【技术实现步骤摘要】
本专利技术涉及无人机激光雷达仿地飞行方法，尤其涉及一种基于地理空间数据的无人机激光雷达仿地飞行方法。
技术介绍
1、无人机，又称为无人驾驶飞行器、智能飞行器，与载人飞机相比，它具有体积小、造价低、使用方便、对作业环境要求低、生存能力较强等优点，已广泛应用于国土测绘、电力、林业、农业、交通等领域。无人机搭载激光雷达系统，融合了无人机载体和激光雷达技术(lidar)各自的优势，将无人机机动灵活、实时性强、可重复的优势与lidar高精度、强穿透性的特点相结合，进一步拓展了无人机的应用，特别是山区地形测绘、电力勘测、电力巡检、林业调查等领域，具有其他技术不可比拟的优势。
2、无人机激光雷达扫描数据质量的好坏与点云精度、点云密度密切相关，直接影响到数据后续应用。而这些关键因素除了受设备的本身性能影响外，与无人机飞行高度密切相关。对于山区地形，地形高低起伏，通常采用固定航高(或称飞行高度)，很容易出现山谷低处目标漏测或超出激光雷达等荷载设备测程等问题，难以满足数据质量要求，而降低固定航高则存在撞山、撞物体等安全风险。特别是山区存在较多的架空输电线路、通信塔等尖状、线状地物，对无人机安全飞行增加了更大的挑战。
3、针对以上问题，众多研究者提出了无人机仿地飞行技术，它是指无人机在飞行作业过程中，航线与三维地形实时保持相对固定的高差，使无人机能够适应不同的地形环境，根据地形执行变高航线，使得重叠率、激光点云密度、精度以及影像地面分辨率等不受地形变化的影响。利用该技术可以一定上解决地形起伏的问题。
4、无人机飞行
5、第一种方法，目前高度采集设备主要有超声波、激光、机器视觉以及多传感器融合等。通过搭载额外的测距传感器对周围环境进行高度测量，并将高度数据传给无人机飞控系统进行数据处理和综合决策，同时飞控系统将电机控制量反馈给无人机，使无人机能够保持恒定高度飞行。超声波法传感器虽然成本低、重量轻、实现方法简单，但是超声波采样频率低，易穿透植被，导致对植被的检测精度下降。机器视觉获取的无人机高度范围广，而且可以同时获得地形地貌信息，但图像处理算法复杂，对系统性能要求高。基于多传感器融合测量误差大，设备冗余。对于消费级无人机而言，本身载荷小，搭载额外传感器不仅增加设备费用支出成本，还增大飞行安全风险。同时，有些山区存在较多的架空输电线路、高压线塔、通信塔等尖状、线状地物，难于探测。
6、第二种方法，使用目前覆盖全国的公开数字高程模型(dem)数据srtm90m、astergdem30m、alos12.5m来替代数字表面模型(dsm)，规划无人机仿地飞行航线。该方法利用公共的dem数据，精度基本上可以满足仿地飞行，但是有些区域存在较多的架空输电线路、高压线塔、通信塔、人工构筑物等尖状、线状、独立地物，公开数据往往缺乏以上关键数据，也容易导致撞机事故。
7、因此，针对上述问题，本专利技术提出基于扫描区域的地理空间数据进行无人机激光雷达仿地飞行方法，该专利技术为了提升无人机激光雷达的扫描数据的质量和安全性，既要让无人机适应山区地形起伏，与山地保持相对固定的飞行距离，又要保证无人机飞行过程中的安全性。
技术实现思路
1、本专利技术的目的是为了解决现有技术中存在的缺点，而提出的一种基于地理空间数据的无人机激光雷达仿地飞行方法。
2、为了实现上述目的，本专利技术采用了如下技术方案：
3、一种基于地理空间数据的无人机激光雷达仿地飞行方法，包括如下步骤：
4、s1：获取扫描区高清影像数据；
5、s2：基于深度学习的目标检测与坐标提取；
6、s3：获取扫描区初始地形数据；
7、s4：危险区域电子围栏构建；
8、s5：顾及地理空间数据的仿地飞行航线规划；
9、其中，所述s2中，基于深度学习的目标检测与坐标提取的具体步骤为：
10、s21：数据收集，建立铁塔数据集：收集包含检测目标高分辨率影像数据集；
11、s22：模型选择和构建；选择适合目标的深度学习模型；根据具体需求，自行构建模型或使用预训练的模型进行微调；
12、s23：模型训练；使用标注数据集对选择的模型进行训练；在训练过程中，输入影像数据作为模型的输入，模型通过反向传播算法来更新网络参数，使其能够学习并识别电力铁塔的特征；
13、s24：超参数调优；在模型训练过程中，通过验证集的预测结果来调整模型的超参数，以获得更好的性能；
14、s25：模型评估；使用测试集来评估训练好的模型的性能；评估指标包括准确率、召回率、精确度、f1值；
15、s26：基于深度学习的目标检测；将训练好的模型应用于未知影像数据，进行目标检测；通过模型的推理能力，检测出图像中的检测目标并获取其位置和其他相关信息；根据需要，进行进一步的后处理，包括去除重复检测、合并相邻检测框，以提高结果的准确性和一致性；
16、s27：目标物坐标提取；由于影像图具有准确的地理空间坐标，根据检测目标目标框的中心点图像坐标，实现影像的图像坐标和地理空间坐标转换，获取检测目标中心点的地理坐标；地理空间坐标转换是从图像坐标空间到地理参考坐标空间的仿射变换。
17、优选的：所述地理空间坐标转换由6个系数组成，分别为：
18、gt(0)左上像素左上角的x坐标；
19、gt(1)w-e像素分辨率/像素宽度；
20、gt(2)行旋转；
21、gt(3)左上像素左上角的y坐标；
22、gt(4)列旋转；
23、gt(5)n-s像素分辨率/像素高度；
24、从图像坐标空间(x_pixel，y_line)到地理参考坐标空间(x_geo，y_geo)的转换：
25、x_geo＝gt(0)+x_pixel*gt(1)+y_line*gt(2)
26、y_geo＝gt(3)+x_pixel*gt(4)+y_line*gt(5)
27、通过同样的方法，识别其他地物。
28、优选的：所述s21中，利用影像数据自行建立数据集的方法如下：
29、s211：数据预处理：对收集到的影像数据进行预处理；影像的预处理主要包括以下几个步骤；首先，在原始影像中按检测目标范围粗略的裁剪出包含检测目标的影像；然后，进行图像批量裁剪；针对原始影像中检测目标的尺寸特点，设置数据集图片裁剪尺寸大小m*m，裁剪的重叠度为n、步长为m/2；最后，人工筛选获取不同背景、不同成像形状的检测目标数据集，并将筛选后的检测目标影像按照统一格式命名；
30、s212：样本标注；如果还没有从高分辨率遥感影像中本文档来自技高网...
【技术保护点】
1.一种基于地理空间数据的无人机激光雷达仿地飞行方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于地理空间数据的无人机激光雷达仿地飞行方法，其特征在于，所述地理空间坐标转换由6个系数组成，分别为：
3.根据权利要求2所述的一种基于地理空间数据的无人机激光雷达仿地飞行方法，其特征在于，所述S21中，利用影像数据自行建立数据集的方法如下：
4.根据权利要求3所述的一种基于地理空间数据的无人机激光雷达仿地飞行方法，其特征在于，所述S3中，获取扫描区初始地形数据时，DEM数据从多种数据源获取，包括激光雷达、光学立体测绘、卫星遥感测绘和GNSS测量；
5.根据权利要求4所述的一种基于地理空间数据的无人机激光雷达仿地飞行方法，其特征在于，所述S4中，危险区域电子围栏构建时，根据前面提取的重要地物，分为点状地物、面状地物、线状地物；
6.根据权利要求5所述的一种基于地理空间数据的无人机激光雷达仿地飞行方法，其特征在于，所述S5中，无人机激光雷达航线规划时，需要先了解激光雷达扫描过程的几个重要参数，包括飞行范围、飞行高度
7.根据权利要求6所述的一种基于地理空间数据的无人机激光雷达仿地飞行方法，其特征在于，所述S5中，在单条航线的仿地飞行中：
8.根据权利要求7所述的一种基于地理空间数据的无人机激光雷达仿地飞行方法，其特征在于，所述S5中，针对点状地物的三维仿地飞行航线优化：
9.根据权利要求7所述的一种基于地理空间数据的无人机激光雷达仿地飞行方法，其特征在于，所述S5中，针对面状地物的三维仿地飞行航线优化：
10.根据权利要求7所述的一种基于地理空间数据的无人机激光雷达仿地飞行方法，其特征在于，所述S5中，针对线状地物的三维仿地飞行航线优化：
...【技术特征摘要】
1.一种基于地理空间数据的无人机激光雷达仿地飞行方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于地理空间数据的无人机激光雷达仿地飞行方法，其特征在于，所述地理空间坐标转换由6个系数组成，分别为：
3.根据权利要求2所述的一种基于地理空间数据的无人机激光雷达仿地飞行方法，其特征在于，所述s21中，利用影像数据自行建立数据集的方法如下：
4.根据权利要求3所述的一种基于地理空间数据的无人机激光雷达仿地飞行方法，其特征在于，所述s3中，获取扫描区初始地形数据时，dem数据从多种数据源获取，包括激光雷达、光学立体测绘、卫星遥感测绘和gnss测量；
5.根据权利要求4所述的一种基于地理空间数据的无人机激光雷达仿地飞行方法，其特征在于，所述s4中，危险区域电子围栏构建时，根据前面提取的重要地物，分为点状地物、面状地物、线状地物；
6.根据权利要求5所述的一种基于地...
【专利技术属性】
技术研发人员：谭金石，祖为国，速云中，高照忠，杜向锋，刘丽，
申请(专利权)人：广东工贸职业技术学院，
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。