無人機攝影測量在長江航道整治建筑物監測中的應用

胡樂辰，陶孟斯，段延松

（1.武漢大學，湖北 武漢 430079；2.長江武漢航道局，湖北 武漢 410014）

長江作為優良航道，航運繁忙，運量龐大，是中國交通運輸的重要一環。為保障長江航道運輸安全，航道監測具有重要意義。而整治建筑物在航道穩定和改良方面發揮著重要作用，是重要的監測對象。長江干線航道全長2688 公里，整治建筑物數量眾多且分布廣泛，對監測能力提出了很高要求。整治建筑監測主要內容是檢查建筑物完整性及有無損毀情況，傳統監測方法主要采用人工方式進行觀察、照相、攝像及測量等。由于監測工作量大、效率低，而且航道情況復雜、可達性差，人工巡檢難度大，現有監測方法難以有效完成精準監測。針對此問題，本文引入無人機攝影測量技術，在對整治工程區域按一定時間間隔，開展無人機數據獲取和處理，生產測區時序化的高精度數字表面模型（DSM）和數字正射影像（DOM）。然后對不同期數據開展分析對比，發現形變位置與形變程度，從而實現航道整治建筑的有效監測。

1 技術原理

1.1 無人機攝影測量生產DSM/DOM

無人機攝影測量的流程與常規航空攝影測量相似，主要包括外業與內業兩部分。外業以數據采集為主，內業以數據處理與生產為主。無人機攝影測量的作業流程如圖1所示。

實施外業時需要對測區情況有基本的了解，并依照測區特點、成果要求和氣象條件制定適宜的航攝計劃，并在作業前做好設備的調試檢查工作，保證作業安全[1]。

內業工作中，空中三角測量是關鍵的步驟?？罩腥菧y量能通過獲取航攝像片上同名點和必要的控制信息恢復影像的空間位姿，進而測算任意影像點的空間位置。這種方式不直接觸及被測目標，不受地面通視條件限制，即可測定目標位置與幾何形狀，并能快速進行大范圍目標測定[2]。DSM 產品包含建筑、植被等地物的高程信息，能真實地表達地面實際起伏情況，DOM 是目標區域的無變形影像，地物直觀、信息豐富，能客觀反映地表現狀。DSM/DOM產品被廣泛用于城市規劃設計、土地管理、植被監測、環境分析、地質災害預警等領域[3]。

1.2 整治建筑物形變監測

獲取時序化DSM/DOM 數據后，選擇兩期數據進行對比，即可發現形變位置與形變程度。為了進行有效對比，本文提出了結合DSM 差異和DOM 匹配的形變檢測法。該方法首先根據DSM 的地理信息計算其高程差異，發現形變位置，然后對形變區域的兩期DOM 進行影像匹配，獲取同名點，根據同名點的位置變化，標識出形變方向與距離。其技術流程如圖2所示。

圖2 整治建筑物監測技術流程

1.2.1 DSM 差異發現變化區域

比較兩期DSM 的差異，最簡潔有效的方法是作差運算。在對不同時相的兩個DSM 作差時，需保證DSM對齊，這樣才能保證檢測形變的有效性。DSM 差異分析原理如圖3所示。

圖3 DSM 差異分析示意圖

根據DSM 作差結果，可以得出地形起降情況，并可判斷形變程度及確定關注區域。在此基礎上，設定閾值以避免數據噪聲對形變區域的判斷產生影響。

1.2.2 DOM 匹配實現平面變化

影像匹配是在兩幅（或多幅）影像之間識別同名點。本文通過Harris 算子4 在兩期影像上提取特征點，然后基于相關系數法對兩幅影像的特征點進行匹配，從而獲得兩期影像的同名點。

Harris 算子是一種角點提取算子，它計算相對簡單，提取精度較好，是實際處理過程中常用的算子，適合快速提取大量特征點，其計算方法如公式（1）所示：

其中，gx，gy是影像在x，y 方向上的梯度；為高斯模板；k 為默認常數；I 為計算的興趣值。設定閾值，選擇一定范圍內興趣值最大的若干點作為特征點。

相關系數法是一種常見的匹配方法，通過計算兩期影像特征點鄰域的相關系數，衡量兩期影像特征點是否匹配，其計算方法如公式（2）所示：

其中gi，j，hi，j表示計算相關系數的兩個特征點的矩形鄰域；，為兩個鄰域各自的平均值；m，n 為兩個鄰域的寬高；為兩鄰域的相關系數，并作為特征點的相關系數。通過相關系數衡量特征點的相似程度，超過閾值視為特征點匹配成功。

經過影像匹配，可獲得同一地面點在兩期DOM 上的平面坐標，進而計算同一地面點的形變位移。比較同名點在兩個DOM 上的位移時，同樣需保證對齊。

2 工程實例

2.1 測區情況

實驗測區位于長江武漢航段，監測對象為航段某處壩體，測區沿壩體走向呈狹長的“一”字型。由無人機分別于2021年1月與同年12月拍攝兩期航空影像數據。如圖4所示，控制點覆蓋整個測區，以實現良好的控制，兩期數據使用相同的控制點，以保證生產的DSM與DOM 成果對齊。

圖4 測區略圖

2.2 結果分析

完成無人機攝影測量內業平差處理后，DSM 差異分析結果如圖5所示。設定閾值 ，壩體整體差異較小，高程差異小于 ，以綠色標出；局部差異較大，高程差大于 ，以紅色標出。

圖5 DSM 差異分析結果

壩體四周的環狀紅色區域，由水面造成。雖然水面對涉水區域的匹配存在影響，但由于監測目標為壩體而非水位，因此出現此類差異并無影響，不列入關注區域。測區東北處的紅色區域，實為一荒草地。該區域存在植被，壩體受河流沖刷影響小，且無裸露壩體，故同樣不列入關注區域。

選擇某一關注區域的兩期DOM 進行同名點匹配，結果如圖6所示。對匹配的同名點坐標作差，可得同名點的形變方向大小。向量可視化結果如圖7所示，大部分同名點的形變量較小。除去若干孤立的大形變量同名點，形變主要出現在一條帶狀區域內。該區域可能因水流的沖蝕搬運作用而產生了位移形變。但形變主要是淤泥亂石的位移。壩面的磚塊的形變較小，基本保持穩定，但后期仍需要密切關注。

圖6 兩期影像關注區域同名點匹配

圖7 形變可視化

3 結論

本文提出了一種基于無人機攝影測量的航道整治建筑物動態監測方法。實測結果表明，本文方法能夠簡單有效地對航道整治建筑物形變情況進行監測，并及時發現形變位置，能一定程度上減輕傳統測量方法中工作人員的內外業負擔。本文基于無人機攝影測量方法的精度，主要依賴于攝影測量數字產品的質量，以及后續數字正射影像匹配質量。對淤泥地帶與重復紋理區域而言，當前的匹配算法還存在一定的局限，會影響到形變的定量。在不久的將來，若能夠進一步解決此類區域的影像匹配問題，則本文方法對整治建筑物的監測將能發揮更大的潛能。