基于無人機測繪的礦山地質調查數據庫建庫設計

席凱林

（江西省自然資源測繪與監測院 ，江西 南昌 330002）

礦產資源是實現國家經濟可持續發展的重要保障，礦產資源的大規模開發，在極大程度上實現了對國家經濟和社會的推動，但與此同時也對地質環境造成威脅，導致地面沉降、地震、泥石流等危害時常發生。如何實現對礦山資源的合理開發，并做到對礦山生態環境的保護，是當前亟待解決的問題[1]。同時，要想發揮礦山資源的經濟優勢，還應當實現對各類現代技術的合理利用，引入多種手段和方法完成礦山地質調查。當前，針對礦山地質的調查，通常是采用衛星遙感和其他相關測量手段實現，但在實際應用中，這種方法存在工程量大，工程施工成本高等問題，對于部分緊急情況而言，通過這種方式很難實現對礦山地質調查數據的實時更新[2]。當前礦山開采和施工的規模不斷擴大，在進行地質調查的過程中調查數據具有數據量大、數據來源多樣化、非結構化等特點。同時，礦山地質調查數據是不斷積累的，目前已經達到了巨大的量，并且調查數據還具有階段性、種類多、格式復雜等特點。因此，在對各類數據資源利用時還存在利用效率地、連續性差、繼承性差等問題。但無人機測繪技術與之相比具有更高的靈活性，并且在測繪上能夠實現更加高效和方便的調查效果，同時調查數據的得出的結果準確性更高，對于礦山開采和施工等領域而言，能夠充分滿足去成本損耗低的需要。基于此，本文引入無人機測繪技術，開展礦山地質調查數據庫建庫設計研究。

1 基于無人機測繪的礦山地質調查數據庫建庫設計

1.1 礦山地質調查數據庫模型選擇

在對礦山地質調查數據庫建庫時，首先需要明確各類數據的基本構造，以及數據與數據之間的關聯。因此，本文針對礦山地質調查數據庫的模型進行選擇，在關系模型、層次模型、網絡模型和面對對象數據模型當中，選擇更符合本文數據類型存儲的數據庫模型。第一種數據庫模型通常是將數據按照表格的形式存儲，表格當中每一行可看作是一組數據記錄，并且在每個記錄當中都包含了若干字段。同時該類型數據庫模型能夠實現對調查數據的添加、修改和更新等操作[3]。第二種數據庫模型主要通過有向樹表示各個實體之間的聯系，可實現對數據的快速查詢，但數據冗余量較大。第三種數據庫模型采用網狀結構表示，在同一層當中記錄的數據可通過網狀模型連通，同樣可以實現對數據的快速查詢，但無法對數據本身結構進行修改。第四種數據庫模型主要面向技術與技術之間的結合產物，穩定性較差，并且也無法支持編程。

綜合礦山地質調查數據量大、數據之間關系復雜等因素，采用關系數據庫模型能夠實現對數據更加快速的訪問，并且針對不同礦山調查數據使用需要，對其進行結構上的修改更加方便，因此本文在后續對礦山地質調查數據庫進行構建時，采用關系數據庫模型結構，進一步實現對礦山管理的數字化轉變。將調查數據庫文件以ArcGIS格式進行存儲，并采用GeoDatabase表現地理信息數據模型。圖1為本文礦山地質調查數據關系模型數據庫結構示意圖。

圖1 關系模型數據庫結構示意圖

將圖1所示的關系模型數據庫結構作為本文建庫基礎，按照其相應內容對各個模塊進行設計。

1.2 基于無人機測繪的礦山地質圖像數據采集

在對礦山地質調查影像數據進行采集時，本文引入無人機測繪技術，依靠其遙感目視判讀完成對數據庫分類體系的構建。對于礦山地質圖像獲取的關鍵是提取調查目標區域范圍內的光譜信息、形狀信息、紋理信息等，并借助相應的解釋判斷和專家經驗對其進行選定和分析，從而實現對礦山地質調查區域內植被、道路、河流、房屋以及地質災害等相關數據信息的采集[4]。在實際應用中，觀察無人機測繪影響當中呈現出深綠色的區域即為植被覆蓋區域，并且在這一區域范圍內的測繪圖像色調和紋理相對單一，具有明顯的連續性和完整性。將測繪圖像當中亮度值不超過95的圖像劃分為植被，完成對植被區域劃分后，其余部分全部為非植被覆蓋類區域。同時，河流信息在測繪圖像當中也十分明顯，由于受到礦山地質災害的影響，河流當中會聚集大量泥沙，因此其測繪圖像色調較淺，并且呈現出明顯的自然條帶狀結構，在測繪圖像上邊緣區域十分平滑。基于上述兩種地質信息類型特點，可采用光譜特征提取的方式，對礦山地質調查區域內的植被和河流進行提取，并根據實際情況對其分類規則面積進行計算。

針對礦山地質調查區域內的道路信息數據提取，在測繪影響上道路通常會呈現出亮白色細長狀特點，并且不會出現破碎情況，利用道路的長寬比和亮度值特征，可實現對道路信息數據的初步提取。再結合分類規則和亮度值，在亮度值超過165并且長度和寬度比超過6.5時的圖像上，對道路信息數據提取。針對房屋和地質災害信息數據，在區域后針對上述剩余部分進行分類提取。房屋信息數據在光譜特征上呈現出藍色或亮白色，并且具有較高的反射率，且形狀大多以規則的矩形為主。地質災害信息數據在測繪圖像當中的光譜特征以灰色為主。根據房屋和地質災害信息特點，以此建立相對應的分類規則，再完成對各類別下信息數據的提取，最后對上述初步完成提取的結果進行目視判別，將最終符合標準要求的各項數據作為后續特征數據分類端存儲的重要依據。

1.3 礦山地質調查特征數據分類端存儲

完成上述操作后，通過對所有礦山地質調查特征數據在分布端進行存儲，實現解放人工數據管理的目的。按照上述獲取到的礦山無人機測繪圖像中的地質圖像數據，通過分類器完成對特征數據的分類。結合分類最優原則，按照邏輯關系從眾多圖像數據信息當中提取大數據特征，并將大數據分解為矢量，將分解后的數據結果分配到數據庫的兩端，其中一端主要用于接收與特征數據無關的矢量，另一端通過最優平面完成對海量數據的有效分類[5]。按照無人機測繪對應的局部測量坐標系，選擇無人機攝像頭的三維坐標系，假設O1（x1，y1，z1）表示為數據采集器1對應的局部測量坐標系；O2（x2，y2，z2）表示為數據采集器2對應的局部測量坐標；On（xn，yn，zn）表示為全局測量三維坐標。在全局測量三維坐標當中，Xn可表示為任意一點對應的矢量值，其表達式為：

假設X1表示為在數據采集器1當中對應的局部測量坐標系當中任意一個坐標點的矢量值，則其表達式應為：

以此類推，得到X2的表達式為：

在上述公式基礎上，引入一個4×4的旋轉矩陣，將上述多個參數作為數據采集器對應的無人機測繪外部參數，將各類礦山地質調查數據按照其類型和坐標分別帶入到不同公式當中，得出其在數據庫分類端的存儲位置，實現對數據的實時分類。在實際應用中，完成對數據庫的建庫操作后，還需要對其進行定期數據信息檢查，將該數據庫與無人機測繪影響數據庫相連接，針對各項信息數據進行提取和成果檢驗，確保存儲在調查數據庫當中的數據真實有效，提高數據資源的利用價值。

2 實驗論證分析

為了確保本文上述提出的建庫方法能夠在真實應用環境中實現對礦山地質調查數據的有效存儲，將其與傳統基于3Dmine的數據庫建庫方法同時針對一組礦山地質調查數據進行數據庫構建并存儲。選擇以某城市郊區某礦山周圍5.5平方公里作為本次實驗的研究區域，分別通過無人機測繪技術和3Dmine技術，對該區域范圍內的礦山地質數據進行調查，并以此數據作為依據，構建兩個不同的數據庫，隨機抽取200個、400個、600個、800個、1000個特征數據量，對比兩種數據庫正確完成數據分類的個數，并記錄如表1所示。

表1 兩種數據庫建庫方法特征數據分類結果比較

結合表1當中得出的兩種數據庫建庫方法特征數據分類結果比較可以看出，本文建庫方法在實際應用中能夠保證特征數據為200個和400個時達到百分百的分類準確率，隨著特征數據量的增加，分類準確特征數據量占比雖降低，但仍然可達到98.0%以上。而傳統基于3Dmine技術的建庫方法在任何特征數據量都無法達到百分百分類準確率，基本維持在50.00%~67.00%范圍以內。因此，通過實驗證明，本文提出的建庫方法應用到實際能夠實現對海量數據資源的精準分類，提高調查數據的利用率，并能夠進一步實現對調查數據的實時更新。

3 結語

針對當前礦山地質調查數據利用率低，存儲在數據庫當中的數據準確性差，查找費時等問題，引入無人機測繪技術，提出一種全新的建庫方法，并通過實驗驗證了該方法的合理性。未來隨著礦山信息化程度的不斷加深，還需要利用更多現代技術對數據庫建庫進行完善，從而確保數據庫能夠更好的為礦山科學建設和規劃提供支持條件。