本技術涉及地質災害識別，具體是一種融合lidar與傾斜攝影的地質災害隱患識別系統及方法。

背景技術：

1、隨著全球氣候變化和人類工程活動的加劇，地質災害頻發，對地質災害的監測與防治愈發重要。現有的地質災害監測技術，如人工現場勘察與簡單測量儀器相結合的方式，存在效率低、危險性高、無法實時監測等問題，已難以滿足當下需求。進一步的，新興的單一監測技術，如光學遙感、機載lidar等，雖各有優勢，但在表征地質災害災變演化過程中存在局限性，數據可靠性也較低。同時，現有的地質災害監控體系同樣不完善，其缺乏精準的預測、數字化的預演以及科學的預案生成機制。

2、中國專利號cn118212747a公開了一種多源信息融合的邊坡災害智能監測預警系統及方法，其雖采用多源信息融合技術，構建了相對完善的監測預警體系，但在地質災害隱患解譯方面仍存在不足，該不足表現在：其主要聚焦于邊坡災害，未針對多種地質災害構建詳細的解譯手段和標志，難以精確識別不同類型地質災害隱患；例如，在滑坡、崩塌等災害的解譯上，缺乏必要的技術方案，因此，無法滿足復雜地質環境下災害隱患識別的需求。

3、綜上，亟需一種新的融合lidar與傾斜攝影的地質災害隱患識別的技術方案以解決上述技術問題。

技術實現思路

1、本技術的目的在于提供一種融合lidar與傾斜攝影的地質災害隱患識別系統及方法，以解決上述背景技術中提出的技術問題。

2、為實現上述目的，本技術公開了以下技術方案：

3、第一方面，本技術公開了一種融合lidar與傾斜攝影的地質災害隱患識別系統，該系統包括依次通信連接的數據采集模塊、數據處理模塊、解譯分析模塊和隱患識別模塊；

4、所述數據采集模塊配置為：采用無人機搭載lidar和傾斜相機，采集地質災害點區域的激光點云數據、光學影像數據和傾斜影像數據；

5、所述數據處理模塊配置為：對lidar的原始激光點云數據進行航帶拼接、去噪、濾波處理，利用人機交互方式進行點云分類，基于處理后的所述激光點云數據生成數字高程模型，并疊加高清影像和山體陰影創建三維地質沙盤；對所述傾斜影像數據進行處理，該處理至少包括勻光勻色、像控點刺點和空中三角測量，制作數字正射影像和實景三維模型；

6、所述解譯分析模塊配置為：基于lidar穿透植被獲取的數據，去除植被生成數字地表模型，結合光學遙感影像，圈定滑坡形態，所述滑坡形態至少包括滑坡形態的邊界、面積和體積；提取lidar的數據中的致災因子，所述致災因子至少包括坡度、坡向和地面粗糙度，疊加進預設的三維解譯平臺，進行淺表層地質災害解譯；基于lidar生成的地形數據，對地質災害進行量化，該量化至少包括提取裂縫和滑坡體的信息；

7、所述隱患識別模塊配置為：構建針對地質災害的解譯標志，該地質災害至少包括滑坡和崩塌，基于所述數字高程模型和所述數字地表模型，得到輔助識別信息，所述輔助識別信息至少包括山體陰影、坡度、坡向和地形開闊性因子；結合預設的孕災背景條件，融合所述光學影像數據、所述輔助識別信息以及歷史形變特征，類比分析地質災害點區域周邊的同等地質條件下已發生災害區域的地形地貌特點，識別潛在地質災害隱患。

8、作為優選，所述數據采集模塊在采集數據時，基于時間同步與空間配準實現lidar與傾斜攝影的初步融合，該初步融合包括：lidar和傾斜相機在無人機飛行過程中，在時間上采用相同的時間基準進行數據采集，在空間上，利用預設的定位定向系統確定lidar和傾斜相機的位置和姿態，將采集到的數據統一到同一地理坐標系下。

9、作為優選，所述數據處理模塊在制作數字正射影像時，基于傾斜影像糾正公式，利用所述數字高程模型對所述傾斜影像數據進行正射糾正；其中，所述傾斜影像糾正公式為：

10、

11、其中，(x,y)是像點坐標，(x0,y0)是像主點坐標，f是相機焦距，(x,y,z)是物點的地面坐標，(x0,y0,z0)是投影中心的地面坐標。

12、作為優選，所述解譯分析模塊在圈定滑坡形態時，基于所述數字地表模型提取滑坡的地形特征，該地形特征至少包括坡度特征和坡向特征，基于所述光學影響數據提取滑坡的紋理特征和色彩特征，利用綜合特征計算公式融合所述地形特征、所述紋理特征和所述色彩特征得到綜合特征；其中，所述綜合特征計算公式為：

13、f＝ωs*fs+ωa*fa+ωt*ft+ωc*fc

14、其中，fs為坡度特征，fa為坡向特征，ft為紋理特征，fc為色彩特征，ωs、ωa、ωt和ωc為對應的各特征的權重，f為計算得到的綜合特征；基于預設的綜合特征閾值表，結合計算得到的綜合特征圈定滑坡邊界，所述綜合特征閾值表存儲有所述滑坡邊界對應的綜合特征。

15、作為優選，所述解譯分析模塊基于lidar的數據提取所述致災因子，基于所述致災因子進行淺表層地質災害解譯，該淺表層地質災害解譯包括：

16、將傾斜攝影得到的正射影像作為紋理信息疊加到基于lidar的數據構建的三維解譯平臺上，利用所述致災因子分析正射影像中不同地物的紋理和色調變化，結合利用lidar的數據計算出的坡度值和淺層災害可能性計算公式計算淺表層地質災害發生的可能性，所述淺層災害可能性計算公式為：

17、p＝k1*s+k2*t+k3*c

18、其中，s為坡度值，t為正射影像中地物的紋理變化值，c為正射影像中地物的色調變化值，k1、k2和k3為對應的各數值的權重，p為計算得到的淺表層地質災害發生的可能性，當p≥pτ時判定該區域存在淺表層地質災害隱患，pτ為預設的淺表層地質災害發生的可能性閾值。

19、作為優選，所述解譯分析模塊在提取裂縫信息時，基于lidar的數據進行邊緣檢測得到裂縫的初步候選區域，結合傾斜攝影得到的多角度影像和綜合梯度幅值計算公式對所述初步候選區域進行驗證，所述綜合梯度幅值計算公式為：

20、

21、其中，g1為基于lidar的數據進行邊緣檢測得到的梯度幅值，g2為基于多角度影像得到的梯度幅值，為基于回歸分析得到的梯度幅值補償值，該梯度幅值補償值用于表征基于歷史裂縫信息得到的對提取裂縫信息時的補償，g為計算得到的綜合梯度幅值，當g≥gτ時確定該區域為裂縫區域gτ為預設的綜合梯度幅值閾值。

22、作為優選，所述隱患識別模塊在構建針對滑坡的解譯標志時，綜合lidar的數據和傾斜攝影的數據，利用滑坡可能性指數計算公式確定滑坡的解譯標志，所述滑坡可能性指數計算公式為：

23、

24、其中，i1為基于lidar的數據和傾斜攝影的數據得到的滑坡的地形特征指標，該地形特征指標至少包括坡度和高差，i2為基于lidar的數據和傾斜攝影的數據得到的影像特征指標，該影像特征指標至少包括色調和紋理，為基于回歸分析得到的滑坡可能性指數補償值，該滑坡可能性指數補償值用于表征基于歷史滑坡的解譯標志得到的對滑坡的解譯標志的補償，α和β為對應權重，l為計算得到的滑坡的解譯標志，基于預設的滑坡閾值范圍，將計算得到的滑坡的解譯標志映射至不同的等級。

25、作為優選，所述隱患識別模塊在基于所述數字高程模型和所述數字地表模型得到地形開闊性因子時利用傾斜攝影得到的全景影像信息和地形開闊性因子計算公式計算地形開闊性因子，所述地形開闊性因子計算公式為：

26、o＝γ*rh+δ*θ

27、其中，rh為數字高程模型中的一點對應的周圍范圍內的高程變化率，θ為全景影像信息中該點的可視范圍，γ和δ為對應的權重，o為計算得到的地形開闊性因子。

28、作為優選，所述孕災背景條件至少包括地質構造、巖土體類型、地形地貌和氣象水文對應的地質背景。

29、第二方面，本技術公開了一種融合lidar與傾斜攝影的地質災害隱患識別方法，該方法適用于如上所述的融合lidar與傾斜攝影的地質災害隱患識別系統，該方法包括：

30、采用無人機搭載lidar和傾斜相機，采集地質災害點區域的激光點云數據、光學影像數據和傾斜影像數據；

31、對lidar的原始的所述激光點云數據進行航帶拼接、去噪、濾波處理，利用人機交互方式進行點云分類，基于處理后的所述激光點云數據生成數字高程模型，并疊加高清影像和山體陰影創建三維地質沙盤；對所述傾斜影像數據進行處理，該處理至少包括勻光勻色、像控點刺點和空中三角測量，制作數字正射影像和實景三維模型；

32、基于lidar穿透植被獲取的數據，去除植被生成數字地表模型，結合光學遙感影像，圈定滑坡形態，所述滑坡形態至少包括滑坡形態的邊界、面積和體積；提取lidar的數據中的致災因子，所述致災因子至少包括坡度、坡向和地面粗糙度，疊加進預設的三維解譯平臺，進行淺表層地質災害解譯；基于lidar生成的地形數據，對地質災害進行量化，該量化至少包括提取裂縫和滑坡體的信息；

33、構建針對地質災害的解譯標志，該地質災害至少包括滑坡和崩塌，基于所述數字高程模型和所述數字地表模型，得到輔助識別信息，所述輔助識別信息至少包括山體陰影、坡度、坡向和地形開闊性因子；結合預設的孕災背景條件，融合所述光學影像數據、所述輔助識別信息以及歷史形變特征，類比分析地質災害點區域周邊的同等地質條件下已發生災害區域的地形地貌特點，識別潛在地質災害隱患。

34、有益效果：本技術的融合lidar與傾斜攝影的地質災害隱患識別系統及方法，利用數據采集模塊搭載無人機獲取激光點云、光學影像和傾斜影像數據，實現了多源數據的全面采集，數據處理模塊對lidar的數據與傾斜影像數據處理生成多種模型，為后續分析提供基礎，解譯分析模塊結合lidar穿透植被獲取的數據和光學影像，圈定滑坡形態并提取致災因子進行解譯，從而深入挖掘地質災害特征，隱患識別模塊構建解譯標志，融合多源信息識別潛在隱患，實現了地質災害隱患的精準識別，克服了傳統單一監測手段的局限性，提高了識別的準確性與可靠性，為地質災害防治提供有力支持，在多種地質災害隱患識別的針對性和精準度上更具優勢。