一种边滑坡稳定状态识别方法与流程

1.本发明属于岩土工程技术领域，具体涉及一种边滑坡稳定状态识别方法。


背景技术：

2.边滑坡稳定状态识别由两方面组成：裂缝发展和地表变形。一般来说，对于滑坡发展阶段的精确判断需要来自包括深部变形、地表变形、地表裂缝发展在内的众多数据支撑。然而，深部变形获取需要钻孔埋设测斜设备且数据易受环境影响，滑坡演化阶段在地表上的反映则更为直观；
3.降雨、强震、工程扰动往往会对山体造成一定程度的损伤，使得坡体产生大量不同尺度的裂缝。随着受损部位岩体损伤逐渐积累，坡体内不同部位的裂缝贯通合并，坡体内会形成破坏边界，从而降低坡体的稳定性，并加速坡体失稳；裂缝在边滑坡形成过程中起到了地表水入渗的优势通道的作用，也加速了边滑坡的启动。因此，对于边滑坡体关键位置裂缝的识别与监测是地质灾害调查与监测的重要环节。
4.对上述边滑坡稳定状态的识别，传统测量技术存在在传统拍摄手段在机动性、耗时耗力、反馈滞后、精度不高的缺陷。


技术实现要素：

5.本发明目的在于解决对于边滑坡稳定状态的识别方面，传统测量技术存在在传统拍摄手段在机动性、耗时耗力、反馈滞后、精度不高的缺陷的问题。
6.为了解决上述问题，本发明具体涉及一种边滑坡稳定状态识别方法，包括如下步骤：
7.步骤一、通过无人机摄影测量对边滑坡进行固定时间间隔航拍，建立dom模型、dsm模型和三维点云模型，基于dsm模型提取地表坡度信息和基于三维点云模型提取的粗糙度信息；在此基础上，开展边滑坡边界识别，识别裂缝发展及位置分布；
8.步骤二、基于步骤一得到的三维点云模型，通过修正重力方向的icsf法对点云数据进行滤波，分离并提取地面点，校核像控点相对位置获取监测的相对误差，m3c2(多尺度模型到模型的云比较)法对多时相点云模型进行变形监测，获取边滑坡可视化位移场；
9.步骤三、基于步骤一中所确定的裂缝位置，采用裂缝监测装置，对裂缝发展状况进行测量，通过人工/无人机巡查对裂缝监测装置进行定期读数并记录；
10.步骤四、当裂缝发展到一定阶段，形成明确的滑坡边界后，在边滑坡前缘、后缘等反映边滑坡变形特征的位置布置监测点；
11.步骤五：在监测点位置布设目标棱镜，放置好gps接收机天线，另外在边滑坡以外的区域布设基准点，在基准点上架设gps接收机和gps rtk基准站接收机，通过定期对稳定区域基准点的监测可以反演监测点的变形情况；
12.步骤六、对边滑坡区域，边滑坡前缘、边滑坡后缘及边滑坡中部关键位置监测点(gps rtk)和裂缝发展(裂缝计)开展动态连续监测，实时记录和识别边滑坡裂缝发展和变
形状况，对边滑坡发展阶段进行初步识别；
13.步骤七、综合步骤六得到的边滑坡裂缝发展状况和步骤二得到的变形状况对边滑坡所处状态进行进一步识别。
14.进一步的，所述步骤一中开展边滑坡边界识别，识别裂缝发展及位置分布的具体方法为：边滑坡的陡坎或裂缝处相比其局部邻域，在坡度上存在突变，dsm坡度图识别较大陡坎，dom模型识别滑坡后缘主裂缝附近发育的裂缝。
15.进一步的，所述步骤二通过修正重力方向的icsf法对点云数据进行滤波的方法为：
16.csf算法首先对3d点云数据进行反转，然后通过模拟“布”对倒置的点云进行覆盖，并根据“布”面在重力作用下覆盖点云的位置生成一个近似曲面；通过比较原始点云数据中的点与生成的“布”表面之间的距离，从原始点云数据中识别出地面点，并将离地点分离为进一步的特征提取；
17.模拟布料根据牛顿第二定律，布料位置与力的关系由下式确定：
[0018][0019]
式中x表示粒子在时间t的位置；f
ext
(x,t)代表外力，它由重力和障碍物产生的碰撞力组成：
[0020]fext
(x,t)＝mg+f
interact
(x,t)
ꢀꢀ
(2)
[0021]
当粒子在其运动方向遇到一些物体时；f
int
(x,t)表示粒子在位置x和时间t的内力，内力由与点云(边界)相互作用产生；因为内力和外力都随时间t变化，所以上述方程在布料模拟的实现中通过数值积分(如欧拉法)来求解；
[0022]
上述方法适用于平缓的表面，对于边滑坡地形特点并不友好，因此，将f
ext
(x,t)重力方向由传统csf法的竖直方向改为与坡面垂直的方向；这一方向通过dsm模型坡度的中值来确定；步骤如下：
[0023]
(1)基于无人机摄影技术生成的dsm模型获取区域坡度的中值α，根据中值坡度确定法向量[n
x
,ny,nz]；
[0024]
(2)修正式(2)中等式右边第一项重力项g
′
＝[n
x
,ny,nz]
·
9.81；
[0025]
(3)将修正重力项带回式(2)开始滤波。
[0026]
进一步的，所述步骤三的具体方法为：在裂缝两端分别固定一颗钢钉，保证钢钉与两侧土体运动的同步性，通过电子游标卡尺初始刻度端、自由端分别固定在两颗钢钉上，裂缝发展可以带动钢钉移动，从而改变电子游标卡尺的读数，通过人工/无人机巡查对裂缝计游标卡尺进行定期读数并记录；
[0027]
进一步的，所述步骤五中基准点被布设在距离边滑坡体30m开外的稳定区域。
[0028]
进一步的，所述步骤六的具体方法为：
[0029]
设基准点p1布置在裂缝相对稳定一侧，监测点p2布置在裂缝不稳定一侧。首先通过rtk对基准点p1、监测点p2进行定位得到p1、p2点的世界坐标(x
10
,y
10
,z
10
)；接下来对基准点p1、监测点p2进行动态连续监测，获取两点的世界坐标(x
1t
,y
1t
,z
1t
)、(x
2t
,y
2t
,z
2t
)，通过解算可以获得裂缝发展过程中错动长度l、裂缝宽度d以及错台高度h数据，假设p1与p2点之间的连线与x轴夹角为动态监测阶段夹角为解算公式如下：
[0030][0031][0032]
h＝z
2t-z
1t
[0033]
再依据裂缝发展过程中错动长度l、裂缝宽度d以及错台高度h数据对边滑坡发展阶段进行初步识别。
[0034]
进一步的，所述依据裂缝发展过程中错动长度l、裂缝宽度d以及错台高度h数据对边滑坡发展阶段进行初步识别的方法为：
[0035]
(1)对于无裂缝的边滑坡，判断其处于稳定状态；
[0036]
(2)对于产生少量裂缝，但尚未形成明显边滑坡边界的，判断其处于较稳定状态；
[0037]
(3)当裂缝持续发展，形成明确边滑坡边界的，判断其处于较不稳定状态；
[0038]
(4)对于前缘产生鼓胀、后缘裂缝错台的边滑坡，判断已经处于不稳定状态，当错动长度l、裂缝宽度d以及错台高度h这三个参数变化速率显著提高，需要进行预警。
[0039]
进一步的，所述步骤七的综合步骤六得到的边滑坡裂缝发展状况和步骤二得到的变形状况对边滑坡所处状态进行进一步识别的方法为：
[0040]
当边滑坡区域无裂缝且变形微小，判定边滑坡区域处于稳定状态；当区域产生部分裂缝，但尚未形成边界且变形速率不超过10mm/月，判定边滑坡区域处于较稳定状态；当边滑坡区域裂缝持续发展于表面形成明确滑坡边界且变形速率超过10mm/月，判定处于较不稳定状态；当边滑坡区域滑坡后缘裂缝上下盘错台，前缘鼓胀出现羽状裂缝且变形速率超过50mm/月，判定区域处于不稳定状态。
[0041]
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
[0042]
(1)本发明的基于无人机技术的边滑坡稳定状态识别方法，利用无人机能够实现代替人工，对边滑坡形态的全天候360度无死角扫描、监测。
[0043]
(2)本发明的基于无人机技术的边滑坡稳定状态识别方法，能够及时、准确捕捉边滑坡裂缝、变形发展趋势，给出的结果全面客观反映边滑坡状态的实际情况。
[0044]
(3)本发明的基于无人机技术的边滑坡稳定状态识别方法，对其他山体滑坡、铁路、公路边滑坡等地形复杂区域都可以进行监测评估，适应性强。
附图说明
[0045]
图1为本发明较佳实施例逻辑流程示意图；
[0046]
图2为本发明较佳实施的基于dsm图像生成边滑坡地形坡度图；
[0047]
图3为本发明较佳实施的基于滑坡陡坎与裂缝识别dom影像图；
[0048]
图4为本发明较佳实施的某滑坡2021年12月18日点云与2021年12月23日点云的比较结果图；
[0049]
图5为本发明较佳实施例的无人机裂缝监测示意图；
[0050]
图6为本发明较佳实施例的边滑坡关键位置的变形监测示意图；
[0051]
图7为本发明较佳实施例航拍为稳定状态的照片图；
[0052]
图8为本发明较佳实施例航拍为较稳定状态的照片图；
[0053]
图9为本发明较佳实施例航拍为较不稳定状态的照片图；
[0054]
图10为本发明较佳实施例航拍为不稳定状态的照片图；
具体实施方式
[0055]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0056]
请参考图1，一种边滑坡稳定状态识别方法，包括如下步骤：
[0057]
步骤一、通过无人机摄影测量对边滑坡进行固定时间间隔航拍，建立dom模型、dsm模型和三维点云模型，基于dsm模型提取地表坡度信息和基于三维点云模型提取的粗糙度信息；在此基础上，开展边滑坡边界识别，识别裂缝发展及位置分布；
[0058]
所述步骤一中开展边滑坡边界识别，识别裂缝发展及位置分布的具体方法为：边滑坡的陡坎或裂缝处相比其局部邻域，在坡度上存在突变，dsm坡度图识别较大陡坎，dom模型识别滑坡后缘主裂缝附近发育的裂缝。
[0059]
图2给出了某滑坡边界识别的基于dsm图像生成边滑坡地形坡度图(图中slope表示坡度)，研究区得到的坡度分布在0
°
到90
°
之间。坡度计算结果表明，与局部邻域相比，活动滑坡周界上的裂缝、陡坡普遍具有高于50
°
的坡度，这与地表裂缝、陡坎的突变有关。陡坎或裂缝处相比其局部邻域，在坡度上存在突变(突变至大于50
°
)，通过结合dom与dsm数据协同识别后缘裂缝并确定滑坡边界，dsm坡度图可以识别较大陡坎，dom模型可识别滑坡后缘主裂缝附近发育的，平面上呈近似同心圆弧状排列的细小裂缝，最终滑坡边界的识别结果如图3所示。
[0060]
步骤二、基于步骤一得到的三维点云模型，通过修正重力方向的icsf法对点云数据进行滤波，分离并提取地面点，校核像控点相对位置获取监测的相对误差，m3c2法对多时相点云模型进行变形监测，获取边滑坡可视化位移场；
[0061]
其中通过修正重力方向的icsf法对点云数据进行滤波的方法为：
[0062]
csf算法首先对3d点云数据进行反转，然后通过模拟“布”对倒置的点云进行覆盖，并根据“布”面在重力作用下覆盖点云的位置生成一个近似曲面；通过比较原始点云数据中的点与生成的“布”表面之间的距离，从原始点云数据中识别出地面点，并将离地点分离为进一步的特征提取；
[0063]
模拟布料根据牛顿第二定律，布料位置与力的关系由下式确定：
[0064][0065]
式中x表示粒子在时间t的位置；f
ext
(x,t)代表外力，它由重力和障碍物产生的碰撞力组成：
[0066]fext
(x,t)＝mg+f
interact
(x,t)
ꢀꢀ
(2)
[0067]
当粒子在其运动方向遇到一些物体时；f
int
(x,t)表示粒子在位置x和时间t的内力，内力由与点云(边界)相互作用产生；因为内力和外力都随时间t变化，所以上述方程通常在布料模拟的实现中通过数值积分(如欧拉法)来求解；
[0068]
上述方法适用于平缓的表面，对于边滑坡地形特点并不友好，因此，本方案提出了修正的csf方法，将f
ext
(x,t)重力方向由传统csf法的竖直方向改为与坡面垂直的方向；这一方向通过dsm模型坡度的中值来确定；步骤如下：
[0069]
(1)基于无人机摄影技术生成的dsm模型获取区域坡度的中值α，根据中值坡度确定法向量[n
x
,ny,nz]；
[0070]
(2)修正式(2)中等式右边第一项重力项g
′
＝[n
x
,ny,nz]
·
9.81；
[0071]
(3)将修正重力项带回式(2)开始滤波。
[0072]
对于变形监测，图4给出了某滑坡2021年12月18日点云与2021年12月23日点云的比较结果，基于点云的滑坡变形监测提供了可视化的地表变化区域的材料损耗(垮塌)或增益(堆积)情况。在持续的爆破作业下，断层出露位置发生垮塌，导致断层上覆强风化土体发生滑坡，最终在底部平台堆积成了3个扇形堆积体(#1、#2、#3)。
[0073]
步骤三、请参考图5-图10，基于步骤一中所确定的裂缝位置，采用裂缝监测装置(电子游标卡尺和钢钉的组合)，对裂缝发展状况进行测量，通过人工/无人机巡查对裂缝监测装置进行定期读数并记录；具体方法为：在裂缝两端分别固定一颗钢钉，保证钢钉与两侧土体运动的同步性，通过电子游标卡尺初始刻度端、自由端分别固定在两颗钢钉上，裂缝发展可以带动钢钉移动，从而改变电子游标卡尺的读数，通过人工/无人机巡查对裂缝计游标卡尺进行定期读数并记录；
[0074]
步骤四、当裂缝发展到一定阶段，形成明确的滑坡边界后，在边滑坡前缘、后缘等反映边滑坡变形特征的位置布置监测点；
[0075]
步骤五：在监测点位置布设目标棱镜，放置好gps接收机天线，另外在边滑坡以外的区域布设基准点(步骤五中基准点被布设在距离边滑坡体30m开外的稳定区域)，在基准点上架设gps接收机和gps rtk基准站接收机，通过定期对稳定区域基准点的监测可以反演监测点的变形情况；
[0076]
步骤六、对边滑坡区域，边滑坡前缘、边滑坡后缘及边滑坡中部关键位置监测点(gps rtk)和裂缝发展(裂缝计)开展动态连续监测，实时记录和识别边滑坡裂缝发展和变形状况，对边滑坡发展阶段进行初步识别
[0077]
所述步骤六的具体方法为：
[0078]
设基准点p1布置在裂缝相对稳定一侧，监测点p2布置在裂缝不稳定一侧。首先通过rtk对基准点p1、监测点p2进行定位得到p1、p2点的世界坐标(x
10
,y
10
,z
10
)；接下来对基准点p1、监测点p2进行动态连续监测，获取两点的世界坐标(x
1t
,y
1t
,z
1t
)、(x
2t
,y
2t
,z
2t
)，通过解算可以获得裂缝发展过程中错动长度l、裂缝宽度d以及错台高度h数据，假设p1与p2点之间的连线与x轴夹角为动态监测阶段夹角为解算公式如下：
[0079][0080][0081]
h＝z
2t-z
1t
[0082]
再依据裂缝发展过程中错动长度l、裂缝宽度d以及错台高度h数据对边滑坡发展阶段进行初步识别。依据裂缝发展过程中错动长度l、裂缝宽度d以及错台高度h数据对边滑坡发展阶段进行初步识别的方法为：
[0083]
(1)对于无裂缝的边滑坡，判断其处于稳定状态；
[0084]
(2)对于产生少量裂缝，但尚未形成明显边滑坡边界的，判断其处于较稳定状态；
[0085]
(3)当裂缝持续发展，形成明确边滑坡边界的，判断其处于较不稳定状态；
[0086]
(4)对于前缘产生鼓胀、后缘裂缝错台的边滑坡，判断已经处于不稳定状态，当错动长度l、裂缝宽度d以及错台高度h这三个参数变化速率显著提高，需要进行预警。
[0087]
步骤七、综合步骤六得到的边滑坡裂缝发展状况和步骤二得到的变形状况对边滑坡所处状态进行进一步识别；具体方法为：
[0088]
当边滑坡区域无裂缝且变形微小，判定边滑坡区域处于稳定状态；当区域产生部分裂缝，但尚未形成边界且变形速率不超过10mm/月，判定边滑坡区域处于较稳定状态；当边滑坡区域裂缝持续发展于表面形成明确滑坡边界且变形速率超过10mm/月，判定处于较不稳定状态；当边滑坡区域滑坡后缘裂缝上下盘错台，前缘鼓胀出现羽状裂缝且变形速率超过50mm/月，判定区域处于不稳定状态。
[0089]
综上，对边滑坡稳定状态不同阶段识别方法总结如下:
[0090]
1.边坡无裂缝阶段：一方面定期人工、无人机联合巡查，检查边滑坡是否产生裂缝；另一方面，对于产生裂缝的边滑坡，在相对稳定区域布设基准控制桩，通过rtk实施静态测量获取控制桩坐标。通过裂缝位置确定边滑坡边界，选择边滑坡前缘、中部、后缘的监测点，通过rtk进行动态测量获得前缘、中部、后缘监测点的变形。
[0091]
2.裂缝产生阶段：采用简易裂缝监测装置，即在裂缝两端分别固定一颗钢钉，再把电子游标卡尺初始刻度端、自由端分别固定在两颗钢钉上，裂缝发展带动钢钉移动，从而改变电子游标卡尺的读数；另一方面，通过dsm模型坡度突变和dom影像模型对裂缝进行定位。
[0092]
3.裂缝发展阶段：定期利用无人机搭载变焦相机，对安装在裂缝处的游标卡尺进行拍照，读取游标卡尺的电子读数获得裂缝宽度。当裂缝发展到一定程度，边滑坡后缘出现错台，可直接通过解算rtk监测点坐标获得错台高度与裂缝宽度；另一方面，通过dsm模型坡度突变和dom影像模型对裂缝发展进行量化提取，判断滑坡大致范围。
[0093]
4.前缘鼓胀、后缘错台阶段：当裂缝发展到一定程度，边坡前缘出现鼓胀，边坡后缘出现错台，可直接通过无人机摄影读取鼓胀水平位移以及错台高度；变形状况方面，通过gps rtk监测、多时相点云模型变化探测对变形情况进行提取。
[0094]
5.边滑坡发展阶段识别：综合无人机获取的裂缝计读数、三维点云模型变形和rtk获取的边滑坡关键位置的变形趋势，形成可视化的边滑坡变形、破坏发展趋势，对边滑坡发展阶段进行初步判断。
[0095]
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。