一种利用无人机进行灾后损毁建筑物评估的方法技术

本发明专利技术公开了一种利用无人机进行灾后损毁建筑物评估的方法，涉及灾害评估领域，利用多架无人机在灾区上空划空域进行灾区影像的拍摄，然后利用无人机传输回来的拍摄好的高清图片在一台GPU服务器上快速构建灾区TIFF格式遥感影像。利用神经网络图像分割模型提取遥感影像中完好的房屋和灾前遥感影像进行比对，以街区为单位记录损毁数据和对应GPS坐标，利用地理坐标极球面投影的方式在灾区地图上绘制房屋损毁情况分布图。本发明专利技术能够快速对灾情进行评估，检测结果可信度高。

【技术实现步骤摘要】
一种利用无人机进行灾后损毁建筑物评估的方法
本专利技术涉及灾害评估领域，尤其涉及一种利用无人机进行灾后损毁建筑物评估的方法。
技术介绍
灾害评估是对灾害情况进行的判断估计，现代社会主流的用于灾情评估的手段是通过卫星遥感图像。而且通过卫星遥感影像对灾情评估存在评估周期过长的缺点。灾情发生后，人们希望第一时间通过快速的对灾情做出评估来对接下来投入抗震救灾的人员和物资调度提供参考。因此，本领域的技术人员致力于开发一种新的能够在灾害发生后快速对灾情进行评估的系统。
技术实现思路
有鉴于现有技术的上述缺陷，本专利技术所要解决的技术问题是对灾情评估存在评估周期过长的缺点。为实现上述目的，本专利技术提供了一种利用无人机进行灾后损毁建筑物评估的方法，所述方法包括以下步骤：步骤1、多架无人机协同任务规划；步骤2、快速处理无人机返回的实时画面；步骤3、利用图像分割方法对灾情遥感影像分割；步骤4、房屋损毁评估。进一步地，所述步骤1还包括：步骤1.1、多无人机协同路径规划；步骤1.2、多无人机效能提高任务分配。进一步地，所述步骤1.1的多无人机协同路径规划采用基于V图的协同路径规划和算法。进一步地，所述步骤1.2的多无人机效能提高任务分配采用基于证书编码的遗传算法。进一步地，所述步骤2在GPU服务器上快速拼接无人机拍摄的灾区遥感影像。进一步地，所述步骤2采用基于区域相似性的、改进的归一化相互关算法，检测到图像中的匹配点，并通过随机采样一致性算法进行参数估计，得到图像之间的映射变换模型，经过映射变换、最佳拼接缝选择与图像融合后，得到最终的拼接结果。进一步地，所述步骤3运用图像分割方法来从遥感图像中提出房屋在图像中的位置，进而统计遥感影像中房屋的数量，所述图像分割方法为基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法或者基于U-net神经网络的分割方法。进一步地，所述U-net神经网络包括一条收缩路径和一条扩展路径。进一步地，所述步骤4采用基于灾前和灾后的遥感影像进行的双重识别，通过两者建筑物在图像上的变化，分析出灾后的房屋损害程度。进一步地，所述步骤4基于地理坐标极球面投影的方式统计损毁的房屋分布，根据对象损坏像元所占的比例获取最终的损毁建筑物区域，将灾后建筑物街区划分为基本完好、轻度损坏、严重损坏3个类别。在本专利技术的较佳实施方式中，具有旋转不变性的NOC匹配、基于RANSAC的图像变换模型求解以及图像映射变，都在GPU上并行完成的，具有非常高的实时性。在本专利技术的另一较佳实施方式中，通过利用大量已标注好卫星影像来训练房屋分割模型，最终在广泛的测试中证明该模型泛化能力良好，能够有效地识别出1公里内房屋近似数量。本专利技术根据地震后部分建筑物严重损毁导致计算机无法识别器原来面貌，专利技术通过无人机航拍图和灾前遥感影像相结合并利用经纬度或GPS坐标定位来对受损建筑物双重目标识别。检测结果具有可信度高的优点。以下将结合附图对本专利技术的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本专利技术的目的、特征和效果。附图说明图1是本专利技术的一个较佳实施例的一种利用无人机进行灾后损毁建筑物评估的方法的基于V图的无人机路线图；图2是本专利技术的一个较佳实施例的一种利用无人机进行灾后损毁建筑物评估的方法的基于CUDA的实时图像拼接算法流程图；图3是本专利技术的一个较佳实施例的一种利用无人机进行灾后损毁建筑物评估的方法的U-net神经网络结构图；图4是本专利技术的一个较佳实施例的一种利用无人机进行灾后损毁建筑物评估的方法的网络模型对分辨率为0.5米的一公里卫星图做预测的对比图；图5是本专利技术的一个较佳实施例的一种利用无人机进行灾后损毁建筑物评估的方法的房屋损毁评估原理图。具体实施方式以下参考说明书附图介绍本专利技术的多个优选实施例，使其
技术实现思路
更加清楚和便于理解。本专利技术可以通过许多不同形式的实施例来得以体现，本专利技术的保护范围并非仅限于文中提到的实施例。在附图中，结构相同的部件以相同数字标号表示，各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的，本专利技术并没有限定每个组件的尺寸和厚度。为了使图示更清晰，附图中有些地方适当夸大了部件的厚度。多无人机的任务规划从功能上划分主要包括多无人机协同路径规划和多无人机效能提高任务分配。针对多无人机协同路径规划，提出了相应的解决方案，采用基于V图的协同路径规划和算法，提出基于证书编码的遗传算法，用于多无人机的任务分配算法实现。采用基于V图的协同路径规划额算法，设计中采用矢量法建立V图，计算V图中的每条线段，采用狄利克雷算法从V图中计算最优路径。由于无人机规划方法基于的环境要求不同，基于约束规则下的多无人机飞行路径规划算法需要提前得到无人机任务执行区域的基本环境构型，根据环境构型规划处一个或多个可供无人机任务执行是依赖的初始飞行区域。首先构建用于描述任务环境的V图，V图构建方法一般包括栅格空间生成算法(简称为栅格法和矢量空间生成算法)。本专利一个实施例中采用矢量法构建V图，矢量法可以更精确和有效的构建V图。如图1所示，在V图中多架无人机的飞行路径做如下表示：V途中定点可以看作是飞行路径中途点，V图的V边看作是飞行路径端，从飞行起始点至任务区域目标点的多条V边组成多条备选路径。从备选路径中再选择N条从飞行起始点到任务区域目标点的飞行路径，从而组成多架无人机协同任务执行的初始飞行路径。由于灾害后的救援是争分夺秒的，快速的灾害识别首先需要能够实现地震后无人机拍摄的灾区遥感影像的快速拼接。图像拼接过程主要分为图像获取、图像预处理、图像匹配和图像融合4个步骤，其中最核心的技术就是图像匹配。图像匹配的关键是确定两幅图像中重叠部分的位置，从而得到两幅图像的变换关系。该过程计算复杂度较大，可采用GPU进行优化加速。利用基于区域相似性的、改进的归一化相互关算法，他检测到图像中的匹配点，并通过随机采样一致性算法进行参数估计，得到图像之间的映射变换模型。经过映射变换、最佳拼接缝选择与图像融合后，得到最终的拼接结果。其中，具有旋转不变性的NOC匹配、基于RANSAC的图像变换模型求解以及图像映射变，都在GPU上并行完成的，具有非常高的实时性。本专利技术一个实施例针对实时图像拼接的应用需求，采用了一种基于先验信息的自适应图像匹配方法。其基本思想为：首先根据事先得知的待拼接图像重叠区域范围，在左图像IL的重叠区域内均匀选取km×kn个待匹配点Pi(i＝1,2,…,km×kn)；然后通过区域相似度和自适应匹配搜索区域在左图像IR中进行最佳匹配搜索，得到km×kn个最佳点(i＝1,2,…,km×kn)。自适应图像匹配算法的计算复杂度对于两幅带匹配图像IL和IR，假设IL中有k个带匹配点，匹配窗口W的大小为Wd×Wd，选择的相似性度量算子的计算复杂度为f，则在IR中进行最佳匹配点搜索的计算量为式中，SRm×SRn自适应匹配搜索区域的大小。由此可见，自适应图像匹配算法的计算复杂度主要取决于待匹配点的个数、匹配窗口的尺寸、相似性度量算子和搜索区域大小4个方面。待匹配点选取由于图像拼接的关键是找到两幅图像之间的变换模型，因此它并不需要太多的匹配点。对于射影变换来讲，理论上需要4对匹配点即可得到其变换模型，但过少的匹配点会使匹配精度和稳定性都无本文档来自技高网...

【技术保护点】
1.一种利用无人机进行灾后损毁建筑物评估的方法，其特征在于，所述方法包括以下步骤：步骤1、多架无人机协同任务规划；步骤2、快速处理无人机返回的实时画面；步骤3、利用图像分割方法对灾情遥感影像分割；步骤4、房屋损毁评估。

【技术特征摘要】
1.一种利用无人机进行灾后损毁建筑物评估的方法，其特征在于，所述方法包括以下步骤：步骤1、多架无人机协同任务规划；步骤2、快速处理无人机返回的实时画面；步骤3、利用图像分割方法对灾情遥感影像分割；步骤4、房屋损毁评估。2.如权利要求1所述的利用无人机进行灾后损毁建筑物评估的方法，其特征在于，所述步骤1还包括：步骤1.1、多无人机协同路径规划；步骤1.2、多无人机效能提高任务分配。3.如权利要求2所述的利用无人机进行灾后损毁建筑物评估的方法，其特征在于，所述步骤1.1的多无人机协同路径规划采用基于V图的协同路径规划和算法。4.如权利要求2所述的利用无人机进行灾后损毁建筑物评估的方法，其特征在于，所述步骤1.2的多无人机效能提高任务分配采用基于证书编码的遗传算法。5.如权利要求1所述的利用无人机进行灾后损毁建筑物评估的方法，其特征在于，所述步骤2在GPU服务器上快速拼接无人机拍摄的灾区遥感影像。6.如权利要求1所述的利用无人机进行灾后损毁建筑物评估的方法，其特征在于，所述步骤2采用基于区域相似性的、改进的归一化相互关算法，检测到图像中的匹配点，并通过...

【专利技术属性】
技术研发人员：琚波波，邬春学，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：上海,31