基于无人机摄影测量技术的滑坡变形研究进展

孔嘉旭， 谷天峰， 孙 彬， 张凡琛， 孙嘉兴， 宋志杰

(西北大学地质学系大陆动力学国家重点实验室， 西安 710069)

中国是世界上发生滑坡地质灾害最频繁的国家之一，尤其是大、中型滑坡在中国西部黄土高原、西南云贵高原等地区频繁发生，具有规模大、危害程度高、成因机制复杂的特点[1-5]，山地是中国国土的重要组成部分，约占国土总面积的66%。不同地区、不同土质结构的斜坡土体，在强地震、人类工程活动、灌溉或降雨等作用下，土体的结构特性、剪切特性等发生变化，导致斜坡土体发生变形，经过一个长期的过程引发滑坡地质灾害[6-13]。滑坡地质灾害以其诱发机理复杂与危害严重的特点，已经严重影响到人民的日常生活与国家的经济建设[14-15]，因此对滑坡区的现场调查、监测、评估与预警工作就显得极为重要。

在以往滑坡形成演化过程相关研究中，以斜坡变形为切入点的研究其重要性已经日益突显，通过多期次变形监测数据，可以很好地对滑坡进行形态特征、演化过程以及早期识别等研究[16-17]。传统滑坡变形演化过程研究方法主要依靠的有工程地质调查与分析[18-19]、遥感测绘与遥感图像解译[20-21]，以及通过布设传感器来监测滑坡变形发展情况的原位监测[22-24]。伴随着计算机技术的高速发展，现代化变形监测方法应运而生，高分辨率遥感影像对比可以实现精细化解译[25-26]；无人机(UAV)航测技术开始广泛用于滑坡变形观测[27]；分布式光纤技术也开始用于滑坡变形原位监测[28]；利用高分辨率激光雷达(LiDAR)可获取滑坡区地形等数据[29-30]；地表三维激光扫描技术可精确地监测滑坡的表部变形情况[31]；合成孔径雷达干涉测量技术(In-SAR)也被应用于滑坡监测，通过卫星可以周期性地对研究区完成稳定的观测，具有区域尺度测量的能力[32-33]；不断更新换代的自动化、高精度全球定位系统(GPS)技术也完全满足滑坡变形监测的需要[34]。但是上述滑坡变形监测技术在开展研究过程中都存在一定缺陷， In-SAR技术、高精度GPS以及激光扫描等技术等成本较高，其中GPS技术与激光扫描获取数据花费时间较长，只适用于单体滑坡调查；遥感影像解译仅适用于区域性研究，难以获取滑坡细部特征与厘米级变形数据，且精度难以保证；滑坡原位监测操作程度复杂，所需人力成本较高，一旦发生滑坡可能会破坏现场监测设备。因此基于摄影测量的无人机航测技术以其低成本、灵活性高、时效性强，易于根据地形等因素改变飞行路线，从而完成研究区测绘任务[35-36]，最终提供数据满足滑坡变形等研究需要。随着无人机的机载相机性能不断提高，量测精度已经达到厘米级别，完全满足滑坡细部变形观测与早期识别研究的要求。

本文以滑坡地质灾害观测方法研究现状为出发点，对无人机摄影测量技术基本工作原理做了详细介绍，接着叙述了摄影测量与数据处理过程，论述了基于无人机摄影测量技术的滑坡变形观测热点研究方向。在此基础上叙述了影像数据结果存在误差的原因，以及如何降低误差方法的研究现状。展望了摄影测量与影像配准的工作方向，最后总结了滑坡变形演化特征与早期识别研究中无人机摄影测量技术具有其独特优势，以期为今后相关领域的研究者提供了最新的研究进展和思路。

1 无人机摄影测量技术

1.1 无人机摄影测量技术工作原理

摄影测量技术的发展分别经历了以光学或机械投影方法为基本原理的模拟摄影测量阶段，以电子计算机为手段的解析摄影测量阶段，影像数据数字化处理的数字摄影测量阶段[37]。随着摄影测量技术与相关设备的现代化发展，该技术已经成为测绘、建筑、交通等行业必备的辅助技术，与人民日常生活与国家经济建设息息相关。该技术基于数字影像与摄影测量基本原理，通过数码相机，航摄仪等摄影设备，拍摄测量对象大小、形状、空间位置关系，将投影光线以数字化方式表达，获取原始影像数据，再将影像中的像点在空间坐标系中经过坐标变换，结合空三加密算法，将拍摄对象数字化的数据构建成三维立体模型[38-39]。

无人机摄影测量技术是利用无人机在空中执行飞行任务，研究人员控制无线电遥控设备，以高分辨率数码相机为传感器，对目标进行大范围、多视角、高精度及快速摄影测绘，从而得到影像数据的技术[40-42]。无人机摄影测量技术主要用于具有时效性的高分辨率影像的快速获取，在外业航测与室内数据处理后，获取研究区正射影像、数字表面模型等(DSM)、点云数据等。

1.2 无人机摄影测量系统组成与作业流程

无人机摄影测量技术是无人机与数字摄影测量技术所结合现代化技术，其系统组成如图1所示，主要由飞行平台系统、任务荷载系统、飞行控制系统，数据处理系统所组成。无人机摄影测量操作流程依次由前期调查准备与资料收集工作、现场作业、数据处理内业等步骤依次组成(图2)，每一部分均有严格的技术指标与注意事项要求[43-44]。

图1 无人机摄影测量系统组成Fig.1 Composition of UAV photogrammetry system

图2 无人机摄影测量作业流程Fig.2 Operation flow of UAV photogrammetry

1.3 无人机摄影测量技术研究现状

无人机摄影测量技术在数字化、信息时代完全发展为一个新兴的研究领域，无人机最早出现于20世纪初，起初应用于军事与战争，随着计算机等现代化技术的高速发展，无人机开始与航空摄影测量技术相结合，体积小、传感器精度高、操作简便的航测无人机被制造出来，越来越广泛的用于灾害应急与处理、国土监察、资源开发[45]、考古挖掘[46]、生态环境保护[47]、农业工程[48]等领域。在地质灾害现场调查与动态监测研究中，已经频繁用于地面沉降观测、滑坡变形发展与演化过程监测、边坡稳定性分析等研究。

Schwab等[49]利用该技术来获取高精度数字高程模型来计算阿尔卑斯山滑坡的体积量；Goncalves等[50]将无人机摄影测量技术与GPS技术结合，通过GPS技术提取控制点确保影像结果的精度，用于研究海岸地形变化趋势；多期次高精度影像数据在滑坡变形与表面细部特征的研究起到了显著效果[51]；无人机摄影测量技术已应用于重大地质灾害发生后，在灾区位置与分布概况、灾害程度评估、现场搜救与重建的过程中起到重要作用[52-53]；Mateos等[54]结合In-SAR与无人机摄影测量技术用于探究西班牙某城市海岸滑坡与城市建设发展之间的关系。

无人机航测具有快速反应能力，可以快速划定航测区并到达目的地；在与众多滑坡变形监测手段相比，其时效性与性价比相当突出，可以随时拍摄与自由划定航测区，工作效率高，成本也相对低廉；航测区域受限制条件较低，无人机航测不仅可以避免云层干扰，还不受地形限制，航测高度由研究人员控制，成像质量与精度也优于遥感数据[55]。无人机的任务存储设备会充分发挥其自主飞行能力，已存储的航线可以重复使用，便于对同一区域进行固定周期的滑坡变形监测。无人机摄影测量技术在小范围精细测绘制图上，其操作系统的稳定性与高精度影像结果，在操作简易的基础上成为广大研究人员的首选。

目前，根据无人机数字航空摄影测量规范要求，以1∶500、1∶1 000、1∶2 000为摄影测量外业实施标准，数字化成果的精度与影像分辨率要求会随着比例尺与地形地物不同有所变化。目前，用于地质灾害调查与测绘的航测无人机已经分化出多种类型。无人机按其不同的飞行平台结构可分为，固定翼无人机、无人直升机、多旋翼无人机，其中多旋翼无人机因其螺旋桨数量的不同，又可分为四旋翼无人机、六旋翼无人机、八旋翼无人机。固定翼无人机最大的特点是飞行速度快、耗能大，无人直升机具有极强的灵活性，可以垂直起降，多旋翼无人机操作简单、成本较低，是大多数民用无人机的首选。无人机按其用途划分，可分为军用级、工业级和消费级三个级别。工业级与军事级无人机一般具有较高的技术指标要求，并且服务于更专业的应用需要；消费级无人机是较为大众化类型，这类无人机一般是多旋翼无人机，其体积小，耗能小、飞行距离非常有限，广泛用于航拍[55-57]。除此之外，用于摄影测量的无人机还可以根据机身尺度、飞行活动半径、飞行高度进行分类，详细分类见表1～表3。

表1 按尺度大小的无人机分类

表2 按活动半径的无人机分类

表3 按任务飞行高度的无人机分类Table 3 UAV classification by mission altitude

近些年来，无人机摄影测量技术开始与GNSS(global navigation satellite system)技术、RTK(real time kinematic)技术结合，用于摄影测量与数据处理工作。在避障系统上研发方面，无人机开始向智能化发展，能够自动识别航线上的障碍物，从而做出避让等反应来保证无人机的安全。

2 无人机摄影测量与滑坡变形观测

2.1 区域滑坡变形调查

目前，基于无人机摄影测量的区域滑坡变形调查研究以其经济、实用的特点被广泛应用，主要集中在区域滑坡的时空分布特征、演化规律等研究。研究表明，一定区域内的滑坡变形特征与成灾机理往往具有某种规律性，这种区域性规律不仅仅只表现在空间上，其规律受降雨。灌溉以及人类工程活动等诱因呈群集性、分异性、多序次变化特征，也表现在时间上呈年际与年内变化规律[58-59]。因此，针对区域滑坡变形与演化特征研究，大量的基于无人机摄影测量技术的区域滑坡调查研究已经被证明为最有效的工具之一。

为了了解一定时间与空间范围内的区域滑坡具有何种变形演化规律，有必要获取足够时间和空间序列的区域滑坡变形信息。González-Diez等[60]利用无人机摄影测量技术对西班牙坎塔布里亚山脉某面积为7 km2的滑坡进行了精细航空测绘，并结合GPS技术提高影像处理结果的精度，在此基础上对比了历史多期次影像结果，得到了时间序列的滑坡堆积物变化趋势。巨袁臻[43]利用无人机摄影测量技术对黑方台党川段、焦家段等滑坡群进行了早期识别研究，将多期影像进行三维模型配准，利用两期滑坡的高程数据相减获得差分模型，通过两期影像的差分模型分析滑坡变形的动态变化规律。Hu等[61]利用无人机摄影测量技术所获取的高分辨黄土滑坡三维模型，对区域滑坡进行了空间特征分析，该方法能够精确地观察到滑坡表面纹理、裂缝的变化特征。胡胜等[62]在陕西黄土高原地区选取了多个黄土滑坡，利用无人机摄影测量技术提取了黄土滑坡的几何特征参数、地形特征参数和断面结构等高分辨率特征参数，并分析了黄土斜坡稳定性与降雨、灌溉、人类工程活动的影响关系。有学者将无人机摄影测量所获取的正射影像与DEM(digital elevation model)数据，从中提取滑坡边缘线、高程、面积、坡度等数据，分析滑坡形态变化特征，并用遥感数据加以验证[63]。

以上众多学者利用无人机摄影测量技术进行了区域滑坡形态特征与时空演化规律的研究，证明了该技术已经完全能够应用于区域滑坡调查研究，而且可以很好地认识其时空分布规律和变化特征。

2.2 单体滑坡变形调查研究

单体滑坡变形调查研究中对影像结果的要求精度极高，尽可能对单体滑坡表面细部特征做到精细测绘，其中单体滑坡的表面裂缝、滑动体积、垂直与水平方向位移量等数据的动态演化积累能够充分反映单体滑坡的变化趋势[64-65]。目前，随着摄影测量技术与数据处理方法的不断提高，无人机摄影测量技术已经完全能够达到单体滑坡调查研究所要求的厘米级量测要求。

基于摄影测量结果的DEM等数据，无人机摄影测量技术已经被证明能够很好地应用于单体滑坡变形演化趋势的定量化研究。彭大雷等[66]以甘肃黑方台党川段2#滑坡为例，尝试采用高精度低空摄影测量技术来精确测算滑坡滑动体积、体积整体膨胀系数、体积局部膨胀系数等，该研究以高精度点云数据和软件为基础，利用在滑坡区建立栅格，通过栅格的变化量来测算整个滑坡的体积量，该方法与传统计算方法、三维激光扫描技术相比，精确程度有了显著提高。陈天博等[67]对北京市西南部某小型滑坡利用高分辨率的DEM(digital elevation model)和DOM(digital orthophoto map)数据对地形地貌信息的准确提取与描述的方法，基于模糊分类与SVM算法的结合，采用面向对象的分类方法实现了对研究区内植被、道路、疑似滑坡区域的信息提取，对该区域滑坡进行形态与纹理分析以及精度评价。Betts等[68]提出了一种SedNetNZ模型，以时间序列的DEM数据为基础，根据每个滑坡的滑坡类别、面积、破坏程度等参数来计算出一段时间内单体滑坡的滑动变化趋势，该方法被证明能够用于因降雨诱发的浅层滑坡研究中。

基于无人机摄影测量技术获取滑坡区地形变化数据，同时结合现场监测与室内试验，能够充分认识到滑坡诱因与单体滑坡变形演化规律之间的关系。由于强降雨导致奥地利某村庄发生大型滑坡，Gerald等[69]在现场进行了一系列斜坡土壤水分、位移监测，并结合无人机摄影测量技术对于滑坡区进行定期评估，实时观测裂缝处的位移变化与水流变化情况，分析了滑坡动态变化过程与降雨以及地表水之间的关系。许强等[70]结合无人机航测技术与三维激光扫描技术，对泾阳南塬约2×104m2黄土滑坡进行了现场量测，对其滑坡细部基本特征与成因机制进行研究，分析了灌溉以及降雨因素对其影响程度。有学者通过建立回归分析模型，结合摄影测量、现场调查与室内试验，成功打地分析了土的性质、边坡类型、降雨量等因素与单体滑坡变形演化规律具有一定的相关性[71-72]。

超高密度的点云数据越来越多的应用于单体滑坡调查研究中，有学者利用高分辨率影像，依据计算机视觉原理，利用特征点云结合运动结构(SfM)算法来创建滑坡数字表面模型(DSM)，从而对单体滑坡细部变形演化过程进行研究[73-74]。在此基础上，有学者对不同时间序列的DSM数据进行对比从而进行定量分析，该方法是通过CloudCompare、PolyWorks等软件对密集点云数据进行基于迭代(ICP)算法的评估与矩阵变换，进一步的使用COSI-Corr图像相关算法跟踪和量化滑坡表面变化规律[75-76]。因此，在单体滑坡调查研究中，通过滑坡前后两期低空摄影测量数据分析对比能够，很好地认识滑坡的滑前、滑后变形迹象和成灾过程。

彭大雷等[36]详细论述了阐述无人机摄影测量技术在滑坡调查中的应用效果，对于区域滑坡研究能够充分显示时空分布规律与发育特征；对于单体滑坡研究通过多期次模型对比，能够充分认识单体滑坡发展过程；同时利用基础数据还能够对滑坡进行定量化分析，并构建三维模型用于滑坡变形相关研究。因此，无人机摄影测量技术在滑坡地质灾害调查与研究领域将会起到极为重要的作用，在滑坡变形发展、细部特征演化与早期识别的研究上较传统监测方法具有时效性强、性价比高、操作简易等优势。

3 当前存在问题及研究现状

无人机摄影测量技术已经成为滑坡变形相关研究最有效的工具之一，在滑坡变形演化规律与早期识别相关研究中具有极大的优势。但是由于摄影测量现场条件、数据处理方法及无人机摄影测量硬件所存在一定程度的缺陷，导致摄影测量结果的准确性受到影响，最终DEM、点云等数据计算结果存在一定误差，从而给无人机摄影测量技术在滑坡变形观测应用带来巨大的挑战。无人机摄影测量数据结果的精度与质量直接影响到后期滑坡变形研究质量，因此无人机现场摄影测量与影像数据处理质量与精度一直以来是科研人员重点研究的问题之一。

3.1 摄影测量现场作业

在无人机摄影测量现场作业方面，相机校验、航线规划以及相关参数设置直接影响摄影结果的质量，无人机处于飞行姿态时会受到风力、机身振动等因素影响，运动过程受外界环境干扰会影响成像的质量。以往的滑坡现场无人机测绘工作中，地面控制点大多是利用地面明显地物来布设地面控制点，通过RTK等设备提取该点的空间坐标信息，操作人员在测量控制点坐标时会存在一定误差。敬小东等[77]利用GPS动态技术辅助光束法区域网平差的方法，提高影像曝光时刻定位精度，该方法提高了减少了控制点的布设。朱进等[78]在滑坡现场通过进行多种传统控制点布设方法和适用于无人机布设方法的空三精度对比试验，研究发现无论区域大小，四周均匀布设控制点或四点布设平高控制点，都能够提高数据处理结果的精度。Chiang等[79]开发了一种基于无人机的空间信息采集平台，该平台能够在差分处理时对GPS单频载波相位测量，获取足够精确的空间信息，保证了影像数据的准确性。

3.2 影像数据处理内业

在影像数据处理内业方面，数据处理结果准确性会受到处理方法不同、软件以及算法的系统误差的影响，这些都会导致数据处理结果在影像的拼接与融合过程中存在误差。Rock等[80]研究了地面控制点(GCP)数目对传感器间接定位精度的影响，以及绝对偏差对不同参数DEM模型的影响，结果表明控制点的分布与数量会影响处理结果。赵志刚[81]通过扩大像幅以使摄影基线的长度增加与提高上、下视差的量测精度两个角度，来提高控制点的高程精度，使得处理结果准确度有所提升。Zhang等[82]利用GA-SIFT方法能更准确地定位更多的特征点，提出的自适应阈值方法通过较多的特征点提取和拼接工作，不仅解决了误差较大的问题，还解决了计算量大、拼接时间成本高的局限性问题。在数据处理软件方面，目前更多的商业公司已经研发出多种高精度数据处理软件，国内有DPGrid、MAP-AT、MapMatrix等，国外软件主要有Pix4d mapper、Inpho、Photoscan以及徕卡公司推出的ERDAS LPS工作站等。有学者通过成像质量与精度、处理时间、算法差异的角度上分析了多种软件处理结果，发现每种处理软件都有其独特优势[83-84]。

3.3 无人机摄影测量技术硬件设施

在现场摄影测量过程中，无人机自身硬件也会影响数据的准确性，电子元件的小型化常常导致摄影质量的下降，因此导航单元和摄像机的精度对摄影测量质量至关重要。Stam[85]分析了主要影响无人机摄影测量精度的因素，首先通过共线方程分析了机载GPS与惯性测量元件(inertial measurement unit，IMU)误差引起的垂直误差是水平误差的1.5倍；其次数字相机的性能高低也是产生误差的原因，普通单反相机会造成影像产生镜头畸变，镜头畸变普遍中间小、边缘大，镜头畸变存在不同的类型，图3所示为镜头畸变类型示意图。

图3 镜头畸变类型示意图Fig.3 Schematic diagram of lens distortion type

镜头畸变会使物点。投影中心、像点不能共线，从而导致空间后交精度低、产生三维重构模型变形现象，由于镜片自身等方面的误差，镜头畸变的变形量可以构建如下数学模型来表示[86]：

φx(x，y)=k1x(x2+y2)+[q1(3x2+y2)+2q2xy]+s1(x2+y2)

(1)

φy(x，y)=k2y(x2+y2)+[q2(3x2+y2)+2q1xy]+s2(x2+y2)

(2)

式中：φx、φy分别为像素点在X和Y方向上的变形量；x、y分别为像素点在空间坐标系的坐标；k1、k2为径向畸变系数；q1、q2为离心畸变系数；s1、s2为薄棱镜畸变系数。对于摄影测量存在镜头畸变的问题，朱虹等[87]利用双线阵CCD(charge coupled device)标定及镜头畸变校正方法，对姿态角和镜头畸变进行校正，结果表明标定和校正精度能够满足三维建模的需要。Sam等[88]提出了一种基于图像处理器(GPU)的几何透镜畸变实时校正方法，而无需额外的数字图像处理硬件。

此外，在无人机相关硬件设备方面，高精度、稳定的传感器设备被制造出来，同时在空间定位技术上，无人机摄影测量技术越来越多与GNSS技术、RTK技术相结合，使得无人机在航测时，不仅能够准确记录影像信息，也能够对于空间信息精确定位，在拍摄的影像上自动选取控制点，并用于后期数据处理，保证了处理结果的精度与质量。

4 无人机摄影测量技术展望

4.1 更加精细的滑坡变形摄影测量

无人机在高空拍摄的影像上会受到大气散射、天气、光照强度、信号干扰等外界因素的影响，因此滑坡的现场航测会存在一定误差。目前，一些间接的方法可以提高数据的准确性，能够提高的量测方法分为绝对测量精度与相对测量精度。

提高绝对测量精度方法：在考虑合理成本情况下，购置高精度的GPS与IMU可以提高水平与垂直方向的精度；每次航拍任务前后对相机进行校验，将畸变参数均用于空三处理；对区域滑坡调查采用分散监测的航测方式。提高相对测量精度方法：选择易于识别地面控制点并准确量测其三维坐标；合理的增加无人机航测周期，利于滑坡位移量的逐渐积累。

随着无人机性能的不断提升，稳定性不断加强，无人机航测作业时受到现场场地条件影像会不断减小，所拍摄的影像数据在质量与精度上一定会有显著提高。

4.2 更加准确的数据处理结果

影像匹配一直是摄影测量的核心问题，如何找到快速、精确和可靠的匹配算法是今后研究的方向之一。由于后期数据处理时不仅在定位控制点时存在误差，软件与算法同样会存在着系统误差。因此对无人机影像做畸变差纠正是必不可少的工作。在软件与算法上改进，研发稳定、高效、准确的影像配准方法，并且构建GPU地理编码系统。在图像融合过程中，实现对滑坡体的快速识别，以及准确量测滑坡体的特征。

在今后随着计算机功能的不断增强、算法与软件的不断升级、价格不断下降和解析方式的灵活性，都促使解析摄影测量技术迅速发展，最终处理出更加精确的基础数据结果。

5 结论

(1)在滑坡演化特征与早期识别研究中，相比遥感监测手段，无人机摄影测量技术具有数据获取时间灵活、数据处理周期短、技术成本低及无人机可重复使用的特点；相比传统测量方法，无人机的工作效率更高，现场工作人员工作强度较低；与地面变形监测手段相比，无人机摄影测量技术拥有更广的观测范围和更灵活观测角度。

(2)基于无人机摄影测量技术的滑坡变形相关研究，其中区域滑坡研究能够充分显示时空分布规律与发育特征；对于单体滑坡研究通过多期次模型对比，能够充分认识单体滑坡发展过程；同时利用基础数据还能够对滑坡进行定量化分析，并构建三维模型用于滑坡变形相关研究。

(3)无人机摄影测量技术一定会随着计算机技术的发展，在不久的将来发展出更精确、高效、经济的无人机摄影测量与数据处理技术，无论在硬件、软件及算法上都会提高数据处理结果的准确性。更加准确的处理结果有助于更好地进行滑坡变形演化规律与早期识别相关研究，而在此基础上构建三维模型分析与评价也将成为研究的热点，进一步推动该领域的拓展和应用。