留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

利用无人机技术的高陡边坡孤立危岩体识别

崔溦 谢恩发 张贵科 李宏璧

崔溦, 谢恩发, 张贵科, 李宏璧. 利用无人机技术的高陡边坡孤立危岩体识别[J]. 武汉大学学报 ● 信息科学版, 2021, 46(6): 836-843. doi: 10.13203/j.whugis20190186
引用本文: 崔溦, 谢恩发, 张贵科, 李宏璧. 利用无人机技术的高陡边坡孤立危岩体识别[J]. 武汉大学学报 ● 信息科学版, 2021, 46(6): 836-843. doi: 10.13203/j.whugis20190186
CUI Wei, XIE Enfa, ZHANG Guike, LI Hongbi. Identification of Isolated Dangerous Rock Mass in High and Steep Slope Using Unmanned Aerial Vehicle[J]. Geomatics and Information Science of Wuhan University, 2021, 46(6): 836-843. doi: 10.13203/j.whugis20190186
Citation: CUI Wei, XIE Enfa, ZHANG Guike, LI Hongbi. Identification of Isolated Dangerous Rock Mass in High and Steep Slope Using Unmanned Aerial Vehicle[J]. Geomatics and Information Science of Wuhan University, 2021, 46(6): 836-843. doi: 10.13203/j.whugis20190186

利用无人机技术的高陡边坡孤立危岩体识别

doi: 10.13203/j.whugis20190186
基金项目: 

国家自然科学基金雅砻江联合基金 U1765106

详细信息
    作者简介:

    崔溦, 博士, 副教授, 主要从事岩土工程方面的研究。cuiwei@tju.edu.cn

  • 中图分类号: TP79

Identification of Isolated Dangerous Rock Mass in High and Steep Slope Using Unmanned Aerial Vehicle

Funds: 

The Yalong River Joint Foundation of the National Natural Science Foundation of China U1765106

More Information
    Author Bio:

    CUI Wei, PhD, associate professor, specializes in geotechnical engineering. E-mail: cuiwei@tju.edu.cn

图(5) / 表(1)
计量
  • 文章访问数:  471
  • HTML全文浏览量:  143
  • PDF下载量:  80
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-05-05
  • 刊出日期:  2021-06-05

利用无人机技术的高陡边坡孤立危岩体识别

doi: 10.13203/j.whugis20190186
    基金项目:

    国家自然科学基金雅砻江联合基金 U1765106

    作者简介:

    崔溦, 博士, 副教授, 主要从事岩土工程方面的研究。cuiwei@tju.edu.cn

  • 中图分类号: TP79

摘要: 在水利水电工程建设中, 快速、准确、便捷地识别高陡边坡危岩体十分重要。无人机搭载激光雷达可以快速获得大面积高密度的高陡边坡点云数据。首先利用获取的点云数据提取地面点后进行平滑去噪, 通过几何特征提取边缘点云后聚类, 形成待分类的对象; 然后将聚类后的点云进行三维重构, 生成数字高程模型(digital elevation model, DEM), 通过危岩体的空间特征提取孤立危岩体; 最后将该方法应用到两河口水电站枢纽区两岸边坡的孤立危岩体勘测上。结果表明, 无人机搭载激光雷达可以准确、快速获取大面积高陡边坡的空间坐标数据, 进而获取危岩体的空间信息; 基于DEM可得到面积、倾角、最大高差等特征组合, 从而快速有效地提取孤立危岩体。该方法具有比较强的适用性和可靠性, 有助于高陡边坡孤立危岩体的快速识别。

English Abstract

崔溦, 谢恩发, 张贵科, 李宏璧. 利用无人机技术的高陡边坡孤立危岩体识别[J]. 武汉大学学报 ● 信息科学版, 2021, 46(6): 836-843. doi: 10.13203/j.whugis20190186
引用本文: 崔溦, 谢恩发, 张贵科, 李宏璧. 利用无人机技术的高陡边坡孤立危岩体识别[J]. 武汉大学学报 ● 信息科学版, 2021, 46(6): 836-843. doi: 10.13203/j.whugis20190186
CUI Wei, XIE Enfa, ZHANG Guike, LI Hongbi. Identification of Isolated Dangerous Rock Mass in High and Steep Slope Using Unmanned Aerial Vehicle[J]. Geomatics and Information Science of Wuhan University, 2021, 46(6): 836-843. doi: 10.13203/j.whugis20190186
Citation: CUI Wei, XIE Enfa, ZHANG Guike, LI Hongbi. Identification of Isolated Dangerous Rock Mass in High and Steep Slope Using Unmanned Aerial Vehicle[J]. Geomatics and Information Science of Wuhan University, 2021, 46(6): 836-843. doi: 10.13203/j.whugis20190186
  • 水利枢纽区自然边坡危险源的早期发现、勘测、评价可以避免施工过程的被动应对,对保障工程顺利建设具有重要意义。危岩是指由多组岩体结构面切割,且位于陡坡或者陡崖上的不稳定岩体。危岩崩塌会造成大量的人员和财产损失,因此,在水利工程建设初期,对危岩体进行初步识别是极其重要的工作[1]。对于高陡边坡而言,由于危岩体所处的地理位置、地形地质条件极其复杂,地质工作人员难以深入现场进行勘测工作,在这种情形下,传统的地质调查方法受到限制。无人机技术是一种灵活的地表观测方法。无人机机动性高,不受地形限制,且使用灵活方便,成本较低;无人机可搭载各种数据采集仪器和传感器,便于获取并建立数字高程模型(digital elevation model,DEM),其在高陡边坡地质调查中已经有非常成熟的应用,适合用于高陡边坡的危岩体识别工作[2-7]

    DEM可通过有限的地形高程数据实现对地面地形的数字化模拟,从中衍生出坡度、坡向、面积、体积等空间信息,因此可用来有效地提取地物。文献[8]获取了蒙古阿尔泰地区部分区域的DEM,并从中提取出了曲率、坡度、坡向等空间信息,利用面向对象的地物分类方法成功提取了该研究区域的冲积扇;文献[9]从地形图上提取了10 m分辨率的DEM,并从中衍生出坡度、曲率、坡向等信息,结合卫星影像,利用基于模糊算子的分类方法成功提取了滑坡对象;文献[10]通过地面激光扫描获取高陡边坡点云数据,建立数字表面模型后利用块体的切割合并搜索方法从边坡中提取了危岩体;文献[11]从1∶100万的DEM中根据最大起伏度阈值成功提取了山顶点。但是从SRTM(shuttle radar topography mission)数据和地形图中获取的DEM无法有效滤去非地面点,加上采样点的间隔非常大,其精度相对较低,该方法虽然可以实现对冲积扇和滑坡等大型地物的提取,却无法满足精确提取危岩体这种小型地物的要求。地面激光扫描(terrestrial laser scanning,TLS)等新技术虽然可以获取精度更高的DEM,但是要耗费更多的成本和时间,而且很难应用到地形复杂的区域。

    基于此,本文提出了一种基于无人机的高陡边坡危岩体快速识别方法,并将该方法应用到四川省雅砻江两河口水电站枢纽区两岸高陡边坡的危岩体勘测上。工程实例结果表明,该方法操作简单、快速,具有较强的可靠性和适用性,有助于快速准确地初步识别高陡边坡孤立危岩体。

    • 危岩体成因复杂,分类较多,本文所指危岩体仅指对工程危害较多的高陡边坡孤立危岩体。危岩体识别可分为3个阶段:(1)预处理阶段,首先对无人机采集的原始点云进行双边滤波平滑,然后利用布料拟合滤波(cloth simulation filter,CSF)从去噪点云中提取地面点云;(2)点云聚类阶段,计算地面点云的法向量,利用不一致性指标提取边缘点云及其附近点云,对闭合边缘点及其附近点计算曲率,根据曲率极值从中提取边缘点,然后将能形成闭合曲线的边缘点及其内部点聚为一类,形成一个个待分类的孤立危岩对象;(3)危岩体识别阶段,对聚类后的点云进行三维重构,生成DEM,然后在DEM中计算每一个待分类对象的后壁面积、后壁倾角以及最大高差特征,通过筛选规则提取危岩体对象。孤立危岩识别方法的流程见图 1

      图  1  孤立危岩识别方法的流程图

      Figure 1.  Flowchart of Isolate Dangerous Rock Mass Identifying Method

    • 由于坡表孤立危岩体的外部形态表现为凸起块体,在高陡边坡中具有明显的外部边缘,因此可以通过检测这些边缘点来找到可能的危岩体对象,但同时一些非危岩体的凸起块体的边缘点以及地形凹陷处的边缘点也会被检测出来,因此本文设计了一个基于后壁面积、后壁倾角和最大高差的特征过滤器,根据面积特征、倾角特征和最大高差特征设定阈值,判断其是否满足条件,若满足条件,则可认定其为危岩体。本文所涉及的点云滤波、特征计算、DEM生成、对象特征计算等相关处理均是基于开源点云处理软件CloudCompare及使用点云库(point cloud library,PCL)对其二次开发完成。

    • 由于机载激光雷达的主动非接触式测量受环境干扰,可能产生非测量目标物体表面的无用数据和离群噪声,物体表面的特征可能导致测量产生毛刺噪声,这些噪声点会影响到点云模型的精度。除此之外,点云模型表面过于粗糙会使得点云法向量和曲率特征分布十分杂乱,导致无法通过不一致性指标和曲率极值检测到边缘点云。因此,为了提高点云数据的精度以及有效地提取边缘点云,需要对点云进行滤波处理,得到平滑去噪后的地面点云。

      对于点云的平滑去噪,本文采用了双边滤波方法[12],该方法首先为每个采样点建立k-邻域并估算法矢,然后以该点处的微切平面为视平面,设计一个双边滤波器。该方法在滤除点云噪声的同时,能够适度地平滑点云表面,并且在保持原始点云模型的边缘及其他特征信息上有突出优势,可以避免因过光顺而导致的点云模型失真。

      在提取地面点方面,本文采用了布料拟合滤波[13]。对于有植被覆盖的区域而言,激光雷达有多个回波数据,可认为最后一次回波点为地面点。基于此,布料拟合滤波算法先翻转原始点云,使点云最后一次回波点位于顶层,然后假设一块布料落到翻转点云表面,最终与布料接触的点即可认为是地面点。该算法的具体流程如下:(1)翻转原始激光点云;(2)布料网格初始化,根据自定义的网格分辨率确定网格节点的数量,并将布料的初始位置置于点云上方;(3)将所有激光点云和网格节点投影到同一水平面上,并在该平面上找到每个网格节点对应的激光点,记录其高程值;(4)对于每个网格节点,如果可移动,则计算该网格节点在重力作用下移动的位置,并比较该网格节点与对应激光点的位置高程,当节点高程小于或等于激光点高程时,则将网格节点替换到对应激光点的位置高程处,并记为不可移动点;(5)对于每个网格节点,计算其受邻近节点的内力作用而发生的位移;(6)重复步骤(4)和(5),当所有节点的最大高程变化足够小或者超出指定最大迭代次数时,模拟过程终止;(7)计算网格节点和对应激光点云之间的距离;(8)区分地面点和非地面点。对于每个激光点云,如果其余对应网格节点之间的距离小于阈值h,则被分为地面点,否则被分为非地面点。

    • 点云模型在不包含边缘的平滑区域法向量夹角变化很小,因此可以通过计算每个点云法向量并通过法向量计算不一致性指标,根据不一致性指标滤去大部分非边缘点,留下边缘点以及边缘附近点。对于离散曲面而言,曲率的极值点或是零交叉点为其边缘点,因此对于余下的边缘点和边缘附近点,可以通过其是否为曲率极值点来判定其是否为边缘点。

      1) 法向量和曲率估算

      对于离散点云数据的法向量和曲率估算,本文采用基于局部表面拟合方法[14],可直接通过点云模型获取点云的几何特征。该方法假设点云的采样平面为光滑平面,因此任何点的局部邻域都可以很好地拟合成平面,可利用该拟合平面的参数来估计采样点的几何特征。

      对于点云模型中的任一点$ {\boldsymbol{p}}_{i} $,首先通过k-邻域搜索算法获取预期最相近的k个点,然后为这些点计算一个最小二乘意义上的局部平面E(点$ {\boldsymbol{p}}_{i} $的近似相切平面),满足以下条件:

      $$ \mathrm{e}\mathrm{r}\mathrm{r}\mathrm{o}\mathrm{r}=\mathrm{m}\mathrm{i}\mathrm{n}\sum\limits_{j=1}^{k}\left[\right({\boldsymbol{p}}_{ij}-{\boldsymbol{p}}_{i})\cdot {\boldsymbol{n}}_{i}{]}^{2} $$ (1)

      式中,error表示局部平面与点$ {\boldsymbol{p}}_{i} $法向量残差平方和最小值;$ {\boldsymbol{n}}_{i} $是平面E的法向量,即点云$ {\boldsymbol{p}}_{i} $法向量的近似估计,于是确定一点法线的问题近似于估计拟合平面的一个相切法线的问题,对顶点$ {\boldsymbol{p}}_{i} $的协方差矩阵进行主成分分析[15],即分析一个协方差矩阵的特征矢量和特征值。对于每一个点$ {\boldsymbol{p}}_{i} $,其协方差矩阵为:

      $$ \boldsymbol{C}=\frac{1}{k}\sum\limits_{j=1}^{k}\left[\right({\boldsymbol{p}}_{j}-\boldsymbol{\bar{p}})\cdot ({\boldsymbol{p}}_{j}{-\boldsymbol{\bar{p}})}^{\mathrm{T}}] $$ (2)

      式中,k是$ {p}_{i} $邻近点数目;$ \boldsymbol{\bar{p}} $表示最邻近点的三维质心。该矩阵的特征值和特征向量满足:

      $$ \boldsymbol{C}\cdot {v}_{m}={\boldsymbol{\lambda }}_{m}\cdot {v}_{m} $$ (3)

      式中,$ m\in \{\mathrm{1, 2}, 3\};{v}_{m} $、$ {\boldsymbol{\lambda }}_{m} $分别为协方差矩阵C的第m个特征值及其对应的特征向量。设$ {\lambda }_{1} $为矩阵C的最小特征值,那么$ {\lambda }_{1} $对应的特征向量即可作为$ {\boldsymbol{n}}_{i} $的一个有效估计,相应的点$ {\boldsymbol{p}}_{i} $的曲率可以估算得出:

      $$ {H}_{i}=\frac{{\lambda }_{1}}{{\lambda }_{1}+{\lambda }_{2}+{\lambda }_{3}} $$ (4)

      2) 边缘点检测

      不一致性指标(incompatibility,incp)是用来量化单个点云及其邻域点的形状变化大小的一个标准[16],在平滑区域,由于点云及其邻域点形状改变很小,因此点云的不一致性指标值向一个较小值聚集,而当点云靠近边缘时,计算出来的不一致性指标值就会相对大,据此可以通过设置不一致性指标阈值筛选出边缘点及其附近点。记$ {\boldsymbol{n}}_{\mathrm{a}\mathrm{v}\mathrm{g}} $为某点的k个邻域点的法向量所求的均值向量,$ {\theta }_{i} $为该邻域内一点$ {\boldsymbol{p}}_{i} $的法向量$ {\boldsymbol{n}}_{i} $与$ {\boldsymbol{n}}_{\mathrm{a}\mathrm{v}\mathrm{g}} $的夹角,该点的不一致性指标计算如下:

      $$ \mathrm{i}\mathrm{n}\mathrm{c}\mathrm{p}\left(P\right)=\sqrt[]{\frac{\sum\limits_{i=1}^{k}{\theta }_{i}^{2}}{k}} $$ (5)

      当每个点云的不一致性指标计算出来后,对不一致性指标做伽马分布,确定出点云不一致性指标的筛选阈值$ \mathrm{i}\mathrm{n}\mathrm{c}{\mathrm{p}}_{L} $,将不一致性指标大于$ \mathrm{i}\mathrm{n}\mathrm{c}{\mathrm{p}}_{L} $的点作为边缘点及边缘附近点。

      对于检测出的边缘点及其附近点,去除非闭合边缘点及其附近点云,对闭合边缘点及其附近点云再次通过k-邻域算法找出其k个邻域点云,若在该邻域内该点云的曲率最大或者最小,即可认定其为边缘点。

      3) 基于边缘点的点云聚类

      检测出边缘点后,通过简单的聚类算法将边缘点及其内部点聚为一类,并将这些类标记为候选危岩体对象,滤去其他边缘点,然后将聚类后的点云进行三维重构,生成DEM。

    • 为每一个候选危岩体对象的边缘计算一个最小二乘意义上的拟合平面,首先将边缘在该平面上的投影作为该平面的边界,并定义该平面为对象的后壁平面(见图 2(a));然后将该平面剖分为大小相等的若干网格,计算对应边界内每个剖分单元格的面积;最后乘以网格数,即可得候选对象的后壁面积,计算如下:

      图  2  待分类对象特征计算模型

      Figure 2.  Feature Calculation Model of Object to be Classfied

      $$ A=nab $$ (6)

      式中,$ n\mathrm{、}a\mathrm{、}b $分别为剖分网格数、对应单个网格的长、宽。

    • 定义后壁平面与水平面的夹角为后壁倾角,记为$ \theta $(见图 2(a))。记水平面法向量为v,后壁平面法向量为n,候选对象的后壁倾角计算如下:

      $$ \theta =\mathrm{a}\mathrm{r}\mathrm{c}\mathrm{c}\mathrm{o}\mathrm{s}\frac{\boldsymbol{v}\cdot \boldsymbol{n}}{‖\boldsymbol{v}‖‖\boldsymbol{n}‖} $$ (7)
    • 将后壁平面及相应的网格表面之间最大的空间垂直距离定义为最大高差,如图 2(b)所示。对后壁平面求法向量,然后在后壁平面剖分单元格上逐个滑动该法向量,将法向量与第i个网格中点的交点记为$ {A}_{i} $,与DEM表面的交点记为$ {B}_{i} $,候选对象的最大高差计算如下:

      $$ \mathrm{\Delta }H=\mathrm{m}\mathrm{a}\mathrm{x}\mathrm{ }\{\left|\overrightarrow{{A}_{1}{B}_{1}}\right|, \left|\overrightarrow{{A}_{2}{B}_{2}}\right|\dots \left|\overrightarrow{{A}_{i}{B}_{i}}\right|\dots \} $$ (8)

      在由式(8)得出最大高差后,然后求最大高差对应的向量$ \overrightarrow{{A}_{i}{B}_{\boldsymbol{i}}} $与水平面法向量之间的夹角$ \alpha $,若$ 0°<\alpha <90° $,则$ \mathrm{\Delta }H $符号为正,否则为负。

    • 对于每个候选危岩体对象依次计算后壁面积、后壁倾角以及最大高差。通过对研究区域具有代表性的危岩体分析其后壁面积、后壁倾角以及最大高差,得出如下提取规则:同时满足后壁面积在100~2 500 m2之间、最大高差在1.5~9 m之间、后壁倾角大于50°这3个条件的为危岩体。

    • 两河口水电站位于四川省甘孜州雅江县境内,是雅砻江流域水电梯级开发的中下游控制性水库。在该研究区域,河谷为横向谷,河谷深切,临河坡高在海平线以上3 100~3 600 m,两岸危岩体分布密集,严重影响工程质量安全。由于边坡地形地质条件复杂,因此人工踏勘难度很大。

    • 对两河口水电站枢纽区约2 km2的危岩体分布密集区域的高陡边坡进行机载雷达激光扫描,扫描分3个区域进行,扫描区部分危岩体照片如图 3所示,采用Brisight V-IV机载激光雷达测量系统,该系统具有重量轻、精度高的特点。由于测区地形起伏大,因此采用无人机地形跟随模式进行测量。

      图  3  危岩体照片

      Figure 3.  Photographs of Dangerous Rock Mass

      选取扫描区1部分点云(见图 4(a)),原始点云密度可达170点/m2,首先采用本文所提方法进行处理,利用双边滤波对采集到的点云数据平滑去噪,通过布料拟合滤波提取地面点,滤波后地面点云密度为20点/m2(见图 4(b))。然后对提取的地面点计算法向量(见图 4(c)),通过计算不一致性指标提取边缘点及其附近点云,除去点云模型边缘点云外,共检测出闭合边缘及其附近点云3处(见图 4(d))。接着计算闭合边缘点云及其附近点曲率(见图 4(e)),通过曲率极值提取边缘点,提取结果如图 4(f)所示。最后基于闭合边缘对点云进行聚类(见图 4(g)),根据聚类后的点云生成间距为0.5 m的不规则三角网(triangulated irregular network,TIN)网格DEM,共检测3处可能的危岩体对象(见图 4(h))。将该方法应用到整个研究区域,共检测出可能的危岩体对象47处。

      图  4  点云处理成果

      Figure 4.  Results of Point Cloud Processing

    • 本文分别计算该47处候选危岩体对象的后壁面积、后壁倾角及相对高差。利用危岩体提取规则来识别危岩体,最终检测到共有16处满足条件的危岩体对象。其中扫描区1、扫描区2均检测到5处危岩体,分布高程均在2 850 ~ 3 100 m;3号扫描区共检测到6处危岩体,分布高程在2 850 ~3 400 m之间。扫描区及危岩体分布如图 5所示,16处危岩体对象的计算结果如表 1所示。

      图  5  扫描区及危岩体分布示意图

      Figure 5.  Distribution of Scaning Areas and Dangerous Rock Mass

      表 1  危岩体特征值计算结果

      Table 1.  Eigenvalues Calculation of Dangerous Rock Mass

      危岩体编号 后壁面积/㎡ 后壁倾角/(°) 相对高差/m
      1 126 64 1.8
      2 1 183 60 4.1
      3 4 310 63 7.4
      4 1 897 66 1.8
      5 1 319 55 4.0
      6 2 268 77 6.6
      7 334 69 2.0
      8 365 75 2.1
      9 539 80 2.3
      10 131 73 1.7
      11 1 693 51 2.1
      12 993 75 1.9
      13 3 650 64 2.3
      14 4 810 49 2.4
      15 2 560 60 2.8
      16 2 890 66 7.7

      与人工踏勘和常规勘测分析结果进行对比分析表明,无人机勘测识别成果具有较高精确度,除3处危岩体由于植被覆盖较密遗漏外,16处危岩体识别结果与现场勘测结果一致。

    • 本文提出了一种基于无人机的高陡边坡孤立危岩体识别方法。该方法利用无人机搭载激光雷达获取边坡点云数据,通过特征计算精确提取了坡表孤立危岩,得出如下结论:(1)无人机机动性高,操作方便,使用成本低,并且不受地形限制,十分适合于高陡边坡的危险源勘测工作;(2)以无人机搭载激光雷达采集研究区域点云数据,通过计算点云的法向量和曲率特征,根据不一致性指标结合曲率极值提取点云边缘点,然后基于闭合边缘点对点云聚类,形成待分类危岩体对象,生成DEM后,从DEM提取待分类对象的后壁面积、后壁倾角以及最大高差,通过危岩体提取规则可进行危岩体识别工作。将该方法应用到两河口水电站枢纽区高陡边坡的危岩体勘测中,在枢纽区约2 km2的3个扫描区域共检测到孤立危岩体16处,与人工踏勘和地质勘测的结果基本吻合。

参考文献 (16)

目录

    /

    返回文章
    返回