柴 香，張 帥,2，周 鵬，馮鎮(zhèn)宇，劉滋源

（1. 重慶交通大學，重慶 400074；2. 城市空間信息工程北京市重點實驗室，北京 100038；3. 重慶地質(zhì)礦產(chǎn)研究院，重慶 400042；4. 遵義市匯川區(qū)自然資源局，貴州 遵義 563000；5. 廣西北斗星測繪科技有限公司西南分公司，重慶 409000）

隨著國內(nèi)交通網(wǎng)絡(luò)的不斷完善，產(chǎn)生了較多的邊坡工程，邊坡病害的及時治理可以保證人類出行安全[1]。多地都曾發(fā)生由于暴雨導(dǎo)致邊坡突然坍塌，列車躲避不及時導(dǎo)致脫軌、人員重大傷亡等事故。傳統(tǒng)的人工巡檢存在著一定的局限性，無人機攝影測量技術(shù)憑借其高效、安全、便捷等優(yōu)勢脫穎而出，成為防災(zāi)減災(zāi)工作的新寵[2]。利用無人機技術(shù)可為數(shù)字邊坡提供實景三維模型，其良好的可視化效果與傳統(tǒng)的數(shù)字化資料形成鮮明對比[3]，這將更有利于決策人員根據(jù)測區(qū)情況采取措施來維護邊坡安全。

1 公路邊坡概況及影像數(shù)據(jù)采集

1.1 測區(qū)概況

本次實驗測區(qū)選擇位于重慶市廣陽鎮(zhèn)東港園區(qū)內(nèi)最大的一號邊坡，該邊坡長100 m，坡高60 m，坡度約為60°[4]，巖體由泥巖和砂巖組成，易風化碎落；水文資源匱乏，以第四系松散巖類孔隙水與基巖裂隙水為主。此外，年降雨量約為1 100 mm，雨量充沛。

1.2 整體巡檢影像數(shù)據(jù)采集

本次使用大疆Phantom 4 Pro 無人機進行影像獲取，并基于ContextCapture 軟件實現(xiàn)模型成果的生成。圖1 為影像數(shù)據(jù)獲取流程，使用Pix4Dmapper 對原始影像數(shù)據(jù)進行質(zhì)量檢查，將不合格數(shù)據(jù)及時剔除并進行補拍，驗收合格后利用ContextCapture 獲取高精度的測區(qū)三維模型[5]，然后實現(xiàn)邊坡病害的位置及類別等信息在模型中的標記，以便于后期對特殊病害位置采取定點防護措施。

圖1 無人機影像獲取流程圖

本次實驗設(shè)計了南北走向的5 條航線，航向、旁向重疊度分別為80%和70%，航高為70 m。此外采集了4 個像控點和6 個檢查點，像控點用于數(shù)據(jù)處理過程中有效提高模型精度以及參與空三精度分析，檢查點用于三維模型成果的精度分析，精度達標后才可將模型成果用于實際工程中。

1.3 精細巡檢影像數(shù)據(jù)采集

大疆Phantom 4 Pro配備先進的視覺定位和障礙物感知系統(tǒng)，能夠?qū)崿F(xiàn)指點飛行和懸停功能[6]，基于此，對重點位置或疑似病害位置開展精細巡檢工作才變?yōu)榭赡?。本次實驗按從左到右、從上到下的順序，對排水溝，防護結(jié)構(gòu)等進行安全隱患的抓拍，將病害信息在模型成果中進行標記，從而充分發(fā)揮兩大巡檢模式協(xié)同作業(yè)的優(yōu)勢，有效實現(xiàn)邊坡安全巡檢。

2 無人機影像數(shù)據(jù)處理

2.1 整體巡檢數(shù)據(jù)處理

本次整體巡檢共得到383 張高質(zhì)量影像，相機焦距為8.8 mm，影像分辨率為5 472×3 468 像素，像元分辨率為2.41 um。圖2 為整體巡檢數(shù)據(jù)處理流程，首先對原始影像進行空中三角加密，通過多視角影像密集匹配得到密集點云，而后進行TIN 網(wǎng)格構(gòu)建、白模創(chuàng)建及紋理映射操作，最終得到測區(qū)三維模型。此外，基于密集點云數(shù)據(jù)還可獲取數(shù)字表面模型，進而得到以圖幅為單位的多幅數(shù)字正射影像（DOM）[7]，最后將其拼接為完整的DOM 成果數(shù)據(jù)，利用該成果可宏觀了解測區(qū)邊坡及其周圍地物的關(guān)系。

圖2 整體巡檢數(shù)據(jù)處理技術(shù)路線

空中三角測量是傾斜影像和正射影像間的混合平差，圖3 即為空三加密流程圖，最終可解算得到所有影像精確的外方位元素[8]。它是無人機影像處理中的關(guān)鍵步驟，其實現(xiàn)效果直接關(guān)系著后續(xù)三維建模的成果精度[9]。

圖3 空三加密過程圖

2.2 精細巡檢數(shù)據(jù)處理

本次實驗主要對邊坡的重點區(qū)域進行精細巡檢，如邊坡的排水溝以及防護結(jié)構(gòu)等。通過人工目視判別影像數(shù)據(jù)中的病害情況，對其位置以及類別信息進行詳細記錄，以便后期巡檢人員根據(jù)病害情況對該邊坡的后續(xù)治理提供建議并采取相應(yīng)的防護措施。

3 數(shù)據(jù)成果及分析

3.1 整體巡檢成果

整體巡檢數(shù)據(jù)處理后，可按需生成測區(qū)實景三維模型及數(shù)字正射影像，后續(xù)精細巡檢過程主要對三維模型成果進行應(yīng)用。圖4 即為測區(qū)邊坡的正射影像拼接圖，可以看出邊坡與相鄰兩條公路的位置分布情況，上方鄉(xiāng)村公路旁有碎石但未影響通行，中部園區(qū)公路暢通；骨架防護設(shè)施分布明顯，坡頂植物生長茂盛，且設(shè)有抗滑樁和排水溝；尚未發(fā)生地質(zhì)災(zāi)害，應(yīng)在精細巡檢中注意小型病害的發(fā)展情況。圖5 為測區(qū)三維模型，與二維數(shù)據(jù)相比，三維模型可視化效果極強，基于實景模型對邊坡病害進行標記及詳細分析，可充分發(fā)揮三維可視化的巨大優(yōu)勢[10]。

圖4 邊坡正射影像圖

圖5 邊坡三維模型

3.2 空三成果精度分析

空三精度對于后續(xù)測量成果精度的影響極大，本文根據(jù)控制點及空三匹配成果進行精度驗證，如表3 所示。經(jīng)分析，控制點的水平中誤差為0.41 cm，垂直中誤差為0.07 cm，達到了厘米級精度，這表明影像空三匹配效果較好，很大程度上確保了后續(xù)所建模型的精度。

表3 空三加密控制點誤差/cm

3.3 三維模型精度分析

中誤差作為誤差精度分析中效果較好的一種指標，常被用于衡量觀測精度[11]。本次實驗采用6 個檢查點對模型精度進行判定，將其坐標實測值與模型中對應(yīng)量測值進行對比分析，結(jié)合中誤差計算方式（見式1～4），即可得到模型成果的平面以及高程誤差，如表4、5所示。

表4 檢查點精度統(tǒng)計表/m

經(jīng)分析可知，本測區(qū)邊坡三維模型x方向、y方向的中誤差分別為0.077 m、0.058 m，其平面最大誤差為0.123 m、中誤差為0.097 m，高程最大誤差為0.065 m、中誤差為0.058 m。根據(jù)《三維地理信息模型數(shù)據(jù)產(chǎn)品規(guī)范》，Ⅰ級1∶500 成圖比例尺三維模型產(chǎn)品的平面中誤差應(yīng)小于0.3 m，高程中誤差應(yīng)小于0.5 m[12]，本次測區(qū)三維模型的平面及高程中誤差均小于該規(guī)范要求，精度較高，可用于實際邊坡工程應(yīng)用中。

表5 模型成果平面及高程誤差

3.4 精細巡檢成果及分析

通過對測區(qū)邊坡排水溝及防護結(jié)構(gòu)等重要區(qū)域的影像數(shù)據(jù)進行目視判別，該邊坡的的巖體結(jié)構(gòu)較為完整，有2 處局部巖體風化較為嚴重；坡頂1 處排水溝存在裂縫病害。此外，由于坡頂植物茂密，無人機無法判定隱藏于植被之下的地表病害，本文使用多邊形要素將無法判別的區(qū)域在模型中進行面狀標記，如圖6 所示，該區(qū)域后續(xù)可采用人工輔助巡檢，從而實現(xiàn)無人機+人工輔助式的測區(qū)范圍全覆蓋性巡檢，以充分確保邊坡安全。

圖6 病害信息標記

3.5 邊坡安全等級判定

依據(jù)《高速公路路塹高邊坡工程施工安全風險評估指南》，采用指標體系法，基于建設(shè)規(guī)模、地質(zhì)條件、誘發(fā)因素、施工環(huán)境、資料完整性5 大指標分類，結(jié)合測區(qū)實際情況，最終選取施工季節(jié)、坡形坡率、邊坡高度、地層巖性、周邊環(huán)境、自然災(zāi)害的影響、地質(zhì)資料7 個評估指標，且重要性由高到低依次排序為7～1，以此展開邊坡的安全等級判定。評估指標的權(quán)重計算如式（5），則所選7 個評估指標的權(quán)重系數(shù)依次為：0.020、0.061、0.102、0.143、0.184、0.224、0.265。根據(jù)總體風險評估指標體系表，結(jié)合測區(qū)實際情況，各評估指標的基本分值依次為100、100、100、85、80、45、100。

式中，r為權(quán)重系數(shù)；n為評估指標項數(shù)；m為重要性排號，m≤n。

邊坡安全總體風險按下式（6）、（7）計算確定：

式中，Xij為評估指標的分值；Rij為各指標基本分值；i=1,2,3,4,5；j=1,2，……，n。

計算可知該邊坡工程的總體風險值為81.84，風險等級為Ⅳ級，風險極高。因此，工作人員應(yīng)加強該邊坡的安全巡檢和監(jiān)測工作，采用無人機作業(yè)+人工巡檢的方式，詳細掌握邊坡病害的類型、位置、形成條件以及發(fā)展趨勢等情況并采取相應(yīng)防護措施，以保證邊坡長期安全。

4 Web端模型可視化

Wish3D Earth是基于底層WebGL技術(shù)所開發(fā)的集數(shù)據(jù)上傳、管理、展示和快速分享于一體的三維地球平臺[13]。本文基于該平臺實現(xiàn)測區(qū)三維模型的管理與可視化展示，通過對模型進行調(diào)整，使其與底圖影像間實現(xiàn)高度貼合。

5 結(jié) 論

本文基于整體巡檢和精細巡檢2種模式實現(xiàn)了病害信息在三維模型上的標記與管理，對成果精度進行驗證、邊坡安全等級進行了判定并實現(xiàn)了測區(qū)Web端的模型可視化。通過無人機攝影測量技術(shù)，加以人工輔助，結(jié)合2種巡檢模式，能夠及時發(fā)現(xiàn)邊坡隱患、預(yù)防事故突發(fā)，有效保障人員人身安全和避免更大的經(jīng)濟損失。后續(xù)將在上述工作的基礎(chǔ)上，基于開源的Cesium 三維開發(fā)框架，設(shè)計實現(xiàn)一套完整的邊坡數(shù)據(jù)管理與災(zāi)害預(yù)警系統(tǒng)，以實現(xiàn)數(shù)字邊坡智能化的信息管理。