一种基于多波段伪装特征数据采集的航线规划方法

1.本发明属于无人机航线规划技术领域，具体地说，是指一种基于多波段伪装特征数据采集的航线规划方法。


背景技术：

2.随着无人机技术的日益成熟，无人机在勘察、作战、搜救和数据采集等领域发挥出了巨大的作用，在复杂的环境和场景下，实现无人机航线的自主规划和导航非常关键。在真实环境中，雾气、温度、湿度和二氧化碳浓度等天气因素会影响无人机采集数据的质量，现有无人机航线规划方法没有考虑到天气对航线的影响，也没有根据无人机搭载不同波段的数据采集设备进行航线规划。
3.常见的无人机航线规划方法主要有a_star、d_star、rrt、蚁群算法、遗传算法、粒子群算法和人工势场法等，在应用这些算法或者改进算法解决航线规划问题时，并没有考虑到天气因素对航线规划的影响，也没有对搭载可见光、红外或sar(合成孔径雷达)等多种波段数据采集设备的无人机进行特定任务下的航线规划。


技术实现要素：

4.本发明要解决的技术问题是实现在不同波段下的无人机自主航线规划，并且在天气因素的影响下优化无人机的航线，使无人机能够采集到质量更好的伪装特征数据。
5.所述的基于多波段伪装特征数据采集的航线规划方法，具体步骤如下：
6.步骤一，根据无人机的类型及其搭载的数据采集设备，将进行航线规划的无人机中搭载可见光或红外相机的多旋翼无人机，执行步骤二；搭载合成孔径雷达的固定翼无人机，执行步骤四；
7.步骤二，考虑天气对搭载可见光或者红外相机的多旋翼无人机的影响，计算无人机对目标进行数据采集的实际飞行高度，并规划无人机对各目标绕飞的最优顺序；
8.(1)无人机垂直地面采集照片时，无人机的理论飞行高度h通过相机载荷的参数进行计算，并根据天气情况对飞行高度进行调整，得到无人机的实际飞行高度h；
9.无人机的理论飞行高度h为：
[0010][0011]
其中，相机载荷的参数包括相机镜头焦距f、相机像元尺寸a和照片地面分辨率gsd。
[0012]
由于天气的影响，通过改变无人机的飞行高度保证机载相机对目标拍摄的分辨率，具体为：
[0013]
①
雾会削弱目标的反射光线，同时光线会被雾散射进相机，则在有雾的天气条件下，无人机的机载相机接受的光强t(x)为：
[0014]
t(x)＝e-γd(x)
[0015][0016]
其中，d(x)为景深，即无人机采集数据时镜头距离地面的高度；γ为雾带来的散射系数；λ表示波长(单位为微米)，q表示雾的能见度(单位为米)。
[0017]
则到达机载相机的光强t(x)随雾气散射系数γ的增加以指数形式衰减，将无人机的航线高度h等价于景深d(x)，那么无人机的实际飞行高度为：
[0018]
h＝ln(t(x))/γ
[0019]
若要保持相机接收到的光强t(x)不变，则通过降低无人机的飞行高度，来保证拍摄图像的清晰度和目标的可分辨性。
[0020]
②
湿度和二氧化碳对红外相机大气透过率的影响为：
[0021]
红外大气透过率＝经传播衰减后辐射通量/入射前辐射通量
[0022]
在红外波长为8-12μm时，水蒸气和二氧化碳对红外辐射的大气投透过率τ的影响呈指数关系，具体为：
[0023][0024][0025]
当大气湿度大于85％时，搭载红外相机的无人机停止对目标的拍摄；当大气湿度小于85％时，根据实际情况对无人机的飞行高度人为进行调整，湿度越大，实际飞行高度越低。
[0026]
③
同时，大气透过率以及环境温度对目标测量温度产生影响，进一步影响红外相机对目标的数据采集效果；
[0027]
目标的测量温度tc为：
[0028][0029]
其中，τ表示大气透过率，表示目标表面发射率，t0表示被测目标实际温度，ta表示环境温度。
[0030]
环境温度与目标实际温度的温差越大，并且目标测量温度也越大，对目标的数据采集效果最佳。
[0031]
(2)无人机根据实际飞行高度得到对各目标的绕飞半径；
[0032]
假设目标长宽分别为l和w，相机镜头和目标之间的距离为s，无人机垂直于地面的实际飞行高度为h，飞行半径为r，相机所得目标照片中目标占比为y，照片的分辨率p(cm/像素)以及照片尺寸m
×
n，则无人机对目标的绕飞半径r为：
[0033][0034]
相机镜头和目标之间的距离为s为：
[0035][0036]
其中，照片地面分辨率gsd根据照片分辨率、照片尺寸以及目标长宽计算得到：
[0037][0038]
(3)绕飞目标的最优顺序具体决定过程为：
[0039]
步骤201，将无人机起飞点和各目标的经纬度输入到无人机航线规划程序中，无人机从起飞点s出发，最终目的点为i，按照计算得到的实际飞行高度和绕飞半径，对各目标进行绕飞，计算从目的点i出发经过v(除目标点i以外其他目标点的集合)中各个目标一次且仅一次，最后回到起飞点s的最短路径长度d(i,v)；
[0040]
对从目的点i到集合v中任一目标点k之间的距离用c
ik
表示；
[0041]
步骤202，判断集合v是否为空集，若是，则d(i,v)表示直接从目的点i回到起始点s，此时d(i,v)＝c
is
且i≠s；当集合v不为空集时，无人机尝试对集合v中每一个目标进行绕飞，求出最短绕飞距离，即为绕飞目标的最优顺序；
[0042]
无人机绕飞多个目标的最优顺序求解方程为：
[0043][0044]
步骤203，无人机根据对各目标的最优绕飞顺序在不同高度对所有目标进行数据采集；
[0045]
无人机在不同高度对各个目标进行数据采集的过程为：对某个目标，无人机按照旋转角度间隔α进行绕飞，无人机每旋转角度α对目标采集一张照片，直至环绕整个目标，采集多个角度的照片。
[0046]
步骤三，将各目标的经纬度坐标[lngi,lati]转换为平面坐标[xi,yi]，并根据无人机的绕飞半径和旋转角计算各目标对应的各航点的平面坐标，进入步骤五；
[0047]
各目标对应的各航点的平面坐标表示为：
[0048][0049][0050]
其中，j表示第j个航点数。
[0051]
步骤四，搭载合成孔径雷达的固定翼无人机对航线规划的各目标区域分别进行扫描，得到扫描区域的平面坐标；
[0052]
具体为：
[0053]
步骤401、在合成孔径雷达中输入当前目标对应扫描区域的中心点坐标、矩形扫描区域的宽l1和长l2、无人机飞行高度h'、擦地角β以及无人机条带覆盖区域宽度w'；
[0054]
若无人机进行多视角航线规划，则扫描区域为正方形，即l1＝l2；
[0055]
步骤402、根据矩形扫描区域的宽l1和长l2、飞行高度h'、擦地角β以及目标区域中心点坐标(xo,yo)，计算矩形扫描区域的顶点坐标，即得到无人机四边形飞行航线。
[0056]
若为多视角航线规划，则以正方形扫描区域对角线长度7/5l1向外做一个矩形，以正东方向为x轴正方向，该矩形的四个顶点坐标为：
[0057][0058][0059][0060][0061]
若为全覆盖航线规划，以正东方向为x轴正方向，则矩形扫描区域四个顶点坐标为：
[0062][0063]
xn＝x1 (u-1)
×f[0064][0065][0066]
其中，f为航线间距，500为每条航线采集起点和终点预留的长度。u表示第u条航线，搭载合成孔径雷达的固定翼无人机是往复飞行的，最终在一个矩形区域内会有u条航线。
[0067]
步骤五，将步骤三或步骤四得到各航点的平面坐标转换为经纬度坐标，得到无人机绕飞目标的各航线航点，并生成特定的航线文件；
[0068]
步骤六，将航线文件导入到无人机的飞控中，规划出无人机的实际飞行航线，控制无人机依次沿设定航线飞行并采集数据。
[0069]
本发明的有益效果在于：
[0070]
本发明首次考虑了多种天气因素对无人机航线规划的约束，并且对搭载可见光、红外相机或合成孔径雷达中一种或两种数据采集设备的无人机航线进行了自主规划，使得无人机在复杂天气环境下能够采集到质量更好的伪装特征数据。
附图说明
[0071]
图1是本发明无人机对目标的绕飞半径示意图；
[0072]
图2是本发明无人机坐标转换的流程图；
[0073]
图3是本发明无人机与多个目标点的可选择绕飞路径示意图；
[0074]
图4是本发明无人机最短绕飞路径的选择示意图；
[0075]
图5是本发明搭载合成孔径雷达的固定翼无人机多视角航线规划原理图；
[0076]
图6是本发明搭载合成孔径雷达的固定翼无人机多视角航线规划的扫描区域示意图；
[0077]
图7是本发明搭载合成孔径雷达的固定翼无人机全覆盖航线规划原理示意图；
[0078]
图8是本发明搭载合成孔径雷达的固定翼无人机全覆盖航线规划的扫描区域示意图。
具体实施方式
[0079]
下面将结合附图和实施例对本发明作进一步的详细说明。
[0080]
本发明考虑多旋翼无人机的绕飞航线规划和固定翼无人机的sar(合成孔径雷达)航线规划。对于多旋翼无人机的绕飞路径规划，考虑可见光和红外相机两种不同的载荷，绕飞目标考虑单个目标和多个目标。固定翼无人机的sar航线规划考虑单个目标的多视角航线规划和全覆盖航线规划。
[0081]
一种基于多波段伪装特征数据采集的航线规划方法，具体步骤如下：
[0082]
步骤一，根据无人机的类型及其搭载的数据采集设备，将进行航线规划的无人机中搭载可见光或红外相机的多旋翼无人机，执行步骤二；搭载合成孔径雷达的固定翼无人机，执行步骤四；
[0083]
步骤二，考虑天气对搭载可见光或者红外相机的多旋翼无人机的影响，计算无人机对目标进行数据采集的实际飞行高度，并规划无人机对各目标绕飞的最优顺序；
[0084]
(1)无人机垂直地面采集照片时，无人机的理论飞行高度h通过相机载荷的参数进行计算，并根据天气情况对飞行高度进行调整，得到无人机的实际飞行高度h；
[0085]
无人机的理论飞行高度h为：
[0086][0087]
其中，相机载荷的参数包括相机镜头焦距f、相机像元尺寸a和照片地面分辨率gsd。
[0088]
由于不同天气状况的影响，当无人机处于理论飞行高度时，机载相机对目标的分辨率降低，无法达到数据采集要求，因此在不同天气情况下，通过改变无人机的实际飞行高度保证机载相机对目标拍摄的分辨率，具体为：
[0089]
1)有雾天气对搭载可见光相机的多旋翼无人机实际飞行高度的影响；
[0090]
在构建模型时，根据雾的等级来作为航线规划的一个输入条件。在天气预报系统中，水平能见度低于1公里的称为雾，水平能见度在200-500米之间的称为大雾，水平能见度在50-200米之间的称为浓雾，水平能见度不足50米的雾称为强浓雾。当处于浓雾或强浓雾时，因为水蒸气对相机镜头的影响以及拍摄出的照片不够清晰无法后处理，不适合无人机进行数据采集；当处于其它几种雾天时，根据大雾的能见度作为一个定量的输入条件，借助于天气预报系统或者大雾能见度测量传感器对雾的能见度进行大致测量。
[0091]
大气光模型是目前去雾算法的基础，该模型认为有雾图像的形成是被雾削弱的物体反射的光线和被雾反射的大气光进去摄像机共同组成的，本发明中设定雾的削弱和散射性与物体到摄像机的景深有关，与到达相机的光强成反比。
[0092]
在有雾的天气条件下，无人机的机载相机接受的光强t(x)为：
[0093]
t(x)＝e-γd(x)
[0094]
[0095]
其中，d(x)为景深，即无人机采集数据时镜头距离地面的高度；γ为雾带来的散射系数；λ表示波长(单位为微米)，q表示雾的能见度(单位为米)。在有雾的情况下，物体表面的散射光因雾的散射而损失，照片分辨率和颜色发生变化，到达相机的光强降低并且随着传播距离的增大而呈指数衰减。
[0096]
根据上述理论分析，到达相机的光强以指数形式衰减，将无人机的航线高度h等价于景深d(x)，那么无人机的飞行高度h＝ln(t(x))/γ，在保证t(x)不变的情况下，可以降低无人机的飞行高度，来保证拍摄图像的清晰度和目标的可分辨性。
[0097]
对于不同的大雾能见度，散射系数γ不同，通过实际实验可以测量出大雾能见度和散射系数的对应数值，从而在实际数据采集中，在保证无人机安全的前提下降低无人机的飞行高度，可以采集到更加清晰的光学图像数据。
[0098]
2)湿度和二氧化碳对无人机搭载的红外相机的大气透过率的影响；
[0099]
电磁波在大气中传播时，大气透过率是影响红外辐射传输的重要因素，大气透过率为经大气衰减后的电磁辐射通量与入射时电磁辐射通量的比值。红外线也是一种电磁波，在大气中传播时，也会受到大气中各种物质的影响，所以对红外线的大气透过率为：
[0100]
红外大气透过率＝经传播衰减后辐射通量/入射前辐射通量
[0101]
大气透过率的影响因素主要是水蒸气、二氧化碳和臭氧，本发明主要考虑水蒸气(湿度)和二氧化碳的影响。
[0102]
下面是水蒸气和二氧化碳对不同波长的光的大气透过率影响的经验公式，表示水蒸气和二氧化碳对光波的衰减，可以看到，在红外线波长在8-12μm时(红外相机常用波段)，大气透过率呈指数关系衰减：
[0103][0104][0105]
湿度作为一个影响红外拍摄的条件，当大气湿度大于85％的情况下，由于水气密度增加，水汽对红外辐射吸收增大缘故，大气对目标物体辐射的衰减急剧加大，不适宜进行红外数据采集，当大气湿度小于85％的情况下，根据2)中经验公式对航线高度进行优化。
[0106]
根据上述建立的理论模型，无人机在湿度和二氧化碳浓度高的环境下进行红外数据采集，在保证无人机安全的情况下可以通过降低无人机的航线高度提高采集数据的质量。
[0107]
3)同时，大气透过率以及环境温度对目标测量温度产生影响，进一步影响红外相机对目标的数据采集效果；
[0108]
温度作为一个输入条件，温度主要体现在对红外拍摄的影响，红外辐射在被接收之前，必然要经过大气和成像系统等介质，造成红外损失。根据史蒂夫—波尔兹曼定律，黑体的全辐射率和黑体热力学温度的四次方成正比。所以温度越高，物体发射的红外线就越强。因而在一定范围内，物体温度越高越有利于红外检测，而地表温度越低，物体与地表的温差越大，拍摄出来的红外照片物体与背景的差异越明显，因此在早晨或者夜间温差大时进行红外照片的数据采集效果最佳。
[0109]
目标的测量温度tc为：
[0110][0111]
其中，τ表示大气透过率，表示目标表面发射率，t0表示被测目标实际温度，ta表示环境温度。
[0112]
(2)无人机对目标的绕飞半径r的计算过程为：
[0113]
如图1所示，假设目标长宽分别为l和w，相机镜头和目标之间的距离为s，无人机垂直于地面的实际飞行高度为h，飞行半径为r，相机所得目标照片中目标占比为y，照片的分辨率p(cm/像素)以及照片尺寸m
×
n，则无人机对目标的绕飞半径r为：
[0114][0115]
相机镜头和目标之间的距离为s为：
[0116][0117]
其中，照片地面分辨率gsd根据照片分辨率、照片尺寸以及目标长宽计算得到：
[0118][0119]
(3)无人机绕飞目标的最优顺序具体决定过程为：
[0120]
步骤201，将无人机起飞点和各目标的经纬度输入到无人机航线规划程序中，无人机从起飞点s出发，最终目的点为i，按照计算得到的实际飞行高度和绕飞半径，对各目标进行绕飞，计算从目的点i出发经过v(除目标点i以外其他目标点的集合)中各个目标一次且仅一次，最后回到起飞点s的最短路径长度d(i,v)；
[0121]
对从目的点i到集合v中任一目标点k之间的距离用c
ik
表示；
[0122]
步骤202，判断集合v是否为空集，若是，那么d(i,v)表示直接从目的点i回到起始点s，此时d(i,v)＝c
is
且i≠s；当集合v不为空集时，在集合v中，无人机尝试每一个绕飞顺序，求出最短绕飞距离，即为绕飞目标的最优顺序；；
[0123]
如图3所示，“无人机”代表无人机的起飞点，“1，2，3，4，5，6”代表多个目标。给定无人机起飞点以及各个绕飞目标的经纬度，无人机从起飞点遍历每个目标一次并回到起飞点，该问题是一个“旅行商问题”，本发明提出一种动态规划方法解决该问题，并将该问题抽象得到动态规划方程，即：无人机从起飞点s出发，d(i,v)表示从顶点i出发经过v(目标点的集合)中各个顶点一次且仅一次，最后回到无人机起飞点s的最短路径长度，c
ik
表示当前选择的目标点和目标i的距离，d(k,v-{k})是一个子问题。
[0124]
无人机绕飞多个目标的最优顺序动态规划方程为：
[0125][0126]
通过计算无人机的最优绕飞顺序，对飞行路径的冗余问题进行优化，使得航线长度缩短，提高无人机的工作效率。如图4所示，根据两点之间直线最短，以无人机起飞点与目标1的连线与圆的交点作为目标1的第一个绕飞点，然后按照顺时针或者逆时针的方向对目标1进行绕飞，得到目标1的最后一个绕飞点，将该绕飞点与目标2进行连线，与目标2圆周的交点作为其第一个绕飞点，再以顺时针或者逆时针的方向对目标2进行绕飞，如果有更多目
标，以此类推，对多个目标逐个绕飞，得到其动态起止绕飞点，有效的优化了飞行路径冗余的问题。
[0127]
步骤203，无人机根据对各目标的最优绕飞顺序在不同高度对所有目标进行数据采集；
[0128]
无人机在不同高度对各个目标进行数据采集的过程为：对某个目标，无人机按照旋转角度间隔α进行绕飞，无人机每旋转角度α对目标采集一张照片，直至环绕整个目标，采集多个角度的照片。
[0129]
步骤三，将各目标的经纬度坐标[lngi,lati]转换为平面坐标[xi,yi]，并根据无人机的绕飞半径和旋转角计算各目标对应的各航点的平面坐标，进入步骤五；
[0130]
如图2所示，各目标的坐标转换为：首先将目标的经纬度坐标转换为wgs84坐标，然后将wgs84坐标转换为平面坐标。
[0131]
各目标对应各航点的平面坐标表示为：
[0132][0133][0134]
其中，j表示第j个航点数。
[0135]
步骤四，搭载合成孔径雷达的固定翼无人机对航线规划的各目标区域分别进行扫描，得到扫描区域的平面坐标；
[0136]
具体为：
[0137]
步骤401、在合成孔径雷达中输入当前目标对应扫描区域中心点坐标、矩形扫描区域的宽l1和长l2、无人机飞行高度h'、擦地角β以及无人机条带覆盖区域宽度w'；
[0138]
如图5所示，若无人机进行多视角航线规划，则扫描区域为正方形，即l1＝l2；
[0139]
步骤402、根据矩形扫描区域的宽l1和长l2、飞行高度h'、擦地角β以及目标区域中心点坐标(xo,yo)，计算矩形扫描区域的顶点坐标，即得到无人机四边形飞行航线。
[0140]
若为多视角航线规划，如图6所示，为确保从各个角度采集都能将目标区域覆盖完整，以正方形扫描区域对角线长度7/5l1向外做一个矩形，以正东方向为x轴正方向，该矩形的四个顶点坐标为：
[0141][0142][0143][0144][0145]
若为全覆盖航线规划，其原理如图7所示，对一块区域进行全覆盖式扫描采集数据。如图8所示，以正东方向为x轴正方向，则矩形扫描区域四个顶点坐标为：
[0146][0147]
xn＝x1 (u-1)
×f[0148][0149][0150]
其中，f为航线间距，500为每条航线采集起点和终点预留的长度。u表示第u条航线，搭载合成孔径雷达的固定翼无人机是往复飞行的，最终在一个矩形区域内会有u条航线。
[0151]
步骤五，将步骤三或步骤四得到各航点的平面坐标转换为经纬度坐标，得到无人机绕飞目标的各航线航点，并生成特定的航线文件；
[0152]
如图2所示，平面坐标转换为经纬度坐标的具体过程为：首先将平面坐标转换为wgs84坐标，然后将wgs84坐标转换为经纬度坐标。
[0153]
步骤六，将航线文件导入到无人机的飞控中，规划出无人机的实际飞行航线，控制无人机依次沿设定航线飞行并采集数据。