无人机在矿山地质环境治理监测中的应用及精度评价——以淮北市三五山为例

韩丽苹，黄 荣

安徽省地质矿产勘查局325 地质队，安徽 淮北 235000

目前，矿山治理监测最常使用的是卫星遥感技术，它的优势在于覆盖面积大，成本低，但时效性、灵活性、分辨率偏低，主要适用于调查全域矿产开采秩序问题[1]。无人机倾斜摄影测量技术是一项近年来不断发展的高新技术，它通过无人机空中作业来获得高分辨率、高重叠的影像数据，快速地建立带有高精度坐标的三维模型，并以模型为基础矢量化输出DSM、DOM、TDOM、DLG 等多种测绘数字产品[2]。无人机倾斜摄影技术机动性强，分辨率高，面积小，经费投入低，能够弥补卫星遥感技术的不足，直观地展现整个矿山治理区的范围和治理状况。露天矿山地形复杂多变，无人机倾斜摄影技术可以实时动态对矿山治理进行监测，提供真实的三维模型，直观反映矿山开发利用现状和周边地貌环境。将无人机倾斜摄影技术应用于露天矿山资源开发的全生命周期中，有利于进一步推动矿山生态修复工作的开展。研究小组以淮北市三五山土地综合整治项目为例，对其精度进行评价，浅析无人机技术在矿山生态治理监测中的应用。

1 无人机倾斜摄影测量技术

无人机倾斜摄影测量技术以无人机为航摄平台，搭载多种航摄传感器，获取地面垂直和倾斜角度多个方向的影像二维相片或扫描的点云数据。数据获取后，工作人员通过多光谱影像分析、正射影像制作、DSM 和DLG 数据制作等方法，结合机载POS 数据、像控测量成果及其他矢量数据，构建地物与地貌的真实三维模型[3]。

主要操作流程包括：航线飞行设计、像控点布设与测量、无人机航摄、空三解算（约束网平差、刺点、影像接边处理平差）和三维建模。

2 研究区及实验数据获取

2.1 研究区概况

淮北市烈山区三五山土地综合整治项目位于淮北市东南约9.0 km，总面积约63.14 hm2，分为三五山东部和三五山西部，其中东部面积约26.47 hm2，西部面积约36.67 hm2。研究区为废弃采石宕口，区内植被已被破坏，基础条件较差，地形错综复杂，垂直高差不一，坡度较大，最大垂直高差达82 m，选取该区域进行实验具有一定的代表性。

2.2 数据来源

研究小组利用飞马D2000 无人机搭载倾斜正射模块，在研究区分别航飞3 个架次，每个架次间隔1 个月，3 次航飞分别在2022 年3月23 日、4 月24 日和5 月21 日。如图1 所示，根据研究区地形，研究小组在纵向航线上按照研究区走向直线布设，平行于研究区边界线的首末航线必须确保侧视镜头能获得研究区的有效影像；横向上，选择从东到西布设航线。行高109 m，航向重叠度67%，旁向重叠度47%，时速10.8 m/s，航向间距50 m。

图1 测区航线布设图

通过航飞，研究小组获得影像照片1 671张（第1 期544 张，第2 期541 张，第3 期586 张）、3 期的POS 数据和RTK 采集的像控点坐标。相机型号SONY ILCE-6000，影像大小6 000×4 000。

2.3 数据处理方法

数据处理包括空三解算和三维建模。无人机数据采集与地面数据采集同步进行，研究小组采用Context Capture 软件，结合影像的外方位元素，进行全自动空三解算，采用人工智能交互技术将数据进行融合，生成一体化的三维模型[4]。三维模型生产完成后应保证模型的完整性、位置精度、表现精度、属性精度、现势性等要求[5]，测绘航空摄影处理流程图如图2所示。

图2 测绘航空摄影处理流程图

3 实验结论和精度讨论

3.1 三维模型成果

此次三维模型生成使用ArcGIS 软件，将Context Capture 软件生产的DSM 作为地形数据，DOM 作为影像数据，通过纹理映射技术将DOM 数据贴合在DSM 上，形成三维影像[6]。3 期模型对比如图3 所示，模型与现场对比如图4 所示。

图3 3 期模型对比图

图4 模型与现场对比图

整体上看，三维模型整体上较好地还原了矿山地物形态，矿山开挖状况与现场表现一致。治理区域原有的房屋建筑、植被树木都能较完整地体现出来；局部上，模型色彩相对厚重，尤其是高低变化较大的区域，色调过度起伏较大，突出了矿山开采的变化情况；空间形变上，区域内的植被与矿山高低起伏一致，矿区厂房、矿坑、覆盖痕迹等均在模型上有所体现。研究小组认为，基于无人机倾斜摄影测量构建的研究区三维模型可以直观形象地表达矿区的地物特征，构建的三维模型完整全面，细节层次清晰。

3.2 数据评价

研究小组以徕卡GS18 采集的检查点数据为真实值，与ArcGIS 软件提取的对应影像高程值进行对比，对生成的影像数据进行检验，精度统计原理如下。

式（1）至式（4）中，Δx、Δy、Δh分别为每个检查点在X、Y、H 方向上的残差值；n为检查数量；mx为X 方向的中误差；my为Y 方向的中误差；ms为平面中误差；mh为高程中误差。

项目检查点共计27 个，研究小组将3 期检查数据对比分析。1 期27 个点平面误差主要分布在0.033～0.241 m 之间，其中平面误差在0.033～0.137 m 之间的点共有24 个，占比89%；0.137～0.241 m 之间的点共有3 个，占比11%；高程误差分布在0.054～0.123 m之间，其中高程误差在0.054～0.09 m 之间的点共有13 个，占比48%；其中高程误差在0.09～0.123 m 之间的点共有14 个，占比52%。平面误差最大为0.241 m，中误差为±0.118 m；高程误差最大为0.123 m，中误差为±0.089 m。

2 期27 个点平面误差主要分布在0.07～0.134 m 之间，其中平面误差在0.07～0.102 m之间的点共有16 个，占 比59%；0.102～0.134 m 之间的点共有11 个，占比41%；高程误差分布在0.01～0.2 m 之间，其中高程误差在0.01～0.11 m 之间的点共有20 个，占比74%；其中高程误差在0.11～0.2 m之间的点共有7 个，占比26%。平面误差最大为0.134 m，中误差为±0.102 m，高程误差最大为 0.2 m，中误差为±0.093 m。

3 期27 个点平面误差主要分布在0.059～0.135 m之间，其中平面误差在0.059～0.097 m 之间的点共有11 个，占比41%；0.097～0.135 m 之间的点共有16 个，占比59%；高程误差分布在0.05～0.128 m之间，其中高程误差在0.05～0.089 m 之间的点共有21 个，占比78%；其中高程误差在0.89～0.128 m 之间的点共有6 个，占比22%。平面误差最大为0.135 m，中误差为±0.101 m，高程误差最大为 0.128 m，中误差为±0.084 m。

根据《三维地理信息模型数据产品规范》（CH/T9015-2012），比例尺为1 ∶500 的平面精度应控制在0.3 m 以内，高程精度应控制在0.5 m 内。根据实验结果，研究区平面中误差最大为0.118 m，最大误差0.241 m，数据＜0.3 m 的标准；高程中误差最大为0.093 m，最大误差0.2 m，数据＜0.5 m 的标准。由此可见，此次实验结果符合《三维地理信息模型数据产品规范》精度Ⅰ级要求。

4 矿山地质环境治理监测实例应用分析

研究小组通过无人机倾斜摄影技术，按流程操作获得3 期实际数据，利用ArcGIS 软件和南方CASS 软件，对符合要求的DSM 和DOM 影像进行处理，将标准范围线套合在新生成的DOM 影像中。通过3 期数据对比分析、数据平面量测，研究小组获得需要重点监测、治理的露天矿山的开采范围、开采面积、开采标高、回填信息、矿山地质环境情况等基础信息，并判断研究区开采东南方向局部扩张，西部扩大，在研究区范围界线内，不存在越界开采情况。

通过生成高程DEM 数据，研究小组建立了研究区前后开挖对比影像图（见图5），形象直观地展布了整个矿山环境治理区的范围与地形概况，提升了监测与评价矿山地质环境治理的效果。如图5 所示，研究区中心存在超挖现象（黄色图斑），研究区南北方向存在漏挖、少挖的情形（蓝色图斑）。

图5 研究区前后开挖对比影像图

5 技术难点

摄影测量过程中，由于地物遮挡、空间位置起伏变化、分辨率的差异，获得的数据当中含有非常多的粗差，从而生成大量冗余信息，单独利用一种匹配方式无法获得建模所需数据。

因此，研究小组通过实地勘验，按照平均150 m 的间隔布设像控点，并保证其均匀分布在测区范围内。对于地形起伏异常较大、大面积植被及面状水域特征点非常少的区域，应酌情增加像控点布设密度；单个摄影测量区域像控点的布设，其外围的像控点连线要覆盖整个区域。调整后的布设方式可以有效辨析地物特性，多层次获取影像信息，分析多视影像特征，将影像上不同视角的二维特征转化为三维特征，实现三维模型的影像匹配。

6 结语

研究小组利用无人机倾斜摄影测量技术对淮北市烈山区三五山土地综合整治项目进行监测数据分析，得到以下结论。

（1）无人机倾斜摄影测量平面中误差最大为0.118 m，最大误差0.241 m；高程中误差最大为0.93 m，最大误差0.2 m。平面中误差均小于0.3 m，高程中误差均小于0.5 m，满足《三维地理信息模型数据产品规范》（CH/T9015-2012）中规定的Ⅰ级精度误差标准。

（2）在矿山治理环境监测应用中，研究小组通过建立实景三维模型对比，认为研究区开采东南方向局部扩张，西部扩大；在研究区范围界线内，不存在越界开采情况；研究区中心存在超挖现象，研究区南北方向存在漏挖少挖的情形。

（3）该项目的生产实践证明，无人机倾斜摄影测量技术能够在保证精度满足要求的前提下真实完整地再现研究区治理现状。下一步应综合考虑设备、环境、算法等影响因素，选取更加精准、高效、复杂的精度评价因子，建立更严谨的精度评价体系，让自动生成的三维模型更加直观全面地反映实际生产情况。