基于激光點(diǎn)云數(shù)據(jù)的無(wú)人駕駛航空器系統(tǒng)空中走廊構(gòu)建

馮登超

(北華航天工業(yè)學(xué)院 遙感-導(dǎo)航-地理信息系統(tǒng)集成應(yīng)用技術(shù)研究室，河北 廊坊 065000)

0 引言

無(wú)人駕駛航空器系統(tǒng)通常是指裝備各種傳感器探測(cè)裝置，用于執(zhí)行各種危險(xiǎn)及應(yīng)急任務(wù)，無(wú)需駕駛員登機(jī)駕駛的遙控或自主智能航空器。隨著我國(guó)低空空域的逐步開(kāi)放，無(wú)人駕駛航空器制造技術(shù)的不斷進(jìn)步，生產(chǎn)成本大幅度降低，大量的無(wú)人駕駛航空器系統(tǒng)已經(jīng)出現(xiàn)在社會(huì)生產(chǎn)、生活的各個(gè)領(lǐng)域，如娛樂(lè)活動(dòng)、輸油管線巡檢、農(nóng)業(yè)植保、應(yīng)急救災(zāi)、偵察偵測(cè)等。這極大的增加了無(wú)人駕駛航空器系統(tǒng)在低空空域的運(yùn)營(yíng)復(fù)雜度，也對(duì)低空空域的航空器及地面目標(biāo)帶來(lái)了很多潛在的危險(xiǎn)。為了確保低空空域安全，實(shí)現(xiàn)個(gè)人隱私保護(hù)，國(guó)內(nèi)外學(xué)者開(kāi)展了一系列的研究工作。許多學(xué)者聚焦無(wú)人駕駛航空器系統(tǒng)的防撞系統(tǒng)研究[1-3]。Soler 等提出了一種混合控制方法，旨在避免航空器相撞[4]。 近年來(lái)，一些學(xué)者相繼開(kāi)展致力于規(guī)范低空空域秩序、確保低空安全的研究[5]。馮登超等分析了空中環(huán)境對(duì)低空空域飛行安全的影響，探索了低空安全告警航圖可視化技術(shù)[6]。Sotiriou 等為了提高飛行安全性能，提出了航跡一致性監(jiān)測(cè)技術(shù)[7]。Chougdali等采用實(shí)時(shí)算法調(diào)度方法，探索了一種飛機(jī)著陸調(diào)度模型[8]。Kim等探索了一種無(wú)人駕駛航空器系統(tǒng)交通管理構(gòu)建方法，用于確保低空空域無(wú)人駕駛航空器系統(tǒng)的安全管理[9]。Foina 等提出了一種基于航空物流模型的無(wú)人駕駛航空器交通管理解決方案[10]。Fadlullah等提出了一種動(dòng)態(tài)航跡控制算法，將其應(yīng)用在無(wú)人駕駛航空器網(wǎng)絡(luò)[12]。

圖1 空中走廊結(jié)構(gòu)設(shè)計(jì)流程圖

低空空域管理的一個(gè)關(guān)鍵要素是準(zhǔn)確識(shí)別地面的各個(gè)區(qū)域[14-15]。Yuan 等提出了一種基于空間約束、模型驅(qū)動(dòng)聚類(lèi)方法用于水體的分離[13]。馮登超等提出了面向美國(guó)G區(qū)空域的小型無(wú)人駕駛航空器系統(tǒng)空中走廊構(gòu)架方法[16]。Voss 提出了一種適用于大氣層底層空間的小型無(wú)人駕駛航空器系統(tǒng)管理框架，用于保護(hù)個(gè)人隱私和財(cái)產(chǎn)權(quán)利[17]。Kim等提出了一種基于服務(wù)器模式的實(shí)時(shí)隱私保護(hù)調(diào)度方法，防止無(wú)人駕駛航空器系統(tǒng)的視頻偵察[18]。

本文采用離散激光點(diǎn)云數(shù)據(jù)，設(shè)計(jì)空中走廊，用于確保低空空域飛行安全，實(shí)現(xiàn)個(gè)人隱私保護(hù)。首先，采用噪聲幅度值估計(jì)方法對(duì)低空飛行區(qū)域覆蓋的數(shù)字表面模型進(jìn)行噪聲水平估計(jì)，結(jié)合高斯濾波器進(jìn)行區(qū)域噪聲抑制。采用經(jīng)驗(yàn)分解模型[19-20]和形態(tài)學(xué)操作，對(duì)非地表目標(biāo)進(jìn)行檢測(cè)，生成數(shù)字地勢(shì)模型。采用飛行管理規(guī)則、數(shù)字地表模型和數(shù)字地勢(shì)模型進(jìn)行綜合設(shè)計(jì)，完成對(duì)低空空域的空間區(qū)域劃分。然后，提取個(gè)人隱私保護(hù)區(qū)域的邊界信息，并將其映射到低空空域的各層空間，作為低空空域的限制飛行區(qū)域。最后，結(jié)合無(wú)人駕駛航空器系統(tǒng)的路徑規(guī)劃方法，采用計(jì)算機(jī)圖像繪制技術(shù)[21]，生成三維可視化空中走廊。

本文的組織安排如下：第一部分描述用于個(gè)人隱私保護(hù)和飛行安全的空中走廊架構(gòu)策略，探索數(shù)字地表模型的濾波方法、數(shù)字地勢(shì)模型的生成方法、空域分層劃分和三維可視化技術(shù)。第二部分展示相關(guān)仿真實(shí)驗(yàn)，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析。第三部分總結(jié)全文，指出三維數(shù)字化空中走廊構(gòu)建的技術(shù)難點(diǎn)和下一步的研究方向。

1 空中走廊與個(gè)人隱私保護(hù)

為了構(gòu)建空中走廊，本文采用離散激光掃描數(shù)據(jù)獲取非地表目標(biāo)的高程數(shù)據(jù)，結(jié)合數(shù)字濾波算法，生成數(shù)字地勢(shì)模型。圖1展示了本文提出的空中走廊構(gòu)建流程圖。在該空中走廊設(shè)計(jì)過(guò)程中，首先通過(guò)激光掃描點(diǎn)云數(shù)據(jù)，生成數(shù)字地表模型，估計(jì)數(shù)字地表模型的噪聲水平，采用基于噪聲水平的數(shù)字濾波器對(duì)噪聲區(qū)域進(jìn)行噪聲抑制。然后，采用經(jīng)驗(yàn)分解模型對(duì)濾波后的數(shù)字地表模型進(jìn)行處理，結(jié)合基于坡度閾值模型和形態(tài)學(xué)開(kāi)運(yùn)算操作，生成數(shù)字地勢(shì)模型?；谏傻臄?shù)字地表模型和數(shù)字地勢(shì)模型，結(jié)合低空空域的高程數(shù)據(jù)上限值，對(duì)低空空域進(jìn)行空間立體分層。為了實(shí)現(xiàn)隱私區(qū)域保護(hù)，在空域中對(duì)個(gè)人隱私區(qū)域進(jìn)行標(biāo)記和空間映射，并將其應(yīng)用于無(wú)人駕駛航空器系統(tǒng)路徑規(guī)劃設(shè)計(jì)中。根據(jù)低空空域的空間分層結(jié)果和標(biāo)記后的隱私保護(hù)區(qū)，調(diào)整無(wú)人駕駛航空器路由規(guī)劃中的節(jié)點(diǎn)位置，確保低空空域的飛行安全和個(gè)人隱私保護(hù)。最后，為了實(shí)現(xiàn)空中走廊的可視化展示，采用文獻(xiàn)[21]中的計(jì)算機(jī)繪圖技術(shù)。

1.1 數(shù)字地勢(shì)模型構(gòu)建

激光點(diǎn)云數(shù)據(jù)，是采用激光在同一空間參考系下，獲取被探測(cè)目標(biāo)表面的每個(gè)采樣點(diǎn)的空間坐標(biāo)，在采集過(guò)程中經(jīng)常引入大量的噪聲數(shù)據(jù)[20]。地面物體高程數(shù)據(jù)值越大，無(wú)人駕駛航空器系統(tǒng)在低空空域飛行的安全風(fēng)險(xiǎn)越大。通常，傳統(tǒng)的濾波器，例如?zcan’s 方法[20]采用的中值濾波器，會(huì)引起激光點(diǎn)云數(shù)據(jù)的信息損失。因此，本文首先采用噪聲水平估計(jì)，對(duì)基于激光點(diǎn)云數(shù)據(jù)的數(shù)字表面模型進(jìn)行噪聲水平估計(jì)。數(shù)字表面模型的噪聲水平估計(jì)方法[24]如下:

(1)

yi=xi+ni,i=1,2,...N

(2)

根據(jù)公式(1)計(jì)算得到的噪聲水平，確定數(shù)字地表模型中的噪聲分布區(qū)域。采用高斯濾波器對(duì)數(shù)字表面模型中的每個(gè)噪聲區(qū)域的紋理碎片進(jìn)行濾波操作。高斯濾波器中的尺度因子按照如下公式進(jìn)行計(jì)算：

?+1

(3)

為了生成準(zhǔn)確的數(shù)字地勢(shì)模型，需要對(duì)數(shù)字地表模型中的非地表目標(biāo)進(jìn)行檢測(cè)。對(duì)于濾波后的數(shù)字地表模型，本文采用基于經(jīng)驗(yàn)?zāi)Ｐ头纸獾姆椒ㄟM(jìn)行分解，公式如下：

(4)

其中:Y(i,j)是濾波后的數(shù)字地表模型,Xl(i,j)是固有模態(tài)函數(shù),N(i,j)是殘差信號(hào)，L-1是經(jīng)驗(yàn)?zāi)Ｐ头纸庵泄逃心B(tài)函數(shù)的分解次數(shù)。經(jīng)驗(yàn)?zāi)Ｐ头纸馐菍?duì)與各種內(nèi)在時(shí)間尺度相關(guān)的能量信息進(jìn)行提取，通過(guò)篩選處理，生成固有模態(tài)函數(shù)。由文獻(xiàn)[20]可知，經(jīng)驗(yàn)分解模型分解次數(shù)由固有模態(tài)函數(shù)決定。即，Xl(i,j)根據(jù)固有模態(tài)函數(shù)的最大次數(shù)進(jìn)行分解。在篩選處理中，采用基于代價(jià)函數(shù)的形態(tài)學(xué)開(kāi)運(yùn)算獲取殘差信號(hào)N(i,j)。代價(jià)函數(shù)F如下：

(5)

其中:Z(i,j)是坐標(biāo)(i,j)位置處的濾波后的數(shù)字地表模型的幅值，Zavg(i,j)是在相同位置濾波后的數(shù)字地表模型的幅度均值。當(dāng)代價(jià)函數(shù)值大于閾值時(shí)，停止迭代。殘差矩陣判別規(guī)則如下：

(6)

其中:Vth是預(yù)設(shè)閾值Vdsm是數(shù)字地表模型幅值,Vresidue是殘差矩陣的幅值，ρ是尺度因子(ρ∈[0,1])。如果J≤1,該點(diǎn)被標(biāo)記為地面。

為了獲得非地表目標(biāo)，采用如下基于坡度的高程閾值計(jì)算公式：

R=Rini_thr+Sslope*C

(7)

(8)

其中:Rini_thr是初始高程閾值,Sslope是地面坡度，C是設(shè)置的網(wǎng)格大小。如果數(shù)字表面模型和數(shù)字地勢(shì)模型的高程計(jì)算差值大于閾值R,矩陣中相應(yīng)的網(wǎng)格被標(biāo)記為非地表目標(biāo)。

1.2 低空空域空間劃分和路徑可視化

為了構(gòu)建無(wú)人駕駛航空器系統(tǒng)的空中走廊，空間分層設(shè)計(jì)依據(jù)低空空域的空間高程上限要求進(jìn)行劃分，包括頂層區(qū)、安全區(qū)和起降區(qū)空域。頂層區(qū)域?yàn)楦哂诘孛娴墓潭ㄖ悼沼?如美國(guó)G區(qū)對(duì)小型無(wú)人機(jī)系統(tǒng)采用500 英尺高度作為上限)。頂層區(qū)的形狀采用加入固定值高程數(shù)據(jù)的數(shù)字地勢(shì)模型的相同區(qū)域。安全區(qū)是介于頂層和起降層區(qū)域的空間區(qū)域。起降區(qū)是包含原始自然障礙物和人工障礙物的地表區(qū)域，采用數(shù)字地表模型進(jìn)行設(shè)計(jì)。通常，無(wú)人駕駛航空器系統(tǒng)在起降區(qū)域危險(xiǎn)系數(shù)比其它兩層空域較大。由于受地面障礙物及各種不確定環(huán)境因素和人為因素干擾較大，無(wú)人駕駛航空器系統(tǒng)在起降階段的安全風(fēng)險(xiǎn)系數(shù)相對(duì)較高。

設(shè)H1(i,j)andH2(i,j)分別是地理位置坐標(biāo)(i,j)處的數(shù)字地表模型和數(shù)字地勢(shì)模型的高程數(shù)據(jù)值，Hconstant是無(wú)人駕駛航空器系統(tǒng)在低空空域的最大允許高程數(shù)據(jù)值。低空空域的每層空間的高程數(shù)值，按照如下公式進(jìn)行計(jì)算：

Hbottom_zone(i,j)=H1(i,j)

(9)

Hup_zone(i,j)=H2(i,j)+Hconstant

(10)

Hsafe_zone(i,j)∈[Hbottom_zone(i,j),Hup_zone]

(11)

其中:Hbottom_zone(i,j)是起降區(qū)的高程數(shù)值，Hsafe_zone(i,j)是安全區(qū)的高程數(shù)值范圍，Hup_zone(i,j)是頂層區(qū)的高程數(shù)值。

隨著低空空域的逐步開(kāi)放，世界許多國(guó)家，包括我國(guó)，無(wú)人駕駛航空器引起的個(gè)人隱私侵犯事件頻發(fā)，而且呈現(xiàn)逐年上升趨勢(shì)。因此，在空中走廊設(shè)計(jì)過(guò)程中，需要對(duì)特定區(qū)域進(jìn)行個(gè)人隱私保護(hù)。在本文研究中，采用如下方法進(jìn)行個(gè)人隱私區(qū)域保護(hù)：首先，提取隱私保護(hù)區(qū)域的輪廓，并將其映射到空間各層。然后，對(duì)標(biāo)記后的隱私保護(hù)區(qū)的邊界地理位置數(shù)據(jù)與空間區(qū)域的飛行航道的離散節(jié)點(diǎn)比較， 動(dòng)態(tài)調(diào)整無(wú)人駕駛航空器在空中走廊中的路徑節(jié)點(diǎn)，避免無(wú)人駕駛航空器系統(tǒng)在飛行過(guò)程中，通過(guò)未經(jīng)允許的禁飛區(qū)，觸發(fā)個(gè)人隱私侵犯。

在可視化研究中，本文采用計(jì)算機(jī)圖像繪制方法[21]繪制三維空中走廊。該空中走廊的可視化技術(shù)包括四部分內(nèi)容。第一部分是激光點(diǎn)云數(shù)據(jù)的三維可視化及空間分層，包括水平地理位置坐標(biāo)(X,Y),高程數(shù)據(jù)Z值。第二部分是數(shù)字地表模型和數(shù)字地勢(shì)模型的三維可視化繪制。第三部分是空中走廊中的圖標(biāo)繪制，包括障礙物、羅盤(pán)、限制區(qū)、禁飛區(qū)、機(jī)場(chǎng)等。第四部分是飛行路徑可視化展示，包括不同的飛行高度和拓?fù)鋱D信息。其中，飛行路徑地圖中的一些符號(hào)繪制如圖2所示。可視化空域分層和無(wú)人駕駛航空器系統(tǒng)的飛行路徑如圖3所示。在圖3(b)、圖3(c)中，黑色標(biāo)記線表示無(wú)人駕駛航空器系統(tǒng)的飛行路徑。

圖2 可視化圖標(biāo)繪制

圖3 低空空域三維模型和飛行路徑展示

2 仿真實(shí)驗(yàn)與結(jié)果分析

本文提出的空中走廊構(gòu)建中，采用的仿真實(shí)驗(yàn)環(huán)境是MATLAB2015b。在實(shí)驗(yàn)中，選用的激光點(diǎn)云測(cè)試數(shù)據(jù)集總共包括兩種：具有參考地表數(shù)字標(biāo)記值的15組ISPRS國(guó)際標(biāo)準(zhǔn)激光點(diǎn)云數(shù)據(jù)集[22]；美國(guó)德克薩斯州野馬島的四個(gè)測(cè)試區(qū)域的激光點(diǎn)云數(shù)據(jù)集[23]。兩種測(cè)試數(shù)據(jù)集的地形特性描述，分別參見(jiàn)表1和表2所示。

所有患者均接受手術(shù)治療，根據(jù)2016 FIGO分期，早期(Ⅰ、Ⅱ期)患者行全面分期手術(shù)，晚期(Ⅲ、Ⅳ期)行卵巢癌腫瘤細(xì)胞減滅術(shù)。滿意的腫瘤減滅術(shù)以殘余病灶直徑<1 cm為標(biāo)準(zhǔn)，肉眼觀無(wú)殘余病灶，即為R0，有殘余病灶但直徑<1 cm，即為R1。術(shù)后7～21 d常規(guī)開(kāi)始以鉑類(lèi)為基礎(chǔ)的聯(lián)合化療，通常以TP(紫杉醇+鉑類(lèi))方案為一線方案，初次化療6～8個(gè)周期，間隔3～4周。

表1 ISPRS 數(shù)據(jù)集中選取的帶有參考地表標(biāo)記的15組測(cè)試樣本數(shù)據(jù)的地形特征

表2 野馬島采集的激光掃描數(shù)據(jù)的地面區(qū)域特征

為了生成精準(zhǔn)的數(shù)字地勢(shì)模型，仿真實(shí)驗(yàn)中選取了4種主流算法與本文方法進(jìn)行比較，即Thomas方法[25]、Mongus方法[26]、?zcan’s方法[20]以及本文提出的方法。以上4種算法的參數(shù)設(shè)置如表3所示。

為了對(duì)數(shù)字地勢(shì)模型的構(gòu)建效果進(jìn)行客觀評(píng)價(jià)，本文分別采用了Kappa分?jǐn)?shù)、總誤差率、Skewness和Kurtosis四種性能評(píng)價(jià)參數(shù)。對(duì)于15組標(biāo)準(zhǔn)ISPRS激光點(diǎn)云數(shù)據(jù)集，采用上述4種方法獲得的Kappa分?jǐn)?shù)如圖4所示。

表3 4種方法的參數(shù)設(shè)置

圖4 基于ISPRS 樣本數(shù)據(jù)集的數(shù)字地勢(shì)模型Kappa分?jǐn)?shù)和總誤差率比較

根據(jù)圖4(a)的直方圖分析可知,四種方法中，本文提出的方法和 ?zcan方法都能獲得比其它兩種方法較大的Kappa分?jǐn)?shù)值。對(duì)于測(cè)試樣本Samp22,Samp42,Samp51,Samp52,Samp54,Samp71,本文提出的方法獲得的Kappa分?jǐn)?shù)值分別為90.1381,92.5285,92.8452,83.2073,92.8114,90.6518，本文方法獲得的Kappa分?jǐn)?shù)值均高于其它三種方法。 對(duì)于其它樣本，本文提出的方法也能獲得相對(duì)較高的Kappa分?jǐn)?shù)。圖4(b) 表明，Thomas方法[25]、Mongus方法[26]兩種方法計(jì)算的總誤差率較大，本文提出的方法和?zcan方法[20]都能夠獲得較低的總誤差率。對(duì)于樣本Samp22,Samp42,Samp51,Samp52,Samp54,Samp71,本文提出的方法的總誤差率分別是4.1766,3.1881,2.3648,3.2526,3.5897,1.8089,低于其它三種方法的總誤差率。對(duì)于ISPRS其它的測(cè)試樣本，本文提出的方法也能獲得較低的錯(cuò)誤率。從本次實(shí)驗(yàn)中的Kappa分?jǐn)?shù)和總誤差率比較結(jié)果表明，本文提出的方法對(duì)于ISPRS數(shù)據(jù)集的測(cè)試樣本，能夠取得較好的數(shù)字地勢(shì)模型。

由于固有模態(tài)函數(shù)的最大分解次數(shù)對(duì)于構(gòu)建的數(shù)字地勢(shì)模型的性能非常重要。在以下實(shí)驗(yàn)中，對(duì)本文提出的方法及?zcan方法[20]的固有模態(tài)函數(shù)的最大分解次數(shù)進(jìn)行了定量計(jì)算，評(píng)估不同分解次數(shù)對(duì)數(shù)字地勢(shì)模型性能的影響。對(duì)于固有本征函數(shù)，設(shè)置不同的最大分解次數(shù)，計(jì)算獲得的實(shí)驗(yàn)結(jié)果如圖5所示。

圖5 ?zcan 方法和本文方法的Kappa 分?jǐn)?shù)值比較

在圖5中，Max.IMF表示固有模態(tài)函數(shù)的最大分解次數(shù)。由圖5(a)的直方圖數(shù)據(jù)表明，對(duì)于?zcan方法[20]，在ISPRS樣本數(shù)據(jù)測(cè)試中，Kappa分?jǐn)?shù)隨著固有模態(tài)函數(shù)的分解次數(shù)的增加而呈現(xiàn)下滑趨勢(shì)。由該組實(shí)驗(yàn)獲得的直方圖數(shù)據(jù)可知，最佳的Kappa分?jǐn)?shù)值出現(xiàn)在最大分解次數(shù)為1次。圖5(b)表明，本文提出的方法，在ISPRS樣本數(shù)據(jù)集生成的數(shù)字地勢(shì)模型的Kappa分?jǐn)?shù)也呈現(xiàn)下降趨勢(shì)，且在最大分解次數(shù)為1時(shí)取得最優(yōu)Kappa分?jǐn)?shù)值。圖5(c)比較了本文方法和?zcan方法[20]得到的均值和標(biāo)準(zhǔn)差。從圖5(c)直方圖數(shù)據(jù)表明，Kappa分?jǐn)?shù)的均值隨著固有模態(tài)函數(shù)的最大分解次數(shù)的增加而呈現(xiàn)整體下降趨勢(shì)。對(duì)于實(shí)驗(yàn)中選取的15組ISPRS測(cè)試樣本數(shù)據(jù)集，當(dāng)固有模態(tài)函數(shù)的最大分解次數(shù)從1次增加到6次時(shí)，?zcan’s方法[20]的Kappa分?jǐn)?shù)分別為 87.18235,81.79479,76.32071,70.50371,64.69338,59.75527。在同樣測(cè)試環(huán)境下，本文提出的方法獲得的Kappa分?jǐn)?shù)均值分別是86.45674,81.02425,77.06374,71.50672,65.59312,60.03348。兩種方法的測(cè)試結(jié)果表明，Kappa分?jǐn)?shù)隨著固有模態(tài)函數(shù)的分解次數(shù)的增加呈現(xiàn)逐步遞減趨勢(shì)。當(dāng)最大分解次數(shù)為1次時(shí)，Kappa分?jǐn)?shù)值高于固有模態(tài)函數(shù)在其它分解次數(shù)時(shí)的計(jì)算值。該結(jié)論也解釋了在表3的參數(shù)設(shè)置中，固有模態(tài)函數(shù)的最大分解次數(shù)設(shè)置為1次的原因 。當(dāng)固有模態(tài)函數(shù)的最大分解次數(shù)為1時(shí)，上述實(shí)驗(yàn)中，本文提出的噪聲水平估計(jì)和檢測(cè)到的噪聲分布區(qū)域如表4所示。

表4 采用本文方法獲得的ISPRS 15組樣本數(shù)據(jù)的噪聲水平估計(jì)結(jié)果

由表4可知，對(duì)與15組ISPRS測(cè)試樣本，噪聲水平估計(jì)值均不相同，噪聲分布區(qū)域的數(shù)量也各不相同。實(shí)驗(yàn)數(shù)據(jù)表明，噪聲水平和噪聲分布區(qū)域檢測(cè)結(jié)果，隨著地形的不同而變化，如果采用濾波器進(jìn)行整體濾波，會(huì)帶來(lái)相應(yīng)的信息損失。

圖6 采用激光掃描數(shù)據(jù)構(gòu)建的數(shù)字地表模型和對(duì)應(yīng)區(qū)域的遙感影像圖

以下的仿真實(shí)驗(yàn)中，采用美國(guó)德克薩斯州野馬島的4個(gè)測(cè)試區(qū)的激光掃描數(shù)據(jù)real_samp1、real_samp2、real_samp3、real_samp4，設(shè)置固有模態(tài)函數(shù)的最大分解次數(shù)為1次，對(duì)生成的數(shù)字地勢(shì)模型進(jìn)行性能評(píng)估。在上述4個(gè)測(cè)試區(qū)域，采用激光掃描點(diǎn)云數(shù)據(jù)集構(gòu)建的數(shù)字地表模型和同一區(qū)域的遙感圖像如圖6所示。

采用本文方法，在野馬島的四個(gè)測(cè)試區(qū)域real_samp1、real_samp2、real_samp3、real_samp4得到的噪聲水平估計(jì)值和提取的噪聲分布區(qū)域數(shù)量如表5所示。

表5 真實(shí)測(cè)試區(qū)的噪聲水平估計(jì)和噪聲區(qū)域數(shù)據(jù)提取

由表5可知，根據(jù)估計(jì)的噪聲水平，野馬島的4個(gè)測(cè)試區(qū)域的激光掃描樣本數(shù)據(jù)都檢測(cè)到了噪聲分布區(qū)域。在后續(xù)實(shí)驗(yàn)

中，采用real_samp1樣本區(qū)域數(shù)據(jù)構(gòu)建測(cè)試區(qū)的空中走廊。由表5可知，該樣本的噪聲水平估計(jì)值為0.03，噪聲分布區(qū)域數(shù)據(jù)為158167。相應(yīng)地，采用高斯濾波器對(duì)158167個(gè)噪聲區(qū)域的激光點(diǎn)云數(shù)據(jù)進(jìn)行噪聲抑制，而不是對(duì)整個(gè)區(qū)域的數(shù)據(jù)進(jìn)行濾波。由于采用區(qū)域噪聲抑制，該方法的濾波效果高于?zcan方法[20]中采用中值濾波方法對(duì)整個(gè)區(qū)域進(jìn)行濾波的效果，后續(xù)的圖7實(shí)驗(yàn)結(jié)果驗(yàn)證了該結(jié)論的正確性。

采用本文方法及?zcan方法[20]生成的四種數(shù)字地勢(shì)模型如圖7所示。其中，測(cè)試樣本從左至右依次為real_samp1,real_samp2,real_samp3,real_samp4。

比較圖7(a)和圖7(b)可知，在圖7(a)中，展示了采用?zcan方法[20]生成的數(shù)字地勢(shì)模型。由于在該方法中采用中值濾波方法，帶了了信息損失，導(dǎo)致部分真實(shí)的非地表目標(biāo)沒(méi)有被濾除。本文方法中，由于采用噪聲水平估計(jì)，對(duì)噪聲區(qū)域進(jìn)行了分塊識(shí)別和抑制，得到了如圖7(b)所示的數(shù)字地勢(shì)模型。由圖7(b)可知，與?zcan方法[20]生成的數(shù)字地勢(shì)模型圖7(a)相比，在圖7(b)的數(shù)字地勢(shì)模型中，濾除了大量非地表目標(biāo)。此外，將圖7(b)與相同區(qū)域的真實(shí)遙感圖像，即圖6 (b)進(jìn)行比較，發(fā)現(xiàn)該地勢(shì)模型較好的保留了地表的原始形態(tài)，從而進(jìn)一步驗(yàn)證了本文方法獲取的數(shù)字地勢(shì)模型的準(zhǔn)確性。

在以下實(shí)驗(yàn)中，對(duì)測(cè)試樣本real_samp1,real_samp2,real_samp3,real_samp4中的非地表目標(biāo)的檢測(cè)效果進(jìn)行比較。在本文方法中，采用了噪聲水平估計(jì)方法對(duì)數(shù)字地表模型進(jìn)行濾波，結(jié)合經(jīng)驗(yàn)?zāi)Ｐ头纸?，生成?shù)字地勢(shì)模型，然后，對(duì)非地表目標(biāo)進(jìn)行邊緣檢測(cè)和數(shù)字標(biāo)記。本文方法和?zcan方法[20]獲取的非地表目標(biāo)識(shí)別結(jié)果如圖8所示。

圖7 ?zcan 方法和本文方法生成的數(shù)字地勢(shì)模型比較

圖8 ?zcan 方法和本文方法獲得的非地表目標(biāo)比較

根據(jù)圖8可知，與?zcan方法相比，采用本文采用的方法提取到了更多的非地表目標(biāo)細(xì)節(jié)信息。與ISPRS激光點(diǎn)云標(biāo)準(zhǔn)數(shù)據(jù)集不同，在野馬島的四個(gè)測(cè)試區(qū)域的激光點(diǎn)云數(shù)據(jù)集中，沒(méi)有標(biāo)準(zhǔn)參考地面標(biāo)記點(diǎn)數(shù)據(jù)。為了估計(jì)生成的數(shù)字地勢(shì)模型的性能，實(shí)驗(yàn)中采用了Skewness和Kurtosis進(jìn)行性能評(píng)價(jià)。圖9表明，本文提出的方法獲得了較低的Skewness值和Kurtosis值，進(jìn)一步說(shuō)明了采用本文方法能夠檢測(cè)到更多的非地表目標(biāo)。

圖9(a)和圖9(b)的直方圖分別描述了Skewness值和Kurtosis值。在圖9(a)中，對(duì)于四組測(cè)試樣本real_samp1,real_samp2,real_samp3,real_samp4，本文提出的方法獲得的Skewness值分別為2.6303,2.2056,3.1926,1.8916，采用?zcan方法[20]獲得的Skewness值分別為2.9041,2.5997,

3.417,2.3185。圖9(a)的實(shí)驗(yàn)結(jié)果表明，通過(guò)對(duì)上述四組樣本測(cè)試數(shù)據(jù)結(jié)果比較，本文提出的方法獲得的Skewness值小于?zcan方法獲得的Skewness值。在圖9(b)直方圖中，本文方法獲得的上述四個(gè)樣本的Kurtosis值分別是 7.9187,5.8645,11.192，4.578，低于?zcan方法獲得的Kurtosis值，即9.4336,7.7582,12.6757，6.3757。中心極限定理指出，自然的測(cè)量樣本數(shù)據(jù)集通常符合正態(tài)分布。非地表的目標(biāo)可能會(huì)干擾地表數(shù)據(jù)的正態(tài)分布。較低的Skewness值和Kurtosis數(shù)值表明數(shù)字地勢(shì)模型接近正態(tài)分布。因此，由Skewness數(shù)值及Kurtosis數(shù)值結(jié)果分析可知，與?zcan方法[20]相比，本文方法獲得了較為準(zhǔn)確的數(shù)字地勢(shì)模型。

圖10展示了三維空中走廊的可視化空域劃分結(jié)果。由圖10(a)可知低空空域被分成三層區(qū)域，即頂層區(qū)、安全區(qū)、起降區(qū)。 根據(jù)公式(9)，采用數(shù)字地勢(shì)模型構(gòu)建的頂層區(qū)如圖10(b)所示。根據(jù)公式(10)構(gòu)建的安全區(qū)如圖10(c)所示。根據(jù)公式(11)，采用數(shù)字地表模型構(gòu)建的起降層區(qū)域如圖10(d)所示。為了實(shí)現(xiàn)個(gè)人隱私保護(hù)，對(duì)于個(gè)人隱私保護(hù)區(qū)的邊緣檢測(cè)結(jié)果，采用地理水平坐標(biāo)與數(shù)字地表模型中的位置進(jìn)行匹配，然后映射到低空空域的各層空間，在空中走廊的路徑規(guī)劃中修正路徑節(jié)點(diǎn)，避免無(wú)人駕駛航空器系統(tǒng)飛行中通過(guò)個(gè)人隱私保護(hù)區(qū)?；趥€(gè)人隱私保護(hù)區(qū)的空中走廊路徑規(guī)劃如圖11所示。

在圖11中，節(jié)點(diǎn)A,B,C,D,E表示在低空空域中，無(wú)人駕駛航空器系統(tǒng)路徑中的關(guān)鍵節(jié)點(diǎn)。其中，節(jié)點(diǎn)A表示無(wú)人駕駛航空器系統(tǒng)的當(dāng)前位置，節(jié)點(diǎn)E表示無(wú)人駕駛航空器系統(tǒng)的著陸點(diǎn)位置。如果路徑地圖的節(jié)點(diǎn)由A、B、D、E組成，則無(wú)人駕駛航空器系統(tǒng)將在低空空域飛行過(guò)程中通過(guò)個(gè)人隱私保護(hù)區(qū)，而該區(qū)域是禁止通行區(qū)域。因此，需要對(duì)路徑規(guī)劃的節(jié)點(diǎn)進(jìn)行調(diào)整，避免無(wú)人駕駛航空器系統(tǒng)通過(guò)個(gè)人隱私保護(hù)區(qū)，即，對(duì)安全區(qū)和起降區(qū)的路徑地圖中的節(jié)點(diǎn)進(jìn)行修正，修正后的節(jié)點(diǎn)為A,B,C,D,E。測(cè)試樣本real_samp1中的隱私保護(hù)區(qū)域檢測(cè)結(jié)果如圖12所示。

圖9 采用?zcan方法和本文方法獲得的Skewness數(shù)值和 Kurtosis 數(shù)值比較

圖10 空中走廊的空間劃分

圖11 適用于個(gè)人隱私保護(hù)的空中走廊路徑規(guī)劃效果

圖12 采用本文方法獲得的個(gè)人隱私保護(hù)區(qū)

圖12(a)是測(cè)試區(qū)域的參考遙感圖像。在樣本real_samp1的參考遙感圖像中，包含用紅色方塊表示的三塊隱私保護(hù)區(qū)。圖12(b)是本文方法的個(gè)人隱私保護(hù)區(qū)的邊緣檢測(cè)及邊界提取結(jié)果，對(duì)該邊界對(duì)應(yīng)的地理位置信息坐標(biāo)進(jìn)行空間映射后，作為空中走廊的各層空間區(qū)域的限制區(qū)邊界線，從而實(shí)現(xiàn)個(gè)人隱私保護(hù)。

3 結(jié)束語(yǔ)

本文提出了一種基于激光掃描點(diǎn)云數(shù)據(jù)的空中走廊構(gòu)建方法，用于確保低空空域安全，實(shí)現(xiàn)個(gè)人隱私保護(hù)。采用噪聲水平估計(jì)確定激光點(diǎn)云數(shù)據(jù)的噪聲分布區(qū)域，運(yùn)用高斯濾波器實(shí)現(xiàn)局部區(qū)域的精準(zhǔn)噪聲抑制。采用Kappa分?jǐn)?shù)和總誤差率對(duì)固有模態(tài)函數(shù)的最大分解次數(shù)進(jìn)行定量分析，結(jié)果表明當(dāng)固有模態(tài)函數(shù)的最大分解次數(shù)為1次時(shí)，能夠獲得較好的數(shù)字地勢(shì)模型。采用基于經(jīng)驗(yàn)?zāi)Ｐ头纸夥椒ê托螒B(tài)學(xué)開(kāi)運(yùn)算完成對(duì)數(shù)字地勢(shì)模型的構(gòu)建。對(duì)于ISPRS標(biāo)準(zhǔn)數(shù)據(jù)集，包括地表和非地表目標(biāo)的參考值標(biāo)記數(shù)據(jù)。因此，采用Kappa分?jǐn)?shù)和總誤差率，評(píng)估在給定參考標(biāo)記點(diǎn)數(shù)據(jù)時(shí)，采用本文方法的有效性。對(duì)于沒(méi)有參考標(biāo)記點(diǎn)數(shù)據(jù)的真實(shí)激光點(diǎn)云測(cè)試數(shù)據(jù)集，采用Skewness數(shù)值和Kurtosis數(shù)值，評(píng)估生成的數(shù)字地勢(shì)模型的性能，結(jié)合衛(wèi)星遙感數(shù)據(jù)驗(yàn)證非地表目標(biāo)的真實(shí)性。遙感圖像解譯結(jié)果與本文提出的方法檢測(cè)到的非地表目標(biāo)比對(duì)結(jié)果表明，本文方法能夠提高非地表目標(biāo)檢測(cè)精度，提升數(shù)字地勢(shì)模型的構(gòu)建質(zhì)量。根據(jù)生成的數(shù)字地表模型和數(shù)字地勢(shì)模型，結(jié)合文中的空域分層公式，將低空空域劃分為頂層區(qū)，安全區(qū)和起降區(qū)。此外，將個(gè)人隱私保護(hù)區(qū)域與空域劃分相結(jié)合，通過(guò)地理信息坐標(biāo)映射方式，在劃分的三層空間中設(shè)置個(gè)人隱私保護(hù)區(qū)，調(diào)整無(wú)人駕駛航空器系統(tǒng)的路徑規(guī)劃節(jié)點(diǎn)，避免無(wú)人駕駛航空器系統(tǒng)通過(guò)隱私保護(hù)區(qū)。最終，采用可視化技術(shù)實(shí)現(xiàn)了空中走廊的可視化構(gòu)建。

然而，由于我國(guó)地形復(fù)雜，低空空域的飛行環(huán)境受地表波動(dòng)、氣流以及地面建筑物的影響較大，同時(shí)也面臨許多臨時(shí)的商業(yè)活動(dòng)或重大節(jié)日聚會(huì)等不確定社會(huì)因素的影響，與地面路面交通管理方式存在很大的不同。為了確保低空空域中空中走廊的實(shí)用性，在下一步的研究過(guò)程中，將以面向低空安全的三維數(shù)字化空中走廊體系的技術(shù)構(gòu)架[27]為指導(dǎo)，結(jié)合空域的飛行環(huán)境和地面的人文及社會(huì)活動(dòng)信息，深入研究空中走廊的動(dòng)態(tài)更新機(jī)制，對(duì)空中走廊通道進(jìn)行動(dòng)態(tài)調(diào)整與更新，及時(shí)有效地進(jìn)行飛行引導(dǎo)，使低空空域中的航空器嚴(yán)格按照空中走廊進(jìn)行飛行，避免航空器進(jìn)入空中走廊之外的限制區(qū)域，從而保證確保低空空域資源的高效、合理使用。

[1]InsaurraldeCC.Archietecturaldesignforintelligentautonomyinunmannedaircraft[J].ProceedsofDigitalAvionicsSystems,2015: 5C3-1-5C3-12.

[2]HuangW,DingW,LiuC.Multi-parametricprogrammingapproachfordatalinkofUASbasedonStateMachine[A].ProceedingsofIndustrialInformatics-ComputingTechnology,IntelligentTechnology,IndustrialInformationIntegration[C].2015:156-169.

[3]RoelofsenS,GilletD,MartinoliA.Reciprocalcollisionavoidanceforquadrotorsusingon-boardvisualdetection[A].ProceedingsofIntelligentRobotsandSystems[C]. 2015:4810-4817.

[4]SereewattanaM,RuchanurucksM,RakprayoonP,etal.Automaticlandingforfixed-wingUAVusingstereovisionwithasinglecameraandanorientationsensor:aconcept[A].ProceedingsofAdvancedIntelligentMechatronics[C].2015:29-34.

[5]SolerM,KamgarpourM,LioretJ,etal.Ahybridoptimalcontrolapproachtofuel-efficientaircraftconflictavoidance[A].IEEETransactionsonIntelligentTransportationSystems,2016,99:1-13.

[6]FengD,YuanX.Advancementofsecurityalarmaeronauticalchartvisualizationinlowaltitudeairspace[J].JournalofElectronicMeasurementandInstrumentation,2015,29(3): 305-315.

[7]SotiriouD,KopsaftopoulosF,FassoisS.Anadaptivetime-seriesprobabilisticframeworkfor4-Dtrajectoryconformancemonitoring[J].IEEETransactionsonIntelligentTransportationSystems,2016,99:1-11.

[8]ChougdaliS,RoudaneA,MansouriK,etal.Newmodelforaircraftlandingschedulingusingrealtimealgorithmsscheduling[A].ProceedingsofIntelligentSystemsandComputerVision[C]. 2015:1-7.

[9]KimY,JoJ,ShawM.AlightweightcommunicationarchitectureforsmallUAStrafficmanagement(SUTM)[A].ProceedingsofIntegratedCommunicationNavigation,andSurveillance,2015.

[10]FoinaAG,KrainerC,SenguptaR.Anunmannedaerialtrafficmanagementsolutionforcitiesusinganairparcelmodel[A].ProceedingofUnmannedAircraftSystems[C].2015:1235-1300.

[11]FengD,YuanX.Advancementofsafetycorridorandemergencymanagementvisualizationinlowaltitudeairspace[J].JournalofElectronicMeasurementandInstrumentation,2016,30(4):485-495.

[12]FadlullahZM,TakaishiD,NishiyamaH,etal.AdynamictrajectorycontrolalgorithmforimprovingthecommunicationthroughputanddelayinUAV-aidednetworks[J].IEEENetwork,2016,30(1):100-105.

[13]YuanX,SarmaV.AutomaticurbanwaterbodydetectionandsegmentationfromsparseALSMdataviaspatiallyconstrained,model-drivenclustering[J].IEEEGeoscienceandRemoteSensingLetters,2011,8(1): 75-77.

[14]YuanX,HuL,BucklesB,etal.AnadaptivemethodfortheconstructionofdigitalterrainmodelfromLidardata[A].ProceedingsofGeoscienceandRemoteSensingSymposium[C]. 2008:828-830.

[15]SarmaV,YuanX,HuL,etal.RoadextractionfromLiDARusinggeometricandelevationfeatures[A].Proceedingsofthe2ndInternationalConferenceonEarthObservationforGlobalChanges[C].2009:25-29.

[16]FengD,YuanX.AutomaticconstructionofaerialcorridorfornavigationofunmannedaircraftsystemsinclassGairspaceusingLiDAR[A].Proc.SPIE9828,AirborneIntelligence,Surveillance,Reconnaissance(ISR)SystemsandApplicationsXIII[C]. 2016.

[17]VossPB.Rethinkingtheregulatoryframeworkforsmallunmannedaircraft:thecaseforprotectingprivacyandpropertyrightsinthelowermostreachesoftheatmosphere[A].Proc.UnmannedAircraftSystems(ICUAS)[C]. 2013:173-178.

[18]KimY,JoJ,ShresthaS.Aserver-basedreal-timeprivacyprotectionschemeagainstvideosurveillancebyunmannedaerialsystems[A].Proc.UnmannedAircraftSystems(ICUAS)[C]. 2014:684-692.

[19]HuangNE,ShenZ,LongSR,etal.TheempiricalmodedecompositionandtheHilbertspectrumfornonlinearandnon-stationarytimeseriesanalysis[A].Proc.R.Soc.Lond.A[C]. 1998:903-995.

[20] ?zcanAH,ünsalanC.LiDARdatafilteringandDTMgenerationusingempiricalmodeDecomposition[J].IEEEJournalofSelectedTopicsinAppliedEarthObservationsandRemoteSensing,2016,1-12.

[21]BertalmioM,GuillermoS,CasellesV,etal.Imageinpainting[A].Proc.ComputerGraphicsandInteractiveTechniques[C].2000:417-424.

[22]VosselmanG.ISPRStestonextractingDEMsfrompointclouds:acomparisonofexistingautomaticfilters[EB/OL].http://www.itc.nl/isprswgiii-3/filtertest/index.html. 15Sep. 2006.

[23]NSF.Available:http://opentopo.sdsc.edu/gridsphere/gridsphere?cid=geonlidar[EB/OL].accessedonMay. 10,2016.

[24]LiuX,TanakaM,OkutomiM.Single-imagenoiselevelestimationforblinddenoising[J].IEEEtransactionsonImageProcessing,2013,22(12):5226-5238.

[25]ThomasJP,KeithCC,WilliamAM.AnimprovedsimplemorphologicalfilterfortheterrainclassificationofairborneLIDARdata[J].ISPRSJournalofPhotogrammetryandRemoteSensing,2013,33:21-30.

[26]MongusD,LukacD,ZalikB.GroundandbuildingextractionfromLiDARdatabasedondifferentialmorphologicalprofilesandlocallyfittedsurfaces[J].ISPRSJournalofPhotogrammetryandRemoteSensing,2014,93:145-156.

[27] 馮登超.面向低空安全三維數(shù)字化空中走廊體系的飛行器交通管理平臺(tái)構(gòu)建[J].計(jì)算機(jī)測(cè)量與控制，2017，25(12): 137-140.