基于無人機多傳感吊艙系統(tǒng)的火點實時定位方法

李興東，肖 旭，陳顯東，張時雨，劉九慶,2

(1.東北林業(yè)大學(xué)機電工程學(xué)院，哈爾濱，150006；2.國家林業(yè)草原人工智能與裝備工程技術(shù)研究中心，哈爾濱，150006)

0 引言

森林火災(zāi)一直是各個國家重點預(yù)防的災(zāi)害之一，它的危害是全球性的、毀滅性的。2021年7月，加拿大不列顛哥倫比亞省因高溫干燥天氣發(fā)生山火，火場達(dá)200多個，火場面積約450公頃。2021年6月，美國加利福尼亞州北部山火肆虐，燃起的“熔巖”山火過火面積約9800公頃，為加州迄今為止最嚴(yán)重的山火之一。為了減小森林火災(zāi)造成的損失，及時發(fā)現(xiàn)火點在林火防控中至關(guān)重要。

傳統(tǒng)的林火監(jiān)測方案主要是在地面鋪設(shè)溫度、濕度、氣體或煙霧等多傳感器網(wǎng)絡(luò)[1,2]，但這種方案容易導(dǎo)致數(shù)據(jù)冗余，而且監(jiān)測范圍有限，難以大面積覆蓋。如果將來自多個傳感器的信息進(jìn)行數(shù)據(jù)融合[3]，不僅能減少數(shù)據(jù)量，還能提高監(jiān)測信息的準(zhǔn)確性。隨著計算機技術(shù)和數(shù)字成像技術(shù)的快速發(fā)展，利用計算機視覺組成的地面?zhèn)鞲衅骶W(wǎng)絡(luò)有效提高了檢測精度和覆蓋范圍。文獻(xiàn)[4]提出了一個基于紅外圖像探測野火的多傳感器網(wǎng)絡(luò)系統(tǒng)，擴大了系統(tǒng)的監(jiān)測范圍。文獻(xiàn)[5]提出了一種基于實時視頻的火災(zāi)煙霧探測方法，該方法與多傳感器網(wǎng)絡(luò)系統(tǒng)相結(jié)合，能實時反饋火災(zāi)煙霧位置?；诘孛嬉曈X傳感器網(wǎng)絡(luò)的林火檢測方案雖然提高了檢測精度和監(jiān)測范圍，但是一般林區(qū)地形復(fù)雜，不可避免地存在視覺盲區(qū)。

無人機與計算機視覺相結(jié)合形成的無人機影像[6,7]在林火監(jiān)測領(lǐng)域具有很好的應(yīng)用前景，文獻(xiàn)[8]先通過地面端的攝像機進(jìn)行初步判斷，然后用一架裝有氣體傳感器和熱成像攝像機的遙控?zé)o人機進(jìn)行驗證，減少了誤報的情況。該方法用無人機對煙霧進(jìn)行判斷時，不可避免地需要飛到離火區(qū)距離較近的地方，對無人機設(shè)備存在威脅。文獻(xiàn)[9]使用地面站與機載紅外和可視攝像機進(jìn)行森林火災(zāi)監(jiān)測，實現(xiàn)了對火鋒的位置、形狀、火基寬度和火焰高度的測量。該方案地面端的紅外和可視攝像機在野外復(fù)雜環(huán)境下工作時容易存在視覺盲區(qū)，如果失去了地面端數(shù)據(jù)的支持，僅靠無人機攜帶的紅外和可視攝像機難以實現(xiàn)對火點的全局定位。文獻(xiàn)[10]提出了IMU (Inertial Measurement Unit)與計算機視覺相結(jié)合的火災(zāi)探測系統(tǒng)，并與地面站通信實現(xiàn)了火場的建圖與火點的定位。但I(xiàn)MU會產(chǎn)生累積誤差，且在林火監(jiān)測中依靠單個可見光攝像機具有一定局限性。

為此，本文提出了一個通過衛(wèi)星-慣導(dǎo)定位系統(tǒng)與計算機視覺相結(jié)合的林火監(jiān)測方案，相比文獻(xiàn)[9]它直接獲取衛(wèi)星信號定位無人機位置，減小了對地面視覺傳感器的依賴；相比文獻(xiàn)[10]它融合了GPS(Global Positioning System)與IMU信息，減小了累積誤差；相比僅采用視覺的林火監(jiān)測方案，本文可以利用激光雷達(dá)直接獲取到火場的空間三維信息[11,12]；同時本文利用紅外圖像識別林火，有效結(jié)合了文獻(xiàn)[4]的優(yōu)點；與利用衛(wèi)星遙感技術(shù)的林火定位方案[13]相比，本文方案時間分辨率更高，即使在林火蔓延初始階段，燃燒面積較小，也容易監(jiān)測到。

1 火點定位方法

1.1 無人機吊艙系統(tǒng)設(shè)計

本文搭建了一個無人機吊艙系統(tǒng)，它包括無人機端和地面接收端。無人機端由硬件系統(tǒng)和軟件系統(tǒng)組成，硬件系統(tǒng)包括傳感器模塊、數(shù)據(jù)處理中心、數(shù)據(jù)傳輸模塊；軟件系統(tǒng)包括傳感器驅(qū)動節(jié)點、點云拼接節(jié)點、火點識別節(jié)點、數(shù)據(jù)融合節(jié)點和數(shù)據(jù)傳輸節(jié)點。地面接收端用于控制吊艙設(shè)備、查看傳感器數(shù)據(jù)和在地圖中顯示無人機及火點信息。

傳感器模塊包括激光雷達(dá)(Velodyne公司研制的VLP-16激光雷達(dá))、紅外熱像儀(國產(chǎn)ZX-IRV氧化釩紅外熱像儀)、組合慣導(dǎo)系統(tǒng)(法國SBG Ellipse-E組合慣導(dǎo)系統(tǒng))和可見光相機(大恒圖像研發(fā)的MER2-G系列的GigE接口相機)，負(fù)責(zé)數(shù)據(jù)采集；數(shù)據(jù)處理中心是指吊艙系統(tǒng)上搭載的工控機(英特爾NUC8i5)，負(fù)責(zé)數(shù)據(jù)處理和計算；數(shù)據(jù)傳輸模塊包括無線路由器、無線網(wǎng)橋和無線數(shù)傳電臺，負(fù)責(zé)數(shù)據(jù)傳輸。在數(shù)據(jù)傳輸模塊中，由路由器建立一個局域網(wǎng)，在局域網(wǎng)內(nèi)實現(xiàn)機載系統(tǒng)與地面終端間的數(shù)據(jù)交互，其中無線數(shù)傳電臺負(fù)責(zé)火點和無人機位置信息的傳輸，無線網(wǎng)橋負(fù)責(zé)圖像的傳輸。本系統(tǒng)的硬件組成如圖1所示。

(1.工控機；2.無線路由器；3.激光雷達(dá)；4.可見光相機；5.紅外熱像儀；6.組合慣導(dǎo)系統(tǒng)；7.無線數(shù)傳電臺；8.無線網(wǎng)橋)圖1 系統(tǒng)硬件Fig. 1 The hardware structure

軟件系統(tǒng)的控制程序基于ROS(Robot Operating System)開發(fā)，以節(jié)點為單位。本系統(tǒng)工作時先由傳感器驅(qū)動節(jié)點將激光雷達(dá)、組合慣導(dǎo)系統(tǒng)、紅外熱像儀和可見光相機啟動；然后將激光雷達(dá)采集到的點云數(shù)據(jù)和組合慣導(dǎo)系統(tǒng)采集到的位姿數(shù)據(jù)在點云拼接節(jié)點進(jìn)行數(shù)據(jù)融合，獲得密集點云；同時在火點識別節(jié)點處理紅外熱像儀采集的圖像數(shù)據(jù)，并由火點識別算法檢測是否存在火點；如果存在火點，則啟動數(shù)據(jù)融合節(jié)點將該幀紅外圖像與對應(yīng)時間戳的密集點云進(jìn)行融合，并定位出火點在地理坐標(biāo)系下的位置；最后由數(shù)據(jù)傳輸節(jié)點將無人機和火點的位置信息、可見光相機與紅外熱像儀采集到的圖像信息及點云信息傳輸?shù)降孛娼邮斩恕?/p>

地面接收端連接無線數(shù)傳電臺和無線網(wǎng)橋，無線數(shù)傳電臺用于接收無人機和火點位置信息，無線網(wǎng)橋用于接收可見光相機與紅外熱像儀采集到的圖像信息及點云信息。

1.2 傳感器標(biāo)定

激光雷達(dá)、紅外熱像儀與組合慣導(dǎo)系統(tǒng)等傳感器多數(shù)據(jù)融合之前，需要知道其相對位姿關(guān)系。本系統(tǒng)將激光雷達(dá)與紅外熱像儀數(shù)據(jù)融合、激光雷達(dá)與組合慣導(dǎo)數(shù)據(jù)融合，所以需要標(biāo)定出激光雷達(dá)與紅外熱像儀、激光雷達(dá)與組合慣導(dǎo)的位姿關(guān)系。

將三維點云投影到成像平面時需要左乘紅外熱像儀的內(nèi)參矩陣，本文采用張正友標(biāo)定法解算紅外熱像儀的內(nèi)參矩陣，并利用材料的導(dǎo)熱性制作了一張可被紅外熱像儀識別的棋盤格標(biāo)定板[14,15]。相機內(nèi)參矩陣由ROS的相機標(biāo)定工具包解算，并用M表示。

紅外熱像儀、激光雷達(dá)與組合慣導(dǎo)系統(tǒng)的位姿關(guān)系如圖2所示，圖2中的四個坐標(biāo)系分別為世界坐標(biāo)系oW-xWyWzW、慣導(dǎo)坐標(biāo)系oI-xIyIzI、雷達(dá)坐標(biāo)系oL-xLyLzL，紅外熱像儀坐標(biāo)系oC-xCyCzC。其中世界坐標(biāo)系以正東方為x軸，以正北方為y軸，z軸豎直向上。雷達(dá)坐標(biāo)系與紅外熱像儀坐標(biāo)系間的旋轉(zhuǎn)矩陣用RCL表示，平移向量用TCL表示，雷達(dá)與組合慣導(dǎo)間的旋轉(zhuǎn)矩陣用RIL表示，平移向量用TIL表示，慣導(dǎo)坐標(biāo)系到世界坐標(biāo)系的旋轉(zhuǎn)矩陣用RWI表示、平移向量用TWI表示。

圖2 傳感器位姿關(guān)系Fig. 2 The pose relationship of sensors

本文采用OpenCV里的PNP算法求解出紅外熱像儀到激光雷達(dá)的旋轉(zhuǎn)矩陣RCL、平移向量TCL：用紅外熱像儀和激光雷達(dá)拍攝同一標(biāo)定板，分別記錄標(biāo)定板中同一角點在點云和紅外圖像中對應(yīng)的坐標(biāo)，獲得多組點對(至少4組點對)，然后帶入PNP算法求解出RCL、TCL。

求解組合慣導(dǎo)到激光雷達(dá)的旋轉(zhuǎn)矩陣RIL和平移向量TIL時，平移向量TIL可以直接測量，為[0.18，0，0.24]T，但是標(biāo)記點在慣導(dǎo)坐標(biāo)系中的位置并不能直接獲得[16]，所以本文采用手眼標(biāo)定法。吊艙系統(tǒng)分別在a、b兩個位置采集地面靜止的箱體，此時手眼標(biāo)定的表達(dá)式為：

RIaIb·RIL=RIL·RLaLb

(1)

式中RIaIb表示吊艙系統(tǒng)從a位置到b位置時慣導(dǎo)坐標(biāo)系的位姿變化，可通過組合慣導(dǎo)讀取的數(shù)據(jù)獲得；RLaLb表示吊艙系統(tǒng)從a位置到b位置時雷達(dá)坐標(biāo)系的位姿變化，可通過ICP匹配兩幀點云數(shù)據(jù)解出。由此可以通過Tsai[17]解算出RIL：

(2)

在1.3節(jié)的圖3中能直觀地看出通過RIL、TIL的點云拼接效果。

1.3 點云密集化

VLP-16激光雷達(dá)掃描得到的單幀點云中只有16條點云線，分辨率低，所以本文基于組合慣導(dǎo)輸出的四元數(shù)和GPS數(shù)據(jù)將多幀點云拼接到一起得到密集點云。

點云拼接的具體實現(xiàn)過程：獲取第一幀點云時，在此刻無人機所在的世界坐標(biāo)系oW-xWyWzW位置建立一個局部坐標(biāo)系oJ-xJyJzJ，該坐標(biāo)系x軸指向正北方，該坐標(biāo)系y軸指向正東方，并記錄該坐標(biāo)系原點所在的GPS位置。

然后將采集到的每一幀點云及對應(yīng)時間戳的無人機位姿(組合慣導(dǎo)輸出的四元數(shù))與GPS記錄下來，通過四元數(shù)計算出拼接第i幀點云對應(yīng)時刻戳慣導(dǎo)坐標(biāo)系oIi-xIiyIizIi相對局部坐標(biāo)系的旋轉(zhuǎn)矩陣RJIi。

將局部坐標(biāo)系原點的GPS表示為[Jlon,Jlat,Jalt]T，拼接第i幀點云對應(yīng)時刻慣導(dǎo)坐標(biāo)系的GPS表示為 [Iilon,Iilat,Iialt]T，經(jīng)墨卡托投影計算出慣導(dǎo)坐標(biāo)系oIi-xIiyIizIi相對局部坐標(biāo)系的平移向量TJIi：

TJIi=

(3)

其中D為赤道的周長，大約40 075 020 m。

根據(jù)慣導(dǎo)坐標(biāo)系到雷達(dá)坐標(biāo)系的旋轉(zhuǎn)矩陣RIL和平移向量TIL計算出此時雷達(dá)坐標(biāo)系中的某一點Pl(xl,yl,zl)在局部坐標(biāo)系中的位置Pj(xj,yj,zj)：

(4)

通過式4將每幀雷達(dá)坐標(biāo)系下的點云變換到局部坐標(biāo)系下得到點云地圖，然后將離散點云濾除：先濾除點云中存在的噪音點[18]，然后根據(jù)激光雷達(dá)的掃描特性，用直通濾波將局部坐標(biāo)系中y軸正負(fù)40 m范圍外的離散點云去除。根據(jù)經(jīng)驗可知，本文所選紅外熱像儀的水平視角范圍小于激光雷達(dá)，無人機在最大飛行高度30 m時，保留y軸正負(fù)40 m范圍的點云數(shù)據(jù)能將整個圖像包含在點云范圍內(nèi)，足以滿足融合所需的點云。如圖3所示。

圖3 點云拼接效果圖Fig. 3 The figure of point cloud splicing

本系統(tǒng)中點云拼接是實時進(jìn)行的，為了方便點云與紅外圖像融合，需要將獲得的點云地圖轉(zhuǎn)到雷達(dá)坐標(biāo)系下。根據(jù)激光雷達(dá)與紅外熱像儀的視野范圍及無人機飛行速度，本文將局部坐標(biāo)系中每連續(xù)5幀點云通過式4的逆運算將其轉(zhuǎn)換到該5幀點云中第一幀點云所在的雷達(dá)坐標(biāo)系，獲得密集點云。

1.4 火點全局定位

通過計算機視覺識別火點主要分為三種方案：顏色特征識別[19,20]、動態(tài)特征識別[21]以及結(jié)合顏色和動態(tài)特征識別[22-24]。在實際監(jiān)測過程中，考慮到林火形成初期，火焰較小，無人機在高空拍攝時火焰特征并不明顯，通過火焰動態(tài)特征來識別火點的方法具有一定的不足；利用顏色特征與動態(tài)特征相結(jié)合的方案識別火點時，如通過深度學(xué)習(xí)模型識別復(fù)雜環(huán)境中的火焰[25]，計算量較大，容易影響實時性。所以本文根據(jù)紅外圖像中火點的顏色特征識別火點，紅外圖像中溫度越高的位置像素值越高、顏色越白，在紅外圖像中顏色特征越明顯。

紅外熱像儀拍攝到火點后，用直方圖統(tǒng)計各像素值出現(xiàn)的頻率，火點像素值集中在233～255，非火點像素值集中在0～35，因此本文火點識別方案分為兩個步驟：

第一步，判斷是否監(jiān)測到火點：記紅外圖像像素總個數(shù)為S，并統(tǒng)計像素值在233～255的像素個數(shù)，用s1表示，像素值在0～35的像素個數(shù)，用s2表示；當(dāng)s1與s2的和大于紅外圖像像素總個數(shù)的百分之85的時候，表示監(jiān)測到火點，如式5所示：

(s1+s2)>S×85%

(5)

第二步，如果監(jiān)測到火點，則進(jìn)行火點識別：用最大類間方差法確定最佳閾值，并用thr表示；紅外圖像中像素值大于這個閾值的像素集合為火點集合，用φ表示；最后將火點集合的邊緣標(biāo)記為紅色?；瘘c的集合表示為：

φ={a(i,j)>thr,1≤i≤m,1≤j≤n}

(6)

式中m、n表示圖像的大小，a(i,j)表示像素(i,j)處的像素值。

火線識別效果如圖4所示。

圖4 火線識別效果圖Fig. 4 The figure of fire line identification

紅外圖像中火點特征明顯，容易識別，但無法確定火點的空間位置；激光雷達(dá)無法直接識別到火點，但容易獲取火場三維信息。因此，本文將紅外圖像與密集點云融合，從而確定出火點的空間位置。

設(shè)密集點云中某一點h的坐標(biāo)為(xh,yh,zh)，其在紅外圖像中的像素坐標(biāo)用(uh,vh)，則有：

(7)

其中矩陣M是紅外熱像儀內(nèi)參矩陣，RCL、TCL是紅外熱像儀坐標(biāo)系到雷達(dá)坐標(biāo)系間的旋轉(zhuǎn)矩陣和平移向量。

紅外圖像與密集點云的融合過程：獲取密集點云與紅外圖像數(shù)據(jù)，并將時間戳對齊；結(jié)合公式7將密集點云投影到紅外圖像上，并將超出部分的點云去除；記錄投影到紅外圖像上的點云對應(yīng)的紅外圖像像素坐標(biāo)的顏色信息，然后將點云增加三個通道用于儲存投影后對應(yīng)像素的顏色信息，獲得帶有紅外圖像顏色信息的紅外三維點云；最后根據(jù)火點的顏色信息提取出紅外三維點云中火點的空間信息。

紅外圖像與密集點云融合的偽代碼如下：

Algorithm: 紅外圖像與密集點云融合Input: 紅外圖像:img, 密集點云:cloud_in, 紅外熱像儀內(nèi)參:M, 紅外熱像儀到激光雷達(dá)坐標(biāo)系的旋轉(zhuǎn)、平移:R、T. 1 新建 pointcolor類型點云colorpoints 2 for i←0 to (點云個數(shù)) by i++ do 3 P←cloud_in 4 newpoint←M×(R×P +T) 5 If (Z >0) then do 6 歸一化處理得到像素坐標(biāo)(u,v) 7 if (像素坐標(biāo)在圖像范圍內(nèi)) then do 8 colorpoints←cloud_in 9 colorpoints←img.at(u,v) 10 if (帶火點特征)then 11 發(fā)布火點空間坐標(biāo) 12 End 13 else 14 Delete 15 End 16 End 17 EndOutput: 帶有紅外圖像顏色信息的三維點云及火點的空間坐標(biāo)

其中P是由輸入點云的坐標(biāo)表示的向量。

紅外圖像與密集點云融合效果如圖5所示。

圖5 紅外圖像與密集點云融合效果圖 Fig. 5 The figure of infrared image and dense point cloud fusion

獲得火點在雷達(dá)坐標(biāo)系下的位置后，本文將其變換到地理坐標(biāo)系下獲得火點在全局坐標(biāo)系下的GPS位置。組合慣導(dǎo)安裝在無人機中心位置，本文將它作為導(dǎo)航坐標(biāo)系中心。當(dāng)識別到火點時，在無人機位置建立一個局部坐標(biāo)系oJi-xJiyJizJi，該坐標(biāo)系x軸與世界坐標(biāo)系y軸方向一致，該坐標(biāo)系y軸與世界坐標(biāo)系x軸方向一致，則世界坐標(biāo)系到該坐標(biāo)系的旋轉(zhuǎn)矩陣RWJi為：

(8)

設(shè)此時的無人機旋轉(zhuǎn)矩陣為RJiI、平移向量為TJiI，其中RJiI通過組合慣導(dǎo)獲得，TJiI據(jù)式1獲得。設(shè)某個火點在雷達(dá)坐標(biāo)系中的坐標(biāo)為[xlf,ylf,zlf]T。據(jù)式4，火點在局部坐標(biāo)系下的坐標(biāo)[xjf,yjf,zjf]T表示為：

(9)

然后將局部坐標(biāo)系原點的GPS進(jìn)行墨卡托投影：設(shè)局部坐標(biāo)系oJi-xJiyJizJi原點的GPS為此時慣導(dǎo)坐標(biāo)系的GPS，表示為[Iilon,Iilat,Iialt]T，則火點在世界坐標(biāo)系下的位置[xWf,yWf,zWf]T表示為：

(10)

最后將火點在世界坐標(biāo)系下的坐標(biāo)通過式10轉(zhuǎn)到WGS-84坐標(biāo)系下，獲得火點的GPS位置[Flon,Flat,Falt]T：

(11)

2 實驗

本文試驗用的無人機為大疆T16，卸掉無人機自帶的藥筒和噴灑裝置，并將設(shè)計的吊艙系統(tǒng)搭載到藥筒位置，如圖6所示。

圖6 搭載在無人機上的吊艙系統(tǒng)Fig. 6 The system mounted on UAV

為了獲得本系統(tǒng)的定位精度與可靠性，本文設(shè)計了一場試驗：在空曠地面鋪設(shè)5 m×7 m的樟子松樹葉，在其中一個斜對角兩端各放置一盆炭火，并記錄這兩盆炭火的地理位置；然后將吊艙系統(tǒng)搭載在無人機上以不同速度、不同高度、不同飛行方向定位火點，并記錄系統(tǒng)定位出的火點GPS位置；最后分析兩個火點的經(jīng)度、緯度和高程的最大誤差、平均誤差及標(biāo)準(zhǔn)化殘差，獲得火點的定位精度與系統(tǒng)的可靠性。

試驗現(xiàn)場如圖7所示。

圖7 試驗現(xiàn)場Fig. 7 Testing field

火點實際位置如表1所示。

表1 火點的實際位置

本文選用的無人機為大疆T16，其最大飛行高度為30 m，最大飛行速度為8 m·s-1，且平時工作速度為3 m·s-1、工作高度為20 m。在實際監(jiān)測過程中，主要的變化因素為飛行高度、飛行速度和飛行方向。為了獲得火點定位的精度并驗證系統(tǒng)的可靠性，在相同試驗條件下，僅改變無人機飛行高度、飛行速度或飛行方向，設(shè)計了12組實驗，各組參數(shù)如表2所示。

表2 無人機飛行參數(shù)

本系統(tǒng)對兩個火點的定位結(jié)果如圖8所示。

圖8 系統(tǒng)定位誤差圖Fig. 8 The error of system positioning

通過圖8可以看出無人機吊艙系統(tǒng)定位出的火點位置基本上都在火點實際位置附近波動，說明無人機在最大飛行高度30 m以內(nèi)、最大飛行速度8 m·s-1以內(nèi)的試驗條件下系統(tǒng)工作較為穩(wěn)定。圖8(b)、圖8(d)、圖8(f)表示的是每組實驗的誤差，具體數(shù)值如表3所示。

表3 實驗誤差

通過表3可以看出試驗中本系統(tǒng)定位火點1時的經(jīng)度最大誤差為1.84×10-5°，經(jīng)度平均誤差為8.00×10-6°；緯度最大誤差為1.79×10-5°，緯度平均誤差為8.80×10-6°；高程最大誤差為0.926 1 m，高程平均誤差為0.415 5 m。本系統(tǒng)定位火點2時的經(jīng)度最大誤差為2.36×10-5°，經(jīng)度平均誤差為6.50×10-6°；緯度最大誤差為1.84×10-5°，緯度平均誤差為8.20×10-6°；高程最大誤差為0.672 3 m，高程平均誤差為0.388 4 m。

為了驗證本系統(tǒng)定位的可靠性，本文分析了系統(tǒng)定位出的火點經(jīng)度、緯度和高程的標(biāo)準(zhǔn)化殘差，如圖9所示。

圖9(a)第6組試驗中火點2經(jīng)度標(biāo)準(zhǔn)化殘差超出[-2，2]范圍，火點2經(jīng)度標(biāo)準(zhǔn)化殘差在[-2，2]范圍內(nèi)的概率為91.67%，但火點1和火點2總體經(jīng)度標(biāo)準(zhǔn)化殘差在[-2，2]范圍內(nèi)的概率為95.83%；圖9(b)兩個火點的緯度標(biāo)準(zhǔn)化殘差均在[-2，2]范圍內(nèi)，概率為100%；圖9(c)第5組試驗中火點1高程標(biāo)準(zhǔn)化殘差超出[-2，2]范圍，火點1高程標(biāo)準(zhǔn)化殘差在[-2，2]范圍內(nèi)的概率為91.67%，但火點1和火點2總體高程標(biāo)準(zhǔn)化殘差在[-2，2]范圍內(nèi)的概率為95.83%。綜上，兩個火點總體的經(jīng)度、緯度和高程的標(biāo)準(zhǔn)化殘差在[-2，2]范圍內(nèi)的概率均在95%以上，服從正態(tài)分布，因此本系統(tǒng)的定位結(jié)果可靠。

圖9 火點定位標(biāo)準(zhǔn)化殘差Fig. 9 The standardized residual of fire point positioning

3 結(jié)論

火點實時、精準(zhǔn)定位在林火防控中至關(guān)重要。本文設(shè)計的可實時全局定位火點的無人機多傳感吊艙系統(tǒng)，在工作高度30 m內(nèi)、飛行速度8 m·s-1內(nèi)，且沒有地面?zhèn)鞲衅骶W(wǎng)絡(luò)支持的試驗條件下，改變飛行高度、飛行速度或飛行方向，得到該系統(tǒng)的定位誤差：經(jīng)度最大誤差為2.36×10-5°，緯度最大誤差為1.84×10-5°，高程最大誤差為0.926 1 m。同時，分析經(jīng)度、緯度和高程的標(biāo)準(zhǔn)化殘差：試驗中火點的經(jīng)度、緯度和高程的標(biāo)準(zhǔn)化殘差在[-2，2]范圍內(nèi)的概率均在95%以上，服從正態(tài)分布，說明本系統(tǒng)的定位結(jié)果可靠。未來，該系統(tǒng)可以結(jié)合林火蔓延預(yù)測模型，提前預(yù)測出林火位置，保障消防員及時撤離危險地區(qū)，在林火防控中具有較高的應(yīng)用價值。