本發(fā)明涉及邊坡變形監(jiān)測，尤其涉及一種邊坡變形監(jiān)測方法、系統(tǒng)、介質(zhì)、設(shè)備。

背景技術(shù)：

1、礦產(chǎn)資源在開發(fā)過程中的巖體開挖、爆破及地下開采等作業(yè)方式，會導致整個山體及邊坡的原有應力平衡遭到嚴重破壞，經(jīng)過大量數(shù)據(jù)證明，邊坡變形監(jiān)測是針對此類地質(zhì)災害預警的重要手段。

2、露天礦山開采形成的高陡邊坡改變巖土體的賦存狀態(tài)，地下開采形成的空洞引起上方山體出現(xiàn)位移、裂縫和松動，這些變化都會伴隨有邊坡變形信息。邊坡變形可劃分為三個主要階段：減速蠕變、穩(wěn)定蠕變以及加速蠕變。在加速蠕變階段之前，邊坡的變形過程相對緩慢，形變幅度較小，通常難以被人眼察覺。然而，一旦進入加速蠕變階段，往往會發(fā)生邊坡災害，需要采取搶險措施。隨著邊坡數(shù)量在全球范圍內(nèi)逐年增加，邊坡垮塌導致的人員傷亡和財產(chǎn)損失變得愈發(fā)嚴重。因此，建立精確的邊坡變形監(jiān)測系統(tǒng)，對于預防邊坡災害具有至關(guān)重要的意義。

3、傳統(tǒng)邊坡監(jiān)測通常采用全站儀、水準儀、裂縫計、gnss位移計、固定式測斜儀等設(shè)備，這些傳統(tǒng)方法存在以下弊端：一是如果要實現(xiàn)全面覆蓋監(jiān)測，則需在邊坡上布設(shè)大量的高精度傳感器，導致成本高昂；二是需要技術(shù)人員進入現(xiàn)場完成監(jiān)測點布設(shè)，存在較大的安全風險；三是布設(shè)時間較長，一個邊坡布設(shè)完成監(jiān)測設(shè)備，至少需要3～4天，難以達到快速部署的要求。

4、現(xiàn)有的邊坡變形監(jiān)測的關(guān)鍵技術(shù)包括：“3s”技術(shù)：包括遙感(rs)、地理信息系統(tǒng)(gis)和全球定位系統(tǒng)(gps)技術(shù)，但這些監(jiān)測手段易受地形和氣象條件的影響，受氣象條件和衛(wèi)星周期性的影響而使邊坡連續(xù)性監(jiān)測受到干擾，且設(shè)備昂貴成本高。

5、三維激光掃描技術(shù)：通過掃描獲得邊坡表面大量密集點的位置坐標，快速構(gòu)建三維模型，反映邊坡位移變化。但三維激光掃描技術(shù)獲得的數(shù)據(jù)量通常很大，處理麻煩，成本高；掃描過程中容易受到周圍環(huán)境的影響，引入噪聲。

6、合成孔徑干涉雷達技術(shù)(insar)：通過雷達發(fā)射波信號，反映邊坡的變形信息，具有監(jiān)測精度高、可實時監(jiān)測的優(yōu)點。insar技術(shù)受到相干性、大氣延遲的影響，產(chǎn)生偏差。sar系統(tǒng)獲取的數(shù)據(jù)量較大、設(shè)備成本較高，對于一些小型項目不太適用。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于：為了解決邊坡變形監(jiān)測現(xiàn)有技術(shù)成本高、數(shù)據(jù)量大的問題，提出一種邊坡變形監(jiān)測方法，包括以下步驟：

2、s1、采集待監(jiān)控邊坡的視頻數(shù)據(jù)，抽幀得到時間間隔固定的圖像序列n＝{p0，p1，…，pn}；

3、s2、對首張圖像p0提取特征f0，在待檢測圖像pi(0<i≤n)中使用lucas-kanade光流算法追蹤特征f0，估算pi相對于p0的視場平移量和旋轉(zhuǎn)角度，對pi進行視場運動修正；

4、s3、分別將p0和視場運動修正后的pi進行語義分割，提取出圖像中的裸露土地，獲得帶邊坡區(qū)域掩膜的圖像對(q0，qi)；

5、s4、基于loftr模型，獲得圖像對(q0，qi)的特征點匹配結(jié)果mf；

6、s5、對mf進行特征點誤匹配剔除，得到最終匹配點對集合mβ；

7、s6、計算mβ中每個點對的位移量，通過高斯插值獲得亞像素級別的邊坡形變場。

8、進一步地，s2具體為：

9、s21、將p0轉(zhuǎn)換為灰度圖，使用特征點描述向量生成函數(shù)，得到特征點集合f0；

10、s22、將pi轉(zhuǎn)換為灰度圖，使用lucas-kanade光流算法獲取f0在pi中的對應位置集合fi；

11、s23、根據(jù)f0、fi計算從p0到pi的歐式轉(zhuǎn)換，從中解析得到視場位移量和旋轉(zhuǎn)角度；

12、s24、根據(jù)視場位移量和旋轉(zhuǎn)角度，對pi依次進行視場位移量修正和旋轉(zhuǎn)角度修正。

13、進一步地，使用兩階段誤匹配剔除算法對mf進行特征點誤匹配剔除，第一階段使用鄰域信息算法對mf進行特征點誤匹配剔除得到匹配點對集合mα，第二階段使用相似三角形算法對mα進行特征點誤匹配剔除得到最終匹配點對集合mβ。

14、進一步地，使用鄰域信息算法對mf進行特征點誤匹配剔除得到匹配點對集合mα，具體如下：

15、以mf中一個匹配點對的兩個點為中心分別建立固定大小的鄰域，鄰域內(nèi)匹配點數(shù)不超過20；計算鄰域內(nèi)匹配點(rl，sl)與中心點的平均距離如果rl和sl之間的距離大于或則將(rl，sl)視為誤匹配點對并剔除，最后獲得鄰域信息算法剔除后的匹配點對集合mα。

16、進一步地，使用相似三角形算法對mα進行特征點誤匹配剔除得到最終匹配點對集合mβ，具體如下：

17、選取mα中歐氏距離最小的匹配點對(rl，sl)，再隨機選擇另外兩對與(rl，sl)相鄰的點(rl-1，sl-1)、(rl+1，sl+1)，構(gòu)成兩個三角形δrl-1rlrl+1、δsl-1slsl+1，驗證是否符合相似三角形條件，若滿足，則以(rl，sl)、(rl-1，sl-1)作為基準點對，若不滿足，則重新選取(rl，sl)的相鄰點對，重復上述流程；將待檢測點對(rm，sm)與基準點對(rl，sl)、(rl-1，sl-1)構(gòu)成兩個三角形δrl-1rlrm、δsl-1slsm，若相似，則認為(rm，sm)是正確的，若不相似則剔除(rm，sm)，最后獲得相似三角形算法剔除后的匹配點對集合mβ。

18、進一步地，s6具體為：

19、s61、以mβ中匹配點為中心進行局部特征提取，得到以mβ中匹配點為中心的圖像塊特征向量fβ；

20、s62、獲得mβ中匹配點對應的特征描述子向量dβ；

21、s63、將fβ和dβ叉乘，得到經(jīng)過特征描述子加權(quán)后的圖像特征向量；

22、s64、將加權(quán)后的圖像特征向量通過softargmax運算，得到mβ中匹配點對的位移量；

23、s65、對位移量進行高斯插值，得到亞像素級別的邊坡形變場。

24、本發(fā)明還提出一種邊坡變形監(jiān)測系統(tǒng)，包括：

25、數(shù)據(jù)獲取模塊，用于采集待監(jiān)控邊坡的視頻數(shù)據(jù)，抽幀得到時間間隔固定的圖像序列n＝{p0，p1，...，pn}；

26、視場運動修正模塊，用于對首張圖像p0提取特征f0，在待檢測圖像pi(0<i≤n)中使用lucas-kanade光流算法追蹤特征f0，估算pi相對于p0的視場平移量和旋轉(zhuǎn)角度，對pi進行視場運動修正；

27、語義分割模塊，用于分別將p0和視場運動修正后的pi進行語義分割，提取出圖像中的裸露土地，獲得帶邊坡區(qū)域掩膜的圖像對(q0，qi)；

28、特征點匹配模塊，用于基于loftr模型，獲得圖像對(q0，qi)的特征點匹配結(jié)果mf；

29、特征點誤匹配剔除模塊，用于對mf進行特征點誤匹配剔除，得到最終匹配點對集合mβ；

30、邊坡形變場獲得模塊，用于計算mβ中每個點對的位移量，通過高斯插值獲得亞像素級別的邊坡形變場。

31、本發(fā)明還提出一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述的邊坡變形監(jiān)測方法。

32、本發(fā)明還提出一種電子設(shè)備，包括處理器和存儲器，所述處理器與所述存儲器相互連接，其中，所述存儲器用于存儲計算機程序，所述計算機程序包括計算機可讀指令，所述處理器被配置用于調(diào)用所述計算機可讀指令，執(zhí)行上述的邊坡變形監(jiān)測方法。

33、本發(fā)明提供的技術(shù)方案帶來的有益效果是：

34、本發(fā)明首先估算相機視場運動量并對圖片進行位置修正，消除了采集數(shù)據(jù)過程中相機的輕微運動對邊坡位移計算結(jié)果的影響；對所采集圖像進行語義分割，排除了植被、落石等非目標物體對后續(xù)點匹配造成的干擾，并且縮小特征點匹配范圍，提高匹配準確率、減少計算量；使用loftr方法進行特征點匹配，使用從粗到細的匹配策略，對于對戶外環(huán)境中隨時間變化的光照條件具有魯棒性，實現(xiàn)高效率和高精度匹配；使用兩階段誤匹配剔除算法可有效剔除不滿足局部結(jié)構(gòu)相似性的錯誤匹配，進一步提高匹配準確性。本發(fā)明方案使用普通消費級相機或工業(yè)相機作為監(jiān)測設(shè)備，具有成本較低，布設(shè)速度快，覆蓋面廣的優(yōu)點，且成本低，計算量小，結(jié)果精度高。