CN119920059A 基于空天地多源数据融合的区域风险监测预警系统 （中交一公局厦门工程有限公司）

(19)国家知识产权局(10)申请公布号CN119920059A中交一公局厦门工程有限公司地址361000福建省厦门市集美区银江路139号申请人中交一公局绿建(厦门)科技有限公司(72)发明人浦彦彦刘世焕鲁瑞祥胡春生蔡宣桂夏子顺王彪艾浩(74)专利代理机构合肥讯鹰知识产权代理事务所(普通合伙)34385专利代理师梅子文(54)发明名称基于空天地多源数据融合的区域风险监测预警系统本发明公开了基于空天地多源数据融合的区域风险监测预警系统，涉及灾害监测预警技术基雷达等多种数据源，实现对区域风险的全面监测。系统能够自动处理数据，构建高精度三维实景模型，并基于时序InSAR技术和多源数据融合非接触式高精度测量。构建交互式监测预警平融合处理、潜在风险面确定、应力应变分析及预警信息发布功能，为区域风险防范提供了支持。21.基于空天地多源数据融合的区域风险监测预警系统，其特征在于，所述系统包括：全域变形监测与风险识别模块：用于获取待检测区域的多景卫星影像和数字高程模风险巡检与三维实景模型构建模块：利用无人机搭载激光雷达与可见光相机，定期对关键工程区域进行巡检，获取高密度激光点云数据和高分辨率影像；处理无人机获取的数据，构建像素损失矩阵，进行像素调整，形成三维实景模型；研究广域建高精度控制框架，集成无人机高精度摄影测量模块，构建工程实景三维模型；智慧感知技术与装备模块：针对路基边坡、隧道施工、桥梁结构重点设施，利用地基雷多源数据融合监测预警模块：整合多源异构数据，进行数据清洗、特征提取，开发智能融合处理和分析模型；构建集用户基础、多源数据协议、实景模型数据库功能于一体的交互应力应变分析，实现对高风险区域的安全预警信息发布。2.根据权利要求1所述的基于空天地多源数据融合的区域风险监测预警系统，其特征在于，所述全域变形监测与风险识别模块工作流程具体如下：S11、获取待检测区域的多景卫星影像和数字高程模型；S12、对多景卫星影像进行精配准，确保数据的一致性和准确性；生成干涉像对，提取地应用场景，使用相应的风险评估模型识别潜在风险区域。3.根据权利要求1所述的基于空天地多源数据融合的区域风险监测预警系统，其特征在于，所述风险巡检与三维实景模型构建模块工作流程具体如下：S21、利用无人机搭载激光雷达与可见光相机，对工程重点区域进行定期巡检，自主获取高密度激光点云数据和高分辨率影像；S22、处理无人机获取的数据，构建像素损失矩阵，进行像素调整，形成三维实景模型；研究广域像控-云控制技术，构建高精度控制框架；集成无人机高精度摄影测量模块，结合地质等数据，构建高精度的工程实景三维模型。4.根据权利要求1所述的基于空天地多源数据融合的区域风险监测预警系统，其特征在于，所述智慧感知技术与装备模块工作流程具体包括：S31、研发针对路基边坡、隧道施工、桥梁结构重点设施的高精度、多参量、轻量化的监测技术与装备；S32、利用地基雷达、机器视觉与LiDAR组合技术、测量机器人和激光扫描仪等，实现非接触式的高精度测量。5.根据权利要求1所述的基于空天地多源数据融合的区域风险监测预警系统，其特征在于，所述多源数据融合监测预警模块工作流程具体如下：S41、以物联网平台做底层支撑，整合多源异构数据，匹配项目各类设备接口协议类型，3接入空-天-地多维数据；研究异常数据清洗、数据降噪与特征提取方法，保证数据的高质量性；建立多源监测数据智能融合处理和分析模型，开发多源数据融合处理监测预警模块；S42、基于无人机航测技术构建的高精度实景三维模型底座，研究多源监测数据在平台模型底座的可视化映射方法，实现监测数据的直观显示；进行平台架构设计与交互式产品设计，提供打通感知设备层、数据采集层、通讯传输层与数据分析挖掘层的配置框架；平台库、预警报警模型库及多源异构监测数据融合分析模型库内容；S43、通过形变图生成、目标检测与风险划分、数据融合处理、潜在风险面确定、应力应变分析步骤，实现对高风险区域的安全预警信息发布。6.根据权利要求1所述的基于空天地多源数据融合的区域风险监测预警系统，其特征在于，所述去除大气效应影响包括去除大气湍流效应和大气垂直分层效应。7.根据权利要求1所述的基于空天地多源数据融合的区域风险监测预警系统，其特征在于，所述构建三维实景模型的具体过程包括：标记特征点和标准特征点，构建像素损失函数，通过最小二乘法处理得到像素损失矩阵，对倾斜图像进行像素调整，形成区域图，再基于高程数据将区域图中的像素点转化为点云，得到点云模型，并将颜色信息映射到点云模型上。8.根据权利要求1所述的基于空天地多源数据融合的区域风险监测预警系统，其特征在于，所述对高风险区域的安全预警信息发布过程包括：生成形变图，进行目标检测与风险划分，将形变图划分为高风险区域和低风险区域；对高风险区域进行安全预警信息发布；对低风险区域进行数据融合处理，得到三维形变模型；基于地层结构信息、地质构造信息和地形特征确定潜在风险面；进行应力应变分析，得到安全系数；对安全系数小于安全系数阈值的区域进行安全预警信息发布。9.根据权利要求1所述的基于空天地多源数据融合的区域风险监测预警系统，其特征在于，所述数据融合处理的具体过程包括：将形变图和三维模型进行配准和密度匹配，基于对应权重进行数据融合处理，得到三维形变模型，具体操作为将形变匹配图转化点云数据得到初始形变模型，将初始形变模型和三维匹配模型转换为贝叶斯函数，基于对应权重和高斯分布函数获取似然函数，经最大后验估计处理得到三维形变模型。10.根据权利要求8所述的基于空天地多源数据融合的区域风险监测预警系统，其特征β分别是应力安全系数D和应变安全系数对应的权重。4技术领域[0001]本发明属于灾害监测预警技术领域，具体涉及基于空天地多源数据融合的区域风险监测预警系统。背景技术[0002]随着社会经济的快速发展和城市化进程的加快，各类自然灾害和人为因素导致的区域风险问题日益突出。这些问题不仅威胁人民生命财产安全，也对经济社会的可持续发展造成严重影响。因此，建立有效的区域风险监测预警系统，对于预防和减轻自然灾害和人为灾害的影响具有重要意义。[0003]现有的区域风险监测预警系统主要依赖单一的数据源和技术手段，存在以下不[0004]数据源单一：传统的监测系统通常依赖单一的数据源，如地面传感器或卫星遥感数据，无法全面反映复杂多变的区域风险状况。[0005]监测范围有限：地面传感器监测范围有限，难以覆盖大面积区域然覆盖范围广，但时间和空间分辨率较低。[0006]数据处理能力不足：现有系统的数据处理能力有限，难以有效处理多源异构数据，导致监测结果的准确性和时效性不高。[0007]风险评估模型单一：现有的风险评估模型往往针对特定类型的灾害，缺乏通用性和灵活性，难以适应多样化的应用场景。[0008]预警信息发布滞后：预警信息的发布和传播机制不够完善，导致预警信息的时效性和覆盖面受限。发明内容[0009]为了克服上述现有技术存在的缺点与不足，本发明采用如下技术方案：[0010]基于空天地多源数据融合的区域风险监测预警系统，包括：[0011]全域变形监测与风险识别模块：用于获取待检测区域的多景卫星影像和数字高程分析，结合特定场景下的风险评估模型，识别潜[0012]风险巡检与三维实景模型构建模块：利用无人机搭载激光雷达与可见光相机，定期对关键工程区域进行巡检，获取高密度激光点云数据和高分辨率影像；处理无人机获取的数据，构建像素损失矩阵，进行像素调整，形成三维实景模型；研究广域像控-云控制技术，构建高精度控制框架，集成无人机高精度摄影[0013]智慧感知技术与装备模块：针对路基边坡、隧道施工、桥梁结构重点设施，研发高机器人和激光扫描仪，实现非接触式的高精度测量；5[0014]多源数据融合监测预警模块：整合多源异构数据，进行数据清洗、特征提取，开发智能融合处理和分析模型；构建集用户基础、多源数据协议、实景模型数据库等功能于一体的交互式监测预警平台；通过形变图生成、目标检测与风险划分、数据融合处理、潜在风险面确定、应力应变分析，实现对高风险区域的安全预警信息发布。[0015]优选地，全域变形监测与风险识别模块工作流程具体如下：[0016]S11、获取待检测区域的多景卫星影像和数字高程模型；[0017]S12、对多景卫星影像进行精配准，确保数据的一致性和准确取地表变形信息；去除大气效应影响，提高干同的应用场景，使用相应的风险评估模型识别潜在风险区域。[0019]优选地，风险巡检与三维实景模型构建模块工作流程具体如下：[0020]S21、利用无人机搭载激光雷达与可见光相机，对工程重点区域进行定期巡检，自主获取高密度激光点云数据和高分辨率影像；[0021]S22、处理无人机获取的数据，构建像素损失矩阵，进行像素型；研究广域像控-云控制技术，构建高精度控制框合地质等数据，构建高精度的工程实景三维模型。[0022]优选地，智慧感知技术与装备模块工作流程具体包括：[0023]S31、研发针对的监测技术与装备；[0024]S32、利用地基雷达、机器视觉与LiDAR组合技术、测量机器人和现非接触式的高精度测量。[0025]优选地，多源数据融合监测预警模块工作流程具体如下：[0026]S41、以物联网平台做底层支撑，整合多源异构数据，匹配项目各类设备接口协议类型，接入空-天-地多维数据；研究异常数据清洗、数据降噪与特征提取方法，保证数据的高质量性；建立多源监测数据智能融合处理和分析模型，开发多源数据融合处理监测预警[0027]S42、基于无人机航测技术构建的高精度实景三维模型底座，研究多源监测数据在平台模型底座的可视化映射方法，实现监测数据的直观显示；进行平台架构设计与交互式产品设计，提供打通感知设备层、数据采集层、通讯传输层与数据分析挖掘层的配置框架；查询库、预警报警模型库及多源异构监测数据融合分析模型库内容；[0028]S43、通过形变力应变分析步骤，实现对高风险区域的安全预警信息发布。[0029]优选地，去除大气效应影响包括去除大气湍流效应和大气垂直分层效应。[0030]优选地，构建三维实景模型的具体过程包括：标记特征点和标准特征点，构建像素损失函数，通过最小二乘法处理得到像素损失矩阵，对倾斜图像进行像素调整，形成区域图，再基于高程数据将区域图中的像素点转化为点云，得到点云模型，并将颜色信息映射到点云模型上。6[0039]2、本发明利用无人机搭载激光雷达与可见光相机，构建了高精度的三维实景模附图说明7[0044]图2示出了本发明系统的工作流程图。具体实施方式[0045]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它[0046]此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多示例实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的示例实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节述公知结构、方法、实现或者操作以避免喧宾夺主而使得本公开的各方面变得模糊。[0047]实施例1:[0048]参阅图1所示，本实施例的基于空天地多源数据融合的区域风险监测预警系统，包括全域变形监测与风险识别模块、风险巡检与三维实景模型构建模块、智慧感知技术与装[0049]全域变形监测与风险识别模块：用于获取待检测区域的多景卫星影像、数字高程分析，结合特定场景下的风险评估模型，识别潜在风险区域。[0050]风险巡检与三维实景模型构建模块：利用无人机搭载激光雷达与可见光相机，定期对关键工程区域进行巡检，获取高密度激光点云数据和高分辨率影像；处理无人机获取的数据，构建像素损失矩阵，进行像素调整，形成三维实景模型；研究广域像控-云控制技术，构建高精度控制框架，集成无人机高精度摄影测量模块，构建工程实[0051]智慧感知技术与装备模块：针对路基边坡、隧道施工、桥梁结构等重点设施，研发量机器人和激光扫描仪等，实现非接触式的高精度测量。[0052]多源数据融合监测预警模块：整合多源异构数据，进行数据清洗、特征提取，开发智能融合处理和分析模型；构建集用户基础、多源数据协议、实景模型数据库等功能于一体的交互式监测预警平台；[0053]通过形变图生成、目标检测与风险划分、数据融合处理、潜在风险面确定、应力应变分析等步骤，实现对高风险区域的安全预警信息发布。[0054]参阅图2所示，基于空天地多源数据融合的区域风险监测预警方法，工作流程如[0055]步骤一：基于长时序卫星遥感的全域变形监测与风险识别。[0056]S11、获取待检测区域的多景卫星影像和数字高程模型(DEM)。[0057]利用合成孔径雷达干涉测量(InSAR)技术，获取大范围的地表变形监测数据，检测毫米级地表变形。8[0059]对多景卫星影像进行精配准，确保数据的一致性和准确性。[0060]生成干涉像对，提取地表变形信息。[0061]去除大气湍流效应和大气垂直分层效应，提高干涉相位质量。[0063]基于时序InSAR技术，开展监测区全域大范围变形监测。[0064]结合DEM、光学影像等多源数据，提取监测区坡度信息，进行形态、地表覆盖类型等分析，识别出风险隐患点。[0065]根据不同的应用场景(如地震、洪水、滑坡等),使用相应的风险评估模型识别潜在风险区域。[0066]步骤二、基于无人机航测的风险巡检与三维实景模型构建。[0068]利用无人机搭载激光雷达与可见光相机，对工程重点区域(如高边坡、隧道洞口、桥梁等等)进行定期巡检。[0069]自主获取高密度激光点云数据和高分辨率影像。[0071]将当前倾斜图像中，在不同尺度下高斯模糊处理后像素值均为极值，且邻域对比度小于对比度阈值的像素点，标记为特征点。[0072]将这些特征点在标准图像中相应位置处的像素点，标记为标准特征点。[0073]基于特征点像素值和标准特征点像素值，构建像素损失函数，经最小二乘法处理，得到像素损失矩阵。[0074]基于像素损失矩阵，对当前倾斜图像进行像素调整，得到当前调整图像。[0075]每个调整图像依次与相邻获取时间对应的调整图像，进行相同区域处的像素混合的连接处理，得到区域图。[0076]基于高程数据，将区域图中像素点转化为点云，得到点云模型。[0077]将区域图中的颜色信息，映射到点云模型上，得到三维模型。[0078]研究广域像控-云控制技术，构建高精度控制框架。[0079]集成无人机高精度摄影测量模块，结合地质等数据，构建高精度的工程实景三维模型。[0080]步骤三、低成本、高精度、多参量、轻量化的智慧感知技术与装备。[0082]路基边坡监测：研发基于微机电系统(MEMS)技术的高精度位移绳和超大量程磁致式位移计，实现长周期边坡矩阵式表面沉降与土体深层水平位移高精度感知。[0083]隧道施工监测：研发隧道拱顶沉降监测技术和位移绳预埋方法，实现隧道施工全过程监测。[0084]桥梁结构监测：开发无线复合传感技术，实现桥梁挠度、位移、沉降、倾斜和温度等多物理量的实时监测。[0085]其他设施监测：根据不同的应用场景(如大坝、水库、矿山等),研发相应的高精度、多参量、轻量化的智慧感知技术与装备。[0086]S32、非接触式测量。9[0087]地基雷达测量：利用地基雷达进行大范围目标静动态变形的非接触式测量。[0088]视觉与LiDAR组合测量：采用机器视觉与三维激光扫描技术，实现隧道洞口、桥梁结构等的高精度非接触式测量。[0089]测量机器人和激光扫描仪：利用测量机器人和高精度激光扫描仪进行三维变形测[0090]步骤四、空-天-地多源数据融合的监测预警平台设计与开发。[0092]多源数据整合：以物联网平台做底层支撑，整合多源异构数据，匹配项目各类设备接口协议类型，接入空-天-地多维数据。[0093]数据清洗与特征提取：研究异常数据清洗、数据降噪与特征提取方法，保证数据的高质量性。[0094]智能融合处理：建立多源监测数据智能融合处理和分析模型，开发多源数据融合处理监测预警模块。[0096]可视化映射技术：基于无人机航测技术构建的高精度实景三维模型底座，研究多源监测数据在平台模型底座的可视化映射方法，实现监测数据的直观显示。[0097]交互式产品设计：结合课题研究内容进行平台架构设计与交互式产品设计，提供一套打通感知设备层、数据采集层、通讯传输层与数据分析挖掘层的配置框架。[0098]功能模块：平台涵盖用户基础模块、多源数据协议库、实景模型数据库、BIM信息库、地理信息库、数据查询库、预警报警模型库及多源异构监测数据融合分析模型库等内[0101]分别获取当前和历史邻域时刻待检区域的雷达数据，经图像配准处理后，获取对应位置点的相位差，得到相位差图。[0102]相位差图经最小二乘法处理后转化为地表形变图，得到形变图。[0104]形变图经目标检测处理，得到建筑物分布信息和植被分布信息。[0105]基于建筑物分布信息、植被分布信息和地表形变阈值，将形变图划分为高风险区域和低风险区域。[0106]高风险区域为：形变图中，地表形变平均值大于第一地表形变差小于方差阈值的区域；或形变图中，地表形变平均值不大于第一地表形变阈值，但大于第二地表形变阈值，且建筑物分布面积大于建筑分布面积阈值的区域。第一地表形变阈值大于第二地表形变阈值。[0108]对高风险区域进行安全预警信息发布。[0109]对低风险区域执行下一步操作。[0111]将形变图和三维模型进行配准和密度匹配后，基于对应权重进行数据融合处理，得到三维形变模型。[0112]数据融合处理的操作具体为：基于待检区域的坐标数据和高程数据，将形变匹配图转化点云数据，得到初始形变模型。[0113]分别将初始形变模型和三维匹配模型转换为贝叶斯函数，得到初始形变贝叶斯模型和三维贝叶斯模型。[0114]基于对应权重和高斯分布函数，获取初始形变贝叶斯模型和三维贝叶斯模型的似然函数，得到初始形变似然模型和三维似然模型。[0115]初始形变似然模型和三维似然模型，经最大后验估计处理，得到三维形变模型。确定三维形变模型的潜在风险面。[0119]基于未来邻域时间的环境参数(如降雨时长和降雨量、地震活动等),以及潜在风险面对应的地质信息，进行应力应变分析，得[0123]S11、计算最终的安全系数E:E=aD+βV;其中，D是应