随着城市化进程的加速，高层建筑和地下设施建设不断增多，基坑工程成为建筑领域的重要组成部分。

由于土体复杂多变，各种测量计算软件和模型应用都存在局限，基坑工程的理论模型计算所得结果与现场实测工程数据往往存在较大的差异，而无人机技术能够提供高精度、高效率的监测数据，为基坑变形值、支护结构受力、周围建筑微小变化的获取等提供准确的信息。无人机技术在施工各阶段的应用，能够减少人工及常规测量仪器的误差，提高数据可靠性。因此，无人机技术为基坑工程提供了全新的监测思路和方法，具有重要的实践意义和理论价值。

1、无人机技术概述

1.1 无人机技术在施工领域的应用

无人机通常由动力系统、导航/飞控系统、载荷系统和显示系统、操作系统等组成，无人机系统构成如图1所示。

无人机技术在工程施工领域可以用来进行地形测绘、城市规划、灾害监测等，得益于政府及社会各界对于智能建造技术的推广，无人机技术引入工程基坑安全监测已成为现实[1]。可以利用无人机进行基坑工程的三维建模，通过分析模型数据，预测深基坑工程的变形趋势；通过对周边道路及建筑的位移及裂缝进行监测，评估深基坑工程对周围环境的影响；无人机搭载高分辨率相机和多光谱传感器，对基坑进行高空拍摄和数据采集，高分辨率相机可以获取基坑表面的精细图像，多光谱传感器则可以获取各开挖断面的三维坐标、土壤湿度等。

图1无人机系统构成

1.2 无人机图像分析技术优势

传统深基坑安全监测方法主要依赖于人工测量和地面监测设备，普遍存在一些局限性，如：受人为因素影响较大，精度难以保证；地面监测设备受环境条件限制，数据采集不连续；监测点分布零散，难以覆盖所有区域；监测数据量大而杂，数据处理和分析难度较大；监测环境复杂，如地下水位的变化、土壤条件不确定，都增加了监测的难度。无人机图像技术在深基坑安全监测中的应用优势主要体现在以下几个方面：

(1)高效的数据采集与处理。无人机搭载高分辨率相机和多光谱传感器，能够快速获取基坑及其周边环境的高质量图像。这些数据通过专业软件处理，可以生成三维点云模型，用于分析基坑的变形情况。

(2)实时监测。无人机可以对基坑施工过程进行全方位、全天候的实时监测，及时发现基坑的变形、沉降等安全隐患。无人机的灵活性和高效率使得监测工作更加直观和全面。

(3)三维重建与分析。通过无人机采集的多角度影像数据，可以利用三维重建技术[2]生成高精度的三维模型，实现毫米级的测量精度，满足工程高精度监测的需求，实现基坑变形的快速检测和可视化分析。

(4)成本效益高。相比传统的地面监测方法，无人机遥感技术成本较低[3],且能够覆盖更广泛的区域，减少了人工劳动强度，提高了监测效率。

(5)安全性好。无人机监测可以在不直接接触基坑的情况下进行，减少了现场工作人员的安全风险，特别是在深基坑等高风险环境中。

2、无人机监测基坑安全状态的工作原理

2.1 空中测量原理

空间内任一点P在某一图中成像，如图2所示，可得到该点在图像中的坐标P1。显然，仅有一张图像时，无法得到P点的三维位置信息，因为处于O1P连线上点在图上的成像点均是P1。因此，至少需要两张图像同时观察，方可确定P点的三维位置。

图2确定空间点位

基于以上原理，若已知多张图像像素点的位置信息及相机参数，以该点的世界坐标为未知数，建立线性方程，用矩阵求解该点的世界坐标，可以确定构成物体表面的三维点位，这些三维点集合就构成了物体的点云数据模型。在无人机成像过程中，每张图像可视为一束束光线构成的平差单元，如图3所示，各光束能够在空间内进行平移及旋转，部分光束会实现最佳交会，从而将重叠部分精确投入到地面坐标系之中。

2.2 技术实现路径

基坑内土质复杂多变，整个坡面不可能是一个理想的单个平面。为了解决这一难题，可以将边坡划分为多个网格，单独确定每个网格的安全状态。利用无人机图像技术实现基坑安全状态监测的技术路径如图4所示。具体实现步骤为：

图3无人机空中测量示意

图4无人机监测基坑安全状态技术路径

(1)无人机获取图像，对图像进行点格化处理。要重建基坑模型，必须将无人机获取的原始图像转换为点云数据，这一过程称为点格化，即将图像分割成若干网格，并将每个像素映射到三维空间中的一个点。通过三维重建技术，将图像输入处理软件，得到三维点云数据，主要为三维坐标值。点云数据在许多领域中都有着广泛的应用，如三维扫描、机器人导航、虚拟现实等[4]。

(2)数据筛选。得到的三维点云数据十分繁杂，包含大量的无用信息，为了减少点云数据的处理量，利用基于重心的包围盒法[5]对点云进行分割，步骤如下：将点云数据划分为若干个等体积的小正方体，每个小正方体内的点云组成一个点云团；计算每个小正方体内所有点云到小正方体几何中心的距离，距离最近点为点云团重心，计算其余点到重心的距离，确定平均值

标准差δ;根据平均值和标准差，确定距离预设范围，删除距离不在预设范围内的点云数据，比如仅保留极限误差位于

范围段的点云。

(3)平面拟合，确定最逼近平面。开挖后的坡面一般崎岖不平，但将其分割成若干份后，每一小份都有各自的平面。确定小正方体中筛选后留存的三维点云形成的最逼近平面，可以更加准确地计算出坡面倾角。

点云数据的最逼近平面一般使用最小二乘法确定[6],在已知小正方体内所有点云数据坐标值的情况下，可以求解得到小正方体内点云的最逼近平面，这个平面位置最贴近小正方体内所有点云真实三维位置，该最逼近平面的方向也最贴近小正方体所有点真实指向。本研究将小正方体边长设定为 0.5,最逼近平面如图5所示。

图5最逼近平面确定

(4)判断所述倾角是否大于限值，如果是，则表明最逼近平面对应的点云处于安全状态，否则处于危险状态。将处于安全状态和危险状态点云颜色参数分别设置为绿色和红色，在三维坐标系中显示带有颜色的点云。点云安全状态设置如图6所示。

图6点云安全状态设置

2.3 过程监控

利用无人机对基坑开挖过程进行监控并判断开挖后坡面安全状态的过程，是一个动态的、多次的过程，通过对比不同时间序列的无人机图像，可以深入分析基坑坡面的动态变化。

多时期图像对比的关键指标包括重叠率、吻合度等。重叠率是指不同时期图像中相同区域的重叠程度，它反映了图像获取的稳定性和一致性。吻合度则是指不同时期图像中对应点的位置偏差程度，它反映了坡面的变化程度。在进行图像对比时，需要确保图像的分辨率、拍摄角度、光照条件等因素尽可能一致，以提高对比的准确性。例如，可以通过对无人机的参数(如飞行高度、拍摄角度等)进行优化，来提高图像的重叠率和吻合度。同时，还可以采用图像配准技术，将不同时期的图像进行精确对齐，从而更好地进行对比分析。

结合对比结果，可以预测基坑坡面动态变化趋势。通过对不同时期图像的分析，可以得到坡面变化的速度、方向、幅度等信息。根据这些信息，可以建立数学模型，预测坡面未来的变化趋势。例如，可以采用BP神经网络算法，对坡面的变形进行预测：当边坡变形稳定、边坡位移时序图呈直线抬升趋势时，此时基于窗口平移多项式的BP神经网络能够获得较为精确的预测值；当边坡变化异常、位移时序图呈阶跃式曲线时，此时基于小波分析的BP神经网络能够获得较为精确的预测值。

3、无人机监测基坑安全状态的具体应用

3.1 案例背景

以许商综合片区(七期)棚改旧改A区项目某住宅楼基坑作为研究对象，介绍无人机图像技术在监测基坑安全状况时的具体应用。该基坑采用放坡开挖，土质主要为粉质黏土，平面尺寸为25 m×20 m, 最大开挖深度约为4.6 m。基坑左侧临近河流，坑底边缘设置一座小集水坑，坡面基本干燥。基坑开挖后原貌如图7所示。

图7基坑开挖后现场

放坡开挖基坑的安全状态主要是通过坡面倾角进行判断，深度在5 m以内的基坑放坡开挖坡度限值如表1[7]所示。

表1基坑边坡坡度限值

3.2 无人机的选择与配置

在进行基坑工程安全监测之前，首先需要选择合适的无人机，无人机的选择应考虑其飞行性能、稳定性、载荷能力和续航能力等因素。对于基坑安全监测而言，需要选择具有较高稳定性和一定载荷能力的无人机，以便携带高分辨率相机和多光谱传感器进行数据采集。同时，无人机还应具备良好的抗风能力和防水性能，以适应复杂的气象条件和工作环境。无人机通过航摄系统获取基坑图像，本工程选用大疆Phantom 4多光谱版无人机，航摄系统包括控制系统、影像获取设备和地面遥控设备，各组件参数：

(1)多光谱相机。传感器：6个1/2.9英寸CMOS,包括1个用于可见光成像的彩色传感器和5个用于多光谱成像的单色传感器。单色传感器对应可见光和近红外波段，RGB传感器捕捉彩色图像。镜头FOV:62.7°,焦距：5.74 mm, 光圈：f/2.2。彩色传感器ISO范围：200～800。单色传感器增益：1～8倍，ISO范围：IOS200～IOS800。快门速度：1/100～1/20 000 s(可见光成像);1/100～1/10 000 s(多光谱成像)。照片分辨率：1 600×1 300(4∶3.25)。文件格式：JPEG(可见光成像)+TIFF(多光谱成像)。

(2)惯性测量单元(IMU)。提供飞行过程中的加速度、角速度等信息，结合GPS数据，可实现稳定、精确的飞行控制，保证图像采集的稳定性。首次定位时间<50 s。定位精度：垂直1.5 mm+1 ppm(RMS);水平1 mm+1 ppm(RMS)。速度精度：0.03 m/s。飞行速度：最大50 km/h。升降速度：最大上升速度，6 m/s; 最大下降速度，3 m/s。飞行高度：最高6 000 m。云台可控转动范围：俯仰-90～30°。

(3)气压高度计。监测飞行高度，确保无人机在安全、稳定的距离上进行数据采集，避免与开挖区域的直接接触。适用环境温度：0～40 ℃。

(4)智能飞行电池。电池类型：LiPo 4锂充电电池5 870 mA·h。能量：89.2 Wh。电池整体质量：468 g。工作环境温度：-10～40 ℃。充电环境温度：5～40 ℃。最大充电功率：160 W。飞行时间：约30 min。

(5)遥控器。工作频率：2.4～2.483 5 GHz(欧洲，日本，韩国);5.725～5.850 GHz(其他地区)。信号最大有效距离：NCC/FCC:7 km; SRRC/CE/MIC/KCC:5 km(无干扰、无遮挡)。

3.3 制定飞行计划

在进行无人机飞行前，需要制定详细的飞行计划。飞行计划包括航线、飞行高度、飞行速度、重叠度、拍摄角度等参数。在制定飞行计划时，需要考虑基坑工程的规模、形状和周围环境等因素，以确保无人机能够覆盖整个基坑工程，并获取高质量的影像数据。同时，还需要考虑无人机的电池续航能力和飞行限制，合理安排飞行时间和任务量。

(1)航高、航速确定：在无人机型号确定的条件下，飞行高度主要受对地面分辨率高低的影响。一般情况下，无人机距地面越近，对地面分辨率越高，相机应尽可能保持恒定的高度，确保对地面分辨率变化不大[8]。此外，还需要考虑无人机的安全性，制定应对突发情况的应急预案，如遇到恶劣天气或设备故障时的应对措施。本次飞行航高设定为8.5 m, 速度设定为0.5 m/s。

(2)航线设计：航线设计主要是考虑重叠度的影响[9],重叠度越大，结果越精确，但也会产生大量的冗余数据。本工程基坑平面较为规则，航线规划如图8所示，保证至少有70%的正面重叠度(飞行方向之间)和60%的侧面重叠度(飞行轨迹之间)。

图8航线设计和图片重叠度控制

3.4 数据采集与处理

在飞行计划制定完成后，进行数据采集。无人机在飞行过程中会获取大量的影像数据，借助Pix4D mapper软件对图像进行处理，建立点云模型，处理步骤如下：

(1)导入图像。本次共导入80张基坑图像，软件能够自动识别图像的地理方向、位置信息、相机型号等信息。

(2)选择数据输出坐标系。特别注意输出曲线坐标系应与工程控制点采用的坐标系完全一致。

(3)选择处理模板。根据项目需求选择适当的处理模式，本次选择“3D地图”模式，该模式下处理后可以得到基坑的点云模型，并导出为“.xyz”文件。处理界面如图9所示。

图9处理选项设置

(4)全自动处理。完成所有处理设置后，即可进行自动化处理。

3.5 安全监测结果

进行一番计算后，基坑安全状态可视化结果如图10所示，在实体图中用相同颜色标出对应位置，如图11所示。对比发现，可视化模型的结果与现场情况基本一致。监测结果显示，危险区域主要集中在基坑的左上角坡面位置，这一情况也与现场左上角坡面存在较大坡度、土体存在松动相符。这表明该部位的基坑处于不安全状态，应采取相应的防护措施。

图10基坑安全状态监测结果

图11基坑安全状态实体

此外，模型中显示坑底左上角呈现一处红色，是由于在此处有一集水坑，导致局部土体倾角过大，可见此技术对坑底隆起监测具有一定的应用潜力。

4、结论与展望

4.1 研究结论

(1)无人机技术在深基坑安全监测中具有显著的优势，如高分辨率、灵活性和多模态数据获取能力。

(2)实际案例表明，无人机图像技术能够有效地监测深基坑工程的变形等关键安全指标。

(3)无人机技术的应用可以辅助基坑工程的风险评估和决策支持。

4.2 未来研究方向

将无人机图像识别处理技术应用于基坑变形预警监测，为提高施工管理水平、降低安全管理成本、减少安全事故发生提供了更加先进和可靠的途径。未来，随着无人机技术的不断发展和完善，其在基坑变形预警监测中的应用将会更加广泛和深入。

尽管无人机图像技术在基坑安全监测中已经取得了一定的成果，但仍存在很大提升空间。例如，如何提高无人机成像对复杂地层的适用性，如何优化数据处理算法以提高分析效率，如何将无人机与人工智能、大数据技术相结合，以实现更全面的监测，仍待众多科技工作者探索挖掘。

参考文献:

[1]范孟超,赖国华,陆铭,等.BIM结合无人机三维信息采集的基坑监测方法研究[J].四川建材,2023,49(11):82-84,87.

[2]郝正君,张振清,唐军山,等.基于无人机倾斜摄影的道路交通事故现场三维重建研究[J].警察技术,2024(4):91-94.

[3]刘凯,刘洋.低成本的测绘用无人机设计及优化建模方案研究[J].科技视界,2024,14(1):61-64.

[4]胡博妮,陈霖,徐丙立,等.基于无人机平台的地表环境实时稠密点云生成与数字模型构建[J].遥感学报,2024,28(5):1206-1221.

[5]王玉文,李珊君,杨赟秀,等.基于有向包围盒的尺度点云配准算法[J].激光杂志,2022,43(1):12-18.

[6]肖艳阳.分片逼近方法及其在点云处理中的应用[D].厦门:厦门大学,2020.

[7]住房和城乡建设部.建筑边坡工程技术规范:GB 50330-2013[S].北京:中国建筑工业出版社,2013.

[8]郑海超,赵立华,陈刚,等.基于无人机的高空间分辨率的建筑全围护结构红外图像采集方法[J].建筑科学,2024,40(2):213-221.

[9]王斐,任亚锋,刘飞,等.无人机航摄影像重叠度和旋角的自动检查方法[J].北京测绘,2023,37(10):1332-1337.

基金资助:山东省重点研发计划(重大科技创新工程)(2021CXGC011204);

文章来源:杨位珂.基于无人机图像分析的基坑安全监测技术[J].国防交通工程与技术,2024,22(06):92-96+76.