采煤塌陷积水区面积无人机采集方法_迟臣鑫.pdf

收稿日期2019-11-24 收稿日期国家自然科学基金项目 （编号 41641036） 。 作者简介迟臣鑫 （1996） ， 男， 硕士研究生。通讯作者查剑锋 （1982） ， 男， 博士， 副教授， 硕士研究生导师。 采煤塌陷积水区面积无人机采集方法 迟臣鑫 1， 2 陈伟强 3 朱鹏程 1， 2 查剑锋 1， 2 殷和健 1， 2 马晨阳 1， 21 （1.中国矿业大学环境与测绘学院， 江苏 徐州 221116； 2. 江苏省资源环境信息工程重点实验室， 江苏 徐州 221116； 3. 皖北煤电集团有限责任公司五沟煤矿， 安徽 淮北 235131） 摘要近年来， 采煤塌陷引起的积水区面积呈现逐年增加的趋势， 现阶段采煤塌陷积水区面积常用的计算 方法多为 RTK实测法和遥感法， 对于中小区域的采煤塌陷积水区面积计算具有工作量大、 时效性差等不足， 精准 计算中小区域的采煤塌陷积水区面积对于积水区生态修复、 经济赔偿及安全防护工作具有重要意义。为此， 提出 了一种基于无人机影像的采煤塌陷积水区面积获取方法。在分析常见影像噪声的基础上， 通过分析对比现有去噪 方法的优势和局限性， 提出了耦合高通滤波和中值滤波的去噪方法； 通过4种阈值选取方法的实例对比分析， 采用 三角法确定采煤塌陷积水区影像二值化的阈值； 提出了依据轮廓坐标点的精度来评估面积计算精度的方法。依据 所提的采煤塌陷积水区面积计算方法， 计算了某矿附近采煤塌陷积水区的面积， 并与Pix4Dmapper软件和RTK实测 法获取的面积值进行了对比验证。结果表明 耦合滤波方法可较好地去除无人机影像的噪声点， 在此基础上计算 的采煤塌陷积水区面积与其余两种方法的计算结果的相对误差优于6， 精度较好， 为采煤塌陷积水区生态修复等 工作提供了可靠依据。 关键词生态修复采煤塌陷区积水面积无人机耦合滤波 中图分类号P612文献标志码A文章编号1001-1250 （2020） -08-136-06 DOI10.19614/ki.jsks.202008022 Acquisition of Accumulated Water Area in Mining Subsidence Area by Unmanned Aerial Vehicle Chi Chenxin1， 2Chen Weiqiang3Zhu Pengcheng1， 2Zha Jianfeng1， 2Yin Hejian1， 2Ma Chenyang1， 22 （1. School of Environment Science and Spatial Inatics， China University of Mining and Technology， Xuzhou 221116， China； 2. Jiangsu Key Laboratory of Resources and Environmental Ination Engineering， Xuzhou 221116， China； 3． Wugou Coal Mine， Wanbei Coal and Electricity Group Co.， Ltd.， Huaibei 235131， China） AbstractIn recent years，the area of accumulated water area caused by coal mining subsidence is increasing year by year． At present，RTK（Real-time Kinematic）measurement and remote sensing s are commonly used to calculate the area of accumulated water area of coal mining subsidence in small and medium-sized areas，which has some shortcomings， such as heavy workload and poor timeliness． Accurate calculation of accumulated water area of coal mining subsidence in small and medium-sized areas is of great significance for ecological restoration，economic compensation and safety protection of accumulated water area． Therefore，this paper proposes an area acquisition of coal mining subsidence area based on UAV（Unmanned Aerial Vehicle）images． Based on the analysis of common image noise，by analyzing and comparing the advantages and limitations of existing denoising s， the coupled high-pass filtering and median filtering denoising meth⁃ ods are proposed． Through the comparison and analysis of four threshold selection s，the threshold value of image bi⁃ narization is determined by trigonometry． A to uate the precision of area calculation based on the precision of con⁃ tour coordinate points is proposed． According to the proposed calculation of mining subsidence area，the area of min⁃ ing subsidence area near a mine is calculated，and compared with the area values obtained by Pix4Dmapper software and RTK measurement ．The results show that the noise of UAV image can be better removed by coupled filtering ， based on the processing flow， the relative error of the calculaiton results of the proposed between the ones of the other 总第 530 期 2020 年第 8 期 金属矿山 METAL MINE Series No． 530 August2020 136 ChaoXing s is batter than 6％， which further indicated that the calculation accuracy of the proposed is good， besides that， it provides reliable reference for the ecological restoration of coal mining subsidence accumulated water area． KeywordsEcological restoration， Coal mining subsidence area， Accumulated water area， UAV， Filtering coupling 雨水囤积与地下水汇流会在采煤塌陷区形成积 水， 会破坏矿区及附近生态环境 ［1-2］、 造成耕地、 道路 或建筑物的破坏。据统计， 截至2018年， 我国两淮地 区的采煤塌陷区面积约300 km， 积水面积占塌陷区 面积的30％～50％ ［3］。近年来， 采煤塌陷积水区的生 态修复得到了学术界的普遍关注 ［4-6］， 精确获取面积 这一基础数据， 对于有效开展采煤塌陷积水区生态 修复 ［7］等工作具有重要意义。 采煤塌陷积水区面积获取方法通常有RTK实测 法和遥感法， 后者最为常用。范忻等 ［8］提出了一种改 进的P-WSVM方法， 用于计算塌陷积水区面积， 该方 法受到遥感数据分辨率和波段的影响， 提取精度为 87.76； 王安妮 ［9］利用NCIWI指数法， 以Landsat影像 为数据源提取了20002018年的沛北矿区积水区面 积； 胡振琪等 ［10］采用基于小波变换的多尺度边缘检 测算法提取了塌陷积水区边界。一般而言， 采煤塌 陷积水区具有面积现势性强、 地形复杂及测区形状 不规则的特点， 传统方法存在的不足有 ①RTK实测 法适用于小区域的采煤塌陷积水区面积计算， 若要 保证面积计算精度， 则需提高RTK实地采点间隔， 工 作量会随之增加； ②考虑丰水期、 枯水期时采煤塌陷 积水区面积有差异， 并受到遥感影像分辨率的影 响 ［11］， 遥感法适用于大范围的采煤塌陷积水区的面 积计算， 且高分辨率遥感影像获取成本较高， 计算范 围较小的采煤塌陷积水区面积会产生数据冗余和经 费浪费。为此， 本研究提出了一种以无人机影像为 数据源， 利用耦合滤波方法消除噪声、 自动提取水域 轮廓并最终获取采煤塌陷积水区面积的方法。 1塌陷积水区面积信息无人机采集方法 无人机采集地表信息的一般流程有航线规划、 布设像控点和提取信息。由于塌陷积水区随煤炭开 采逐步变化， 其面积在不同季节会有差异并且水域 边界不规则， 故本研究提出了如图1所示的面积采集 思路。 具体实施步骤为 ①围绕采煤塌陷积水区布设 像控点并用无人机拍摄正射影像 ［12］， 保证航向、 旁向 重叠率在70％以上； ②对获得的正射影像进行预处 理， 包括灰度化、 去噪和二值化处理等； ③提取并处 理正射影像上积水区的轮廓， 将轮廓点位坐标转换 为实地坐标， 采用向量叉乘法计算积水区面积； ④对 采煤塌陷积水区面积的计算精度进行评估。 2塌陷积水区面积信息提取的关键技术 2. 1影像数据处理 2. 1. 1灰度化 灰度化是影像二值化处理的前提， 为保留采煤 塌陷积水区影像灰度化后的对比度， 采用文献 ［13］ 提出的基于最大加权投影求解的灰度化算法进行影 像灰度化处理。 2. 1. 2噪声处理 常见的图像噪声有高斯噪声和椒盐噪声等。高 斯噪声是指概率密度函数服从高斯分布的噪声， 椒 盐噪声是指图像传感器、 传输信道及解码处理在影 像获取、 传输等过程中产生的黑白相间的亮暗点噪 声 ［14］。图像去噪的经典方法有中值滤波、 高斯滤波、 均值滤波、 高通滤波等。高斯滤波适用于处理高斯 噪声 ［15］； 均值滤波同样对高斯噪声的去除效果较好， 但会损失图像的边缘信息 ［16］； 高通滤波可以抑制低 频噪声， 对图像进行锐化； 中值滤波较适合去除椒盐 噪声。目前， 已有较多学者对上述滤波方法进行了 改进 ［17-20］， 无人机采集的采煤塌陷积水区影像中存在 多种噪声， 单一滤波方法降噪效果有限， 采用滤波耦 合去噪具有较好的效果。本研究耦合去噪采用中值 滤波、 高通滤波算法实现。其中， 中值滤波选择55 的像素模板， 是因为采用较小尺寸模板 （33） 虽然 能大量保留图像细节信息， 但图像平滑效果较差； 采 用较大尺寸模板 （77） 虽然平滑效果好， 但会丢失 图像细节信息； 高通滤波算法通过sobel算子实现， 可 达到突出轮廓的目的。图2为采用不同滤波方法得 到的采煤塌陷积水区轮廓。 分析图2可知 采用本研究耦合滤波去噪思路处 理后， 图像中噪声得到了有效抑制， 水体轮廓信息提 取较为精准， 效果优于单纯采用高通滤波算法、 中值 2020年第8期迟臣鑫等 采煤塌陷积水区面积无人机采集方法 137 ChaoXing 滤波算法以及不进行任何滤波处理情况下的效果。 图2中， 除了图2 （b） 中噪声点较多， 无法计算轮廓面 积外， 其余3类算法处理后的轮廓面积分别为674.34 km2、 779.10 km2、 726.39 km2， 只有滤波耦合去噪算法 得到的轮廓面积与依据矿区实测数据的Pix4Dmap- per软件计算值 （716.82 km2） 最为接近， 可见， 本研究 提出的滤波算法有助于减少图像噪声， 突出积水区 的轮廓信息。 2. 1.3二值化处理 二值化处理可以达到减少数据量并突出采煤塌 陷积水区轮廓信息的目的， 常用的阈值选取方法 有 ［21］ 三角法求阈值［22］、 大津法［23］、 平均值阈值法以 及固定阈值法。采用该类方法生成的二值化图如图 3所示。 由图3可知 采用三角法确定阈值时， 水体轮廓 清晰， 边缘平滑且无明显噪声点， 与实际水域的轮廓 最为接近； 采用大津法确定阈值时， 轮廓边缘噪声点 较多， 无法准确区分水域边缘的杂草、 湿地等干扰信 息， 提取的水域轮廓面积较实际偏大； 采用平均值法 选取阈值时， 轮廓边缘不平滑， 有较多的噪声点被提 取出； 采用固定阈值法提取的轮廓边缘较为平滑， 轮 廓提取速度较快， 噪声点也较少， 提取的轮廓面积与 实际面积相接近， 但对于不同的图像， 较难选取一个 通用的固定阈值。故本研究采用三角法进行阈值选 取。 2. 2塌陷积水区面积计算方法 2. 2. 1提取水域轮廓及坐标 OpenCV中的Findcontours函数具有提取影像轮 廓的功能， 将处理后的二值化正射影像输入， 则会生 成完整的嵌套轮廓层次结构并返回Contours列表。 2. 2. 2坐标转换 轮廓坐标为图上坐标， 要计算轮廓面积， 需将图 上坐标转换为实地坐标。图上坐标转换为实地坐标 的公式为 ■ ■ ■ x trans 0 m ⋅ trans 1 n ⋅ trans 2 y trans 3 m ⋅ trans 4 n ⋅ trans 5 ，（1） 式中，trans 0 、trans 3代表图像左上角点的实地坐 标；trans 1代表像元宽度；trans 5代表像元高度； 若 图像指北， 则参数trans 2 、trans 4默认为 0；m、n 为水域轮廓上各个点的像素坐标；x、y为水域轮廓 上各个点的实地坐标。 2. 2. 3面积计算 三角形的面积Area i等于其两边向量积 （叉乘） 的模的1 2， 本研究将任意n边形分解为n - 2个三 角形并求和， 来计算不规则多边形的面积Y， 计算公 式为 Y ∑ i 1 n - 2 Areai，（2） 式中，Area i为第i个三角形的面积；n为轮廓的顶点 数 （边数） 。 读取水域轮廓上各个点的x、y坐标， 并将其转 换为顶点Zpp 1,2,3,⋯,n， 即水体的轮廓是顶点为 Zp的任意多边形， 顶点坐标按逆时针方向排列， 分别 为x1,y1,x2,y2,⋯,xn,yn。由于提取的坐标点数量 较多， 故采煤塌陷积水区可近似为不规则多边形， 面 积计算公式为 金属矿山2020年第8期总第530期 138 ChaoXing S 1 2 ■ ■ ■ ■ ■ ■ ■ ■∑ i 1 n - 1| | || | | || xiyi xi 1yi 1 | | || | | || xnyn x1y1 1 2 ■ ■ ■ ■ ■ ■∑ i 1 n - 1 xiyi 1- xi 1yixny1- x1yn ， （3） 式中，x,y为轮廓点的坐标。 2. 3塌陷积水区面积计算精度评估方法 塌陷积水区面积计算精度受到无人机正射影像 获取精度、 正射影像处理效果、 水域轮廓坐标点提取 精度和面积计算精度等因素影响。因水域轮廓坐标 点较多， 故其精度对面积计算的影响最大。本研究依 据轮廓坐标点的精度来评估面积计算精度。实现步 骤有 ①生成NN 100组轮廓坐标点的高斯随机 数， 赋予轮廓坐标点不同的方差； ②计算N组带有随 机方差的轮廓面积； ③比较每组面积的期望值与依据 相关算法计算值的差异。不同坐标点位测量误差对 应的面积误差如图4所示。 3实例分析 3. 1塌陷积水区概况 采煤塌陷积水区位于某矿开采区， 如图5所示， 采煤引起地表塌陷， 雨水囤积与地下水汇流导致该 区域形成了3处采煤塌陷积水区。3处塌陷积水区内 部均无水草覆盖， 水体边缘有少量水草和树木， 水域 1、 2轮廓形状不规则， 用作农田灌溉蓄水池， 水域3为 连通复杂轮廓， 用作鱼塘养殖。为满足该矿对塌陷 积水区生态修复及安全防护的要求， 应用所提方法 对3处积水区的面积进行了计算分析。 3. 2数据采集 在以3处积水区为中心的矩形区域上分别布设 了 8个像控点， 采用大疆 Phantom4 RTK无人机获取 塌陷积水区的正射影像， 用 Pix4Dmapper 及 Global Mapper软件提取并处理正射影像信息。 3. 3塌陷积水区面积提取 根据本研究方法实现思路， 使用python语言编写 程序， 依据无人机影像自动计算采煤塌陷积水区的 面积。以水域2为例， 该处水域轮廓如图6所示， 水 域2轮廓点位提取结果如图7所示。 3. 4塌陷积水区面积测量精度分析 本研究分别采用Pix4Dmapper软件、 RTK实测法 以及本研究方法计算了塌陷积水区的面积， 结果如 表1所示。 由表1可知 本研究所提方法与其他两种方法计 算的水域面积相对误差在6以内； 所提方法计算的 水域1面积大于Pix4Dmapper软件， 该方法计算的水 域 2、 水域 3的面积均小于 RTK实测法和 Pix4Dmap⁃ per软件， 原因在于水域2、 水域3的水体边缘有较多 2020年第8期迟臣鑫等 采煤塌陷积水区面积无人机采集方法 139 ChaoXing 树木、 杂草等干扰， 水域1的水体边缘树木、 杂草等干 扰较少。所提方法在提取水体轮廓时会将水体边缘 的树木、 杂草等干扰信息排除， 故计算的面积偏小； 当水体边缘无树木、 杂草等干扰信息时， 轮廓提取较 为精细， 故计算的面积偏大。 4结论 （1） 为满足采煤塌陷积水区生态修复需求， 提出 了一种基于无人机影像的采煤塌陷积水区面积采集 方法。结合某矿工程实例， 对该方法的适用性进行 了分析。结果表明 该方法与商用化软件Pix4Dmap- per及RTK实测法相比， 采煤塌陷积水区面积计算误 差在6以内， 表明该方法对于采煤塌陷积水区面积 计算有一定的适用性， 可为矿山生态修复等工作提 供可靠依据。 （2） 由于无人机航摄存在续航时间较短、 像控点 布设数量与测区面积成正比的不足， 故该方法适用 于中小面积的采煤塌陷积水区面积计算。相对于 RTK实测法和遥感法， 该方法工作量较少， 且时效性 较强。 参 考 文 献 陈晓谢， 张文涛， 朱晓峻， 等．高潜水位采煤沉陷区积水范围动 态演化规律 ［J］ ．煤田地质与勘探， 2020， 48 （2） 126-133． Chen Xiaoxie， Zhang Wentao， Zhu Xiaojun， et al．Dynamic evolu⁃ tion law of water accumulation range in coal mining subsidence ar⁃ ea with high -level groundwater［J］ ．Coal Geology Exploration， 2020， 48 （2） 126-133． 何强， 许冬， 姚丹丹．煤矿开采沉陷对地表汇流影响分析研 究 ［J］ ．煤炭科学技术， 2015， 43 （8） 140-143， 157． He Qiang， Xu Dong， Yao Dandan．Study on impact of mining subsid⁃ ence on ground surface confluence in coal mine［J］ ．Coal Science and Technology， 2015， 43 （8）140-143， 157． 李世龙， 陈晓谢， 邵佳， 等．采煤沉陷积水区地表移动变形监 测方案研究 ［J］ ．矿山测量， 2018， 46 （6） 1-4． Li Shilong， Chen Xiaoxie， Shao Jia， et al．Research on surface move⁃ ment deation monitoring scheme in coal mining subsidence ponding Area ［J］ ．Mine Surveying， 2018， 46 （6）1-4． 陈永春， 袁亮， 徐翀．淮南矿区利用采煤塌陷区建设平原水 库研究 ［J］ ．煤炭学报， 2016， 41 （11） 2830-2835． Chen Yongchun， Yuan Liang， Xu Chong．Investigation on using min⁃ ing subsidence area to build a reservoir in Huainan coal mining area ［J］ ．Journal of China Coal Society， 2016， 41 （11）2830-2835． 张瑞娅， 邹勇， 吴云， 等．采煤塌陷深积水区现状分析与治 理对策探讨 ［J］ ．煤炭工程， 2014， 46 （9） 73-75． Zhang Ruiya， Zou Yong， Wu Yun．et al．Present status analysis on deep water area of mining ［J］ ．Coal Engineering， 2014， 46 （9） 73- 75． 卞正富， 张燕平．徐州煤矿区土地利用格局演变分析 ［J］ ．地理学 报， 2006 （4） 349-358． Bian Zhengfu， Zhang Yanping．Land use changes in Xuzhou coal mining area ［J］ ．Acta Geographica Sinica， 2006 （4） 349-358． 武强， 刘宏磊， 陈奇， 等．矿山环境修复治理模式理论与实 践 ［J］ ．煤炭学报， 2017， 42 （5） 1085-1092． Wu Qiang， Liu Honglei， Chen Qi， et al．Theoretical study of mine geo-environmental restoration model and its application ［J］ ．Journal of China Coal Society， 2017， 42 （5） 1085-1092． 范忻， 汪云甲， 王行风， 等．改进P-WSVM的矿区积水塌陷地 信息提取 ［J］ ．测绘科学， 2012， 37 （4） 82-84． Fan Xin， Wang Yunjia， Wang Xingfeng， et al． Water subsidence land ination extraction in mining area based on improved PWSVM ［J］ ． Science of Surveying and Mapping， 2012， 37 （4） 82- 84． 王安妮．沛北矿区积水特征的遥感监测与预测研究 ［D］ ．徐州 中国矿业大学， 2019． Wang Anni．Study on Remote Sensing Monitoring and Prediction of Sedimentary Water Characteristics in Peibei Mining Area ［D］ ．Xu⁃ zhouChina University of Mining and Technology， 2019． Hu Z Q， Xu X L， Zhao Y L．Dynamic monitoring of land subsidence in mining area from multi-source remote-sensing dataa case study at Yanzhou， China［J］ ． International Journal of Remote Sensing， 2012， 33 （17） 5 527-5 545． 张毅， 陈成忠， 吴桂平， 等．遥感影像空间分辨率变化对湖泊 水体提取精度的影响 ［J］ ．湖泊科学， 2015， 27 （2） 335-342． Zhang Yi， Chen Chengzhong， Wu Guiping， et al．Effects of spatial scale on water surface delineation with satellite images［J］ ．Journal of Lake Sciences， 2015， 27 （2） 335-342． 毕凯， 李英成， 丁晓波， 等．轻小型无人机航摄技术现状及发 ［1］ ［2］ ［3］ ［4］ ［5］ ［6］ ［7］ ［8］ ［9］ ［10］ ［11］ ［12］ 金属矿山2020年第8期总第530期 140 ChaoXing ［13］ ［14］ ［15］ ［16］ ［17］ ［18］ ［19］ ［20］ ［21］ ［22］ ［23］ 展趋势 ［J］ ．测绘通报， 2015 （3） 27-31， 48． Bi Kai， Li Yingcheng， Ding Xiaobo， et al．Aerial photogrammetric technology of light small UAVstatus and trend of development ［J］ ． Bulletin of Surveying and Mapping， 2015 （3） 27-31， 48． 卢红阳， 刘且根， 熊娇娇， 等．基于最大加权投影求解的彩色图 像灰度化对比度保留算法 ［J］ ．自动化学报， 2017， 43 （5） 843- 854． Lu Hongyang， Liu Qiegen， Xiong Jiaojiao， et al．Maximum weighted projection solver for contrast preserving decolorization ［J］ ．Acta Au⁃ tomatica Sinica， 2017， 43 （5） 843-854． 付芸， 白银浩， 李展， 等．快速去除椒盐噪声的蛇形扫描滤 波算法 ［J］ ．计算机工程， 2017， 43 （7） 229-233． Fu Yun， Bai Yinhao， Li Zhan， et al．Serpentine scanning filtering al⁃ gorithm for quick removal of salt and pepper noise［J］ ．Computer Engineering， 2017， 43 （7） 229-233． 李健， 丁小奇， 陈光， 等．基于改进高斯滤波算法的叶片图 像去噪方法 ［J］ ．南方农业学报， 2019， 50 （6） 1385-1391． Li Jian， Ding Xiaoqi， Chen Guang， et al． Blade image denoising based on improved Gauss filtering algorithm ［J］ ．Journal of Southern Agriculture， 2019， 50 （6） 1385-1391． 赵庆平， 陈得宝， 姜恩华， 等．一种改进权重的非局部均值图像 去噪算法 ［J］ ．电子测量与仪器学报， 2014， 28 （3） 334-339． Zhao Qingping， Chen Debao， Jiang Enhua， et al．Improved weighted non-local mean algorithm filter for image denoising［J］ ．Journal of Electronic Measurement and Instrument， 2014， 28 （3） 334-339． 黄燕， 雷涛， 樊养余， 等．基于自适应窗口的裁剪中值滤波 方法 ［J］ ．计算机科学， 2015， 42 （1） 303-307． Huang Yan， Lei Tao， Fan Yangyu， et al．A daptive decision-based unsymmetric trimmed median filter ［J］ ．Computer Science， 2015， 42 （1） 303-307． 姒绍辉， 胡伏原， 顾亚军， 等．一种基于不规则区域的高斯滤波 去噪算法 ［J］ ．计算机科学， 2014， 41 （11） 313-316． Si Shaohui， Hu Fuyuan， Gu Yajun， et al．Improved denoising algo⁃ rithm based on non-regular area Gaussian filtering［J］ ．Computer Science， 2014， 41 （11） 313-316． 彭宏， 赵鹏博．边缘检测中的改进型均值滤波算法 ［J］ ．计算机 工程， 2017， 43 （10） 172-178． Peng Hong，Zhao Pengbo． Improved mean filtering algorithm in edge detection ［J］ ．Computer Engineering， 2017， 43 （10） 172-178． 乔闹生， 张奋．广义全变分与巴特沃斯高通滤波融合图像去 噪 ［J］ ．计算机工程与应用， 2014， 50 （10） 20-22． Qiao Naosheng， Zhang Fen． Image denoising based on fu⁃ sion of generalized total variation and Butterworth high pass filter ［J］ ．Computer Engineering and Applications， 2014， 50 （19） 20-22． 刘文萍， 吴立德．图像分割中阈值选取方法比较研究 ［J］ ．模式识 别与人工智能， 1997， 10 （3） 271-277． Liu Wenping， Wu Lide．Comparison of threshold selection for image segmentation［J］ ． Pattern Recognition and Artificial Intelligence 1997， 10 （3） 271-277． Zack G W， Rogers W E， Latt S A．Automatic measurement of sister chromatid exchange frequency［J］ ． Journal of Histochemistry and Cytochemistry， 1977， 25 （7） 741-753． Du H， Chen X B， Xi J T．An improved background segmentation al⁃ gorithm for fringe projection profilometry based on Otsu ［J］ ． Optics Communications， 2019， 453UNSP 124206． 2020年第8期迟臣鑫等 采煤塌陷积水区面积无人机采集方法 141 ChaoXing