CN111397541A - 排土场的边坡角测量方法、装置、终端及介质 - Google Patents
排土场的边坡角测量方法、装置、终端及介质 Download PDFInfo
- Publication number
- CN111397541A CN111397541A CN202010325190.XA CN202010325190A CN111397541A CN 111397541 A CN111397541 A CN 111397541A CN 202010325190 A CN202010325190 A CN 202010325190A CN 111397541 A CN111397541 A CN 111397541A
- Authority
- CN
- China
- Prior art keywords
- slope angle
- dump
- side slope
- information
- determining
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 239000002245 particle Substances 0.000 claims abstract description 129
- 238000012545 processing Methods 0.000 claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 239000002689 soil Substances 0.000 claims abstract description 26
- 239000002699 waste material Substances 0.000 claims abstract description 26
- 238000001514 detection method Methods 0.000 claims description 30
- 238000003860 storage Methods 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 abstract description 12
- 230000000694 effects Effects 0.000 abstract description 7
- 238000004422 calculation algorithm Methods 0.000 description 19
- 238000004891 communication Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 239000008187 granular material Substances 0.000 description 8
- 238000005065 mining Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 238000003706 image smoothing Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 239000010878 waste rock Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N15/0227—Investigating particle size or size distribution by optical means using imaging; using holography
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种排土场的边坡角测量方法、装置、终端及介质。其中方法包括:获取排土场的多个增强图像帧以及排土场的土堆表面颗粒的颗粒信息;对多个增强图像帧进行三维重建处理,得到3D重构图像;确定3D重构图像的边坡角;依据边坡角和颗粒信息,对排土场进行滑坡分析处理。本申请通过图像处理来还原排土场,实现了远程测量排土场的边坡角的目的,既降低了测量排土场的边坡角的成本、工作强度大,提高了边坡角的测量效率,还提高了边坡角的测量精度,避免了因边坡角测量次数过多造成的资源浪费问题,起到了提高为对排土场进行作业的安全效果。
Description
技术领域
本申请涉及计算机技术领域,具体涉及一种排土场的边坡角测量方法、装置、终端及介质。
背景技术
在边坡测量领域里,经常要对排土场边坡角进行测量和校对。边坡角是决定排土场安全的重要参数之一,主要应用在预警排土场失稳滑坡和保护矿山人员安全两个领域。当前的矿上开采方式主要包括陡帮开采还是大台阶开采两种方式。边坡的稳定性是考虑的关键性因素,没有准确的实时边坡角测量会相当危险和麻烦,边坡表面的颗粒度太大时,内摩擦变大内聚力会变小,当大颗粒下沉时非常容易产生滑坡,也会使矿山的安全受到影响,进而拖慢整个矿山的开采进度。因此,为了采矿的安全性,无论是采用陡帮开采还是大台阶开采方式,均需要实时对边坡角的变化测量做出准确调整,以对进行滑坡分析。
目前对边坡角的测量普遍采用人工观测法,测量者使用坡度测量仪测量排土场边坡角时,通过人工的方式对排土场的边坡角进行测量。因此,这种方式存在如下问题:一、工作强度大,效率低;二、因边坡角测量的准确性低,存在资源的浪费的问题;三、因边坡角测量准确性低,导致的排土场进行滑坡分析精度差的问题。
发明内容
本申请提供一种排土场的边坡角测量方法、装置、终端及介质,以解决边坡角测量存在的工作强度大、效率低、测量准确低以及资源浪费问题。
根据本申请的第一方面,提供了一种排土场的边坡角测量方法,该方法包括:
获取排土场的多个增强图像帧以及排土场的土堆表面颗粒的颗粒信息;
对多个增强图像帧进行三维重建处理,得到3D重构图像;
确定3D重构图像的边坡角;
依据边坡角和所述颗粒信息,对排土场进行滑坡分析处理。
根据本申请的第二方面,提供了一种排土场的边坡角测量装置,该装置包括:
数据确定模块,用于获取排土场的多个增强图像帧以及排土场的土堆表面颗粒的颗粒信息;
三维重构模块,用于对多个增强图像帧进行三维重建处理,得到3D重构图像;
边坡角确定模块,用于确定3D重构图像的边坡角;
滑坡分析模块,用于依据边坡角和颗粒信息,对排土场进行滑坡分析处理。
根据本申请的第三方面,提供了一种终端,该终端包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时以实现上述排土场的边坡角测量方法。
根据本申请的第四方面,提供了一种计算机可读存储介质,该介质存储有计算机可执行指令,该计算机可执行指令用于以执行上述排土场的边坡角测量方法。
本申请通过对排土场的多个增强图像帧进行三维重建处理,以得到3D重构图像,这种通过图像处理来还原排土场的方式,实现了远程测量排土场的边坡角的目的,既降低了测量排土场的边坡角的成本、工作强度大,提高了边坡角的测量效率,还提高了边坡角的测量精度,避免了因边坡角测量次数过多造成的资源浪费问题,起到了提高为对排土场进行作业的安全效果;同时,能够依据边坡角和颗粒信息对排土场进行滑坡分析,从而为排土场的作业提供安全分析准备,提高作业的安全性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种排土场的边坡角测量方法的流程示意图;
图2为本申请实施例提供的一种排土场的边坡角测量方法中3D重构图像的处理的流程示意图;
图3为本申请实施例提供的获取多个增强图像帧和颗粒信息的一个实施例的流程示意图;
图4为本申请实施例提供的一种排土场的边坡角测量方法的应用***的结构示意图;
图5为本申请实施例提供的一种排土场的边坡角测量装置的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
需要说明的是,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。
首先对本申请涉及的几个名词进行介绍和解释:
在本申请实施例中,排土场又称废石场,是指矿山采矿排弃物集中排放的场所。排土场是一种巨型人工松散堆垫体,存在严重的安全问题。排土场失稳将导致矿山土场灾害和重大工程事故,不仅影响到矿山的正常生产,也将使矿山蒙受巨大的经济损失。
在本申请实施例中,边坡角是指在垂直边坡走向的剖面上从最上一个台阶的坡顶线到最下一个台阶的坡底线的连线与水平线的夹角。边坡角愈小,剥采比愈大。若露天矿边坡角,如果设计过陡,将产生边坡变形、破坏和滑移的现象。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
根据本申请的一个实施例,提供了一种排土场的边坡角测量方法,如图1所示,该方法包括步骤S101至步骤S104。
步骤S101:获取排土场的多个增强图像帧以及排土场的土堆表面颗粒的颗粒信息。
具体地,多个增强图像帧以及颗粒信息均可以是无人机直接发送至服务端的,也可以是与无人机通信连接的控制终端发送至服务端的。其中,控制终端可以为手机、平板、可穿戴设备等移动终端,也可以为PC机等固定终端。
例如,服务端与无人机通信连接,接收无人机上传的排土场的多个增强图像帧以及颗粒信息;或者,控制终端与无人机通信连接,控制终端获取到无人机得到的多个增强图像帧以及颗粒信息后发送至服务端。
步骤S102:对多个增强图像帧进行三维重建处理,得到3D重构图像。
本申请实施例通过三维重建处理技术,对多个增强图像进行处理,实现了依据3D重构图像还原排土场的目的,为测量排土场的边坡角提供了准备。
步骤S103:确定3D重构图像的边坡角。
具体地,可以利用预配置的边坡角测量算法对3D重构图像进行测量,从而确定边坡角。更具体地,一般将测量算法设置为测量仪。其中,可以依据预设的策略策略控制测量仪对3D重构图像进行测量;也可以根据用户对测量仪的操作来进行测量,从而得到排土场的边坡角。
步骤S104:依据边坡角和颗粒信息,对排土场进行滑坡分析处理。
本申请实施例通过对多个增强图像帧进行三维重建处理,以得到3D重构图像,这种通过图像处理来还原排土场的方式,实现了远程测量排土场的边坡角的目的,既降低了测量排土场的边坡角的成本、工作强度大,提高了边坡角的测量效率,还提高了边坡角的测量精度,避免了因边坡角测量次数过多造成的资源浪费问题,起到了提高为对排土场进行作业的安全效果;同时,能够依据边坡角和颗粒信息对排土场进行滑坡分析,从而为排土场的作业提供安全分析准备,提高作业的安全性。
在一些实施例中,步骤S102进一步包括:步骤S1021和步骤S1022(图中未示出)。
步骤S1021:对多个增强图像帧进行特征点提取与匹配处理,得到稀疏点云数据;
步骤S1022:依据预配置的三维构建模型和稀疏点云数据,确定3D重构图像。
本申请实施例中,采用SIFT算法对多个增强图像帧进行特征点提取与匹配处理。应用时,还可以采用其他特征点提取与匹配算法,例如,SURF(SpeededUpRobustFeatures)、ORB(ORiented Brief)、FAST(Features From Accelerated Segment Test)等。通过特征点提取与匹配处理,高效地探测出稳定的关键点位置,从而得到多个增强图像帧中的稀疏点云数据。
本申请通过SIFT特征点提取与匹配算法实现了提取多个增强图像帧的关键点的目的,通过提取到的所有关键点结合在一起表示为稀疏点云数据,为后续的三维处理提供数据基础,即将稀疏点云数据转换为3D重构图像。
在一些实施例中,步骤S1022之前进一步包括:调取预定义的地面辅助坐标系;将稀疏点云数据进行坐标系转换,得到符合地面辅助坐标系的目标系稀疏点云数据;步骤S1022进一步包括:将目标系稀疏点云数据输入三维构建模型,得到3D重构图像。
具体地,地面辅助坐标系可以是预先配置在服务端内部的,也可以是无人机上传至服务端的。
具体地,由于稀疏点云数据是对多个增强图像帧进行特征点提取与匹配处理得到的。因此,稀疏点云数据所依据的坐标系为图像坐标系。将图像坐标系转换至地面辅助坐标系,即可将稀疏点云数据转换至地面辅助坐标系,使得稀疏点云数据符合地面辅助坐标系,这样才能依据预配置的三维重建模型,构建符合地面辅助坐标系的3D重构图像,实现还原排土场的目的,从而使得对3D重构图像进行测量,得到的边坡角为实际排土场的边坡角。
在一些实施例中,如图2所示,步骤S104进一步包括:步骤S1041、步骤S1042和步骤S1043。
步骤S1041:依据颗粒信息,确定颗粒最大直径;
步骤S1042:基于预存储的多个边坡角各自对应的颗粒直径门限值,确定边坡角对应的颗粒直径门限值;
步骤S1043:依据颗粒最大直径和颗粒直径门限值,确定排土场的滑坡预警信息。
在本申请实施例中,土堆表面颗粒的颗粒信息用于表征排土场的土堆颗粒大小、距离排土场中心的直径等信息。本申请实施例中采用颗粒信息中的颗粒直径来进行分析。
具体地,排土场的土堆表面颗粒的颗粒信息可以由无人机上传至服务端,即,无人机在对排土堆进行视频采集后,根据无人机内预配置的轻量级算法对采集到的视频进行处理,从而确定出多个增强图像帧,以及排土场的土堆表面颗粒的颗粒信息。无人机可以同时将多个增强图像帧和排土场的土堆表面颗粒的颗粒信息同时发送至服务端。
具体地,排土场的土堆表面颗粒的颗粒信息可以由与无人机通信连接的控制终端发送至服务端。例如,控制终端控制无人机对排土堆进行视频采集,并获取无人机确定出的颗粒信息后,控制终端将排土场的土堆表面颗粒的颗粒信息发送至服务端。
具体地,排土场的土堆表面颗粒的颗粒信息还可以是服务端依据多个增强图像帧进行处理得到的。
具体地,不同的边坡角发生滑坡的条件不同。例如,在边坡角的值为a1时,土堆表面颗粒的颗粒最大直径大于门限值m1,则可能发生滑坡;在边坡角的值为a2时,土堆表面颗粒的最大直径大于门限值m2,则可能发生滑坡。本申请通过边坡角和颗粒信息来对排土场是否发生滑坡进行分析,达到了对排土场的预警分析目的。
本申请实施例通过边坡角和颗粒信息,对排土场进行滑坡分析处理,既降低了测量排土场的边坡角的成本,还提高了边坡角的测量精度,提高了对排土场进行作业的安全性。
在一些实施例中,步骤S1043进一步包括:将颗粒最大直径与颗粒直径门限值进行比较;若颗粒最大直径大于颗粒直径门限值,则依据预存储的多个滑坡风险等级各自对应的直径范围,确定颗粒最大直径对应的滑坡风险等级;依据颗粒最大直径对应的滑坡风险等级,确定排土场的滑坡预警信息。
在本申请实施例中,颗粒直径门限值用于表征发生滑坡的颗粒尺寸最小值。
具体地,可以采用颗粒度检测算法来测量颗粒最大直径。
具体地,可以将颗粒最大直径和颗粒尺寸门限值进行比较,并根据比较结果来进行滑坡分析处理。
应用时,若颗粒最大直径小于颗粒直径门限值,对应的滑坡预警信息可以为无滑坡危险的提示信息。
具体地,在可能发生滑坡的条件下,可以预先设置不同的滑坡危险等级。例如,1级滑坡危险、2级非常危险、3级滑坡风险等。再如,1级滑坡危险对应的直径范围为(D1,D2);2级滑坡危险对应的直径范围为[D1,D2],若颗粒最大直径位于(D1,D2),则依据1级别滑坡危险来确定滑坡预警信息。通过预先存储的不同级别的滑坡风险各自对应的直径范围,达到了提高滑坡分析的分析精度的目的。
在一个实施例中,步骤S102之前,进一步包括:
对多个增强图像帧进行图像去噪处理。
本申请实施例通过图像去噪处理减少数字图像中噪声。
具体地,服务端获取到的多个增强图像帧为无人机或与无人机通信连接的控制终端发送的,因此传输过程可能常受到成像设备与外部环境噪声干扰等影响,因此,通过去噪处理,提高了多个关键图像帧的图像质量,以便后续执行步骤S102。
在一些实施例中,如图1所示,该方法还包括:步骤S105和步骤S106(图中未示出),
步骤S105:依据3D重构图像、边坡角和滑坡预警信息,生成排土场的第一检测信息;
步骤S106:将第一检测信息发送至预配置的第一终端。
具体地,服务端通过与第一终端的通信,实现了向第一终端发送第一检测信息的目的,从而方便了监测用户通过第一终端来查看对排土场的分析结果,以对排土场的作业和检测进行调整。
在上述实施例中,如图1所示,该方法还包括:步骤S107、步骤S108和步骤S109(图中未示出),
步骤S107:确定排土场的定位信息;
步骤S109:依据定位信息、3D重构图像、边坡角和滑坡预警信息,生成排土场的第二检测信息;
步骤S109:将第二检测信息发送至预配置的第二终端。
具体地,定位信息可以包括排土场的位置信息,位置信息可以包括经纬度、排土堆的高度等信息。更具体地,定位信息可以是预先配置在服务端的,也可以是无人机发送至服务端的。
本申请实施例实现了将排土场的位置信息来确定第二检测信息的目的,起到了增加第二检测信息包含的信息的效果,进一步方便了第二终端用户的查看分析。
需要说明的是,第一终端和第二终端均可以为手机、平板、可穿戴设备、PC机等电子设备,此处不再一一列举。
上述实施例中,服务端获取到的多个增强图像帧以及排土场的土堆表面颗粒的颗粒信息,可以参照如图3所示的排土场边坡的图像处理方法进行确定。该方法包括:步骤S301至步骤S305。
步骤S301:确定无人机拍摄到的排土场的待处理视频。
具体地,无人机可以按照预设的采样频率进行视频拍摄。
具体地,无人机一般在环绕排土场进行绕飞的同时,对排土场进行视频拍摄,从而从360°各个角度对排土场的拍摄。
具体地,可以通过移动终端对无人机进行参数配置,配置无人机进行视频拍摄时的姿态参数、高度参数等。
步骤S302:提取待处理视频的多个关键图像帧。
在本申请实施例中,关键图像帧用是指筛选出的用于进行图像处理的图像。
具体地,关键图像帧的数量可以预先设定。
步骤S303:对多个关键图像帧进行图像增强处理,得到多个增强图像帧。
具体地,通过图像增强处理取出因拍摄设备以及周围环境对图像造成的噪声等影响。
具体地,可以采用对比度拉伸图像增强算法来对多个关键图像帧进行图像增强处理。例如,假设,对比度拉伸图像增强函数为T,那么h(u,v)=T[f(u,v)],其中,f(u,v)是增强前的图像,h(u,v)是增强之后的图像,T是图像增强算法采用对比度拉伸图像增强算法,(μ,ν)为在图像的像素坐标。
具体地,图像增强处理一般包括图像平滑处理和图像去噪处理。
步骤S304:依据多个增强图像帧,确定排土场的土堆表面颗粒的颗粒信息。
在本申请实施例中,土堆表面颗粒的颗粒信息用于表征土堆表面颗粒的大小、与排土场的中心的位置关系等信息。
步骤S305:将多个增强图像帧和颗粒信息发送至预设的服务端。
具体地,无人机可以通过稀疏编码方式来对多个增强图像帧和土堆表面颗粒信息进行处理,并将处理后的结果通过无线通信传输方式发送至服务端。
本申请实施例通过无人机对排土场进行视频拍摄,从而对拍摄的视频进行处理,得到多个关键图像帧,对多个关键图像帧进行图像增强处理,这种提取多个关键图像帧并进行图像增强处理方式,不仅起到了提高图像质量的效果,还减少了需要进行图像处理的图像数量,从而加快了确定土堆表面颗粒的颗粒信息的速度,进而将增强处理后的图像和颗粒信息发送至服务端,依赖服务端进行3D重构处理以及预测分析,达到了降低无人机进行图像处理的开销的目的。
通过上述步骤S301至步骤S305,得到无人机待上传的数据,即步骤S101中服务端获取到的多个增强图像帧和颗粒信息,以使服务端进行处理。
在一些实施例中,步骤S302进一步包括:
基于预设的时间间隔,确定待处理视频的多个关键图像帧。
本申请实施例通过预设的时间间隔来在一定时长的待处理视频中进行图像提取,不仅无需对视频进行处理分析,还加快了确定关键图像帧的速度,节省了无人机的计算开销。
具体地,视频录制时长可以预先设定,即每间隔一定时长重新录制视频。例如,可以将视频录制时长一般为10秒,那么没间隔10秒,完成一组视频的拍摄。
为了进一步说明本申请提供的排土场的边坡角测量方法,下面结合图4所示的应用***进行详细说明。
该***中包括排土场100、无人机200、服务器300和终端400。应用时,无人机200绕排土场100进行360°视频拍摄。无人机绕飞时,无人机的摄像头与排土场土堆尽可能保持同一水平线,并在绕飞过程中保持同一距离,在绕飞过程根据角度需要拍摄排土场土堆的高清照片。无人机通过内嵌的轻量级算法提取视频中的关键图像帧,并进行图像平滑和图像增强的预处理;同时,对关键图像帧中土堆表面的颗粒大小进行分析判断,这是因为当颗粒度偏大则内摩擦较大而内聚力减小,表面颗粒下渗极容易引发滑坡。
无人机200内嵌的轻量级算法可以采用对比度拉伸图像增强函数为T进行图像平滑处理,即h(u,v)=T[f(u,v)],其中,f(u,v)是增强前的图像,h(u,v)是增强之后的图像,T是图像增强算法采用对比度拉伸图像增强算法,(μ,ν)为在图像的像素坐标。
无人机200在对土堆表面颗粒的颗粒信息进行测量时,主要对粒径和形状进行提取。对图像的特征提取需要两步:加标记和特征提取。加标记采用分水岭算法,以及对颗粒提取特征。对像素点的统计可以获得颗粒的像素点个数,对颗粒的尺寸进行测量,并对颗粒进行标定。测量颗粒的Feret直径,通常最大Feret直径表示颗粒的形状及大小。通过轮廓跟踪获得一个颗粒所有的边缘点的坐标,找出边缘点与重心点连接与其实方向重合的边缘点,求出所有轴投影最大中的最小值和最大值。即为最短Feret直径和最长Feret直径,以根据该数据推测表面的颗粒度是否会造成滑坡。
在无人机确定出颗粒信息和多个增强图像帧后,无人机将颗粒信息和多个增强图像帧发送至服务器300。服务器300获取到之后,对多个增强图像帧进行处理。
服务器300搜寻用于图像三维重建的集中同名点,以用于后续的基础矩阵求解和三维坐标的解算。具体可以采用SIFT算法作为特征点匹配算法就,该算法是一种不变量技术的特征检测方法,在各异的尺度空间上搜寻对图像旋转、平移、缩放、仿射变换保持不变形的局部图像特征。可以采用高斯卷积函数对图像进行尺度变换,从而获得该图像在不同尺度空间下的表达序列,具体表达如下:
假设图像的函数表示为P(x,y),则图像尺度空间函数S(x,y,τ)是由尺度可变的高斯函数G(x,y,τ)和输入图像P(x,y)卷积产生的:
S(x,y,τ)=G(x,y,τ)*I(x,y);
式子中的*表示卷积,S代表尺度空间,(x,y)代表图像1上的点,τ为尺度因子,通过对τ取不同的值可以建立不同的尺度空间。
为了在尺度空间中高效地探测出稳定的关键点位置,可以用尺度空间的高斯差分方程形式与图像进行卷积来求极值,即由固定常系数k分离两个相邻尺度的差值,用D(x,y,τ)表示:
D(x,y,τ)=(G(x,y,kτ)-G(x,y,τ))*I(x,y)=L(x,y,kτ)-L(x,y,τ) (1)。
此时求得极值点是离散空间的极值点,进一步需要拟合三元二次函数来确定精确的极值点的位置和尺度,使用DoG函数在上一步求得的极值点处的二阶泰勒级数展开式作为拟合函数如下:
设α为H矩阵较大的特征值,β为H矩阵较小的特征值,分别表示x,y方向上的梯度,且α=rβ则有如下的式子:
当两特征值相等时上式最小,随着r增大上式增大即在某个方向上梯度值越大,同时在另一个方向上梯度越小,刚好反映边缘效应。
若特征点满足Tr(H2)/Det(H)<(r+1)2/r,且r=10可以剔除边缘响应点并得到最终的特征点。
特征点提取完成需给特征点分配一个基准方向使之具有旋转不变形具体如下:
θ(x,y)=tan-1((L(x,y+1)-L(x,y-1)/L(x+1),y-L(x-1,y)))(10)
式中,m(x,y)是梯度的模值θ(x,y)是方向,L是特征点所在空间的尺度。计算范围是领域大小为3τ内的像素点,τ是特征点所在空间的尺度。
通过上述过程完成三维坐标的解算,获取稀疏三维信息,进而依稀疏三维信息生成稀疏点云数据,并对稀疏点云数据进行重构处理,得到3D重构图像。由于无人机在每次拍摄的每个方向都会有拍摄方向的内部坐标点,根据坐标信息和其他的参数可以计算空间点的三维坐标进而重构出稀疏点云数据。
服务器300重构得到3D重构图像后,确定3D重构图像的边坡角,进而依据边坡角和颗粒信息来确定滑坡预警信息。最终依据边坡角、颗粒信息和滑坡预警信息来确定第一检测信息;或依据定位信息、边坡角、颗粒信息和滑坡预警信息来确定第二检测信息,并将第一检测信息或第二检测信息发送至终端400。
本申请的又一实施例提供了一种排土场的边坡角测量装置,如图5所示,该装置50包括:数据确定模块501、特征提取模块502、图像重构模块503、边坡角确定模块504以及滑坡分析模块505。
数据确定模块501,用于获取排土场的多个增强图像帧以及排土场的土堆表面颗粒的颗粒信息;
三维重构模块502,用于对多个增强图像帧进行三维重建处理,得到3D重构图像;
边坡角确定模块503,用于确定3D重构图像的边坡角;
滑坡分析模块504,用于依据边坡角和颗粒信息,对排土场进行滑坡分析处理。
本申请通过对排土场的多个增强图像帧进行三维重建处理,以得到3D重构图像,这种通过图像处理来还原排土场的方式,实现了远程测量排土场的边坡角的目的,既降低了测量排土场的边坡角的成本、工作强度大,提高了边坡角的测量效率,还提高了边坡角的测量精度,避免了因边坡角测量次数过多造成的资源浪费问题,起到了提高为对排土场进行作业的安全效果;同时,能够依据边坡角和颗粒信息对排土场进行滑坡分析,从而为排土场的作业提供安全分析准备,提高作业的安全性。
进一步地,三维重构模块包括:点云数据提取子模块和3D重构子模块(图中未示出)。
点云数据提取子模块,用于对多个增强图像帧进行特征点提取与匹配处理,得到稀疏点云数据。
3D重构子模块,用于依据预配置的三维构建模型和稀疏点云数据,确定3D重构图像。
进一步地,对多个增强图像帧进行特征点提取与匹配处理的步骤之前,该装置还包括:
图像去噪模块(图中未示出),用于对多个增强图像帧进行图像去噪处理。
进一步地,依据预配置的三维构建模型和稀疏点云数据,确定3D重构图像之前,3D重构子模块包括:坐标系确定单元和坐标系转换单元;且3D重构子模块包括:三维构建单元(图中未示出)。
坐标系确定单元,用于调取预定义的地面辅助坐标系。
坐标系转换单元,用于将稀疏点云数据进行坐标系转换,得到符合地面辅助坐标系的目标系稀疏点云数据。
三维构建单元,用于将目标系稀疏点云数据输入三维构建模型,得到3D重构图像。
进一步地,滑坡分析模块包括:颗粒尺寸确定子模块、颗粒门限值确定子模块和预警信息确定子模块(图中未示出)。
颗粒尺寸确定子模块,用于依据颗粒信息,确定颗粒最大直径;
颗粒门限值确定子模块,用于基于预存储的多个边坡角各自对应的颗粒直径门限值,确定边坡角对应的颗粒直径门限值;
预警信息确定子模块,用于依据颗粒最大直径和颗粒直径门限值,确定排土场的滑坡预警信息。
进一步地,预警信息确定子模块包括:直径比较单元、风险确定单元和预警信息确定单元(图中未示出)。
直径比较单元,用于将颗粒最大直径与颗粒直径门限值进行比较。
风险确定单元,用于若颗粒最大直径大于颗粒直径门限值,则依据预存储的多个滑坡风险等级各自对应的直径范围,确定颗粒最大直径对应的滑坡风险等级。
预警信息确定单元,用于依据颗粒最大直径对应的滑坡风险等级,确定排土场的滑坡预警信息。
进一步地,该装置还包括:第一检测信息确定模块和第一检测信息发送模块(图中未示出)。
第一检测信息确定模块,用于依据3D重构图像、边坡角和滑坡预警信息,生成排土场的第一检测信息;
第一检测信息发送模块,用于将第一检测信息发送至预配置的第一终端。
进一步地,该装置还包括:定位信息确定模块、第二检测信息确定模块和第二检测信息发送模块(图中未示出)。
定位信息确定模块,用于确定排土场的定位信息;
第二检测信息确定模块,用于依据定位信息、3D重构图像、边坡角和滑坡预警信息,生成排土场的第二检测信息;
第二检测信息发送模块,用于将第二检测信息发送至预配置的第二终端。
本实施例的排土场的边坡角测量装置可执行本申请实施例提供的排土场的边坡角测量方法,其实现原理相类似,此处不再赘述。
本申请又一实施例提供了一种终端,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该处理器执行计算机程序时以实现上述排土场的边坡角测量方法。
具体地,处理器可以是CPU,通用处理器,DSP,ASIC,FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
具体地,处理器通过总线与存储器连接,总线可包括一通路,以用于传送信息。总线可以是PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。
存储器可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
可选的,存储器用于存储执行本申请方案的计算机程序的代码,并由处理器来控制执行。处理器用于执行存储器中存储的应用程序代码,以实现图5所示实施例提供的排土场的边坡角测量装置的动作。
本申请又一实施例提供了一种计算机可读存储介质,存储有计算机可执行指令,该计算机可执行指令用于执行上述图1或图2所示的排土场的边坡角测量方法。
以上所描述的装置实施例仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、***可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
以上是对本申请的较佳实施进行了具体说明,但本申请并不局限于上述实施方式,熟悉本领域的技术人员在不违背本申请精神的前提下还可做出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种排土场的边坡角测量方法,其特征在于,包括:
获取排土场的多个增强图像帧以及所述排土场的土堆表面颗粒的颗粒信息;
对多个所述增强图像帧进行三维重建处理,得到3D重构图像;
确定所述3D重构图像的边坡角;
依据所述边坡角和所述颗粒信息,对所述排土场进行滑坡分析处理。
2.根据权利要求1所述的方法,其特征在于,所述对多个所述增强图像帧进行三维重建处理,得到3D重构图像的步骤,包括:
对多个所述增强图像帧进行特征点提取与匹配处理,得到稀疏点云数据;
依据预配置的三维构建模型和所述稀疏点云数据,确定所述3D重构图像。
3.根据权利要求2所述的方法,其特征在于,
所述依据预配置的三维构建模型和所述稀疏点云数据,确定所述3D重构图像的步骤之前,所述方法还包括:
调取预定义的地面辅助坐标系;
将所述稀疏点云数据进行坐标系转换,得到符合所述地面辅助坐标系的目标系稀疏点云数据;
所述依据预配置的三维构建模型和所述稀疏点云数据,确定所述3D重构图像的步骤,包括:
将所述目标系稀疏点云数据输入所述三维构建模型,得到所述3D重构图像。
4.根据权利要求1所述的方法,其特征在于,所述依据所述边坡角和所述颗粒信息,对所述排土场进行滑坡分析处理的步骤,包括:
依据所述颗粒信息,确定颗粒最大直径;
基于预存储的多个边坡角各自对应的颗粒直径门限值,确定所述边坡角对应的颗粒直径门限值;
依据所述颗粒最大直径和所述颗粒直径门限值,确定所述排土场的滑坡预警信息。
5.根据权利要求4所述的方法,其特征在于,所述依据所述颗粒最大直径和所述颗粒直径门限值,确定所述排土场的滑坡预警信息的步骤,包括:
将所述颗粒最大直径与所述颗粒直径门限值进行比较;
若所述颗粒最大直径大于所述颗粒直径门限值,则依据预存储的多个滑坡风险等级各自对应的直径范围,确定所述颗粒最大直径对应的滑坡风险等级;
依据所述颗粒最大直径对应的滑坡风险等级,确定所述排土场的滑坡预警信息。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
依据所述3D重构图像、所述边坡角和所述滑坡预警信息,生成所述排土场的第一检测信息;
将所述第一检测信息发送至预配置的第一终端。
7.根据权利要求4所述的方法,其特征在于,所述方法还包括:
确定所述排土场的定位信息;
依据所述定位信息、所述3D重构图像、所述边坡角和所述滑坡预警信息,生成所述排土场的第二检测信息;
将所述第二检测信息发送至预配置的第二终端。
8.一种排土场的边坡角测量装置,其特征在于,包括:
数据确定模块,用于获取排土场的多个增强图像帧以及所述排土场的土堆表面颗粒的颗粒信息;
三维重构模块,用于用于对多个所述增强图像帧进行三维重建处理,得到3D重构图像;
边坡角确定模块,用于确定所述3D重构图像的边坡角;
滑坡分析模块,用于依据所述边坡角和所述颗粒信息,对所述排土场进行滑坡分析处理。
9.一种终端,包括:存储器、处理器及存储在该存储器上并可在该处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要1至7中任一项所述的方法。
10.一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令用于执行权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010325190.XA CN111397541A (zh) | 2020-04-23 | 2020-04-23 | 排土场的边坡角测量方法、装置、终端及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010325190.XA CN111397541A (zh) | 2020-04-23 | 2020-04-23 | 排土场的边坡角测量方法、装置、终端及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111397541A true CN111397541A (zh) | 2020-07-10 |
Family
ID=71433306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010325190.XA Pending CN111397541A (zh) | 2020-04-23 | 2020-04-23 | 排土场的边坡角测量方法、装置、终端及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111397541A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112053347A (zh) * | 2020-09-02 | 2020-12-08 | 北京易控智驾科技有限公司 | 排土位状态检测方法、装置、电子设备及存储介质 |
CN112922602A (zh) * | 2021-03-04 | 2021-06-08 | 中煤科工集团沈阳设计研究院有限公司 | 一种煤矿轮斗连续*** |
CN112946631A (zh) * | 2021-01-28 | 2021-06-11 | 中煤科工集团重庆研究院有限公司 | 用于边坡风险监测的点域识别***及方法 |
CN113465680A (zh) * | 2021-07-19 | 2021-10-01 | 中铁十九局集团矿业投资有限公司 | 基于dini03的排土场稳定性监测方法及*** |
CN114036618A (zh) * | 2021-11-18 | 2022-02-11 | 大理大漾洱云高速公路有限公司 | 一种山区公路弃渣工程的边坡动态设计方法 |
CN115326656A (zh) * | 2022-10-14 | 2022-11-11 | 西南交通大学 | 交通土建用颗粒材料松铺层颗粒粒径及级配无损测量方法 |
CN116295124A (zh) * | 2023-03-17 | 2023-06-23 | 中国有色金属工业昆明勘察设计研究院有限公司 | 一种岩溶区边坡土样天然坡角测量装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217542A (zh) * | 2014-09-12 | 2014-12-17 | 重庆大学 | 一种山区公路边坡实时监测预警装置 |
CN105184863A (zh) * | 2015-07-23 | 2015-12-23 | 同济大学 | 一种基于无人机航拍序列影像的边坡三维重建方法 |
US20170268874A1 (en) * | 2014-08-21 | 2017-09-21 | Nec Corporation | Slope monitoring system, device for slope stability analysis, method, and program |
CN107843204A (zh) * | 2017-10-27 | 2018-03-27 | 王文柏 | 基于监控级摄像机的边坡三维变形监测方法及*** |
CN207963788U (zh) * | 2018-02-28 | 2018-10-12 | 江苏大学 | 一种基于深度摄像头的公路边坡安全智能监测及预警装置 |
-
2020
- 2020-04-23 CN CN202010325190.XA patent/CN111397541A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170268874A1 (en) * | 2014-08-21 | 2017-09-21 | Nec Corporation | Slope monitoring system, device for slope stability analysis, method, and program |
CN104217542A (zh) * | 2014-09-12 | 2014-12-17 | 重庆大学 | 一种山区公路边坡实时监测预警装置 |
CN105184863A (zh) * | 2015-07-23 | 2015-12-23 | 同济大学 | 一种基于无人机航拍序列影像的边坡三维重建方法 |
CN107843204A (zh) * | 2017-10-27 | 2018-03-27 | 王文柏 | 基于监控级摄像机的边坡三维变形监测方法及*** |
CN207963788U (zh) * | 2018-02-28 | 2018-10-12 | 江苏大学 | 一种基于深度摄像头的公路边坡安全智能监测及预警装置 |
Non-Patent Citations (3)
Title |
---|
侯树成: ""煤、岩垮落体的自然安息角受粒径大小的变化研究"", 《价值工程》 * |
辽宁省劳动局等: "《矿山安全卫生管理》", 31 August 1990, 东北工学院出版社 * |
郭小平等: ""基于层次分析法的排土场稳定性分析"", 《价值工程》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112053347A (zh) * | 2020-09-02 | 2020-12-08 | 北京易控智驾科技有限公司 | 排土位状态检测方法、装置、电子设备及存储介质 |
CN112946631A (zh) * | 2021-01-28 | 2021-06-11 | 中煤科工集团重庆研究院有限公司 | 用于边坡风险监测的点域识别***及方法 |
CN112922602A (zh) * | 2021-03-04 | 2021-06-08 | 中煤科工集团沈阳设计研究院有限公司 | 一种煤矿轮斗连续*** |
CN113465680A (zh) * | 2021-07-19 | 2021-10-01 | 中铁十九局集团矿业投资有限公司 | 基于dini03的排土场稳定性监测方法及*** |
CN114036618A (zh) * | 2021-11-18 | 2022-02-11 | 大理大漾洱云高速公路有限公司 | 一种山区公路弃渣工程的边坡动态设计方法 |
CN115326656A (zh) * | 2022-10-14 | 2022-11-11 | 西南交通大学 | 交通土建用颗粒材料松铺层颗粒粒径及级配无损测量方法 |
CN115326656B (zh) * | 2022-10-14 | 2022-12-23 | 西南交通大学 | 交通土建用颗粒材料松铺层颗粒粒径及级配无损测量方法 |
CN116295124A (zh) * | 2023-03-17 | 2023-06-23 | 中国有色金属工业昆明勘察设计研究院有限公司 | 一种岩溶区边坡土样天然坡角测量装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111397541A (zh) | 排土场的边坡角测量方法、装置、终端及介质 | |
US10573018B2 (en) | Three dimensional scene reconstruction based on contextual analysis | |
AU2017232186B2 (en) | Fast and robust image alignment for burst mode | |
CN103218787B (zh) | 多源异构遥感影像控制点自动采集方法 | |
CN111222395A (zh) | 目标检测方法、装置与电子设备 | |
Shahbazi et al. | UAV-based point cloud generation for open-pit mine modelling | |
CN109214254B (zh) | 一种确定机器人位移的方法及装置 | |
EP2764325A1 (en) | Using videogrammetry to fabricate parts | |
CN107851196A (zh) | 一种图像模式匹配的方法及装置 | |
CN109447902B (zh) | 一种图像拼接方法、装置、储存介质及设备 | |
WO2021056501A1 (zh) | 提取特征点的方法、可移动平台及存储介质 | |
CN116503566B (zh) | 一种三维建模方法、装置、电子设备及存储介质 | |
CN114092850A (zh) | 重识别方法、装置、计算机设备和存储介质 | |
US10402682B1 (en) | Image-matching navigation using thresholding of local image descriptors | |
CN110728311A (zh) | 一种图像处理方法、装置和存储介质 | |
CN111652034A (zh) | 一种基于sift算法的船只检索方法及装置 | |
CN111582013A (zh) | 一种基于灰度共生矩阵特征船只检索方法及装置 | |
CN108335329B (zh) | 应用于飞行器中的位置检测方法和装置、飞行器 | |
Yeh et al. | GPU acceleration of UAV image splicing using oriented fast and rotated brief combined with PCA | |
CN112329729B (zh) | 小目标船只检测方法、装置及电子设备 | |
CN114820485A (zh) | 一种基于机载图像测量波浪爬高的方法 | |
CN111104870B (zh) | 基于卫星视频的运动检测方法、装置、设备和存储介质 | |
CN110930344B (zh) | 一种目标的质量确定方法、装置、***及电子设备 | |
WO2022063386A1 (en) | Generation of a 3d point cloud of a scene | |
CN112184776A (zh) | 一种目标跟踪方法、装置及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200710 |