【技术实现步骤摘要】
基于Hopfield网络的大范围建筑物航测最优路径规划方法及系统
[0001]本专利技术属于无人机航线规划
,特别是涉基于Hopfield网络的大范围建筑物航测最优路径规划方法及系统。
技术介绍
[0002]随着传感器与控制技术不断发展,无人机已经成为测绘遥感领域获取数据的重要工具0。无人机在建筑物测图领域的应用场景越来越多0,例如在城市规划中,无人机结合倾斜摄影测量技术可以实现城市实景三维模型的构建;在地图生产中,无人机高精度的航片可以用于正射影像生产、数字线划图生产等。目前常见的无人机航线规划算法致力于求解旅行客问题(Traveling Salesman Problem,TSP)。常用的求解法有动态规划、遗传算法、蚁群算法、概率模型估计等。
[0003]但是传统规划算法很少考虑具体的飞行任务,例如在建筑物航测任务中,航线中存在大量无建筑物的无效飞行区域,总体作业效率低下。公开号CN106403954A的中国专利公开了一种无人机自动航迹生成方法,该方法为:对待标定区域的外轮廓进行采样;对采样点集进行最小外接凸多边形的计算,并通过经纬度坐标与平面投影坐标的转换,获得待标定区域的坐标及面积;根据田块和障碍物的坐标及面积获得作业区域,求取所述作业区域的最短作业路径;当无人机在所述作业区域作业时,判断无人机在下一个航点是否能安全到达至少一个安全起降点,若是,则继续作业,否则,在当前航点返航。该方法中识别田块、障碍物等需要人工参与,另外生成航线为根据重叠率设置的“条带状”航线,对航测任务目标地物没有针对性,直接 ...
【技术保护点】
【技术特征摘要】
1.基于Hopfield网络的大范围建筑物航测最优路径规划方法,其特征是,包括:利用覆盖整个大范围目标测区的近红外影像定位植被区域,利用多视角航空影像估计大范围目标测区地表地势,结合植被区域定位结果和地表地势估计结果对整个大范围目标测区内的各个建筑物区域进行定位;提取任一建筑物区域的边缘特征,将边缘特征变换为直线段特征,根据直线段特征的方向向量获得该建筑物区域的主方向,将对该建筑物区域进行航测时的飞行航向调整为垂直于主方向,根据重叠率要求生成该建筑物区域的局部航线;根据大范围目标测区内各建筑物区域的位置确定建筑物区域间的距离次序矩阵,根据距离次序矩阵设定全局航线优化的最短路径目标函数和约束条件,根据目标函数和约束条件构建Hopfield网络标准能量函数,以能量损失最小为目标迭代求解Hopfield网络标准能量函数,得到覆盖整个大范围目标测区内所有建筑物区域的整体航线。2.如权利要求1所述的基于Hopfield网络的大范围建筑物航测最优路径规划方法,其特征是:所述利用多视角航空影像估计大范围目标测区地表地势,具体为:利用无人机在起飞点俯拍整个大范围目标测区,记录拍摄瞬间无人机传感器的位姿信息;移动无人机在另一位置俯拍整个大范围目标测区,利用无人机惯导数据结合初始化位姿信息推算第二次拍摄瞬间的位姿信息;根据灰度特征匹配两张影像,解算匹配点对的深度,获取地面点的三维坐标估计值;利用三维坐标估计值拟合大范围目标测区地表地势。3.如权利要求1所述的基于Hopfield网络的大范围建筑物航测最优路径规划方法,其特征是:所述结合植被区域定位结果和地表地势估计结果对整个大范围目标测区内的各个建筑物区域进行定位,具体为:判断像素(x,y)是否符合条件若符合,则像素(x,y)属于建筑物像素;其中,NDVI(x,y)代表像素(x,y)的NDVI值,为植被区域定位结果;F'(X,Y)为地表地势估计值;t1为用来区分植被的灰度阈值,t2为用来区分地表和非地表的高度阈值。4.如权利要求1所述的基于Hopfield网络的大范围建筑物航测最优路径规划方法,其特征是:所述提取建筑物区域的边缘特征采用8方向增强边缘检测算子,8方向增强边缘检测算子结构如下:
算子核记为g
m
,对像素(x,y),根据判断像素(x,y)是否为边缘像素;其中,t3为判断是否为边缘像素的阈值,N5×5(x,y)代表像素(x,y)的5
×
5邻域像素。5.如权利要求1所述的基于Hopfield网络的大范围建筑物航测最优路径规划方法,其特征是:所述根据直线段特征的方向向量获得该建筑物区域的主方向,进一步包括:计算直线段特征的方向向量,具体为:将直线段特征转化到极坐标系,极坐标记为(θ
s
,ρ
s
),θ
s
、ρ
s
分别代表直线段特征的方向角和长度,将θ
【专利技术属性】
技术研发人员:唐可正,钟智超,肖雄武,戴苏湘,李金瑞,于丁,钟昊楠,胡郁童,李天乐,沈健,刘小松,孙鑫,
申请(专利权)人:钟智超肖雄武戴苏湘刘小松,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。