CN118504925B 一種無人機低空監(jiān)測方法 （北京理工大學(xué)珠海學(xué)院）

號并基于掃描的結(jié)果構(gòu)建考古遺址的初步二維平模糊區(qū)域得到的補充飛行路徑制定用于指示無古遺址內(nèi)的聲壓分布信息和氣流場信息對飛行充三維模型中對應(yīng)地考古遺址的考古遺址缺陷23在所述無人機進(jìn)行第一次飛行的情況下，掃描所述考古遺址獲取并根據(jù)所述考古遺址的高程數(shù)據(jù)以及所述初步二維平面圖所述根據(jù)第一次飛行的飛行路徑和預(yù)設(shè)的精度需求，在所述初步三維模型每個所述待補充數(shù)據(jù)采集區(qū)域的中心坐標(biāo)和邊界范圍計算得到所述待補充數(shù)據(jù)采集區(qū)域獲取并根據(jù)所述考古遺址內(nèi)的聲壓分布信息和氣流場信息，所述獲取并根據(jù)所述考古遺址內(nèi)的聲壓分布信息和氣流場信息，對4運用時間序列分析預(yù)測模型，預(yù)測所述初步三維模型中的風(fēng)險區(qū)域包括自然塌陷區(qū)域和受到所述無人機進(jìn)行第一次飛行影響的區(qū)所述運用時間序列分析預(yù)測模型，預(yù)測所述初步三維模型中的風(fēng)險高度；并將所述最優(yōu)的飛行路徑和飛行高度替換所述飛行策略中的飛行路徑和飛行高度，通過第二次飛行獲取補充數(shù)據(jù)，將所述初步三維模型與所述補充數(shù)通過所述攝像設(shè)備對所述考古遺址進(jìn)行邊緣檢測得到考古遺址對所述考古遺址影像數(shù)據(jù)進(jìn)行第一預(yù)處理操作；所述第一預(yù)處對第一預(yù)處理操作后的所述考古遺址影像數(shù)據(jù)進(jìn)行分析，提取所述考根據(jù)所述外部邊界輪廓計算所述考古遺址的外部邊界的垂直平進(jìn)入所述考古遺址內(nèi)部進(jìn)行第一次飛行的路將所述第一次飛行的路徑參考傳送至所述無人機，以指示所述無5對所述掃描的結(jié)果進(jìn)行第二預(yù)處理操作；所述第二預(yù)處理操作包括識別第二預(yù)處理操作后的所述掃描的結(jié)果中的所述地形輪廓以及所述第二預(yù)處理操作后的所述掃描的結(jié)果中的所述地形紋理并構(gòu)建關(guān)于所述地形輪廓和所述地形紋理的所在所述無人機進(jìn)行第一次飛行的情況下，響應(yīng)于所述初在所述無人機沿所述第二飛行路徑飛行的情況下，通過立體將所述第一精度的點云數(shù)據(jù)和所述第二精度的點云數(shù)據(jù)進(jìn)行配準(zhǔn)對所述三維點云模型進(jìn)行濾波去噪和下采樣處理，并提取得到所將所述初步二維平面圖中的所述考古遺址中地形輪廓和地形紋理映射到所述三維點提取所述初步三維模型中的高程數(shù)據(jù)、所述地形輪廓和所述地形紋理，將所述潛在的無人機可停區(qū)域與所述初步三維模型進(jìn)行疊加分析，步三維模型分割為100_500平方米不等的多邊形區(qū)域，然后基于所述初步三維模型中的地根據(jù)所述可停區(qū)域的位置分布，構(gòu)建連接所有可停區(qū)域的最短飛行通過所述無人機搭載的點亮管理系統(tǒng)實時檢測所述無人機上的電池組計算所述無人機上控制信號的接收功率，當(dāng)所述接收功劃從當(dāng)前所述GPS坐標(biāo)到距離最近的預(yù)設(shè)數(shù)量的每個所述可停區(qū)域的最優(yōu)避障路徑，并結(jié)6通過所述無人機搭載的激光雷達(dá)和機載計算機，實時構(gòu)建所述無中對應(yīng)地所述考古遺址的考古遺址缺陷和具有歷史價值的關(guān)鍵區(qū)根據(jù)統(tǒng)一的坐標(biāo)系統(tǒng)獲得所述補充數(shù)據(jù)和所述初步三維模型在同一基準(zhǔn)下的數(shù)據(jù)表對所述補充數(shù)據(jù)進(jìn)行第四預(yù)處理操作；所述第四預(yù)處理操作包括剔除通過對比所述高質(zhì)量補充數(shù)據(jù)和所述初步三維模型的空間分辨率，調(diào)根據(jù)訓(xùn)練完成的深度學(xué)習(xí)模型并基于所述校正后的高質(zhì)量補充數(shù)通過對識別的所述考古遺址特征進(jìn)行可視化處理，獲取所述考根據(jù)后勤物流任務(wù)制定所述無人機的裝載清單，并根據(jù)所述無人機根據(jù)所述最大有效載荷設(shè)計所述無人機的載荷艙的質(zhì)量，然后將所制定用于監(jiān)測所述考古遺址的飛行計劃，根據(jù)在所述監(jiān)測飛行路徑的基礎(chǔ)上插入后勤物流任務(wù)的路徑，并優(yōu)78[0006]響應(yīng)于無人機升空完成，通過無人機搭載的攝像設(shè)備對域的補充飛行路徑，以根據(jù)補充飛行路徑制定用于指示無人機進(jìn)行第二次飛行的飛行策[0009]獲取并根據(jù)考古遺址內(nèi)的聲壓分布信息和氣流場信息，對飛行策略進(jìn)行動態(tài)調(diào)9無人機能夠進(jìn)行有效飛行的情況下，考慮補充數(shù)據(jù)的獲取以及后續(xù)后勤物流任務(wù)的執(zhí)行，[0024]在一個示例性地實施例中，通過無人機搭載的攝像設(shè)備對考古遺址進(jìn)行邊緣檢古遺址內(nèi)部進(jìn)行高清掃描，獲取詳細(xì)的內(nèi)部考古遺址影像數(shù)據(jù)。將無人機獲取的考古遺址內(nèi)部考古遺址影像數(shù)據(jù)實時傳輸?shù)降孛婵刂浦行模ㄟ^SIFT特征點匹配和RANSAC算法等圖像拼接算法，將多角度、多方位的考古遺址影像數(shù)據(jù)進(jìn)行配準(zhǔn)和融合。然后使用SFM選取長度最長的平分線作為無人機的飛行路徑片作為考古遺址影像數(shù)據(jù)。將獲取的考古遺址影像數(shù)據(jù)上傳到控制中心，通過SIFT算法維點云，設(shè)置點云密度為每平方米100個點，通過Poisson表面重建算法生成考古遺址內(nèi)部的三維網(wǎng)格模型，三角面片數(shù)量達(dá)到500萬以上，為考古研究提供高精度的數(shù)字化模型支撐。第一次飛行期間無人機的飛行高度不低于高度[0038]通過邊緣檢測以及輪廓提取算法識別第二預(yù)處理操作后的掃描的結(jié)果中的地形[0043]進(jìn)一步地，綜合輪廓線提取得到的地形輪廓和紋理分析4000萬像素的高清攝像設(shè)備獲取0.5厘米分辨率的考古遺址影像數(shù)據(jù)。將考古遺址影像數(shù)[0045]步驟206，獲取并根據(jù)考古遺址的高程數(shù)據(jù)以及初步二維平面圖構(gòu)建初步三維模對所有模糊體素網(wǎng)格進(jìn)行聚類分析，采用基于密度的聚類算法，包括DBSCAN（Density_BasedSpatialClusteringofApplicationswithNoise，基于密度對噪聲魯棒的空間地面控制站上傳至無人機，指示無人機按照規(guī)定路徑對模糊區(qū)域進(jìn)行第二次數(shù)據(jù)采集飛[0071]在一個示例性地實施例中，獲取并根據(jù)考古遺址內(nèi)的聲壓分布信息和氣流場信行策略優(yōu)化模型以預(yù)測無人機在考古遺址中的采用不同飛行參數(shù)的度等特征，構(gòu)建一個飛行策略優(yōu)化模型。選用支持向量回歸（SVR，Supportvector用5折交叉驗證評估飛行策略優(yōu)化模型性能，平均均方根誤差（RMSE，RootMeanSquare以10Hz的頻率采集氣流速度和氣壓數(shù)據(jù)。使用MATLAB對聲音數(shù)據(jù)進(jìn)行FFT（FastFourierTransform，快速傅里葉變換）分析，漢明窗長度為1024，重疊率為50%，頻譜分辨率為頻段的LoRa（Low_RankAdaptation，低秩自適應(yīng)）通信，發(fā)射功率500mW，接收靈敏度_索等方法優(yōu)化模型參數(shù)得到訓(xùn)練完成的時間序列預(yù)測模型；時間序列預(yù)測模型包括ARIMA風(fēng)險區(qū)域，并提取風(fēng)險區(qū)域的邊界構(gòu)成的多邊形；密度聚類算法包括DBSCAN(Density_BasedSpatialClusteringofApplicationswithNoise,基于密度的帶有噪聲的空間[0093]進(jìn)一步地，根據(jù)歷史數(shù)據(jù)中損毀事件的實際發(fā)生概率，通過ROC（Receiver定義為高風(fēng)險區(qū)。采用OPTICS算法對高風(fēng)險網(wǎng)格進(jìn)行聚類，半徑參數(shù)ε為10米，最小點數(shù)內(nèi)的動態(tài)和靜態(tài)障礙物，采用VoxelNet端到端3D目標(biāo)檢測算法實時生成障礙物八叉樹地檢測到異常的情況下將無人機迫降至停放區(qū)度小于預(yù)設(shè)坡度且植被覆蓋度低于預(yù)設(shè)百分比的區(qū)域，將期標(biāo)記為潛在的無人機可停區(qū)當(dāng)前無人機距離地面的高度，并根據(jù)當(dāng)前無人機距離地面的高度控制無人機的下降速利用PID控制算法控制無人機在預(yù)設(shè)高度范圍內(nèi)下降，并在無人機觸地后關(guān)閉無人機的動光雷達(dá)和機載計算機，實時構(gòu)建周圍15米范圍內(nèi)的三維柵格地圖，檢測0.3米以上的障礙取8個灰度共生矩陣特征，6個Gabor濾波特征和3個HSV顏色直方圖特征，訓(xùn)練支持向量機道格拉斯普克算法對區(qū)域邊界進(jìn)行簡化，再通過泰森多邊形算法生成鄰接關(guān)系圖，使用[0114]對補充數(shù)據(jù)進(jìn)行第四預(yù)處理操作；第四預(yù)處理操作包括[0116]通過卷積神經(jīng)網(wǎng)絡(luò)對根據(jù)現(xiàn)有的考古遺址的特征得到的數(shù)據(jù)集進(jìn)行特征學(xué)習(xí)訓(xùn)[0119]具體地，根據(jù)無人機第二次飛行獲取的補充數(shù)據(jù)與初步三維模型同步使用統(tǒng)一的坐標(biāo)系統(tǒng)，獲取兩者在同一基準(zhǔn)下的數(shù)據(jù)表示。假設(shè)初步三維模型的坐標(biāo)系統(tǒng)為WGS84使用線性插值法將補充數(shù)據(jù)的分辨率調(diào)整為1米。這可以通過ArcGIS軟件中的“柵格插值”準(zhǔn)技術(shù)對初步三維模型和補充數(shù)據(jù)進(jìn)行精確對齊。可以選擇10個明顯的角點作為控制點，basedConvolutionalNeuralNe指導(dǎo)無人機自主或半自主地開展維修作業(yè)。可建立基