欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023107682655
申请人: 湖南科技大学
专利类型:发明专利
专利状态:已下证
专利领域: 信号装置
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于实景三维的滑坡危险性监测预警方法,其特征在于:包括以下步骤:S1,多源数据融合处理:收集滑坡相关数据进行集成融合处理;

S1中,收集滑坡相关的基础地理信息数据、卫星遥感影像、无人机影像、激光点云数据、地质环境数据、历史地质灾害数据、灾害专业监测数据、监控视频数据、人工巡查上报数据,将这些多源数据进行集成融合处理;异构数据进行数字化和格式转换,统一数据基准和坐标投影,完成影像拼接和数据配准,实现静态地理空间数据与动态物联感知数据同步匹配,构建实景三维滑坡数据图;

S2,大尺度场景建模与分析:

S21,影像选取与预处理;S22,影像稀疏匹配;S23,区域网平差;S24,稠密匹配生成点云;S25,三角网构建;S26,纹理映射;S27,地形级Mesh模型;S28,特征普查;

S2中,利用卫星遥感数据或无人机影像数据结合地质环境普查数据,进行滑坡全局范围的普查,完成分辨率精度为米 厘米级的大尺度滑坡场景重建,分析并提取大场景滑坡相~关特征和参数;

S21,影像选取与预处理:选取成像质量高、无云雾影响、色调一致的高分辨率的卫星影像和无人机影像,根据需要进行去云雾、匀光匀色、畸变校正、镶嵌增强的图像预处理;

S22,影像稀疏匹配:从立体像对或多视影像中提取稳健的特征点,并建立同名特征点之间的对应关系,识别出两幅或者多幅影像中具有相同结构的图像内容并建立准确的映射关系;

S23,区域网平差:利用各影像的内、外方位元素及POS信息进行空中三角测量,以影像间同名点作为连接点,构建自检校区域网平差误差方程,求得内外方位元素和连接点物方三维坐标;

S24,稠密匹配生成点云:利用影像间相对位置关系,进行每个像素同名像点的密集匹配,进行前方交汇得到地物表面三维点云;

S25,三角网构建:基于稠密地表三维点云构建三角网,得到连续的三角网表面模型,三角网表面模型为Mesh白模;

S26,纹理映射:根据物方与像方的几何关系,对白模进行自动纹理映射;

S27,地形级Mesh模型:形成全域大尺度的一套连续的真实场景三维模型;

S28,特征普查:通过大尺度实景三维模型进行米级、厘米级灾害范围的圈定,对周边地形地貌、植被、地物、孕灾环境特征进行普查;

S3,中尺度场景建模与分析:

S31,中尺度数据采集与处理;S32,点云融合;S33,模型重建;S34,特征详查;

S3中,利用无人机近景影像和激光点云数据进行灾害体详查,完成中尺度滑坡三维实景建模,并分析提取滑坡体特征和参数;

S31,中尺度数据采集与处理:针对潜在的灾害区域,采用无人机贴近摄影测量技术,面向灾害体采集多角度毫米级空间分辨率的近景影像,经过空中三角测量解算和稠密匹配生成密集点云,在植被遮挡、光线不足复杂条件下,利用高精度三维激光扫描仪采集毫米级点云数据,经过点云去噪和滤波处理,分离出植被覆盖下的地面点和非地面点;

S32,点云融合:无人机影像密集点云与预处理后的三维激光点云互相补充,进行配准、评价和融合;

S33,模型重建:融合后的完整点云进行三角网重构,进行纹理映射和模型贴图,生成中尺度Mesh模型;

S34,特征详查:基于中尺度滑坡实景三维模型,对滑坡灾害发育特征、成灾机理、致灾因子进行毫米级提取和分析;

S4,小尺度场景建模与分析:

S41,数据分析;S42,单体重建;S43,模型完善;S44,纹理贴图;S45,数据派生;S46,单体特征分析;

S4中,进行实景三维模型单体化剖分,完成地上相关地物框架结构和地下滑坡地层结构的部件级重建,分析提取细部特征和参数;

S41,数据分析:整合三维Mesh模型、激光点云、纹理照片及钻孔地质资料的滑坡数据,统一数据基准,分析滑坡相关实体剖分结构和岩土体性质;

S42,单体重建:分别构建滑坡剖分模型和三维地层模型;

S43,模型完善:通过裁剪、修补、漏洞填充方法,完善重建滑坡结构体和地质体三维模型;

S44,纹理贴图:完善和修复细节部位的纹理,完成模型表面纹理贴图;

S45,数据派生:通过二维矢量或三维数据采集或派生完成地物实体的单体化补充和地理单元的拓扑层次构建;

S46,单体特征分析:提取滑坡场景中各单体模型的三维空间精细特征信息;

S5,滑坡知识关联与实体建库;

S6,滑坡风险多尺度动态评估;

S7,滑坡多指标监测预警。

2.根据权利要求1所述的基于实景三维的滑坡危险性监测预警方法,其特征在于:S5中,综合滑坡实景三维模型、地质环境数据、历史地质灾害数据,进行知识本体提取,通过补充和挂接方法完善属性,分析多尺度各实体的空间、类属、时间及语义关系;统一进行实体编码和赋值,构建滑坡场景知识图谱,经过标准化数据质量检查后,按需组合建立滑坡场景实景三维数据库。

3.根据权利要求2所述的基于实景三维的滑坡危险性监测预警方法,其特征在于:S6中,基于全要素实景三维滑坡场景数据库,构建三维场景滑坡风险多尺度时空动态评估模型,从大中小不同尺度分别进行危险性评估、易发性评估和易损性评估,结合滑坡演化的三维时空过程,动态分析该滑坡的孕灾环境、致灾因子及承灾体要素,提取岩土体、降雨、形变致灾因子耦合作用下滑坡地质灾害应急监测关键指标及其临界阈值。

4.根据权利要求3所述的基于实景三维的滑坡危险性监测预警方法,其特征在于:S7中,构建基础地质条件优先、特征雨量优先、灾害体形变优先的多指标滑坡地质灾害监测预警算法,建立基于人工智能的知识引导下滑坡监测预警时空演化模型,经过试验模拟和实地测试,反复训练并优化算法,完善预警机制,提供及时、准确的实景三维滑坡风险监测及预警服务。

5.一种基于实景三维的滑坡危险性监测预警系统,其特征在于:

包括多源数据集成管理模块,收集滑坡相关的基础地理信息数据、卫星遥感影像、无人机影像、激光点云数据、地质环境数据、历史地质灾害数据、灾害专业监测数据、监控视频数据、人工巡查上报数据,将这些多源数据进行集成融合处理;

大尺度场景建模与分析模块,利用卫星遥感数据或无人机影像数据结合地质环境普查数据,进行滑坡全局范围的普查,完成分辨率精度为米 厘米级的大尺度滑坡场景重建,分~析并提取大场景滑坡相关特征和参数;

中尺度场景建模与分析模块,利用无人机近景影像和激光点云数据进行灾害体详查,完成中尺度滑坡三维实景建模,分辨率精度为豪米级,并分析提取滑坡体特征和参数;

小尺度场景建模与分析模块,实现实景三维模型的单体化剖分,完成地上相关地物框架结构和地下滑坡地层结构的部件级重建,提取细部特征和参数;

滑坡知识关联与实体建库模块,提供基于滑坡实景三维模型、地质环境数据、历史地质灾害数据的知识本体提取,通过属性补充和挂接功能,建立各实体的空间、类属、时间及语义关系;实现实体统一编码和赋值,构建滑坡场景知识图谱,经过标准化数据质量检查后,按需组合建立滑坡场景实景三维数据库;

滑坡风险多尺度动态评估模块:基于全要素实景三维滑坡场景数据库,实现大中小不同尺度的危险性评估、易发性评估和易损性评估分析,结合滑坡演化的三维时空过程,动态分析滑坡的孕灾环境、致灾因子及承灾体要素,提取岩土体、降雨、形变致灾因子耦合作用下滑坡地质灾害应急监测关键指标及其临界阈值;

滑坡多指标监测预警模块:实现基础地质条件优先、特征雨量优先、灾害体形变优先多指标滑坡地质灾害监测预警算法,采用基于人工智能的滑坡监测预警时空演化模型,通过多次试验模拟和实地测试,反复训练并优化修正,完善预警机制;

实景三维场景展示模块,利用计算机渲染引擎实现滑坡灾害二、三维一体化可视化展示,包括视图基本操作、图层管理、量算、标绘、漫游、录制工具;

系统管理与维护模块,包括系统配置、用户管理、权限管理、数据库参数功能。