無人機(jī)自主飛行精確定位導(dǎo)航在環(huán)境安全中的應(yīng)用

陳楠 宋智禮

摘 ?要： 針對環(huán)境安全監(jiān)測與檢測中的不足，提出一種利用無人機(jī)自主飛行精確定位導(dǎo)航的方法實(shí)現(xiàn)對環(huán)境的監(jiān)測與檢測。利用無人機(jī)攜帶便攜式檢測裝備對目標(biāo)區(qū)域進(jìn)行環(huán)境監(jiān)測與檢測，關(guān)鍵在于無人機(jī)的自主飛行以及精確定位導(dǎo)航。在無人機(jī)自主飛行階段，利用圖像特征以及地理坐標(biāo)特征實(shí)現(xiàn)無人機(jī)的自主飛行;在圖像匹配階段，利用特征地標(biāo)的新方法來進(jìn)行圖像匹配。實(shí)驗(yàn)結(jié)果表明，該方法具有一定的穩(wěn)定性和魯棒性，能夠有效地應(yīng)用于環(huán)境安全的監(jiān)測與檢測中。

關(guān)鍵詞： 環(huán)境安全; 無人機(jī); 自主飛行; 精確定位導(dǎo)航; 地標(biāo)特征匹配; 圖像匹配

中圖分類號： TN965?34 ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼： A ? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）02?0097?04

Application of UAV autonomous flight precise positioning navigation

in environmental safety

CHEN Nan， SONG Zhili

Abstract： In allusion to the deficiencies in environmental safety monitoring and detection， a method that application of UAV autonomous flight precise positioning navigation is proposed to realize the environmental monitoring and detection. The key to environmental monitoring and detection of target area with UAV portable detection equipment lies in the autonomous flight and precise positioning navigation of UAV. In the UAV autonomous flight phase， the UAV autonomous flight is realized with the image features and geographic coordinates features. In the image matching phase， a new method of feature landmarks is used for the image matching. The experimental results show that this method has certain stability and robustness， and can be effectively applied to the monitoring and detection of the environmental safety.

Keywords： environmental safety; UAV; autonomous flight; precise positioning and navigation; landmarks feature matching; image matching

0 ?引 ?言

目前，環(huán)境安全越來越重要，關(guān)注的人也越來越多，例如污水排放、森林火災(zāi)、化工污染等環(huán)境安全問題對大眾居民的生活生產(chǎn)都會產(chǎn)生很大的困擾。為了防治與防止環(huán)境問題的惡劣，有必要對其易發(fā)生安全隱患的地方進(jìn)行監(jiān)測與檢測。

在對這些惡劣環(huán)境進(jìn)行監(jiān)測與檢測時(shí)，為了減少對人員的傷害，通常會利用無人機(jī)攜帶便攜式裝備對其進(jìn)行監(jiān)測與檢測。對這些污染源進(jìn)行監(jiān)測與檢測時(shí)，必須要保證采集的數(shù)據(jù)是正確無誤且是相對應(yīng)的。例如，采集化工廠廢氣數(shù)據(jù)時(shí)，然而卻采集了污水廠廢氣數(shù)據(jù)，這樣同樣會造成錯(cuò)誤分析，從而導(dǎo)致做無用功。為了得到正確的數(shù)據(jù)源，在使用無人機(jī)的情況下，必須保證無人機(jī)能夠?qū)崿F(xiàn)精確定位導(dǎo)航，才能夠保證數(shù)據(jù)的正確性。

針對以上問題，本文提出一種基于地標(biāo)特征的方法實(shí)現(xiàn)無人機(jī)的自主精確定位導(dǎo)航。無人機(jī)自主飛行通過規(guī)定好的航線，自主進(jìn)行姿態(tài)矯正、航線巡航，無需過多人工參與。在精確定位的過程中，利用特征地標(biāo)方法實(shí)現(xiàn)精確定位。綜合利用圖像中點(diǎn)的特征以及邊界輪廓曲線的特征，結(jié)合一種新的特征地標(biāo)的匹配方法實(shí)現(xiàn)無人機(jī)定位的精確匹配。實(shí)驗(yàn)結(jié)果表明，該方法能夠?qū)崿F(xiàn)無人機(jī)的精確定位導(dǎo)航且具有較高的穩(wěn)定性以及魯棒性。

1 ?基本原理

整個(gè)數(shù)據(jù)采集系統(tǒng)即是無人機(jī)網(wǎng)絡(luò)系統(tǒng)，通過無人機(jī)的精確定位導(dǎo)航，再利用便攜式數(shù)據(jù)采集裝備進(jìn)行數(shù)據(jù)采集，然后傳輸至數(shù)據(jù)管理中心，通過整個(gè)網(wǎng)絡(luò)系統(tǒng)，完成數(shù)據(jù)采集、傳輸以及數(shù)據(jù)分析[1?3]。數(shù)據(jù)系統(tǒng)網(wǎng)絡(luò)圖如圖1所示。

1.1 ?飛行原理

無人機(jī)自主飛行利用自帶攝像機(jī)與存儲在數(shù)據(jù)庫中的地圖系統(tǒng)，確定飛行方向，利用所獲取的圖像與原始圖像所形成的夾角關(guān)系確定當(dāng)前的飛行偏向角，再利用目標(biāo)站點(diǎn)與初始位置所形成的夾角得到飛行偏向角;調(diào)控好飛行速度以及飛行高度，并且將規(guī)劃好的路線存儲在數(shù)據(jù)庫中，使無人機(jī)按照規(guī)劃好的路線循環(huán)飛行[4?5]。

1.2 ?特征地標(biāo)匹配法

特征地標(biāo)，簡言之就是利用標(biāo)志性的地標(biāo)特征，利用一個(gè)或者多個(gè)圖像特征進(jìn)行圖像匹配。

特征地標(biāo)利用圖像輪廓特征或者是組合輪廓特征來匹配，利用輪廓中特征點(diǎn)所組成的三角形，計(jì)算其三角形面積。計(jì)算出獲取的當(dāng)前的圖像三角形面積以及存儲在數(shù)據(jù)庫中相對應(yīng)的三角形面積，然后再計(jì)算出兩者的面積比;而后再計(jì)算出同曲線的多組面積比。對比多組面積比，在一定誤差范圍內(nèi)，只要面積比相同或者相近，即可判斷出精確位置，得到精確定位信息。

其中對于一個(gè)頂點(diǎn)分別為 [pb（xb，yb）]， [pm（xm，ym）]， [pe（xe，ye）]的三角形，它的廣義面積（Triangle Area，TAR）定義為：

[TAR（pb，pm，pe）=12xbyb1xmym1xeye1] ? ?（1）

它是仿射變換的一個(gè)相對不變量[6?9]。

2 ?方法步驟分析

通過以上基本原理的描述可以知道，為了實(shí)現(xiàn)無人機(jī)自主飛行以及精確定位導(dǎo)航，主要分為兩個(gè)過程，分別是無人機(jī)的自主飛行以及利用特征地標(biāo)精確定位導(dǎo)航。

2.1 ?無人機(jī)自主飛行

無人機(jī)的自主飛行大致可以分為四個(gè)階段，分別為初始階段、飛行階段、達(dá)到目標(biāo)站點(diǎn)以及繼續(xù)飛行階段，通過這四個(gè)階段，實(shí)現(xiàn)無人機(jī)按照規(guī)定航線的自主飛行。

2.1.1 ?初始階段

在初始地點(diǎn)釋放無人機(jī)，利用相機(jī)獲取當(dāng)前圖像數(shù)據(jù)，獲取當(dāng)前數(shù)據(jù)圖像主要是為了確定在釋放無人機(jī)之后當(dāng)前的飛行的方向，而后確立下一站點(diǎn)飛行方向，并改善自身飛行方向角往下一個(gè)站點(diǎn)飛行;同時(shí)，在當(dāng)前初始位置測算出當(dāng)前位置到下一目標(biāo)站點(diǎn)間的距離。

首先利用無人機(jī)所攜帶相機(jī)獲取區(qū)域圖像，然后與數(shù)據(jù)庫中的圖像進(jìn)行匹配，通過幾何變換，使得兩幅圖像重合，即可得到當(dāng)前無人機(jī)的飛行偏向角，如圖2所示。

當(dāng)N與N′完全重合時(shí)，其間形成的夾角便是方向角[α]，得到方向角之后可以得知飛行方向?yàn)楸逼珫|[α]，也即當(dāng)前飛行方向?yàn)楸逼珫|[α]（假設(shè)實(shí)驗(yàn)環(huán)境為相對理想環(huán)境，不考慮阻礙）。

確定當(dāng)前飛行方向之后，在當(dāng)前區(qū)域內(nèi)檢測完數(shù)據(jù)之后需要飛行到下一站點(diǎn)，如圖3所示。

1） 首先測算出兩點(diǎn)連線與地圖坐標(biāo)軸之間的夾角[β]，可以得到無人機(jī)接下來飛行的偏向角。

2） 選取原始數(shù)據(jù)庫圖像中已經(jīng)標(biāo)記好的站點(diǎn)，測算出兩點(diǎn)的歐氏距離[l]，然后根據(jù)地圖比例可以得到兩者間的實(shí)際距離[l]，也即無人機(jī)達(dá)到下一站點(diǎn)的實(shí)際飛行距離[l]。歐氏距離公式如下：

[l=（x1-x2）2+（y1-y2）2] ? ?（2）

式中：[（x1，y1）]表示第一個(gè)點(diǎn)坐標(biāo);[（x2，y2）]表示第二個(gè)點(diǎn)坐標(biāo)。

2.1.2 ?飛行階段

在飛行過程中，因?yàn)榧僭O(shè)為理想環(huán)境狀態(tài)，那么在缺少阻力的情況下，基本實(shí)現(xiàn)平穩(wěn)飛行，在實(shí)際環(huán)境中會有誤差的存在。

2.1.3 ?到達(dá)目標(biāo)站點(diǎn)

到達(dá)目標(biāo)站點(diǎn)，首先進(jìn)行位置匹配;然后采集環(huán)境數(shù)據(jù);接著計(jì)算飛行下一站點(diǎn)的飛行方向以及飛行距離，在計(jì)算出飛行方向以及距離之后，調(diào)整自身角度，飛往下一站點(diǎn)。

2.1.4 ?繼續(xù)飛行階段

當(dāng)?shù)竭_(dá)一個(gè)站點(diǎn)后，需要前往下一目標(biāo)站點(diǎn)飛行時(shí)，則需要再次按照上述的過程執(zhí)行。

通過上述過程的執(zhí)行，實(shí)現(xiàn)無人機(jī)按照規(guī)定路線巡航的目標(biāo)。在環(huán)境安全檢測的應(yīng)用中實(shí)現(xiàn)了環(huán)境數(shù)據(jù)的循環(huán)獲取，有利于數(shù)據(jù)分析。

2.2 ?精確定位導(dǎo)航

精確定位匹配階段可分為兩個(gè)部分，第一部分是粗略匹配以及第二部分是精確定位匹配。

通過第一部分的粗略匹配，為第二部分的精確匹配做準(zhǔn)備，如果在第一部分就不存在匹配關(guān)系，則可以直接跳過該目標(biāo)站點(diǎn)的檢測并報(bào)告出此站點(diǎn)為錯(cuò)誤匹配站點(diǎn)，如果在粗略匹配存在匹配關(guān)系，則進(jìn)行精確定位匹配，也即精確定位出當(dāng)前位置。

2.2.1 ?粗匹配

粗匹配主要是進(jìn)行無人機(jī)的初步定位，經(jīng)過這一步可以判斷出是否有必要進(jìn)行精確定位，若在粗匹配的過程中就發(fā)現(xiàn)當(dāng)前站點(diǎn)位置不是目標(biāo)站點(diǎn)，就可以忽略精確定位，再次尋找目標(biāo)站點(diǎn)并進(jìn)行匹配;如果是目標(biāo)站點(diǎn)位置區(qū)域，則進(jìn)一步進(jìn)行精確定位匹配。

在粗匹配的過程中主要是利用了SIFT算法進(jìn)行匹配計(jì)算，SIFT算法能夠找到更多的特征點(diǎn)，可以更大限度地減少遺漏和缺失，能夠保證信息的完整。

SIFT算法主要步驟為：

1） 提取特征向量;

2） 特征向量匹配[10]。

其中尺度空間構(gòu)造公式為：

[L（x，y，σ）=G（x，y，σ）*I（x，y）] ? ? （3）

式中：[L（x，y，σ）]表示尺度空間;[G（x，y，σ）]表示一個(gè)變化尺度的高斯函數(shù);“*”表示卷積;[（x，y）]表示圖像的像素位置;[σ]表示尺度因子。

2.2.2 ?精確定位匹配

在粗匹配結(jié)果正確的情況下，即可進(jìn)行精確定位，利用特征地標(biāo)方法實(shí)現(xiàn)精確定位匹配。精確定位匹配是為了能夠確定當(dāng)前具體位置，得到當(dāng)前的具體位置才能更好地進(jìn)行環(huán)境的監(jiān)測與檢測。特征地標(biāo)精確匹配的方法如下：

1） 提取圖像邊界，并利用SIFT算法提取圖像邊界附近特征點(diǎn)集，并進(jìn)行匹配;

2） 計(jì)算每個(gè)特征點(diǎn)最近的邊界，并計(jì)算特征點(diǎn)最近邊界的切交點(diǎn)集Pi，Pj;

3） 設(shè)定一組定比分點(diǎn)[λ*={λ1，λ1，…，λk}];

4） 在Pi中任取兩點(diǎn)p1，p2，根據(jù)λ*得到pλ，再根據(jù)TAR描述，選定特征點(diǎn)pr，pt，計(jì)算得到三角形面積TAR（p1，p2，[pr1]）以及TAR（p1，p2，[pr1]），并計(jì)算出三角形面積比，記為[Sprp1p2]，同理計(jì)算[Sptp1p2]：

[Sprp1p2=TAR（pr1，p1，p2）TAR（pr，p1，p2）] ? ?（4）

[Sptp1p2=TAR（pt1，p1，p2）TAR（pt，p1，p2）] ? （5）

式中，點(diǎn)pλ是定比為λi的定比分點(diǎn)。

面積計(jì)算示意圖如圖4a）、圖4b）所示。

在計(jì)算出上述面積比之后，設(shè)定一個(gè)確定的值δ，且利用已經(jīng)得到的面積比以及計(jì)算其滿足條件：

[ζ=Sprp1p2Sptp1p2≤δ] ? ? （6）

在計(jì)算所取的特征點(diǎn)后，得到的計(jì)算值均滿足式（6）條件，則可以判斷出圖像的精確匹配結(jié)果，并輸出結(jié)果。

3 ?實(shí)驗(yàn)分析

實(shí)驗(yàn)主要是三個(gè)部分實(shí)驗(yàn)：第一部分是無人機(jī)自主飛行導(dǎo)航;第二部分是圖像的初步匹配;第三部分是圖像的精確匹配。

3.1 ?無人機(jī)自主飛行導(dǎo)航

第一部分：無人機(jī)模擬飛行實(shí)驗(yàn)路線圖采用校區(qū)內(nèi)區(qū)域進(jìn)行實(shí)驗(yàn)、數(shù)據(jù)采集以及數(shù)據(jù)分析。模擬飛行路線圖如圖5所示。

圖5中的紅色點(diǎn)作為無人機(jī)檢測點(diǎn)，白色線條作為預(yù)先設(shè)定的無人機(jī)飛行路線，利用無人機(jī)模擬循環(huán)飛行并采集飛行數(shù)據(jù)以及圖像數(shù)據(jù)。

模擬飛行實(shí)驗(yàn)路線選取的是校區(qū)內(nèi)區(qū)域，其中路線圖選擇的是1∶30（單位：m）比例放縮的地圖。如圖5所示，假設(shè)從最左站點(diǎn)開始，分別記號為1～7號站點(diǎn)，開始實(shí)驗(yàn)初試出發(fā)點(diǎn)為1號站點(diǎn)，初始方向?yàn)檎狈较?。其中模擬飛行時(shí)，無人機(jī)會將偏向角以及飛行距離數(shù)據(jù)傳輸給計(jì)算機(jī)（測算距離與實(shí)際飛行距離存在誤差），實(shí)驗(yàn)分析數(shù)據(jù)表如表1所示，其中歐氏距離由式（2）計(jì)算得出。

3.2 ?圖像初步匹配

利用SIFT算法提取特征后優(yōu)化，并進(jìn)行匹配，如圖6所示。由匹配結(jié)果可以看出，可以通過SIFT算法再由RANSAC算法優(yōu)化后，可以得到良好的匹配效果。

3.3 ?精確定位匹配

選取如圖7所示三角形區(qū)域，計(jì)算其面積比并計(jì)算出[ζ]的值，其中預(yù)先設(shè)定閾值δ為0.3。圖7a）為放大時(shí)所選取的邊界圖像，其中三角形為特征三角形;圖7b）為原始圖像中選取的邊界圖像，其三角形為特征三角形（兩者曲線均經(jīng)過一定的擬合）。得到三角形后利用式（6）計(jì)算出條件面積比，其計(jì)算結(jié)果如圖8所示，來判斷出兩者是否匹配。

實(shí)驗(yàn)過程中，總共選取5個(gè)特征點(diǎn)進(jìn)行驗(yàn)證，一開始的閾值δ=0.3，其實(shí)驗(yàn)結(jié)果如圖8所示，與實(shí)際選取以及擬合過程中存在一定的誤差。

4 ?結(jié) ?論

針對無人機(jī)的精確定位導(dǎo)航，本文提出了使用特征地標(biāo)的匹配方法。首先，實(shí)現(xiàn)了無人機(jī)的自動飛行控制，在不利用GPS導(dǎo)航定位的情況下實(shí)現(xiàn)自動飛行控制，一定程度上降低了成本;然后，利用特征地標(biāo)圖像匹配方法實(shí)現(xiàn)無人機(jī)的精確定位導(dǎo)航。從可行性方面來看，使用無人機(jī)采集數(shù)據(jù)可行有效;從實(shí)驗(yàn)結(jié)果看，在一定誤差范圍內(nèi)，通過特征地標(biāo)匹配方法可以實(shí)現(xiàn)無人機(jī)的精準(zhǔn)定位導(dǎo)航，在一定程度上，提高了無人機(jī)定位導(dǎo)航的準(zhǔn)確率和效率;從應(yīng)用方面來看，可應(yīng)用于環(huán)境安全的監(jiān)測與檢測中，實(shí)現(xiàn)無需過多人工參與的有效的數(shù)據(jù)采集。

參考文獻(xiàn)

[1] DANIEL K， ROHDE S， GODDEMEIER N， et al. Cognitive agent mobility for aerial sensor networks [J]. IEEE sensors journal， 2011， 11（11）： 2671?2682.

[2] BRUST M R， STRIMBU B M. A networked swarm model for UAV deployment in the assessment of forest environments [C]// 2015 IEEE Tenth International Conference on Intelligent Sensors， Sensor Networks and Information Processing. Singapore： IEEE， 2015： 1?6.

[3] RANGAN S， RAPPAPORT T S， ERKIP E. Millimeter?wave cellular wireless networks： potentials and challenges [J]. Proceedings of the IEEE， 2014， 102（3）： 366?385.

[4] 侯永鋒，陸連山，高尚德，等.基于PD算法的四旋翼飛行器控制系統(tǒng)研究[J].機(jī)械科學(xué)與技術(shù)，2012（3）：359?362.

[5] 姜成平.一種四旋翼無人機(jī)控制系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2014.

[6] ALAJLAN N， RUBE I E， KAMEL M S， et al. Shape retrieval using triangle?area representation and dynamic space warping [J]. Pattern recognition， 2007， 40（7）： 1911?1920.

[7] 年華，孫立于，艷波.Harris?Laplace結(jié)合SURF的遙感圖像匹配拼接方法[J].遙感技術(shù)與應(yīng)用，2016，37（6）：95?101.

[8] 吳東東，周東翔，關(guān)濤，等.一種基于輪廓多邊形逼近的可見光與紅外圖像配準(zhǔn)方法[J].計(jì)算機(jī)應(yīng)用與軟件，2012，29（10）：28?30.

[9] 李超，于飛，康曉軍.一種模板匹配的快速實(shí)現(xiàn)方法[J].航天返回與遙感，2016，37（1）：63?70.

[10] 宋佳乾，汪西原.基于改進(jìn) SIFT 特征點(diǎn)匹配的圖像拼接算法[J].計(jì)算機(jī)測量與控制，2015，23（2）：512?515.

作者簡介：陳 ?楠（1994—），江蘇揚(yáng)州人，在讀碩士，研究方向?yàn)閳D像處理、計(jì)算機(jī)視覺、無人機(jī)飛行控制。

宋智禮（1974—），山東人，博士，碩士生導(dǎo)師，講師，研究方向?yàn)閳D像配準(zhǔn)、遙感圖像處理、形狀分析、計(jì)算機(jī)視覺、人工智能、神經(jīng)計(jì)算。