第四纪研究  2016, Vol.36 Issue (2): 433-442   PDF    
sUAV摄影技术在活动构造研究中的应用——以海原断裂骟马沟为例
王朋涛, 邵延秀①, ② , 张会平, 刘洪春, 吴赵    
(① 中国地震局兰州地震研究所, 兰州 730000;
② 中国地震局地质研究所地震动力学国家重点实验室, 北京 100029)
摘要    近几年小型无人飞行器(small Unmanned Aerial Vehicles,简称sUAV)相关技术的快速发展,正在不断对许多行业产生积极重要的影响。无人机低空摄影测绘以其较低的成本,较高的灵活性、机动性、时效性和高分辨率的输出结果等特点,受到了土地、水文、资源和环境等领域研究者的青睐,同样也受到活动构造界的强烈关注。本文系统介绍了小型无人机低空摄影测绘的原理与方法,并在海原断裂景泰县骟马沟进行了试验,通过三维结构的运动重建技术(SfM)进行影像数据处理,得到高精度点云数据,并通过进一步处理获得了分辨率达0.1m/pixel甚至更高的高清断错地貌正射影像(DOM)、数字高程模型(DEM)以及精细的地貌三维模型。将此数据结果与LiDAR数据进行对比分析,结果表明无人机摄影测绘技术用于活动构造研究中具有巨大潜力和广阔的前景。
主题词     sUAV    低空摄影测绘    DEM    LiDAR    三维点云    
中图分类号     V279+.2,P546                    文献标识码    A

地貌数据是地球科学研究的基础资料,尤其对于构造地貌和活动构造研究是必不可少的。利用不同尺度不同分辨率的地形数据,可以确定大型断裂的空间位置和小型地貌体的变形特征,如河流阶地水平向错动和垂向的隆升特征,且可根据错动地貌的标志线,测量断裂活动的水平向和垂向的位移量。精确刻画活动构造的空间展布、 位移分布,是研究构造活动强度、 滑动速率和发震机理的重要基础。传统上对于这些数据的获取,多采用野外实地测量、 高分辨率航、 卫片的解译等方法,存在自然条件限制、 人工消耗大、 效率低、 分辨率差、 费用高等特点,限制了对一些活动构造带的精确测量和深入研究。

20世纪末发展起来并不断得到广泛应用的激光雷达三维扫描技术(LiDAR)[1],极大解决了大范围高分辨率(0.5-1.0m)地貌数据获取的问题。近年来国内外研究人员不断将LiDAR技术应用于活动构造研究中[2, 3],此方法采用依托主动源传感器的激光雷达扫描技术[4, 5, 6],其设备成本较高,且比较笨重,工作的便携性也很大程度上受到地理条件的制约。随着更为人们广泛接受的被动源成像(如数码摄影)技术的快速发展,照片的质量得到了很大的提高,利用航拍照片获得地球表面影像及其地貌形态等数据,再结合摄影测量原理与相应的计算机图像识别等算法便可以对采集的相互重叠的照片进行处理,快速提取大量地表点云及其相对3D坐标[6]。然后将点云数据进行投影校正和插值等处理,便可获得高分辨率的数字高程模型(DEM)、 正射影像(DOM)以及三维模型等。

基于小型无人飞行器(small Unmanned Aerial Vehicles,简称sUAV)的超低空摄影测绘可以在较低的高度(数十米)对地面数据进行采集,来获得高分辨率的航拍照片,经过上述处理步骤便可得到超高分辨率的地貌数据。该方法在国内已经被应用于空间三维重建以及土地、 水文、 资源和环境等的调查与监测中,并且得到了较为理想的结果[7, 8, 9, 10, 11, 12],也得到了各行业人士的青睐,正在快速发展成为一个新兴领域。而在活动构造研究中其同样具有较大的应用潜力,例如可以通过对某区域地震灾害发生前后采集的地貌监测数据进行对比分析,获得到较为可靠的地震破裂行为。本文将对无人机低空摄影测绘技术的原理、 工作方法进行阐述,结合实例就其在活动构造研究中的应用进行说明,并与通过机载LiDAR获取的地貌数据进行对比分析,说明该技术在活动构造研究中的巨大潜力。

1 sUAV摄影测绘技术的原理

对于两张重叠的照片,根据相机的参数可以通过图像识别算法得到其重叠部分相对于相机的三维空间位置,这是摄影测量技术的工作基础[6]。运动重建技术(Structure from Motion,简称SfM)的诞生使得利用二维图像恢复三维场景信息变得更加自由,可以由无序的图像数据集生成三维模型。其重点是空中三角测量的解析,常采用的平差数学模型有航带法、 独立模型法和光束法,通常采用光束平差法(bundle adjustment)进行低空无人机摄影测量的空三解。光束平差法是从原始的影像坐标观测值出发建立平差数学模型,能够最佳的估计和改正影像系统误差的影响[13],处理过程即通过光束平差法提取参数,同时通过最小化残差优化所有变量[14]。随着SfM技术中图像匹配算法的不断完善,程序已可以自动识别和拒绝处理过程中发生的错误[15],在此基础上光束平差就可以自动完成,最终产生有纹理的三维模型。

一个图像的特征要素代表了图像纹理中的独特区域,并且在其他重叠图像中也是可以被识别的。无人机摄影测绘技术中,通过分析采集到的图像之间的同名特征要素(关键点),进行图像数据集中不同图像间同名要素的匹配。光束平差算法从一个图像对开始,通过已经匹配的特征要素确定每张图像的相机参数(包括焦距、 径向畸变参数、 相机位置和镜头指向),再逐个增加图像继续分析,便可得出数据集中每张图像的相机参数和相机方位,同时也获得了各要素在空间的相对位置,从而生成由稀疏的特征要素组成的3D模型[16]

为了提高工作效率,可以在处理前先输入相关的相机参数,通过设定,程序会自动从图像文件元数据中提取适当的值,这样就可以省去人工方法的不便,利用各式各样的图像高效率地自动重建三维模型[17, 18]。产生的3D模型是建立在任意坐标系下的,利用地面控制点,可将其转换为大地坐标等其他具有地理信息的坐标系。

2 主要工作流程及技术要求 2.1 图像采集

利用搭载于小型无人飞行器上的数码相机对地面进行垂直航空摄影,获取地面高分辨率影像数据,是获取地形数据的第一步。采集照片时相邻照片需要具有足够的重叠。在近平行采集的条件下,相邻的航拍照片通常需要具有60%及以上的重叠率[16],也就是说为了得到较好的分析结果,同一个点或者区域应至少出现在两张或以上的不同拍摄位置所采集的照片中。随着数码软硬件技术的不断提高,通过各种规格的相机获取大量高质量的照片已变的很容易,因此在条件允许的情况下,在野外尽可能多采集照片。另外,重叠照片之间的角度会对图像表面纹理产生一定的影响,不同拍摄角度下照片纹理可能会有较大出入,给图像匹配带来一定的困难,相机之间拍摄角度大于 25°-30°时,自动图像匹配往往会出现问题[19],所以重叠照片间的拍摄角度应保持小于 25°,以 10°-20°为最好[6]。经验表明图像采集时最简单的方法就是沿着一条航线的方向对地面进行垂直拍照,并且相邻照片保留足够的重叠。此外,光照条件的不同会对照片的效果产生影响,从而影响到图像匹配以及模型的建立,为了得到更好的输出结果,所有的野外照片采集工作应尽可能在相同的光照条件下进行。数据采集的分辨率也可以根据工作需要通过飞行作业高度的调整来进行改变。

地形数据通常需要有地理信息和空间尺寸,因此在工作开始之前还应该考虑尺度和坐标的问题。模型的尺度和地理参考决定着模型的质量。对于有些具有高精度GPS仪的数码相机,可以将镜头的精确地理信息存储于照片的属性信息(EXIF)中,经过后期的图形处理,就可以得到具有地理坐标的地形数据。但是,多数数码相机不具有GPS功能,此种情况下所采集的照片和由其所得到的模型没有任何尺度信息,控制点的加入可以有效地建立模型的尺度信息和其空间坐标信息。所以在图像采集之前需要加入一些地面控制点(Ground Control Point,简称GCP)作为地理参考,这些地理参考应该尽可能广泛且均匀地分布于目标区域内,不宜过多,也不能太少,以10-15个为宜[6],并通过差分GPS(RTK)测出每个控制点的实际空间坐标。

2.2 图像处理 2.2.1 镜头校正

许多低空无人机摄影测绘采用的是非量测相机,其所采集的图像会严重畸变,这会大大影响到图像的匹配,因此在图像自动匹配之前需要对采集的图像进行畸变校正。可以通过几何变换对图像上的畸变点进行坐标变换,再通过灰度插值或者调整像素点具体像素大小的方法进行灰度校正,从而输出无畸变图像[20]

2.2.2 图像匹配和点云提取

分析识别照片要素特征,根据每张照片的特征分析确定每张被输入照片的相对位置和方向、 拍照时相机的相对位置和方向以及每个匹配要素的3D坐标。这样将所有相邻的两张重叠图像组成的像对依次进行匹配,从而由连续像对匹配的要素生成目标区域的三维地貌点云,这些匹配要素点云并不具有实际空间坐标,而是建立在局部坐标系之上的,需要通过加入控制点来将数据转换到实际空间坐标上(图1)。

图1 UAV摄影测量流程图 据Bemis等[6]和Johson等[21]修改 Fig.1 The workflow chart of UAV photogrammetry

此时生成的点云数据比较稀疏,因为它是根据照片特征要素匹配来生成的,对于建立高质量的三维模型来说数据量偏少。通过三维结构的运动重建技术(SfM)估算获得的照片的位置、 方向和相机的位置、 指向,再通过控制点的加入以及多视点立体(Multi-View Stereo,简称MVS)算法,可以基于已获得的稀疏表面点云框架,搜索图像之间每一个像素栅格来获取最佳匹配,产生更大量的匹配点,从而生成一套精度更高、 更密集的点云数据[6, 21]。此过程可以通过调节网格单元的大小来控制生成匹配点云的数量以及处理时间。

2.2.3 DEM、 三维模型和正射影像的生成

对于生成的高密度点云,通过控制点坐标的导入将加密点云的坐标系统转换为空间地理坐标,此时每个点数据中都包含了其自身的地理坐标及高程值。再进行网格的构建(build mesh),利用三角剖分等算法将相邻数据点连接来构建不规则三角网,并通过局部一次多项式插值等内插方法求出三角形所包含的格网点的高程值,从而生成数字高程模型(DEM)。而后利用DEM分别对像对进行逐像元投影修正,方便地提取其任一部分的二维数字正射影像(Digital Orthophoto Map,简称DOM)。最后依据原始影像数据进行纹理映射,进而完成纹理的构建(build texture),输出具有纹理的可视化3D模型。

3 海原断裂骟马沟研究点试验

海原断裂是青藏高原东北缘一条大型走滑活动断裂带,西起哈拉湖,向东经冷龙岭、 金强河、 毛毛山-老虎山、 海原至六盘山止,全长约850km,由多条次级断裂主要以左阶羽列而成,以强烈的左旋走滑为特征[22, 23]; 其晚第四纪以来的走滑速率为3-8mm/a[22, 24, 25, 26, 27]。 骟马沟(37.07636°N,103.86209°E)位于甘肃省景泰县境内海原断裂毛毛山-老虎山段的东端(图2),该段断裂是1888年景泰MS6.8-7.0地震和2000年MS5.9地震的发震断裂[28, 29, 30],其中1888年景泰MS6.8-7.0地震产生了地表破裂带,在骟马沟形成了约1.5m高的断层陡坎[28],表明该断裂段地震活动较为强烈。近几年通过地貌、 GPS及InSAR等方法的研究得到毛毛山-老虎山段现今走滑速率约为4-8mm/a[27, 31, 32, 33, 34, 35]。但是该段至金强河段近千年以来未发生过7级以上大震,被认为是未来的大震空区[36]

图2 海原断裂中东段及其周边活动断裂展布图 断裂参考袁道阳等[22],五角星为试验点骟马沟位置F1 为日月山断裂; F2 为青海南山断裂; F3 为拉脊山北缘断裂; F4 为金强河断裂; F5 为老虎山-毛毛山断裂; F6 为皇城-双塔断裂; F7 为天桥沟-黄羊川断裂; F8 为海原断裂; F9 为灌灌岭断裂; F10 为庄浪河断裂; F11 为白杨树断裂; F12 为西秦岭北缘断裂; F13 为马衔山断裂; F14 为六盘山断裂 Fig.2 The distribution map of the middle-east section of the Haiyuan fault

作为青藏高原东北缘一条重要的主干活动断裂,对其构造地貌进行精细化定量研究将会极大推进其变形特征、 发震机制和地震危险性评估的深入研究,因此刘静等[3]于2011年对海原断裂毛毛山-老虎山段、 海原段进行了机载LiDAR三维扫描,获得了分辨率0.5-1.0m分辨率的DEM数据,并取得了初步的研究结果[37]。毛毛山-老虎山断裂东端的骟马沟处于LiDAR扫描区范围,我们将其作为试验点,使用sUAV低空摄影测绘方法,获取高精度的DEM数据,并与LiDAR数据做对比,分析低空无人机摄影测绘技术的准确度、 精确度,及其在活动构造研究中的潜在优势。

3.1 骟马沟影像数据采集

本次实验中,我们采用搭载14M像素数码相机的DJI Phantom 2 VISION+型消费级无人飞行器,对骟马沟及其西侧阶地断错地貌发育区约0.04km2面积的目标区域进行了图像采集。由于目标区域无明显的特征性地面点,故将9个人工标靶由南到北均匀放置于该区域内,作为地面控制点,使用RTK差分GPS精确测量每个控制点的坐标(表1)。作业过程中飞行器高度控制在30m左右,平均飞行高度为33.6653m,相邻照片的重复率保持≥60%,由于天气原因,图像采集总耗时在1.5小时内,整个过程中光照强度比较均匀,没有明显的阴影变化,共采集到106张RAW格式图像。

表1 地面控制点坐标 Table 1 The coordinate of ground control points(GCPs)
3.2 数据处理

本次实验数据的处理使用的计算机为配有4Gb RAM物理内存的图形工作站。按照上文中的数据处理步骤,首先对所采集图像中的106张有效照片进行了镜头畸变校正,输出了更为接近实际的无畸变Tiff图像数据,从这106张Tiff图像中共识别出8个标靶,即8个有效的地面控制点(图3a)。对校正后的Tiff图像进行特征要素分析及bundle校正[21],初步生成稀疏的点云数据,再通过进一步的多视点立体(MVS)算法搜索图像之间每一个栅格来获取最佳匹配,输出覆盖了3.73522×104m2面积,平均点数为1685.47/m2的.las格式点云数据,其分辨率达0.03m/pixel(表2)。最后将表面点云数据经过插值后得到DEM,并通过逐像元投影修正、 镶嵌、 图幅裁剪,生成效果比较理想的二维正射图像(MOD)和逼真的三维模型(图3图4),其分辨率均达到了0.1m/pixel,甚至更高。

图3 本次实验生成的DEM和正射影像 (a)本次试验生成的数字正射影像(DOM),图中标出的黄点表示地面控制点(GCP),有效控制点数为8个;(b)同时生成的数字高程模型(DEM),分辨率约为0.03m/pixel Fig.3 The DEM and ortho image generated in this experiment

表2 试验过程中的其他相关参数 Table 2 Other related data during the experiment

图4 本次试验生成的三维模型的立体效果图 图中比例尺为水平比例尺,高程被拉伸了3倍,可以清晰的识别出断层,竖直向下的箭头指示断层陡坎位置,可以看出断层北盘因明显的人为改造而下凹 Fig.4 The local stereoscopic diagram of the 3D model generated in this experiment
4 结果和讨论 4.1 原始影像数据质量的制约因素

由于数据采集当日天气原因,本次实验所采集的照片中有数张出现了同一张片中明暗差异较大而导致部分部位曝光不足或曝光过度从而致使照片纹理发生较大变化的情况; 另外,本次实验的数据采集在有微风的情况下进行,所采集的照片中有个别出现了强风情况下由于飞机的不平稳导致相机强烈抖动而使照片质量降低情况。经尝试这两类照片在处理中并不能很好的用于要素点的提取匹配,因此数据处理中我们淘汰了10张此类照片,并得到了较好的结果。因此天气在数据的采集中可能成为一个关键的制约因素。

4.2 与LiDAR数据的分辨率对比

经过野外实地影像采集和室内数据处理,已经建立了较为完整的海原断裂骟马沟断错地貌数据,输出的山影图、 正射影像和三维立体图能够较好地呈现研究区的地貌细节,包括断层位错量、 阶地的分布等。另外,刘静等[3]在前期的工作中已经通过机载LiDAR扫描获得了该研究区的LiDAR影像。通过对比不难发现二者在分辨率上存在较为明显的差异(图5),LiDAR山影图可识别的最小栅格代表的真实大小为1m,而本次研究输出的山影图则达到0.1m/pixel的精度,比LiDAR数据的分辨率高一个数量级。将两种数据的同一剖面进行对比(图6),LiDAR剖面呈光滑的曲线,相比之下sUAV剖面则可以显示出更多的微小细节,归结于两种数据的本身属性则是分辨率的差异。因此,在三维地貌结构重建的各种技术方法中,通过低空无人机摄影测绘技术得到的高分辨率地形数据完全具有重建高精度微细地貌结构的能力,并且可以用于微地貌分析及进一步的数据挖掘,而随着构造地貌、 活动构造研究向着精细化、 定量化方向的发展,该方法将具有更高的使用价值和更大的实用意义。

图5 海原断裂骟马沟断错地貌的sUAV摄影测绘结果与LiDAR扫描结果的初步对比 (a)sUAV摄影测绘输出的局部山影图,精度为0.1m/pixel;(b)该区域的LiDAR山影图[3],精度为1m/pixel;(c)二者三角形虚线框c1、 c2区域的放大对比;(d)二者方形虚线框区域d1、 d2的放大对比; 从(c)和(d)图中可以更加清晰的展现二者分辨率的差异 Fig.5 The preliminary comparison of the result of sUAV Photogrammetry and LiDAR of the geomorphology of the Shanmagou section of Haiyuan Fault

图6 LiDAR与sUAV地貌数据中剖面A-B的地形对比 (a)A-B为剖面位置,上图为下图中黑色方框区域的放大图;(b)和(c)分别为剖面A-B相对应的sUAV和LiDAR数据[3]高程剖面 Fig.6 The comparison of the topography of profile AB obtained by LiDAR and sUAV

虽然本试验中此方法在分辨率上相对LiDAR更胜一筹,所获得的数据,如DEM、 DOM和3D模型等数据,可以反映真实的地貌特征,对活动断层的识别及其走向、 滑动方向、 位错量等参数的精确厘定提供了非常可靠的高分辨率地形数据,但本试验研究区域位于甘肃省景泰县内,其地处青藏高原东北缘的干旱-半干旱地区,植被稀少,且多为低矮灌木,是sUAV摄影测绘应用的最佳区域,而对于植被覆盖的区域,由于sUAV摄影测绘技术不像LiDAR 一样具有多次反射的特征,因此在植被去除方面效果不理想,暂时无法得到较为理想的DSM地形数据。所以在植被较为稀少的地区(如中国西北部地区,是中国内陆构造活动强烈的区域)sUAV摄影测绘技术可以为研究微地貌、 古地震等提供方便有效的手段。

4.3 数据的精确性讨论

我们对sUAV测绘所得DEM数据(图7a)与LiDAR扫面所得DEM数据[3]图7b)的高程值进行了对比。将两者DEM数据做减(LiDAR数据减去sUAV数据)后得到图7c所示结果,图中显示出二者总体差异较小,但依旧存在一定的高程差,并且高差值的分布呈近南北的条带状。选取区域内一条剖面C-D,对该剖面的两组不同来源的高程值进行对比(图8),二者高程差别不大,总体在-0.8-0.8m之间,只有剖面45m左右处出现-1.2m的较大差,而该处正好是河床向T1阶地的过渡部位,其地形陡峭近于直立,可能是由于航拍时相机镜头一直保持竖直,此处的地形缺少具有细节的原始图像,而导致了较大的误差,James和Robson[38]认为完全平行采集的图像获得的模型也存在一定的系统误差,因此数据处理中就需要额外的斜交方向采集的图像来减少这种误差的产生,而Moreels和Perona[19]认为重叠图像之间的镜向角度应该限制在 10°~20°之内,才可以提高模型重建的精确度。

图7 通过LiDAR与sUAV方法所获DEM及其高差(LiDAR高程减去sUAV高程)的分布 (a)通过sUAV方法所获DEM;(b)利用LiDAR扫描所获DEM[3];(c)高程值做差(LiDAR高程减去sUAV高程)结果,正值表示LiDAR数据的高程大于sUAV数据高程,负值表示LiDAR数据的高程小于sUAV数据高程 Fig.7 The distribution map of the height difference of the two DEMs generated respectively by LiDAR & sUAV

图8 剖面C-D上LiDAR高程与sUAV测量高程对比 (a)C-D剖面的LiDAR数据[3]与sUAV数据进行了对比;(b)二者高程曲线的对比,其中绿色曲线为LiDAR高程曲线,红色曲线为sUAV测绘高程曲线;(c)二者做差(LiDAR数据减去sUAV数据)后的高差分布曲线 Fig.8 The comparison of the height of profile C-D obtained by LiDAR and sUAV

sUAV相对于LiDAR数据存在西低东高的趋势,图7c中高差的条带状分布同样显示了这一问题,而高差在0左右区域正好为地面控制点分布区域(见图3),因此这可能与本次试验中地面控制点的近南北向线状分布有关,如此分布的控制点可以对控制点分布的线状部位做到很好的空间位置校正,但是该线状带两翼则由于控制点的缺失可能会存在一定的偏差,这也从侧面反映了无人机摄影测绘中控制点的布设需要做到遍布和均匀。

另外,从本次试验所得的DEM数据及其与LiDAR数据的对比来看,航拍范围边缘的处理结果都不是非常理想(图3b图7c),通过查找发现本次实验所采集的原始影像中能够覆盖目标区域边缘的重叠照片较少,并且重叠度较小,这可能成为目标区域边缘结果不理想的主要因素。因此在数据采集时,航拍的范围应该比实际的研究区稍大,至少大一幅照片的距离。

5 结论和建议

基于低空无人机测绘影像的3D场景重建技术,能够较为真实的还原地物场景,获得较高分辨率的地理空间数据,相比激光雷达扫描(LiDAR)所获得的空间数据,具有更高分辨率的优势,可以很好的运用于活动构造和构造地貌等领域的研究中。通过对采集的图像进行处理,生成的精细三维模型可以很逼真的反映真实地貌,其结果可以用于精确测量活动断层在地表的形态特征,为研究微地貌、 古地震等提供了方便有效的手段。但受限于其自身的工作原理,活动构造发育的青藏高原东北缘等干旱-半干旱地区成为了其应用于活动构造研究的最佳区域。

虽然sUAV摄影测绘的诸多优点为活动构造研究提供了方便快捷的地貌测绘技术,但要得到精确可靠的地形数据,在数据采集、 处理等每一个步骤中还需严格按照相应的要求执行,否则得到的数据很有可能不可用,从而造成不必要的损失。根据我们前期的试验总结的经验,对sUAV低空摄影测绘提出以下几方面的建议:

(1)数据采集应在天气晴朗、 无风或弱风的环境下进行。只有在光线充足的情况下,地面上纹理特征才被清晰的记录在数码照片里,照片的质量很容易得到保证。无风的情况下,无人机才能平稳飞行,易于控制航线,保证了飞行安全和空中飞行时间,且不易拍到画面模糊的照片。

(2)数据采集时应保持合理的镜头方向,并在需要时进行合理的角度调整。一般而言同一区域的影像在不同的拍摄角度下其纹理可能会有较大出入,因此在采集影像时保持镜头始终竖直,可以获得摄影测绘中最理想的影像数据集。对于某些具有较大倾角的目标表面,竖直方向获取的影像不能很好反映其全部细节,此时小角度的调整镜头方向(调整幅度小于 10°-20°),补充额外的斜交方向采集的图像,可以弥补局部不足而引起的误差。

(3)航拍范围和地面控制点的测量。在数据处理时,由于重叠的照片少,航拍范围边缘的结果都很差,因此在数据采集时,航拍的范围要比实际的研究区大,至少大一幅照片的距离。另外三维地形数据的精确度还受制于地面控制点,因此确定地面控制点非常重要。地面控制点应均匀分布于测量区域范围内,并且不宜过多或过少,以10-15个为宜。如在测量区内不易找到天然的控制点,可以自制标靶,在航拍之前均匀放置于目标范围内,并使用差分GPS对每个控制点精确测量。

当前活动构造研究逐步向定量化、 精细化方向发展,在进行更为详细的构造地貌调查研究时,传统测绘方法已不能满足,方法技术上的革新是精细化研究取得长足发展的一个重要突破口,而sUAV低空摄影测绘技术正是为满足这一需求而发展起来的,为活动构造及其相关领域的研究提供了有效可靠的测绘手段。

致谢感谢艾绘测绘地理信息科技有限公司(www.ihui.xyz)为本次试验免费提供的无人飞行器和飞行技术指导; 真诚感谢编辑部老师细致、 耐心地指导。

参考文献(References)
1 Hodgetts David. Laser scanning and digital outcrop geology in the petroleum industry:A review. Marine and Petroleum Geology, 2013, 46(3):335-354
2 Hudnut Kenneth W, Borsa Adrian A, Glennie C et al. High-resolution topography along surface rupture of the 16 October 1999 Hector Mine, California, Earthquake(Mw7.1)from Airborne Laser Swath Mapping. Bulletin of the Seismological Society of America, 2002, 92(4):1570-1576
3 刘静, 陈涛, 张培震等. 机载激光雷达扫描揭示海原断裂带微地貌的精细结构. 科学通报, 2013, 58(01):41~45
Liu Jing, Chen Tao, Zhang Peizhen et al. Illuminating the active Haiyuan fault, China by Airborne Light Detection and Ranging. Chinese Science Bulletin, 2013, 58(01):41~45
4 陈涛. 机载激光雷达技术在构造地貌定量化研究中的应用. 北京:中国地震局地质研究所博士学位论文, 2014. 1~5
Chen Tao. Application of Airborne LiDAR(Light Detection and Ranging)for Quantitative Tectonic Geomorphology. Beijing:The Doctoral Dissertation of Institute of Geology, China Earthquake Administration, 2014. 1-5
5 王俊宏. LiDAR数据处理关键技术研究. 武汉:华中科技大学博士学位论文, 2012. Ⅰ Wang Junhong. Research on the Key Techniques of the Airborne LIDAR Data Processing. Wuhan:The Doctoral Dissertation of Huazhong University of Science and Technology, 2012. Ⅰ
6 Bemis S, Micklethwaite S, Turner D et al. Ground-based and UAV-based photogrammetry:A multi-scale, high-resolution mapping tool for structural geology and paleoseismology. Journal of Structural Geology, 2014, 69(A):163-178
7 张园, 陶萍, 梁世祥等. 无人机遥感在森林资源调查中的应用. 西南林业大学学报, 2011, 31(3):49~53
Zhang Yuan, Tao Ping, Liang Shixiang et al. Research on application of UAV RS techniques in forest inventories. Journal of Southwest Forestry University, 2011, 31(3):49~53
8 郎博宇, 汪继伟. 无人机在村庄地籍调查中的应用研究. 科技信息, 2012,(18):124~124
Lang Boyu, Wang Jiwei. The study of the application of UAV in the village cadastral survey. Scientific and Technological Information, 2012,(18):124~124
9 于显利, 刘顺安, 刘佳琳. 无人机在地球物理探测中的应用. 中国矿业, 2012, 21(7):107~109
Yu Xianli, Liu Shun'an, Liu Jialin. Application of unmanned aerial vehicle for geophysical surveying. China Mining Magazine, 2012, 21(7):107~109
10 梁京涛, 成余粮, 王军等. 基于无人机遥感技术的汶川震区典型高位泥石流动态监测——以绵竹市文家沟泥石流为例. 中国地质灾害与防治学报, 2013, 24(3):54~61
Liang Jingtao, Cheng Yuliang, Wang Jun et al. Monitoring of a typical high position debris flow dynamic change in Wenchuan earehquake areas with unmanned aerial vehicles case study of Wenjiagou debris flows in Mianzhu County. The Chinese Journal of Geological Hazard and Control, 2013, 24(3):54~61
11 罗先权, 王琰, 袁小燕. 农村土地整理测绘技术方法的探索与实践. 地理空间信息, 2013, 11(5):37~40
Luo Xianquan, Wang Yan, Yuan Xiaoyan. Exploration and practice of surveying and mapping technology method in rural land consolidation project. Geospatial Information, 2013, 11(5):37~40
12 郑永虎, 张启元, 陈丰田. 无人机航测在高原矿区测绘中的应用. 青海大学学报(自然科学版), 2013, 31(3):58~61
Zheng Yonghu, Zhang Qiyuan, Chen Fengtian. Application of unmanned aerial vehicle aerophotography systems in the surveying and mapping of the plateau mining area. Journal of Qinghai University(Natural Sciences Edition), 2013, 31(3):58~61
13 马怀武, 王俊强. RTK结合无人机低空摄影在高原地区测绘中的应用. 测绘地理信息, 2014, 39(3):47~50
Ma Huaiwu, Wang Junqiang. Application of RTK combined with UAV photogrammetric in surveying and mapping of plateau. Journal of Geomatics, 2014, 39(3):47~50
14 Granshaw S I. Bundle adjustment methods in engineering photogrammetry. The Photogrammetric Record, 1980, 10(56):181-207
15 Fischler Martin A, Bolles Robert C. Random sample consensus:A paradigm for model fitting with applications to image analysis and automated cartography. Communications of the Association for Computing Machinery, 1981, 24(6):381-395
16 James M R, Robson S. Straightforward reconstruction of 3D surfaces and topography with a camera:Accuracy and geoscience application. Journal of Geophysical Research:Earth Surface, 2012, 117(F3):94-96
17 Snavely N, Seitz S M, Szeliski R. Photo tourism:Exploring photo collections in 3D. Association for Computing Machinery Transactions on Graphics, 2006, 25(3):835-846
18 Snavely N, Seitz S M, Szeliski R. Modeling the world from internet photo collections. International Journal of Computer Vision, 2008, 80(2):189-210
19 Moreels Pierre, Perona Pietro. Evaluation of features detectors and descriptors based on 3D Objects. International Journal of Computer Vision, 2007, 73(3), 263-284
20 段马丽. 广角图像畸变校正算法的研究与实现. 邯郸:河北工程大学硕士学位论文, 2013. 11~15
Duan Mali. The Research and Realization of Distortion Correction Algorithm for Wide-angle Image. Handan:The Master's Dissertation of Hebei University of Engineering, 2013. 11-15
21 Johnson Kendra, Nissen Edwin, Saripalli Srikanth et al. Rapid mapping of ultrafine fault zone topography with structure from motion. Geosphere. 2014, 10(5):969-986
22 袁道阳, 张培震, 刘百篪等. 青藏高原东北缘晚第四纪活动构造的几何图像与构造转换. 地质学报, 2004, 78(2):270~278
Yuan Daoyang, Zhang Peizhen, Liu Baichi et al. Geometrical imagery and tectonic transformation of the Late Quaternary active tectonics in northeastern margin of the Qinghai-Xizang Plateau. Acta Geologica Sinica, 2004, 78(2):270~278
23 田勤俭, 丁国瑜. 青藏高原北部第四纪早期断裂活动的新生性变化初步研究. 第四纪研究, 2006, 26(1):32~39
Tian Qinjian, Ding Guoyu. Preliminary analysis on an Early Quaternary new fault trace in north of Tibetan Plateau. Quaternary Sciences, 2006, 26(1):32~39
24 Zhang Peizhen, Molnar P, Burchfiel B C et al. Bounds on the Holocene slip rate of the Haiyuan fault, north-Central China. Quaternary Research, 1988, 30(2):151-164
25 袁道阳, 刘百篪, 吕太乙等. 北祁连山东段活动断裂带的分段性研究. 西北地震学报, 1998, 20(4):27~34
Yuan Daoyang, Liu Baichi, Lü Taiyi et al. Study on the segmentation in east segment of the northern Qilianshan fault zone. Northwestern Seismological Journal, 1998, 20(4):27~34
26 何文贵, 刘百篪, 袁道阳等. 冷龙岭活动断裂的滑动速率研究. 西北地震学报, 2000, 22(1):90~97
He Wengui, Liu Baichi, Yuan Daoyang et al. Research on slip rates of the Lenglongling active fault zone. Northwestern Seismological Journal, 2000, 22(1):90~97
27 Cavalié O, Lasserre C, Doin M-P et al. Measurement of interseismic strain across the Haiyuan fault(Gansu, China), by InSAR. Earth and Planetary Science Letters, 2008, 275(3-4):246-257
28 周俊喜, 杨斌, 刘百篪等. 1888年景泰6(1/4)级地震破裂带研究. 西北地震学报, 1992, 14(S1):88~98
Zhou Junxi, Yang Bin, Liu Baichi et al. Study on the Jingtai 6(1/4)magnitude earthquake in 1988. Northwestern Seismological Journal, 1992, 14(S1):88~98
29 袁道阳, 刘百篪, 吕太乙等. 老虎山活动断裂地震破裂待研究. 见:国家地震局地质研究所编. 活动断裂研究(3). 北京:地震出版社, 1994. 184~189
Yuan Daoyang, Liu Baichi, Lü Taiyi et al. The research of earthquake rupture of Laohushan active faults. In:Institute of Geology, China Earthquake Administration ed. Active Fault Research(3). Beijing:Seismological Press, 1994. 184~189
30 袁道阳, 何文贵, 刘小凤等. 10余年来甘肃省中强地震的发震构造特征. 西北地震学报, 2006, 28(3):235~241
Yuan Daoyang, He Wengui, Liu Xiaofeng et al. The characteristics of seismogenic structure of middle-strong earthquakes in recent 10 years, Gansu Province. Northwestern Seismological Journal, 2006, 28(3):235~241
31 李强, 江在森, 武艳强等. 海原-六盘山断裂带现今构造变形特征. 大地测量与地球动力学, 2003, 33(2):18~22
Li Qiang, Jiang Zaisen, Wu Yanqiang et al. Present-day tectonic deformation characteristics of Haiyuan-Liupanshan Fault zone. Journal of Geodesy and Geodynamics, 2003, 33(2):18~22
32 刘同文, 王慧敏, 潘宝玉等. 青藏东北缘水平速率场构建及运动特征分析. 测绘科学技术学报, 2013, 30(3):225~227
Liu Tongwen, Wang Huimin, Pan Baoyu et al. Level rate field calculating and brief analysis of northeastern margin of Qinghai-Tibet Plateau. Journal of Geomatics Science and Technology, 2013, 30(3):225~227
33 Zhang Peizhen, Shen Zhengkang, Wang Min et al. Continuous deformation of the Tibetan Plateau from global positioning system data. Geology, 2004, 32(9):809-812
34 Gan Weijun, Zhang Peizhen, Shen Zhengkang et al. Present-day crustal motion within the Tibetan Plateau inferred from GPS measurements. Journal of Geophysical Research, 2007, 112(B8):582-596
35 Jolivet R, Lasserre C, Doin M-P et al. Shallow creep on the Haiyuan Fault(Gansu, China)revealed by SAR Interferometry. Journal of Geophysical Research, 2012, 117(B6):137-147
36 Gaudemer Y, Tapponnier P, Meyer B et al. Partitioning of crustal slip between linked, active faults in the eastern Qilian Shan, and evidence for a major seismic gap, the'Tianzhu gap', on the western Haiyuan fault, Gansu(China). Geophysical Journal International, 1995, 120(3), 599~645
37 Chen Tao, Zhang Peizhen, Liu Jing et al. Quantitative study of tectonic geomorphology along Haiyuan fault based on airborne LiDAR. Chinese Science Bulletin, 2014, 59(20):2396-2409
38 James M R, Robson S. Mitigating systematic error in topographic models derived from UAV and ground-based image networks. Earth Surface Processes and Landforms, 2014, 39(10):1413-1420
THE APPLICATION OF sUAV PHOTOGRAMMETRY IN ACTIVE TECTONICS:SHANMAGOU SITE OF HAIYUAN FAULT, FOR EXAMPLE
Wang Pengtao, Shao Yanxiu①, ② , Zhang Huiping, Liu Hongchun, Wu Zhao    
(① Lanzhou Institute of Seismology, China Earthquake Administration, Lanzhou 730000;
② State Key Laboratory of Earthquake Dynamics, Institute of Geology, China Earthquake Administration, Beijing 100029
)

Abstract

High resolution topography data, available easily from small unmanned aerial vehicles(sUAV) at present, plays an important role in tectonic geomorphology and active tectonics studies.Tectonic geomorphology is an interdiscipline combining geomorphology with tectonics, and is applied in the active tectonics widely as a powerful tool.The difficulty in the acquisition of terrain data and data's low resolution, however, limit this application.This paper illustrates the restrictions of conventional research methods, e.g. large cost, much time consume, poor efficiency, low resolution and bad traffic.In recent years, the small Unmanned Aerial Vehicles(sUAV) and relevant technologies have gotten fast developed, and are influencing more and more industry areas profoundly.The photogrammetry with sUAV has being favored and admired by researchers in the fields of land survey, hydrology, resources and environment, due to its less cost, higher flexibility, effectiveness and the high resolution of its output data.This paper explains the main principle of the sUAV photogrammetry technology and its major work steps in detail.The workflow in practical survey include images capture, lens correction of obtained images, images matching, points cloud extraction, and the generation of Digital Elevation Model(DEM), 3-D model and ortho-image.We tested this technology at Shanmagou site(37.07636°N, 103.86209°E), the east end of Laohushan-Maomaoshan segment of the Haiyuan fault.The Jingtai earthquake with MS6.8~7.0 in 1888 ruptured this site and formed 1.5 meters high scarp.Other researchers scanned the Haiyuan fault(including Shanmagou site) with aerial LiDAR in 2011, and generated DEM with resolution about 1m.In our test, Structure from Motion(SfM) technology was used to process the aerial images of Shanmagou captured by the high resolution camera on the sUAV, gave high density point cloud.Then DOM, DEM, and fine 3-D terrain model of faulted surface with resolution higher than 0.1m/pixel was generated at last.We compare the results to LiDAR data, it turns out that the sUAV photogrammetry has more obvious advantages in high resolution and precision topographic data acquisition than aerial LiDAR for 10s km2 semi-arid regions with rare vegetation, which shows higher work efficiency, resolution and good accuracy.We also have conducted fine 3-D terrain model to reflect faulted geomorphologic features realistically.According to the model, the precise trace, strike-slip offset and fault scarp of the active faults are recognized clearly.As a conclusion, sUAV photogrammetry as a powerful survey method, has shown huge potential value on quantitative research of active tectonics.

Key words     sUAV    low altitude photogrammetry    DEM    LiDAR    3D point cloud