一种基于三维模型的应急管理监测方法

1.本发明涉及一种基于三维模型的应急管理监测方法，属于无人机监测技术领域。


背景技术：

2.无人驾驶飞机简称“无人机”，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机。
3.化工厂堆放有各种危险源，化工厂爆炸的案例时有发生，因不了解化工厂内部情况，往往造成救援人员清除危险源时人员无意义伤亡和被困人员、财产的重大损失。无人机安装有自动驾驶仪、程序控制装置等设备，代替了人员进入灾难现场，了解内部的情况，为求援提供了重要的信息支撑。但现有的无人机的定位存在不及时，精确度低，往往在灾难现场的应急救援中折损，无法在应急救援中无法发挥重要作用。


技术实现要素：

4.为了克服现有技术的不足，本发明提供了一种基于三维模型的应急管理监测方法，以快速定位危险源和生成救援路线，同时降低无人机的不必要的折损。
5.本发明的技术方案：本发明提供了一种基于三维模型的应急管理监测方法，具体包括以下步骤：步骤s1：准备应急管理监测系统，所述应急管理监测系统包括控制台和探测无人机，所述探测无人机上搭载中控模块、充电模块和导航建图避障模块、无线传输模块、气体传感器、红外相机，所述红外相机、气体传感器、导航建图避障模块、无线传输模块、充电模块分别与中控模块电性连接；所述导航建图避障模块对灾难现场出现的障碍物进行探测，当红外相机扫描到阻碍巡航路线上的物体时，将其标记为障碍物，第一时间作出避障处理；所述中控模块包括分析单元、存储单元和传输单元，所述分析单元将红外相机测得的温度t1、气体传感器测得浓度w1和存储单元存储的温度阈值t0、气体浓度阈值w0，作为控制台的输入信息，判断现场属于危险区域、救援区域还是轻度危险区域，并将判断结果传递给传输单元，所述传输单元与无线传输模块有线连接，输入红外相机的视频信息、中控模块输出的判断结果，将其传递给无线传输模块；所述探测无人机通过所述无线传输模块与控制台进行信息通讯；步骤s2：所述控制台包括三维实景建模软件管理层和三维实景建模软件引擎层，进行模型的搭建任务，所述搭建任务包括空中三角测量和模型三维重建，所述空中三角测量是立体摄影测量中，在所述三维实景建模软件管理层输入一组对目标化工工厂从不同角度拍摄的数码照片作为输入数据源，同时输入辅助数据，所述辅助数据包括摄像头的属性、照片的位置、旋转照片的角度、控制点、危险温度阈值、气体浓度阈值，将所述数码照片中少量的野外控制点，在室内通过控制台进行控制点加密，求得加密点的高程和平面位置的测量方法，所述控制点23为遍历任务所需到达的位置；
步骤s3：所述三维实景建模软件管理层将搭建任务分解为基础作业并提交给三维实景建模软件引擎层，所述三维实景建模软件引擎层进行基础作业的处理进行模型搭建，所述三维实景建模软件引擎层生成的应急管理监测模型反馈回所述三维实景建模软件管理层，再由所述三维实景建模软件管理层导出高分辨率的带有真实纹理的应急监测管理模型，完成可视化的应急管理监测模型；步骤s4：所述探测无人机采用避障建图算法进行自主导航和避障；所述红外相机、气体传感器采集信息，将采集到的信息同步传输到分析单元；步骤s5：对所述应急管理监测模型进行评估，划分为危险区域、救援区域、轻度危险区域三种，并标注救援区域和生成救援路线；步骤s6：通过引入危险区域辅助势场的人工势场算法，获得最佳三维应急救援路径；步骤s7：所述控制台通过动画演示建筑物内的危险源和最佳救援路线。
6.进一步地，步骤s4中，所述避障建图算法是一种融合特征法与直接法的算法，其建立三个线程，分别为探测无人机实时跟踪、应急管理监测系统建图和闭环检测，具体为：步骤s41：探测无人机位姿初始化：在探测无人机启动时，将红外相机拍摄到的第一帧图像作为关键帧，以当前三维坐标为基点，创建一个初始化地图；步骤s42：探测无人机执行实时跟踪和应急管理监测系统建图，探测无人机通过最小化光度误差，对红外相机拍摄到的初始位姿和像素点的对应关系进行计算，再利用最小化局部地图点的重投影误差再次优化红外相机的位姿，对局部地图进行跟踪；若跟踪失败，则触发新的跟踪周期；所述红外相机拍摄当前帧，若当前帧和前一帧有区别，则将当前帧判断为关键帧；若无区别，则将当前帧判断为非关键帧；在局部建图线程中，对当前关键帧图像中的orb特征进行提取与匹配，之后筛选出当前关键帧中冗余的地图点，由特征提取与匹配的结果来创建新的地图点，所述orb特征为基于加速分割测试的特征点和二元鲁棒独立基本特征描述子结合的特征；当处理完所有关键帧之后，执行局部 ba优化，对周围的关键帧位姿以及地图点位置进行优化，以获得更加准确的定位与建图精度，最后筛选候选关键帧，对冗余的关键帧进行剔除。
7.步骤s43：探测无人机进行闭环检测：在闭环检测线程中，通过检索图像识别数据库执行闭环检测，当检测到闭环时，对闭环周期进行判断，若当前关键帧与闭环关键帧不属于同一个周期，则将闭环关键帧的周期与当前关键帧的周期合并为同一周期，最后将此周期内的所有关键帧位姿与所有地图点位置作为优化变量执行全局 ba 优化，从而得到全局一致的环境地图和相机运动轨迹。
8.进一步地，所述中控模块和导航建图避障模块固定安装在所述探测无人机的机架的上方，所述红外相机和气体传感器平行固定安装在所述探测无人机的机架的下方，所述充电模块固定安装在所述探测无人机的机架的一个侧面。
9.进一步地，所述充电模块包括短路单元、过载单元，所述短路单元用于所述充电模块在为探测无人机充电中提供短路保护；所述过载单元用于充电模块在为探测无人机充电中提供过载保护。
10.进一步地，还包括抗高温保护膜，所述抗高温保护膜包裹所述探测无人机上搭载的中控模块、充电模块、导航建图避障模块、无线传输模块、气体传感器、红外相机，仅露出气体传感器的通气孔、红外相机的镜头孔和充电模块的充电口。
11.进一步地，所述气体传感器包括一氧化碳传感器。
12.进一步地，所述控制点为存放危险物品的区域、存放贵重物品的区域、存放重要资料的区域、存在大量人群聚集的区域。
13.进一步地，所述控制点包括灾难现场入口和灾难现场出口。
14.进一步地，所述控制台为电脑或平板电脑。
15.进一步地，步骤s6中，所述危险区域辅助势场的人工势场算法，指灾难现场存在三个力的势场：探测无人机指向救援区域的引力势场、危险区域的斥力势场和危险区域辅助势场，所述引力势场随着救援区域与探测无人机距离减小而减小；危险区域指向探测无人机的斥力随探测无人机与危险区域间距的减小而增大；所述危险区域辅助势场与危险区域的速度以及探测无人机与危险区域的相对角度有关，将救援区域引力势场、危险区域斥力势场和危险区域辅助势场合并，探测无人机的运动由引力场、斥力场和危险区域辅助势场三个势场所叠加的合力控制，从而避开危险区域，完成路径规划，具体为：所述救援区域引力势场的函数为其中，为引力势能；为引力增益因子；为探测无人机与危险区域之间的欧氏距离；所述危险区域斥力势场，其危险区域速度的函数：危险区域斥力势场函数为：其中，为危险区域斥力势场增益调节参数，为机器人与危险区域的距离，为危险区域斥力势场影响范围；最后构建所述危险区域辅助势场函数为：其中，其为辅助势场随机增益调节函数；为增益调节系数，0≤≤1为随机数；为势场转换角度矩阵，为旋转角度，与无人机和危险区域的相对角度以及危险区域速度有关；
因此探测无人机所受的合力如下：所述探测无人机所受的合力由救援区域引力势场、危险区域斥力势场和危险区域辅助势场组成的合势场负梯度方向计算而得。
16.有益效果本发明一种基于三维模型的应急管理监测方法通过探测无人机快速定位危险源并分析出危险区域、救援区域和安全区域，并设置导航建图避障模块和引入辅助势场后的人工势场算法，生成最佳三维应急救援路径，降低了无人机的不必要的折损，同时有助于提高救援人员的搜救效率，从而可防止救援人员清除危险源时造成人员无意义伤亡。
附图说明
17.图1为本发明一种基于三维模型的应急管理监测方法的流程示意图；图2为本发明一种基于三维模型的应急管理监测的运行示意图；图3为本发明一种基于三维模型的应急管理监测的侦察无人机结构图；图4为一种融合特征法与直接法的探测无人机避障建图算法系统结构图；图5为一种融合特征法与直接法的探测无人机避障建图算法流程图；图6为一种引入辅助势场后的人工势场算法流程图；其中，探测无人机10中控模块11导航建图避障模块13气体传感器15 红外相机17无线传输模块18灾难现场入口22 控制点23障碍物24灾难现场出口28。
具体实施方式
18.下面结合附图和实施例对本技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
19.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
20.本发明一种基于三维模型的应急管理监测方法，如图1所示，具体包括以下步骤：步骤s1：准备应急管理监测系统，如图3所示，所述应急管理监测系统包括控制台
和探测无人机10，探测无人机10为多旋翼式小微型无人飞行器，图3中以四旋翼无人飞行器示意。
21.所述探测无人机10上通过机架搭载中控模块11、充电模块19和导航建图避障模块13、无线传输模块18、气体传感器15、红外相机17。机架是探测无人机10上的金属框架和载板，用于固定小型设备或零部件。所述中控模块11和导航建图避障模块13固定安装在所述探测无人机10的机架的上方，所述红外相机17和气体传感器15平行固定安装在所述探测无人机10的机架的下方，红外相机17用于检测温度和现场情况，测得现场实时温度t1和视频信息。
22.所述充电模块19固定安装在所述探测无人机10的机架的一个侧面。一般地，气体传感器15指一氧化碳传感器，当然也可以根据实际情况采用检测硫、氮等的气体传感器，测得气体浓度为w1。
23.所述红外相机17、气体传感器15、导航建图避障模块13、无线传输模块18、充电模块19分别与中控模块11电性连接。充电模块包括短路单元、过载单元，所述短路单元用于所述充电模块19在为探测无人机10充电中提供短路保护；所述过载单元用于充电模块19在为探测无人机10充电中提供过载保护。
24.采用抗高温保护膜包裹所述探测无人机10上搭载的中控模块11、充电模块19、导航建图避障模块13、无线传输模块18、气体传感器15、红外相机17，仅露出气体传感器15的通气孔、红外相机17的镜头孔和充电模块19的充电口，图3中未示出。一般地，抗高温保护膜采用氧化铝纤维，其是一种主要成分为氧化铝的多晶质无机纤维，外观呈白色，光滑、柔软、富有弹性、尤如脱脂棉，它集晶体材料和纤维材料特性于一体，使用温度达1450℃—1600℃，熔点达1840℃，有较好的耐热稳定性，其导热率是普通耐火砖的1/6，容重只有其1/25，节能率达15—45%。所述抗高温保护膜包裹所述探测无人机10上搭载的中控模块11、充电模块19、导航建图避障模块13、无线传输模块18、气体传感器15、红外相机17，仅露出气体传感器15的通气孔、红外相机17的镜头孔和充电模块19的充电口。
25.所述导航建图避障模块13对灾难现场出现的障碍物24进行探测，当红外相机17扫描到阻碍巡航路线上的物体时，将其标记为障碍物24，第一时间作出避障处理，可以提高探测无人机10的遍历危险源的效果，提高遍历危险源的速率。
26.所述中控模块11包括分析单元、存储单元和传输单元，所述分析单元将红外相机17测得的现场实时温度t1、气体传感器15测得浓度w1和存储单元存储的温度阈值t、气体浓度阈值w0，作为控制台的输入信息，判断现场属于危险区域、救援区域还是轻度危险区域，并将判断结果传递给传输单元，所述传输单元与无线传输模块18有线连接，输入红外相机17的视频信息、中控模块11输出的判断结果，将其传递给无线传输模块18；所述探测无人机10通过所述无线传输模块18与控制台进行信息通讯；步骤s2：所述控制台为电脑或平板电脑等智能电子产品，其安装有smart 3d软件，该软件包括三维实景建模软件管理层和三维实景建模软件引擎层，进行模型的搭建任务，所述搭建任务包括空中三角测量和模型三维重建，所述空中三角测量是立体摄影测量中，在所述三维实景建模软件管理层输入一组对目标化工工厂从不同角度拍摄的数码照片作为输入数据源，同时输入辅助数据，所述辅助数据包括摄像头的属性、照片的位置、旋转照片的角度、控制点23、危险温度阈值、气体浓度阈值，将所述数码照片中少量的野外控制点，
在室内通过控制台进行控制点加密，求得加密点的高程和平面位置的测量方法，所述控制点23为遍历任务所需到达的位置，如存放危险物品的区域、存放贵重物品的区域、存放重要资料的区域、存在大量人群聚集的区域等。控制点23还包括灾难现场入口22和灾难现场出口28，如图2所示。
27.步骤s3：所述三维实景建模软件管理层将搭建任务分解为基础作业并提交给三维实景建模软件引擎层，所述三维实景建模软件引擎层进行基础作业的处理进行模型搭建，所述三维实景建模软件引擎层生成的应急管理监测模型反馈回所述三维实景建模软件管理层，再由所述三维实景建模软件管理层导出高分辨率的带有真实纹理的应急监测管理模型，完成可视化的应急管理监测模型；步骤s4：所述探测无人机10采用避障建图算法进行自主导航和避障；所述红外相机17、气体传感器15采集信息，将采集到的信息同步传输到分析单元；设置探测无人机10的飞行高度为2-3m，安全飞行温度为400℃，当危险源温度高于400℃，探测无人机10将飞行转移到下一个危险源处，这样可以一方面保护探测无人机10，另一方面由于危险源没有抢救的必要，可以节省时间对下一危险源进行保护，提高了保护效率。所述避障建图算法是一种融合特征法与直接法的算法，其建立三个线程，分别为探测无人机10实时跟踪、应急管理监测系统建图和闭环检测，如图5所示，具体为：步骤s41：探测无人机10位姿初始化：在探测无人机10启动时，将红外相机17拍摄到的第一帧图像作为关键帧，以当前三维坐标为基点，创建一个初始化地图；步骤s42：探测无人机10执行实时跟踪和应急管理监测系统建图，探测无人机10通过最小化光度误差，对红外相机17拍摄到的初始位姿和像素点的对应关系进行计算，再利用最小化局部地图点的重投影误差再次优化红外相机17的位姿，对局部地图进行跟踪；若跟踪失败，则触发新的跟踪周期；如图4所示，以红外相机17拍摄当前帧，若当前帧和前一帧有区别，则将当前帧判断为关键帧；若无区别，则将当前帧判断为非关键帧；在局部建图线程中，对当前关键帧图像中的orb特征进行提取与匹配，之后筛选出当前关键帧中冗余的地图点，由特征提取与匹配的结果来创建新的地图点，所述orb特征为基于加速分割测试的特征点和二元鲁棒独立基本特征描述子结合的特征。
28.当处理完所有关键帧之后，执行局部 ba优化，对周围的关键帧位姿以及地图点位置进行优化，以获得更加准确的定位与建图精度，最后筛选候选关键帧，对冗余的关键帧进行剔除。
29.步骤s43：探测无人机10进行闭环检测：在闭环检测线程中，通过检索图像识别数据库执行闭环检测，当检测到闭环时，对闭环周期进行判断，若当前关键帧与闭环关键帧不属于同一个周期，则将闭环关键帧的周期与当前关键帧的周期合并为同一周期，最后将此周期内的所有关键帧位姿与所有地图点位置作为优化变量执行全局 ba 优化，从而得到全局一致的环境地图和相机运动轨迹。
30.步骤s5：对所述应急管理监测模型进行评估，划分为危险区域、救援区域、轻度危险区域三种，并标注救援区域和生成救援路线。
31.步骤s6：通过引入危险区域辅助势场的人工势场算法，生成最佳三维应急救援路径。
32.所述危险区域辅助势场的人工势场算法，指灾难现场存在三个力的势场：探测无人机10指向救援区域的引力势场、危险区域的斥力势场和危险区域辅助势场，所述引力势场随着救援区域与探测无人机10距离减小而减小；危险区域指向探测无人机10的斥力随探测无人机10与危险区域间距的减小而增大；所述危险区域辅助势场与危险区域的速度以及探测无人机10与危险区域的相对角度有关，将救援区域引力势场、危险区域斥力势场和危险区域辅助势场合并，探测无人机10的运动由引力场、斥力场和危险区域辅助势场三个势场所叠加的合力控制，从而避开危险区域，完成路径规划，如图6所示，具体为：所述救援区域引力势场的函数为其中，为引力势能；为引力增益因子；为探测无人机与危险区域之间的欧氏距离；所述危险区域斥力势场，其危险区域速度的函数：危险区域斥力势场函数为：其中，为危险区域斥力势场增益调节参数，为机器人与危险区域的距离，为危险区域斥力势场影响范围；最后构建所述危险区域辅助势场函数为：其中，其为辅助势场随机增益调节函数；为增益调节系数，0≤≤1为随机数；为势场转换角度矩阵，为旋转角度，与无人机和危险区域的相对角度以及危险区域速度有关；因此探测无人机10所受的合力如下：所述探测无人机10所受的合力由救援区域引力势场、危险区域斥力势场和危险区域辅助势场组成的合势场负梯度方向计算而得。
33.步骤s7：通过控制台动画演示建筑物内的危险源和最佳救援路线。
34.通过电脑或平板电脑等其他智能电子产品构成的控制台动画演示建筑物内的危险源和生成的最佳救援路线展示给救援人员，有助于提高救援人员的搜救效率，从而可防止救援人员清除危险源时造成人员无意义伤亡。
35.以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明实施例揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。