于歡 趙成強

摘 要：最近10年，我國平均每年都會發(fā)生地質(zhì)災(zāi)害16768起，造成的直接經(jīng)濟損失達44.4億元，其中，滑坡發(fā)生率占到了66%。地質(zhì)災(zāi)害發(fā)生區(qū)由于復(fù)雜的地質(zhì)條件、持續(xù)不斷的災(zāi)情，我們急需一種能夠快速、準確、非接觸的測量方式，這對災(zāi)害評估與災(zāi)害防治至關(guān)重要。雙目立體視覺經(jīng)過30多年的發(fā)展，具有方便、準確、快速的特點，完全能夠完成滑坡堆積體體積測量的任務(wù)。

關(guān)鍵詞：雙目立體視覺 滑坡堆積 體積測量

中圖分類號：U215.8 文獻標識碼：A 文章編號：1674-098X（2018）02（a）-0111-02

在眾多地質(zhì)災(zāi)害中，滑坡成為了發(fā)生頻率最高的地質(zhì)災(zāi)害。就地質(zhì)災(zāi)害的危害性而言，滑坡給人類所帶來的災(zāi)難性后果僅次于地震，它具有分布廣、發(fā)生頻率高、運動快、災(zāi)害損失嚴重、預(yù)測難等特點。在我國，有70%的領(lǐng)域為山區(qū)，這就使得滑坡發(fā)生的密度大、類型齊全、爆發(fā)頻繁、規(guī)模巨大，危害非常嚴重[1]。特別是近20年以來，隨著城鎮(zhèn)化大規(guī)模發(fā)展，人類活動空間的范圍逐漸增大，人類工程活動對地質(zhì)環(huán)境擾動程度的不斷加劇，加之受到全球極端氣候變化及地殼活動程度加劇等因素的影響，滑坡事件發(fā)生的頻率和強度均呈增長趨勢[2-3]。

頻繁發(fā)生的滑坡災(zāi)害早已引起了國際社會的廣泛關(guān)注和重視，而面對如此嚴峻的災(zāi)害形勢，防災(zāi)減災(zāi)能夠很好的降低滑坡災(zāi)害所帶來的危害。在21世紀以前，滑坡災(zāi)害主要是依據(jù)傳統(tǒng)地質(zhì)成因機制和工程治理技術(shù)相結(jié)合的方法來達到防災(zāi)減災(zāi)的目的，但是隨著科學(xué)技術(shù)的發(fā)展，滑坡災(zāi)害防治的手段不斷由地質(zhì)學(xué)、工程治理向滑坡災(zāi)害監(jiān)測預(yù)警、風(fēng)險評估與管理等方面綜合延伸和發(fā)展。其中，對滑坡堆積體進行有效準確的測量在防災(zāi)減災(zāi)中顯得尤為重要。因此，滑坡堆積體體積測量不僅是一個前沿性的研究課題，更是防災(zāi)減災(zāi)手段發(fā)展中所迫切需要解決的重要實際問題。

1 國內(nèi)外現(xiàn)狀

20世紀80年代，美國的Marr教授在麻省理工學(xué)院人工智能實驗室從事研究工作。他首次提出了一個計算機視覺理論框架，它將神經(jīng)生物學(xué)、圖像處理、心理物理學(xué)及臨床神經(jīng)學(xué)等方面的成果通過信息處理的角度整合成了一個較為完善的理論體系。人們將這個理論框架稱為Marr視覺理論。之后，各國的研究人員根據(jù)他的思路不斷地添加補充完善他所提出的理論框架，形成了很多的分支，同時取得了大量的科研成果。其中，一個重要的分支就是雙目立體視覺。國內(nèi)外許多的高校和科研院所都對它進行理論研究和應(yīng)用開發(fā)，并被廣泛應(yīng)用到災(zāi)害防治、導(dǎo)航、探傷等領(lǐng)域。

當前，計算機視覺在美國、日本、歐洲等區(qū)域在雙目立體視覺領(lǐng)域的研究起步早、發(fā)展相對迅速，研究理論相對成熟。其中，具有代表性的應(yīng)用實例有：希臘雅典國立技術(shù)大學(xué)提出了一種用于小物體三維表面測量的雙目機器視覺系統(tǒng)。它是一種新型的用于測量直徑小于1cm物體的系統(tǒng)，魯棒性好，誤差控制在0.04mm，應(yīng)用于工藝品質(zhì)控制、考古學(xué)和生物學(xué)。土耳其梅爾瓦那大學(xué)在牙科手術(shù)的正頜矯正中利用雙目立體視覺進行三維非接觸測量，該方法采用人工智能來提高準確性，測量誤差被最小化并保持在可接受的范圍內(nèi)，今后可能被大量運用到易出錯率較高的人工測量領(lǐng)域。日本岡山大學(xué)研制了一種視覺反饋系統(tǒng)，該系統(tǒng)由立體顯微鏡、微操作器、CCD攝像頭等組成，主要應(yīng)用于對細胞進行操作研究等。

相對全球來說，在機器視覺領(lǐng)域，中國的占比還不到10%。中國相對于歐美國家起步較晚，但是近幾年各個科研機構(gòu)投入了大量財力和物力，在雙目立體視覺領(lǐng)域發(fā)展相當迅速，也取得了豐碩的成果。例如：維視公司利用CCD相機，實現(xiàn)了虛擬現(xiàn)實和三維重建技術(shù)等領(lǐng)域的應(yīng)用。浙江大學(xué)采用針孔成像原理，利用雙目視覺實現(xiàn)了三維重建，并且精度高、速度快，在動態(tài)情況下也可以很好地測量。在火星863計劃課題中，采用機器視覺可以實現(xiàn)人體三維尺寸非接觸的測量，并且已經(jīng)運用到了解放軍后勤部，人體數(shù)據(jù)采集小于5s/人，測量精度為1cm。北京理工大學(xué)提出了具有3D物體的精確周長測量的雙目立體視覺測量系統(tǒng)，它通過兩個CCD攝像機的雙目立體視覺測量系統(tǒng)采集圖像，在兩個CCD圖像中準確地收斂到物體的輪廓邊緣，最終三維重建檢測出3D物體的真實周長。大連理工大學(xué)提出了一種基于多視野視覺系統(tǒng)的大型物體的場測量方法，可以將從不同視圖獲取的大型物體的局部維數(shù)變換為相同的坐標系來完成物體整體尺寸的測量。我國正處于技術(shù)轉(zhuǎn)型期，國內(nèi)對雙目視視覺的研究和使用剛剛處于起步階段，尚需大量研究、發(fā)展和應(yīng)用[4]。

2 研究內(nèi)容

查閱相關(guān)文獻資料，我們知道有很多的方法和手段來計算滑坡堆積體的體積。第一種方法，我們可以通過無人機或LIDAR（Light Detection and Ranging）等方式獲得滑坡地區(qū)在發(fā)生地質(zhì)災(zāi)害（如滑坡）前后的相關(guān)地形數(shù)據(jù)，通過分析對比這些相關(guān)地形數(shù)據(jù)，從而計算出堆積體的體積。第二種方法，通過建立一種基于物質(zhì)平衡的體積估算模型，該模型通過堆積體投影面積和體積之間的關(guān)系，最終計算出整個堆積體的體積。第三種方法，利用三維激光掃描儀，實地測量滑坡堆積體的各項參數(shù)，建立幾何模型，達到計算堆積體體積的目的。就第一種而言，它只能針對小面積的滑坡測量需要，如果發(fā)生大面積的滑坡，地形測繪的花費將會相當昂貴，不具有廣泛性。第二種方法的適用范圍很廣，但是缺乏嚴謹?shù)臄?shù)學(xué)理論支撐，有待進一步發(fā)展完善。第三種方法需要采集大量數(shù)據(jù)信息，建立幾何模型也耗費很多時間，在實時性上有待提高。

根據(jù)野外實地測量條件的需要，針對滑坡堆積體體積計算的問題，本文擬采用計算機技術(shù)、圖像采集處理和數(shù)據(jù)存儲技術(shù)、雙目立體視覺技術(shù)選擇典型滑坡堆積體，使用雙目攝像機采用非接觸的方法，進行快速、有效的測量，獲取滑坡堆積體的三維圖像信息。本文重要研究內(nèi)容如下：（1）圖像采集，本文采用兩個相機作為圖像采集工具。（2）雙目標定，本文分析多種標定方法，其中主要研究了張正友算法及其改良算法，實現(xiàn)了實驗系統(tǒng)的參數(shù)標定。（3）圖像處理，這里主要的內(nèi)容為特征提取和匹配以及去噪處理，對采集的兩幅圖像通過Harris算法檢測角點，然后建立鄰域窗口特征匹配。（4）三維重建，通過對特征點的三維重建，近似擬合出幾何模型。（5）體積測量，通過三維重建擬合出的近似幾何模型，通過三維點坐標計算，最終實現(xiàn)體積測量[5]。

3 結(jié)語

由于一些地震發(fā)生區(qū)和滑坡高發(fā)區(qū)惡劣的地質(zhì)條件、陡峭的山坡、茂密的山林、破裂的巖石、頻發(fā)的滑坡或余震，滑坡堆積體隨時都有可能再次發(fā)生破壞。這使得野外勘察工作無法正常有序地開展，也可能危及勘察人員的生命財產(chǎn)安全。在這種情形下，我們傳統(tǒng)的勘察工作方法難以適應(yīng)惡劣條件的要求，迫切需要一種新的勘察技術(shù)方法，它能夠快速、有效、靈活地進行野外勘察測量，較為準確地測量滑坡堆積體的體積。

本文的測量方法為快速、準確地測量滑坡體的體積提供了一種全新的思路。該方法提高了檢測的精度和速度，保障了檢測人員的生命安全，具有較強的研究價值和市場價值。

參考文獻

[1] 陳展鵬，雷廷武，晏清洪，等.汶川震區(qū)滑坡堆積體體積三維激光掃描儀測量與計算方法[J].農(nóng)業(yè)工程學(xué)報，2013，29（8）：135-144.

[2] 張開玉.基于SURF的雙目立體視覺三維重建[D].太原：太原理工大學(xué)，2013.

[3] 鄧輝.高精度衛(wèi)星遙感技術(shù)在地質(zhì)災(zāi)害調(diào)查與評價中的應(yīng)用[D].成都：成都理工大學(xué)，2007.

[4] 毛琳琳.基于雙目立體視覺的大堆物料體積測量方法研究[D].杭州：中國計量學(xué)院，2015.

[5] 王俊孟.基于雙目立體視覺的傳送帶上煤的動態(tài)體積測量研究[D].焦作：河南理工大學(xué)，2014.