CN110453731B - 一种大坝边坡形变监测***及方法 - Google Patents

一种大坝边坡形变监测***及方法 Download PDF

Info

Publication number
CN110453731B
CN110453731B CN201910769474.5A CN201910769474A CN110453731B CN 110453731 B CN110453731 B CN 110453731B CN 201910769474 A CN201910769474 A CN 201910769474A CN 110453731 B CN110453731 B CN 110453731B
Authority
CN
China
Prior art keywords
monitoring
scanning period
area
scanning
dam
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910769474.5A
Other languages
English (en)
Other versions
CN110453731A (zh
Inventor
郑璀莹
雷添杰
贾金生
李翔宇
王嘉宝
赵春
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Institute of Water Resources and Hydropower Research
Original Assignee
China Institute of Water Resources and Hydropower Research
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Institute of Water Resources and Hydropower Research filed Critical China Institute of Water Resources and Hydropower Research
Priority to CN201910769474.5A priority Critical patent/CN110453731B/zh
Publication of CN110453731A publication Critical patent/CN110453731A/zh
Application granted granted Critical
Publication of CN110453731B publication Critical patent/CN110453731B/zh
Priority to US16/991,389 priority patent/US11619487B2/en
Priority to GB2012738.7A priority patent/GB2588503B/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
    • G01C11/025—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures by scanning the object
    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02D—FOUNDATIONS; EXCAVATIONS; EMBANKMENTS; UNDERGROUND OR UNDERWATER STRUCTURES
    • E02D33/00—Testing foundations or foundation structures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/32—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring the deformation in a solid
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/865—Combination of radar systems with lidar systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/885—Radar or analogous systems specially adapted for specific applications for ground probing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021—SAR image post-processing techniques
    • G01S13/9023—SAR image post-processing techniques combined with interferometric techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/97—Determining parameters from multiple pictures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U10/00—Type of UAV
    • B64U10/10—Rotorcrafts
    • B64U10/13—Flying platforms
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2201/00—UAVs characterised by their flight controls
    • B64U2201/10—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS]
    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02B—HYDRAULIC ENGINEERING
    • E02B7/00—Barrages or weirs; Layout, construction, methods of, or devices for, making same
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Paleontology (AREA)
  • Civil Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Structural Engineering (AREA)
  • Geometry (AREA)
  • Astronomy & Astrophysics (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种大坝边坡形变监测***及方法。所述监测***，利用无人机摄影测量***对整个的库区大坝进行监测，确定形变量较大和数字高程差较大(陡坡)的加密监测区域；在加密监测区域利用地基干涉雷达测量***确定形变量更大的一级重点区域；在一级重点区域采用地基三维激光雷达测量***选取形变量更大的二级重点区域，在二级重点监测区域采用全球定位导航***(GNSS)确定形变速度快的重点监测质点，利用微芯桩对重点监测质点区域的崩塌过程进行监测与预警。本发明通过从缓慢到快速到崩塌瞬间的时间无缝化监测和由大区域到小区域再到质点及二维到三维的空间变化全覆盖监测，实现对整个库区大坝的崩塌部位进行精确定位和空天地一体化监测预警。

Description

一种大坝边坡形变监测***及方法
技术领域
本发明涉及边坡监测领域，特别涉及一种大坝边坡形变监测***及方法。
背景技术
水库大坝是重要的基础设施，是防洪安全、供水安全、能源安全的重要保障，截止2019年，中国建成各类水库大坝约9.8万余座。然而由于施工技术、地形地貌因素、气候因素、以及大坝使用年限等方面因素，使得其中累计有3000余座大坝发生溃坝事故，在30米以上的溃坝中土石坝占到了89.7％，给社会和人民造成了严重的生命财产损失和生态损失。因此水库大坝的安全与人们的生活息息相关，大坝安全监测能够实时反映大坝的运行状态，及时反馈大坝“健康状态”，对保护人民的生命财产安全有重要意义。
但是受限于监测手段，目前在大体量的水工建筑物非破坏性检测方面，还需要不断的实践和检验掌握先进的技术，开展边坡形变的非接触性监测。尤其在水利大坝边坡形变监测的工作中，由于边坡地形起伏覆盖范围相对较大、大体积水工建筑物分布广泛等，用传统的手段获取地形数据和表面数据工作耗时、费力，且对于高陡地段难以获取高精度的数据。
发明内容
本发明的目的是提供一种大坝边坡形变监测***及方法，以实现大坝边坡崩塌部位的高精度定位和监测。
为实现上述目的，本发明提供了如下方案：
本发明提供一种大坝边坡形变监测***，所述监测***包括：
无人机摄影测量***、地基干涉雷达测量***、地基三维激光雷达测量***、全球定位导航***、微芯桩和监控中心；
所述无人机摄影测量***、所述地基干涉雷达测量***、所述地基三维激光雷达测量***、所述全球定位导航***和所述微芯桩分别与所述监控中心采用有线或无线的方式连接；
所述无人机摄影测量***用于对库区大坝以第一扫描周期为间隔进行定期扫描，获取库区大坝的激光点云数据和倾斜影像数据，并将所述激光点云数据和所述倾斜影像数据发送给所述监控中心；
所述监控中心用于将每个第一扫描周期的所述激光点云数据和所述倾斜影像数据进行融合生成每个第一扫描周期的库区大坝的数字高程模型和三维场景，并根据每个第一扫描周期的库区大坝的数字高程模型和三维场景选取形变量大于第一预设阈值和数字高程差大于第二预设阈值的区域作为加密监测区域；
所述地基干涉雷达测量***设置在所述加密监测区域内，用于以第二扫描周期为间隔对加密监测区域进行扫描获取加密监测区域的InSAR数据，并将所述InSAR数据发送给所述监控中心；
所述监控中心还用于根据每个第二扫描周期的所述InSAR数据确定所述加密监测区域中形变量大于第三预设阈值的区域，作为一级重点监测区域；
所述地基三维激光雷达测量***用于对所述一级重点监测区域以第三扫描周期为间隔进行扫描，获取一级重点监测区域的三维激光数据，并将所述三维激光数据发送给所述监控中心；
所述监控中心还用于根据每个第三扫描周期的所述三维激光数据确定所述一级重点监测区域中三维形变量大于第四预设阈值的区域，作为二级重点监测区域；
所述全球定位导航***设置在所述二级重点监测区域内，用于以第四三扫描周期为间隔进行扫描，获取所述二级重点监测区域内的每个监测质点的三维坐标，并将每个监测质点的三维坐标发送给所述监控中心；
所述监控中心还用于根据实时获取的每个监测质点的三维坐标，选取三维坐标变化速度大于第五预设阈值的监测质点作为重点监测质点；
所述微芯桩设置在所述重点监测质点，用于以第五扫描周期为间隔进行扫描，对重点监测质点所在的区域的崩塌过程进行监测与预警。
可选的，所述第一扫描周期为天-月时间尺度，所述第二扫描周期为小时-天时间尺度，所述第三扫描周期为分钟-小时时间尺度，所述第四扫描周期为秒-分钟时间尺度，所述第五扫描周期为毫秒-秒时间尺度。
可选的，所述地基干涉雷达测量***包括移动支架、干涉雷达平台、干涉雷达支撑座、第一驱动电机、第二驱动电机和第三驱动电机；
所述第一驱动电机固定在所述移动支架上，用于移动支架上的两个主动轮，所述第二驱动电机固定在所述移动支架上，第二驱动电机两端的输出轴与所述干涉雷达支撑座通过移动支架上轴承轴连接，用于驱动所述干涉雷达支撑座上下摆动，进而带动所述干涉雷达平台上下摆动，所述第三驱动电机固定在所述干涉雷达支撑座上，所述第三驱动电机的输出轴与所述干涉雷达平台轴连接，用于驱动所述干涉雷达平台周向的转动。
可选的，所述移动支架包括两个主动轮和两个从动轮，两个所述从动轮均为万向轮。
可选的，所述无人机摄影测量***包括无人机监控终端、无人机平台、机载倾斜摄影相机和机载激光雷达；
所述无人机监控终端分别与所述无人机平台、所述机载倾斜摄像机和所述机载激光雷达无线连接，所述无人机监控终端还与所述监控中心连接。
一种大坝边坡形变监测方法，所述监测方法包括如下步骤：
利用无人机摄影测量***对库区大坝以第一扫描周期为间隔进行定期扫描，获取库区大坝的激光点云数据和倾斜影像数据；
根据每个第一扫描周期的所述激光点云数据和所述倾斜影像数据选取形变量大于第一预设阈值和数字高程差大于第二预设阈值的区域作为加密监测区域；
利用地基干涉雷达测量***对所述加密监测区域内以第二扫描周期为间隔对加密监测区域进行扫描获取加密监测区域的InSAR数据；
根据每个第二扫描周期的所述InSAR数据确定所述加密监测区域中形变量大于第三预设阈值的区域，作为一级重点监测区域；
利用地基三维激光雷达测量***对所述一级重点监测区域以第三扫描周期为间隔进行扫描，获取一级重点监测区域的三维激光数据；
根据每个第三扫描周期的所述三维激光数据确定所述一级重点监测区域中三维形变量大于第四预设阈值的区域，作为二级重点监测区域；
利用全球定位导航***以第四三扫描周期为间隔进行扫描，获取所述二级重点监测区域内的每个监测质点的三维坐标
根据实时获取的每个监测质点的三维坐标，选取三维坐标变化速度大于第五预设阈值的监测质点作为重点监测质点；
利用微芯桩以第五扫描周期为间隔进行扫描，对重点监测质点所在的区域的崩塌过程进行监测与预警。
可选的，所述第一扫描周期为天-月时间尺度，所述第二扫描周期为小时-天时间尺度，所述第三扫描周期为分钟-小时时间尺度，所述第四扫描周期为实时-分钟时间尺度，所述第五扫描周期为实时-瞬间时间尺度。
可选的，所述利用无人机摄影测量***对库区大坝以第一扫描周期为间隔进行定期扫描，获取库区大坝的激光点云数据和倾斜影像数据，具体包括：
利用无人机摄影测量***的机载激光雷达以第一扫描周期为间隔进行定期扫描，获取库区大坝的激光点云数据；
利用无人机摄影测量***的机载倾斜摄影相机以第一扫描周期为间隔进行定期扫描，获取倾斜影像数据。
可选的，所述根据每个第一扫描周期的所述激光点云数据和所述倾斜影像数据选取形变量大于第一预设阈值和数字高程差大于第二预设阈值的区域作为加密监测区域，具体包括：
将每个第一扫描周期的所述激光点云数据和所述倾斜影像数据进行融合生成每个第一扫描周期的库区大坝的数字高程模型和三维场景；
根据每个第一扫描周期的库区大坝的数字高程模型和三维场景选取形变量大于第一预设阈值和数字高程差大于第二预设阈值的区域作为加密监测区域。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供一种大坝边坡形变监测***及方法。所述监测***，利用无人机摄影测量***对整个的库区大坝进行监测，确定形变量较大和数字高程差较大的区域(陡坡)作为加密监测区域；在加密监测区域利用地基干涉雷达测量***确定形变量更大的区域作为一级重点区域；在一级重点区域采用地基三维激光雷达测量***选取形变量更大的区域作为二级重点区域，在二级重点监测区域采用全球定位导航***确定形变速度快的监测质点作为重点监测质点，利用微芯桩对重点监测质点所在的区域的崩塌过程进行监测。本发明通过无人机摄影测量***、地基干涉雷达测量***、地基三维激光雷达测量***、全球定位导航***和微芯桩，进行从缓慢形变到快速形变到崩塌瞬间的时间无缝化监测和由大区域到小区域再到质点及二维(地基干涉雷达测量***)到三维(三维激光雷达)的空间变化全覆盖监测，实现整个库区大坝的崩塌部位的精准化定位和空天地一体化监测预警。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种大坝边坡形变监测***的结构图；
图2为本发明提供的一种大坝边坡形变监测方法的流程图。
具体实施方式
本发明的目的是提供一种大坝边坡形变监测***及方法，以实现大坝边坡崩塌部位的高精度定位和监测。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对发明作进一步详细的说明。
微芯桩、北斗导航定位***、干涉雷达平台、激光雷达、无人机倾斜摄影、机器人等技术结合大数据处理、人工智能、自动化监测等方法在流域环境、生态与大坝水库安全监测与预警中得到了日益广泛的应用，在监测精度、可靠性、安全性等方面具有较大的应用前景。地基干涉雷达测量***基于合成孔径雷达(SAR)和干涉雷达(D-InSAR)的原理，可以对大范围观测场景进行微小形变位移信息的提取，主要应用地表位移的实时监测，可以实时全天时、全天候(24小时、全天候条件)、大范围(数公里范围内全面覆盖)、高精度(亚毫米级监测精度)的实时自动化监测，已在公路、铁路、山体滑坡、矿业方面得到了广泛的应用。与传统的监测手段(精密水准测量、光纤传感器、GPS、近景摄影测量等)相比，该技术具有监测范围广、监测精度高、成本低等优势。各种检测手段优缺点的对比表，如表1所示。
表1
Figure BDA0002173081570000061
Figure BDA0002173081570000071
如图1所示，本发明提供一种大坝边坡形变监测***，所述监测***包括：
无人机摄影测量***1、地基干涉雷达测量***2、地基三维激光雷达测量***3、全球定位导航***4、微芯桩5和监控中心6；
所述无人机摄影测量***1、所述地基干涉雷达测量***2、所述地基三维激光雷达测量***3、所述全球定位导航***4和所述微芯桩5分别与所述监控中心6采用有线或无线的方式连接；
所述无人机摄影测量***1用于对库区大坝以第一扫描周期为间隔进行定期扫描，获取库区大坝的激光点云数据和倾斜影像数据，并将所述激光点云数据和所述倾斜影像数据发送给所述监控中心6；所述监控中心6用于将每个第一扫描周期的所述激光点云数据和所述倾斜影像数据进行融合生成每个第一扫描周期的库区大坝的数字高程模型和三维场景，并根据每个第一扫描周期的库区大坝的数字高程模型和三维场景选取形变量大于第一预设阈值和数字高程差大于第二预设阈值的区域作为加密监测区域。
采用无人机摄影测量技术对库区大坝进行航拍，主要获取监测库区大范围变形大且速率较快(形变量大于第一预设阈值)的区域，边坡三维位移及危岩陡壁裂缝的区域(数字高程差大于第二预设阈值的区域)。
所述无人机摄影测量***1包括无人机监控终端、无人机平台、机载倾斜摄影相机和机载激光雷达；所述无人机监控终端分别与所述无人机平台、所述机载倾斜摄像机和所述机载激光雷达无线连接，所述无人机监控终端还与所述监控中心6连接。
无人机摄影测量***1在无人机上搭载机载倾斜摄影相机和机载激光雷达，使用无人机航拍测量技术获取的大量的激光点云数据，然后使用点云处理软件进行数据处理，通过丰富的滤波算法可以快速地将地面的点从点云数据中分离出来，然后基于地面点创建数字高程模型(DEM)。然后，通过无人机航拍获取相应的倾斜影像图之后，将拍摄的区域进行科学的划分，根据需要对各个区域内的信息数据进行采集和提取。然后再使用专业的制图软件完成制作过程，此时还需要进行正射，就是对接收到的原始倾斜影像图进行纠错和矫正，使其达到应用研究的清晰程度。最后完成了正射影像制作以后，继续对影像图开展相应的镶嵌、裁剪等操作步骤。倾斜摄影相机获取监测区域地表多角度遥感影像，进行快速拼接处理、高精度地理坐标镶嵌得到高精度的DEM和三维场景，具体的，监控中心6在观测边坡形变情况的同时，通过无人机数据建模专业处理软件(比如PIX4)在Arcgis平台建立无人机航拍的激光点云数据与倾斜影像数据融合生成数字高程模型和三维场景。通过多时相的三维场景及DEM比较，得到不同地区或地点的同一时间间隔的地表三维变化。
所述地基干涉雷达测量***2设置在所述加密监测区域内，用于以第二扫描周期为间隔对加密监测区域进行扫描获取加密监测区域的InSAR数据，并将所述InSAR数据发送给所述监控中心6；所述监控中心6还用于根据每个第二扫描周期的所述InSAR数据确定所述加密监测区域中形变量大于第三预设阈值的区域，作为一级重点监测区域。
采用地基雷达干涉测量技术(GB-InSAR)对边坡缓慢形变阶段进行监测。首先，选择合适的GB-InSAR监测站的站址，并且保证监测站的选址应保持与监测目标通视，远离电磁干扰区和雷击区，避开地质构造不稳定区域，便于接入公共通信网络，以及安全可靠的交流电电源，然后在完成监测站的选址后，开始运行调试该设备，GB-InSAR设备可以24小时全天候监测，覆盖范围达5km2，每轨测量时间为6min，每幅图像可以获取百万级监测点，距离向分辨率达到0.2m。
通过地基雷达干涉测量技术可以得出大范围区域边坡体缓慢变形阶段地表二维位移变化，监测视线方向不同阶段的形变速率。
所述地基干涉雷达测量***2包括移动支架、干涉雷达平台、干涉雷达支撑座、第一驱动电机、第二驱动电机和第三驱动电机；所述第一驱动电机固定在所述移动支架上，用于移动支架上的两个主动轮，所述第二驱动电机固定在所述移动支架上，第二驱动电机两端的输出轴与所述干涉雷达支撑座通过移动支架上轴承轴连接，用于驱动所述干涉雷达支撑座上下摆动，进而带动所述干涉雷达平台上下摆动，所述第三驱动电机固定在所述干涉雷达支撑座上，所述第三驱动电机的输出轴与所述干涉雷达平台轴连接，用于驱动所述干涉雷达平台周向的转动。所述移动支架包括两个主动轮和两个从动轮，两个所述从动轮均为万向轮。
本发明的地基干涉雷达测量***2还可以在滑轨上移动实现加密监测区域的扫描，此时的移动支架的主动轮和从动轮均卡在滑轨两侧的导轨上。
所述地基三维激光雷达测量***3用于对所述一级重点监测区域以第三扫描周期为间隔进行扫描，获取一级重点监测区域的三维激光数据，并将所述三维激光数据发送给所述监控中心6；所述监控中心6还用于根据每个第三扫描周期的所述三维激光数据确定所述一级重点监测区域中三维形变量大于第四预设阈值的区域，作为二级重点监测区域。
所述全球定位导航***4设置在所述二级重点监测区域内，用于以第四三扫描周期为间隔进行扫描，获取所述二级重点监测区域内的每个监测质点的三维坐标，并将每个监测质点的三维坐标发送给所述监控中心6；所述监控中心6还用于根据实时获取的每个监测质点的三维坐标，选取三维坐标变化速度大于第五预设阈值的监测质点作为重点监测质点；
所述微芯桩5设置在所述重点监测质点，用于以第五扫描周期为间隔进行扫描，对重点监测质点所在的区域的崩塌过程进行监测与预警。
基于微芯桩或微芯球作为一种边坡灾害预警监测***，主要特点在于可以实现多个指标同时定时监测，主动超值监测、超值预报、小型化、低功耗、远程实时监控等多种功能。首先，在监测的边坡区域形变较大且易发生崩塌的重点监测质点设置微芯桩或微芯球，微芯桩或微芯球采用的电池为1000mvh～5000mvh的锂电池，服役年限大约为5～10年，然后，采用微芯桩采集，微芯桩所能监测到的区域的边坡的形变、相对形变、渗流突变和振动等数据。采集完毕后将数据传送至监控中心6。最后，通过监测中心的数据进行分析，在相对数值范围内，无任何预警；若数据超过一定范围，则产生预警。结合地基雷达干涉测量技术和地基三维激光扫描技术的情况下，建立了采用微芯桩或微芯球对边坡重点位置及易崩塌的部位进行监测的方法，更加清晰形象地观测了边坡易崩塌部位所处的位置及其形变情况。
本发明还通过监控中心6将无人机摄影测量***1、地基干涉雷达测量***2、地基三维激光雷达测量***3、GNSS和微芯桩获取的数据上传至服务器，再利用服务器中构建的数据库对采集到的数据进行统一管理，最终的观测结果可以通过多个客户端进行实时显示，在客户端不仅能显示出该边坡监测区域的数字高程模型以及无人机采集的数据和地基雷达干涉***采集到的数据融成的正射影像，而且还能显示出地基干涉雷达测量***2所监测到的边坡全方位的形变情况。
本发明的所述第一扫描周期为天-月时间尺度(1天到1个月的任意天数)，所述第二扫描周期为小时-天时间尺度(1天到1个小时的任意小时数)，所述第三扫描周期为分钟-小时时间尺度(1分钟到一个小时的任意分钟数)，所述第四扫描周期为秒-分钟时间尺度(1秒到1分钟的任意秒数)，所述第五扫描周期为毫秒-秒时间尺度(1毫秒到1秒的任意毫秒数)，实现库区大坝的从缓慢形变的长周期监测到快速形变的短周期监测到崩塌瞬间的实时监测的时间无缝化监测。
所述一级重点监测区域是在加密监测区域得到的形变较大的区域，该区域需要设置地基三维激光进行重点的监测；二级重点监测区域是在监测一级重点监测区域得到的形变更大的区域，需在该区域增设GNSS确定可能有崩塌危险的重点监测质点。
如图2所示本发明还提供一种大坝边坡形变监测方法，所述监测方法包括如下步骤：
步骤201，利用无人机摄影测量***对库区大坝以第一扫描周期为间隔进行定期扫描，获取库区大坝的激光点云数据和倾斜影像数据；
步骤202，根据每个第一扫描周期的所述激光点云数据和所述倾斜影像数据选取形变量大于第一预设阈值和数字高程差大于第二预设阈值的区域作为加密监测区域；
步骤203，利用地基干涉雷达测量***对所述加密监测区域内以第二扫描周期为间隔对加密监测区域进行扫描获取加密监测区域的InSAR数据；
步骤204，根据每个第二扫描周期的所述InSAR数据确定所述加密监测区域中形变量大于第三预设阈值的区域，作为一级重点监测区域；
步骤205，利用地基三维激光雷达测量***对所述一级重点监测区域以第三扫描周期为间隔进行扫描，获取一级重点监测区域的三维激光数据；
步骤206，根据每个第三扫描周期的所述三维激光数据确定所述一级重点监测区域中三维形变量大于第四预设阈值的区域，作为二级重点监测区域；
步骤207，利用全球定位导航***以第四三扫描周期为间隔进行扫描，获取所述二级重点监测区域内的每个监测质点的三维坐标；
步骤208，根据实时获取的每个监测质点的三维坐标，选取三维坐标变化速度大于第五预设阈值的监测质点作为重点监测质点；
步骤209，利用微芯桩以第五扫描周期为间隔进行扫描，对重点监测质点所在的区域的崩塌过程进行监测与预警监测。
本发明的第一扫描周期为天-月时间尺度，第二扫描周期为小时-天时间尺度，第三扫描周期为分钟-小时时间尺度，第四扫描周期为实时-分钟时间尺度，第五扫描周期为实时-瞬间时间尺度。
其中，步骤201所述利用无人机摄影测量***对库区大坝以第一扫描周期为间隔进行定期扫描，获取库区大坝的激光点云数据和倾斜影像数据，具体包括：利用无人机摄影测量***的机载激光雷达以第一扫描周期为间隔进行定期扫描，获取库区大坝的激光点云数据；利用无人机摄影测量***的机载倾斜摄影相机以第一扫描周期为间隔进行定期扫描，获取倾斜影像数据。
步骤202所述根据每个第一扫描周期的所述激光点云数据和所述倾斜影像数据选取形变量大于第一预设阈值和数字高程差大于第二预设阈值的区域作为加密监测区域，具体包括：将每个第一扫描周期的所述激光点云数据和所述倾斜影像数据进行融合生成每个第一扫描周期的库区大坝的数字高程模型和三维场景；根据每个第一扫描周期的库区大坝的数字高程模型和三维场景选取形变量大于第一预设阈值和数字高程差大于第二预设阈值的区域作为加密监测区域。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供一种大坝边坡形变监测***及方法。所述监测***，利用无人机摄影测量***对整个的库区大坝进行监测，确定形变量较大和数字高程差较大的区域(陡坡)作为加密监测区域；在加密监测区域利用地基干涉雷达测量***确定形变量更大的区域作为一级重点区域；在一级重点区域采用地基三维激光雷达测量***选取形变量更大的区域作为二级重点区域，在二级重点监测区域采用全球定位导航***确定形变速度快的监测质点作为重点监测质点，利用微芯桩对重点监测质点所在的区域的崩塌过程进行监测。本发明通过无人机摄影测量***、地基干涉雷达测量***、地基三维激光雷达测量***、全球定位导航***和微芯桩，进行从缓慢形变到快速形变到崩塌瞬间的时间无缝化监测和由大区域到小区域再到质点及二维(地基干涉雷达测量***)到三维(三维激光雷达)的空间变化监测，实现整个库区大坝的崩塌部位的精准化定位和崩塌过程的精准化监测。
本发明的一种大坝边坡形变监测***及方法，构建空-天-地一体化的边坡监测体系与安全预警方法，克服了传统的边坡监测只能以单点监测的缺点。采用无人机倾斜测量技术对整个库区大坝进行航拍，完成针对监测库区的大范围变形大且速率较快的区域，边坡三维位移及危岩陡壁裂缝的监测。采用地基雷达干涉测量技术和地基三维激光扫描技术分别进行大范围区域边坡体缓慢变形阶段地表二维位移变化以及视线方向不同阶段的形变速率和大范围区域的边坡体快速变形阶段地表三维位移数据。通过GNSS***，完成针对监测区重点部位的高时间分辨高精度点尺度三维形变。完成边坡从缓慢形变到快速形变的监测过程。最后，采用微芯桩(微芯球)对监测边坡重点部位或极易发生崩塌的部位进行监测，在边坡缓慢变形到快速变形的过程中，完成边坡在快速变形过程中某些部位的瞬时崩塌的监测。该边坡空-天-地一体化监测体系中，主要实现了动态刻画边坡缓慢形变-快速形变-崩塌全过程，可在此基础上建立边坡形变及地质灾害机理过程与预测预警模型，实现针对边坡变形和滑坡等地质灾害的实时监测和预测预警。对边坡监测与安全预警具有重要意义。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

Claims (9)

1.一种大坝边坡形变监测***，其特征在于，所述监测***包括：
无人机摄影测量***、地基干涉雷达测量***、地基三维激光雷达测量***、全球定位导航***、微芯桩和监控中心；
所述无人机摄影测量***、所述地基干涉雷达测量***、所述地基三维激光雷达测量***、所述全球定位导航***和所述微芯桩分别与所述监控中心采用有线或无线的方式连接；
所述无人机摄影测量***用于对库区大坝以第一扫描周期为间隔进行定期扫描，获取库区大坝的激光点云数据和倾斜影像数据，并将所述激光点云数据和所述倾斜影像数据发送给所述监控中心；
所述监控中心用于将每个第一扫描周期的所述激光点云数据和所述倾斜影像数据进行融合生成每个第一扫描周期的库区大坝的数字高程模型和三维场景，并根据每个第一扫描周期的库区大坝的数字高程模型和三维场景选取形变量大于第一预设阈值和数字高程差大于第二预设阈值的区域作为加密监测区域；
所述地基干涉雷达测量***设置在所述加密监测区域内，用于以第二扫描周期为间隔对加密监测区域进行扫描获取加密监测区域的InSAR数据，并将所述InSAR数据发送给所述监控中心；
所述监控中心还用于根据每个第二扫描周期的所述InSAR数据确定所述加密监测区域中形变量大于第三预设阈值的区域，作为一级重点监测区域；
所述地基三维激光雷达测量***用于对所述一级重点监测区域以第三扫描周期为间隔进行扫描，获取一级重点监测区域的三维激光数据，并将所述三维激光数据发送给所述监控中心；
所述监控中心还用于根据每个第三扫描周期的所述三维激光数据确定所述一级重点监测区域中三维形变量大于第四预设阈值的区域，作为二级重点监测区域；
所述全球定位导航***设置在所述二级重点监测区域内，用于以第四扫描周期为间隔进行扫描，获取所述二级重点监测区域内的每个监测质点的三维坐标，并将每个监测质点的三维坐标发送给所述监控中心；
所述监控中心还用于根据实时获取的每个监测质点的三维坐标，选取三维坐标变化速度大于第五预设阈值的监测质点作为重点监测质点；
所述微芯桩设置在所述重点监测质点，用于以第五扫描周期为间隔进行扫描，对重点监测质点所在的区域的崩塌过程进行监测与预警。
2.根据权利要求1所述的大坝边坡形变监测***，其特征在于，所述第一扫描周期为天-月时间尺度，所述第二扫描周期为小时-天时间尺度，所述第三扫描周期为分钟-小时时间尺度，所述第四扫描周期为秒-分钟时间尺度，所述第五扫描周期为毫秒-秒时间尺度。
3.根据权利要求1所述的大坝边坡形变监测***，其特征在于，所述地基干涉雷达测量***包括移动支架、干涉雷达平台、干涉雷达支撑座、第一驱动电机、第二驱动电机和第三驱动电机；
所述第一驱动电机固定在所述移动支架上，用于移动支架上的两个主动轮，所述第二驱动电机固定在所述移动支架上，第二驱动电机两端的输出轴与所述干涉雷达支撑座通过移动支架上轴承轴连接，用于驱动所述干涉雷达支撑座上下摆动，进而带动所述干涉雷达平台上下摆动，所述第三驱动电机固定在所述干涉雷达支撑座上，所述第三驱动电机的输出轴与所述干涉雷达平台轴连接，用于驱动所述干涉雷达平台周向的转动。
4.根据权利要求3所述的大坝边坡形变监测***，其特征在于，所述移动支架包括两个主动轮和两个从动轮，两个所述从动轮均为万向轮。
5.根据权利要求1所述的大坝边坡形变监测***，其特征在于，所述无人机摄影测量***包括无人机监控终端、无人机平台、机载倾斜摄影相机和机载激光雷达；
所述无人机监控终端分别与所述无人机平台、所述机载倾斜摄像机和所述机载激光雷达无线连接，所述无人机监控终端还与所述监控中心连接。
6.一种大坝边坡形变监测方法，其特征在于，所述监测方法包括如下步骤：
利用无人机摄影测量***对库区大坝以第一扫描周期为间隔进行定期扫描，获取库区大坝的激光点云数据和倾斜影像数据；
根据每个第一扫描周期的所述激光点云数据和所述倾斜影像数据选取形变量大于第一预设阈值和数字高程差大于第二预设阈值的区域作为加密监测区域；
利用地基干涉雷达测量***对所述加密监测区域内以第二扫描周期为间隔对加密监测区域进行扫描获取加密监测区域的InSAR数据；
根据每个第二扫描周期的所述InSAR数据确定所述加密监测区域中形变量大于第三预设阈值的区域，作为一级重点监测区域；
利用地基三维激光雷达测量***对所述一级重点监测区域以第三扫描周期为间隔进行扫描，获取一级重点监测区域的三维激光数据；
根据每个第三扫描周期的所述三维激光数据确定所述一级重点监测区域中三维形变量大于第四预设阈值的区域，作为二级重点监测区域；
利用全球定位导航***以第四扫描周期为间隔进行扫描，获取所述二级重点监测区域内的每个监测质点的三维坐标；
根据实时获取的每个监测质点的三维坐标，选取三维坐标变化速度大于第五预设阈值的监测质点作为重点监测质点；
利用微芯桩以第五扫描周期为间隔进行扫描，对重点监测质点所在的区域的崩塌过程进行监测与预警。
7.根据权利要求6所述的大坝边坡形变监测方法，其特征在于，所述第一扫描周期为天-月时间尺度，所述第二扫描周期为小时-天时间尺度，所述第三扫描周期为分钟-小时时间尺度，所述第四扫描周期为实时-分钟时间尺度，所述第五扫描周期为实时-瞬间时间尺度。
8.根据权利要求6所述的大坝边坡形变监测方法，其特征在于，所述利用无人机摄影测量***对库区大坝以第一扫描周期为间隔进行定期扫描，获取库区大坝的激光点云数据和倾斜影像数据，具体包括：
利用无人机摄影测量***的机载激光雷达以第一扫描周期为间隔进行定期扫描，获取库区大坝的激光点云数据；
利用无人机摄影测量***的机载倾斜摄影相机以第一扫描周期为间隔进行定期扫描，获取倾斜影像数据。
9.根据权利要求6所述的大坝边坡形变监测方法，其特征在于，所述根据每个第一扫描周期的所述激光点云数据和所述倾斜影像数据选取形变量大于第一预设阈值和数字高程差大于第二预设阈值的区域作为加密监测区域，具体包括：
将每个第一扫描周期的所述激光点云数据和所述倾斜影像数据进行融合生成每个第一扫描周期的库区大坝的数字高程模型和三维场景；
根据每个第一扫描周期的库区大坝的数字高程模型和三维场景选取形变量大于第一预设阈值和数字高程差大于第二预设阈值的区域作为加密监测区域。
CN201910769474.5A 2019-08-15 2019-08-15 一种大坝边坡形变监测***及方法 Active CN110453731B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201910769474.5A CN110453731B (zh) 2019-08-15 2019-08-15 一种大坝边坡形变监测***及方法
US16/991,389 US11619487B2 (en) 2019-08-15 2020-08-12 Dam slope deformation monitoring system and method
GB2012738.7A GB2588503B (en) 2019-08-15 2020-08-14 Dam slope deformation monitoring system and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910769474.5A CN110453731B (zh) 2019-08-15 2019-08-15 一种大坝边坡形变监测***及方法

Publications (2)

Publication Number Publication Date
CN110453731A CN110453731A (zh) 2019-11-15
CN110453731B true CN110453731B (zh) 2020-06-30

Family

ID=68488011

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910769474.5A Active CN110453731B (zh) 2019-08-15 2019-08-15 一种大坝边坡形变监测***及方法

Country Status (3)

Country Link
US (1) US11619487B2 (zh)
CN (1) CN110453731B (zh)
GB (1) GB2588503B (zh)

Families Citing this family (81)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA3108083A1 (en) * 2018-08-07 2020-02-13 Groundprobe Pty Ltd Wall visualisation from virtual point of view
CN111524322A (zh) * 2020-04-29 2020-08-11 中国水利水电科学研究院 一种边坡地质灾害预警***
CN111581709B (zh) * 2020-05-18 2021-03-16 中国水利水电科学研究院 基于点云的土石坝结构建模方法和装置
CN111750828A (zh) * 2020-05-29 2020-10-09 山东省地质环境监测总站(山东省地质灾害防治技术指导中心) 一种采矿塌陷地自动化监测***
CN111719535B (zh) * 2020-06-05 2022-02-25 江苏省地质调查研究院 一种岩质边坡表面粗糙度的评价方法
CN111551147B (zh) * 2020-06-09 2022-03-08 福州大学 基于gnss与测量机器人融合的拱坝表面变形监测***
CN111754540B (zh) * 2020-06-29 2023-11-17 中国水利水电科学研究院 一种边坡质点位移轨迹监测实时跟踪方法及***
CN111866453A (zh) * 2020-06-30 2020-10-30 河海大学 一种基于人工智能和bim的堰塞坝应急监测预警方法
CN111736170A (zh) * 2020-07-24 2020-10-02 杭州都市高速公路有限公司 一种监测路堑边坡变形度的装置和方法
CN111895911B (zh) * 2020-08-01 2022-02-22 上海市地矿工程勘察(集团)有限公司 一种应用于浅部砂层地面塌陷隐患监测方法
CN112069579B (zh) * 2020-09-04 2022-08-05 华能澜沧江水电股份有限公司 基于dem数字地形分析的土石坝变形震害定量评估方法
CN112197690B (zh) * 2020-09-30 2022-06-17 深圳市水务规划设计院股份有限公司 基于角反射器的土石坝变形监测方法、***及存储介质
CN112505687A (zh) * 2020-11-02 2021-03-16 嘉应学院 一种大坝变形监测用无人机雷达及其监测方法
CN112627243A (zh) * 2020-11-12 2021-04-09 山东大学 一种土钉墙质量及其壁后空洞的监测装置及方法
CN112540369A (zh) * 2020-11-27 2021-03-23 武汉大学 融合GNSS与升降轨时序InSAR的滑坡三维形变解算方法及***
CN112711033B (zh) * 2020-12-09 2022-02-18 中科视语(北京)科技有限公司 边坡安全监测预警装置和预警方法
CN112731440B (zh) * 2020-12-25 2023-10-13 中国铁道科学研究院集团有限公司 高速铁路边坡形变检测方法及装置
CN112923842B (zh) * 2021-02-01 2023-06-06 中国地质环境监测院(自然资源部地质灾害技术指导中心) 一种基于gnss定位技术的三维地表位移监测***及方法
CN112667970B (zh) * 2021-02-04 2024-04-12 淮阴师范学院 多源观测技术组合的特大型构筑物变形监测方法
CN113012398A (zh) * 2021-02-20 2021-06-22 中煤航测遥感集团有限公司 地质灾害监测预警方法、装置、计算机设备及存储介质
CN113064158A (zh) * 2021-03-17 2021-07-02 中国有色金属长沙勘察设计研究院有限公司 一种基于双中间件的工程灾害智能化监测雷达通信***
CN113011747A (zh) * 2021-03-22 2021-06-22 腾讯科技（深圳）有限公司 建筑物监测方法、装置、电子设备及存储介质
CN113010851B (zh) * 2021-03-25 2023-05-16 深圳市建设综合勘察设计院有限公司 基于变形速率的深基坑工程监测精度方法
CN113250169B (zh) * 2021-04-07 2022-08-30 苏现锋 一种用于建筑工程基坑监测的方法
CN113255726A (zh) * 2021-04-22 2021-08-13 中国电建集团河北省电力勘测设计研究院有限公司 一种基于激光扫描的边坡自动聚类监测方法
CN113240886A (zh) * 2021-04-23 2021-08-10 北京建筑大学 一种地质灾害监测方法、***及电子设备
CN113324581B (zh) * 2021-04-26 2022-07-15 北京中关村智连安全科学研究院有限公司 一种高精度的非接触式边坡危岩监测预警方法
CN113251913A (zh) * 2021-05-08 2021-08-13 中国长江三峡集团有限公司 用于库岸边坡表面变形的综合监测方法
CN113326756B (zh) * 2021-05-25 2023-05-16 中国地质调查局武汉地质调查中心 一种基于岩体劣化特征的库岸潜在滑坡隐患识别方法
CN113418496B (zh) * 2021-05-26 2023-07-04 深圳市北斗云信息技术有限公司 边坡变形监测预警方法、***及智能终端
CN113340192A (zh) * 2021-05-27 2021-09-03 长沙理工大学 一种多技术联合的边坡坡表变形监测***及方法
CN113532509A (zh) * 2021-05-31 2021-10-22 中国科学院武汉岩土力学研究所 一种基于空天地立体技术的大规模高陡边坡监测方法
CN113281742B (zh) * 2021-06-02 2023-07-25 西南交通大学 一种基于滑坡形变信息和气象数据的sar滑坡预警方法
CN113701655B (zh) * 2021-06-30 2024-03-29 中国地质调查局水文地质环境地质调查中心 一种获取滑坡高精度三维变形信息的方法
CN113611082B (zh) * 2021-07-12 2022-08-23 北京铁科特种工程技术有限公司 一种无人机铁路边坡监控与预警***及方法
CN113624153B (zh) * 2021-07-30 2024-07-05 中国电建集团西北勘测设计研究院有限公司 一种大型岩质边坡表面变形监测方法
CN113625645A (zh) * 2021-08-19 2021-11-09 福州大学 一种堆石混凝土坝智能监测方法及管理***
CN113762623B (zh) * 2021-09-09 2024-04-05 雷添杰 一种滑坡方向与趋势的识别和预测方法、装置及电子设备
CN113744393B (zh) * 2021-09-09 2023-05-30 北京建筑大学 一种多层级边坡滑坡变化监测方法
CN113741530B (zh) * 2021-09-14 2023-07-25 电子科技大学 一种基于多无人机群智感知的数据采集方法
CN113899405A (zh) * 2021-10-20 2022-01-07 中煤科工集团沈阳设计研究院有限公司 一体化在线边坡智能监测预警***及预警方法
CN113790667A (zh) * 2021-11-18 2021-12-14 中大检测(湖南)股份有限公司 基于雷达的大坝变形检测方法
CN114234900A (zh) * 2021-11-29 2022-03-25 国网福建省电力有限公司泉州供电公司 一种山区变电站边坡变形自动监测***及其布置方法
CN114199189B (zh) * 2021-12-09 2023-09-12 太原理工大学 一种联合无人机和DInSAR技术的开采沉陷监测方法
CN114136270B (zh) * 2021-12-09 2024-03-22 中国船舶科学研究中心 基于卫星定位与倾角传感的甲板变形监测方法
CN114527461A (zh) * 2021-12-22 2022-05-24 上海振懋机电科技有限公司 一种空间测量装置及其测量方法
CN114353737A (zh) * 2022-01-10 2022-04-15 南方电网通用航空服务有限公司 北斗卫星边坡自动化监测***及其方法
CN114438968B (zh) * 2022-01-12 2023-11-03 中国电建集团西北勘测设计研究院有限公司 土石坝水管式沉降仪水平敷设施工方法
CN114485788B (zh) * 2022-01-12 2022-10-11 北京科技大学 基于倾斜与强振特征的边坡危岩体崩塌预警方法及装置
CN114119605B (zh) * 2022-01-14 2022-05-10 北京铁科特种工程技术有限公司 铁路工务设备及周边环境形变对比分析方法
CN114419849B (zh) * 2022-01-26 2024-01-30 中煤航测遥感集团有限公司 一种滑坡预警方法、装置及计算机设备
CN114608527B (zh) * 2022-03-08 2024-03-26 内蒙古银宏能源开发有限公司 一种基于煤矿开采地表沉陷特征的D-InSAR和UAV摄影测量融合方法
CN114739355B (zh) * 2022-04-12 2024-05-17 深圳市德传技术有限公司 基于gnss与三轴加速计的滑坡监测方法、***及介质
CN114882366B (zh) * 2022-05-26 2023-03-21 广州市城市规划勘测设计研究院 一种三维场景灾变监控预警方法
CN114690197B (zh) * 2022-05-30 2022-09-23 山东科技大学 一种风积沙地形条件下岩移变形机载激光雷达测量方法
CN115050163B (zh) * 2022-06-15 2023-10-03 中铁第四勘察设计院集团有限公司 一种边坡监测预警***
CN114812528B (zh) * 2022-06-24 2022-10-14 湖北高路公路工程监理咨询有限公司 一种运用在高速公路病害边坡上的自动监测***
CN115410340B (zh) * 2022-07-21 2023-11-14 栾奕 集视频、卫星与传感器监测一体的水库安全监控预警方法
CN115079166B (zh) * 2022-07-27 2022-11-01 南京隼眼电子科技有限公司 毫米波雷达灾害监测方法、***和电子设备
CN115510578B (zh) * 2022-09-26 2023-07-14 成都理工大学 基于InSAR近实时监测的滑坡失稳时间概率预测方法及产品
CN115265424B (zh) * 2022-09-27 2022-12-20 威海晶合数字矿山技术有限公司 一种基于合成孔径雷达技术的地质灾害边坡位移监测方法
CN115265400B (zh) * 2022-09-29 2022-12-20 山东乾元泽孚科技股份有限公司 一种建筑工程数字化形变测量方法及***
CN115762067B (zh) * 2022-11-25 2023-10-03 中国科学院空天信息创新研究院 一种基于激光点云与视频数据融合的山体滑坡监测***
CN115564838B (zh) * 2022-12-06 2023-03-24 深圳联和智慧科技有限公司 基于无人机的河堤检测侵占定位方法及***
CN115876165B (zh) * 2022-12-14 2024-07-02 中交一公局集团有限公司 带有激光定位的多功能坡度测量仪、方法、***及应用
CN115661212B (zh) * 2022-12-30 2023-06-06 清华大学 基于计算机视觉的建筑结构改扩建安全排查方法与装置
CN115713531B (zh) * 2023-01-05 2023-05-09 山东环宇地理信息工程有限公司 一种基于InSAR的地球表面图像数据处理***
CN116299438B (zh) * 2023-01-13 2023-12-01 中国南方电网有限责任公司超高压输电公司昆明局 基于干涉雷达的地表形变监控方法及相关设备
CN115793093B (zh) * 2023-02-02 2023-05-16 水利部交通运输部国家能源局南京水利科学研究院 堤坝隐伏病险诊断空地一体化装备
CN116311047B (zh) * 2023-03-01 2023-09-05 四川省公路规划勘察设计研究院有限公司 空天地多源融合的滑坡监测方法、装置、介质及服务器
CN116182802B (zh) * 2023-03-13 2024-03-26 水利部交通运输部国家能源局南京水利科学研究院 一种基于三维扫描技术的人工岛护面块体检测方法及***
CN116222411B (zh) * 2023-04-06 2023-10-20 山东环宇地理信息工程有限公司 一种地表形变监测***、监测方法及应用
CN116203554B (zh) * 2023-05-06 2023-07-07 武汉煜炜光学科技有限公司 一种环境点云数据扫描方法和***
CN117168373B (zh) * 2023-07-20 2024-07-09 中国卫通集团股份有限公司 基于卫星通导遥一体化的水库坝体形变监测***
CN117268466B (zh) * 2023-09-25 2024-06-04 国家电投集团重庆狮子滩发电有限公司 一种大坝安全自动化监测***
CN117095081B (zh) * 2023-10-11 2023-12-19 武汉大学 谷幅变形监测范围确定方法及***
CN117095363B (zh) * 2023-10-20 2024-01-26 安能三局(成都)工程质量检测有限公司 一种大坝安全监测方法
CN117367331B (zh) * 2023-12-04 2024-03-12 山西阳光三极科技股份有限公司 一种矿区地表形变的雷达监测方法、装置以及电子设备
CN117870613A (zh) * 2023-12-04 2024-04-12 中国地质大学（武汉） 一种地表沉降量提取方法及设备
CN117452374B (zh) * 2023-12-21 2024-03-12 天津风霖物联网科技有限公司 一种建筑物地下沉降监测方法及监测***
CN118230255B (zh) * 2024-05-23 2024-07-23 广东省建筑工程监理有限公司 基于倾斜摄影和inSAR的基坑周边建筑物变形预警方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201133815Y (zh) * 2007-12-07 2008-10-15 中国科学院武汉岩土力学研究所 基于无人机的航空近景摄影位移测量装置
CN102645650A (zh) * 2012-03-06 2012-08-22 北京北科安地科技发展有限公司 一种基于D-InSAR干涉差分的滑坡动态识别及监测技术
CN106323243A (zh) * 2016-08-18 2017-01-11 广州地理研究所 一种基于无人机的大坝变形观测预警***及方法和装置
JP2017106793A (ja) * 2015-12-09 2017-06-15 東日本旅客鉄道株式会社 斜面監視システム及び斜面監視方法
KR20180035391A (ko) * 2016-09-29 2018-04-06 한국도로공사 무인정찰기를 이용한 비탈면들 모니터링 시스템 및 그 방법
CN109579712A (zh) * 2018-11-16 2019-04-05 天津大学 基于无人机非接触式高边坡表面位移监测方法及监测***
CN109725312A (zh) * 2019-01-17 2019-05-07 武汉大学 一种基于空天地一体化观测的库岸形变监测方法
CN109884629A (zh) * 2019-01-11 2019-06-14 华能澜沧江水电股份有限公司 大范围库岸边坡空天地多层次安全监测方法
WO2019119041A1 (en) * 2017-12-19 2019-06-27 Groundprobe Pty Ltd Production of slope deformation maps
CN110031842A (zh) * 2019-04-30 2019-07-19 云南财经大学 一种基于InSAR的滑坡灾害应急监测排查方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204065819U (zh) * 2014-09-21 2014-12-31 三峡大学 一种基于物联网技术的大坝变形自动化监测***
JP6591676B2 (ja) * 2016-07-29 2019-10-16 株式会社ニコン・トリンブル モニタリング方法、モニタリングシステム及びプログラム
CN107036545B (zh) * 2017-06-02 2019-06-25 中国水利水电科学研究院 一种坝体监测预警方法和装置
US10788584B2 (en) * 2017-08-22 2020-09-29 Michael Leon Scott Apparatus and method for determining defects in dielectric materials and detecting subsurface objects
GB2577134B (en) * 2018-09-10 2021-01-13 Perceptual Robotics Ltd Control and navigation systems
CN109409406A (zh) * 2018-09-19 2019-03-01 北京航空航天大学 一种水坝坝体异常情况的空基检测方法与装置
CN111191880B (zh) * 2019-12-13 2022-08-16 华能澜沧江水电股份有限公司 一种基于数字化映射的边坡全生命周期安全管理方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201133815Y (zh) * 2007-12-07 2008-10-15 中国科学院武汉岩土力学研究所 基于无人机的航空近景摄影位移测量装置
CN102645650A (zh) * 2012-03-06 2012-08-22 北京北科安地科技发展有限公司 一种基于D-InSAR干涉差分的滑坡动态识别及监测技术
JP2017106793A (ja) * 2015-12-09 2017-06-15 東日本旅客鉄道株式会社 斜面監視システム及び斜面監視方法
CN106323243A (zh) * 2016-08-18 2017-01-11 广州地理研究所 一种基于无人机的大坝变形观测预警***及方法和装置
KR20180035391A (ko) * 2016-09-29 2018-04-06 한국도로공사 무인정찰기를 이용한 비탈면들 모니터링 시스템 및 그 방법
WO2019119041A1 (en) * 2017-12-19 2019-06-27 Groundprobe Pty Ltd Production of slope deformation maps
CN109579712A (zh) * 2018-11-16 2019-04-05 天津大学 基于无人机非接触式高边坡表面位移监测方法及监测***
CN109884629A (zh) * 2019-01-11 2019-06-14 华能澜沧江水电股份有限公司 大范围库岸边坡空天地多层次安全监测方法
CN109725312A (zh) * 2019-01-17 2019-05-07 武汉大学 一种基于空天地一体化观测的库岸形变监测方法
CN110031842A (zh) * 2019-04-30 2019-07-19 云南财经大学 一种基于InSAR的滑坡灾害应急监测排查方法

Also Published As

Publication number Publication date
GB2588503A (en) 2021-04-28
GB2588503A8 (en) 2021-06-30
GB202012738D0 (en) 2020-09-30
US11619487B2 (en) 2023-04-04
US20210048294A1 (en) 2021-02-18
CN110453731A (zh) 2019-11-15
GB2588503B (en) 2022-06-22

Similar Documents

Publication Publication Date Title
CN110453731B (zh) 一种大坝边坡形变监测***及方法
Evtiukov et al. Smart Transport in road transport infrastructure
Tao Mobile mapping technology for road network data acquisition
Savvaidis Existing landslide monitoring systems and techniques
CN201463843U (zh) 一种基于数字照相技术的岩土工程变形远程监控***
CN106327573A (zh) 一种针对城市建筑的实景三维建模方法
CN102607512A (zh) 矿区沉陷车载式激光测量方法
CN111696162B (zh) 一种双目立体视觉精细地形测量***及方法
CN110207681A (zh) 基于无人机的地面变形监测方法
Guo et al. Utilization of 3D laser scanning for stability evaluation and deformation monitoring of landslides
Lin et al. Micro-UAV based remote sensing method for monitoring landslides in Three Gorges Reservoir, China
Huang et al. Development of digital image techniques with a low-cost unmanned aerial vehicle to form the three-dimensional mode of dam and affiliated structure
Toth et al. Redefining the paradigm of modern mobile mapping
Harrap et al. An overview of LIDAR: collection to application
Morariu et al. Topo-geodetic modern methods and techniques for building monitoring process
CN203772276U (zh) 自主测绘机
Tamimi et al. Performance Assessment of a Mini Mobile Mapping System: Iphone 14 pro Installed on a e-Scooter
Li et al. Terrestrial mobile mapping towards real-time geospatial data collection
Sim et al. Evaluation of cadastral discrepancy and continuous cadastral mapping in coastal zone using unmanned aerial vehicle
Amoureus et al. Integration of LiDAR and terrestrial mobile mapping technology for the creation of a comprehensive road cadastre
CN203772272U (zh) 精密摄影测量机器人
CN112857334B (zh) 一种集成式多平台移动测绘***
Farjas Abadía et al. Design and Development of a Low-Cost Aerial Mobile Mapping System for Multi-Purpose Applications.
Karasaka et al. An Overview of Terrestrial Mobile Mapping Systems: The Example of the Topcon IP-S2
Sompie et al. Application of Unmanned Aerial Vehicle and Ground Control Point for Mapping and Road Geometric Review: A Case Study: Pandu–Kima Atas Street

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Zheng Cuiying

Inventor after: Lei Tianjie

Inventor after: Jia Jinsheng

Inventor after: Li Xiangyu

Inventor after: Wang Jiabao

Inventor after: Zhao Chun

Inventor before: Zheng Cuiying

Inventor before: Zhang Ju

Inventor before: Li Shican

Inventor before: Yue Jianwei

Inventor before: Shen Li

Inventor before: Gong Adu

Inventor before: Lv Juan

Inventor before: Song Wenlong

Inventor before: Li Aili

Inventor before: Wang Yang

Inventor before: Shi Wanli

Inventor before: Lei Tianjie

Inventor before: Zhao Chun

Inventor before: Wan Jinhong

Inventor before: Zhou Lei

Inventor before: Chen Qiang

Inventor before: Lou Hezhen

Inventor before: Cheng Ziyi

Inventor before: Lu Jingxuan

Inventor before: Qu Wei

Inventor before: Chen Wenjin

Inventor before: Li Mingyu

Inventor before: Jia Jinsheng

Inventor before: Li Yang

Inventor before: Cheng Hui

Inventor before: Huang Jintao

Inventor before: Liu Zhongwei

Inventor before: Zhao Linhong

Inventor before: Xu Ruirui

Inventor before: Zhang Pengpeng

Inventor before: Li Xiangyu

Inventor before: Wang Jiabao

Inventor before: Li Shuguang

Inventor before: Zhang Yazhen

Inventor before: Song Hongquan

Inventor before: Yang Huichen

GR01 Patent grant
GR01 Patent grant