【技术实现步骤摘要】
本专利技术涉及工程监控，具体是道路施工现场的无人机巡检数据采集方法及系统。
技术介绍
1、在当前道路施工现场的管理和监测中，通常采用人工巡检和固定摄像头监控的方式。但是人工巡检存在效率低、成本高的问题，且固定摄像头无法覆盖所有关键位置，特别是在长距离道路施工场景中。随着无人机技术的发展，无人机因其高机动性、灵活性和广泛的覆盖范围，在道路施工现场的监测中展现出显著优势。无人机可以在施工现场快速部署，实时获取高分辨率的航拍图像和视频数据，弥补了传统监测手段的不足。然而无人机在大范围、长距离的数据采集中，仍面临着为了尽可能掌握现场施工情况、交通影响情况等，不得不对施工路段整体频繁巡检造成无人机的寿命和续航要求高，而且巡检时间过长采集的大量图像数据需要较为昂贵数据分析处理计算资源。
技术实现思路
1、（1）要解决的技术问题
2、本专利技术的目的在于提供道路施工现场的无人机巡检数据采集方法及系统，以解决无人机巡检采集的数据量较大且需要较大运算资源提取监控对象特征的难题。
3、（2）技术方案
4、为实现上述目的，一方面，本专利技术提供了道路施工现场的无人机巡检数据采集方法，所述方法包括：
5、通过地图数据库获取道路施工路段的施工位置信息，所述施工位置信息包括施工时间点及对应的施工位置坐标和施工路段管制车道数量；通过交通历史数据库获取道路施工路段的在未施工时期的车流量记为第一车流数据，所述第一车流数据是建立在未施工时期的观测位置、观测时间点得到的观
6、在道路施工初期，通过无人机定期巡检采集道路施工路段的航拍图像建立施工时期的车流量记为第二车流数据，所述第二车流数据是建立在施工时期的观测位置、观测时间点得到的观测车流量的序时数据；
7、建立时空坐标系，在时空坐标系内将第一车流数据和第二车流数据归一化并叠加拟合，在时空坐标系内找到第一车流数据和第二车流数据超过设定距离阈值的施工影响区间；建立施工影响区间和施工位置信息的映射关系作为施工影响模型；所述施工影响区间是反映道路施工影响达到交通拥堵阈值的施工影响位置、施工影响时间点和施工影响车流量；
8、获取无人机在预设航拍高度的单帧航拍图像，根据单帧航拍图像得到识别车流信息的单次观测道路面积，将道路施工路段按照单次观测道路面积和单位时间划分为多段观测块；在施工影响区间的每个观测块随机生成无人机观测状态作为初始种群，每个无人机观测状态包括存在状态和观测信息熵，其中存在状态包括0和1两种状态，观测信息熵反映道路施工影响下的车流变化量；通过遗传算法得到观测信息熵和存在状态为1的数量之间比值的最大值；将存在状态为1的观测位置和观测时间点的车流信息作为无人机的巡检采集任务。
9、进一步地，所述建立时空坐标系，在时空坐标系内将第一车流数据和第二车流数据归一化并叠加拟合，在时空坐标系内找到第一车流数据和第二车流数据超过设定距离阈值的施工影响区间的方法包括：
10、定义时空坐标系，其中和代表施工位置二维平面坐标取值，代表车道数量，代表施工时间点；在时空坐标系内将第一车流数据和第二车流数据归一化并映射到时空坐标系分别形成点集和，将点集和点集分别通过样条差值拟合曲线得到第一曲线和第二曲线；在第一曲线上等距取其个取样点集为，同时第二曲线上等距取其个取样点集，其中为取值从1到的整数变量；通过移动向量将第二曲线移动到第一曲线进行叠加拟合，第一曲线和第二曲线的欧氏距离总平方和为：
11、；
12、将取样点集的坐标数据输入分别求得、、和条件下的，从而将第二曲线叠加拟合到第一曲线；完成第二曲线叠加拟合到第一曲线后，计算同一施工时间点时第一曲线和第二曲线的欧氏距离为：
13、；
14、其中是第一曲线上的点，是第一曲线上的点投影到第二曲线上的点；将欧氏距离超过设定距离阈值的取值区间作为施工影响区间。
15、进一步地，所述在施工影响区间的每个观测块随机生成无人机观测状态作为初始种群，每个无人机观测状态包括存在状态和观测信息熵，其中存在状态包括0和1两种状态，观测信息熵反映道路施工影响下的车流变化量；通过遗传算法得到观测信息熵和存在状态为1的数量之间比值的最大值；将存在状态为1的观测位置和观测时间点的车流信息作为无人机的巡检采集任务的方法包括：
16、获取观测块的数量，在施工影响区间随机生成个排列的无人机观测状态作为无人机观测方案，每个无人机观测状态包括存在状态和观测信息熵，其中存在状态包括0和1两种状态，观测信息熵反映道路施工影响下的车流变化量；生成无人机观测方案的初始种群，初始种群包括个个体，每个个体代表一种无人机观测方案，每个无人机观测方案均有随机生成的个排列的无人机观测状态，将初始种群进行迭代进化，所述迭代进化的步骤包括：依次评估在初始种群中个体无人机观测状态下的观测信息熵，并求出观测信息熵和存在状态为1的数量之间比值并记为观测信息比；根据观测信息比排序通过轮盘赌选择法选择优胜个体，将优胜个体进行交叉和变异得到子代个体；将初始种群替换为子代个体，再次进行迭代进化，直到子代个体和父代个体的观测信息比的提升低于设定的观测信息阈值；将完成迭代进化后最终的优胜个体的无人机观测方案作为无人机的巡检采集任务。
17、进一步地，所述在初始种群中个体无人机观测状态下的观测信息熵，并求出观测信息熵和存在状态为1的数量之间比值并记为观测信息比的方法包括：
18、获取初始种群中第个无人机观测方案的个体，其中代表第个无人机观测方案的第个无人机的存在状态，取值为0或1；代表第个无人机观测方案的第个无人机的观测信息熵,取值为正整数变量，为取值为1到观测块数量的整数变量；第个无人机观测方案的第个观测块的观测信息熵为：
19、；
20、其中为第个无人机观测方案的第个观察块的车流量，为第个无人机观测方案的第个观察块的车流量, 为取值从1到的整数变量；第个无人机观测方案的个体的观测信息比为：
21、。
22、进一步地，所述方法还包括：
23、将道路施工路段设为二维坐标平面，无人机观测方案中无人机的存在状态为1则记录其观测坐标，将所述观测坐标在轴方向的偏移阈值设为沿轴方向单次观测道路面积的中心和道路施工路段边缘的距离，将所述观测坐标在轴方向的偏移阈值设为沿轴方向单次观测道路面积的中心和道路施工路段边缘的距离；将偏移阈值分割成若干等分的距离设为偏移步长，将无人机观测方案中的无人机沿着轴或轴方向每次移动一个偏移步长，分别求出对应的观测信息比；当观测信息比最高时，将此时累计的偏移步长用于无人机观测方案中无人机的巡检采集坐标位置修正；
24、将无人机观测方案中的无人机沿着轴或轴方向每次移动一个偏移步长的方法包括：
25、将无人机观测方案中的无人机沿着轴移动一个偏移步长，通过梯度下降法得到轴方向观测信息比的极值以及对应的轴累计偏移；将无人机观测方案中的无人机沿着轴移动一本文档来自技高网...
【技术保护点】
1.道路施工现场的无人机巡检数据采集方法，其特征在于，所述方法包括：
2.根据权利要求1所述的道路施工现场的无人机巡检数据采集方法，其特征在于，所述建立时空坐标系，在时空坐标系内将第一车流数据和第二车流数据归一化并叠加拟合，在时空坐标系内找到第一车流数据和第二车流数据超过设定距离阈值的施工影响区间的方法包括：
3.根据权利要求2所述的道路施工现场的无人机巡检数据采集方法，其特征在于，所述在施工影响区间的每个观测块随机生成无人机观测状态作为初始种群，每个无人机观测状态包括存在状态和观测信息熵，其中存在状态包括0和1两种状态，观测信息熵反映道路施工影响下的车流变化量；通过遗传算法得到观测信息熵和存在状态为1的数量之间比值的最大值；将存在状态为1的观测位置和观测时间点的车流信息作为无人机的巡检采集任务的方法包括：
4.根据权利要求3所述的道路施工现场的无人机巡检数据采集方法，其特征在于，所述在初始种群中个体无人机观测状态下的观测信息熵，并求出观测信息熵和存在状态为1的数量之间比值并记为观测信息比的方法包括：
5.根据权利要求4所述的道路施
6.道路施工现场的无人机巡检数据采集系统，其特征在于，所述系统包括：
7.根据权利要求6所述的道路施工现场的无人机巡检数据采集系统，其特征在于，所述系统还包括：
8.根据权利要求7所述的道路施工现场的无人机巡检数据采集系统，其特征在于，所述系统还包括：
9.根据权利要求8所述的道路施工现场的无人机巡检数据采集系统，其特征在于，所述系统还包括：
10.根据权利要求9所述的道路施工现场的无人机巡检数据采集系统，其特征在于，所述系统还包括：
...【技术特征摘要】
1.道路施工现场的无人机巡检数据采集方法，其特征在于，所述方法包括：
2.根据权利要求1所述的道路施工现场的无人机巡检数据采集方法，其特征在于，所述建立时空坐标系，在时空坐标系内将第一车流数据和第二车流数据归一化并叠加拟合，在时空坐标系内找到第一车流数据和第二车流数据超过设定距离阈值的施工影响区间的方法包括：
3.根据权利要求2所述的道路施工现场的无人机巡检数据采集方法，其特征在于，所述在施工影响区间的每个观测块随机生成无人机观测状态作为初始种群，每个无人机观测状态包括存在状态和观测信息熵，其中存在状态包括0和1两种状态，观测信息熵反映道路施工影响下的车流变化量；通过遗传算法得到观测信息熵和存在状态为1的数量之间比值的最大值；将存在状态为1的观测位置和观测时间点的车流信息作为无人机的巡检采集任务的方法包括：
4.根据权利要求3所述的...
【专利技术属性】
技术研发人员：郑桢和，雷黉，
申请(专利权)人：广东森沛建设工程有限公司，
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。