尾矿库是指筑坝拦截谷口或围地构成的，用以堆存金属或非金属矿山进行矿石选别后排出尾矿或其他工业废渣的场所。尾矿库在矿山生产中具有十分重要的作用，是维持矿山生产的重要设施。由于尾矿库难以避开居民区和人口稠密区。尾矿坝溃坝破坏时，尾矿往往立即液化，扩大坝的缺口，沿山谷往下游倾泄，其危害程度比水坝溃坝严重得多。因此尾矿库的安全监测对于加强尾矿库的安全监管，把握尾矿库的安全现状，减少尾矿库的事故发生等具有重要意义。而干滩监测是我国尾矿库安全运行的重要技术参数之一。

1 干滩监测内容与方法

根据《尾矿库安全监测技术规范》，干滩监测的内容包括滩顶高程、干滩长度和干滩坡度。

干滩线是大坝与干滩的交线，水线是干滩和水的交线。示意图如图 1所示。

干滩长度定义为由水线到干滩线水平距离的最小值。干滩长度只考虑水线到干滩线的平面距离。滩顶高程是指干滩与大坝交界线最低点的高程。水面高程值即为尾矿库中水面的高度，该高度值通过其他设备(如超声波测距仪、全站仪)监测得到。干滩坡度是指滩顶高程与水面高程的差值和干滩长度的比值。

根据以上监测内容，只要测量出干滩线和水线的三维坐标，就可以根据其计算出干滩长度、滩顶高程和干滩坡度。

传统测量方法是根据事先埋设的地标目测或人工现场测量，这种方法人工消耗较大，不便于连续监测，对操作人员也存在安全隐患。近年来出现的测量方法是利用库区水位高程，结合干滩坡度计算获得，由于分散排放的坡度不够均匀，测量准确度并不理想。

目前市场上常见的干滩自动化监测方式有坡度推算法、光学图像识别法、激光测角测距法^[1]。但是这几种方法自动化程度低，并且不能应用于复杂的干滩。

本文提出了利用近景摄影测量技术来解算干滩监测参数。 该方式基于近景立体摄影测量技术，通过视频终端捕捉干滩图像，采用近景立体摄影测量原理，根据图像特征提取和影像匹配的结果，在立体影像上进行目标点量测和定位^[2]，对尾矿库干滩的各项参数进行检查，分析计算后所得数据准确，实时性较强，满足尾矿坝干滩各项参数的在线实时监测要求。因此本次实验中主要采取此方法进行干滩监测，利用监测相机获取干滩图像，然后通过图像解析方法获得所需要的数据。其实现流程见图 2。

2 干滩监测流程 2.1 相机标定

实验使用的相机为工业相机，而非专业的量测相机，进行图像量测时必须进行相机标定^[3]。传统的标定方法有基于三维控制场的标定法、张正友平面标定法和自标定法等。室内标定即通过室内标定场进行相机标定，由于室内标定场中点位坐标经过反复测量，非常精确，因此通过室内标定可以获得更高精度的标定结果。本文即采用基于室内精密三维控制场的相机标定方法。这种方法利用布设在室内或室外的三维控制场作为控制信息，采用空间后方交会的方法，解算图像的畸变系数。控制场中靶标的三维坐标需要用经纬仪角度交会的方法精确测定，而且控制场中的控制点应该有一定的深度，且位置稳固可靠，不易发生变形。此次使用的室内标定场为武汉大学测绘学院的室内标定场。

利用相机标定可以确定相机的内方位元素：主距f、像主点(x₀、y₀)和畸变参数(径向畸变k₁、k₂，切向畸变p₁、p₂)。标定结果见表 1。

利用该结果就可以对拍摄的图像进行畸变改正，保证图像测量的准确性。图 3是畸变改正前和畸变改正后的对比。

由图 3可以看出，图像进行畸变校正后出现了较大面积的黑边，工业相机比一般数码相机的主点偏移要大得多，因此畸变校正十分重要。

2.2 相机定向

在恢复内方位元素(即恢复了摄影光束)的基础上，确定摄影光束在摄影瞬间的空间位置和姿态的参数，称为外方位元素。精确的外方位元素是利用图像测量三维坐标的前提^[4]。

在内方位元素已经确定的情况下，需要进一步确定外方位元素。在实际解算过程中，采用后方交会相机外方位元素。该方法的基本思想是：利用至少3个已知地面控制点的坐标A(X_A,Y_A,Z_A)、B(X_B,Y_B,Z_B)、C(X_C,Y_C,Z_C)与其影像上对应的3个像点的影像坐标a(x_a,y_a)、b(x_b,y_b)、c(x_c,y_c)，根据共线方程，反求该相片的外方位元素X_s、Y_s、Z_s、φ、ω、κ。这种方法是以单张像片为基础的，亦称单像空间后方交会。

在实际计算过程中，根据施工方提供的控制点，利用导线测量将点引到大坝和水线附近，再利用碎部测量获取靶标的三维坐标，利用该坐标进行实际后方交会的计算，获取每个相机的外方位元素。图 4是畸变纠正后的监测大坝的相机定向时使用的控制点。

2.3 干滩线和水线的提取

为了进行干滩测量，必须获取干滩线和水线的三维坐标，首先获取其在图像中的位置。

1) 干滩线的提取

本文在现有数字图像处理理论上，提出了一种利用Canny边缘检测^[5]、霍夫变换提取直线^[6]的方法进行干滩线的自动识别和提取。其步骤如下： ①对监测相机采集的图像进行预处理，平滑和滤除噪声;②利用Canny边缘提取算子对图像进行边缘检测，根据边缘的长度面积比和长度等特征剔除细小和琐碎的边缘^[7];③利用霍夫变换提取图中的直线，由于干滩线在图中占有的长度比很大，可以根据长度阈值剔除其他无关直线，获取干滩线在图中的像点坐标集。 干滩线提取结果如图 5所示。

2) 水线的提取

由于水和干滩的分界线并不十分明显，二者是一个渐变的过程，传统的边缘提取算法很难区分，所以本文利用数字图像处理中的基于标记种子的分水岭分割方法分割水域和干滩，再提取水线。具体步骤如下： ①对图像进行预处理，平滑和去除噪声;②在水线附近标记种子线，获取分水岭算法运行的区域;③利用分水岭算法对图像进行分割，识别水域和干滩区域;④根据分割后的影像，利用边缘提取算子提取水面区域和干滩区域的分割线，并对分界线进行简化处理后得到水线，也就是干滩区域和水线区域的分界线。水线提取结果如图 6所示。

2.4 单像测量

利用单张影像进行测量，其实质是摄影光束与物体的表面模型相交的过程。如图 7所示，已知像片的内参数、外方位元素和目标点的像点坐标，就可以恢复摄影时的光线，目标点必然在这条空间射线上^[8]，又根据目标点在物体表面模型上，二者相交就可以确定物方点的空间位置。

其迭代过程如下： ①根据初始的概略高程确定物方点的初始平面位置(x₀,y₀); ②依据物体表面模型，内插(x₀,y₀)处的高程Z₁; ③根据Z₁，重新计算目标点的空间位置，并内插该位置的高程Z₂; ④重复步骤①、②，直至内插得到的高程与初始高程小于一定的限值，则此时得到的(X,Y,Z)即是目标点的空间位置。

2.5 干滩线和水线的量测

由前面内容可知，利用单像进行干滩线测量需要知道干滩线在图像上的位置和大坝附近区域的数字表面模型。干滩线位置可以利用本文所述的方法自动提取，而大坝附近的数字表面模型则是根据前期矿区的近景测量过程建立的不规则三角网模型。

干滩线的测量是通过逐点测量的方式来实现的，即在图像上沿干滩线上的所有像点，都根据单像测量方法与不规则三角网相交^[9]，确定对应物方点的空间坐标。虽然在图像上干滩线近似为一条直线，但由于实际的大坝平面存在凹凸起伏，并不是一个理想的平面，因此测量得到的三维空间干滩线实际是一条曲线。

相对于干滩线的测量，水线测量则相对容易一些。由于水线是水面与干滩的交界线，水线上各点都处在同一水平面上，具有相同的高程值。因此，单像水线测量时，空间的光线与指定高度的水平面相交就可以，而不需要内插。

3 实验分析

本次实验以狮子山尾矿的干滩监测项目为基础。狮子山尾矿坝由长坝和短坝构成，如图 8所示。

此次获取干滩影像主要采用监测相机^[10]。本次项目一共采用了3台相机。其中1号相机焦距为8 mm，用来监测水线;2号相机焦距为8 mm，用来监测短坝;3号相机焦距为25 mm，用来监测短坝。

本次狮子山干滩项目所要求测量的干滩长度为3个：短坝到水线的长度、长坝到水线的长度、短坝和长坝交点到水线的长度。

由表 2可以看出，测量结果与实际结果出现了几米的误差。

1) 控制点误差。本次测量所采用的控制点利用TS15摄影全站仪量测，在无棱镜模式下，其标称精度为2 mm+2×10^-6，本次测量距离约为500 m，全站仪的测量误差在3 mm左右。

2) 水线和干滩线提取误差。提取实验中，水线和干滩线的提取误差在1~2个像素。影像中，水线部分每个像素在实际三维坐标系中约占20 cm空间距离，并且在实际情况中，干滩区域和水面的分界线并不是十分明显，二者之间为泥浆混合物，分界距离往往能达到2~4 m，并不能判断明显的界限，导致提取分界线时出现偏差。

3) 单像测量误差。单像测量时，由于量测干滩线时需要通过光线与大坝DEM相交。在实际情况中，大坝DEM是通过全站仪采集的碎部点构建的，碎部点间隔为4 m，DEM的精度直接影响单像测量的精度。经过反复实验，这部分误差对测量的误差在25 cm左右。

综上可知，此次实验的主要误差原因在于水线部分的提取问题。然而在干滩监测的规范中，并未对水线做出硬性规定，水与干滩的分界线并不十分明显，本次实验的精度也完全符合规范，在可容许范围内。

4 结束语

本文提出了一种利用图像监测系统进行干滩监测的方法，从原理上论述了其可能性，并且成功利用其提取出了水线和干滩线，实现了水线和干滩线的测量。实际测量的结果也能满足精度要求。随着工业相机工艺的不断提高，实际测量精度也会相应提高。