基于無人機(jī)航測技術(shù)的道路交叉口空間信息提取方法

王偉娜

(上海城建職業(yè)學(xué)院，上海310110)

0 引言

與載人飛機(jī)相比，無人機(jī)因其自身具有的重量小、機(jī)動性強(qiáng)和耗資少等優(yōu)勢，在實際中得到了廣泛應(yīng)用[1]。無人機(jī)進(jìn)入災(zāi)難現(xiàn)場或者戰(zhàn)場時，可利用自身優(yōu)勢對危險區(qū)域進(jìn)行監(jiān)視與監(jiān)控，并且自動收集數(shù)據(jù)、地理或位置信息，甚至攻擊數(shù)據(jù)[2]。因此，無人機(jī)在民用和軍用中的應(yīng)用更加廣泛，如在軍事應(yīng)用方面，無人機(jī)可以更好地完成電子干擾、環(huán)境偵查以及相關(guān)監(jiān)視等任務(wù)；在民事應(yīng)用方面，無人機(jī)可以達(dá)到相關(guān)的航測、氣象監(jiān)測以及低空影像采集等多種目標(biāo)。

由于道路交叉口是事故的多發(fā)地段，因此可以通過提取道路交叉口空間信息，實現(xiàn)更好的交通規(guī)劃等。李康等[3]提出基于無人機(jī)大場景序列的數(shù)據(jù)自動采集方法。該方法為了實現(xiàn)空間數(shù)據(jù)采集與信息提取的相關(guān)目標(biāo)，設(shè)計了一個基礎(chǔ)模塊，即無人機(jī)自動控制模塊，并根據(jù)研究區(qū)域的實際情況設(shè)計無人機(jī)航線以及拍攝坐標(biāo)，通過計算機(jī)可視化技術(shù)對無人機(jī)工作過程實現(xiàn)全面監(jiān)控，以此提取無人機(jī)采集到的信息，實現(xiàn)空間數(shù)據(jù)采集與信息提取，但該方法無法通過轉(zhuǎn)換四元素與歐拉角的信息獲取精準(zhǔn)位置，導(dǎo)致信息提取準(zhǔn)確率過低。陳隆等[4]提出基于無人機(jī)傾斜攝影與三維實景建?？臻g數(shù)據(jù)采集方法。該方法對無人機(jī)傾斜攝影測量系統(tǒng)進(jìn)行了詳細(xì)剖析，并利用該技術(shù)采集空間數(shù)據(jù)，在此基礎(chǔ)上利用采集的數(shù)據(jù)構(gòu)建了三維模型，實現(xiàn)無人機(jī)空間信息提取，但該方法采集所需信息較少，造成空間信息提取的時間過長。

為了解決上述方法中存在的問題，提出基于無人機(jī)航測技術(shù)的道路交叉口空間信息提取方法。通過擴(kuò)展卡爾曼濾波構(gòu)建系統(tǒng)方程，準(zhǔn)確對無人機(jī)進(jìn)行定位，采集無人機(jī)航測信息，并根據(jù)所得信息構(gòu)建道路交叉口空間三維模型，以此達(dá)到提高航測數(shù)據(jù)挖掘準(zhǔn)確率，縮短了信息提取時間的最終目標(biāo)。

1 卡爾曼濾波的擴(kuò)展

1.1 無人機(jī)非線性模型

通過下列方程式表示無人機(jī)非線性模型[5]，即

(1)

x(t)和z(t)分別為無人機(jī)狀態(tài)變量；f(x(t),t)與h(x(t),t)分別為導(dǎo)航方程和觀測方程；w(t)與v(t)分別為噪聲向量以及觀測噪聲。

此時，無人機(jī)飛行時狀態(tài)為

X=[x,y,z,u,v,w,q0,q1,q2,q3,g]T

(2)

(x,y,z)為在導(dǎo)航路線中的無人機(jī)位置信息；(u,v,w)為無人機(jī)在當(dāng)前位置的速度；(q0,q1,q2,q3)分別為無人機(jī)姿態(tài)角；g為重力加速度。

1.2 無人機(jī)導(dǎo)航方程的推導(dǎo)

在上述分析基礎(chǔ)上，本文通過推導(dǎo)系統(tǒng)導(dǎo)航INS得到無人機(jī)導(dǎo)航方程[6]。

1.2.1 姿態(tài)角變化率

(3)

(4)

1.2.2 無人機(jī)數(shù)據(jù)采集

利用IMU可獲取無人機(jī)飛行過程中由于旋轉(zhuǎn)產(chǎn)生的向心加速度、重力加速度和速度。因此，結(jié)合該結(jié)果可以實現(xiàn)對于無人機(jī)加速度的精準(zhǔn)計算[7]。

假設(shè)在無人機(jī)坐標(biāo)系中，加速度向量與重力向量分別為(ax,ay,az)T和(gx,gy,gz)T，機(jī)體線速度與角速度和向心加速度有關(guān)，得到

(5)

1.2.3 位置變化率

通過加速度一次積分得到無人機(jī)運行速度，此時2次得到位置值為

(6)

則位置變化率與歐拉角與四元素的關(guān)系為

(7)

2 道路交叉口空間信息提取

利用最小二乘法計算近似解，將平面坐標(biāo)觀測值共線方程進(jìn)行迭代，計算最佳數(shù)值。三維重建精度可以通過光束法平差進(jìn)行提升，任選一張圖像作為單元，測量該圖像像素點坐標(biāo)，并通過共線方程式列出數(shù)據(jù)采集結(jié)果誤差方程，獲得加密點近似值的坐標(biāo)與外方位元素，以此達(dá)到數(shù)據(jù)采集結(jié)果修正的相關(guān)研究目標(biāo)。在此基礎(chǔ)上利用采集到的信息構(gòu)建道路交叉口空間三維模型，實現(xiàn)道路交叉口空間信息提取。

2.1 數(shù)據(jù)采集結(jié)果修正

假設(shè)(X,Y,Z)與(XS,YS,ZS)分別為世界坐標(biāo)系以及相機(jī)坐標(biāo)系；S為無人機(jī)攝影中心；M與m分別為相機(jī)坐標(biāo)系上的一點以及攝影節(jié)點；(Xm,Ym,Zm)為無人機(jī)航測過程中的空間輔助坐標(biāo)。已知S,m,M三點共式，利用平面坐標(biāo)與空間輔助坐標(biāo)相像的關(guān)系可解出共線方程式：

x-x0=

(8)

y-y0=

(9)

x0、y0和f為影像的內(nèi)方位元素，與平面中心點和攝像機(jī)主距相像。

得知共線方程的線性化，將其展開并列為：

(10)

(11)

dXS、dYS、dZS、dφ、dω和dκ為外方位元素的修正結(jié)果；Fx0和Fy0為該方程的近似值；dX、dY和dZ為坐標(biāo)修正結(jié)果。

2.2 實現(xiàn)空間信息提取

假設(shè)無人機(jī)航測數(shù)據(jù)采集過程中，P為航測數(shù)據(jù)采集過程中所允許的誤差，則無人機(jī)航測數(shù)據(jù)采集誤差最小化方程為

(12)

對上述仿真進(jìn)行消元處理，即可獲取無人機(jī)航測數(shù)據(jù)誤差校正結(jié)果。

根據(jù)無人機(jī)飛行路線規(guī)劃定義拍攝圖像、拍攝高度和間隔等參數(shù)，并將同名點之間重復(fù)圖像，根據(jù)圖像測量原理與之匹配，利用獲得的點云密集點構(gòu)建道路交叉口空間的三維網(wǎng)絡(luò)模型[8]。

多邊形網(wǎng)絡(luò)模型由帶有三維坐標(biāo)信息三維點云構(gòu)建，展現(xiàn)模型最真實的形態(tài)特點?？衫枚噙呅尉W(wǎng)絡(luò)模型獲取物體不規(guī)則形態(tài)與物體多面體的形狀特點。在原有三維坐標(biāo)點云基礎(chǔ)上，利用高分辨率影像，構(gòu)建顯示物體形態(tài)的三維多邊形網(wǎng)格，以此完成道路交叉口空間的三維模型構(gòu)建，利用該模型提取道路交叉口空間信息，以此達(dá)到相關(guān)的研究目標(biāo)。

3 實驗分析

為了驗證基于無人機(jī)航測技術(shù)的道路交叉口空間信息提取方法的有效性，需要對航測無人機(jī)的空間信息進(jìn)行自動提取，并驗證其有效性。實驗環(huán)境由MATLAB 7.1仿真軟件構(gòu)建，并根據(jù)Visual C++6.0對實驗程序進(jìn)行編寫。

分別采用無人機(jī)道路交叉口空間數(shù)據(jù)自動采集方法、基于無人機(jī)大場景序列的數(shù)據(jù)自動采集方法(方法1)和無人機(jī)傾斜攝影測量的地理空間數(shù)據(jù)采集(方法2)進(jìn)行位置信息測試，測試結(jié)果如圖1所示。

圖1 各方法的位置信息

通過圖1中數(shù)據(jù)得知，本文方法的無人機(jī)飛行位置與實際測量值極為接近，而方法1和方法2獲取的無人機(jī)飛行位置角度存在過高和過低的問題。相比之下，本文方法的無人機(jī)飛行位置定位效果更好，這是由于該方法通過用卡爾曼濾波推導(dǎo)出觀測方程與狀態(tài)方程，準(zhǔn)確獲得無人機(jī)的位置信息，實現(xiàn)無人機(jī)的精準(zhǔn)定位。

在上述實驗的基礎(chǔ)上，為進(jìn)一步驗證不同方法的實際應(yīng)用效果，進(jìn)行了道路交叉口空間信息提取準(zhǔn)確率比較。

假設(shè)無人機(jī)工作過程中，在正常信息中會摻雜一定的異常信息，這部分信息用{a1，a2,…,an}表示，其數(shù)量為n，則{b1,b2,…,bm}為異常信息對應(yīng)屬性構(gòu)成。隨機(jī)在異常信息中選擇1組數(shù)據(jù)ap，此類型信息特征向量用bq描述。

不同算法性能高低可根據(jù)運行中無人機(jī)航測數(shù)據(jù)庫中所挖掘的異常信息是否準(zhǔn)確進(jìn)行判斷。所以在進(jìn)行道路交叉口空間信息提取過程中，需要對無人機(jī)航測數(shù)據(jù)挖掘準(zhǔn)確率進(jìn)行判斷，具體描述為

(13)

分別采用本文方法、方法1和方法2，對道路交叉口空間信息提取過程中的無人機(jī)航測數(shù)據(jù)挖掘準(zhǔn)確率進(jìn)行測試，測試結(jié)果如圖2所示。

圖2 不同方法的挖掘準(zhǔn)確率

根據(jù)圖2中數(shù)據(jù)可知，隨著環(huán)境惡劣系數(shù)的增加，方法1與方法2的挖掘準(zhǔn)確率在逐漸下降，而本文方法的挖掘準(zhǔn)確率始終高于方法1和方法2。這是由于基于無人機(jī)航測技術(shù)的道路交叉口空間信息提取方法通過卡爾曼濾波列出方程矩陣，確定無人機(jī)的位置信息，以此采集無人機(jī)航測數(shù)據(jù)，可以有效提高挖掘準(zhǔn)確率。

分別采用本文方法、方法1和方法2對道路交叉口空間信息提取時間進(jìn)行測試，測試結(jié)果如圖3 所示。

分析圖3實驗數(shù)據(jù)得知，隨著環(huán)境惡劣系數(shù)的增加，不同方法的道路交叉口空間信息提取時間也在不斷增多，但本文方法的道路交叉口空間信息提取時間始終低于方法1和方法2，驗證了所提方法對道路交叉口空間信息提取的速度較快。

圖3 不同方法的挖掘時間

4 結(jié)束語

隨著無人機(jī)小型化和智能化的發(fā)展，該行業(yè)與現(xiàn)實應(yīng)用結(jié)合越來越密切，但是利用無人機(jī)進(jìn)行地理位置觀測、監(jiān)測和數(shù)據(jù)傳輸仍存在不足，阻礙無人機(jī)對數(shù)據(jù)采集。為此進(jìn)行了基于無人機(jī)航測技術(shù)的道路交叉口空間信息提取研究。通過推導(dǎo)卡爾曼濾波獲得狀態(tài)方程與觀測方程，以此監(jiān)測無人機(jī)位置，利用無人機(jī)采集數(shù)據(jù)信息建立道路交叉口空間三維建模，實現(xiàn)了道路交叉口空間信息提取，促進(jìn)了無人機(jī)在數(shù)據(jù)采集以及信息提取領(lǐng)域中的進(jìn)一步發(fā)展。