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方案

本发明专利技术公开了基于Hopfield网络的大范围建筑物航测最优路径规划方法及系统，包括：利用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测区地表地势，结合植被区域和地表地势对建筑物区域进行定位；提取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建筑物主方向，调整航向生成建筑物区域的局部航线；根据建筑物位置确定建筑物间的距离次序矩阵，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，构建Hopfield网络标准能量函数，迭代求解得到覆盖全部测区建筑物的整体航线。本发明专利技术可排除不必要的飞行区域，减少飞行损耗，且还可显著降低建筑物航测任务的飞行距离。离。离。

【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，直接应用到建筑物航测领域时存在较大的飞行损耗。
[0004]对于大范围的航测任务，建筑物呈现分块的聚集分布，为了获取可单体化的建筑物实体模型，利用传统的航线规划方法生成的航线会覆盖整个测区，其中包含大面积的非建筑物区域，势必造成不必要的飞行损耗。本专利技术拟通过无人机多视图立体几何解算地势，结合NDVI结果自动定位和划分出大范围目标测区内的各个待测建筑物区域，并通过构建Hopfield能量函数求解连接所有建筑物区域的总体最短路径，即通过最优的飞行路径规划和飞行航线、总体最短路径来实现对大范围目标测区内所有待测建筑物区域的快速航测。另外，传统的航线规划的航向是统一的，由于不同分块区域的建筑物朝向不一致，无法保证所有的建筑物都具有最佳的拍摄角度。针对该问题，本专利技术拟通过改良的边缘算子解算每个建筑物区域的建筑物主方向，根据主方向调整各建筑物区域的无人机飞行航向，以达到最大的信噪比，对大范围目标测区用最少的航测架次数获取最多的建筑物信息。
[0005]为了满足无人机在建筑物航测领域日益增加的实际使用需求，同时解决传统航线规划方法对建筑物不具备针对性而导致存在较大的时间损耗问题，设计和专利技术针对建筑物航测任务且具有高作业效率的航测路径自动规划方法非常有必要。
[0006]上文涉及到如下参考文献：
[0007][1]李德仁,李明.无人机遥感系统的研究进展与应用前景[J].武汉大学学报(信
息科学版),2014,39(05):505
‑
513+540.
[0008][2]刘倩,梁志海,范慧芳.浅谈无人机遥感的发展及其行业应用[J].测绘与空间地理信息,2016,39(06):167
‑
169.

技术实现思路

[0009]本专利技术的目的是提供基于Hopfield网络的大范围建筑物航测最优路径规划方法及系统。
[0010]本专利技术方法及系统能自主识别大范围目标测区内的植被，定位大范围目标测区内的各个建筑物区域的位置，排除大范围目标测区中不必要的飞行区域，从而减少飞行损耗；而且对于每一个建筑物区域，可自动估计该建筑物区域的主方向，并根据主方向调整在该建筑物区域进行航测时的无人机飞行航向，从而保证所有建筑物区域都有最佳的拍摄角度；对于覆盖所有建筑物区域的总体航向，可自主解算总体最短路径，完成总体路径自动规划。大范围目标测区，一般包含若干个建筑物区域；而建筑物区域，一般为一定数量M(M为整数，且M≥1)的建筑物形成的一个建筑物区域。
[0011]本专利技术提供的基于Hopfield网络的大范围建筑物航测最优路径规划方法，包括：
[0012]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；
[0013]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；
[0014]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。
[0015]可选地，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：
[0016]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；
[0017]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；
[0018]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；
[0019]利用三维坐标估计值拟合大范围目标测区地表地势。
[0020]可选地，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：
[0021]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。
[0022]可选地，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：
[0023][0024][0025]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。
[0026]可选地，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：
[0027]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
s
作为直线段特征的方向向量；本文档来自技高网...

【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：