一种基于图像数据的艰险山区边坡变形测量方法及系统

1.一种基于图像数据的艰险山区边坡变形测量方法，其特征在于，包括以下步骤：步骤S1：获取艰险山区边坡的高分辨率图像采集数据及GNSS辅助数据；对高分辨率图像采集数据进行校正，得到校正边坡图像采集数据；步骤S2：对校正边坡图像采集数据进行各时相图像局部特征提取及匹配，得到边坡初步匹配点集数据；对于边坡初步匹配点集数据进行误匹配剔除，所述误匹配剔除包括利用随机采样一致性算法估算基础变换矩阵，剔除低置信度匹配点，随后基于单应性约束筛除超出边坡区域的异常点匹配，并采用最近邻比值测试方法去除错误匹配点，最终得到边坡图像间变换矩阵数据；步骤S3：基于校正边坡图像采集数据及边坡图像间变换矩阵数据进行各时相图像全局配准，得到边坡配准图像数据；步骤S4：基于边坡配准图像数据进行边坡区域三维重建前置处理，得到边坡稠密点云数据；利用预设地面控制点数据及边坡稠密点云数据进行数字表面模型构建，并对数字表面模型进行校正，得到边坡校正数字表面模型；步骤S5：基于边坡校正数字表面模型利用GNSS辅助数据及边坡配准图像数据进行光流分析，得到边坡图像局部位移向量数据；步骤S6：对GNSS辅助数据及边坡图像局部位移向量数据进行边坡形变状态实时融合估计，并进行数据可视化处理，得到边坡变形监测数据；步骤S6包括以下步骤：步骤S61：基于GNSS辅助数据对边坡图像局部位移向量数据进行坐标统一及误差校正，得到边坡校正位移向量数据；步骤S62：对边坡校正位移向量数据进行边坡形变状态局部变化趋势分析，得到边坡局部形变趋势数据；步骤S63：利用GNSS辅助数据及边坡局部形变趋势数据进行多时相形变状态融合估计，得到边坡整体形变状态数据；步骤S64：对边坡整体形变状态数据进行空间插值及可视化渲染，得到边坡变形监测数据。 2.根据权利要求1所述的基于图像数据的艰险山区边坡变形测量方法，其特征在于，步骤S1包括以下步骤：步骤S11：获取艰险山区边坡的高分辨率图像采集数据，并对数据进行预处理，得到原始边坡图像采集数据；步骤S12：获取艰险山区边坡的GNSS辅助数据，并基于GNSS辅助数据对原始边坡图像采集数据进行地理参考校正，得到地理校正边坡图采集数据；步骤S13：对地理校正边坡图采集数据进行几何畸变校正，得到几何校正边坡图像采集数据；步骤S14：对几何校正边坡图像采集数据进行辐射校正，得到辐射校正边坡图像采集数据；步骤S15：对辐射校正边坡图像采集数据进行噪声抑制处理，得到校正边坡图像采集数据。 3.根据权利要求2所述的基于图像数据的艰险山区边坡变形测量方法，其特征在于，步骤S2包括以下步骤：步骤S21：对校正边坡图像采集数据进行特征点检测，得到边坡图像初始特征点数据；步骤S22：基于边坡图像初始特征点数据对校正边坡图像采集数据进行特征描述计算，得到边坡图像特征描述数据；步骤S23：基于边坡图像特征描述数据对校正边坡图像采集数据进行各时相特征点匹配，得到边坡初步匹配点集数据；步骤S24：对边坡初步匹配点集数据进行误匹配剔除，得到边坡稳健匹配点集数据；步骤S25：基于边坡稳健匹配点集数据进行图像间几何变换关系计算，得到边坡图像间变换矩阵数据。 4.根据权利要求3所述的基于图像数据的艰险山区边坡变形测量方法，其特征在于，步骤S24包括以下步骤：步骤S241：对边坡初步匹配点集数据进行最近邻匹配一致性检查，得到边坡最近邻一致性匹配点数据；步骤S242：基于边坡最近邻一致性匹配点数据进行特征点空间分布分析，得到边坡特征点空间分布数据；步骤S243：对边坡特征点空间分布数据进行局部密度统计，得到边坡局部异常匹配点数据；步骤S244：基于边坡局部异常匹配点数据进行误匹配点剔除，得到边坡初步剔除匹配点数据；步骤S245：对边坡初步剔除匹配点数据进行几何一致性检验，得到边坡几何一致性匹配点数据；步骤S246：基于边坡几何一致性匹配点数据进行随机采样一致性检测，得到边坡随机采样一致性匹配点数据；步骤S247：对边坡随机采样一致性匹配点数据进行误匹配点再剔除，得到边坡稳健匹配点集数据。 5.根据权利要求1所述的基于图像数据的艰险山区边坡变形测量方法，其特征在于，步骤S3包括以下步骤：步骤S31：基于校正边坡图像采集数据进行各时相边坡图像对齐，得到边坡初步对齐图像数据；步骤S32：基于边坡图像间变换矩阵数据对边坡初步对齐图像数据进行几何变换，得到边坡几何变换图像数据；步骤S33：对边坡几何变换图像数据进行局部误差分析，并进行特征匹配关系误差补偿，得到边坡误差补偿图像数据；步骤S34：基于边坡误差补偿图像数据进行各时相图像全局优化配准，得到边坡配准图像数据。 6.根据权利要求1所述的基于图像数据的艰险山区边坡变形测量方法，其特征在于，步骤S4包括以下步骤：步骤S41：对边坡配准图像数据进行边坡区域稀疏特征点提取，得到边坡稀疏特征点数据；步骤S42：基于边坡稀疏特征点数据进行多视角立体匹配，得到边坡初步稠密点云数据；步骤S43：对边坡初步稠密点云数据进行噪声滤除及密度优化，得到边坡稠密点云数据；步骤S44：利用预设地面控制点数据对边坡稠密点云数据进行坐标校正，得到边坡校正稠密点云数据；步骤S45：利用边坡校正稠密点云数据进行边坡区域数字表面模型构建，得到边坡初步数字表面模型；步骤S46：对边坡初步数字表面模型进行误差补偿及精度优化，得到边坡校正数字表面模型。 7.根据权利要求1所述的基于图像数据的艰险山区边坡变形测量方法，其特征在于，步骤S5包括以下步骤：步骤S51：基于边坡校正数字表面模型对边坡配准图像数据进行像素级特征提取，得到边坡特征点集数据；步骤S52：基于边坡特征点集数据对边坡配准图像数据进行各时相光流场计算，得到边坡初步光流位移数据；步骤S53：利用GNSS辅助数据对边坡初步光流位移数据进行误差修正，得到边坡校正光流位移数据；步骤S54：对边坡校正光流位移数据进行区域聚类及边坡运动趋势分析，得到边坡图像局部位移向量数据。 8.根据权利要求7所述的基于图像数据的艰险山区边坡变形测量方法，其特征在于，步骤S54包括以下步骤：步骤S541：对边坡校正光流位移数据进行空间分布分析，得到边坡光流位移空间分布数据；步骤S542：对边坡光流位移空间分布数据进行密度聚类分析，得到边坡局部运动聚类数据；步骤S543：对边坡局部运动聚类数据进行相邻区域合并优化，得到边坡局部运动优化聚类数据；步骤S544：对边坡局部运动优化聚类数据进行形变模式识别，得到边坡局部形变模式数据；步骤S545：对边坡局部形变模式数据进行时间序列分析，得到边坡运动趋势初步数据；步骤S546：对边坡运动趋势初步数据进行异常变化检测，得到边坡运动趋势异常数据；步骤S547：对边坡运动趋势异常数据进行误差修正，得到边坡稳定运动趋势数据；步骤S548：利用边坡稳定运动趋势数据对边坡校正光流位移数据进行局部位移计算，得到边坡图像局部位移向量数据。 9.一种基于图像数据的艰险山区边坡变形测量系统，其特征在于，用于执行如权利要求1所述的基于图像数据的艰险山区边坡变形测量方法，所述基于图像数据的艰险山区边坡变形测量系统包括：数据获取与校正模块，用于获取艰险山区边坡的高分辨率图像采集数据及GNSS辅助数据；对高分辨率图像采集数据进行校正，得到校正边坡图像采集数据；特征匹配与变换模块，用于对校正边坡图像采集数据进行各时相图像局部特征提取及匹配，得到边坡初步匹配点集数据；对于边坡初步匹配点集数据进行误匹配剔除，得到边坡图像间变换矩阵数据；图像配准模块，用于基于校正边坡图像采集数据及边坡图像间变换矩阵数据进行各时相图像全局配准，得到边坡配准图像数据；三维重建与校正模块，用于基于边坡配准图像数据进行边坡区域三维重建前置处理，得到边坡稠密点云数据；利用预设地面控制点数据及边坡稠密点云数据进行数字表面模型构建，并对数字表面模型进行校正，得到边坡校正数字表面模型；光流分析模块，用于基于边坡校正数字表面模型利用GNSS辅助数据及边坡配准图像数据进行光流分析，得到边坡图像局部位移向量数据；形变估计与可视化模块，用于对GNSS辅助数据及边坡图像局部位移向量数据进行边坡形变状态实时融合估计，并进行数据可视化处理，得到边坡变形监测数据。