论文部分内容阅读
摘要:无人机的使用简化了常规空中作业过程,常规海上空中巡逻过程中,使用影像定位技术针对一定目标实施定点式巡逻与路线规划,但是由于图像定位限制,造成巡逻目标匹配过程精度有偏差。为此研发基于无人机低空遥感图像的海上空中巡逻方法。规划无人机飞行航线,使用遥感图像技术对航线拍摄图像实施特征处理,将定点目标与图像特征相匹配,利用遥感图像特性对图像进行滤波处理,最后对图像目标进行三维数据处理,完成无人机海上空中巡逻方法。实验结果表明,设计方法与常规方法对比,其巡逻目标匹配准确率更高,更具有效性。
关键词:无人机;低空遥感图像;海上空中巡逻;飞行航线;特征处理
中图分类号:V279+.2 文献标识码:A
1基于无人机低空遥感图像的海上空中巡逻方法
1.1航线规划
无人机在进行低空海上巡逻时,除受到气象、空中管制等环境条件约束外,同样会受到自身性能及巡逻任务约束。因此,分析得到无人机可飞行最大高度为:
(1)其中,为无人机载荷相机焦距; 为单位像元大小;为影像地面分辨率。
根据计算结果,实际巡逻拍摄分辨率应优于任务要求分辨率 ,巡逻时航拍高度应小于 。无人机飞行高度越高,影像覆盖范围越大,所需飞行航带数目越少,航程越短,因此根据巡逻目标表制定合适的作业飞行高度[1]。
确定飞行高度后,根据巡逻任务区域形状确定航行方向,通常取航带方向以减少无人机转换次数,节省无人机电量:
(2)其中,为航摄飞行间相邻航带距离;为无人机影像旁边的像元;为旁向重叠度。
根据计算结果规划出无人机巡逻航线。
1.2图像滤波处理
在航线路径上通过数字采集形式获取图像特征,将其作为图形处理最小单位,也是所具有空间特征及属性特征的整个图像信息表达关键。获取目标图像后,对数字图像作出去噪处理,得到较为清晰目标图像。
1.3三维数据处理
在所得到图像上,完成无人机巡逻航向三维数据处理,利用无人机实行三维建模、匹配云点提取以及摄像机标定等[2]。根据三维场景还原,确定航线区域范围,并根据三维模型平面精度及高程还原三维真实图像,如表1、2所示:
2实验
2.1实验准备
为基于无人机低空遥感图像的海上空中巡逻方法能否在实际中得到较好的应用效果,利用仿真平台进行仿真实验。分别对比人工巡逻方法与基于无人机低空遥感图像的巡逻方法在同一实验环境下的巡逻效果。实验中基于无人机低空遥感图像的巡逻方法,采用大疆精灵4作为实验主体,对某一海域进行巡逻。航行高度为400m,影像大小2250×4000,其分辨率为0.17m/像素。实验环境为64位Windows7,Inter(R) Core(TM) i5-6500 CPU@ 3.2GHz处理器,8G内存。实验圈定某一海域,在目标海域中随机设定100个红色圆圈代表特征带点,利用两种巡逻方法对目标区域内目标在不同阈值下进行提取,对比两组巡逻方法匹配度的准确率。
2.2实验结果分析
在实验中,两组巡逻方法在获取目标影像序列后,选取待识别影像,影像大小均为2250×4000,利用两种巡逻方法检测特征点数,得到匹配结果如表3所示:
分析上表可知,在两组巡逻方法分别进行特征匹配时,人工巡逻方法匹配到的点数略少于无人机巡逻方法点数。且随着阈值的不断增加,匹配特征的点数相应增加,但无人机巡逻方法匹配准确率始終保持在90%以上,而人工巡逻方法匹配准确率明显下降。通过实验结果可以看出,基于无人机低空遥感图像的海上空中巡逻方法能够有效分析目标区域成分,同时达到对特征点进行去噪、去冗余效果,保留目标区域本质信息。
3结束语
在基于无人机低空遥感图像的海上空中巡逻方法研究中,利用无人机特点设计巡逻航线,从而获取目标区域内的图像信息。在整个方法体系内,首先将无人飞行航迹建模为航点路径,并确定任务区域多边形焦点,以航拍任务航程为目标,实现巡逻航线优化。利用遥感图像技术构建投影矩阵降低描述向量维数,在保证巡逻匹配精准度的同时实现了快速匹配,提高海上低空巡逻工作质量。
参考文献
[1]张博.浅析无人机巡查助力海关监管[J].科技风,2020(09):14.
[2]谭坤,虞乔木.无人机在森林公安情报工作中的应用——以森林火灾警情情报为例[J].森林公安,2019(05):6-11.
江苏省军区数据信息室,江苏南京 210009
关键词:无人机;低空遥感图像;海上空中巡逻;飞行航线;特征处理
中图分类号:V279+.2 文献标识码:A
1基于无人机低空遥感图像的海上空中巡逻方法
1.1航线规划
无人机在进行低空海上巡逻时,除受到气象、空中管制等环境条件约束外,同样会受到自身性能及巡逻任务约束。因此,分析得到无人机可飞行最大高度为:
(1)其中,为无人机载荷相机焦距; 为单位像元大小;为影像地面分辨率。
根据计算结果,实际巡逻拍摄分辨率应优于任务要求分辨率 ,巡逻时航拍高度应小于 。无人机飞行高度越高,影像覆盖范围越大,所需飞行航带数目越少,航程越短,因此根据巡逻目标表制定合适的作业飞行高度[1]。
确定飞行高度后,根据巡逻任务区域形状确定航行方向,通常取航带方向以减少无人机转换次数,节省无人机电量:
(2)其中,为航摄飞行间相邻航带距离;为无人机影像旁边的像元;为旁向重叠度。
根据计算结果规划出无人机巡逻航线。
1.2图像滤波处理
在航线路径上通过数字采集形式获取图像特征,将其作为图形处理最小单位,也是所具有空间特征及属性特征的整个图像信息表达关键。获取目标图像后,对数字图像作出去噪处理,得到较为清晰目标图像。
1.3三维数据处理
在所得到图像上,完成无人机巡逻航向三维数据处理,利用无人机实行三维建模、匹配云点提取以及摄像机标定等[2]。根据三维场景还原,确定航线区域范围,并根据三维模型平面精度及高程还原三维真实图像,如表1、2所示:
2实验
2.1实验准备
为基于无人机低空遥感图像的海上空中巡逻方法能否在实际中得到较好的应用效果,利用仿真平台进行仿真实验。分别对比人工巡逻方法与基于无人机低空遥感图像的巡逻方法在同一实验环境下的巡逻效果。实验中基于无人机低空遥感图像的巡逻方法,采用大疆精灵4作为实验主体,对某一海域进行巡逻。航行高度为400m,影像大小2250×4000,其分辨率为0.17m/像素。实验环境为64位Windows7,Inter(R) Core(TM) i5-6500 CPU@ 3.2GHz处理器,8G内存。实验圈定某一海域,在目标海域中随机设定100个红色圆圈代表特征带点,利用两种巡逻方法对目标区域内目标在不同阈值下进行提取,对比两组巡逻方法匹配度的准确率。
2.2实验结果分析
在实验中,两组巡逻方法在获取目标影像序列后,选取待识别影像,影像大小均为2250×4000,利用两种巡逻方法检测特征点数,得到匹配结果如表3所示:
分析上表可知,在两组巡逻方法分别进行特征匹配时,人工巡逻方法匹配到的点数略少于无人机巡逻方法点数。且随着阈值的不断增加,匹配特征的点数相应增加,但无人机巡逻方法匹配准确率始終保持在90%以上,而人工巡逻方法匹配准确率明显下降。通过实验结果可以看出,基于无人机低空遥感图像的海上空中巡逻方法能够有效分析目标区域成分,同时达到对特征点进行去噪、去冗余效果,保留目标区域本质信息。
3结束语
在基于无人机低空遥感图像的海上空中巡逻方法研究中,利用无人机特点设计巡逻航线,从而获取目标区域内的图像信息。在整个方法体系内,首先将无人飞行航迹建模为航点路径,并确定任务区域多边形焦点,以航拍任务航程为目标,实现巡逻航线优化。利用遥感图像技术构建投影矩阵降低描述向量维数,在保证巡逻匹配精准度的同时实现了快速匹配,提高海上低空巡逻工作质量。
参考文献
[1]张博.浅析无人机巡查助力海关监管[J].科技风,2020(09):14.
[2]谭坤,虞乔木.无人机在森林公安情报工作中的应用——以森林火灾警情情报为例[J].森林公安,2019(05):6-11.
江苏省军区数据信息室,江苏南京 210009