无人机遥感技术在采煤地面塌陷监测的无人机遥感技术应用

高凌洁， 张少凤

(宝鸡职业技术学院 机电信息学院， 宝鸡 721013)

0 引言

煤矿的开采随着矿井煤炭容量的降低，整个矿井地质表面的承受能力也在逐步下降，在矿井开采晚期即称为尾矿，尾矿产生了大量的废弃物，其中包含矿物质提取物的固体颗粒以及水和混凝剂和絮凝剂等附加成分的混合物，往往会造成矿区环境污染。特别是，由于潜在的渗水、泄漏和大坝倒塌，传统的泥浆形式的尾矿存储会对尾矿的质量造成严重的环境风险，并且煤矿地面塌陷的主要原因就是尾矿问题处理不当造成的，因此合理处理尾矿以及利用遥感探测技术对监测区域的地质变化进行分析研究成为解决采煤地面塌陷问题的主要解决手段之一。

相关学者对煤矿地面塌陷问题进行了相应的研究，并提出了各种解决方法，主要包含尾矿处理方式、地面遥感探测等。文献[1]中提出采用脱水手段将尾矿连续体从低粘度流体变为更加糊状的状态，同时，该手段会增加尾矿的固结速率(由于排水造成的体积减少)和尾矿堆的稳定性。文献[2]中提出了一种新的尾矿泥浆处理技术，该技术具有沉积角度大，土地占地面积减少，堤岸升高的频率减少，渗透和稳定性问题减少以及材料分离度降低等优点。然而对于低温条件下的尾矿处理技术研究较少[3]，与传统的泥浆储存方法相比，使用泥浆技术沉积尾矿需要更多的投资和更高程度的矿山管理[4]，矿山管理作为解决地面塌陷的主要手段，提升管理水平对于减少尾矿损失由显著效果，文献[5]中Rico等人研究了尾矿造成采煤区地面塌陷的两个原因：一是气象事件，如极端降雨和融雪；第二个最常见的原因是管理不善。对于极端天气可能会对尾矿蓄水层产生较大的影响，如在较为寒冷的地区(像我国的东北地区)，寒冷气候下的冻结温度，可能会引起在蓄水层内形成永久冻土层，长期冻土可以在基质保持冻结的同时增加尾矿的强度，但在解冻时(例如由于气候变化)，它会对稳定性产生严重的负面影响，特别是在上游堤防上升的情况下[6]。利用现代遥感技术来支持对采煤地面塌陷的监测，主要通过对尾矿的蓄水量进行遥测，国内外在该领域的相关研究介绍如下。

利用无人机(UAV)结合运动回复结构(Structure from Motion, SfM)实现目标摄影测量—所谓SfM是一种从计算机视觉和传统摄影测量技术发展而来的低成本地形测量技术，可快速生成3D模型[7]。文献[8]采用UAV-SfM应用于绘制各个领域的地表位移，如冰川学和滑坡监测等。对于采煤地面塌陷领域的研究较少，本文利用无人机对目标采煤区域地面变化情况进行监测统计分析，通过四次的现场测量活动从而收集数据，采用全球导航卫星系统(GNSS)测量以评估无人机数据的准确性。采用SfM技术生成数字高程模型(DEM)和点云；通过生成差分DDoS(DEMs of Difference)来估算矿井地面沉降，评估了DEM相对于GNSS测量的准确性。

1 研究方法介绍

1.1 研究条件背景介绍

采用四架无人机分别在在3月、5月、7月、9月进行了四次现场测量，测量设备配置如表1所示。

表1 监测无人机配置参数

第一次监测事件是在3月5日进行的，搭载一台配备1 200万像素(MP)佳能Powershot SX260 HS相机的Cryowing Scout固定翼无人机，飞行高度约为300米，平均地面速度约为20米/秒。共获得664张照片，地面分辨率约为10厘米/像素。第二次监测事件是在5月15日进行的，使用无人机搭载22毫米镜头的18MP的佳能EOS M相机，无人机飞行高度设定为150米，平均地面速度约为15米/秒，整个采集过程共获取376张照片，图像分辨率约为3厘米/像素。在该两个监测周期内分别完成了12个和15个地面关键点的监测(Ground Control Points，GCPs)，通过GR-5 RTK GNSS接收机进行数据收集。

7月和9月分别搭载索尼Cyber DSC-RX1R II无反光镜相机，配备42万像素全画幅传感器和35 mm固定镜头。镜片，两次监测的飞行高度大约为150 m，目标飞行速度为14米/秒。分别收集了894张和711张照片，在该期间的GCP用SLC多功能RTK GNSS接收机进行测量。在七月的监测过程中，收集了20个GCP，如图2所示。

图1 不同时间监测的GCPs分布图

图2 遥感监测过程图

在9月份的监测过程中，收集了11个新的GCP，并且有8个现存的保存完好的GCP被重新使用，利用R8 RTK GNSS接收机在所检测的采煤地面区周围的服务道路收集了189个GNSS地面检查站，这些区域是相对稳定的监测点，因此，这些测量结果可以用于估计采用SfM方法产生的数据质量。

根据目标实现的需求，整个遥感监测的过成描述如图2所示。

2.2 数据处理

使用AGIDOFT Photoscan软件进行处理每个监测活动的照片，该软件采用SfM摄影测量技术生成密集点云及数字高程模型(DDEM)，使用GCP来改善正射校正,如表2所示。

表2 不同数据集的校正结果表

数据处理过程中，发现对于5月收集的一个GCP和7月收集的一个GCP，发现输入坐标与根据图像估计的坐标之间的距离(即估计的方位误差)比其他点高一个数量级并在处理过程中被丢弃。

采用CloudCompare中进行了不同点云数据集的配准，并进行了手动调整，并采用了ICP算法的内置“精确配准”工具。方法介绍如下：

(i) 模型构建，模型突出围绕采煤区域顶部建立的大概稳定的服务道路；

(ii) 在精确注册中利用相应的点云分段。易于识别的地形标志首先用于手动注册，然后使用ICP进行注册优化；最后，将路段的迭代变换矩阵用于全数据集的配准过程。

将九月的数据用作协同注册点云的基线以及收集的189个GNSS检查点。注册后，点云之间的点对点差异统计数据被导出以供进一步分析。将点云数据集转换为全分辨率DEM，并通过ArcGIS 10.5地图比较GNSS地面检查点来评估数据质量。最后，生成1米/像素分辨率光栅DEM，以简化数据可视化并消除异常值。 通过计算各个高程模型之间的逐像素高程差异，在ArcGIS 10.5中生成突出显示地面位移量差异的DEM的值ΔZij如式(1)。

ΔZij=Zij,1-Zij,2

(1)

其中Zij,1是时间t1期间像素ij的高度，Zij,2是时间t2期间像素ij的高度，并且t2>t1。

2 结果

利用无人机运动产生的一级数据产品是非常高分辨率的正射影像图，密集点云和栅格DEM。 由于飞行高度降低和摄像机质量提高，产生的地面分辨率从3月到9月得到了提升，地面检查点与表3中DEM值之间的比较表明，地面分辨率的提高伴随着垂直精度的提高。平均误差的计算结果——数据共同登记，而平均绝对误差则更好地突出了单个DEM的内部准确性，如表3所示。

表3 采集结果平均误差记算表

通过记录采煤地面变化数据，因此对于常见的矿产开发环境形成的尾矿主要以尾矿蓄水池的变化判断矿井地面变化情况。通过证明，利用无人机可以有效、快速、经济及高效地监控尾矿地质在分米范围内的运动。在主动采矿阶段，监测蓄水区的尾矿库容并优化处理技术具有较高的经济意义。本文所采用的机遇SfM方法结合UAV搭载具有以下意义：

1) 可作为尾矿表面剖面绘制的有效工具

2) 可作为计算尾矿蓄水池蓄水量的数据来源；

3) 可作为预测未来更具体地的需求，例如可为矿井维护工作提供支持。

从地质技术的角度来看，UAV-SfM方法可以帮助优化处理方案，例如，它可以帮助决定将蓄水池中的尾矿泵送到哪里，以便尽可能有效地利用储存能力并检查尾矿表面坡度。该方法适用于监测尾矿表面的变化，但并不能最终解释变化的原因。

然而在实际使用UAV-SfM方法时也会有一些限制。例如在亚北极地区(如我国的东北地区)，测量的时间受到限制。由于雪盖掩盖了地表能见度，尾矿表面每年可能被雪覆盖的周期大约在半年时间，这就表明UAV-SfM方法无法取代冬季期间的其他监测方法。同样，强降水和融雪水覆盖也可以防止或限制无人机的测量；此外，在限制访问的区域工作时，应考虑在数据处理之前可能会被忽视的可能问题(例如，GCP的布置不合理或者布置点太少)，一种选择是在现场制作低质量模型，并在需要时进行补充测量；而对于常规维护操作中应用的方法、工作流程和处理均可简化，如在正常操作中，使用固定和精确测量的GCP及无人机飞行、相机和处理参数可以通过经验在一段时间内得到优化。

3 总结

本文主要以实际实例介绍了无人机结合SfM技术生产的数字高层模型(DEM)在一年的4个月份进行了采煤地面区域的地质变化情况，通过DEM与GCPs之间的点对栅格比较表明，垂直平均绝对误差从3月到9月发生了下降，主要原因是地面分辨率(摄像机质量和飞行高度)提高以及越来越多的GCP分布。在数据共同注册中使用诸如服务道路之类的稳定区域被证明是用于精细注册和映射相对变化的合适方法，证明了采用无人机搭载各类遥测设备获取的监测数据是足够准确的。