倾斜航空摄影技术在茂密植被山区地质灾害调查中的应用
王文涛
江苏省地质局,江苏 南京 210018

第一作者简介: 王文涛(1986—),男,高级工程师,主要从事测绘技术在地质调查中的应用及发展方向方面的研究工作。Email: gumi71765675@163.com

摘要

为提升茂密植被山区地质灾害调查效率和精度,利用倾斜航空摄影技术,获取了影像数据。通过匀光匀色处理与定位系统(positioning system,POS)预处理山区影像数据,基于多视图匹配经典(photometric multi-view stereo,PMVS)算法密集匹配茂密植被山区影像,完成了山区三维重建,建立了地质灾害的解译标志。通过计算机辅助解译方式,完成了茂密植被山区地质灾害调查。实验数据表明: 在不同实验工况背景下,倾斜航空摄影技术应用后的山区影像数据完整度更高,山区地质灾害调查的精度更大,充分证实了倾斜航空摄影技术具备较好的应用效果。研究成果对山区地质灾害调查具有指导意义,可为山区地质灾害的识别调查、风险评估和防控方案的制定提供科学参考。

关键词: 茂密植被; 地质灾害; 山区; 倾斜航空摄影技术
中图分类号:P631 文献标志码:A 文章编号:2095-8706(2024)02-0116-07
Application of oblique aerial photography technology in the geological hazard investigation in dense vegetation mountainous areas
WANG Wentao
Geological Bureau of Jiangsu Province, Jiangsu Nanjing 210018, China
Abstract

In order to improve the efficiency and accuracy of geological hazard investigation in dense vegetation mountainous areas, the author used oblique aerial photography technology to obtain its image data. The mountainous area image data were preprocessed through uniform light and color processing positioning system (POS). On the basis of photometric multi-view stereo (PMVS) algorithm, dense matching of dense vegetation mountainous area images was achieved. The three-dimensional reconstruction of the mountainous area was completed, and the interpretation criteria for geological hazards were established. Geological hazard investigation in dense vegetation mountainous areas was completed through computer-aided interpretation method. The experimental data show that under different experimental conditions, the integrity of mountainous image data and the accuracy of geological hazard investigation are higher after the application of oblique aerial photography technology, indicating its good application effect. The research results have some guiding significance for geological hazard investigation in mountainous areas, and could provide scientific references for the identification and investigation, risk assessment, and formulation of prevention and control plans of geological hazards in mountainous areas.

Keyword: dense vegetation; geological hazards; mountainous areas; oblique aerial photography technology
0 引言

中国是一个山区面积较大的国家, 占地比例高达65%, 山区地质条件较复杂, 内部构造活动较频繁, 致使山区地质灾害频率较高, 并且具有防范难度大、分布广泛、数量多、种类多等特征。如何精确调查山区的地质灾害, 对地质灾害防治有着至关重要的影响。孙涛等[1]利用机载雷达技术获取地形地貌的三维激光数据, 通过滤波算法去除地表植被干扰, 提取了区域地面特征和灾害体形态特征, 识别了茂密植被山区地质灾害隐患, 完成了茂密植被山区地质灾害调查; 郭猛猛等[2]采用无人机倾斜摄影, 建立了地质灾害体三维模型, 通过该模型和野外调查数据, 完成了山区主要地质灾害勘察识别。

现有文献在山区地质灾害调查方面虽然都有其独特的贡献, 但是受茂密植被干扰, 导致获取的地形数据不够精确, 且数据处理方法及计算过程较为复杂, 因此, 提出倾斜摄影技术在茂密植被山区地质灾害调查中的应用研究。倾斜航空摄影技术是指应用五台数字相机, 从不同角度出发, 同时采集目标地物影像, 能够同时获取地物目标的侧面、顶面信息, 完整地、真实地呈现地物情况[3]。针对茂密植被山区地质灾害调查中的影像数据不完整、精度不足问题, 利用倾斜航空摄影技术结合定位系统(positioning system, POS), 实现山区影像预处理和三维重建, 通过密集匹配和计算机辅助解译, 提高调查效率和精度。研究旨在为地质灾害的精准识别、风险的准确评估, 以及防控方案的合理制定提供科学支持。

1 方法研究
1.1 数据获取

数据获取是后续山区地质灾害调查的基础和前提。基于倾斜航空摄影技术的茂密植被山区影像数据获取框架如图1所示。首先确定飞行平台(无人机/有人机), 然后对倾斜航空摄影技术应用的设备、平台等进行准备与测试, 确定茂密植被山区的位置, 设定适当的飞行高度, 从多个角度获取茂密植被山区的影像数据, 为后续山区地质灾害调查奠定坚实的基础。

图1 茂盛植被山区倾斜航空摄影数据获取框架Fig.1 Oblique aerial photography data acquisition framework for dense vegetation mountainous areas

1.2 数据预处理

以获取的茂密植被山区影像数据为基础, 通过分析可知, 由于光照、设备振动、环境等多种因素的影响, 导致获得的影像数据色彩存在偏差, 加之倾斜航空摄影相机中只存在一套POS系统, 只能够获得垂直方向相机的外方位元素, 还需要依据相机之间的几何相对关系, 对其他4台倾斜相机POS外方位元素进行相应的解算[4, 5, 6]。依据上述描述, 对山区影像进行匀光匀色处理与POS外方位元素解算, 实现影像数据的预处理。

由于倾斜航空摄影技术应用了5台相机, 每台相机的方向是不同的, 倾斜角度设置为45° 。虽然在同时间获取山区影像数据, 但由于拍摄角度的差异, 造成一定的光线反差, 导致不同相机生成的影像数据存在着明显的色彩偏差, 会对后续地质灾害调查造成不利影响[7]。因此, 对山区影像数据进行匀光匀色处理(图2), 处理后的数据能够还原影像数据的本来色彩, 更真实地显示山区地质信息, 从而提高地质灾害调查精度[8]

图2 茂盛植被山区影像数据匀光匀色处理程序Fig.2 Uniform light and color processing program for image data in dense vegetation mountainars areas

在POS外方位元素解算过程中, 以垂直方向A相机外方位元素坐标(xA, yA, zA)为基础, 以相机之间几何关系为辅助参量, 获取倾斜方向B相机的POS外方位元素坐标(xB, yB, zB), 表达式为

xByBzB=RABxAyAzA 。(1)

式中: (xB, yB, zB)为某一倾斜方向B相机的POS外方位元素坐标信息; (xA, yA, zA)为垂直方向相机A的POS外方位元素坐标信息; RAB为相机A与B元素坐标的几何关系, 即B相对于A的旋转矩阵。

依据式(1)可完成其他3台倾斜方向相机POS外方位元素坐标信息的解算。上述过程完成了茂密植被山区影像数据的匀光匀色处理与POS外方位元素解算, 可为后续茂密植被山区影像密集匹配提供支撑[9]

1.3 密集匹配

以上述预处理后的茂密植被山区影像数据为依据, 应用多视图匹配经典(photometric multi-view stereo, PMVS)算法密集匹配茂密植被山区影像, 实现山区的三维重建, 为最终山区地质灾害调查的实现做好充足的准备[10]

在PMVS算法应用之前, 需要依据倾斜航空摄影相机参数与POS外方位元素求解P矩阵, 该矩阵是求解物方点坐标的基础。P矩阵求解公式为

P=f0x00f-y0001RT100-XS010-YS001-ZS 。(2)

式中: f为摄影相机标准焦距数值, mm; (x0, y0)为山区影像主点的坐标信息; RT为转置旋转矩阵; (XS, YS, ZS)为物主点的坐标信息。

依据式(2)求解的P矩阵, 即可获得像方与物方坐标系之间的关系, 表达式为

xzyzz=PXYZ1 。(3)

式中: (x, y, z)为像方坐标信息, z为倾斜航空摄影相机飞行高度, m; (X, Y, Z)为物方坐标信息。

基于PMVS算法密集匹配茂密植被山区影像步骤, 如下所示。

1.3.1 山区影像初始特征匹配

应用DoG算子(Difference of Gaussians, DoG)提取山区影像特征点, DoG算子表达式为

D(x, y, σ)=(G(x, y, )-G(x, y, σ))I(x, y)=L(x, y, )-L(x, y, σ) 。(4)

式中: (x, y)为某一点像素坐标; σ 为尺度空间参量, 该参数数值越小表示影像平滑性越好; D(x, y, σ )为DoG算子; k为辅助参数; G为原始影像数据; I(x, y)为卷积核; L为影像尺度空间[11]

通过DoG算子能够获得多个山区影像特征点, 将其作为待匹配点, 若是直接对其进行密集匹配, 过程会比较繁琐, 降低茂密植被山区地质灾害调查的效率。为解决上述问题, 将每个匹配点对应的多个物方点看作一个类, 在其中选择最优物方点, 通过计算获取最优匹配点[12]

随机选择一个点p0, 将其作为待匹配点。以此为基础, 利用P矩阵求解面元类别I0, I1, …, Ii中的对应物方点, 记为C0, C1, …, Ci。以欧式距离公式衡量物方点距离P0, P1, …, Pi, 若两个物方点距离最小, 则认为上述两个物方点为最优物方点。以此为依据, 计算最优匹配点, 公式为

x=-fα1X+β1Y+χ1Zα3X+β3Y+χ3Zy=-fα2X+β2Y+χ2Zα3X+β3Y+χ3Z 。(5)

式中: α i, β i, χ i(i=1, 2, 3)为山区影像POS外方位元素辅助因子; (X, Y, Z)为三维欧式空间坐标; (x, y)为二维像方坐标系。

物方点分类采用的是聚类方式, 具体如图3所示。

图3 物方点分类示意图Fig.3 Schematic diagram for the object point classification

依据上述规则在每一种类别中选取最优物方点, 将其转化为最优匹配点, 可以有效降低特征匹配的繁琐度。

1.3.2 扩散

山区影像初始特征匹配是面元层面上的匹配, 而扩散是在其基础上向相邻影像空间进行面元扩张, 通过扩散获得新面元[13]。需要注意的是, 扩散面元与种子面元之间的法向量是保持一致的。依据既定规则持续进行面元的扩散, 直至无法继续扩散为止。

1.3.3 过滤

过滤主要是将影像密集匹配过程中错误面元进行删除处理[14]。依据已有文献研究可知, 错误面元主要包含四类: 一是与全部面元平均相关系数差异较大的面元; 二是与种子面元法向量不一致的面元; 三是像素邻域数量小的面元; 四是邻域面元残差和高于设定阈值的面元。

重复进行扩散和过滤步骤, 即可实现茂密植被山区影像的密集匹配。以此为基础, 采用Rhino软件建立茂密植被山区三维模型, 为最终茂密植被山区地质灾害调查提供支撑[15]

1.4 地质灾害解译标志

以上述密集匹配的茂密植被山区影像为基础, 建立研究区解译标志, 采用计算机辅助解译方式实现茂密植被山区地质灾害的调查。

研究区解译标志是否正确直接影响着山区地质灾害调查的准确性, 其本质指的是倾斜航空影像中区分地质灾害的特征, 是地质灾害调查的主要依据。地质灾害解译标志如图4所示。

图4 地质灾害解译标志示意图Fig.4 Schematic diagram for geological hazard interpretation symbols

依据图4所示的地质灾害解译标志, 通过计算机辅助解译方式可对茂密植被山区地质灾害进行综合研判, 准确识别出山区地质灾害位置、范围、类型等特征信息(泥石流、滑坡、崩塌等)。

2 应用效果测试
2.1 实验准备阶段

为验证倾斜航空摄影技术在茂密植被山区地质灾害调查中的应用效果, 设计山区地质灾害调查实验, 在实验进行之前, 需要进行充足的准备工作, 以此来保障实验的顺利进行, 并获取精准的实验数据与结论。依据实验需求, 设置实验准备阶段内容, 分别为实验对象选取与实验设备配置。选取某茂密植被山区作为实验对象(图5)。实验设备为倾斜航空摄影系统, 由多个部件构成, 例如航空测量相机、机载定位定向系统、相机曝光控制单元、飞行管理系统、陀螺稳定座架等(图6)。

图5 实验对象示意图Fig.5 Schematic diagram for the experimental object

图6 实验设备整体结构示意图Fig.6 Schematic diagram for the overall structure of the experimental equipment

依据实验需求, 对实验设备性能参数进行合理配置(表1)。

表1 实验设备性能参数配置 Tab.1 Performance parameter configuration for the experimental equipment

上述过程完成了实验对象选择与实验设备配置, 可为后续茂密植被山区地质灾害调查实验进行提供便利。

2.2 实验结果分析

以上述实验准备阶段内容为依据, 进行茂密植被山区地质灾害调查实验。为清晰显示倾斜航空摄影技术的应用效果, 选取山区影像数据完整度、山区地质灾害调查精度作为评价指标, 具体实验结果分析过程如下。

2.2.1 山区影像数据完整度分析

山区影像数据完整度是影响山区地质灾害调查精度的关键因素, 故将其作为验证倾斜航空摄影技术应用效果的主要指标。山区影像数据完整度示意图如图7所示。

图7 山区影像数据完整度示意图Fig.7 Schematic diagram for the image data integrity in mountainous areas

图7(a)显示了使用倾斜航空摄影技术获取的山区地质灾害区的三维场景。通过该图可以直观地观察到, 倾斜摄影技术能够全面覆盖山区, 获取丰富的地形地貌信息, 尤其是对茂密植被覆盖下的地形细节有很好的展现, 这为后续的地质灾害调查提供了完整的基础数据。图7(b)展示了在不同飞行高度下, 倾斜航空摄影技术获取的山区影像数据完整度。从图中可以看出在不同飞行高度实验工况背景下, 倾斜航空摄影技术应用后获得的山区影像数据完整度数值更高, 达到了95%以上, 主要是因为倾斜航空摄影技术采用多个相机在多个角度采集山区信息, 几乎不会漏掉任何一处山区信息。

综上所述, 倾斜航空摄影技术在茂密植被山区地质灾害调查中具有显著的优势。通过提高影像数据的完整度, 该技术为地质灾害调查提供了更准确的基础数据, 有助于提高调查精度。

2.2.2 山区地质灾害调查精度分析

山区地质灾害调查精度是倾斜航空摄影技术应用效果的直接表现, 调查精度越高, 表明倾斜航空摄影技术应用效果越好。

如图8所示, 倾斜航空摄影技术应用后获得的山区地质灾害调查精度数值更大, 达到了96%以上, 表明倾斜航空摄影技术应用对提升山区地质灾害调查精度效果显著。

图8 山区地质灾害调查精度示意图Fig.8 Schematic diagram for the geological hazard survey accuracy in mountainous areas

上述实验数据表明: 在不同实验工况背景下, 与未应用倾斜航空摄影技术相比较, 倾斜航空摄影技术应用后获得的山区影像数据完整度数值更高, 山区地质灾害调查精度数值更大, 充分证实了倾斜航空摄影技术在山区地质灾害调查中具有较好的应用效果。

3 结论

(1)本研究将倾斜航空摄影技术应用至茂密植被山区地质灾害调查中, 采用倾斜航空摄影技术在多个角度获取山区信息, 基于PMVS算法密集匹配茂密植被山区影像, 完成山区三维重建。倾斜航空摄影技术应用后获得的山区影像数据完整度数值达到了95%以上, 山区地质灾害调查精度数值达到了96%以上。此方法可大大增强效率, 提高精度, 通过计算机辅助解译方式, 实现茂密植被山区地质灾害调查。

(2)实验结果表明该方法可有效提升山区影像数据完整度与山区地质灾害调查覆盖度, 可以无死角地获取遥感阴影区、陡峭斜坡等难以获取数据的区域, 能够为茂密植被山区地质灾害调查提供更有利的手段支撑。另外, 通过获取倾斜摄影数据, 丰富了地质灾害调查的要素, 解决了倾斜摄影调查技术在茂密植被山区地质灾害调查中应用效果不佳的问题, 也可为山区地质灾害调查、防御与治理等相关研究提供一定的参考。

(3)由于条件有限, 该方法主要聚焦于提升勘察精度, 勘察效率没有显著提升。未来研究将在保证勘察精度的同时, 提升倾斜摄影调查技术应用下的勘察效率。

(责任编辑: 刘丹)

参考文献
[1] 孙涛, 徐明宇, 董秀军, . 机载LiDAR技术应用于茂密植被山区地质灾害调查[J]. 测绘通报, 2021(4): 90-97.
Sun T, Xu M Y, Dong X J, et al. Application of airborne LiDAR technology in geological hazard investigation in mountainous area with dense vegetation[J]. Bulletin of Surveying and Mapping, 2021(4): 90-97. [本文引用:1]
[2] 郭猛猛, 刘海, 段涛, . 无人机勘测技术在皖南山区地质灾害识别中的应用[J]. 安徽地质, 2021, 31(4): 331-335.
Guo M M, Liu H, Duan T, et al. Application of UAV survey technology in geological hazard identification in the southern Anhui mountainous area[J]. Geology of Anhui, 2021, 31(4): 331-335. [本文引用:1]
[3] 李亚东, 曹明兰, 李长青, . PPK技术在无人机森林航空摄影测量中的应用[J]. 中南林业科技大学学报, 2021, 41(7): 20-25.
Li Y D, Cao M L, Li C Q, et al. Applications of PPK technology in aerial photogrammetry of forest by an unmanned aerial vehicle[J]. Journal of Central South University of Forestry & Technology, 2021, 41(7): 20-25. [本文引用:1]
[4] 王凤艳, 赵明宇, 王明常, . 无人机摄影测量在矿山地质环境调查中的应用[J]. 吉林大学学报: 地球科学版, 2020, 50(3): 866-874.
Wang F Y, Zhao M Y, Wang M C, et al. Application of UAV photogrammetry in mine geological environment survey[J]. Journal of Jilin University: Earth Science Edition, 2020, 50(3): 866-874. [本文引用:1]
[5] 王绚, 范宣梅, 杨帆, . 植被茂密山区地质灾害遥感解译方法研究[J]. 武汉大学学报: 信息科学版, 2020, 45(11): 1771-1781.
Wang X, Fan X M, Yang F, et al. Remote sensing interpretation method of geological hazards in Lush Mountainous Area[J]. Geomatics and Information Science of Wuhan University, 2020, 45(11): 1771-1781. [本文引用:1]
[6] 蒲川豪, 许强, 赵宽耀, . 基于遥感分析的延安新区平山造城工程地面沉降及植被恢复特征研究[J]. 工程地质学报, 2020, 28(3): 597-609.
Pu C H, Xu Q, Zhao K Y, et al. Remote sensing analysis of land subsidence and vegetation restoration characteristics in excavation and filling areas of mountain region for urban extension in Yan'an[J]. Journal of Engineering Geology, 2020, 28(3): 597-609. [本文引用:1]
[7] 文桃, 周自强, 应赛, . 基于GIS与AHP属性辨识模型的地质灾害危险性评价——以涪陵页岩气开采区为例[J]. 重庆师范大学学报(自然科学版), 2020, 37(4): 68-74.
Wen T, Zhou Z Q, Ying S, et al. Geologic hazard risk assessment based on GIS and AHP attribute identification model: Taking exploration area of Fuling Shale Gasfield as an example[J]. Journal of Chongqing Normal University (Natural Science Edition), 2020, 37(4): 68-74. [本文引用:1]
[8] 刘祥龙, 张文君, 陈朝亮, . 内江市景观格局对地质灾害易发性的影响分析[J]. 测绘科学, 2021, 46(5): 118-125.
Liu X L, Zhang W J, Chen C L, et al. Analysis of the influence of land scape pattern on geological disaster susceptibility[J]. Science of Surveying and Mapping, 2021, 46(5): 118-125. [本文引用:1]
[9] 李怡飞, 刘延国, 梁丽萍, . 青藏高原高山峡谷地貌区地质灾害危险性评价——以雅江县为例[J]. 水土保持研究, 2021, 28(3): 364-370.
Li Y F, Liu Y G, Liang L P, et al. Assessment on hazard of geological disasters in alpine and canyon land forms of Qinghai-Tibet Plateau: A case study of Yajiang County[J]. Research of Soil and Water Conservation, 2021, 28(3): 364-370. [本文引用:1]
[10] 叶振南, 田运涛, 陈宗良, . 西藏芒康县斜坡地质灾害空间分布特征与易发性区划[J]. 自然灾害学报, 2021, 30(3): 199-208.
Ye Z N, Tian Y T, Chen Z L, et al. Spatial distribution and susceptibility of geological disasters in Mangkang County[J]. Journal of Natural Disasters, 2021, 30(3): 199-208. [本文引用:1]
[11] 万佳威, 丰成君, 戚帮申, . 河北省顺平县地质灾害发育特征及易发性评价[J]. 地质力学学报, 2020, 26(4): 604-614.
Wan J W, Feng C J, Qi B S, et al. Characteristics and susceptibility evaluation of geohazard development in Shunping county, Hebei province[J]. Journal of Geomechanics, 2020, 26(4): 604-614. [本文引用:1]
[12] 覃乙根, 杨根兰, 江兴元, . 基于确定性系数模型与逻辑回归模型耦合的地质灾害易发性评价——以贵州省开阳县为例[J]. 科学技术与工程, 2020, 20(1): 96-103.
Qin Y G, Yang G L, Jiang X Y, et al. Geohazard susceptibility assessment based on integrated certainty factor model and logistic regression model for Kaiyang, China[J]. Science Technology and Engineering, 2020, 20(1): 96-103. [本文引用:1]
[13] 梁京涛, 铁永波, 赵聪, . 基于贴近摄影测量技术的高位崩塌早期识别技术方法研究[J]. 中国地质调查, 2020, 7(5): 107-113.
Liang J T, Tie Y B, Zhao C, et al. Technology and method research on the early detection of high-level collapse based on the nap-of-the-object photography[J]. Geological Survey of China, 2020, 7(5): 107-113. [本文引用:1]
[14] 梁京涛, 赵聪, 马志刚. 多源遥感技术在地质灾害早期识别应用中的问题探讨——以西南山区为例[J]. 中国地质调查, 2022, 9(4): 92-101.
Liang J T, Zhao C, Ma Z G. Application discussion on early identification of geohazards based on multi-source remote sensing technology: A case study on mountainous areas of southwestern China[J]. Geological Survey of China, 2022, 9(4): 92-101. [本文引用:1]
[15] 周定义, 左小清, 喜文飞, . 联合SBAS-InSAR和PSO-BP算法的高山峡谷区地质灾害危险性评价[J]. 农业工程学报, 2021, 37(23): 108-116.
Zhou D Y, Zuo X Q, Xi W F, et al. Combined SBAS-InSAR and PSO-BP algorithm for evaluating the risk of geological disasters in alpine valley regions[J]. Transactions of the Chinese Society of Agricultural Engineering, 2021, 37(23): 108-116. [本文引用:1]