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

Fig.1

	Figure Option ViewDownloadNew Window
	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

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

Fig.2

	Figure Option ViewDownloadNew Window
	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(x_A, y_A, z_A)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(x_B, y_B, z_B), 表达式为

xByBzB=RABxAyAzA 。(1)

式中: (x_B, y_B, z_B)为某一倾斜方向B相机的POS外方位元素坐标信息; (x_A, y_A, z_A)为垂直方向相机A的POS外方位元素坐标信息; R_AB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]。

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; R^T为转置旋转矩阵; (X_S, Y_S, Z_S)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, kσ)-G(x, y, σ))I(x, y)=L(x, y, kσ)-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, …, I_i中的对应物方点, 记为C₀, C₁, …, C_i。以欧式距离公式衡量物方点距离P₀, P₁, …, P_i, 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

Fig.3

	Figure Option ViewDownloadNew Window
	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]。

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

Fig.4

	Figure Option ViewDownloadNew Window
	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)。

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

Fig.5

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

图6

Fig.6

	Figure Option ViewDownloadNew Window
	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

Tab.1

表1(Tab.1)

表1 实验设备性能参数配置 Tab.1 Performance parameter configuration for the experimental equipment 性能参数 数值配置 单位 镜头焦距 [80, 110] mm 倾斜角度 45 (° ) 曝光速度 1/1 600 s 相机像元尺寸 4.6 μ m 像幅尺寸 53.4× 40.0 mm 相机分辨率 11 608× 8 708 ppi 传感器类型 CMOS 无 相机单元质量 52 kg 工作电压 [12, 30] V

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。

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

Fig.7

	Figure Option ViewDownloadNew Window
	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

Fig.8

	Figure Option ViewDownloadNew Window
	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。