基于无人机摄影测量的边坡变形监测研究

摘要：边坡监测是指导边坡稳定性分析的重要手段之一。针对传统航线在边坡采集中容易造成重叠度不一致、精度较低等弊端，研究适用于规则边坡的精细模型航线，利用该航线可以使实验边坡三维模型平均地面分辨率达到毫米级，能够清晰分辨并量测边坡上的缝隙。实验结果表明，边坡模型上可以直观发现毫米级缝隙，通过在模型上几处缝隙的测量宽度与实际测量结果对比，小于等于1mm的长度误差占83.3％，缝隙宽度测量平均误差为0.95mm，测量结果精度较高。DEM叠加分析可以反应坡面整体变化情况，是传统监测方法的有利补充。

关键词：无人机摄影测量边坡变形监测缝隙量测

ResearchonSlopeDeformationMonitoringBasedonUAVPhotogrammetry

JIANGJiping

DongguanFirstBranch，GuangzhouSiweiChengkeInformationEngineeringCo.，Ltd.，Guangzhou，GuangdongProvince，523040China

Abstract：Slopemonitoringisoneoftheimportantmeanstoguideslopestabilityanalysis.Inresponsetothedrawbacksoftraditionalroutesinslopecollectionsuchasinconsistentoverlapandlowaccuracy，afinemodelroutesuitableforregularslopesisstudied.Bythisroute，theaveragegroundresolutionofthe3Dmodeloftheexperimentalslopecanreachthemillimeterlevel，andgapsontheslopecanbeclearlydistinguishedandmeasured.Experimentalresultsshowthatmillimeter-levelgapscanbeintuitivelyobservedontheslopemodel，andthatbycomparingthemeasuringwidthofseveralgapsonthemodelwithactualmeasurementresults，thelengtherroroflessthanorequalto1mmaccountsfor83.3%，andtheaverageerrorofgapwidthmeasurementis0.95mm，indicatinghighmeasurementaccuracy.DEMoverlayanalysiscanreflecttheoverallchangesoftheslopesurface，whichisabeneficialsupplementtotraditionalmonitoringmethods.

KeyWords：UAVphotogrammetry;Slope;Deformationmonitoring;Gapmeasurement

边坡指的是岩石或土壤等在自然因素或人为作用下形成的具有一定倾斜度的坡面。我国因边坡变形坍塌造成的事故时有发生，对人民群众的生命安全和财产安全等存在巨大威胁[1]。从大量事故中发现，边坡的坍塌变形与变形监测的不重视、不及时、不准确等有着必然关系，因此对自然边坡或人工边坡的变形监测至关重要。边坡的坍塌并不是毫无征兆，在坍塌之前必定存在一个形变的过程。所以在发生事故前及时采取观测措施，并对数据进行分析可以避免事故的发生或者将损失降到最低。目前主要的变形监测内容包括：沉降变形监测、倾斜监测、裂缝监测、挠度监测等。采用的监测方法主要可以分为点式监测、线式监测、面式监测三种。

点式监测主要利用传统的水准仪、全站仪和GNSS（全球定位导航系统）技术等，传统仪器操作简单成本低且精度高，但外业效率低、采集量大且一些边坡存在危险。GNSS技术可以全天持续观测且为自动采集降低用人成本，但设备成本较高且受到布设条件限制。线式监测主要是利用分布式线状光纤传感器，可以实时监测且精度高、数据稳定，但成本高维护困难[2]。面式主要有近景摄影测量、三维激光扫描、CCD（电荷耦合器件）技术以及InSAR（合成孔径雷达）技术，近景摄影测量技术外业效率高且成本较低但是数据采集容易受到地形影响，三维激光扫描仪精度高速度快但是价格昂贵，CCD技术精度高成本低但需要较高的操作水平，InSAR技术精度高且不受天气情况约束但是成本高、技术复杂[3]。

传统的边坡监测方法与新型监测方法均存在一定的优缺点。本文通过探讨提高航测精度的因素，研究无人机摄影测量技术在边坡变形监测中的可行性。

1研究区域

实验所在地位于广东某滨海大道旁的边坡，该区域紧邻海边，属于亚热带季风气候。本次实验采集的边坡范围长约50m，宽约10m。边坡位置及现场如图1所示。

首次拍摄前在边坡上均匀的布设29个固定标志点，标志点大小为边长20cm的正方形。该边坡于2010年底建设完毕，如今已度过沉降变形期，考虑到此边坡的稳固性，在边坡上设置可以移动的标志点以达到变形的目的，如图2所示。

无人机采集边坡数据时，单次外业飞行共2个架次，获得影像450张。此次边坡实验共飞行16个架次，采集影像3587张。

2航线设计

该航线设计的主要目的是生成边坡的精细模型，将模型精度与模型分辨率提高到毫米级。针对此种较规则边坡的航线设计无须引入其他复杂算法如蚁群算法等，只需根据坡面计算出无人机的位置，设置好每个航点的拍照动作与俯仰角，飞机开始执行任务后从第一个航点开始拍照。其工作模式类似于使用GNSS移动站进行点放样，提前导入已经计算好的坐标，寻找目标位置后执行动作即可[4]。航线计算中主要有以下几个关键部分：（1）根据输入的测区边界坐标，将斜面投影成平面；（2）根据设置的预期模型分辨率计算出飞机与待测面的距离，根据重叠度计算航点坐标并进行边界判断，如果计算的航点未包含测区边界，则测区边缘重叠不够需要外扩航线；（3）航线内的航点坐标为地理坐标，所以最后将计算好的平面坐标进行高斯反算成地理坐标。高斯投影属于正形投影，对于在中央子午线周围小距离的坐标，经过投影后基本保持不变，针对此次实验，设计模型分辨率为1mm，航线采用的重叠度为航向重叠80%，旁向重叠为75%，每相邻航线之间的间距约为1.6m，实验共生成450个航点，航线轨迹如图3所示。

3模型生成与点云处理

利用大疆智图生成模型和点云。通过模型的质量报告可知，利用精细边坡航线生成的模型平均地面分辨率为1.23mm/pixel，实验设计分辨率为1mm/pixel，考虑到海边风速较大可能影响无人机的姿态位置等，模型分辨率符合实验预期[5]。生成的密集彩色点云正视图和模型相似，此处放点云侧视图，如图4所示。

受限于镜头畸变、影像质量及匹配误差的影响，无人机影像匹配得到的点云粗差噪声较多，其中包括了一些极低或极高粗差点，在进行点云数据处理前首先对点云去噪处理。对去噪后的点云进行滤波处理，点云滤波是将地面点和地物点进行分类，只剩下地面点的过程。滤波后的点云进行补洞，生成的DEM以高度显示如图5所示。

4边坡变形数据观测精度分析

影像处理结束后进行变形分析，主要通过：（1）坐标对比，以第一次拍摄的模型为基础提取固定标志点坐标并假定为真值，从后七次模型上提取相应的坐标与之对比；（2）人为改变可移动标志角点位置，通过模型提取变化后坐标计算的距离与改变实际距离作对比；（3）通过点云滤波生成DEM，对各期DEM进行叠加分析；（4）通过模型可以清楚发现边坡的一些缝隙，对模型缝隙量测与外业量测宽度进行对比[6]。

4.1固定和移动标志点坐标对比

第一次的模型共提取坐标29个，并以此为基础假定是真值。在第一次模型上采集的坐标选择合理分布的7个点作为后面几次影像数据空三时的控制点，另22个作为检查点进行对比。利用第一次模型上采集的坐标为控制点，避免了利用全站仪或RTK引入的像控点精度误差。变形监测重点为相对精度，故不采用其他定位仪器采集坐标。

中误差是衡量观测精度的一种标准，也叫做均方根误差。计算出不同检查点多次测量的X方向、Y方向、Z方向与点位中误差，中误差如表1所示。

由表1可知，检查点平均中误差，mx=9.0mm，my=6.1mm，mz=17.3mm，平均点位中误差mxy=10.8mm。其中在X方向上中误差最小的为2.6mm，最大的为18.8mm；在Y方向上中误差最小的为2.0mm，最大的为11.9mm；Z方向上中误差最小的为3.9mm，最大的为35.7mm。由边坡监测精度等级，四等边坡监测点位中误差小于12mm，高程中误差小于2mm，此次实验平面中误差符合四等边坡监测精度要求。

通过计算第6期模型平均移动距离误差为8.2mm，第7期计算的平均移动距离误差为6.4mm，第8期计算的平均移动距离误差为5.9mm，3次计算的平均距离误差为6.8mm。

4.2边坡DEM叠加分析

将滤波后的点云进行插值补洞生成DEM，每次以第一期DEM做参考，下一期DEM作为比较对照，通过DEM叠加分析使两期DEM法线相匹配，得到每两期边坡整体DEM差值直方图。

对不同期DEM进行叠加差值分析，可以比较全面的反应出坡面变化情况，结果与坐标对比结果一致，计算出不同期变化范围主要集中在0～15mm之间，结果具有一定可靠性。

4.3边坡缝隙量测宽度对比

边坡模型上可以直观发现毫米级缝隙，通过在模型上几处缝隙的测量宽度与实际测量结果对比，小于等于1mm的长度误差占83.3％，缝隙宽度测量平均误差为0.95mm，测量结果精度较高。

5结语

本文通过不同模型上固定标志点的坐标比较、缝隙量测宽度比较、改变可移动标志点模拟变形情况、对不同期边坡DEM叠加差值四方面进行分析。提取多期模型的固定标志点坐标计算中误差，点位中误差为10.8mm，高程中误差为17.3mm；缝隙量测宽度进行计算，平均误差为0.95mm；对可移动标志点改变距离进行计算，平均误差为6.8mm；对不同期DEM进行叠加差值，计算出不同期DEM变化范围主要集中在0～15mm之间。边坡模型上可以直观发现毫米级缝隙，通过在模型上几处缝隙的测量宽度与实际测量结果对比，小于等于1mm的长度误差占83.3％，缝隙宽度测量平均误差为0.95mm，测量结果精度较高。

参考文献

[1]杨松勇.近景摄影测量技术在露天矿边坡变形监测中的研究[D].赣州：江西理工大学，2020.

[2]费汉强，马增，潘懿，等.基于实时动态全球定位测量的边坡监测预警研究[J].矿业研究与开发，2023，43（7）：54-59.

[3]侯健文.基于无人机摄影测量和深度学习的公路边坡病害研究[D].太原：太原理工大学，2022.

[4]皮鹤，彭诗怡，曾宪明.基于无人机倾斜摄影测量的高速公路高边坡监管信息提取[J].北京测绘，2023，37（4）：620-624.

[5]李孟杰.基于无人机数字近景摄影测量的服役边坡坡表变形监测技术研究[D].长沙：长沙理工大学，2023.

[6]陈小鸿.无人机航测角度对某露天矿区边坡测量精度的影响分析[J].工程技术研究，2022，7（18）：20-22.