1.软岩边坡三维智能监测及灾害早期识别预警方法，其特征在于：所述方法包括如下步骤：步骤1：使用遥感设备对高速公路路基进行拍摄，获取相应的遥感图像数据；步骤2：对遥感图像进行识别，并将图像输入到机器模型中特征对比学习，开展隐患点筛查和灾害体识别；步骤3：对软岩区域采样，建立软岩体三维空间模型；步骤4：通过设置采集装置实时采集软岩体内部的数据，采集数据作为软岩体三维空间模型的动态数据；步骤5：把遥感数据和实时采集数据输入在线预警系统，判断是否有软岩区域会发生失稳；步骤6：对可能发生失稳或者滑坡的区域发出预警信息，并通知管理人员进行实地查看并做防护措施。
2.根据权利要求1所述的软岩边坡三维智能监测及灾害早期识别预警方法，其特征在于：步骤1中遥感设备包括基于星载平台的地质灾害普查和基于机载平台的地质灾害详查，基于星载平台的地质灾害普查的具体过程为：通过卫星遥感平台利用InSAR结合光学遥感的方法，利用光学遥感提取滑坡形态、地物分类的信息，InSAR进行提取形变场，两者结合，获取的地表形变速率、地物分类、地面反演温度、植被覆盖的因子，构建地质隐患知识图谱，对滑坡隐患中孕灾环境、诱发因子、变化迹象三元素的特征及其关联关系构建，孕灾环境包括地质构造、水文条件、地表起伏和地表覆盖，诱发因包括降水量和土壤冻融，变化迹象包括位移和沉降，分析重大地质灾害特点与形成条件，筛选和确定地质灾害发生的关键性因子，通过致灾因子分析计算，采用机器学习方法，建立地质灾害自动识别体系，实现自动或者半自动地质灾害提取。
3.根据权利要求2所述的软岩边坡三维智能监测及灾害早期识别预警方法，其特征在于：基于机载平台的地质灾害详查的具体过程为：使用无人机载平台，设置激光扫描仪和高分辨率光学相机在无人机载平台上，对地面三维坐标和影像数据进行获取，并实现地物三维实时变化和真实形态特性再现，对地表垂直位移、体积变化、变化前后剖面进行计算，对坡度陡峭、植被茂密复杂地形点云数据进行滤波处理，通过LiDAR数据去除植被后获取的数字地表模型，结合二维、三维解译，识别植被覆盖下的崩塌松散堆积体、古老滑坡堆积体、泥石流堆积扇以及震裂山体裂缝的易发生地质，灾害的潜在隐患，实现对地质灾害区进行详查。
4.根据权利要求1所述的软岩边坡三维智能监测及灾害早期识别预警方法，其特征在于：步骤2中，把初步处理后的遥感图像数据输入到已经训练好的机器模型中特征对比，输出相应存在隐患区域的图像，再把存在隐患区域的图像重新输入到另外一个根据灾害体特征训练好的机器模型中，输出灾害点，并进行标注。
5.根据权利要求1所述的软岩边坡三维智能监测及灾害早期识别预警方法，其特征在于：步骤3中对软岩区域进行采样的具体过程为：对软岩体施工前钻孔取若干个样品，使用摄像机装置进行识别，其中，摄像机装置由四个摄像头、一个圆环、两个样品固定端、一个伸缩气缸及一个连接杆组成。两个样品固定端分别位于连接杆的两端，用于固定样品的两端，圆环环绕于样品外侧，并可在连接杆上滑动，四个摄像头安装于圆环的侧面，分别朝向样品的东、南、西、北四个方向，并对准样品进行设置，伸缩气缸的伸缩端与圆环相连，通过驱动圆环进行往复移动，从而使得四个摄像头在移动过程中对样品进行外围识别；采用圆形钻孔方式提取样品，若样品在钻取过程中出现破裂，则采用环氧树脂进行粘合并修复，随后，通过四个摄像头对样品进行识别，将四个摄像头捕捉到的图像进行拼接，以获得样品外围的视频数据，接着，对视频数据执行图像识别处理，以辨识样品中软岩的分层情况、软岩层次材料以及孔隙的分布和尺寸，最后，自动通过互联网检索与软岩层次材料相关的特性数据。
6.根据权利要求5所述的软岩边坡三维智能监测及灾害早期识别预警方法，其特征在于：步骤3中建立软岩体三维空间模型的具体过程为：构建三维立体空间模型，该模型根据所需监测的边坡尺寸，按照相应比例构建，将所有样品的三维外围图像置入三维立体空间模型中，根据每个样品采样位置的不同，将样品放置于空间模型中相对应比例的位置点。在三维立体空间模型中，将每个样品相同深度的位置点置于同一高度，对每个样品的立柱内部软岩模型进行识别，并通过有限元分析法得到每个样品软岩的立体模型，在三维立体空间模型中，将同一高度上相同性质或相同岩层的点用线条连接起来，并使用不同的线型或颜色来区分不同高度的点，以获取样品中的图像颜色和空隙分布，将同一高度或同性质的连接线进行图层渲染，从样品中心向外移动，直至整个三维立体空间模型渲染完毕，从而获得软岩体的三维模型。
7.根据权利要求1所述的软岩边坡三维智能监测及灾害早期识别预警方法，其特征在于：步骤4中，在取出的所有样品上安装检测装置，将样品放回到软岩体内进行实时检测，在采样样品的侧边安装多个湿度传感器、应力传感器及移位传感器，并将传输线连接至外部，外部设有采集装置以实时采集数据并传回至数据处理系统，在初始采集阶段，所采集的数据代表了软岩体的初始状态，亦即其稳定状态数据；其中，在采集时，如果在遥感普查没有出现的隐患区域，同时采集的数据在设定时间段内均没有超出设定的值时，将采集的速率降低，自适应变频智能采集方式，采用低频采集模式避免冗余数据大量累积；对施工前软岩体内部数据进行采集，并依据软岩的材料特性，计算出软岩的自重力，材料特性包括硬度和密度，通过湿度传感器检测湿度数据，并识别孔隙结构，以确定软岩在初始状态下的结构应力，将自重力与结构应力叠加，得到软岩体的初始应力状态，随后，将初始应力状态相关数据与软岩体的三维模型进行融合处理，使得软岩体三维模型的受力数据能够根据检测数据的变化而实时更新，用户可通过显示屏实时观察到软岩体三维模型中的受力状况。
8.根据权利要求1所述的软岩边坡三维智能监测及灾害早期识别预警方法，其特征在于：步骤4中，依据识别的不同深度软岩的材料属性，采用强度折减法，逐步降低材料的抗剪强度参数，该参数包括粘聚力和内摩擦角，直至边坡达到临界状态，即发生破坏，此时即为边坡的失稳条件。根据该失稳条件，施加失稳破坏边界条件，将软岩体的三维模型备份为第二软岩体三维模型，在第二软岩体三维模型中模拟破坏条件，使软岩体逐渐趋于临界状态，从而确定最快出现失稳的区域，并标注出失稳的重点区域，最终，将模拟出的失稳重点区域整合到原始的软岩体三维模型中，形成区域标注软岩体三维模型。
9.根据权利要求1所述的软岩边坡三维智能监测及灾害早期识别预警方法，其特征在于：步骤5中，遥感数据和采集数据需要同时兼顾，当其中一个出现隐患点时，则另外一个需要对相应区域进行细致核验，当遥感数据判断有隐患时，再从实地软体区域检测有数据变化时，则判断相应区域会发滑坡或者失稳隐患，通知相应人员对相应区域监管，当遥感无隐患，实地软岩体检测有隐患时，则判定为施工软岩体区域出现失稳；其中，在线预警系统用于显示整个地区的灾害预警监管数据，随时放大每个检测的区域，同时特定的软岩区域生成有相应的三维动态模型，管理人员直观的看到三维模型从数据正常到整个失稳动态的变化，根据三维模型的变化进行实时分析。
10.根据权利要求1所述的软岩边坡三维智能监测及灾害早期识别预警方法，其特征在于：步骤6中，失稳数据中，如果是由于湿度变大，则进行打孔抽水，底端打孔作为真空抽水，上端打孔通入氮气，在湿度达到原始的湿度后，将抽水孔和氮气通孔都进行密封，如果出现有移动或者应力增大时，判断是震动造成或者内部出现氧化而松动，则需要采用锚杆加固并在锚杆内部注入水泥浆加固，直到再次采集数据回到初始数据设定的误差范围为止；如果采集的数据中，遥感数据出现隐患和实时监测三维动态模型都出现隐患，对相应区域进行隔离，并定时观察和使用人工干预爆破干预隐患发生时间。
