一种基于无人机多点测量的火场定位方法和系统技术方案

本发明专利技术公开了一种基于无人机多点测量的火场定位方法和系统，包括：

【技术实现步骤摘要】
一种基于无人机多点测量的火场定位方法和系统


[0001]本专利技术涉及火场定位的
，尤其涉及一种基于无人机多点测量的火场定位方法和系统
。

技术介绍

[0002]目前，火灾的及时定位对于有效的灭火和应急响应至关重要
。
然而，传统的火场定位方法在准确性
、
效率和应用范围方面存在一定的局限性
。
其中，单一测量点的定位方法容易受到传感器误差和姿态变化的影响，难以满足高精度定位需求
。
传统方法通常依赖于单一传感器数据来进行火场定位，但传感器误差和噪声可能导致定位结果的不稳定和不准确
。
火场定位需要考虑无人机的姿态变化，然而传统方法难以有效地融合姿态信息，从而导致定位偏差
。

技术实现思路

[0003]有鉴于此，本专利技术提供一种基于无人机多点测量的火场定位方法，目的在于利用无人机多点测量
、
深度学习
、
姿态融合和迭代优化等技术，有效提高火场定位的精度和效率
。
[0004]实现上述目的，本专利技术提供的一种基于无人机多点测量的火场定位方法，包括以下步骤：
S1
：使用无人机搭载的红外热像仪拍摄火场图像，并对图像进行预处理；
S2
：基于深度学习网络计算火场高温中心，并调整无人机所在位置和拍摄角度，直到火场高温中心位于火场图像的正中心；
S3
：使用无人机上的惯性测量单元和全球定位系统传感器，获得无人机的当前姿态参数，并使用当前姿态参数对火场进行定位；
S4
：对无人机的初始点姿态参数加入随机噪声生成噪声样本，基于噪声样本计算定位结果；
S5
：获取无人机多点姿态参数，迭代更新火场定位结果
。
[0005]作为本专利技术的进一步改进方法：可选地，所述
S1
步骤中使用无人机搭载的红外热像仪拍摄火场图像，并对图像进行降噪，包括：使用无人机搭载的红外热像仪拍摄火场图像，并对图像进行降噪，所述降噪为基于自适应滤波的图像降噪，计算方式为：；其中，为火场图像；为降噪后的火场图像；为图像像素位置；为火场图像位置处的像素值；为降噪后的火场图位置处的像素值；是图像以为中心范围内像素的平均值，计算方式为：
；其中，；；为滤波器参数，计算方式为：；其中，为噪声方差；的表达式为：；
[0006]可选地，所述
S2
步骤中基于深度学习网络计算火场高温中心，并调整无人机所在位置和拍摄角度，直到火场高温中心位于火场图像的正中心，包括：
S21
：构建火场高温中心定位网络：；其中，为基于
VGG
‑
16
构建的火场高温中心定位网络；，表示火场高温中心定位网络预测出的火场高温中心在图像上的横纵坐标；为火场高温中心定位网络的参数；
S22
：设定火场高温中心定位网络的损失函数：；其中，表示火场高温中心在图像上真实的横纵坐标；
S23
：基于损失函数优化火场高温中心定位网络参数：使用梯度下降算法更新火场高温中心定位网络参数，梯度下降过程为：；其中，和分别是火场高温中心定位网络参数第次和第次优化结果；代表更新次数；为学习率，控制参数更新速度 ；的计算方式为：；；；其中，和为调整系数；为关于的偏导；
、、
和为中
间变量；；；完成火场高温中心定位网络参数更新后，获取无人机拍摄的火场图像中的火场高温中心，并根据当前火场高温中心调整无人机所在位置和拍摄角度，直到火场高温中心位于火场图像的正中心；可选地，所述
S3
步骤中使用无人机上的惯性测量单元和全球定位系统传感器，获得无人机的当前姿态参数，并使用当前姿态参数对火场进行定位，包括：使用无人机上的惯性测量单元和全球定位系统传感器，获得无人机的当前姿态参数，当前姿态参数包括无人机所在三维空间位置
、
无人机俯仰角
、
无人机滚转角
、
无人机航向角和无人机与火场高温中心的距离，并使用当前姿态参数对火场进行定位，所述定位过程为：；其中，表示无人机单点定位函数；表示无人机所在三维空间位置；表示火场所在三维空间位置；所述无人机单点定位函数的具体计算方式为：
S31
：将无人机与火场高温中心的距离转化为三维空间中的距离：；；；其中，表示无人机坐标系下的距离；
S32
：计算火场所在位置空间坐标：；；
[0007]可选地，所述
S4
步骤中对无人机的初始点姿态参数加入随机噪声生成噪声样本，基于噪声样本计算定位结果，对无人机的初始点姿态参数加入随机噪声生成噪声样本，所述生成过程为：；；；；；其中，表示无人机初始点所在三维空间位置的第个噪声样本，表示无人
机初始点俯仰角的第个噪声样本，表示无人机初始点滚转角的第个噪声样本，表示无人机初始点航向角的第个噪声样本，表示无人机初始点与火场高温中心的距离的第个噪声样本，表示噪声样本序号，，为噪声样本总数；表示正太分布；表示无人机初始点所在三维空间位置的测量值，表示无人机初始点俯仰角的测量值，表示无人机初始点滚转角的测量值，表示无人机初始点航向角的测量值，表示无人机初始点与火场高温中心的距离的测量值；表示无人机初始点所在三维空间位置的测量误差均方差，表示无人机初始点俯仰角的测量误差均方差，表示无人机初始点滚转角的测量误差均方差，表示无人机初始点航向角的测量误差均方差，表示无人机初始点与火场高温中心的距离的测量误差均方差；将生成的噪声样本分别输入无人机单点定位函数，得到初始点火场定位结果样本集：；其中，表示将无人机初始点的第个噪声样本输入无人机单点定位函数获得的火场定位结果样本，即：；基于初始点火场定位结果样本集计算初始火场定位结果：
[0008]可选地，所述
S5
步骤中获取无人机多点姿态参数，迭代更新火场定位结果，包括：
S51
：生成无人机第个点所在三维空间位置的噪声样本集：；其中，表示无人机第个点所在三维空间位置的第个噪声样本，，表示无人机火场观测点总数；表示无人机第个点所在三维空间位置的测量值；表示无人机第个点的测量误差均方差；
S52
：计算无人机与火场高温中心的距离：；；其中，，，表示无人机在第点火场定位结果样本集；
S53
：根据无人机在第点采集的数据获得优化后的火场定位结果：
；；其中，为无人机在第点激光测距值；为根据无人机在第点采集的数据获得的优化后的火场定位结果；本专利技术还公开了一种基于无人机多点测量的火场定位系统，包括：图像预处理模块：使用无人机搭载的红外热像仪拍摄火场图像，并对图像进行预处理；高温中心检测模块：基于深度学习网络计算火场高温中心；单点定位模块：基于无人机的初始点姿态参数对火场进行定位；噪声计算模块：对无人机的当前姿态参数加入随机噪声生成噪声样本，基于噪声样本计算定位结果；多点定位模块本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于无人机多点测量的火场定位方法，其特征在于，包括以下步骤：
S1
：使用无人机搭载的红外热像仪拍摄火场图像，并对图像进行预处理；
S2
：基于深度学习网络计算火场高温中心，并调整无人机所在位置和拍摄角度，直到火场高温中心位于火场图像的正中心；
S3
：使用无人机上的惯性测量单元和全球定位系统传感器，获得无人机的当前姿态参数，并使用当前姿态参数对火场进行定位；
S4
：对无人机的初始点姿态参数加入随机噪声生成噪声样本，基于噪声样本计算定位结果；
S5
：获取无人机多点姿态参数，迭代更新火场定位结果
。2.
根据权利要求1所述的基于无人机多点测量的火场定位方法，其特征在于，所述步骤
S1
中，包括以下步骤：使用无人机搭载的红外热像仪拍摄火场图像，并对图像进行降噪，所述降噪为基于自适应滤波的图像降噪，计算方式为：；其中，为火场图像；为降噪后的火场图像；为图像像素位置；为火场图像位置处的像素值；为降噪后的火场图位置处的像素值；是图像以为中心范围内像素的平均值，计算方式为：；其中，；；为滤波器参数，计算方式为：；其中，为噪声方差；的表达式为：
。3.
根据权利要求2所述的基于无人机多点测量的火场定位方法，其特征在于，所述步骤
S2
中，包括以下步骤：
S21
：构建火场高温中心定位网络：；其中，为基于
VGG
‑
16
构建的火场高温中心定位网络；，表示火场高温中心定位网络预测出的火场高温中心在图像上的横纵坐标；为火场高温中心定位网络的参数；
S22
：设定火场高温中心定位网络的损失函数：
；其中，表示火场高温中心在图像上真实的横纵坐标；
S23
：基于损失函数优化火场高温中心定位网络参数：使用梯度下降算法更新火场高温中心定位网络参数，梯度下降过程为：；其中，和分别是火场高温中心定位网络参数第次和第次优化结果；代表更新次数；为学习率，控制参数更新速度；的计算方式为：；；；其中，和为调整系数；为关于的偏导；
、、
和为中间变量；；；完成火场高温中心定位网络参数更新后，获取无人机拍摄的火场图像中的火场高温中心，并根据当前火场高温中心调整无人机所在位置和拍摄角度，直到火场高温中心位于火场图像的正中心
。4.
根据权利要求3所述的基于无人机多点测量的火场定位方法，其特征在于，所述步骤
S3
中，包括以下步骤：使用无人机上的惯性测量单元和全球定位系统传感器，获得无人机的当前姿态参数，当前姿态参数包括无人机所在三维空间位置
、
无人机俯仰角
、
无人机滚转角
、
无人机航向角
、
无人机与火场高温中心的距离，并使用当前姿态参数对火场进行定位...

【专利技术属性】
技术研发人员：张巧，樊富友，王国杰，王贺，陈振教，
申请(专利权)人：湖南光华防务科技集团有限公司，
类型：发明
国别省市：