一种多源信息融合的无人机火源定位方法及系统技术方案

本发明专利技术公开了一种多源信息融合的无人机火源定位方法及系统，包括：通过无人机挂载激光雷达

【技术实现步骤摘要】
一种多源信息融合的无人机火源定位方法及系统


[0001]本专利技术涉及无人机导航定位
，特别涉及一种多源信息融合的无人机火源定位方法及系统
。

技术介绍

[0002]森林火灾是一种突发性强
、
破坏性大
、
处置救助较为困难的自然灾害，人工灭火往往由于环境复杂，行动不便等原因，严重影响灭火效率，采用飞机挂载灭火弹对火场进行灭火更具简单快捷性，效果突出
。
[0003]采用飞机挂载灭火弹进行森林灭火的关键在于找到着火点即灭火位置，由于自然环境以及火场的变化发展，火场是动态变化的，因此需要及时将火场的坐标信息传送给运载飞机以及灭火弹
。
目前国际上对着火点定位方法的研究取得了长足进步，产生了诸如基于
GPS
和微波测距的森林着火点定位方法
、
基于
CMYK 颜色特征的火灾区域定位新方法和基于
PSO
‑
GA 算法的无人机集群森林火灾探查方法，虽然他们可以实现良好的定位效果，但是由于缺乏温度信息，难以找到着火点的准确位置，因此需要提出一种新型的方法及系统，实现无人机火源定位的功能
。

技术实现思路

[0004]本专利技术提供了一种多源信息融合的无人机火源定位方法及系统，以解决目前森林火灾着火点定位不准，信息源单一的技术问题
。
[0005]为解决上述技术问题，本专利技术提供了如下技术方案：一方面，本专利技术提供了一种多源信息融合的无人机火源定位方法，该多源信息融合的无人机火源定位方法包括：通过无人机挂载激光雷达
、IMU
和热成像仪进行信息采集，所述激光雷达采集环境点云数据，所述
IMU
采集无人机自身位姿和加速度信息，所述热成像仪采集环境温度信息生成热成像图；对点云数据去除运动畸变，并生成点云深度图；将点云深度图和热成像仪生成的热成像图归一化处理，将点云深度图的像素关联温度信息；采用帧间匹配的方法计算每个激光点的位置信息，生成激光里程计因子，
IMU
的角速度和加速度信息预积分生成预积分因子，使用因子图融合激光里程计因子和预积分因子，得到环境和无人机的位置；使用滑动窗口搜索点云深度图，计算每个滑动窗口的温度平均值，并利用该平均值得到着火点位置
。
[0006]进一步地，所述无人机挂载激光雷达
、IMU
和热成像仪的数据，包括：所述激光雷达采集所用的是
3D
激光雷达，使用
64
束扫描线，扫描频率是
10HZ
，点云数据包含无人机到环境的距离信息；
所述
IMU
，英文名为
Inertial measurement unit
即惯性测量单元，它由三个单轴的加速度计和三个单轴的陀螺仪组成，加速度计检测物体在载体坐标系统独立三轴的加速度信号，而陀螺仪检测载体相对于导航坐标系的角速度信号，对这些信号进行处理之后，便可解算出载体的位置和旋转信息；所述热成像仪可以将物体发出的不可见红外能量转变为可见的热成像图
。
热成像图上面的不同颜色代表被测物体的不同温度，因此可以通过热成像图，得到环境的温度值
。
[0007]进一步地，所述对获取的激光点云数据去除运动畸变并生成点云深度图，包括：激光点云的畸变是由于一帧数据的采集过程中，雷达载体进行运动导致，因此需要先计算采集过程中雷达的运动，然后在每帧中根据每个点的相对时间进行补偿这个运动量，包括旋转和平移的补偿
。
[0008]首先计算采集过程中一帧点云中第一个激光点和最后一个激光点的位姿信息，包含平移和旋转变化量；然后根据每个点的相对时间进行位姿的补偿，将第一个激光点和最后一个激光点的位姿变化量平均补偿到一帧内不同时间的激光点上
。
[0009]进一步地，所述对去除运动畸变的点云生成点云深度图，包括：所述激光雷达采集
64
线束，每一线束采集
512
个激光点，因此将每个激光点进行深度投影，生成一帧二维图像即点云深度图，该图像所述点云深度图的每个像素点包含着无人机到反射点的距离信息
。
[0010]进一步地，所述点云深度图和热成像图归一化处理，点云深度图的像素关联温度信息，包括：所述点云深度图像素格式为
512*64
，所述热成像图的像素格式为
256*192
；对点云深度图和热成像图归一化处理，生成像素格式一致的
256*64
的图像；再将归一化处理后热成像图与归一化处理后点云深度图中的像素一一对应，并将热成像图中像素所包含的温度值赋予点云深度图中的像素，实现点云深度图与热成像图温度信息的关联
。
[0011]进一步地，所述采用帧间匹配的方法计算每个激光点的位置信息，生成激光里程计因子，包括：采用帧间匹配的方法计算无人机的位置信息，帧间匹配时随机计算两帧点云对应激光点的距离信息，利用最小二乘法通过迭代使误差函数最小时，得到两帧点云位姿的变化量，由于初始位置已知，因此通过该方法不断计算得到无人机的实时位置
。
[0012]进一步地，所述
IMU
的角速度和加速度信息预积分生成预积分因子，所述基于激光里程计因子和
IMU
预积分因子，使用因子图进行融合，所述方法包括：对
IMU
测得的角速度和加速度信息进行预积分处理，构建预积分因子；将所述激光里程计因子计算构建变量节点，预积分因子构成相关变量节点间的因子节点，一起加入因子图中进行联合优化，得到全局一致的位置轨迹，并经过地图的拼接后，得到全局一致性的地图
。
[0013]进一步地，所述使用滑动窗口搜素深度图，计算每个滑动窗口的温度平均值，利用该温度平均值得到着火点位置，包括：关联温度值的点云深度图像素格式为
256*64
，对每帧点云深度图进行拼接，得到
全局一致性地图深度图；设置滑动窗口大小为
64*64
，以每秒
256
像素点的速度沿无人机位置轨迹方向移动，计算不同时刻滑动窗口的温度平均值和位置平均值；温度平均值最高的滑动窗口即为着火点范围位置，着火点即为滑动窗口的中心点
。
[0014]另一方面，本专利技术还提供了一种多源信息融合的无人机火源定位系统，该多源信息融合的无人机火源定位系统包括：传感器数据采集模块，通过无人机挂载激光雷达
、IMU
和热成像仪进行信息采集，所述激光雷达采集环境点云数据，所述
IMU
采集无人机自身位姿和加速度信息，所述热成像仪采集环境温度信息生成热成像图，对点云数据去除运动畸变，并生成点云深度图；点云深度与温度关联模块，点云深度图和热成像图归一化处理，点云深度图的像素关联温度信息；传感器数据融合模块，采用帧间匹配的方法计算每个激光点的位置信息，生成激光里程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种多源信息融合的无人机火源定位方法，其特征在于，包括以下步骤：
S10
：通过无人机挂载激光雷达
、IMU
和热成像仪进行信息采集，所述激光雷达采集环境点云数据，所述
IMU
采集无人机自身位姿和加速度信息，所述热成像仪采集环境温度信息生成热成像图；
S11:
对点云数据去除运动畸变，并生成点云深度图；
S12:
将点云深度图和热成像仪生成的热成像图归一化处理，将点云深度图的像素关联温度信息；
S13:
采用帧间匹配的方法计算每个激光点的位置，生成激光里程计因子，
IMU
的角速度和加速度信息预积分生成预积分因子，使用因子图融合激光里程计因子和预积分因子，得到无人机的位置；
S14:
使用滑动窗口搜索点云深度图，计算每个滑动窗口的温度平均值，并通过温度平均值计算着火点的位置
。2.
如权利要求1所述的多源信息融合的无人机火源定位方法，其特征在于，所述步骤
S11
中对点云数据除运动畸变，包括以下步骤：首先计算采集过程中一帧点云中第一个激光点和最后一个激光点的位姿信息，包含平移和旋转变化量；然后根据每个点的相对时间进行位姿补偿，将第一个激光点和最后一个激光点位姿变化量平均补偿到一帧内不同时间的激光点上
。3.
如权利要求1所述的多源信息融合的无人机火源定位方法，其特征在于，所述步骤
S11
生成点云深度图，包括以下步骤：所述激光雷达采集
64
线束，每一线束采集
512
个激光点，因此将每个激光点进行深度投影，生成一帧二维图像即点云深度图，所述点云深度图的每个像素点包含着无人机到反射点的距离信息
。4.
如权利要求3所述的多源信息融合的无人机火源定位方法，其特征在于，所述步骤
S12
包括以下步骤：对点云深度图和热成像图归一化处理，生成像素格式一致的
256*64
的图像，其中，所述点云深度图像素格式为
512*64
，所述热成像图的像素格式为
256*192
；再将归一化处理后热成像图与归一化处理后点云深度图中的像素一一对应，并将热成像图...

【专利技术属性】
技术研发人员：樊富友，张巧，王贺，王国杰，刘强，贺云依，
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：