CN114295069B - 无人机搭载三维激光扫描仪的边坡形变监测方法及*** - Google Patents
无人机搭载三维激光扫描仪的边坡形变监测方法及*** Download PDFInfo
- Publication number
- CN114295069B CN114295069B CN202111495537.6A CN202111495537A CN114295069B CN 114295069 B CN114295069 B CN 114295069B CN 202111495537 A CN202111495537 A CN 202111495537A CN 114295069 B CN114295069 B CN 114295069B
- Authority
- CN
- China
- Prior art keywords
- result
- data
- slope
- data acquisition
- dimensional model
- 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
Links
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请公开了一种无人机搭载三维激光扫描仪的边坡形变监测方法及***,所述方法包括步骤:获得第一边坡的基础信息;根据所述基础信息获得所述第一边坡的历史三维模型数据;根据所述历史三维模型数据生成第一数据采集路径;通过所述第一采集模块基于所述第一数据采集路径对所述第一边坡进行数据采集,获得第一数据采集结果;通过数据处理模块对所述第一数据采集结果进行数据的处理,获得第一处理结果;根据所述第一处理结果构建边坡三维模型,根据边坡三维模型和历史三维模型数据进行比对,获得边坡形变曲线和第一分析结果;将边坡形变曲线和第一分析结果基于第一显示模块进行可视化显示并存储。本申请提高了形变监测的科学性、安全性和准确性。
Description
技术领域
本申请涉及边坡监测技术领域,具体涉及一种无人机搭载三维激光扫描仪的边坡形变监测方法及***。
背景技术
边坡一般指自然斜坡、河流水岸坡、台塬塬边、崩滑流堆积体、以及人工边坡(交通道路、露天采矿、建筑场地与基础工程等所形成)等坡体形态的总称。也可以广义定义为地球表面具有倾向临空的地质体,主要有坡顶、坡面、坡脚及下部一定范围内的坡体组成。在露天矿山领域,由于自重应力的作用,边坡临空面增大,滑坡产生的概率增大。并且边坡后缘张开裂隙,会导致降雨不断入渗,地表位移不断增大,加剧滑坡产生的危险。在实际***作业中,可能会造成矿山边坡开裂以及稳定性失衡,引发崩塌、滑坡等严重后果,因此矿山的边坡形变的监测具有重要意义。
现有的边坡形变的监测技术至少存在如下技术问题:
现有技术中存在人工巡检缺少安全保障,无法获取全面的形变监测结果且科学性不高,无人机测量技术采集的数据信息由于精度不够导致失真,使得对边坡形变监测准确度低、精度差的技术问题。
发明内容
本申请实施例第一方面提供了一种无人机搭载三维激光扫描仪的边坡形变监测方法,以解决现有边坡形变的监测过程缺少安全保障、监测准确度低、精度差的技术问题。
本申请采用的技术方案如下:
一种无人机搭载三维激光扫描仪的边坡形变监测方法,所述方法应用于一监测***,所述***与第一采集模块、第一处理模块、第一显示模块通信连接,所述方法包括步骤:
获得第一边坡的基础信息;
根据所述基础信息获得所述第一边坡的历史三维模型数据;
根据所述历史三维模型数据生成第一数据采集路径;
通过所述第一采集模块基于所述第一数据采集路径对所述第一边坡进行数据采集,获得第一数据采集结果,其中,所述第一采集模块为基于无人机搭载三维激光扫描仪的采集模块;
通过所述数据处理模块对所述第一数据采集结果进行数据的处理,获得第一处理结果;
根据所述第一处理结果构建边坡三维模型,根据所述边坡三维模型和所述历史三维模型数据进行比对,获得边坡形变曲线和第一分析结果;
将所述边坡形变曲线和所述第一分析结果基于所述第一显示模块进行可视化显示并存储。
进一步地,所述通过所述数据处理模块对所述第一数据采集结果进行数据的处理,获得第一处理结果,还包括步骤:
获得第一处理指令,根据所述第一处理指令对所述第一数据采集结果进行数据的降噪处理,获得第一降噪结果;
通过高斯滤波方法对所述第一降噪结果中的点云数据进行过滤,获得第一过滤结果;
对所述第一过滤结果通过八叉树结构进行精简处理,将精简处理后的所述第一过滤结果进行特征聚合,获得第一聚合结果;
基于所述第一聚合结果获得所述第一处理结果。
进一步地,所述根据所述历史三维模型数据生成第一数据采集路径,还包括步骤:
根据所述历史三维模型数据获得第一起飞点;
获得所述第一起飞点的第一图像集合信息;
基于所述第一图像集合信息对所述第一起飞点进行危险特征比对,获得第一比对结果;
基于所述第一比对结果进行所述第一起飞点的安全性校验,当安全性校验满足第一预设阈值时,将所述第一起飞点作为所述第一数据采集路径的路径原点。
进一步地,所述基于所述第一图像集合信息对所述第一起飞点进行危险特征比对,获得第一比对结果,还包括步骤:
获得所述第一采集模块的基础信息;
根据所述基础信息获得所述第一采集模块的危险特征集合,其中,所述危险特征集合包括危险特征和标识危险等级的标识信息;
基于所述危险特征集合对所述第一图像集合信息进行特征遍历,获得第一特征遍历结果,其中,所述第一特征遍历结果包括所述危险特征集合中各特征的匹配度信息;
基于所述匹配度信息和所述标识信息,对所述第一起飞点的危险特征系数进行计算,获得第一计算结果,通过所述第一计算结果获得所述第一比对结果。
进一步地,所述获得第一数据采集结果,还包括步骤:
获得第一目标点,通过所述第一采集模块获得所述第一目标点与所述数据采集模块的距离信息;
获得采集所述距离信息时的激光脉冲横向扫描角度观测值θ和纵向扫描角度观测值ζ;
基于所述距离信息、所述横向扫描角度观测值θ和所述纵向扫描角度观测值ζ获得所述第一数据采集结果。
进一步地,所述根据所述第一处理结果构建边坡三维模型,根据所述边坡三维模型和所述历史三维模型数据进行比对,获得边坡形变曲线和第一分析结果,还包括步骤:
将所述第一起飞点作为坐标原点,构建三维直角坐标系;
基于所述距离信息、所述横向扫描角度观测值θ和所述纵向扫描角度观测值ζ,通过公式计算获得所述第一目标点的坐标信息,计算公式如下:
x=L cosθcosζ
y=L cosθsinζ
z=L sinθ
其中,x为所述第一目标点横坐标,y为所述第一目标点纵坐标,z为所述第一目标点竖坐标,L为所述距离信息。
本申请另一方面还提供了一种无人机搭载三维激光扫描仪的边坡形变监测***,所述***包括:
第一获得单元,所述第一获得单元用于获得第一边坡的基础信息;
第二获得单元,所述第二获得单元用于根据所述基础信息获得所述第一边坡的历史三维模型数据;
第一生成单元,所述第一生成单元用于根据所述历史三维模型数据生成第一数据采集路径;
第三获得单元,所述第三获得单元用于通过第一采集模块基于所述第一数据采集路径对所述第一边坡进行数据采集,获得第一数据采集结果,其中,所述第一采集模块为基于无人机搭载三维激光扫描仪的采集模块;
第四获得单元,所述第四获得单元用于通过数据处理模块对所述第一数据采集结果进行数据的处理,获得第一处理结果;
第五获得单元,所述第五获得单元用于根据所述第一处理结果构建边坡三维模型,根据所述边坡三维模型和所述历史三维模型数据进行比对,获得边坡形变曲线和第一分析结果;
第一执行单元,所述第一执行单元用于将所述边坡形变曲线和所述第一分析结果基于第一显示模块进行可视化显示并存储。
本申请实施例另一方面还提供了一种无人机搭载三维激光扫描仪的边坡形变监测***,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,其中,所述处理器执行所述程序时实现所述方法的步骤。
本申请实施例另一方面还提供了一种存储介质,所述存储介质包括存储的程序,在所述程序运行时控制所述存储介质所在的设备执行所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于获得第一边坡的基础信息;根据所述基础信息获得所述第一边坡的历史三维模型数据;根据所述历史三维模型数据生成第一数据采集路径;通过所述第一采集模块基于所述第一数据采集路径对所述第一边坡进行数据采集,获得第一数据采集结果,其中,所述第一采集模块为基于无人机搭载三维激光扫描仪的采集模块;通过所述数据处理模块对所述第一数据采集结果进行数据的处理,获得第一处理结果;根据所述第一处理结果构建边坡三维模型,根据所述边坡三维模型和所述历史三维模型数据进行比对,获得边坡形变曲线和第一分析结果;将所述边坡形变曲线和所述第一分析结果基于所述第一显示模块进行可视化显示并存储的技术方案。基于此,本申请能够构建一种无人机搭载三维激光扫描仪边坡形变监测方法,达到了对边坡进行多角度全方位的智能监测,监测精度提高,从而丰富边坡形变数据信息,提高形变监测的科学性、安全性和准确性的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例一种无人机搭载三维激光扫描仪边坡形变监测方法的流程示意图;
图2为本申请实施例一种无人机搭载三维激光扫描仪边坡形变监测方法中数据处理模块处理数据的流程示意图;
图3为本申请实施例一种无人机搭载三维激光扫描仪边坡形变监测方法中生成数据采集路径的流程示意图;
图4为本申请实施例一种无人机搭载三维激光扫描仪边坡形变监测方法中进行危险特征比对的流程示意图;
图5为本申请实施例一种无人机搭载三维激光扫描仪边坡形变监测方法中获得数据采集结果的流程示意图;
图6为本申请实施例一种无人机搭载三维激光扫描仪边坡形变监测方法中获得边坡形变曲线和第一分析结果的流程示意图;
图7为本申请实施例一种无人机搭载三维激光扫描仪边坡形变监测***的结构示意图;
图8为本申请实施例示例性电子设备的结构示意图。
附图标记说明:11、第一获得单元;12、第二获得单元;13、第一生成单元;14、第三获得单元;15、第四获得单元;16、第五获得单元;17、第一执行单元;300、总线;301、接收器;302、处理器;303、发送器;304、存储器;305、总线接口。
具体实施方式
本申请实施例通过提供一种无人机搭载三维激光扫描仪的边坡形变监测方法及***,解决了现有技术中存在人工巡检缺少安全保障,无法获取全面的形变监测结果且科学性不高,无人机测量技术采集的数据信息由于精度不够导致失真,使得对边坡形变监测准确度低、精度差的技术问题。达到了对边坡进行多角度全方位的智能监测,监测精度提高,从而丰富边坡形变数据信息,提高形变监测的科学性、安全性和准确性的技术效果。
下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
实施例一
如图1所示,本申请实施例提供了一种基于无人机搭载三维激光扫描仪的边坡形变监测方法,其中,所述方法应用于一监测***,所述***与第一采集模块、第一处理模块、第一显示模块通信连接,所述方法包括步骤:
S100:获得第一边坡的基础信息;
S200:根据所述基础信息获得所述第一边坡的历史三维模型数据;
S300:根据所述历史三维模型数据生成第一数据采集路径;
具体而言,所述第一边坡为任一边坡,采集所述第一边坡的基础信息包括坡高信息、物质组成信息、病害信息等。坡高信息包括低边坡、高边坡、特高边坡;物质组成信息包括土质边坡、岩质边坡、二元结构边坡;病害信息包括风华剥落、流石流泥、掉块落石、崩塌、倾倒、坍塌、溃屈、溜坍、坍滑、错落等。根据这些基础信息匹配数据库中所述第一边坡的历史三维模型数据,历史三维模型数据包含大量的三维坐标点、采集时间、形变信息、形变的系数等。根据历史三维模型数据确定边坡的稳定性,基于稳定性生成所述第一数据采集路径用以采集数据。掌握历史三维模型数据,从而在历史数据的基础上,生成数据采集路径,能够达到提升数据采集的准确性和科学性。
S400:通过所述第一采集模块基于所述第一数据采集路径对所述第一边坡进行数据采集,获得第一数据采集结果,其中,所述第一采集模块为基于无人机搭载三维激光扫描仪的采集模块;
具体而言,采用基于无人机搭载三维激光扫描仪的采集模块按照所述第一数据采集路径对所述第一边坡进行数据采集。所述三维激光扫描仪是通过激光测距原理(包括脉冲激光和相位激光),瞬时测得空间三维坐标值的测量仪器,利用三维激光扫描技术获取的空间点云数据,可快速建立结构复杂、不规则的场景的三维可视化模型,既省时又省力。所述第一数据采集结果包括目标位置、目标位置与采集点的距离、横向扫描角度和纵向扫描角度等。三维激光扫描仪在扫描过程中存在盲区,采用无人机搭载三维激光扫描仪的方式能够对被边坡进行多角度全方位的扫描,丰富获得的数据资料,提升数据资料准确性。
S500:通过所述数据处理模块对所述第一数据采集结果进行数据的处理,获得第一处理结果;
S600:根据所述第一处理结果构建边坡三维模型,根据所述边坡三维模型和所述历史三维模型数据进行比对,获得边坡形变曲线和第一分析结果;
S700:将所述边坡形变曲线和所述第一分析结果基于所述第一显示模块进行可视化显示并存储。
具体而言,对所述第一数据采集结果进行数据的处理包括降噪、过滤、聚合等,将边坡完整还原出来获得所述第一处理结果。根据实时测定并处理后的扫描数据构建边坡三维模型,与所述历史三维模型数据进行各坐标点的智能化对比处理,计算出水平形变量和垂直形变量,获得所述边坡形变曲线和第一分析结果。通过所述第一显示模块进行可视化显示并存储于数据库中。将边坡形变与历史数据进行对比,实现了形变可视化和数据化,便于确定边坡的具体情况,能够及时提醒用户对边坡采取措施,便于工作人员进行管理。
进一步的,如图2所示,所述通过所述数据处理模块对所述第一数据采集结果进行数据的处理,获得第一处理结果,步骤S500还包括步骤:
S510:获得第一处理指令,根据所述第一处理指令对所述第一数据采集结果进行数据的降噪处理,获得第一降噪结果;
S520:通过高斯滤波方法对所述第一降噪结果中的点云数据进行过滤,获得第一过滤结果;
S530:对所述第一过滤结果通过八叉树结构进行精简处理,将精简处理后的所述第一过滤结果进行特征聚合,获得第一聚合结果;
S540:基于所述第一聚合结果获得所述第一处理结果。
具体而言,进行数据的降噪处理,降噪的目的在于突出信号本身而抑制噪声影响。从这个角度,降噪就是给信号一个高的权重而给噪声一个低的权重。在扫描数据采集过程中由于外界一些偶然因素而导致形成点云数据的噪音点,如空中漂浮的粉尘、飞虫、移动的人员、机械、植被等,在扫描设备与扫描目标间出现,将造成噪音数据的生成,去除这些噪声数据。进一步,对第一降噪结果中的点云数据进行过滤处理,所述点云数据包括几何位置、颜色信息、强度信息,颜色信息是将对应位置的像素的颜色信息赋予点云中对应的点,强度信息是采集到的回波强度,强度信息与目标的表面材质、粗糙度、入射角方向,以及仪器的发射能量、激光波长有关。对获取的点云数据采用高斯滤波方法过滤无序点云,在点云滤波后,依然会有较多的重叠点云存在,应用八叉树结构精简法对点云数据进行精简处理。精简后的点云数据成块状的,并且杂乱无章。对多次扫描的点云数据进行特征聚合处理,使得边坡被完整地还原出来。所述数据处理模块对数据采集结果进行了降噪、过滤、精简和聚合处理后,能够得到清晰、完整的边坡的三维点云数据,为构建边坡三维模型奠定基础。
进一步的,如图3所示,所述根据所述历史三维模型数据生成第一数据采集路径,步骤S300包括步骤:
S310:根据所述历史三维模型数据获得第一起飞点;
S320:获得所述第一起飞点的第一图像集合信息;
S330:基于所述第一图像集合信息对所述第一起飞点进行危险特征比对,获得第一比对结果;
S340:基于所述第一比对结果进行所述第一起飞点的安全性校验,当安全性校验满足第一预设阈值时,将所述第一起飞点作为所述第一数据采集路径的路径原点。
具体而言,综合分析历史三维模型数据能够得到所述第一起飞点,为无人机起飞开始数据采集的起点,获得第一起飞点处的历史图像信息集合,根据图像信息对所述第一起飞点进行危险特征比对,防止无人机坠落或撞击受损,起飞点的危险特征包括磁场干扰、空中存在障碍物等。预设一安全阈值为所述第一预设阈值,对起飞点进行安全性校验,当校验结果满足所述第一预设阈值,确定所述第一起飞点为数据采集路径的原点。能够获得安全性有保障的起飞点,能够达到数据安全采集和保障设备安全的效果。提高数据采集的可操作性、科学性和安全性。
进一步的,如图4所示,所述基于所述第一图像集合信息对所述第一起飞点进行危险特征比对,获得第一比对结果,步骤S330还包括步骤:
S331:获得所述第一采集模块的基础信息;
S332:根据所述基础信息获得所述第一采集模块的危险特征集合,其中,所述危险特征集合包括危险特征和标识危险等级的标识信息;
S333:基于所述危险特征集合对所述第一图像集合信息进行特征遍历,获得第一特征遍历结果,其中,所述第一特征遍历结果包括所述危险特征集合中各特征的匹配度信息;
S334:基于所述匹配度信息和所述标识信息,对所述第一起飞点的危险特征系数进行计算,获得第一计算结果,通过所述第一计算结果获得所述第一比对结果。
具体而言,所述第一采集模块的基础信息包括无人机的类型、三维激光扫描仪的型号、测距等,根据所述第一采集模块的基础信息获得危险特征集合,所述危险特征集合包括危险特征和标识危险等级的标识信息,所述危险特征如存在障碍物、存在磁场干扰、存在浓云、浓雾等,所述危险等级指按照危险特征对设备起飞、测量的影响程度进行等级划分,在所述第一图像集合信息中对危险特征集合进行特征遍历,获得所述第一特征遍历结果,包括各特征的匹配度信息,即获得第一图像集合信息中的特征与危险特征的匹配度,匹配度越高,说明该特征与危险特征相似程度、匹配程度越高。所述危险特征系数是基于所述匹配度信息和所述标识信息通过计算得到的,用以表示第一图像集合信息的危险特征的危险程度。进一步的,对第一起飞点进行危险特征比对,从而实现对第一起飞点危险性评估,利于找到最合适的起飞点和采集路径。
进一步的,如图5所示,其中,所述获得第一数据采集结果,步骤S400包括步骤:
S410:获得第一目标点,通过所述第一采集模块获得所述第一目标点与所述数据采集模块的距离信息;
S420:获得采集所述距离信息时的激光脉冲横向扫描角度观测值θ和纵向扫描角度观测值ζ;
S430:基于所述距离信息、所述横向扫描角度观测值θ和所述纵向扫描角度观测值ζ获得所述第一数据采集结果。
具体而言,所述第一目标点可以为变形、倾斜、裂缝等目标,依靠所述第一采集模块采集第一目标点与所述第一采集模块的距离,三维激光扫描仪的激光发射器发出激光脉冲信号,经物体表面漫反射后,沿相同的路径反射传回到接收器,可以计算目标点与扫描仪距离,控制编码器同步测量每个激光脉冲横向扫描角度观测值θ和纵向扫描角度观测值ζ,从而获得第一数据采集结果,能够在复杂的现场和空间对被测物体进行快速扫描测量,再现边坡现状。
进一步的,如图6所示,所述根据所述第一处理结果构建边坡三维模型,根据所述边坡三维模型和所述历史三维模型数据进行比对,获得边坡形变曲线和第一分析结果,步骤S600还包括步骤:
S610:将所述第一起飞点作为坐标原点,构建三维直角坐标系;
S620:基于所述距离信息、所述横向扫描角度观测值θ和所述纵向扫描角度观测值ζ,通过公式计算获得所述第一目标点的坐标信息,计算公式如下:
x=L cosθcosζ
y=L cosθsinζ
z=L sinθ
其中,x为所述第一目标点横坐标,y为所述第一目标点纵坐标,z为所述第一目标点竖坐标,L为所述距离信息。
具体而言,以所述第一起飞点为坐标原点构建三维直角坐标系,通过距离信息L、横向扫描角度观测值θ和纵向扫描角度观测值ζ通过公式计算,能够得到第一目标点的空间坐标,计算出水平形变量和垂直形变量,并依据形变结果生产边坡形变曲线,进而得到边坡形变检测结果即为所述第一分析结果。得到准确的形变曲线,可为管理者做出判断提供依据材料。
与现有技术相比,上述实施例具有如下的有益效果:
1.由于采用了获得第一边坡的基础信息;根据所述基础信息获得所述第一边坡的历史三维模型数据;根据所述历史三维模型数据生成第一数据采集路径;通过所述第一采集模块基于所述第一数据采集路径对所述第一边坡进行数据采集,获得第一数据采集结果,其中,所述第一采集模块为基于无人机搭载三维激光扫描仪的采集模块;通过所述数据处理模块对所述第一数据采集结果进行数据的处理,获得第一处理结果;根据所述第一处理结果构建边坡三维模型,根据所述边坡三维模型和所述历史三维模型数据进行比对,获得边坡形变曲线和第一分析结果;将所述边坡形变曲线和所述第一分析结果基于所述第一显示模块进行可视化显示并存储的技术方案。基于此,能够构建一种无人机搭载三维激光扫描仪的边坡形变监测方法,达到了对边坡进行多角度全方位的智能监测,监测精度提高,从而丰富边坡形变数据信息,提高形变监测的科学性、安全性和准确性的技术效果。
2.由于采用了起飞点的危险特征比对,进行危险性评估,能够获得安全性高的起飞点,从而达到数据安全采集,保障了设备安全,达到了提高数据采集的可操作性、科学性和安全性的技术效果。
实施例二
基于与前述实施例中一种无人机搭载三维激光扫描仪的边坡形变监测方法同样发明构思,本发明还提供了一种无人机搭载三维激光扫描仪的边坡形变监测***,如图7所示,所述***包括:
第一获得单元11,所述第一获得单元11用于获得第一边坡的基础信息;
第二获得单元12,所述第二获得单元12用于根据所述基础信息获得所述第一边坡的历史三维模型数据;
第一生成单元13,所述第一生成单元13用于根据所述历史三维模型数据生成第一数据采集路径;
第三获得单元14,所述第三获得单元14用于通过第一采集模块基于所述第一数据采集路径对所述第一边坡进行数据采集,获得第一数据采集结果,其中,所述第一采集模块为基于无人机搭载三维激光扫描仪的采集模块;
第四获得单元15,所述第四获得单元15用于通过数据处理模块对所述第一数据采集结果进行数据的处理,获得第一处理结果;
第五获得单元16,所述第五获得单元16用于根据所述第一处理结果构建边坡三维模型,根据所述边坡三维模型和所述历史三维模型数据进行比对,获得边坡形变曲线和第一分析结果;
第一执行单元17,所述第一执行单元17用于将所述边坡形变曲线和所述第一分析结果基于第一显示模块进行可视化显示并存储。
进一步的,所述***还包括:
第六获得单元,所述第六获得单元用于获得第一处理指令,根据所述第一处理指令对所述第一数据采集结果进行数据的降噪处理,获得第一降噪结果;
第七获得单元,所述第七获得单元用于通过高斯滤波方法对所述第一降噪结果中的点云数据进行过滤,获得第一过滤结果;
第八获得单元,所述第八获得单元用于对所述第一过滤结果通过八叉树结构进行精简处理,将精简处理后的所述第一过滤结果进行特征聚合,获得第一聚合结果;
第九获得单元,所述第九获得单元用于基于所述第一聚合结果获得所述第一处理结果。
进一步的,所述***还包括:
第十获得单元,所述第十获得单元用于根据所述历史三维模型数据获得第一起飞点;
第十一获得单元,所述第十一获得单元用于获得所述第一起飞点的第一图像集合信息;
第十二获得单元,所述第十二获得单元用于基于所述第一图像集合信息对所述第一起飞点进行危险特征比对,获得第一比对结果;
第二执行单元,所述第二执行单元用于基于所述第一比对结果进行所述第一起飞点的安全性校验,当安全性校验满足第一预设阈值时,将所述第一起飞点作为所述第一数据采集路径的路径原点。
进一步的,所述***还包括:
第十三获得单元,所述第十三获得单元用于获得所述第一采集模块的基础信息;
第十四获得单元,所述第十四获得单元用于根据所述基础信息获得所述第一采集模块的危险特征集合,其中,所述危险特征集合包括危险特征和标识危险等级的标识信息;
第十五获得单元,所述第十五获得单元用于基于所述危险特征集合对所述第一图像集合信息进行特征遍历,获得第一特征遍历结果,其中,所述第一特征遍历结果包括所述危险特征集合中各特征的匹配度信息;
第十六获得单元,所述第十六获得单元用于基于所述匹配度信息和所述标识信息,对所述第一起飞点的危险特征系数进行计算,获得第一计算结果,通过所述第一计算结果获得所述第一比对结果。
进一步的,所述***还包括:
第十七获得单元,所述第十七获得单元用于获得第一目标点,通过所述第一采集模块获得所述第一目标点与所述数据采集模块的距离信息;
第十八获得单元,所述第十八获得单元用于获得采集所述距离信息时的激光脉冲横向扫描角度观测值θ和纵向扫描角度观测值ζ;
第十九获得单元,所述第十九获得单元用于基于所述距离信息、所述横向扫描角度观测值θ和所述纵向扫描角度观测值ζ获得所述第一数据采集结果。
进一步的,所述***还包括:
第一构建单元,所述第一构建单元用于将所述第一起飞点作为坐标原点,构建三维直角坐标系;
第二十获得单元,所述第二十获得单元用于基于所述距离信息、所述横向扫描角度观测值θ和所述纵向扫描角度观测值ζ,通过公式计算获得所述第一目标点的坐标信息,计算公式如下:
x=L cosθcosζ
y=L cosθsinζ
z=L sinθ
其中,x为所述第一目标点横坐标,y为所述第一目标点纵坐标,z为所述第一目标点竖坐标,L为所述距离信息。
前述图1实施例一中的一种无人机搭载三维激光扫描仪的边坡形变监测方法的各种变化方式和具体实例同样适用于本实施例的一种无人机搭载三维激光扫描仪的边坡形变监测***,通过前述对一种无人机搭载三维激光扫描仪的边坡形变监测方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种无人机搭载三维激光扫描仪的边坡形变监测***的实施方法,所以为了说明书的简洁,再次不再详述。
实施例三
下面参考图8来描述本申请实施例的电子设备。
图8图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实例施中一种无人机搭载三维激光扫描仪的边坡形变监测方法的发明构思,本发明还提供一种无人机搭载三维激光扫描仪的边坡形变监测***,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种无人机搭载三维激光扫描仪的边坡形变监测***的任一方法的步骤。
其中,在图8中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他***通信的单元。处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例提供一种无人机搭载三维激光扫描仪的边坡形变监测方法,其中,所述方法包括:获得第一边坡的基础信息;根据所述基础信息获得所述第一边坡的历史三维模型数据;根据所述历史三维模型数据生成第一数据采集路径;通过所述第一采集模块基于所述第一数据采集路径对所述第一边坡进行数据采集,获得第一数据采集结果,其中,所述第一采集模块为基于无人机搭载三维激光扫描仪的采集模块;通过所述数据处理模块对所述第一数据采集结果进行数据的处理,获得第一处理结果;根据所述第一处理结果构建边坡三维模型,根据所述边坡三维模型和所述历史三维模型数据进行比对,获得边坡形变曲线和第一分析结果;将所述边坡形变曲线和所述第一分析结果基于所述第一显示模块进行可视化显示并存储。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的***。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令***的制造品,该指令***实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种无人机搭载三维激光扫描仪的边坡形变监测方法,其中,所述方法应用于一监测***,所述***与第一采集模块、第一处理模块、第一显示模块通信连接,其特征在于,所述方法包括步骤:
获得第一边坡的基础信息;
根据所述基础信息获得所述第一边坡的历史三维模型数据;
根据所述历史三维模型数据生成第一数据采集路径;
通过所述第一采集模块基于所述第一数据采集路径对所述第一边坡进行数据采集,获得第一数据采集结果,其中,所述第一采集模块为基于无人机搭载三维激光扫描仪的采集模块;
通过所述数据处理模块对所述第一数据采集结果进行数据的处理,获得第一处理结果;
根据所述第一处理结果构建边坡三维模型,根据所述边坡三维模型和所述历史三维模型数据进行比对,获得边坡形变曲线和第一分析结果;
将所述边坡形变曲线和所述第一分析结果基于所述第一显示模块进行可视化显示并存储;
所述根据所述历史三维模型数据生成第一数据采集路径,还包括步骤:
根据所述历史三维模型数据获得第一起飞点;
获得所述第一起飞点的第一图像集合信息;
基于所述第一图像集合信息对所述第一起飞点进行危险特征比对,获得第一比对结果,所述危险特征包括影响监测设备沿数据采集路径起飞、测量的障碍物、磁场干扰、浓云、浓雾;
基于所述第一比对结果进行所述第一起飞点的安全性校验,当安全性校验满足第一预设阈值时,将所述第一起飞点作为所述第一数据采集路径的路径原点。
2.如权利要求1所述的方法,其特征在于,所述通过所述数据处理模块对所述第一数据采集结果进行数据的处理,获得第一处理结果,还包括步骤:
获得第一处理指令,根据所述第一处理指令对所述第一数据采集结果进行数据的降噪处理,获得第一降噪结果;
通过高斯滤波方法对所述第一降噪结果中的点云数据进行过滤,获得第一过滤结果;
对所述第一过滤结果通过八叉树结构进行精简处理,将精简处理后的所述第一过滤结果进行特征聚合,获得第一聚合结果;
基于所述第一聚合结果获得所述第一处理结果。
3.如权利要求1所述的方法,其特征在于,所述基于所述第一图像集合信息对所述第一起飞点进行危险特征比对,获得第一比对结果,还包括步骤:
获得所述第一采集模块的基础信息;
根据所述基础信息获得所述第一采集模块的危险特征集合,其中,所述危险特征集合包括危险特征和标识危险等级的标识信息;
基于所述危险特征集合对所述第一图像集合信息进行特征遍历,获得第一特征遍历结果,其中,所述第一特征遍历结果包括所述危险特征集合中各特征的匹配度信息;
基于所述匹配度信息和所述标识信息,对所述第一起飞点的危险特征系数进行计算,获得第一计算结果,通过所述第一计算结果获得所述第一比对结果。
4.如权利要求1所述的方法,其特征在于,所述获得第一数据采集结果,还包括步骤:
获得第一目标点,通过所述第一采集模块获得所述第一目标点与所述数据采集模块的距离信息;
获得采集所述距离信息时的激光脉冲横向扫描角度观测值θ和纵向扫描角度观测值ζ;
基于所述距离信息、所述横向扫描角度观测值θ和所述纵向扫描角度观测值ζ获得所述第一数据采集结果。
5.如权利要求4所述的方法,其特征在于,所述根据所述第一处理结果构建边坡三维模型,根据所述边坡三维模型和所述历史三维模型数据进行比对,获得边坡形变曲线和第一分析结果,还包括步骤:
将所述第一起飞点作为坐标原点,构建三维直角坐标系;
基于所述距离信息、所述横向扫描角度观测值θ和所述纵向扫描角度观测值ζ,通过公式计算获得所述第一目标点的坐标信息,计算公式如下:
x=L cosθcosζ
y=L cosθsinζ
z=L sinθ
其中,x为所述第一目标点横坐标,y为所述第一目标点纵坐标,z为所述第一目标点竖坐标,L为所述距离信息。
6.一种无人机搭载三维激光扫描仪的边坡形变监测***,其特征在于,所述***包括:
第一获得单元,所述第一获得单元用于获得第一边坡的基础信息;
第二获得单元,所述第二获得单元用于根据所述基础信息获得所述第一边坡的历史三维模型数据;
第一生成单元,所述第一生成单元用于根据所述历史三维模型数据生成第一数据采集路径;
第三获得单元,所述第三获得单元用于通过第一采集模块基于所述第一数据采集路径对所述第一边坡进行数据采集,获得第一数据采集结果,其中,所述第一采集模块为基于无人机搭载三维激光扫描仪的采集模块;
第四获得单元,所述第四获得单元用于通过数据处理模块对所述第一数据采集结果进行数据的处理,获得第一处理结果;
第五获得单元,所述第五获得单元用于根据所述第一处理结果构建边坡三维模型,根据所述边坡三维模型和所述历史三维模型数据进行比对,获得边坡形变曲线和第一分析结果;
第一执行单元,所述第一执行单元用于将所述边坡形变曲线和所述第一分析结果基于第一显示模块进行可视化显示并存储。
7.一种无人机搭载三维激光扫描仪的边坡形变监测***,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,其特征在于,所述处理器执行所述程序时实现如权利要求1~5中任一项所述方法的步骤。
8.一种存储介质,所述存储介质包括存储的程序,其特征在于,在所述程序运行时控制所述存储介质所在的设备执行如权利要求1~5中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111495537.6A CN114295069B (zh) | 2021-12-09 | 2021-12-09 | 无人机搭载三维激光扫描仪的边坡形变监测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111495537.6A CN114295069B (zh) | 2021-12-09 | 2021-12-09 | 无人机搭载三维激光扫描仪的边坡形变监测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114295069A CN114295069A (zh) | 2022-04-08 |
CN114295069B true CN114295069B (zh) | 2023-10-03 |
Family
ID=80965570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111495537.6A Active CN114295069B (zh) | 2021-12-09 | 2021-12-09 | 无人机搭载三维激光扫描仪的边坡形变监测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114295069B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115077394A (zh) * | 2022-07-21 | 2022-09-20 | 清华四川能源互联网研究院 | 电站大坝边坡位移检测方法、装置及电子设备 |
CN116678368B (zh) * | 2023-07-28 | 2023-10-17 | 山东德丰重工有限公司 | 基于bim技术的装配式钢结构数据智能采集方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018077051A (ja) * | 2016-11-07 | 2018-05-17 | 株式会社amuse oneself | 移動体を用いたレーザ測量における誤差補正装置および誤差補正プログラム |
CN108780330A (zh) * | 2017-12-14 | 2018-11-09 | 深圳市大疆创新科技有限公司 | 飞行器安全起飞方法、降落方法及飞行器 |
CN109695260A (zh) * | 2018-12-20 | 2019-04-30 | 上海同岩土木工程科技股份有限公司 | 基于无人机的公路高边坡检查方法 |
CN110794437A (zh) * | 2019-10-31 | 2020-02-14 | 深圳中科保泰科技有限公司 | 卫星定位信号强度预测方法和装置 |
CN112078814A (zh) * | 2020-09-24 | 2020-12-15 | 广州市港航工程研究所 | 一种无人机起停控制方法、***、设备及存储介质 |
CN112558141A (zh) * | 2019-09-26 | 2021-03-26 | 中国石油天然气集团有限公司 | 陆上地震采集作业路径确定方法和装置 |
CN113611082A (zh) * | 2021-07-12 | 2021-11-05 | 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 |
-
2021
- 2021-12-09 CN CN202111495537.6A patent/CN114295069B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018077051A (ja) * | 2016-11-07 | 2018-05-17 | 株式会社amuse oneself | 移動体を用いたレーザ測量における誤差補正装置および誤差補正プログラム |
CN108780330A (zh) * | 2017-12-14 | 2018-11-09 | 深圳市大疆创新科技有限公司 | 飞行器安全起飞方法、降落方法及飞行器 |
CN109695260A (zh) * | 2018-12-20 | 2019-04-30 | 上海同岩土木工程科技股份有限公司 | 基于无人机的公路高边坡检查方法 |
CN112558141A (zh) * | 2019-09-26 | 2021-03-26 | 中国石油天然气集团有限公司 | 陆上地震采集作业路径确定方法和装置 |
CN110794437A (zh) * | 2019-10-31 | 2020-02-14 | 深圳中科保泰科技有限公司 | 卫星定位信号强度预测方法和装置 |
CN112078814A (zh) * | 2020-09-24 | 2020-12-15 | 广州市港航工程研究所 | 一种无人机起停控制方法、***、设备及存储介质 |
CN113611082A (zh) * | 2021-07-12 | 2021-11-05 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN114295069A (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11634987B2 (en) | Safety early warning method and device for full-section tunneling of tunnel featuring dynamic water and weak surrounding rock | |
CN114295069B (zh) | 无人机搭载三维激光扫描仪的边坡形变监测方法及*** | |
JP6198190B2 (ja) | 路面性状計測システム、及び路面性状計測方法 | |
CN112731440B (zh) | 高速铁路边坡形变检测方法及装置 | |
CN111444872A (zh) | 一种丹霞地貌参数测量方法 | |
Feng et al. | A survey of 3D laser scanning techniques for application to rock mechanics and rock engineering | |
CN112818776B (zh) | 一种基于机载LiDAR点云的铁路既有线横断面测量方法 | |
Jaboyedoff et al. | Landslide analysis using laser scanners | |
CN115014224A (zh) | 基于LiDAR点云与倾斜航空影像的地表形变监测方法 | |
CN116663762A (zh) | 一种城市规划地下空间勘察测绘方法及*** | |
CN114283070B (zh) | 融合无人机影像与激光点云的地形断面制作方法 | |
CN114379598B (zh) | 一种铁路综合巡检*** | |
CN114379607B (zh) | 一种铁路综合巡检方法 | |
CN115097483A (zh) | 一种基于无人机搭载雷达的大型土方测绘方法 | |
Feng | Practical application of 3D laser scanning techniques to underground projects | |
CN116448080A (zh) | 一种基于无人机倾斜摄影辅助土方开挖施工的方法 | |
CN113744393B (zh) | 一种多层级边坡滑坡变化监测方法 | |
CN107860375A (zh) | 一种基于三维激光扫描技术的滑坡灾害体积快速提取方法 | |
CN110702171A (zh) | 建筑废弃物受纳场监测方法、装置及*** | |
Zheng et al. | Typical applications of airborne lidar technolagy in geological investigation | |
Sharma et al. | A method for extracting deformation features from terrestrial laser scanner 3d point clouds data in rgipt building | |
Chen et al. | Intelligent interpretation of the geometric properties of rock mass discontinuities based on an unmanned aerial vehicle | |
Teo | The extraction of urban road inventory from mobile lidar system | |
Astor et al. | 3D Model of Pavement Distress Based on Road Gradient Using Unmanned Aerial Vehicle | |
Fotheringham et al. | Combining terrestrial scanned datasets with UAV point clouds for mining operations |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |