基于无人机影像的面向对象建筑物震害提取研究

来源 :中国地震局地震预测研究所 | 被引量 : 12次 | 上传用户:ziquan33071033
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
地震发生后及时获取灾区的遥感影像可为应急救援、指挥决策和灾害评估等提供可靠的数据支撑。低空无人机遥感系统弥补了卫星遥感受天气影响较大和卫星过境时效性等方面的不足,同时具备轻便灵活、受天气影响较小、场地条件限制小、可深入人员无法进入的灾区获取影像等特点,在地震应急中发挥着日益重要的作用。地震发生时建筑物的损坏是造成人员伤亡和经济损失的重要因素,因此开展建筑物破坏的精准评估和快速自动提取对减轻灾害损失具有重要意义。低空无人机遥感系统可以快速获取灾区的高分辨率正射影像。通过高分辨率的正射影像可以第一时间了解每一地区的受灾情况,从而更加科学合理地指挥应急救援、物资投放等。但是,在依据建筑物破坏进行烈度或损失评估等时,正射影像仅能获取建筑物的顶部信息,难以获取底部或墙体倒塌受损的建筑物震害信息,这在一定程度上限制了灾害损失评估的精度。近几年快速发展的无人机倾斜摄影技术很好地解决了这一难题。倾斜摄影技术可以从多个角度对建筑物进行影像拍摄,不仅可以获取建筑物的顶部信息,还可以获取墙体裂缝或者楼梯倒塌等三维立体震害特征。在建筑物震害的自动提取方面,传统的数据源为灾区的正射影像,使用建筑物的二维平面特征进行震害提取,而使用倾斜摄影技术可生成建筑物的三维特征。已有研究表明结合建筑物三维特征可在一定程度上提高建筑物震害的提取精度。为探讨倾斜摄影无人机影像的震害表现特征与其在震害自动提取方面的应用,本文以北川老县城为研究区,通过无人机低空遥感系统采集研究区高分辨率正射和倾斜影像,结合三维建模技术生成高分辨率的地面三维模型、密集点云数据和DOM(Digital Orthophoto Map,数字正射影像图)。基于以上数据,本文研究工作主要分为以下两个部分:(1)结合研究区结构类型损坏特点,构建基于倾斜影像特征的建筑物震害精细分类体系,将该地区建筑物破坏类型分为3大类11小类,并对各个类型的三维震害特点与实地调查结果进行对比分析。结果表明,使用高分辨率的三维影像可以对建筑物进行更加精细的震害类型区分,除了轻微的墙体裂缝难以观察到外,其他震害特点基本与实地调查结果一致,实现了正射影像震害解译向实地震害调查的过渡,能够进行较轻微震害和较低地震烈度的遥感评估。(2)在建筑物震害自动提取方面,结合建筑物三维特征信息可以有效提高其提取精度。本文提出使用无人机影像重构点云数据提取建筑物三维特征,结合DOM进行建筑物震害自动提取的方法。首先使用地物表面高程网格化计算方法对重构点云进行处理,然后使用面向对象方法对无人机DOM、DOM+ nDSM(Normalized Digital Surface Model,归一化数字表面模型)、基于无人机重构点云建筑物坡度特征+nDSM三种数据对研究区进行了建筑物震害自动提取实验,并将实验结果与目视解译结果进行对比,结果表明相比于使用单一的正射影像,结合nDSM辅助数据的正射影像和使用坡度信息的建筑物震害的面向对象的分类结果具有较高的分类精度。本文研究结果显示,无人机低空遥感技术为地震应急救援和灾害损失评估等提供了快速、可靠的数据支撑,同时倾斜摄影技术的发展为建筑物震害的精准评估提供了有效途径,实现了正射影像震害解译向地面震害调查的过渡。利用倾斜摄影技术提供的建筑物三维震害特征作为辅助数据,可以提高建筑物震害的提取精度。因此,低空无人机倾斜摄影技术在地震应急救援、烈度评估和损失评估等方面必将显示重要的应用前景。
其他文献
利用中国南极洲昆仑站的小望远镜阵列得到的测光数据对食双星CSTAR083768进行了研究.相位弥散计算确定轨道周期P=0.384113d.2003版的Wilson-Devinney程序对光变曲线进行模拟
<正>在当前我国经济下行压力较大、产业结构分化、经济增长动能亟待转换的背景下,大力发展新经济既是积极应对新产业革命挑战的战略选择,也是我国通过供给侧结构性改革优化资
<正>在经济领域中,好的法律制度,是设定清晰而合理的框架,让企业与公民在框架之下获得发展的自由,增强企业的经济的活力与韧性,而不是通过制度限制自由,让企业畏首畏尾。前段
摘 要 目的:评价自制颈康枕在颈椎病治疗中的应用价值。方法:收集颈椎病患者72例,随机分为研究组和对照组各36例,研究组给予自制颈康枕,颈椎操保健指导;对照组采用颌颈牵引、推拿、按摩。对研究组和对照组在疗效、病程长短等方面进行回顾性分析。结果:研究组在疗效、费用等方面明显优于对照组(P<0.05)。 结论:研究组方法简易不受时间地点限制,疗程短,创伤小,复发率低,具有重要的临床应用价值。  关键