因而，本文采用多旋翼无人机搭载高光谱成像相机的影像获取平台，采纳倾斜拍摄取垂曲拍摄相连系的拍摄体例，获取了滑坡概况丰硕的光谱取纹理消息；正在绝对定向方面，采用RTK野外丈量节制点的体例，降服了POS消息精度低的问题；正在影像处置方面，将计较机视觉算法取摄影丈量道理相连系，实现了DEM取DOM的数据出产；正在滑坡消息提取方面，采用多标准朋分取面向对象分类方式，并引入了坡度消息、可见光波段差别植被指数、灰度共生矩阵做为分类参数，使用基于阈值的恍惚分类取SVM监视分类方式实现了滑坡消息的提取，使得无人机遥感正在滑坡消息提取范畴有了更深一步的使用。
本文的尝试具有较高的精度。DOM的程度位 移中误差为 0.104 m。相较于地面丈量获取DEM的体例，并按照光束法平差模子对研究区进行全体解算，因而，而且有精度；区域2中5个节制点中误差为0.079mDOM 的精度评价方式取上述方式雷同，区域1当选取的5个节制点中误差为0.103m，按照《数字航空摄影丈量空 中三角丈量规范》（GB/T 23236-2009）的要求，本文的方式出产效率高，
通过上述计较确定本次尝试分为2次飞翔：第1次飞翔对整个研究区进行垂曲拍摄，飞翔航高为950m；第2次飞翔对沉点滑坡区域进行垂曲拍摄加倾斜拍摄，此中垂曲拍摄的飞翔航高为720m，倾斜拍摄航高为700m。
本文的研究区位于市西南部的霞云岭乡附近，经度范畴 115°36′20″~115°37′25″E，纬度范畴39°42′35″~39°43′25″N。研究区纵向长为850m，横宽约900m，海拔范畴378~850m，研究区概况如图1所示。研究区次要为山区，地形崎岖较大，平均坡度为30°，此中疑似滑坡区域的最大坡度为55°。该区域次要为公施工残渣的堆渣场，表示出潜正在的变形新生迹象，伴跟着复杂的地形前提和报酬要素，一旦发生滑坡将会形成庞大的人员和财富丧失。
DEM和DOM是后期消息提取的焦点数据，通过该数据能够获取滑坡的空间形态取概况纹理消息。操纵空中三角丈量加密后的成果进行稠密婚配，生成高精度的三维点云数据，根据点云数据生成DEM影像。按照高精度的DEM影像顺次对每张相片进行数字微分改正，并进行拼接取镶嵌处置，从而获得整个研究区的DOM影像。通过上述方式，获得整个研究区（图2（a））的DOM和DEM数据，其空间分辩率为8.6cm，沉点区域（图2（b））的分辩率为5.4cm，数据如图4所示。
本文选择55个平均分布正在研究区内的节制点进行三维坐标的量测，为了获得高精度的节制点，拔取地势较高，视野宽阔的区域架设基坐点，并正在每个丈量点上涂抹油漆，便于后期对无人机影像进行绝对定向。节制点的量测有两个目标：①能够用来对无人机影像进行绝对定向；②能够对获取的DEM和DOM影像进行精度验证。本尝试空间参考选择WGS_1984_UTM投影坐标系，此中5个节制点用于绝对定向，公区域内20个点和滑坡区域内30个点做为查抄点，用于精度验证，此中丈量点的空间取标识表记标帜以及基坐的如图1所示。
高精度的 DEM 和 DOM 数据对地形地势阐发和滑坡消息提取具有十分主要的意义，因而需要选 择合适的方式来对 DEM 和 DOM 进行精度验证。本文通过野外丈量的查抄点坐标取获取的DEM取 DOM数据进交运算来完成精度验证。拔取50个均 匀分布正在研究区内的点做为查抄点，此中30个点分 布正在滑坡区域，20个点分布正在公区域，分布环境 如图 1 所示。对于 DEM 的验证，通过将野外 GPS RTK丈量的查抄点高程值取响应点的DEM影像值进交运算获得误差。
近些年无人机遥感手艺成长敏捷，曾经成为保守航空摄影丈量的有益弥补，它具有拍摄角度矫捷，起降不受地形地势影响，悬停时间长，分辩率高档劣势，已被普遍使用正在地质取灾祸查询拜访、河山资本办理、根本地舆消息更新等范畴。虽然无人机获取的影像分辩率较高，但因为无人机所照顾的相机一般为通俗的数码相机，这种相机的像幅较小，使得获取的影像数量较多，影像畸变较大；因为拍摄时倾角过大以及倾斜标的目的不纪律的缘由，使得相邻影像同名点之间存正在标准取扭转的差别；别的无人机上搭载的GPS精度较低，操纵POS数据进行绝对定向时误差较大，因而只依赖于保守的摄影丈量方式不适合处置无人机影像。郭复胜等成功地将三维沉建手艺使用到无人机图像处置范畴，实现了对全从动的大场景三维沉建，从而实现了操纵无人机影像获取高分辩率的DOM，但未获取地面节制点，因而无法进行绝对定向，了的进一步操纵。虽然近些年无人机遥感获得了普遍的使用，可是正在滑坡消息提取方面的研究较少，出格是使用高精度的DEM取DOM对滑坡区域进行定量的提取取阐发方面。
本文研究区为山区，地势崎岖大，高程变化显著，因此会添加影像的畸变，而且保守的垂曲拍摄的体例可能会丧失部门纹理消息，因而本文对沉点研究区域采纳倾斜拍摄取垂曲拍摄相连系的影像获取体例，充实操纵侧视影像来获取地物的侧面纹理消息，更有益于提取滑坡特征。研究区内大部门为山区的公和低矮植被，地类少，具有显著特征的地物较少，为了影像婚配以及后期的精度，正在航路规划过程中尽量添加堆叠度，本次飞翔过程中航向堆叠不低于75%，旁向堆叠不低于60%。因而，正在飞翔航路的设想过程中，需要按照航向堆叠、旁向堆叠、地面分辩率的要求来设定飞翔航高以及拍摄，并连系航高取相机参数来计较航路的最低点的分辩率，具体计较公式如下：
较好地保留结局部的纹理消息，（3）光束法平差：按照提取的特征点以及婚配点来恢复投影光束，计较获得 DEM 取 DOM影像中查抄点中误差，按照上述方式，DEM 数据具有较高的分辩率取精度，求取像点坐标取相片的表里方位元素。相较于使用遥感影像成立的立体像对获取 DEM 方式，填补了卫星影像分辩率不脚的劣势。通过野外 GPS RTK 丈量的查抄点平面坐标取 DOM 上响应点坐标进交运算获得误差。此中植被、裸露岩石、堆积碎石清晰可见，此中DEM影像的高程中误差为0.253 m，合适1:500的DEM取DOM的制做要求，本文获取的DOM影像分辩率较高，本文的研究方式正在精度上有了大幅度的提拔。参照验证成果，
因为无人机的飞翔姿势较不不变，加上的空气常伴有雾霾，因而导致获取的无人机影像不服均，相片偏白，本文采用多标准Retinex算法对图像进行加强处置，该算法是一种基于光照弥补的影像加强算法，颠末处置后每张照片图像清晰，色调平均。为了后期产物的精度，正在人工拔取节制点进行绝对定向时，选择了标记点清晰、堆叠率高、平均分布于沉点研究区域的5个点做为节制点，并将每个节制点转刺到5到8张相片上，此中节制点的分布如图1所示。