2. 东华理工大学测绘工程学院, 江西 南昌 330013
2. Surveying Engineering Institute, East China University of Technology, Nanchang 330013, China
在过去的几十年中，随着矿业经济的迅猛发展，矿山开采所带来的环境问题不仅严重影响着人们的生命财产安全和正常的生活秩序，而且在某些地区已经成为制约经济和社会发展的重要因素。因此，对矿山资源开发利用状况、矿产资源规划执行情况和矿山环境进行调查与动态监测，便于及时获取客观的相关数据，形成综合分析报告，有利于为相关部门在保持矿山的可持续发展、制定矿山开发和管理规划、维护矿山秩序及综合治理矿山环境等方面提供技术支撑及决策依据[1]。
由于人工实地调查存在需要大量的人力、物力和财力投入，以及很多地方难以巡查到位的情况，导致人工实地调查容易受到人为因素的干扰，效率较为低下[2]；而卫星遥感影像数据获取周期长，现势性不够，且卫星影像的分辨率低影响判别准确性；利用有人驾驶飞机的普通航空遥感所获取的影像虽然分辨率较高，但是受到了气候等外界因素制约，对时间要求紧迫的监测任务较难保障，而且成本较高[3]。近年来，迅速发展起来的无人机低空倾斜摄影技术为矿区开采的动态监测开辟了新的道路。无人机灵活性高，受天气影响小，动态监测效果好、准确度高，因此无人机遥感非常适用于某些特定范围内需要进行快速精确监测的矿区调查任务，对于人无法到达的地形复杂地区，或多云雾、气候条件较差的地区来说，使用无人机遥感开展矿区动态监测具有更大的优势[4]。
本文以X矿区为例，通过无人机获取矿区不同时间的高空间分辨率影像，利用Agisoft PhotoScan Pro软件的三维重建技术(structure from motion, SFM)处理影像数据，实现影像的快速拼接及高质量数字高程模型(DEM)和数字正射影像图(DOM)的快速建立；最后通过ArcGIS软件的GIS分析方法对不同时期的数字高程模型(DEM)进行分析处理，为矿区相关部门管理与规划矿区的开采现状提供有效的依据。
1 研究区概况X矿区位于浙江省湖州市，西侧有杭宁高速公路、东苕溪水运通道及洛舍至乾元乡村水泥公路。该矿区属浙北杭嘉湖平原残丘地貌，区内地形为呈南东向展布的山梁，区域内最高点位于矿区东南侧，海拔86 m，最低点位于矿区南东侧山间平地，海拔4.29 m，相对最大高差达81.71 m。地形自然坡度为9°~30°，局部较陡。由于前期矿山开采不规范，部分边坡坡度较陡、高差大，危岩、浮石残存，边坡时有崩塌、滑坡等地质灾害现象发生；矿区西北侧及东北侧残存大量堆土，无任何安全稳定措施，有引发滑坡地质灾害的可能，水土流失现象严重，存在安全隐患；同时矿区南部裸露的坡面在杭宁高速可视范围内，严重影响了视觉景观。因此，急需对X矿区开采状况进行有效的动态监测。
2 矿区开采动态监测方法 2.1 关键技术运动信息中SFM是一种有效、低成本的地形测量工具，其算法极大方便了使用无人机获取的照片制作详细的地形模型[5-6]。SFM三维重建技术与传统摄影测量技术有着本质上的区别，SFM方法基于像对间的特征匹配数据，通过迭代光束平差过程自动求解相机方位和场景几何形态等信息[7]，其主要技术方法如下：
(1) 每张影像均利用SIFT算子提取特征点[8]，并获取其对应的Descriptor。
(2) 利用POS或其他约束关系选出可能具有重叠关系的像对。
(3) 对每一像对Descriptor进行匹配，并利用RANSAC算法进行粗差剔除，消除误匹配[9]。
(4) 基于计算机多目视觉原理，将各像对匹配的同名像点连接统一起来，在逐次平差迭代过程中剔除粗差，估算出视觉场景中相机和由匹配点形成的稀疏点云的相对位置。
(5) 结合相机的GPS和像控点的位置坐标，通过DLS算法来获取相机和稀疏点云的真实空间位置[10]。
2.2 动态监测流程本研究以X矿区为例，进行矿区开采的动态监测。首先，利用无人机获取高空间分辨率影像；然后将所获取的高空间分辨率影像利用AscTec Navigator软件完成数据预处理及Agisoft PhotoScan Pro软件的SFM三维重建技术，实现影像的快速拼接，以及DEM与DOM的快速建立[11]；最后利用ArcGIS软件对不同时期的DEM模型进行分析处理比较及填挖方的计算。如图 1所示。
|
| 图 1 矿区监测流程 |
本研究通过无人机获取X矿区的高空间分辨率影像，研究处理的影像共有3期，分别为2015年6月30日、2016年1月15日及2016年3月14日。
在无人机航摄监测前，需在矿区选择明显稳固的特征点作为像片控制点，利用已知少量的地面控制点建立图像空间坐标与现实世界空间坐标之间的空间变换矩阵[12]。本研究共布设与施测了5个像片控制点，像控点最大误差为10 mm，最小误差为5 mm，符合相关精度要求。
本文所用的无人机为AscTec Falcon8无人机，最大飞行速度为16 m/s，巡航速度为10 m/s，相机分辨率为3600万像素。
2.2.2.1 数据处理无人机外业飞行后需要将无人机所获取的影像进行预处理，最主要的就是完成相片与相应航线上点的匹配，使其能顺利导入后期数据处理软件中。
2.2.2.2 DOM与DEM的生成由于无人机飞行姿态的不稳定性，所获取的影像存在畸变严重、旋片角大等问题[13]。而Agisoft PhotoScan Pro软件能够自动计算出照片的位置、姿态等，并自动完成其内定向、相对定向及绝对定向，不需要人为干预。Agisoft PhotoScan Pro软件是由俄罗斯Agisoft公司所研发的一款将2D图片转换为3D模型的三维图片重建软件。首先，PhotoScan使用高效的图像特征匹配及跟踪技术寻找和匹配不同图像间的公共点；然后，该软件利用这些公共点自动解算图像的空间位置，并根据立体摄影测量方法重构3D场景，被重构的区域至少在2个不同视角的图像中可见[14]。Agisoft PhotoScan Pro实现了用SFM三维重建技术构建SFM三维地形数据，其最大的优势是集成了所有SFM数据处理流程，而其他方法要结合多个独立的程序才能建立最终的SFM三维地形数据。
Agisoft PhotoScan Pro软件构建三维地形数据的主要操作包括：导入相片、对齐相片、转换相片坐标、设置投影坐标、添加野外测量的地面控制点、建立密集点云、生成网格、生成纹理等，最后直接导出DOM及DEM。以矿区2016年3月14日为例，建立的DOM、DEM如图 2、图 3所示。
|
| 图 2 2016年3月14日的DOM |
|
| 图 3 2016年3月14日的DEM |
Agisoft PhotoScan Pro软件所建立的DOM和DEM是无人机飞行所获取的整个大区域，需对其进行裁剪，获得研究范围内的DOM与DEM。此外，Agisoft PhotoScan Pro软件生成的DEM是黑白色的，需对其进行分类，并选择合适的色带加以区分。三期成果如图 4—图 6所示。
|
| 图 4 2015年6月30日 |
|
| 图 5 2016年1月15日 |
|
| 图 6 2016年3月14日 |
通过比较DEM高程变化，可以得到同一地面点不同时期的高程变化值，以此可以计算出不同时期矿区开采动态及填挖方量[15]。对二期的DEM与初期的DEM作相减运算，得到二期与初期的DEM对比图，再对其进行颜色分类，中断值手动设置为-5、-3、3、5，选择合适的颜色，得到最后的对比成果图，如图 7所示。
|
| 图 7 二期与初期的对比分析图 |
二期DEM减去初期DEM得到的分析图，绿色区域为本期高程低于上期的区域，橙色和红色区域为本期高程高于上期的区域。
对二期DEM与初期DEM作填挖方计算，并导出报表，见表 1。
| objectid | count | volume/m3 | area/m2 |
| 1 | 1 | -1.323 898 315 43 | 4 |
| 2 | 1 | -2.605 895 996 09 | 4 |
| 3 | 1 | -1.048 660 278 32 | 4 |
| 4 | 1 | -0.847 167 968 75 | 4 |
| 5 | 1 | -2.459 320 068 36 | 4 |
| 6 | 1 | 1.749 267 578 13 | 4 |
| 7 | 2 | -0.824 234 008 789 | 8 |
| 8 | 2 | 15.831 451 416 | 8 |
| 9 | 615 | -5 546.204 589 84 | 2460 |
| 10 | 1 | -0.880 157 470 703 | 4 |
| 11 | 5 | 79.736 419 677 7 | 20 |
| 12 | 5 | 13.236 862 182 6 | 20 |
| 13 | 1 | 0.122 940 063 477 | 4 |
| 14 | 1 | -0.287 414 550 781 | 4 |
| 15 | 2 | 0.659 713 745 117 | 8 |
| 16 | 1 | 6.543 579 101 56 | 4 |
| 17 | 1 | -6.076 583 862 3 | 4 |
| 18 | 1 | -0.163 131 713 867 | 4 |
| 19 | 1 | 2.024 490 356 45 | 4 |
| | | | |
| 854 | 1 | -1.281 860 351 56 | 4 |
| 855 | 1 | -1.044 952 392 58 | 4 |
通过计算可得，已回填土方约34.9万m3，已开挖土方约9.84万m3。经像片查看及咨询，大部分高出区域是由临时堆积石料造成的，但由于该矿区目前存在很大的环境问题，因此出现中心区域大面积的回填，但四周仍存在大面积超挖现象。
3.3 三期(3月14日)与二期(1月15日)对比分析对三期的DEM与二期的DEM作相减运算，得到三期与二期的DEM对比图，再对其进行颜色的分类，中断值手动设置为-5、-3、3、5，选择合适的色带，得到最后的对比成果图，如图 8所示。
|
| 图 8 本期与二期的对比分析图 |
三期DEM减去二期DEM得到的分析图，绿色区域为本期高程低于上期的区域，橙色和红色区域为本期高程高于上期的区域。
对三期DEM与二期DEM作填挖方计算，并导出报表，见表 2。
| objectid | count | volume/m3 | area/m2 |
| 1 | 74 | 910.092 285 156 | 296 |
| 2 | 1 | 1.698 547 363 28 | 4 |
| 3 | 11698 | -68 810.164 062 5 | 46 792 |
| 4 | 2 | 0.674 636 840 82 | 8 |
| 5 | 1 | 0.054 809 570 312 5 | 4 |
| 6 | 1 | 0.410 858 154 297 | 4 |
| 7 | 1 | -0.655 090 332 031 | 4 |
| 8 | 1 | 7.352 233 886 72 | 4 |
| 9 | 1 | 0.344 848 632 813 | 4 |
| 10 | 11 | 7.389 846 801 76 | 44 |
| 11 | 12 | 4.832 656 860 35 | 48 |
| 12 | 3 | 3.543 182 373 05 | 12 |
| 13 | 1 | 2.659 698 486 33 | 4 |
| 14 | 1 | 0.687 751 770 02 | 4 |
| 15 | 1 | 12.608 078 002 9 | 4 |
| 16 | 13 | 15.302 688 598 6 | 52 |
| 17 | 1 | 0.241 127 014 16 | 4 |
| 18 | 9 | 7.027 763 366 7 | 36 |
| 19 | 1 | -1.799 087 524 41 | 4 |
| 20 | 2 | 0.673 660 278 32 | 8 |
| | | | |
| 1059 | 1 | 0.218 2006 835 94 | 4 |
| 1060 | 2 | -6.984 619 140 63 | 8 |
通过计算可得，已回填土方约9.69万m3，已开挖土方约7.95万m3。相比上一时间段，此时段填挖方明显减少，主要有三个地方存在超挖现象：
(1) 在矿区西部附近存在超深区域，比二期低约3~8 m。
(2) 在矿区西南部附近存在超深区域，比二期低约3~13 m。
(3) 在矿区东部存在超深区域，比二期低约3~11 m。
4 结论与展望无人机灵活性高，受天气影响小，动态监测效果好，监测准确度高，因此无人机遥感非常适用于某些特定范围内需要进行快速精确监测的矿区调查任务，对于人无法到达的地形复杂地区，或多云雾、气候条件较差的地区来说，使用无人机遥感开展矿区动态监测具有更大的优势。
但是由于无人机飞行姿态的不稳定性，所获取的影像存在着畸变严重、旋片角大等问题。Agisoft PhotoScan Pro软件基于摄影测量的基本原理，利用SFM三维重建技术，将所获取的无人机影像通过一系列的处理流程实现影像的快速拼接及高质量的数字高程模型(DEM)与数字正射影像(DOM)的快速建立。
最后对不同时期的数字高程模型进行高程的对比分析处理及填挖方计算，以此得知矿区开采状况，为矿区相关部门管理与规划矿区的开采现状提供有效的资料依据。
由于时间和空间的限制，试验结果不够丰富，没有对产生试验结果的原因作出解释，也没有对试验数据进一步分析，未能得出此矿区现存在的环境问题相应的治理方案。
| [1] | 聂洪峰, 杨金中, 王晓红, 等. 矿产资源开发遥感监测技术问题与对策研究[J]. 国土资源遥感, 2007, 19(4): 11–13. DOI:10.6046/gtzyyg.2007.04.03 |
| [2] | 符兰彦. 无人机低空数字摄影测量高程精度拟合处理方法研究[J]. 中国科技投资, 2016(10). DOI:10.3969/j.issn.1673-5811.2016.10.044 |
| [3] | 韩杰, 王争. 无人机遥感国土资源快速监察系统关键技术研究[J]. 测绘通报, 2008(2): 4–6. |
| [4] | 杜迪. 浅析无人机遥感技术在水土保持监测中的应用[J]. 中国科技纵横, 2014(18): 268. DOI:10.3969/j.issn.1671-2064.2014.18.209 |
| [5] | WESTOBY M J, BRASINGTON J, GLASSER N F, et al. 'Structure-from-motion' Photogrammetry:A Low-cost, Effective Tool for Geoscience Applications[J]. Geomorphology, 2012(179): 300–314. |
| [6] | JAMES M R, ROBSON S, D'OLEIREOLTMANNS S, et al. Optimising UAV Topographic Surveys Processed with Structure-from-motion:Ground Control Quality, Quantity and Bundle Adjustment[J]. Geomorphology, 2017(280): 51–66. |
| [7] | SNAVELY N. Scene Reconstruction and Visualization from Internet Photo Collections:A Survey[J]. Ipsj Transactions on Computer Vision & Applications, 2008, 3(12): 1909–1911. |
| [8] | 刘晓莉. 一种基于改进的SIFT特征点算法的无人机影像快速匹配研究[J]. 测绘与空间地理信息, 2014(9): 207–210. |
| [9] | 邱亚辉, 李长青, 崔有帧. RANSAC算法在剔除图像配准中误匹配点的应用[J]. 影像技术, 2014, 26(4): 46–47. |
| [10] | 赵云景, 龚绪才, 杜文俊, 等. PhotoScan Pro软件在无人机应急航摄中的应用[J]. 国土资源遥感, 2015, 27(4): 179–182. DOI:10.6046/gtzyyg.2015.04.27 |
| [11] | 李秀全, 陈竹安, 张立亭. 基于Agisoft PhotoScan的无人机影像快速拼接在新农村规划中的应用[J]. 湖北农业科学, 2016, 55(3): 743–745. |
| [12] | 邓明阳. 航空摄影测量像片控制点布设方法[J]. 工程技术(全文版), 2016(9): 00303. |
| [13] | 张小宏, 赵生良, 陈丰田. Agisoft photoscan在无人机航空摄影影像数据处理中的应用[J]. 价值工程, 2013(20): 230–231. DOI:10.3969/j.issn.1006-4311.2013.20.124 |
| [14] | 魏占玉, Ramon, 何宏林, 等. 基于SfM方法的高密度点云数据生成及精度分析[J]. 地震地质, 2015, 37(2): 636–648. |
| [15] | 刘广盛, 吕军超. 基于无人机的矿区变化监测关键技术研究[J]. 测绘通报, 2013(S1): 95–98. |