的轮廓线，在各监测周期公路边坡的轮廓线上按照设定间距任取若干个测量特征点，记为各特征点，将各监测周期公路边坡的轮廓线分别同其上一监测周期公路边坡的轮廓线进行重叠，将各特征点一一对应并测量各特征点的位移，记为各监测周期公路边坡各特征点位移量dma，其中a表示第a个特征点的编号，a＝1,2,...,b，将其代入到公式得到各监测周期公路边坡的位移量γm，b表示特征点的数量。
16、优选的，所述边坡风险分析模块的分析过程如下：第一步，分别读取各监测周期公路边坡的开裂程度αm、变形程度βm、位移量γm，将其代入到公式得到公路边坡的风险程度系数χ，其中α0、β0、γ0分别表示设定的开裂程度、变形程度、位移量参考值，w1、w2、w3分别表示设本文档来自技高网...
【技术保护点】
1.一种基于多源数据的公路边坡无人机巡检预警系统，其特征在于，该系统具体包括以下模块：
2.根据权利要求1所述的一种基于多源数据的公路边坡无人机巡检预警系统，其特征在于，所述无人机巡检路线规划模块的具体分析方法为：
3.根据权利要求1所述的一种基于多源数据的公路边坡无人机巡检预警系统，其特征在于，所述各监测周期公路边坡的开裂程度的具体分析过程如下：
4.根据权利要求3所述的一种基于多源数据的公路边坡无人机巡检预警系统，其特征在于，所述各监测周期公路边坡的变形程度的具体分析过程如下：
5.根据权利要求4所述的一种基于多源数据的公路边坡无人机巡检预警系统，其特征在于，所述各监测周期公路边坡的位移量的具体分析方法为：
6.根据权利要求5所述的一种基于多源数据的公路边坡无人机巡检预警系统，其特征在于，所述边坡风险分析模块的分析过程如下：
7.根据权利要求6所述的一种基于多源数据的公路边坡无人机巡检预警系统，其特征在于，所述对公路边坡风险预测时长进行分析的具体分析方法为：
8.根据权利要求1所述的一种基于多
9.根据权利要求8所述的一种基于多源数据的公路边坡无人机巡检预警系统，其特征在于，所述风险修正模块的具体分析过程如下：
...【技术特征摘要】
1.一种基于多源数据的公路边坡无人机巡检预警系统，其特征在于，该系统具体包括以下模块：
2.根据权利要求1所述的一种基于多源数据的公路边坡无人机巡检预警系统，其特征在于，所述无人机巡检路线规划模块的具体分析方法为：
3.根据权利要求1所述的一种基于多源数据的公路边坡无人机巡检预警系统，其特征在于，所述各监测周期公路边坡的开裂程度的具体分析过程如下：
4.根据权利要求3所述的一种基于多源数据的公路边坡无人机巡检预警系统，其特征在于，所述各监测周期公路边坡的变形程度的具体分析过程如下：
5.根据权利要求4所述的一种基于多源数据的公路边坡无人机巡检预警系统，其...
【专利技术属性】
技术研发人员：林海成，王立军，路建强，孙成辉，柳伟，赵鹏，秦岭，
申请(专利权)人：中交基础设施养护集团宁夏工程有限公司，
类型：发明
国别省市：
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。