發(fā)布時間：2020-11-15 12:45

　　 無人機遙感在建筑物震害評估方面發(fā)揮著重要作用。它可以迅速航拍震后建筑物照片,提取建筑物破壞信息,預估破壞程度從而獲取受災情況,為國家救援提供決策資料。傳統(tǒng)的遙感一般只能航拍受損建筑頂部影像,很難獲取其側面情況,從而使生成的正射影像缺少房屋建筑的側面、高度、樓層數(shù)和占地面積等信息,導致建筑物震害評估的不準確。近年興起的無人機傾斜攝影技術從多個角度拍攝建筑物的頂部和側面照片,生成的三維模型不僅展現(xiàn)建筑物破壞的真實三維場景,而且較為準確的反映建筑物外墻破壞細節(jié)、高度和位置等信息。本文使用2017年四川九寨溝7.0級地震震后分辨率10cm的無人機傾斜影像研究提取建筑物破壞信息的方法,主要研究內容如下:(1)傾斜攝影技術建模生成的三維模型較好的表現(xiàn)單體建筑物側面和頂面震害細節(jié)信息,然而模型的高維特性無法直接基于傾斜影像提取建筑物震害信息,經(jīng)過降低維度或者點云分割獲得的側面紋理影像往往導致單體建筑物震害信息不清晰以及側面紋理的雜亂破碎。針對這些問題,本文提出一種直接從九寨溝震后傾斜影像快速獲取單體建筑物側面紋理的新方法,即利用元素打散功能將三維模型打散,實現(xiàn)三維白模與貼圖紋理的分離,獲取單體建筑物較為完整的頂部和側面影像信息,同時利用三維模型瓦片的坐標高程范圍和單體建筑物的坐標高程選取最優(yōu)紋理影像,并對紋理影像上單體建筑物外墻和墻皮脫落信息采用面向對象方法進行提取,通過對這些建筑物震害信息的分析,判定單體建筑物為中等和嚴重兩個破壞等級。(2)結合面向對象多尺度分割算法與深度學習卷積神經(jīng)網(wǎng)絡訓練模型,提取災區(qū)群體建筑物震害信息。面向對象多尺度分割可以將不同的地物分割到不同的對象中,但是對于對象的波段、大小、紋理和空間位置等特征描述不全,降低了地物的識別分類的效率和精度特征,卷積神經(jīng)網(wǎng)絡通過深層次特征訓練學習可以有效識別提取不同地物特征。本文首先使用目視解譯群體建筑物頂面和側面影像震害信息,并選取有震害信息的建筑物頂面和側面構建訓練樣區(qū),樣區(qū)大小為100*100尺寸像素,樣區(qū)分為三類:完好建筑物面圖片標簽1,破壞建筑物面圖片標簽2,其他地物和背景圖片標簽3。然后采用卷積神經(jīng)網(wǎng)絡VGG-16模型對樣區(qū)進行訓練、計算和分類。模型訓練成功后,接著使用多尺度分割算法對建筑物頂面和側面影像進行多尺度分割后,用構建的網(wǎng)絡模型對建筑物頂面和側面的震害信息進行提取,并將提取結果與目視結果進行比較分析。本文使用的九寨溝震后傾斜影像總面積約為0.3Km~2,建筑物量較少,對提取結果有一定影響;同時模型本質是等間隔瓦片分割的影像,有些建筑物的紋理影像復雜破碎,增加了提取的難度。
【學位單位】：中國地震局地震預測研究所
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：P237;TU746
【部分圖文】：

論文總體框架

第二章 無人機傾斜影像的三維建模技術介紹這一章節(jié)主要敘述無人機傾斜航拍的照片構建三維模型的方法步驟、技術原理和本質特征。首先介紹本文使用的四旋翼無人機的詳細參數(shù)數(shù)據(jù)以及本文生成三維影像的技術流程；然后闡述三維模型的構建過程、索引組織方式、地物位置計算方法和常見的傾斜模型數(shù)據(jù)格式；最后基于現(xiàn)場拍攝的房屋建筑破壞照片和無人機航拍的建筑物破壞影像，對建筑物破壞特征進行分析。2.1 震后遙感影像的獲取本文使用大疆悟 INSPIRE 2 四旋翼無人機（圖 2.1）航拍災區(qū)遙感影像，該無人機系統(tǒng)包含大疆悟 INSPIRE 2 機身、4 對螺旋槳、云臺相機 Zenmuse x5s、電池、遙控器等（引自大疆官網(wǎng)）。

本文使用無人機航拍九寨溝震后漳扎鎮(zhèn)建筑物震害照片，經(jīng)過照片拼集點云、生成網(wǎng)格、紋理映射后獲取災區(qū) 10cm 精度的反應現(xiàn)場建筑物場景的傾斜影像如圖 2.2 和圖 2.3 所示。
【相似文獻】

相關期刊論文 前10條

1 郭明珠;呂欣欣;王亞昆;;國內外群體建筑物震害預測方法研究現(xiàn)狀綜述[J];防災科技學院學報;2016年04期

2 袁玉;申旭輝;薛騰飛;張景發(fā);;SAR圖像變化檢測提取建筑物震害信息的研究綜述[J];地殼構造與地殼應力文集;2017年00期

3 劉漢雄;昆明市幾種地基土的脈動觀測研究[J];地震研究;1988年03期

4 劉軍生;楊佳玲;鄧聯(lián)合;閔彥;;汶川5.12大地震建筑物震害分析[J];陜西建筑;2011年11期

5 徐敬海;李向陽;陳鼎超;;面向抗震防災規(guī)劃的建筑物震害評估方法[J];城市問題;2016年11期

6 梁永朵;姜金征;李瑩;蔣越;惠楊;;建筑物震害預測方法研究[J];華北科技學院學報;2015年01期

7 王威;蘇經(jīng)宇;馬東輝;韓陽;郭小東;王志濤;;基于范例推理的城市建筑物震害預測方法研究[J];西安建筑科技大學學報(自然科學版);2008年02期

8 李飛;孫偉偉;張順寶;李輝;張蓓蕾;;利用“天地圖”設計和研發(fā)建筑物震害風險信息平臺[J];測繪通報;2017年05期

9 劉燕萍;董偉;黃畢雙;李晉;楊芳;;基于兩階段支持向量機的群體建筑物震害預測方法[J];華南地震;2016年02期

10 王志濤;田杰;蘇經(jīng)宇;馬東輝;郭小東;王威;;汶川地震建筑物震害淺析[J];工程抗震與加固改造;2008年06期

相關博士學位論文 前3條

1 竇愛霞;基于機載LiDAR數(shù)據(jù)的建筑物震害識別特征參數(shù)研究[D];中國地震局地質研究所;2018年

2 趙妍;建筑物震害遙感影像面向對象變化檢測研究[D];中國地質大學(北京);2017年

3 焦其松;基于LiDAR的建筑物震害分析[D];中國地震局工程力學研究所;2015年

相關碩士學位論文 前10條

1 陳夢;基于深度學習的建筑物震害遙感識別研究[D];中國地震局地震預測研究所;2019年

2 荊帥軍;基于無人機傾斜影像的建筑物震害提取研究[D];中國地震局地震預測研究所;2019年

3 付博;基于無人機正射影像的建筑物震害識別研究[D];中國地震局地質研究所;2018年

4 甘甜;基于高分辨率遙感影像數(shù)據(jù)的建筑物震害信息分類提取研究[D];云南師范大學;2015年

5 姜開興;城市建筑物震害預測方法研究[D];北京工業(yè)大學;2008年

6 程坤;單體建筑物震害快速評估研究[D];大連理工大學;2011年

7 王彬彬;基于支持向量機的建筑物震害預測方法研究[D];華中科技大學;2009年

8 宿淵源;多源遙感數(shù)據(jù)建筑物震害信息聯(lián)合分析[D];中國地震局地殼應力研究所;2015年

9 張雪華;基于無人機影像的面向對象建筑物震害提取研究[D];中國地震局地震預測研究所;2017年

10 崔麗萍;高分SAR建筑物震害檢測方法研究[D];中國地震局地震預測研究所;2016年

本文編號：2884778