无人机在矿山监测中的应用.ppt

* 北 航摄成果之（2） 倾斜摄影 * 北 倾斜摄影 局部影像 垂直向下 * 由北向南 由南向北 像片控制点布设与施测 像控点布设 * 像控点测量 布设数量：300 测量方式：GPS-RTK 影像处理与制图 基于SIFT特征与最小二乘的影像自动匹配 基于SIFT算法的特征提取 SIFT（Scale Invariant Feature Transformation）即尺度不变特征变换，分四个步骤：①尺度空间建立；②特征点定位；③特征点主角度计算；④特征描述子计算。 基于矩与马氏距离特征点匹配 构建一个从小区域到大范围的特征点匹配过程。 最小二乘匹配 是一种基于灰度的匹配方法，可以达到1/10~1/100像素的精度，被称为“高精度图像匹配”。使用该算法目的是以进一步在基于特征匹配的基础上提高单点的匹配精度。 * 基于SIFT特征与最小二乘的影像自动匹配 * * 错误点 光束法空中三角测量 利用附加参数的系统误差自检校 采用若干附加参数描述的系统误差模型，在区域网平差的同时解求这些附加参数，达到自动测定和消除系统误差目的。 自检校模型 Lens Distortion Model (2) Bauer’s Simple Model (3) Jacobsen’s Simple Model (4) Ebner’s Orthogonal Model (12) Brown’s Physical Model (14) * 空三加密精度分析 名　　称 RMSE 单位 总体误差 4.4735 像素 控制点大地误差 X = 0.3507 , Y = 0.3559 , Z = 0.8043 m 控制点像元误差 x = 3.0490, y = 4.2367 像素 检查点大地误差 X = 0.9129, Y = 0.2232 , Z =2.2616 m * 无错误检查时： 错误检查后（Time Saving Robust Checking）： 名　　称 RMSE 单位 总体误差 0.8106 像素 控制点大地误差 X = 0.1147 , Y = 0.0741 , Z = 0.3456 m 控制点像元误差 x = 0.8644, y = 0.8979 像素 检查点大地误差 X = 0.1273, Y = 0.1618, Z =0.2596 m 附加参数的系统误差自检校精度分析 检校模型 总体误差，单位（pixel） ?无 0.8106 Lens Distortion Model (2) 0.8101 Bauer’s Simple Model (3) 0.8087 Jacobsen’s Simple Model (4) 0.8084 Ebner’s Orthogonal Model (12) 0.8043 Brown’s Physical Model (14) 0.8031 * DEM和DOM生成与镶嵌 倾斜影像图 * * * * 4. 地理矿情监测应用 数字矿山建设 矿产资源监测 村庄压占拆迁快速测量与评估 矿区地质灾害监测 矿区灾害应急救援指挥 4.1 数字矿山建设 数字矿山建设是矿山信息化管理的重要手段,它的建设需要基础地理信息数据, 包括遥感影像、地形图和DEM数据等。 随着矿山建设飞速发展，需要及时地不断更新基础地理数据。 * 4.1 数字矿山建设 目前矿山企业主要是采用常量测量手段, 周期长, 费用高, 难以适应数字矿山建设需求。 多数矿山在偏僻山区, 不适宜大飞机作业 。无人机可以弥补上述不足，可随时获取动态变化数据,满足数字矿山建设的需求。 * 4.2 矿产资源监测 由于矿山资源的稀缺性和不可再生的特点, 出现了多起乱采、乱挖矿山的现象, 特别是有一些无证开采的矿山靠人力监管已经无能为力, 需要高科技的手段才能有效管理。 * 4.2 矿产资源监测 利用无人机技术可以实现空中监视，无需到达目标区即可取证, 可以有效地实现监管, 有力地打击违法开采资源的活动。 * 甘肃酒泉铁铜多金属矿区铁矿无证开采点 生产监督、管理与土地复垦 内蒙古准格尔旗黑岱沟整治区关闭一批煤矿 * 4.3 村庄压占拆迁快速测量与评估 矿山建设发展过程中，需要对矿井周边原有居民地等地面建（构）筑物进行调查，测算征迁补偿费用。这一工作任务重，尤其是进入居民区，容易引起民心恐慌，激化企业与地方矛盾，导致影响地表附属物的调查结果与质量，不利于企业的可持续发展，更不利于矿业集团公司发展战略的稳步实施。 因此摸清查准地表附属物的补偿数量与结构，对于精确测算补偿费用，切实维护当地政府、农民与企业的利益，意义十分重大。通过采用传统的拆迁测量方式进行地表附属物的面积及结构统计显然不能有效满足矿业集团这一特殊需要。 * 4.3 村庄压占