無人機傾斜攝影在滑坡區域監測中的應用研究

劉 勐,蘇俊武,薛洪文

(中國冶金地質總局第三地質勘查院,山西 太原 030032)

0 引言

山體滑坡現象給當地人們的生活帶來極大災難。因此,實現滑坡區域監測已成為亟待解決的技術難題。常規技術采用監測設備實現滑坡數據信息監測,但是這些監測設備需要固定到某個支撐點上,在實際應用中存在一定的缺陷。隨著新時代信息技術的不斷涌現,三維監測模型為當前城市管理和企業規劃指明了發展的方向。目前,三維監測模型主要面向災難性的突發事件,在一定程度上促進了城市的穩中向好發展[1]。然而,在三維數字化模型的可行性建設方案中,傳統的人工單體建模存在建設周期長、成本高、精度低的缺點。

相關學者對三維監測模型技術進行了深度研究。文獻[2]研究了基于激光掃描和雷達技術的三維建模。盡管以上2種方法獲取的圖像清晰度尚可,但實際應用成本高昂。通過高分辨率遙感影像一體化數據處理系統實現數據信息時,獲取的數據信息僅僅是大面積區域信息,難以實現局部風險區的信息獲取。針對上述問題,文獻[3]設計了1套基于無人機的傾斜攝影測量技術。該技術通過無人機實時、無死角地采集地面物體影像并傳送到傳感器,再利用影像軟件來達到建造滿意的滑坡區域的目的。但該技術存在硬件優化問題,所得到的無人機飛行軌跡與理論計算不相符。文獻[4]研究了1種輕型便捷的五鏡頭傾斜相機,以實現信息的數據采集。該相機可進行空中三角的加密測量,在引入三維實景的重建過程中具有模型精細度高和幾何精度高等優點。但該相機在試驗中出現特征點提取不足的現象。

為了提高滑坡區域監測能力,本文采用無人機傾斜攝影技術實現滑坡區域監測,同時采用特征點提取和匹配特征點的方法,對滑坡監測區域數據信息特征進行監測。在硬件結構上,該方法通過4個模塊的配合實現遠程攝影相關工作。該方法監測誤差更小,驗證了設計的穩定性。

1 滑坡區域監測系統設計

鑒于上述研究的測量技術出現的難題,本文設計了1種新型滑坡區域監測系統。該系統采用無人機技術,主要對滑坡進行高度及角度的測量。飛行的高度和角度直接決定攝影成像清晰度及成像內容是否偏離斜坡。該系統以攝影成像對飛行環境進行大致描繪。

滑坡區域監測系統架構如圖1所示。

圖1 滑坡區域監測系統架構

由圖1可知,滑坡區域監測系統通過結合飛行的傾斜及畫質特征來監測周邊環境,以適應飛行布點規劃;在飛行過程中需要操作設備和運營設備的協同作用,從而為飛行創造條件[5]。運營設備對于精度的要求比較高,一般需要完成相關的測試及安裝工作。首先,相關工作包括通過最大功率點跟蹤(maximum power point tracking,MPPT)監測和采集設備,完成信息監測并上傳到數據庫;然后,借助改進尺度不變特征監測(scale invariant feature detection,SIFD)算法和云端技術上傳信息到電腦進行信息顯示和故障診斷,要求能夠直觀地看到上傳的信息是否存在圖片拍攝不完整或者遇到死機、卡屏等情況[6],從而解決實際飛行所遇到的問題[5-6];最后,將甄別好的數據發送到遠程監控終端,從而完成滑坡技術監測的相關測量工作。

2 無人機傾斜攝影技術的特征點提取

針對引言部分文獻存在的問題,本文采用改進SIFD算法進行圖像監測。具體監測流程如下。

①構建尺度空間。

本文應用SIFD算法實現無人機攝影圖像尺度空間信息的提取、訓練與學習。其中,無人機傾斜攝影技術中的尺度空間M(a,b,c)是高斯函數T(a,b,c)與原圖K(a,b)的卷積[7]。

M(a,b,c)=T(a,b,c)*K(a,b)

(1)

式中:*為卷積運算;c為尺度因子。

高斯函數的定義為:

(2)

高斯差分空間可以由灰度圖像的模糊圖像增強[8]得到。本文設比例因子為v,則兩者之差(difference of two,DoT)函數的定義為:

D(a,b,c)=[T(a,b,c)-T(a,b,vc)]×K(a,b)=

M(a,b,c)-K(a,b,vc)

(3)

式中:D為DoT函數表達式。

②測點監測與定位。

本文將攝影尺度空間內的測點監測與定位分2個部分。其一為空間極值點監測。在同一圖像尺度之中,相鄰的界面綠色標識點共計有26個交叉,若發現其中的點的值比最大的大、比最小的小,則把該點定義為極值點[7]。其二為精確定位關鍵點[9]。空間極值點監測通過滑坡攝影圖像尺度空間D()得到:

(4)

式中:θ為交叉點角度。

通過Hessain矩陣H,可得監測點x和y方向的梯度:

(5)

式中:Tr(H)為x方向的梯度;Det(H)為y方向的梯度。

③匹配特征點。

在實際應用中,無人機攝影在搜索滑坡區域中通常會有多條視線,因此每個候選位置都需要與特定視線相關聯。對于具有相似方位角的每組點,本文提取其中的1組視點,將每個網格點關聯到橫穿視線方向最近的視點,并有效地將其分配到特定視線。對于搜索區域網格點落在2條平行視線上的情況,可將其表示為候選與平行視線的關聯。

候選位置與平行視線的關聯如圖2所示。

圖2 候選位置與平行視線的關聯

由圖2可知,本文假設測距和陰影匹配位置的權重系數在搜索區域內的每個網格點為p,2個相鄰點之間的坐標差即為視線寬度wp。本文使用沿垂直于視線方位角的候選位置處的滑坡區域[10]邊界角θ以及到該處的跨街距離Δwp進行計算,則滑坡區域高度h與無人機視線寬度之比δhw為:

(6)

基于式(6),可得p點陰影匹配的加權矩陣為:

(7)

式中:Cp為點p的坐標變換矩陣;Sp為點p的陰影匹配分數。

(8)

式中:z為點p所屬視線的方位角。

綜上所述,根據每個點的陰影匹配分數對各點的矩陣進行加權,可獲得陰影匹配和測距位置解的總體加權矩陣。因此:

(9)

式中:n為陰影匹配搜索區域中網格點的總數。

綜上所述,本文研究SIFD算法應利用相似度函數找到匹配點,通過無人機在滑坡區域得到精確的攝影圖像數據。

3 無人機攝像控制系統設計

本文設計的無人機攝像控制系統,在硬件結構上可以劃分為電源模塊和處理器、模擬/數字(analog/digital,A/D)轉換模塊、脈沖寬度調制(pulse width modulation,PWM)驅動模塊和電平轉換模塊。通過這4個模塊的配合[11],系統能夠實現遠程攝影相關工作。

無人機攝像控制系統硬件結構如圖3所示。

圖3 無人機攝像控制系統硬件結構

本文以XC7Z020芯片作為重要的驅動芯片。該芯片內部集成了雙核ARM Cortex-A9處理器。其擴展性能非常強大,且在設計方面有著很強的靈活性。其技術優越、兼容性強,操作系統為無人機在滑坡區域的監測提供了極大的幫助。這款處理器采用關鍵微體系架構,能夠在頻率較高的試驗中驅動4條循環指令,而且支持因特網設備。

由圖3可知,現場可編程門陣列(field programmable gate array,FPGA)+雙核ARM處理器通過串行外設接口(serial peripheral interface,SPI)與A/D轉換模塊進行連接。處理器圖示驅動的第二模塊為PWM驅動模塊,RS-232驅動模塊為流行的驅動串行通信。聯合測試工作組(joint test action group,JTAG)接口是1種國際推行的測試方案。該方案極大地促進了芯片優化行業的發展。其優點是兼容性強,且能夠與許多高級部件無縫對接。無人機在自主飛行時需要采集前端傳感器產生的多路模擬信號,從而及時將模擬信號轉換回地面顯示器,并實時監測飛行中可能遇到的危險復雜情況,從而作出相應的調整措施[12]。

無人機攝影通信輔助模塊如圖4所示。

圖4 無人機攝影通信輔助模塊

無人機攝像控制系統高度計量模塊如圖5所示。

圖5 高度計量模塊

通信輔助模塊電路的直流電源為我國生產的性能較高的LM275-ADJ系列電源。該電源設計極為簡單,僅含有1個振蕩器及少數元器件。這樣可以大大縮小散熱片的體積。該電源有5個端口,分別為開關、接地、輸入、輸出以及反饋端口。該電源的目的是比較輸出電壓與內部設定電壓,并驗證是否存在輸出電壓過低的情況[13]。如果輸出電壓偏低,系統會通過內部調整來增加輸出電壓的值。該電源目前有著很好的保護機制和廣闊的應用前景。

由圖5可知,為保證無人機的高效、安全、有序飛行,試驗需要對飛行高度的計量準確性和可靠性進行測試。氣壓高度計的型號為BMP085。其是一款性能優越的壓力傳感器。BMP085共有8個端口。其中,以太網軸網絡(Etherent over cable,EOC)基于有線電視同軸電纜網,使用以太網協議的接入技術完成轉換輸出。漏極電源電壓(voltage drain drain,VDD)被用作輸出電壓引腳,可以為模擬電路供電。串行數據(serial data,SDA)為雙向數據線。串行時鐘線(serial clock line,SCL)為時鐘線。SDA和SCL通過高低電平的跳變完成數據信號的接收工作[14]。

4 試驗與分析

為解決無人機在飛行中所面臨的實際問題,需要對無人機的導航控制回路的抗干擾能力的真實性有更為直觀的判斷。試驗設定開始時周圍氣流為3級。為驗證飛行的難度,試驗進行了無人機飛行軌跡測試。試驗在飛行期間保證風力為隨機。

無人機飛行線路如圖6所示。

圖6 無人機飛行線路圖

由圖6可知,無人機飛行路線曲線中梯形圖為飛行規劃的高度。圖6中共有6個交叉點高出預想的高度曲線。而圖6中的虛線為無人機在操控中繪制的實際高度曲線。考慮到無人機的實際重量不超過2 kg,在實際飛行過程中由于轉彎而導致飛行高度損失,及飛行中側氣流的影響,曲線中的高度不是一成不變的。飛行高度會在一定的臨界值之間略有起伏。在實際操作過程中,由于無人機的轉彎會對能量造成一定的損失,這時無人機的控制回路會對這部分損失進行能量彌補。圖6上表現的線條稍顯滯后,但這對于無人機飛行影響較小,因此可以忽略不計[15-16]。根據外業測量控制點點位的大地經緯度坐標值,可得到如表1所示的控制點點位經緯度坐標。

表1 控制點點位經緯度坐標

表1中的H表示無人機在滑坡區域飛行監測過程中的飛行高度,通過監測得到若干個測點的精確位置。隨著數字圖像處理技術的發展,空中三角測量擺脫了傳統需要人為操作選取待定點相片坐標的局限性,只需通過特征點的監測算子便可得到影響覆蓋區域的稀疏點云數據。

本文根據三角測量得到攝影圖像。獨立模型法三角測量如圖7所示。

圖7 獨立模型法三角測量示意圖

圖7中,無人機在滑坡區域三角測量的基本思想是:把整個測區分成若干個小區域,利用區域間的連接點做平移、縮放、旋轉變換,合并各區域使其成為整體區域。通過點坐標設定其中的特征點數目,對比文獻[3]和文獻[4]及本文研究所運用的特征點提取方法,并結合實際測量數據,可得如圖8所示的特征點監測誤差。

圖8 特征點監測誤差圖

由圖8可知,本文方法的監測誤差雖然隨著特征點數目的增多逐漸增大,但始終遠小于文獻[3]方法和文獻[4]方法。因為本文方法通過將研究對象分割成很多小塊,在精準測量的情況下運用嚴謹的邏輯推導,使得出的數據緊貼研究內容。本文方法在特征點數目為4時監測誤差僅為4%,與現有方法相比在監測誤差方面有接近2%的提升。本文方法的融入使應用系統具有良好的穩定性和極小的監測誤差,大大提升了無人機對滑坡區域的監測能力。

5 結論

通過研究無人機傾斜攝影技術在滑坡區域監測中的應用,本文得出以下結論。

①結合飛行的傾斜及畫質特征,通過最大MPPT提高滑坡區域監測能力,應用SIFD算法實現無人機攝影圖像尺度空間信息的提取、訓練與學習,提高了數據信息應用和計算能力。

②通過設計1套包括電源模塊和處理器、A/D轉換模塊、PWM驅動、電平轉換模塊的系統,實現遠程攝影相關工作。

③以XC7Z020芯片為驅動芯片。該芯片內部集成了雙核ARM Cortex-A9處理器,將FPGA+雙核ARM處理器通過SPI與A/D轉換模塊進行連接,提高了無人機傾斜攝影監控能力,通過三角測量的方法提高了測量誤差計算能力。

④利用已知的離散空間點通過Hessain矩陣來確定無人機攝影圖像關鍵特征點的位置和尺度空間,以提高關鍵點的監測精度。

本文為更多人研究、借鑒無人機技術提供了很好的幫助。然而,本文在無人機用電方面存在供電不足的問題。未來會針對此方面進行更深入的研究。