基于視覺測量的公路邊坡位移監測技術工程應用研究

嚴鑫 胡智 詹偉 余以強 肖旦強 吳劍軍

摘? 要：公路邊坡的穩定性監測是運營期的重要工作之一。目前的公路邊坡監測仍以人工監測和自動化監測為主，人工監測工作量大且人工成本高，而傳統的自動化監測設備價格昂貴且安裝較為繁瑣。因此，降低自動化監測成本并提高工作效率是當前公路邊坡安全監測的重點發展方向。得益于圖像處理技術的發展，研究提出基于視覺測量的公路邊坡位移監測技術，在隱患邊坡上布設視覺監測標靶，利用高清攝像頭拍攝的視覺標靶圖像，通過圖像灰度化、圖像濾波、角點檢測和位移量計算等一系列圖像處理技術，將圖像中像素的變化還原為視覺標靶的實際位移，從而判斷公路邊坡狀態。研究通過室內試驗和現場驗證，證明視覺測量技術在公路邊坡位移監測上的可行性，對公路邊坡安全監測具有重要意義。

關鍵詞：數字圖像處理；公路邊坡；視覺測量；位移監測；傳感器

中圖分類號：TP391.41? ? ? 文獻標志碼：A? ? ? ? ? 文章編號：2095-2945（2024）08-0182-05

Abstract： The stability monitoring of highway slope is one of the important tasks in the operation period. At present， the highway slope monitoring is still dominated by manual monitoring and automatic monitoring， with a large workload and high labor cost， while the traditional automatic monitoring equipment is expensive and cumbersome to install. Therefore， reducing the cost of automatic monitoring and improving work efficiency is the key development direction of highway slope safety monitoring. Thanks to the development of image processing technology， the displacement monitoring technology of highway slope based on visual measurement is proposed. The visual monitoring target is arranged on the hidden slope， and the visual target image captured by high-definition camera is used. Through a series of image processing techniques， such as image graying， image filtering， corner detection， displacement calculation and so on， the change of pixels in the image is restored to the actual displacement of the visual target， so as to judge the state of highway slope. Through indoor test and field verification， it is proved that the visual measurement technology is feasible in highway slope displacement monitoring， which is of great significance to highway slope safety monitoring.

Keywords： digital image processing; highway slope; visual measurement; displacement monitoring; sensor

公路邊坡變形直接影響到運營公路的安全與管理。采用行之有效的監測技術，不僅可以對異常變形區域及時做出響應，采取補救措施，從而避免交通管制和減小經濟損失，也可以對潛在地質災害進行預先風險識別，發出預警，從而避免重大傷亡事故發生。

一般而言，邊坡安全監測被歸結為巖土體的穩定性問題，即研究巖土體中的應力和強度[1]。當巖土體中的抗剪強度不足以抵抗巖土體下滑時，將導致邊坡失穩或破壞。當前在邊坡安全監測方面，主要的監測方法可以分為兩大類，即接觸式和非接觸式監測[2-3]。實際上，2種監測方法最終都可以劃歸到基于變形的監測，然而鑒于公路邊坡工程的特殊性，目前的監測方法和監測儀器在不同程度上存在著不足。

對于接觸式的邊坡安全監測，主要方法是預先做好監測點放樣，并在設計監測點位置埋設各類應力或位移傳感器，如GNSS、傾斜計等，根據邊坡內部的應力狀況或變形情況判斷其結構穩定與否，進行邊坡的安全評估。此類方法精度較高，也成功應用在不少工程案例中[4-5]。然而，由于大量傳感器安裝成本較高，且埋設后不可維修；埋設難度大，工程量也較大；數據處理和分析專業要求高，其應用范圍仍然存在不小的局限性。

上述的接觸式監測對人工的依賴較強，外業工作強度大，工作效率低，而非接觸式監測可以大幅降低外業工作強度，提高工作效率。目前較為常見的非接觸式監測有合成孔徑雷達測量技術（InSAR）、無人機近景攝影測量和三維地面激光掃描（TLS）等，但也存在一定的缺陷，如InSAR監測技術存在失相干現象和大氣效應對測量結果的精度影像問題，為精確提取真實的地表形變信息，一般需要冗余觀測數據，以便補償上述誤差的影響；TLS法需要使用激光逐行掃描目標，一般所需處理時間較長，數據處理相當復雜且對測量人員的專業水平要求過高，而且對于規模較大的邊坡，往往需要沿邊坡在不同位置、不同角度多站測量[6-7]。

近年來，非接觸式測量方法在巖土體監測中受到越來越多的關注?；跀底謭D像處理的視覺測量技術是一種新型的非接觸式光學測量方法，因具有遠距離、非接觸、高精度及省時省力等眾多優點，越來越受到科研和工程人員的關注。該方法主要對相機拍攝的被測結構視頻進行目標追蹤處理以得到測點在圖像中的運動軌跡，再通過圖像與現實世界的幾何關系確定結構的位移信息。相機被架設在距被測結構較遠處的固定點上，消除了接觸式位移監測方法需要在結構上安裝固定支撐點的需求。另外由于相機視野可以涵蓋大面積測量區域，因此容易以較低的成本實現變形測量?；谟嬎銠C視覺的位移監測方法已被應用于結構健康監測的多種任務中，如橋梁撓度測量、損傷識別等[8]。

但視覺測量技術目前主要應用于結構健康監測領域，在邊坡變形監測上的應用尚不成熟。因此，本文針對性地開展了基于視覺測量的公路邊坡變形監測技術研究，分析了視覺測量的基本原理及工作流程，并在依托工程中得到了現場驗證，對于公路邊坡的安全監測具有重要的研究意義。

1? 視覺測量基本原理及流程

1.1? 圖像預處理

1.1.1? 圖像灰度化

圖像處理中，如果直接對彩色圖像進行計算，需要對彩色圖像中的紅綠藍3個分量分別進行計算，該過程計算較為繁瑣。與彩色圖像相比，灰度圖像有2個優點，一是灰度圖像比彩色圖像占用內存小，運算速度更快；二是轉化為灰度圖像后可以在視覺上增加對比，突出目標區域，為后續的圖像識別和分析做準備。

為了簡化運算矩陣，提高計算速度，首先要對圖像進行灰度化?；叶然菍⒉噬珗D像轉換為灰度圖像的過程，灰度圖像上每個像素的像素值稱為灰度，范圍從0到255，0表示黑色，255表示白色，故灰度圖像有256個分級。

圖像灰度化的計算公式為

，

式中：IR、IG、IB分別表示紅綠藍三通道的顏色深度，前面的系數由人眼對顏色的敏感度決定。經上式灰度化后的混凝土裂縫圖像如圖1所示。

1.1.2? 圖像濾波

圖像在經過灰度處理后，可能會存在局部像素點的灰度值與周圍像素點不協調，這些不協調的像素點稱為圖像的噪聲點。噪聲產生的原因有很多，如圖像采集過程中的環境變化、拍攝對象表面紋理和均勻性引起的亮度差異、車輛引起的脈沖振動、圖像傳輸過程及灰度轉化等都有可能產生噪聲。圖像中的噪聲會加大目標的識別難度或影響識別效果，需要對其進行降噪處理，這個過程通常稱為“圖像濾波”。

本項目以實際混凝土裂縫為試驗對象，分析驗證了目前常用的中值濾波、均值濾波等濾波算法。

1）平滑算法源于鄰域平均法，是一種直接在空域上進行的圖像平滑處理技術。鄰域平均法認為圖像由若干灰度恒定的小塊組成，相鄰像素間存在著較高的相關性，而噪聲是局部獨立存在的。鄰域平均法是將圖像中濾波像素局部小鄰域內所有像素灰度的平均值作為該像素的灰度值，可以較好地除去圖像中孤立噪聲點，但對圖像的邊緣及細節損害較大。

2）中值濾波是基于圖像區域內像素灰度排序的非線性濾波算法，根據像素灰度排序決定濾波像素的灰度值，將像素鄰域內灰度的中值作為濾波像素新的灰度值。

3）均值濾波是基于圖像局部鄰域內像素信息的濾波算法，將鄰域內像素灰度的平均值作為濾波像素新的灰度值，可有效消除圖像中的點狀噪聲，如圖2所示。

1.2? 邊坡位移計算

通過對初始圖像進行預處理，得到噪聲較少的圖像后，對時序圖像開展邊坡位移計算。

1.2.1? 模板匹配

模板匹配是目標檢測領域的關鍵技術之一，其主要工作流程是通過已知的目標圖像，利用相應的視覺算法，在后續采集到的一系列圖像上完成目標的搜索任務，并對其進行標記及定位。

視覺圖像中的像素值在噪聲的干擾下很容易發生改變，但相鄰像素之間的關系在受到全局線性噪聲的干擾下仍可以保持穩定的狀態，因此研究利用LBP（局部二值模式）比較中心像素點與附近相鄰像素點的大小關系，將中心像素點重新編碼，其編碼結果不受全局噪聲的影響。研究采用基于LBP差分的模板匹配方法對視覺圖像進行匹配，進一步提高了模板匹配的魯棒性，如圖3所示。

1.2.2? 角點檢測

在完成模板匹配后，便可利用角點檢測對圖像內特征點坐標進行標定。角點即一階導數（灰度的梯度）的局部最大所對應的像素點，目前常見的有基于二值圖像的角點檢測、基于輪廓曲線的角點檢測和基于灰度圖像的角點檢測，其中Harris角點檢測是基于灰度圖像的角點檢測方法中最受廣泛應用的角點檢測算法之一。

Harris角點檢測算法的核心原理是利用局部窗口在圖像上不斷進行移動，進而判斷窗口在各個方向上的變化程度，從而找出圖像中灰度變化較大的點，即角點，如圖4所示。

1.2.3? 位移量計算

在進行位移搜索時，通常最小的搜索步長也是整像素級別的，因此搜索結果的精度最高也只能達到1個像素。為了達到更高的精度，可以通過灰度插值法對圖像進行插值，通過在像素間插入點，從而得到更高的搜索精度。不同的插值方法所得到的插值精度和計算效率也不同，常見的亞像素插值方法有最近鄰插值、雙線性插值和雙三次立方插值等，其中雙線性插值和雙三次立方插值法的計算精度較高。

為了驗證亞像素插值法的測量精度，研究通過計算機生成一幅散斑圖像作為參考圖像，并使參考圖像沿x方向做平移運動，每移動0.1像素生成一幅新的圖像，總位移距離為1像素。并通過雙線性插值法和雙三次立方插值法對圖像進行計算，計算結果見表1。

根據表1中結果，可以看出在位移很小時，雙線性插值法和雙三次立方插值法的效果相近，當位移超過0.4 像素時，雙三次立方插值法的精度明顯提高，整個過程中雙三次立方插值法穩定性也高。

2? 工程應用與驗證

2.1? 工程概況

項目選取浙江省杭州市桐廬縣某公路K3+290—K3+330左側邊坡為依托工程，邊坡現狀如圖5所示，邊坡巖性為強風化凝灰巖，巖體節理強烈發育，較為破碎，上覆全風化殘積和第四紀沉積土，坡面徑流痕跡明顯，沖刷嚴重，坡腳堆積有大量坡積物，且擋墻僅余數米，根據現狀可以判斷該邊坡歷史發生過滑坡。

通過對該公路邊坡的實地調研，于邊坡后緣發現拉裂裂縫2處，裂縫最大寬度為5.8 cm，深度約10 cm，如圖6所示。

根據現場調研結果及歷史災害記錄，可以認定該邊坡仍具有二次災害發生的可能，因此，對該邊坡進行視覺監測工作。

2.2? 監測點布置

由于現場植被覆蓋率高，坡率較陡且邊坡坡面沖刷嚴重，北斗定位設備難以安裝，因此結合邊坡病害發育情況及現場設備布設難易程度，研究共布置了6個傾角計和3個視覺監測標靶，傾角計沿滑坡陡坎邊緣布置，視覺監測靶標布置于邊坡右側坡度最陡處，設備布置位置示意圖如圖7所示。

2.3? 監測結果對比

傾角計的傾角變化如圖8所示。根據傾角變化曲線，可以發現6個傾角計的讀數在布置后的前5個月都相對穩定，最大變化值不超過0.02°，當浙江省雨季來臨后，傾角計讀數相對有所增大，最大變化值達到了0.04°，但與預警值3～5°仍相去甚遠，說明邊坡仍處于穩定狀態，傾角的變化可能來自雨季的徑表沖刷。

由于安裝問題，3個視覺監測靶標有1個靶標傾倒，僅留2個視覺靶標在工作。視覺測量結果如圖9所示。

根據視覺測量結果，可以發現視覺測量的波動較大，但波動基本不超過2 mm，根據分析該現象可能是由于攝像頭立桿過高，導致在自然風等環境因素影響下存在一定的晃動?？傮w來看，視覺檢測結果相對穩定，保持在-2～2 mm之內波動，表明該邊坡處于一個相對穩定的狀態，與傾角計測量結果相符。

3? 結論

研究基于數字圖像處理技術提出一種公路邊坡位移監測技術，該技術具有安裝簡易、成本低、精度高等優點，并在公路邊坡上得到了工程驗證與應用，研究結論如下。

1）研究通過對圖像中加入噪聲，利用不同圖像濾波技術對噪聲圖像進行去噪計算，通過對比計算結果，可以發現均值濾波算法可以更好地減少噪聲對圖像質量的影響。

2）通過對圖像亞像素插值法的研究，利用計算機生成圖像，分別開展雙線性插值法和雙三次立方插值法計算，結果顯示雙三次立方插值法計算結果較雙線性插值法更為穩定，且結果精度更高。

3）通過現場試驗驗證，基于視覺測量的公路邊坡位移監測技術結果與傾角計監測結果相符，表明視覺監測可以較好地滿足公路邊坡穩定性監測的需求，但與傳統監測設備相比，視覺監測的穩定性仍有不足，后續還應開展相關研究工作。

參考文獻：

[1] 常娟娟，吳凱，盧亞杰，等.基于視覺技術的巖土工程高邊坡外觀變形智能監測技術研究[J].四川建材，2021，47（8）：71-72.

[2] 吳妮真.計算機視覺技術研究及發展趨勢分析[J].科技創新與應用，2021（34）：58-61.

[3] 時夢杰，陶庭葉，高飛，等.霧天環境下機器視覺的邊坡監測方法[J].測繪通報，2022（6）：88-92.

[4] 李嘉興.基于DIC技術的高邊坡施工中邊坡變形信息監測方

法研究[J].工程技術研究，2022，7（18）：4-6.

[5] 韋飛云.大尺寸物體測量方法國內外研究現狀[J].科技創新與應用，2016（3）：123.

[6] 侯健文.基于無人機攝影測量和深度學習的公路邊坡病害研

究[D].太原：太原理工大學，2022.

[7] 林泊錕，李登華，丁勇，等.基于機器視覺的滑坡體夜間不間斷監測技術研究[J/OL].激光雜志：1-6[2024-03-06].http：//kns.cnki.net/kcms/detail/50.1085.TN.20230314.1655.004.html.

[8] 錢峰，羅苗，李健，等.基于圖像分析識別的安全監控和數字信息化應用技術分析[J].四川建筑，2023，43（4）：36-38.