基于无人机倾斜影像的建筑物震害提取研究

发布时间：2020-11-15 12:45

　　 无人机遥感在建筑物震害评估方面发挥着重要作用。它可以迅速航拍震后建筑物照片,提取建筑物破坏信息,预估破坏程度从而获取受灾情况,为国家救援提供决策资料。传统的遥感一般只能航拍受损建筑顶部影像,很难获取其侧面情况,从而使生成的正射影像缺少房屋建筑的侧面、高度、楼层数和占地面积等信息,导致建筑物震害评估的不准确。近年兴起的无人机倾斜摄影技术从多个角度拍摄建筑物的顶部和侧面照片,生成的三维模型不仅展现建筑物破坏的真实三维场景,而且较为准确的反映建筑物外墙破坏细节、高度和位置等信息。本文使用2017年四川九寨沟7.0级地震震后分辨率10cm的无人机倾斜影像研究提取建筑物破坏信息的方法,主要研究内容如下:(1)倾斜摄影技术建模生成的三维模型较好的表现单体建筑物侧面和顶面震害细节信息,然而模型的高维特性无法直接基于倾斜影像提取建筑物震害信息,经过降低维度或者点云分割获得的侧面纹理影像往往导致单体建筑物震害信息不清晰以及侧面纹理的杂乱破碎。针对这些问题,本文提出一种直接从九寨沟震后倾斜影像快速获取单体建筑物侧面纹理的新方法,即利用元素打散功能将三维模型打散,实现三维白模与贴图纹理的分离,获取单体建筑物较为完整的顶部和侧面影像信息,同时利用三维模型瓦片的坐标高程范围和单体建筑物的坐标高程选取最优纹理影像,并对纹理影像上单体建筑物外墙和墙皮脱落信息采用面向对象方法进行提取,通过对这些建筑物震害信息的分析,判定单体建筑物为中等和严重两个破坏等级。(2)结合面向对象多尺度分割算法与深度学习卷积神经网络训练模型,提取灾区群体建筑物震害信息。面向对象多尺度分割可以将不同的地物分割到不同的对象中,但是对于对象的波段、大小、纹理和空间位置等特征描述不全,降低了地物的识别分类的效率和精度特征,卷积神经网络通过深层次特征训练学习可以有效识别提取不同地物特征。本文首先使用目视解译群体建筑物顶面和侧面影像震害信息,并选取有震害信息的建筑物顶面和侧面构建训练样区,样区大小为100*100尺寸像素,样区分为三类:完好建筑物面图片标签1,破坏建筑物面图片标签2,其他地物和背景图片标签3。然后采用卷积神经网络VGG-16模型对样区进行训练、计算和分类。模型训练成功后,接着使用多尺度分割算法对建筑物顶面和侧面影像进行多尺度分割后,用构建的网络模型对建筑物顶面和侧面的震害信息进行提取,并将提取结果与目视结果进行比较分析。本文使用的九寨沟震后倾斜影像总面积约为0.3Km~2,建筑物量较少,对提取结果有一定影响;同时模型本质是等间隔瓦片分割的影像,有些建筑物的纹理影像复杂破碎,增加了提取的难度。
【学位单位】：中国地震局地震预测研究所
【学位级别】：硕士
【学位年份】：2019
【中图分类】：P237;TU746
【部分图文】：

论文总体框架

第二章 无人机倾斜影像的三维建模技术介绍这一章节主要叙述无人机倾斜航拍的照片构建三维模型的方法步骤、技术原理和本质特征。首先介绍本文使用的四旋翼无人机的详细参数数据以及本文生成三维影像的技术流程；然后阐述三维模型的构建过程、索引组织方式、地物位置计算方法和常见的倾斜模型数据格式；最后基于现场拍摄的房屋建筑破坏照片和无人机航拍的建筑物破坏影像，对建筑物破坏特征进行分析。2.1 震后遥感影像的获取本文使用大疆悟 INSPIRE 2 四旋翼无人机（图 2.1）航拍灾区遥感影像，该无人机系统包含大疆悟 INSPIRE 2 机身、4 对螺旋桨、云台相机 Zenmuse x5s、电池、遥控器等（引自大疆官网）。

本文使用无人机航拍九寨沟震后漳扎镇建筑物震害照片，经过照片拼集点云、生成网格、纹理映射后获取灾区 10cm 精度的反应现场建筑物场景的倾斜影像如图 2.2 和图 2.3 所示。
【相似文献】

相关期刊论文 前10条

1 郭明珠;吕欣欣;王亚昆;;国内外群体建筑物震害预测方法研究现状综述[J];防灾科技学院学报;2016年04期

2 袁玉;申旭辉;薛腾飞;张景发;;SAR图像变化检测提取建筑物震害信息的研究综述[J];地壳构造与地壳应力文集;2017年00期

3 刘汉雄;昆明市几种地基土的脉动观测研究[J];地震研究;1988年03期

4 刘军生;杨佳玲;邓联合;闵彦;;汶川5.12大地震建筑物震害分析[J];陕西建筑;2011年11期

5 徐敬海;李向阳;陈鼎超;;面向抗震防灾规划的建筑物震害评估方法[J];城市问题;2016年11期

6 梁永朵;姜金征;李莹;蒋越;惠杨;;建筑物震害预测方法研究[J];华北科技学院学报;2015年01期

7 王威;苏经宇;马东辉;韩阳;郭小东;王志涛;;基于范例推理的城市建筑物震害预测方法研究[J];西安建筑科技大学学报(自然科学版);2008年02期

8 李飞;孙伟伟;张顺宝;李辉;张蓓蕾;;利用“天地图”设计和研发建筑物震害风险信息平台[J];测绘通报;2017年05期

9 刘燕萍;董伟;黄毕双;李晋;杨芳;;基于两阶段支持向量机的群体建筑物震害预测方法[J];华南地震;2016年02期

10 王志涛;田杰;苏经宇;马东辉;郭小东;王威;;汶川地震建筑物震害浅析[J];工程抗震与加固改造;2008年06期

相关博士学位论文 前3条

1 窦爱霞;基于机载LiDAR数据的建筑物震害识别特征参数研究[D];中国地震局地质研究所;2018年

2 赵妍;建筑物震害遥感影像面向对象变化检测研究[D];中国地质大学(北京);2017年

3 焦其松;基于LiDAR的建筑物震害分析[D];中国地震局工程力学研究所;2015年

相关硕士学位论文 前10条

1 陈梦;基于深度学习的建筑物震害遥感识别研究[D];中国地震局地震预测研究所;2019年

2 荆帅军;基于无人机倾斜影像的建筑物震害提取研究[D];中国地震局地震预测研究所;2019年

3 付博;基于无人机正射影像的建筑物震害识别研究[D];中国地震局地质研究所;2018年

4 甘甜;基于高分辨率遥感影像数据的建筑物震害信息分类提取研究[D];云南师范大学;2015年

5 姜开兴;城市建筑物震害预测方法研究[D];北京工业大学;2008年

6 程坤;单体建筑物震害快速评估研究[D];大连理工大学;2011年

7 王彬彬;基于支持向量机的建筑物震害预测方法研究[D];华中科技大学;2009年

8 宿渊源;多源遥感数据建筑物震害信息联合分析[D];中国地震局地壳应力研究所;2015年

9 张雪华;基于无人机影像的面向对象建筑物震害提取研究[D];中国地震局地震预测研究所;2017年

10 崔丽萍;高分SAR建筑物震害检测方法研究[D];中国地震局地震预测研究所;2016年

本文编号：2884778