基于无人机网络的河道巡航系统与巡航方法技术方案

本发明专利技术公开了一种基于无人机网络的河道巡航系统与巡航方法。包括无人机、机库和地面控制中心，机库作为无人机的安放平台，多个机库沿河道其中一侧间隔设置，无人机的云台机构上设有摄像头和扩音器，地面控制中心分别与机库和无人机之间进行通讯和数据传输；每个无人机起飞飞到自身机库所位于的河道中央，沿河道飞行拍摄到下一个机库所位于的河道中央时，掉头原路返回拍摄河道另一侧，地面控制中心根据传输回来的视频信息进行图像处理。本发明专利技术不仅可以节省大量的人力物力，而且利用无人机进行河道巡航也能实现全方位、零死角的巡航，弥补了现有进行河道巡航方法中的种种不足。

【技术实现步骤摘要】

本专利技术涉及河道巡航领域，尤其是涉及了一种基于无人机网络的河道巡航系统与巡航方法，适用于检查河道违法船只、河岸滩涂违法情况等的河道巡航。
技术介绍
近年来，河道交通和河岸滩涂建设受到了越来越多的关注，与此同时河道交通安全问题和滩涂违法问题却越来越严重。现有的河道巡航多为利用人工巡检或使用定点摄像头进行数据采集。这种方法需要的人力物力成本高，同时存在视野采集盲区。使用多旋翼无人机网络具有分布合理、机动性好、易于控制、成本低廉等有利条件，能够短时间内利用摄像头对河道现场进行全方位无死角的拍摄，并结合图像处理自动识别的方法还可以有效减少人力物力的成本，对于河道巡航具有非常有利的作用。
技术实现思路
为解决以上问题，本专利技术提供了一种基于无人机网络的河道巡航系统与巡航方法，本专利技术结合无人机控制技术、航拍技术和网络通信技术，从而实现了河道巡航并获得是否发生污染的检测。本专利技术采用的技术方案是：一、一种基于无人机网络的河道巡航方法，包括：1)地面控制中心控制无人机从机库中起飞，地面控制中心发出起飞信号，河道需检河段旁安置的所有机库门打开，内部的无人机接到起飞信号起飞，正常情况是常用无人机起飞，如果常用无人机出现故障，则备用无人机起飞；无人机上安置的GPS定位模块、气压计、陀螺仪、加速度计、摄像头和扩音器全部打开；2)每个无人机通过GPS定位模块飞到自身机库所位于的河道中央，再沿河道飞行，通过气压计控制飞行高度，通过陀螺仪和加速度计控制飞机保持水平直线飞行，摄像头朝向无人机飞行方向的右侧，摄像头拍摄的视频通过RTP协议将实时视频传回地面控制中心，地面控制中心根据传输回来的视频信息进行图像处理；如果是检查河道违法船只情况，则摄像头需要对准河面；如果是检查河岸滩涂违法情况，则摄像头需要对准河岸滩涂。3)每个无人机沿河道飞行到下一个机库所位于的河道中央时，机身转动180°沿原路返回，摄像头朝向相对于机身保持不变，此时巡航之前未拍摄到的另一半河岸；4)无人机飞回到自身机库所位于的河道中央后，地面控制中心控制无人机降落到机库内。通过本专利技术方法发现河道上违法情况存在，无人机会对该区域作环绕飞行拍摄进行进一步确认，控制中心的人也可通过扩音器语音播放进行现场执法，将拍摄的图像作为违法证据进行存储。所述无人机起飞时，所有机库接收地面控制中心的机库门打开信号将机库门打开，地面控制中心发出起飞信号到无人机，无人机接到起飞信号起飞到河道中央。所述无人机降落时，所有机库接收地面控制中心的机库门打开信号将机库门打开，地面控制中心发出降落信号到无人机，无人机接到降落信号降落，由此河道巡航结束。所述的传输回来的视频信息采用卷积神经网络训练的滩涂场景图像分类器进行图像处理判断获得滩涂违法情况：将图像输入到已通过卷积神经网络训练的滩涂场景图像分类器中，取卷积神经网络的全连接层中训练特征对图像进行分类，经分类判断得到污染或者未污染的滩涂违法情况，已通过卷积神经网络训练的滩涂场景图像分类器是将已污染和未污染的两类滩涂样本图像输入到向量机分类器中通过卷积神经网络进行预训练得到。所述的卷积神经网络采用端对端的形式同时训练特征与分类，训练的特征为卷积神经网络结构末端的全连接层，提取卷积神经网络结构末端的全连接层输出作为污染图像的深度特征，得到的深度特征输入到支持向量机分类器中进行训练，得到滩涂场景图像分类器。所述卷积神经网络训练过程中对所有输入的样本图像具体为：1)先进行尺度归一化，归一化图像到32×32分辨率；2)卷积层计算：卷积层的参数表达形式：4×4×20+1(步长)，表示卷积核的大小为4×4，数量为20，步长为1，采用以下公式进行卷积层计算： x j l = f ( z j l ) ]]> z j l = Σ i ∈ M j x i l - 1 * k i j l + b j l ]]>其中，分别表示当前卷积层中第j个特征图、前一层的第i个特征图；表示当前层的第j个特征图与前一层的第i个特征图之间的卷积核；Mj表
示需要卷积的前一层的特征图的集合，表示当前卷积层中第j个卷积核对应的偏置；f为激活函数,卷积层中的权值与阈值通过随机梯度下降法得到；i和j均表示特征图的序数，l表示步长；3)池化层计算：池化层采用最大池化方式，2×2+2(步长)表示池化核大小为2×2，步长为2；最大池化的计算采用以下公式： h c d o = m a x { h c · s + m , d · s + n 0 ≤ m ≤ s , 0 ≤ n ≤ s o - 1本文档来自技高网...

【技术保护点】
一种基于无人机网络的河道巡航方法，其特征在于采用以下方法对河道进行巡航1)地面控制中心控制无人机从机库中起飞，河道需检河段旁安置的所有机库门打开，无人机上安置的GPS定位模块、气压计、陀螺仪、加速度计、摄像头和扩音器全部打开；2)每个无人机通过GPS定位模块飞到自身机库所位于的河道中央，再沿河道飞行，通过气压计控制飞行高度，通过陀螺仪和加速度计控制飞机保持水平直线飞行，摄像头朝向无人机飞行方向的右侧，摄像头拍摄的视频通过RTP协议将实时视频传回地面控制中心，地面控制中心根据传输回来的视频信息进行图像处理；3)每个无人机沿河道飞行到下一个机库所位于的河道中央时，机身转动180°沿原路返回，摄像头朝向相对于机身保持不变；4)无人机飞回到自身机库所位于的河道中央后，地面控制中心控制无人机降落到机库内。

【技术特征摘要】
1.一种基于无人机网络的河道巡航方法，其特征在于采用以下方法对河道进行巡航1)地面控制中心控制无人机从机库中起飞，河道需检河段旁安置的所有机库门打开，无人机上安置的GPS定位模块、气压计、陀螺仪、加速度计、摄像头和扩音器全部打开；2)每个无人机通过GPS定位模块飞到自身机库所位于的河道中央，再沿河道飞行，通过气压计控制飞行高度，通过陀螺仪和加速度计控制飞机保持水平直线飞行，摄像头朝向无人机飞行方向的右侧，摄像头拍摄的视频通过RTP协议将实时视频传回地面控制中心，地面控制中心根据传输回来的视频信息进行图像处理；3)每个无人机沿河道飞行到下一个机库所位于的河道中央时，机身转动180°沿原路返回，摄像头朝向相对于机身保持不变；4)无人机飞回到自身机库所位于的河道中央后，地面控制中心控制无人机降落到机库内。2.根据权利要求1所述的一种基于无人机网络的河道巡航方法，其特征在于：所述无人机起飞时，所有机库接收地面控制中心的机库门打开信号将机库门打开，地面控制中心发出起飞信号到无人机，无人机接到起飞信号起飞到河道中央。3.根据权利要求1所述的一种基于无人机网络的河道巡航方法，其特征在于：所述无人机降落时，所有机库接收地面控制中心的机库门打开信号将机库门打开，地面控制中心发出降落信号到无人机，无人机接到降落信号降落。4.根据权利要求1所述的一种基于无人机网络的河道巡航方法，其特征在于：所述的传输回来的视频信息采用卷积神经网络训练的滩涂场景图像分类器进行图像处理判断获得滩涂违法情况：将图像输入到已通过卷积神经网络训练的滩涂场景图像分类器中，取卷积神经网络的全连接层中训练特征对图像进行分类，经分类判断得到污染或者未污染的滩涂违法情况，已通过卷积神经网络训练的滩涂场景图像分类器是将已污染和未污染的两类滩涂样本图像输入到向量机分类器中通过卷积神经网络进行预训练得到。5.根据权利要求4所述的一种基于无人机网络的河道巡航方法，其特征在于：所述的卷积神经网络采用端对端的形式同时训练特征与分类，训练的特征为卷积神经网络结构末端的全连接层，提取卷积神经网络结构末端的全连接层
\t输出作为污染图像的深度特征，得到的深度特征输入到支持向量机分类器中进行训练，得到滩涂场景图像分类器。6.根据权利要求4或5所述的一种基于无人机网络的河道巡航方法，其特征在于：所述卷积神经网络训练过程中对所有输入的样本图像具体为：1)先进行尺度归一化，归一化图像到...

【专利技术属性】
技术研发人员：郑恩辉，巫岳，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：浙江;33