無人機遙感技術在采煤地面塌陷監測的無人機遙感技術應用

高凌潔， 張少鳳

(寶雞職業技術學院 機電信息學院， 寶雞 721013)

0 引言

煤礦的開采隨著礦井煤炭容量的降低，整個礦井地質表面的承受能力也在逐步下降，在礦井開采晚期即稱為尾礦，尾礦產生了大量的廢棄物，其中包含礦物質提取物的固體顆粒以及水和混凝劑和絮凝劑等附加成分的混合物，往往會造成礦區環境污染。特別是，由于潛在的滲水、泄漏和大壩倒塌，傳統的泥漿形式的尾礦存儲會對尾礦的質量造成嚴重的環境風險，并且煤礦地面塌陷的主要原因就是尾礦問題處理不當造成的，因此合理處理尾礦以及利用遙感探測技術對監測區域的地質變化進行分析研究成為解決采煤地面塌陷問題的主要解決手段之一。

相關學者對煤礦地面塌陷問題進行了相應的研究，并提出了各種解決方法，主要包含尾礦處理方式、地面遙感探測等。文獻[1]中提出采用脫水手段將尾礦連續體從低粘度流體變為更加糊狀的狀態，同時，該手段會增加尾礦的固結速率(由于排水造成的體積減少)和尾礦堆的穩定性。文獻[2]中提出了一種新的尾礦泥漿處理技術，該技術具有沉積角度大，土地占地面積減少，堤岸升高的頻率減少，滲透和穩定性問題減少以及材料分離度降低等優點。然而對于低溫條件下的尾礦處理技術研究較少[3]，與傳統的泥漿儲存方法相比，使用泥漿技術沉積尾礦需要更多的投資和更高程度的礦山管理[4]，礦山管理作為解決地面塌陷的主要手段，提升管理水平對于減少尾礦損失由顯著效果，文獻[5]中Rico等人研究了尾礦造成采煤區地面塌陷的兩個原因：一是氣象事件，如極端降雨和融雪；第二個最常見的原因是管理不善。對于極端天氣可能會對尾礦蓄水層產生較大的影響，如在較為寒冷的地區(像我國的東北地區)，寒冷氣候下的凍結溫度，可能會引起在蓄水層內形成永久凍土層，長期凍土可以在基質保持凍結的同時增加尾礦的強度，但在解凍時(例如由于氣候變化)，它會對穩定性產生嚴重的負面影響，特別是在上游堤防上升的情況下[6]。利用現代遙感技術來支持對采煤地面塌陷的監測，主要通過對尾礦的蓄水量進行遙測，國內外在該領域的相關研究介紹如下。

利用無人機(UAV)結合運動回復結構(Structure from Motion, SfM)實現目標攝影測量—所謂SfM是一種從計算機視覺和傳統攝影測量技術發展而來的低成本地形測量技術，可快速生成3D模型[7]。文獻[8]采用UAV-SfM應用于繪制各個領域的地表位移，如冰川學和滑坡監測等。對于采煤地面塌陷領域的研究較少，本文利用無人機對目標采煤區域地面變化情況進行監測統計分析，通過四次的現場測量活動從而收集數據，采用全球導航衛星系統(GNSS)測量以評估無人機數據的準確性。采用SfM技術生成數字高程模型(DEM)和點云；通過生成差分DDoS(DEMs of Difference)來估算礦井地面沉降，評估了DEM相對于GNSS測量的準確性。

1 研究方法介紹

1.1 研究條件背景介紹

采用四架無人機分別在在3月、5月、7月、9月進行了四次現場測量，測量設備配置如表1所示。

表1 監測無人機配置參數

第一次監測事件是在3月5日進行的，搭載一臺配備1 200萬像素(MP)佳能Powershot SX260 HS相機的Cryowing Scout固定翼無人機，飛行高度約為300米，平均地面速度約為20米/秒。共獲得664張照片，地面分辨率約為10厘米/像素。第二次監測事件是在5月15日進行的，使用無人機搭載22毫米鏡頭的18MP的佳能EOS M相機，無人機飛行高度設定為150米，平均地面速度約為15米/秒，整個采集過程共獲取376張照片，圖像分辨率約為3厘米/像素。在該兩個監測周期內分別完成了12個和15個地面關鍵點的監測(Ground Control Points，GCPs)，通過GR-5 RTK GNSS接收機進行數據收集。

7月和9月分別搭載索尼Cyber DSC-RX1R II無反光鏡相機，配備42萬像素全畫幅傳感器和35 mm固定鏡頭。鏡片，兩次監測的飛行高度大約為150 m，目標飛行速度為14米/秒。分別收集了894張和711張照片，在該期間的GCP用SLC多功能RTK GNSS接收機進行測量。在七月的監測過程中，收集了20個GCP，如圖2所示。

圖1 不同時間監測的GCPs分布圖

圖2 遙感監測過程圖

在9月份的監測過程中，收集了11個新的GCP，并且有8個現存的保存完好的GCP被重新使用，利用R8 RTK GNSS接收機在所檢測的采煤地面區周圍的服務道路收集了189個GNSS地面檢查站，這些區域是相對穩定的監測點，因此，這些測量結果可以用于估計采用SfM方法產生的數據質量。

根據目標實現的需求，整個遙感監測的過成描述如圖2所示。

2.2 數據處理

使用AGIDOFT Photoscan軟件進行處理每個監測活動的照片，該軟件采用SfM攝影測量技術生成密集點云及數字高程模型(DDEM)，使用GCP來改善正射校正,如表2所示。

表2 不同數據集的校正結果表

數據處理過程中，發現對于5月收集的一個GCP和7月收集的一個GCP，發現輸入坐標與根據圖像估計的坐標之間的距離(即估計的方位誤差)比其他點高一個數量級并在處理過程中被丟棄。

采用CloudCompare中進行了不同點云數據集的配準，并進行了手動調整，并采用了ICP算法的內置“精確配準”工具。方法介紹如下：

(i) 模型構建，模型突出圍繞采煤區域頂部建立的大概穩定的服務道路；

(ii) 在精確注冊中利用相應的點云分段。易于識別的地形標志首先用于手動注冊，然后使用ICP進行注冊優化；最后，將路段的迭代變換矩陣用于全數據集的配準過程。

將九月的數據用作協同注冊點云的基線以及收集的189個GNSS檢查點。注冊后，點云之間的點對點差異統計數據被導出以供進一步分析。將點云數據集轉換為全分辨率DEM，并通過ArcGIS 10.5地圖比較GNSS地面檢查點來評估數據質量。最后，生成1米/像素分辨率光柵DEM，以簡化數據可視化并消除異常值。 通過計算各個高程模型之間的逐像素高程差異，在ArcGIS 10.5中生成突出顯示地面位移量差異的DEM的值ΔZij如式(1)。

ΔZij=Zij,1-Zij,2

(1)

其中Zij,1是時間t1期間像素ij的高度，Zij,2是時間t2期間像素ij的高度，并且t2>t1。

2 結果

利用無人機運動產生的一級數據產品是非常高分辨率的正射影像圖，密集點云和柵格DEM。 由于飛行高度降低和攝像機質量提高，產生的地面分辨率從3月到9月得到了提升，地面檢查點與表3中DEM值之間的比較表明，地面分辨率的提高伴隨著垂直精度的提高。平均誤差的計算結果——數據共同登記，而平均絕對誤差則更好地突出了單個DEM的內部準確性，如表3所示。

表3 采集結果平均誤差記算表

通過記錄采煤地面變化數據，因此對于常見的礦產開發環境形成的尾礦主要以尾礦蓄水池的變化判斷礦井地面變化情況。通過證明，利用無人機可以有效、快速、經濟及高效地監控尾礦地質在分米范圍內的運動。在主動采礦階段，監測蓄水區的尾礦庫容并優化處理技術具有較高的經濟意義。本文所采用的機遇SfM方法結合UAV搭載具有以下意義：

1) 可作為尾礦表面剖面繪制的有效工具

2) 可作為計算尾礦蓄水池蓄水量的數據來源；

3) 可作為預測未來更具體地的需求，例如可為礦井維護工作提供支持。

從地質技術的角度來看，UAV-SfM方法可以幫助優化處理方案，例如，它可以幫助決定將蓄水池中的尾礦泵送到哪里，以便盡可能有效地利用儲存能力并檢查尾礦表面坡度。該方法適用于監測尾礦表面的變化，但并不能最終解釋變化的原因。

然而在實際使用UAV-SfM方法時也會有一些限制。例如在亞北極地區(如我國的東北地區)，測量的時間受到限制。由于雪蓋掩蓋了地表能見度，尾礦表面每年可能被雪覆蓋的周期大約在半年時間，這就表明UAV-SfM方法無法取代冬季期間的其他監測方法。同樣，強降水和融雪水覆蓋也可以防止或限制無人機的測量；此外，在限制訪問的區域工作時，應考慮在數據處理之前可能會被忽視的可能問題(例如，GCP的布置不合理或者布置點太少)，一種選擇是在現場制作低質量模型，并在需要時進行補充測量；而對于常規維護操作中應用的方法、工作流程和處理均可簡化，如在正常操作中，使用固定和精確測量的GCP及無人機飛行、相機和處理參數可以通過經驗在一段時間內得到優化。

3 總結

本文主要以實際實例介紹了無人機結合SfM技術生產的數字高層模型(DEM)在一年的4個月份進行了采煤地面區域的地質變化情況，通過DEM與GCPs之間的點對柵格比較表明，垂直平均絕對誤差從3月到9月發生了下降，主要原因是地面分辨率(攝像機質量和飛行高度)提高以及越來越多的GCP分布。在數據共同注冊中使用諸如服務道路之類的穩定區域被證明是用于精細注冊和映射相對變化的合適方法，證明了采用無人機搭載各類遙測設備獲取的監測數據是足夠準確的。