地質災害應急搶險中輕便型無人機快速測繪技術的應用研究

吳利榮

（山西省煤炭地質物探測繪院有限公司，山西 晉中）

引言

隨著我國科學技術水平越來越高，無人機技術迅速提升，并且取得了技術突破，已經在各個領域中得到了高效運用。尤其是在地質災害應急搶險中，無人機具有非常大的運用優勢。隨著近幾年地質災害的發生概率增加，無人機快速測繪技術得到了應用，輕便型無人機快速測繪技術能夠對地質災害數據進行有效搜集和分析，通過建立協同服務機制的方式，對地質災害進行預測評估，由此可以看出輕便型無人機快速測繪技術的運用價值。

1 輕便型無人機系統組成

1.1 飛行平臺

輕便型無人機機身往往選擇較為輕便的木質材料或者碳纖維，以上材料能夠幫助無人機適應各種地質災害環境，實現準確定位。數采集可以利用“棋盤式數據標注”的方式完成，標定模板每個格的邊長在15 mm～25 mm 之間，一共25 個方格，在空間中獲取相應的標定點，假設標定點的坐標為m，則坐標點集合為M＝［m1，m2，m3，1］T，拍攝畸形圖片坐標為m′＝［I；x；y］，在此基礎上完成畸變點關系投影，公式為km＝C［j，s］M，對其進行簡化處理的公式可以表示為km=HM，H 表示為數據的單邊性約束條件。具體見表1。

表1 無人機飛行參數

1.2 控制系統

輕便型無人機控制系統中包含一定數量的子系統，例如驅動系統、監控系統以及通信系統等，在地質災害搶險中，綜合運用以上系統，滿足各項功能的運用，最終完成災區數據采集、上傳以及分析工作。根據三維模型中的模型坐標，完成誤差計算，具體見表2。

表2 誤差計算

2 輕便型無人機快速測繪技術在地質災害應急搶險中的運用

2.1 科學劃分勘察區域

從當前輕便型無人機實際運用中能夠看出，大部分無人機的飛行時間并不長，主要在30 分鐘左右。針對這一情況，在運用輕便型無人機快速測繪技術中，要對勘察區域進行明確劃分，科學合理的測定勘察路線以及飛行時間，保證勘察工作的開展效率[1]。例如，在航線規劃的過程中，根據無人機傳感器電荷耦合器件尺寸、影像地面分辨率等因素共同決定，航高計算公式為：H=GSDxf/a：H 為航攝高度，m；a 為傳感器CCD 像元尺寸,f 為無人機鏡頭焦距，GSD 為地面影像分辨率。

同時將輕便型無人機搜集的圖像信息與還原地貌相互對比分析。以上過程中運用三維模型技術能夠實現對災區地質環境的可視化建設，為應急搶險人員的決策提供條件，確保最終決策的準確性[2]，見圖1 無人機航拍流程。

圖1 無人機航拍流程

2.2 數據處理技術

近幾年，我國無人機數據處理軟件處于快速發展狀態，主要采取的軟件包括思維公司的JX4，中國測繪研究院的Pix Grad，武漢大學的DPGrid 等，將以上軟件與輕便型無人機快速測繪技術相互結合，能夠對數據影像信息完成自動化處理。在此過程中，可以將其與Agisoft Photo Scan 軟件相互結合，建立三維模型，同時生成DOM。在Darknet 深度學習框架的基礎上，針對地質災害現場的車輛和人員進行識別與統計。在Agisoft Photo Scan 軟件中，主要運用structure from motion，Sf M方法對三維場景進行建模，針對無人機中的視頻數據信息，采取視頻抽幀的方式獲取具有高重疊度的影響，再將其導入到Agisoft Photo Scan 軟件中完成處理。Agisoft Photo Scan 軟件目前采取的主要數據處理方法包含三種：第一，針對較為復雜的地質災害場景，按照地面控制點對區域完成劃分，分區域完成測量，在此基礎上完成圖像的拼接，這種方式能夠提高對圖像處理的準確性和有效性。第二，對于其中質量較差的圖片，需要將其刪除，軟件內部對區域范圍之內的參數進行調整，通過這種方式降低其中出現冗雜問題的概率。第三，在選擇相應的地面控制點階段，要保證控制點實現均勻分布，并且避免在影響邊緣的位置設施控制點。在完成數據處理之后，用戶根據實際需求導出相應的成果，當前主要包括三維點云、DOM，DEM和Google KMZ 文件三部分內容。導出三維模型主要為PDF 和obj 格式，分別在Adobe Reader 和3D Builder 中瀏覽，Google KMZ 文件可以利用Google Earth 軟件打開，實現影像之間的相互疊加，完成信息挖掘和處理工作。

例如，在針對邊坡滑動現象進行測繪的過程中，選擇五個標記點完成記錄，其坐標分別為A：（168.5m，183.7m）、B：（154.5 m，243.7m）、C：（274.5m，243.5m）、D：（342.7m，235.4m）、E：（325.4m，253.4 m）。其中輕便型無人機測繪技術為試驗組，傳統測繪為對照組，具體情況見表3。

表3 測繪技術對照

通過表3 內容能夠看出，試驗組完成的最長時間為15.47 ms，對照組最長時間為86.47 ms，因此輕便型無人機測繪技術能在短時間之內完成測繪工作，幫助應急搶險工作順利完成。以往開展測繪工作的過程中，需要工作人員進入到測繪現場完成測繪工作，而在地質災害搶險區域中存在較高的不確定性以及危險性，如果測繪人員對搶險地區的了解程度不夠，則非常容易出現意外，威脅測繪人員的生命安全。另外，在發生突發性地質災害之后，采用傳統測繪方式，也會對周圍人員生命安全產生威脅。該種情況下運用輕便型無人機快速測繪技術，能夠有效避免上述情況的出現，同時，提高應急搶險測繪數據采集安全性，為我國今后測繪技術的進一步發展提供條件[3]。

2.3 實時視頻目標識別技術

在對視頻目標進行實時識別的過程中，可以在Darknet 框架的基礎上完成，該框架較為精簡，能夠實現深度學習，在此基礎上完成視頻目標的實時識別，能夠保證最終識別結果的穩定性。根據實際情況，可以將其與Open CV 相互結合，其在實際運用中操作簡單，移植難度低，包含兩種計算方式。將YOLO 作為主要速算法，該算法在卷積神經網絡的基礎上形成，具有識別速度快、準確性高以及預測范圍廣的優勢，因此在輕便型無人機中得到了廣泛運用，具體見表4。

表4 YOLO 與其他算法處理COCO 數據集

在對視頻進行正式識別之前，要針對大量的樣本完成標定工作，以YOLOv3 為例，目標識別主要包括以下內容，第一，數據準備階段，將1000 張照片進行標準，并且將其分為訓練集以及測試集兩部分內容。第二，完成Darknet 準備工作，對其中的代碼進行修改，使其與數據集相互匹配。第三，利用Image Net 數據集預訓練模型，加快網絡收斂，同時確定訓練文件的路徑以及參數配置，其中包括batch，momentum，decay 和learning_rated 等。第四，訓練YOLOv3，在損失函數下降到一定數值之后，停止訓練，并完成對訓練 模 型 的 保 存。使 用object_detection_yolo.Py 對模型進行測試，最終開展目標識別工作。目標識別過程中，將輕便型無人機拍攝的視頻實時傳遞到控制中心，控制中心電腦利用Darknet 框架完成對目標識別[4]。

2.4 應急監測控制點布設技術

在對輕便型無人機應急數據以及視頻完成處理識別之后，確定數據采集精度，開展應急區域內部監控點的選擇工作。這一階段將地址坐標與輕便型無人機航拍坐標相互規劃，根據相應的比例完成計量設備整合，人工測量作為輔助開展監督管理，具體監控點標注情況見圖2，表5 為像控點布設具體參數。

圖2 標記點形狀

表5 像控點布設參數

通過圖2 內容能夠看出，在一定區域范圍之內，利用對角劃分的方式將其分為四個面積相等的三角形，在對角位置設置布控點存在不穩定性，所以可以在開展測量工作之前設置水泥柱，再利用GPS、GPRS等設備，對布設點的狀態完成實時監控[5]。

3 結論

綜上所述，在當前地質災害應急搶險中，輕便型無人機快速測繪技術得到了有效運用，其具有靈活性強以及可視化的優勢，能夠幫助應急搶險人員快速全面的掌握災害區域實際情況，制定正確決策。但是在實際運用技術的過程中需要注意，要從數據處理、目標識別以及控制點布設等角度出發，細化其中的運用細節，并且加以控制管理，最終達到提高輕便型無人機快速測繪技術運用水平的目的。