导　　师： 程涛

授予学位： 硕士

作　　者： ;

机构地区： 深圳大学

摘　　要： 山体地质灾害如滑坡、泥石流、坍塌等是影响附近道路、人民安全的潜在隐患。国土资源局等相关部门承担地质灾害预防和治理的责任的重要机构,如何针对该地区地质灾害突发的特点,快速根据事先制定的应急措施高效、准确地进行监测勘察,是需要解决的重要问题。针对山区公路滑坡普遍性发生问题,根据诱发滑坡的因素种类及之间的简单耦合关系,分析了公路滑坡主要成因,阐述了面向公路滑坡常用的监测勘察模式及灾情评估方法研究;在分析典型地质灾害类型及影响的基础上,为了解决无人机空中监测期间由于山区经常性存在着多雾、光照不足等复杂天气问题导致的图像模糊问题,采用了暗通道去雾算法和超分辨率重建算法相结合,并采用无图参考对其进行图像质量评估,开展了多次受此因素导致模糊不清的图像进行优化增强实验,实验数据与分明表明该算法是高效、便捷的。在上述基础上,本文开展了通过无人机搭载移动机器视觉对道路进行日常监测和紧急救援功能,对道路的周围地质情况进行无接触大范围监测土壤含水量、坡度等滑坡指标,通过SLIDE模型对该检测区域评估稳定性系数,实现了对滑坡体无接触式安全评估;针对公路线路长、边坡分布广等特点以及常规的地质勘察时效性低、周期较长等缺点,通过深度学习框架训练学习判断公路滑坡灾害,实现了日常勘察功能以及在灾害期间进行救援功能等,提升道路安全系数,减少勘测人员不必要的劳动力;针对地质灾害致害因素耦合性复杂、不确定性较大等缺点,利用了灰色聚类的优势,结合信息论里的信息熵的优点,本文采用了基于熵权和区间灰数的灰色聚类方法,计算出致灾因素的权重大小,提供了致害因素之间的耦合关系启示,该方法具有科学性、有效性;本文提出并设计了基于无人机的移动机�

关 键 词： 公路 地质灾害 移动机器视觉 深度学习 灰色聚类

领　　域： []