本發(fā)明涉及攝影測量技術、三維重建技術和人工智能，尤其涉及基于礦山分割模型的露天礦區(qū)臺階線自動提取方法及系統(tǒng)。

背景技術：

1、礦山安全生產(chǎn)對于國家經(jīng)濟建設和戰(zhàn)略資源保障具有不可替代的重要性。然而，露天礦臺階受構造應力、水、震動等多重因素影響，易發(fā)生滑坡、崩塌、泥石流等地質(zhì)災害，對設備安全及人員生命安全構成嚴重威脅。為有效識別潛在風險，監(jiān)管機構需對臺階地形和巖體結構面的動態(tài)變化進行持續(xù)監(jiān)測。

2、傳統(tǒng)的大地測量幾何監(jiān)測方法雖然精確，但因其高勞動強度、高風險及地形限制，人工臺階測量逐漸為非接觸式量測所取代。隨著現(xiàn)代測繪科技的迅速進步，多種新型臺階監(jiān)測手段如衛(wèi)星導航定位系統(tǒng)（gnss）變形監(jiān)測、雷達差分干涉測量（d-insar）、近景及無人機（uav）航空攝影測量、遠距離三維激光掃描（tls）等已在礦山領域得到應用。這些技術的發(fā)展使得臺階監(jiān)測由傳統(tǒng)的點式監(jiān)測向面式、甚至體式監(jiān)測轉變。然而，不同監(jiān)測方法因固有缺陷而具有不同的適用性和局限性。

3、gnss監(jiān)測雖然具備高精度和快速響應的特點，可實現(xiàn)在線、連續(xù)檢測，但在深坑環(huán)境下衛(wèi)星信號差，易產(chǎn)生多路經(jīng)效應，影響監(jiān)測效果。d-insar技術雖然能夠實現(xiàn)面式監(jiān)測且測量精度高，但數(shù)據(jù)獲取和處理難度較大。地基tls雖然速度快、精度較高，但存在掃描死角，且處理大規(guī)模點云數(shù)據(jù)較為復雜。傾斜攝影測量技術因成本效益高、生產(chǎn)周期短、操作簡便及可視化效果好而受到認可，但其產(chǎn)生的數(shù)據(jù)量大且結構復雜，同樣面臨數(shù)據(jù)處理問題。由于大型露天礦山的臺階高、坡度陡、落差大，以上方法在實際應用中均存在局限性。

4、近年來，深度學習方法在圖像處理領域取得顯著進展，圖像分割大模型的出現(xiàn)為基于圖像的臺階提取提供了新的可能。盡管這些模型在常規(guī)分割任務中表現(xiàn)出較高的精度，但對于專業(yè)性較強的下游分割任務，如礦區(qū)臺階提取，其適應性仍顯不足，分割能力有限。由于礦區(qū)地質(zhì)地形的特殊性，臺階與路面的色彩差異較小，這增加了在沒有三維信息輔助的情況下進行臺階地形量測的難度。因此，當前急需研發(fā)一種針對大場景露天礦區(qū)的全自動臺階檢測方法，以提升礦區(qū)監(jiān)測的智能化水平，確保礦區(qū)開采的安全性和高效性。

技術實現(xiàn)思路

1、針對現(xiàn)有技術中存在的技術問題，本發(fā)明提供基于礦山分割模型的露天礦區(qū)臺階線自動提取方法及系統(tǒng)，用以提高露天礦區(qū)臺階監(jiān)測智能化程度，保障礦區(qū)安全開采，實現(xiàn)礦區(qū)臺階線全自動提取。

2、根據(jù)本發(fā)明的第一方面，本發(fā)明提供基于礦山分割模型的露天礦區(qū)臺階線自動提取方法，包括以下步驟：

3、獲取控制點布防并進行控制點測量，進行航線規(guī)劃捕獲目標區(qū)域內(nèi)的影像；

4、基于獲取的影像使用攝影測量進行露天礦區(qū)傾斜模型重建；

5、基于露天礦區(qū)傾斜模型生成數(shù)字法向模型，對數(shù)字法向模型的分割數(shù)據(jù)集進行交互式臺階區(qū)域標注，得到數(shù)字法向模型的分割數(shù)據(jù)集；

6、將數(shù)字法向模型的分割數(shù)據(jù)集作為訓練數(shù)據(jù)，對礦區(qū)臺階分割大模型網(wǎng)絡進行訓練，得到礦區(qū)臺階分割大模型；

7、利用礦區(qū)臺階分割大模型得到分割結果和臺階線緩沖區(qū)信息，將臺階線分為臺階坡頂線和臺階坡底線，并以此進行臺階線提取和分類。

8、在上述技術方案的基礎上，本發(fā)明還可以作出如下改進。

9、可選的，所述獲取控制點布防并進行控制點測量包括：

10、明確測量區(qū)域的范圍，選取控制點位置，并測量所述控制點位置獲得控制點數(shù)據(jù)；所述控制點數(shù)據(jù)包括控制點的分布與坐標、無人機的影像數(shù)據(jù)，所述影像數(shù)據(jù)包括原始影像與影像坐標。

11、可選的，所述進行航線規(guī)劃捕獲目標區(qū)域的影像包括：

12、進行飛行任務規(guī)劃，定義建模區(qū)域和邊界，確定飛行高度和攝影機傾角；

13、在礦區(qū)內(nèi)布設預設數(shù)量的地面控制點，用于后續(xù)的影像糾正和精度驗證；

14、執(zhí)行飛行任務，使用無人機或飛機進行傾斜攝影，捕獲目標區(qū)域的影像，對每張影像，記錄相機的gps坐標。

15、可選的，所述基于獲取的影像使用攝影測量進行露天礦區(qū)傾斜模型重建包括：

16、從獲取的圖像中提取關鍵特征點，包括角點、邊緣和紋理，將不同圖像中的相同特征點進行匹配，以確定所述相同特征點在不同圖像中的對應關系；

17、根據(jù)匹配的特征點和相機參數(shù)，計算每個特征點的三維坐標，生成稀疏的三維點云，所述稀疏的三維點云表示場景中的點的位置，并根據(jù)所述稀疏的三維點云求得相片的影像位姿；

18、根據(jù)所述稀疏的三維點云和影像位姿，使用圖像匹配和插值技術生成稠密的三維點云；

19、基于稠密的三維點云，使用插值和三維網(wǎng)格生成算法，創(chuàng)建表面模型以表示場景的三維形狀；

20、將采集的圖像紋理映射到表面模型上，得到目標區(qū)域的傾斜模型。

21、可選的，所述基于露天礦區(qū)傾斜模型生成數(shù)字法向模型包括：

22、在目標區(qū)域內(nèi)根據(jù)目標分辨率建立規(guī)則的柵格網(wǎng)絡；

23、以所述柵格網(wǎng)絡的柵格點為起點建立沿軸正方向的射線；

24、計算射線與傾斜模型的交點；

25、以交點所在三角面的法向量與軸方向的夾角弧度值作為該柵格單元的像素值。

26、可選的，所述對礦區(qū)臺階分割大模型網(wǎng)絡進行訓練，得到礦區(qū)臺階分割大模型包括：

27、在sam大模型的基礎上加入特征融合模塊，引入視覺特征和高頻分量，將這兩個特征按照一定的權重相加，輸入到特征融合模塊得到融合特征，將礦區(qū)數(shù)字法向模型圖像作為訓練數(shù)據(jù)，對礦區(qū)臺階分割大模型網(wǎng)絡進行重訓練，即得到礦區(qū)臺階分割大模型。

28、可選的，所述視覺特征幫助原始數(shù)據(jù)訓練遷移到新的訓練任務上，所述高頻分量通過快速傅里葉變換提取數(shù)字法向模型數(shù)據(jù)中的目標特征信息。

29、可選的，所述融合特征表示如下：

30、

31、其中，是一種激活函數(shù)，是一個線性層，用于在每個特征融合模塊中生成不同的融合特征；是一個在所有特征融合模塊之間共享的向上投影層，用于匹配vit特征的維度，將附加到每個vit層中。

32、可選的，所述利用礦區(qū)臺階分割大模型得到分割結果和臺階線緩沖區(qū)信息，將臺階線分為臺階坡頂線和臺階坡底線包括：

33、以臺階線為中心向左右兩側取一定長度的區(qū)域作為左右緩沖區(qū)，分別計算左右緩沖區(qū)的平均高度和平均法向值；

34、若一側緩沖區(qū)比另一側的平均高度高且平均法向值小，則此臺階線為臺階坡頂線；反之若一側緩沖區(qū)比另一側的平均高度高但平均法向值大，則此臺階線為臺階坡底線。

35、根據(jù)本發(fā)明的第二方面，提供基于礦山分割模型的露天礦區(qū)臺階線自動提取系統(tǒng)，包括：

36、礦區(qū)數(shù)據(jù)獲取模塊，用于獲取控制點布防并進行控制點測量，進行航線規(guī)劃捕獲目標區(qū)域的影像；

37、傾斜模型重建模塊，用于基于獲取的影像使用攝影測量進行露天礦區(qū)傾斜模型重建；

38、分割數(shù)據(jù)集構建模塊，用于基于露天礦區(qū)傾斜模型生成數(shù)字法向模型集，對數(shù)字法向模型的分割數(shù)據(jù)集進行交互式臺階區(qū)域標注，獲取數(shù)字法向模型的分割數(shù)據(jù)集；

39、礦區(qū)臺階分割大模型構建模塊，用于將數(shù)字法向模型的分割數(shù)據(jù)集作為訓練數(shù)據(jù)，對礦區(qū)臺階分割大模型網(wǎng)絡進行訓練，得到礦區(qū)臺階分割大模型；

40、臺階線提取和分類模塊，用于利用礦區(qū)臺階分割大模型得到分割結果和臺階線緩沖區(qū)信息，將臺階線分為臺階坡頂線和臺階坡底線，并以此進行臺階線提取和分類。

41、本發(fā)明的技術效果和優(yōu)點：

42、本發(fā)明提供的基于礦山分割模型的露天礦區(qū)臺階線自動提取方法及系統(tǒng)，基于傾斜攝影數(shù)據(jù)成本低、快速的特點，可以進行高頻次的數(shù)據(jù)獲取。提出數(shù)字法向模型，包含模型法向信息的同時顯著減少數(shù)據(jù)量，并且提高了臺階結構的區(qū)分度，建立礦區(qū)臺階線提取大模型，通過特征融合模塊的引入，融合礦區(qū)數(shù)據(jù)特征，提高臺階線提取精度。