基于视频探测的岩质边坡稳定性分析方法

摘要

本发明公开了一种基于视频探测的岩质边坡稳定性分析方法，其特征在于：包括下述步骤，通过鱼眼摄像头对边坡钻孔进行摄像，并将鱼眼摄像头的深度值置于计算机内；计算机对鱼眼摄像头摄取的鱼眼图进行计算和处理，将鱼眼图恢复到真实的钻孔柱状图形中；将柱状图展开成平面图，并将柱状图依次拼接，得到整个边坡钻孔的全景展开图；扫描全景展开图，运用空间解析几何算法得出节理的参数，将全景展开图恢复为带节理参数的全景柱状图。本发明通过视频探测装置和计算机计算处理系统，可以对边坡钻孔进行整体的判断和计算，使得只需要受到过基本训练的工作人员即可操作本系统，完成对边坡稳定的探测。

说明书

技术领域

本发明涉及一种基于视频探测的岩质边坡稳定性分析方法，属于岩质边坡稳定性分析技术领域。

背景技术

在现有技术中，判断边坡滑坡的类型和计算其稳定性所取的参数都是通过人工观察、判断和计算的。这就需要花掉大量的时间来进行前期勘测工作，而且对工程师的要求也很高，必须经过长时间的工作和实践积累起丰富的经验。在以前的技术中，判断边坡滑坡的类型和计算其稳定性都是靠经验及其丰富的工程师进行人工观察、判断和计算的。这就需要花掉大量的时间来进行前期勘测工程，而且这里对工程师的要求也很高，必须经过长时间的工作和实践积累起丰富的经验。因此勘测工程难度大，周期长。

发明内容

本发明的目的：提供一种基于视频探测的岩质边坡稳定性分析方法，通过视频探测然后由计算机对原始数据进行处理，提高勘测工作效率和降低工作难度。

本发明的实现：基于视频探测的岩质边坡稳定性分析方法，包括下述步骤：

a、通过鱼眼摄像头对边坡钻孔进行摄像，摄取的图像经专用电缆传输至计算机内进行数字化处理；鱼眼摄像头的测量轮实时测量鱼眼摄像头所处的位置，并将鱼眼摄像头的深度值置于计算机内；

b、计算机对鱼眼摄像头摄取的鱼眼图进行计算和处理，运用半鱼眼恢复算法将鱼眼图恢复到真实的钻孔柱状图形中；

c、将柱状图展开成平面图，并将上下展开的柱状图依次拼接，得到整个边坡钻孔的全景展开图；

d、扫描全景展开图，运用空间解析几何算法得出节理的参数，将全景展开图恢复为带节理参数的全景柱状图。

上述步骤b中，对鱼眼图的处理包括提取鱼眼图轮廓、校正拍摄的鱼眼图为标准正圆鱼眼图、提取标准正圆鱼眼图的圆心坐标、通过半角鱼眼恢复算法将将平面投影转化成柱面投影图。

上述步骤c中，对柱形图的拼接采用相似曲线匹配原理进行拼接：对每一幅图像从左至右依次计算每一行中梯度最大的点,将该点的坐标记录下来，将所得的梯度最大点的坐标描出来，在上下两幅图像上分别得到两条曲线，比较这两条曲线，从中找出相似的一段曲线，这段相似曲线的起始位置即为得到的重叠区域的起始坐标（x，y），y值即为上下图拼接处的图片高度值；取上图的0至y行，下图的0至最后一行，构成一张完整的上下拼接图。

具体方法：对全景展开图进行扫描，分辨节理，找出每层节理的边界范围，将节理边界线恢复到全景柱状图上，计算边界线所在平面的最大倾斜角，然后计算节理的参数，即岩层产状三要素：走向、倾向、倾角。 

本发明通过视频探测装置和计算机计算处理系统，可以对边坡钻孔进行整体的判断和计算，使得只需要受过基本训练的工作人员即可操作本系统，完成对边坡稳定的探测。本发明大大的提高了对边坡稳定的探测判断的准确性和工作效率，也对工作人员的要求大大降低，以前必须是有资深级别和工作经验极其丰富的高级工程师进行判断，现在本领域的普通工程师经过培训后也能够进行操作，从而节省了大量的人力资源。这样对边坡判断工作的时间和物力资源也大大降低。

附图说明

附图1为球面模型的投影示意图；

附图2为半角鱼眼投影模型的示意图；

附图3为半角鱼眼投影模型的投影示意图；

附图4为平面投影与柱面投影之间的转换示意图；

附图5为半鱼眼恢复算法的程序流程图；

附图6为环绕拍摄照片柱面全景图与鱼眼镜头的投影关系图a；

附图7为环绕拍摄照片柱面全景图与鱼眼镜头的投影关系图b；

附图8为环绕拍摄照片柱面全景图与鱼眼镜头的投影关系图c；

附图9为柱面投影图与平面图之间的几何关系图；

附图10为柱面全景图展开示意图；

附图11为节理参数岩层产状三要素的示意图；

附图12为节理参数的求解流程图；

附图13为展开全景图的节理示意图；

附图14为带节理的展开全景图恢复的全景柱状图。

具体实施方式

本发明的实施方式：本发明的基于视频探测的岩质边坡稳定性分析方法，包括下述步骤：

a、通过鱼眼摄像头对边坡钻孔进行摄像，摄取的图像经专用电缆传输至计算机内进行数字化处理；鱼眼摄像头的测量轮实时测量鱼眼摄像头所处的位置，并将鱼眼摄像头的深度值置于计算机内；

b、计算机对鱼眼摄像头摄取的鱼眼图进行计算和处理，运用半鱼眼恢复算法将鱼眼图恢复到真实的钻孔柱状图形中；

c、将柱状图展开成平面图，并将上下展开的柱状图依次拼接，得到整个边坡钻孔的全景展开图；

d、扫描全景展开图，运用空间解析几何算法得出节理的参数，将全景展开图恢复为带节理参数的全景柱状图。

下面结合附图详细说明本发明的原理：

鱼眼镜头，是一种短焦距(f=6-16mm)大视场(视场角约为                                                甚至)摄像镜头，其前面的透镜似鼓起的鱼眼。由于鱼眼镜头的焦距很短，视角较大，最高可达230°，拍摄的画面呈圆形或矩形，画面中心与四周的感光不均匀，影像变形严重，景物的透视点得到极大的夸张。鱼眼镜头因视角较大而具有广泛的用途，但是所生成的鱼眼图像变形严重，需要对鱼眼图像进行矫正。本实例使用的是Circular Image Fisheye(f=6.5-8mm)，成像区域为圆形，视角近似于180°180°，或者更大。代表镜头有：尼康 FC-E8 Fisheye Converter Lens。

欲把鱼眼镜头拍摄的图像恢复到一般平面照相机图片，首先要先了解鱼眼镜头的成像原理，即鱼眼镜头的球面投影模型。推导物体平面垂直正对照相机光轴示的简单模型，再分析物体平面发生偏转时的情况。理想化的鱼眼镜头可以用球面模型来描述，它有两个属性:

(1) 视角(field of view)为180°,所以产生的图像为一个圆，而且对称于图像中心。水平和垂直防线的直线，沿着圆心，被扭曲成圆弧状，称为“桶状”形变，离圆心越靠外，形变越严重。

(2) 镜头的景深(depth of view)为无限，即照片中的所有物体都在焦距上。

鱼眼镜头照片的非线性变形，由两条规则决定：方位角不变和等距投影。方向角不变规则规定：投影平面上像素点和Y轴的夹角α，由空间物体所在平面（与投影平面垂直）和Y轴的夹角相同。

如图1所示球面模型，P1和P2尽管高度、球心距都不相同，但处在同一个平面内，所以他们在投影平面上的点的α角相同。等距投影规则：投影平面上像素点与投影平面征信的距离决定于实际物体和照相机光轴方向（Z轴）的夹角，如图1中的β角。根据上述球面模型和规则，可以得到完整的描述鱼眼镜头形变的映射公式。

把鱼眼图象变换成透视投影图像，往往采用球面投影的方法，这种方法需要预先知道鱼眼图像的光学中心和变换球面的半径。鱼眼图像都为圆形区域并假设其视角为180°。在这种假设下图像的中心即为光学中心，图像的半径即为变换球面的半径。但是所获得的鱼眼图像的视角并非都达到180°，更何况很多图像是矩形的。无法直接确定其光学中心和视角，从而无法确定变换球面的半径。

在计算机图形绘制中，当精度要求不大时，鱼眼投影模型可以用一种简单的情况，即半球鱼眼投影（Hemispherical fisheye projection）。如图2所示，孔孔壁上的任意点P2与鱼眼镜头的焦点O的连线与半球相较于半球面上一点P1，P1点平行投影到平面上，在平面投影图上得到一个与半球等直径的平面圆图。

把半球面上的点平行投影到平面上，在图像平面上得到一个圆形的图像(如图4见说明书摘要)。半球投影视角范围最大到180°。在0°附近，投影图像几乎没有变形。但是在平面的边缘（±90°）变形很大，图像拥挤。由于鱼眼投影的这种放射性变形，丢失了边缘图形的信息。

在本发明中，对鱼眼图的处理包括提取鱼眼图轮廓、校正拍摄的鱼眼图为标准正圆鱼眼图、提取标准正圆鱼眼图的圆心坐标、通过半角鱼眼恢复算法将将平面投影转化成柱面投影图，具体如下。

一、在将鱼眼图片展开为方形图之前, 首先需要提取出相应的鱼眼图片轮廓。采用判断灰度值跳变的方法完成：鱼眼图像在圆形区域外像素点的灰度值很小，而在圆形区域内灰度值很小的像素点是比较少的,可以定义一个较小的阈值T，取（T=40），按此阈值对图像进行采用下面的步骤实现:

① 首先扫描鱼眼图所有像素点的并求出其颜色值，然后求出颜色的RGB值（即颜色的红、绿、蓝三基色值）。在VB中的求法为： R = C And &HFF，G = (C And 65280) / 256，B = (C And &HFF0000) / 65536）。最后计算出像素点的灰度值Y = 0.299×R + 0.587×G+ 0.114×B；（C为像素点的颜色值）

② 在垂直方向上, 先从上至下扫描整幅鱼眼照片,扫描循环中记录发生第一次有灰度值跳变的点的坐标值, 记录为圆形图的起始位置, 作为圆形图的最上面一点T；

③ 从反向以与步骤②相同的方法进行扫描, 同样得到一点，作为圆形图的最下端一点B；

④ 在水平方向上重复步骤② , 分别记录为圆形图最左点L和最右点R。

二、校正鱼眼图为标准正圆鱼眼图

有些鱼眼镜头采用183°视角而非180°，得到的鱼眼照片就不会是一张正圆的鱼眼照片而是长短轴不等的椭圆形。椭圆照片会给后面的校正算法带来不必要的计算麻烦，所以有必要先把鱼眼图校正成标准的正圆鱼眼图。

在步骤1提取鱼眼图结果的基础上，计算LR和TB的距离即椭圆长短轴的长度。如果两者不等则按照它们的比值将原图进行压缩或拉伸, 使得椭圆形图变为标准正圆图。

三、提取标准正圆鱼眼图的圆心坐标。

欲将鱼眼图像恢复成实际场景的图像，其前提是必须提取出鱼眼图像的轮廓，即精确地求出圆形区域的半径r和圆心坐标（X,Y），并以圆心坐标为原点进行下一步计算。

四、半角鱼眼恢复算法，将平面投影转化成柱面投影。

图4描述了钻孔鱼眼镜头的拍摄情况。拍摄时，鱼眼镜头放在钻孔口（或者孔深为H处），拍摄180°或者183°视角范围内的钻孔孔壁图片。根据等角鱼眼投影原理，可以得到简单的恢复算法。该算法的目的是推导目标图(孔壁真实情况图)和源图(鱼眼照片)像素之间的映射关系。源图投影到目标图的过程称为正投影，目标图投影到源图的过程称为反投影。半鱼眼恢复算法就是将平面投影转化成柱面投影的计算过程，具体的实现过程如图5的程序流程图。

五、正投影求解步骤：

① 计算P点距标准圆圆心距离，夹角 (r为标准圆半径)；

② 由于在同一三角形中，夹角相同，得出P2点坐标（X ，Y）。

,                    (1-2)

其中R为洞口半径，如果从变形的鱼眼图像出发，计算每一点经过变换后到目标图的坐标，将该点的像素信息赋值给目标图上的点，这是最直观的方法。可是从图4中可看出，恢复后的目标图，比鱼眼照片的尺寸大很多，用一一映射的方法，会在目标图上留下许多空隙点。所以我们采用从目标图像出发，反向计算源图像上对应点的坐标，使用多对一的映射关系取样像素，即反投影。

六、反投影求解步骤：

① 夹角 (r为标准圆半径)；

② 计算P点距标准圆圆心距离；

③ 由于在同一三角形中，夹角α相同，得出P点坐标（x ，y）。

 ，                 (1-3)

其中R为钻孔口半径。

根据半角鱼眼恢复算法计算结果，可以得出鱼眼图所对应的钻孔孔壁柱面图。

但是柱面图还是无法方便的阅读，所以必须将柱面图展开成平面图。

利用类似于环绕拍摄数码照片（如图6~8）无缝连接成一幅长度很宽的柱面全景图的原理，把洞壁柱面全景图展开成平面图。当镜头对准AB方位，成像范围为OA到OB。由于环绕拍摄，全图照片外切于圆周，现在应把切线AB缩放成圆弧（如图7），再去掉相邻照片上重叠的部分。

如上所述，反用环绕拍摄数码照片无缝连接柱面全景图的原理，把洞壁柱面全景图展开成一张平面图,即由圆柱弧面扩大到平面ABCD。柱面投影图与平面图之间的几何关系见图9。

计算公式：

                       (1-4)

                         (1-5)

其中r 为标准圆半径，(即ON的长度)。

由于ΔOPP₁相似于ΔOPP₁＇（见图9） 故：

            (1-6)

钻孔柱面全景图展开

把上述展开原理运用到柱面全景图展开，不同之处在于环绕拍摄照片是一周照片连接成圆柱面全景图，所以在展开时，y值对应的是不同的高度。然而，钻孔鱼眼图是一张平面照片，各像素点的圆心距控制了对应在钻孔孔壁上的高度，相当于y值。所以，在钻孔柱面全景图展开时，如图10最终展开图上的点P0的坐标中，值由上述展开原理确定，而h值由半角鱼眼恢复算法确定。

具体步骤如下：

① 将标准正圆鱼眼图分成相等的4份（PART1-4），从下部四分之一圆向上逆时针编号。先扫描PART1，恢复到柱状图；

② 由于柱面全景展开图比鱼眼图大，为了防止出现空隙像素点，同样采用反投影法——从展开图反投影到鱼眼图；

X坐标的投影法如上所述： 

③ P0的h值由半角鱼眼恢复算法得出；

④ 重复②，③展开PART2-4。

图像拼接：为了合成全景图，需要首先找到图像间的偏移量，使得空间中的同一场景在两幅相邻的两幅图片上完全重合，这一过程称之为图像拼接。全景图拼接是指利用照相机平移或旋转得到的部分重叠的图像样本生成一个较大的甚至左右（上下）对接的全方位图像的场景绘制方法。

为了观测钻孔孔壁情况，试验从钻孔口到洞钻孔底拍摄了一组鱼眼照片，记录了不同深度洞壁的层理特征。要将上下图之间连接起来，构成一张完整的钻孔孔壁产状图。但是由于拍摄条件的限制，不可能达到连续拍摄而无重叠拍摄的精确程度。所以，相邻的上下两副照片会有重叠部分，必须经过扫描准确找出重叠区域并去除，然后连接上下两幅图合成一幅。最终用相同方法，合成一幅完整的孔壁层理图。图像的拼接核心是快速找到重叠区或最佳类似重叠区，基于亮度差的拼接算法原理是：图像重叠部分在理想情况下，其亮度差为0，但由于噪声污染等原因，重叠部分的亮度差不可能为完全0，只能接近于0。

基于相位相关度原理的图形拼接法是现在拼接技术中常用的方法。图像拼接技术的核心是准确求出上下两副图间的偏移量。一般的图像对齐算法都是基于空间域的，然而相位相关度法是基于频域计算的，如二维傅立叶变换。这种方法利用了二维傅立叶变换的平移性质。通过计算最小化两幅图像对应点亮度差的平方和函数求解偏移量, 具体方法是用最小二乘法迭代求解该函数以获得精确的偏移量。然而这种方法需要事先设定迭代初值, 如果初值选择不当, 计算会陷入无限循环,而无法得到精确解。

相位相关度的原理: 相邻两幅图像的像素值和它们之间的关系是: 

                 (1-7)

其中是图像之间的偏移量。

 设的傅立叶变换为F(u,v) ,根据傅立叶变换的性质有: 

              (1-8)

这里表示函数和其傅立叶变换的对应性。

两幅图像在傅立叶变换域上的偏移定义为:

                (1-9)

相位差的傅立叶反变换是在平移运动坐标上的脉冲。也就是说，除了需要对齐两幅图像的偏移位置，其他任何地方几乎都是0。搜索最大值的位置就是两幅图像的对齐。

基于相似曲线匹配的原理:

上面介绍的基于相位差原理的图像拼接技术计算量较大，计算机要运算很久才能求出偏移量。不适用于像钻孔孔壁一组多张图像的拼接。基于相似曲线匹配原理，与上种算法核心相同：准确找出偏移量。但是，由于钻孔孔壁像是连续拍摄，鱼眼图的大小尺寸完全相同，因此相邻的两张图之间只会有上下的偏移量，而没有左右的偏移量。所以给计算带来了大大的简化，也就没有必要采用傅里叶变换计算两个方向上的偏移量。

相似曲线匹配原理是一种简化了的相位差原理图像拼接技术。设有两幅待拼接的上下图像, 它们的高和宽相同, 基于相似曲线匹配的原理按照下面的步骤进行:

① 对每一幅图像从左至右计算每一行中梯度最大的点,将该点的坐标记录下来。梯度最大是指该点相对于其周围的点而言灰度的跳变值最大。所以就要将彩色的图像先取出其每一点的灰度值。灰度值的计算方法采用将RGB转换为YIQ 色度空间的方法, 其中Y 表示亮度也就是灰度, 所以只需计算Y的值即可。采用下面的公式计算:

               (1-10)

得到每一点的灰度值之后就可以计算对应于该点的梯度值了。梯度值的计算方法采用下式完成:

                 (1-11)

其中(i，j) 表示图中任意一点的坐标, Mag(i, j) 表示梯度值, 这样按照下述规则很容易求出每一行中梯度最大的点, 并将其坐标值记录下来。求每列梯度的最大点时所遵循原则为:

1、当该列中梯度最大的点有两个或两个以上时, 取距离图像垂直中线距离最近的点作为该行的梯度最大点；

2、当两个点距离图像水平中线相等时, 取上方的点作为该列梯度最大点。

② 按照上述方法, 将所求得的梯度最大点的坐标描出来,可以在上下两幅图像上分别得到两条曲线。如果两幅图像具有重叠的公共部分, 就意味着这两条曲线中的某一段具有很好的相似性。比较这两条曲线, 从中找出最相似的一段曲线, 这段相似曲线的起始位置即为得到的重叠区域的起始坐标（x,y）。y值即为上下图拼接处的图片高度值；

③ 取上图的0至h行，下图的0至最后一行，构成一张完整的上下拼接图。

得到拼接后的展开图后，可以从图像上得出节理的参数。具体方法为，对全景展开图进行扫描，分辨节理，找出每层节理的边界范围，将节理边界线恢复到全景柱状图上，计算边界线所在平面的最大倾斜角，然后计算节理的参数，即岩层产状三要素：走向、倾向、倾角。

走向：岩层面与水平面的交线所指的方向和，走向线两端的延伸方向称为岩层走向。两个走向相差180度。

倾向：岩层面上最大倾斜线在水平面上投影所指的方向。倾向与走向相差90度。

倾角：岩层面与水平面的夹角。一般指最大倾斜线与倾向线之间的夹角，如图11中的α角。

   基于展开后的柱状图，计算节理参数的步骤流程如图12。

①   扫描展开图（如图13），用灰度值跳变的方法分辨出不同的节理。

②   由于两层节理的灰度会有明显的不同，所以在灰度值跳变处即为节理的边界线，如图13中的和。但是由于像素大小或亮度、噪音等外界因素的影响，这些灰度值跳变点不一定都在直线和上，可以忽略不在直线上的点或者用曲线弥合的方法确定直线边界。

将节理的边界线和恢复到原来的钻孔柱面图中，得到节理面（如图13）。边界线上的A点、C点即为节理面上A点和C点，直线即为最大倾斜线。用反投影法计算出A点和C点的空间坐标再求得直线的方向向量，设水平面的方向向量为，则直线与水平面的夹角

                   （1-12）

角α即为倾角。

最大倾斜线在平面上的投影即为倾向线,由于点D是点A在水平面上的投影且，故点D坐标为，于是倾向线，倾向线与罗盘仪指针的夹角即为倾向。

由于走向线与倾向线垂直，由直线能求出走向线。

将节理边界线恢复到全景柱状图上，得到带节理的展开图恢复图（图14）。