基于5G机动组网的无人机群监测方法、系统和电子设备与流程

基于5g机动组网的无人机群监测方法、系统和电子设备
技术领域
1.本发明涉及无人机拍摄技术领域，具体涉及一种基于5g机动组网的无人机群监测方法。


背景技术：

2.当前，无人机巡查技术已经应用到化工生产安全、森林火警、电路线路巡查、国土测绘等多个方面。其中，使用倾斜摄影技术对目标区域进行三维建模是通用的做法。相比于传统的方法相比，该技术能够获得目标区域清晰的三维影像，大大提高了图像的清晰度和三维建模精度。
3.但单无人机在巡查时需要多次拍摄、多次充电，飞手低近操作，并且需要线下处理数据，不仅工作效率低，而且不便于对目标区域快速精准的巡查，提高了巡查成本。


技术实现要素：

4.本发明实施例要解决的技术问题是单无人机对目标区域形巡查工作效率低，三维建模精度差，成本高。
5.有鉴于此，本发明提供一种基于5g机动组网的无人机群监测方法。
6.本发明还提供一种基于5g机动组网的无人机群监测系统。
7.本发明还提供一种电子设备。
8.本发明又提供一种可读存储介质。
9.为解决上述技术问题，本发明采用以下技术方案：
10.根据本发明实第一方面实施例的基于5g机动组网的无人机群监测方法，包括以下步骤：
11.根据目标区域的面积、无人机性能参数和建模精度，确定无人机数量；
12.根据目标区域的建模需求，确定每架无人机的飞行轨迹；
13.根据目标区域的地形、道路状况以及所述飞行轨迹，确定5g基站车的移动轨迹；
14.所述无人机沿所述飞行轨迹飞行，拍摄图像并发送图像数据；
15.所述5g基站车沿所述移动轨迹移动，接收所述图像数据并通过车载的集群服务器进行三维建模。
16.根据本发明实施例的基于5g机动组网的无人机群监测方法还可以具有以下技术特征。
17.进一步地，所述根据目标区域的面积、无人机性能参数和建模精度，确定无人机数量的计算公式如下：
[0018][0019]
其中，s为目标区域面积，t为无人机续航时间，v为无人机飞行速度，x为单机摄像头个数，p为三维建模精度，ε、α、β和γ分别为调整系数。
[0020]
进一步地，所述根据目标区域的建模需求，确定每架无人机的飞行轨迹包括如下步骤：
[0021]
选取拍摄点的空间三维坐标mk＝(xk,yk,zk)，形成拍摄点坐标集合m＝{m1,m2,...,mk}，(k为自然数)；
[0022]
通过优化模型，将不同拍摄点分配给不同的无人机；
[0023]
其中，为集合m中的拍摄点组成的拍摄轨迹，c为n架无人机中最迟完成拍摄任务的无人机所消耗的时间。
[0024]
进一步地，所述根据目标区域的地形、道路状况以及所述飞行轨迹，确定5g基站车的移动轨迹包括以下步骤：
[0025]
对目标区域可供5g基站车行驶的道路进行网格划分，对每个网格进行编号，形成位置集合l＝{l1,l2,...,lj,...,lj}；
[0026]
每间隔预定时间，获取每架无人机的位置坐标，计算每架无人机到位置lj的通信速率；
[0027]
通过强化学习算法计算5g基站车的行动轨迹。
[0028]
进一步地，所述网格的尺寸为20m*20m。
[0029]
进一步地，所述通信速率计算公式为：
[0030]dnj
＝2*b*log(1 snr
nj
)
[0031]
其中，snr
nj
为飞机n到网格化的位置lj的信噪比，d
nj
为通信速率，b为传输带宽。
[0032]
进一步地，所述强化学习算法的回报函数计算值为：在整个机群巡查过程中，任意无人机任意时刻与5g基站车的通信速率之和最大；
[0033]
所述强化学习算法的约束条件为：任意时刻任意无人机与5g基站车之间的通信速率不低于2mbit/s。
[0034]
根据本发明第二方面实施例的基于5g机动组网的无人机群监测系统，包括：
[0035]
确定模块，所述确定模块根据目标区域的面积、无人机性能参数和建模精度，确定无人机数量；根据目标区域的建模需求，确定每架无人机的飞行轨迹；根据目标区域的地形、道路状况以及所述飞行轨迹，确定5g基站车的移动轨迹；
[0036]
第一执行模块，所述第一执行模块控制无人机沿所述飞行轨迹飞行，控制无人机拍摄图像并发送图像数据；
[0037]
第二执行模块，所述第二执行模块控制5g基站车沿所述移动轨迹移动，控制5g基站车接收所述图像数据并通过车载的集群服务器进行三维建模。
[0038]
根据本发明第三方面的电子设备，包括：处理器、通信接口、通信总线、存储器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述实施例所述的基于5g机动组网的无人机群监测方法。
[0039]
根据本发明第四方面的可读存储介质，所述可读存储介质上存储有程序，所述程序被处理器执行时实现如上述实施例所述的基于5g机动组网的无人机群监测方法。
[0040]
本发明的上述技术方案至少具有以下技术效果：
[0041]
根据本发明实施例的基于5g机动组网的无人机群监测方法，通过无人机群同时并行作业，同时采用5g通信机动组网模式，进行拍摄数据的实时传输汇总，摆脱了传统方式需
要线下汇总数据的局限，大大提高了巡查效率和三维建模效率，适用于多种场景，实用性强，经济价值高。
附图说明
[0042]
图1为根据本发明实施例的基于5g机动组网的无人机群监测方法流程图；
[0043]
图2为根据本发明实施例的基于5g机动组网的无人机群监测系统示意图；
[0044]
图3为根据本发明实施例的电子设备的结构示意图。
[0045]
附图标记
[0046]
基于5g机动组网的无人机群检测系统200；确定模块201；第一执行模块202；第二执行模块203；处理器301；通信接口302；存储器303；通信总线304。
具体实施方式
[0047]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
[0048]
下面首先结合附图具体描述根据本发明实施例的基于5g机动组网的无人机群监测方法。
[0049]
如图1所示，根据本发明实施例的基于5g机动组网的无人机群监测方法包括以下步骤:
[0050]
s101、根据目标区域的面积、无人机性能参数和建模精度，确定无人机数量；
[0051]
换言之，根据需要倾斜摄影的地域大小等要求，确定作业机队规模。
[0052]
s102、根据目标区域的建模需求，确定每架无人机的飞行轨迹；
[0053]
具体地，可以根据倾斜摄影三维建模的需要，通过大疆智图软件确定每架无人机的飞行轨迹，即每架无人机负责哪些拍摄点的拍摄工作。
[0054]
s103、根据目标区域的地形、道路状况以及飞行轨迹，确定5g基站车的移动轨迹；
[0055]
也就是说，根据目标区域的地形、道路，以及无人机的飞行轨迹，确定5g基站车的位置以及移动轨迹，以确保能服务对应时段的空中多架无人机的5g通信数据传输。
[0056]
s104、无人机沿飞行轨迹飞行，拍摄图像并发送图像数据；
[0057]
s105、5g基站车沿移动轨迹移动，接收图像数据并通过车载的集群服务器进行三维建模。
[0058]
具体而言，无人机按照飞行轨迹飞行，5g基站车沿着移动轨迹移动，无人机拍摄图片，每缓存4s，将缓存的图像数据传送到基站，基站接收各架无人机传来的图像数据，并传递给车载的集群服务器，服务器运行大疆智图三维建模软件，利用建模软件对已经完成拍摄的目标的三维建模，同时，随着拍摄进程的推进以及新的数据输入，对后续的目标进行建模，最终完成整个目标区域的整体模型构建。
[0059]
由此，根据本发明实施例的基于5g机动组网的无人机群监测方法，通过无人机群同时并行作业，同时采用5g通信机动组网模式，进行拍摄数据的实时传输汇总，摆脱了传统方式需要线下汇总数据的局限，大大提高了巡查效率和三维建模效率，适用于多种场景，实
用性强，经济价值高。
[0060]
根据本发明的一个实施例，根据目标区域的面积、无人机性能参数和建模精度，确定无人机数量的计算公式如下：
[0061][0062]
其中，s为目标区域面积，t为无人机续航时间，v为无人机飞行速度，x为单机摄像头个数，p为三维建模精度，3cm为，ε、α、β和γ分别为调整系数，调整系数的具体确定主要取决于经验设定，其中3cm是3厘米。
[0063]
优选地，根据目标区域的建模需求，确定每架无人机的飞行轨迹，包括如下步骤：
[0064]
选取拍摄点的空间三维坐标mk＝(xk,yk,zk)，形成拍摄点坐标集合m＝{m1,m2,...,mk}，(k为自然数)；
[0065]
通过优化模型，将不同拍摄点分配给不同的无人机；
[0066]
其中，为集合m中的拍摄点组成的拍摄轨迹，c为n架无人机中最迟完成拍摄任务的无人机所消耗的时间。
[0067]
通过采用标准蚁群算法求解以上模型，得到各架飞机的巡查拍摄点集合，也就是各架飞机的巡查轨迹。
[0068]
根据本发明的一个实施例，根据目标区域的地形、道路状况以及飞行轨迹，确定5g基站车的移动轨迹包括以下步骤：
[0069]
对目标区域可供5g基站车行驶的道路进行网格划分，对每个网格进行编号，形成位置集合l＝{l1,l2,...,lj,...,lj}，其中，集合l中表示5g基站可能经过的位置。
[0070]
每间隔预定时间，获取每架无人机的位置坐标，计算每架无人机到位置lj的通信速率；
[0071]
通过强化学习算法计算5g基站车的行动轨迹，5g基站车按照一定的顺序在网格中行驶。
[0072]
优选地，网格的尺寸为20m*20m。
[0073]
可选地，基站以4秒钟为时间间隔单位，对无人机运行拍摄点进行位置抓取，提高了数据处理的及时性。对于每一个抓取的无人机空中部署形态，计算各个拍摄点所处的无人机n到网格化的可能位置lj的5g基站的通信速率，通信速率计算公式为：
[0074]dnj
＝2*b*log(1 snr
nj
)
[0075]
其中，snr
nj
为飞机n到网格化的可能基站位置lj的信噪比，d
nj
为通过使用winprop电磁仿真软件导入目标区域地形仿真获得的通信速率，b为传输带宽
[0076]
在本发明的一个实施例中，强化学习算法的回报函数计算值为：在整个机群巡查过程中，任意无人机任意时刻与5g基站车的通信速率之和最大；
[0077]
强化学习算法的约束条件为：任意时刻任意无人机与5g基站车之间的通信速率不低于2mbit/s。
[0078]
总而言之，根据本发明实施例的基于5g机动组网的无人机群监测方法，通过无人机群同时并行作业，同时采用5g通信机动组网模式，进行拍摄数据的实时传输汇总，摆脱了传统方式需要线下汇总数据的局限，大大提高了巡查效率和三维建模效率，适用于多种场
景，实用性强，经济价值高。
[0079]
在本发明提供的又一实施例，如图2所示，还提供了一种基于5g机动组网的无人机群监测系统200，包括：确定模块201，确定模块201根据目标区域的面积、无人机性能参数和建模精度，确定无人机数量；根据目标区域的建模需求，确定每架无人机的飞行轨迹；根据目标区域的地形、道路状况以及飞行轨迹，确定5g基站车的移动轨迹；
[0080]
第一执行模块202，第一执行模块202控制无人机沿飞行轨迹飞行，控制无人机拍摄图像并发送图像数据；
[0081]
第二执行模块203，第二执行模块203控制5g基站车沿移动轨迹移动，控制5g基站车接收图像数据并通过车载的集群服务器进行三维建模。
[0082]
根据本发明的又一实施例，还提供一种电子设备，如图3所示，包括处理器301、通信接口302、通信总线304和存储器303，其中，处理器301、通信接口302和储存器通过通信总线304完成相互间的交互。
[0083]
其中，存储器303用于存放计算机程序；
[0084]
处理器301，用于执行存储器303上所存放的程序时，所述计算器程序被处理器301执行时，用于
[0085]
根据目标区域的面积、无人机性能参数和建模精度，确定无人机数量；
[0086]
根据目标区域的建模需求，确定每架无人机的飞行轨迹；
[0087]
根据目标区域的地形、道路状况以及所述飞行轨迹，确定5g基站车的移动轨迹；
[0088]
控制无人机沿所述飞行轨迹飞行，拍摄图像并发送图像数据；
[0089]
控制5g基站车沿所述移动轨迹移动，接收所述图像数据并通过车载的集群服务器进行三维建模。
[0090]
所述计算器程序被处理器301执行时，所述根据目标区域的面积、无人机性能参数和建模精度，确定无人机数量的计算公式如下：
[0091][0092]
其中，s为目标区域面积，t为无人机续航时间，v为无人机飞行速度，x为单机摄像头个数，p为三维建模精度，ε、α、β和γ分别为调整系数。
[0093]
所述计算器程序被处理器301执行时，所述根据目标区域的建模需求，确定每架无人机的飞行轨迹包括如下步骤：
[0094]
选取拍摄点的空间三维坐标mk＝(xk,yk,zk)，形成拍摄点坐标集合m＝{m1,m2,...,mk}，(k为自然数)；
[0095]
通过优化模型，将不同拍摄点分配给不同的无人机；
[0096]
其中，为集合m中的拍摄点组成的拍摄轨迹，c为n架无人机中最迟完成拍摄任务的无人机所消耗的时间。
[0097]
所述计算器程序被处理器301执行时，所述根据目标区域的地形、道路状况以及所述飞行轨迹，确定5g基站车的移动轨迹包括以下步骤：
[0098]
对目标区域可供5g基站车行驶的道路进行网格划分，对每个网格进行编号，形成位置集合l＝{l1,l2,...,lj,...,lj}；
[0099]
每间隔预定时间，获取每架无人机的位置坐标，计算每架无人机到位置lj的通信速率；
[0100]
通过强化学习算法计算5g基站车的行动轨迹。
[0101]
所述计算器程序被处理器301执行时，所述网格的尺寸为20m*20m。
[0102]
所述计算器程序被处理器301执行时，所述通信速率计算公式为：
[0103]dnj
＝2*b*log(1 snr
nj
)
[0104]
其中，snr
nj
为飞机n到网格化的可能基站位置lj的信噪比，d
nj
为通信速率，b为传输带宽。
[0105]
所述计算器程序被处理器301执行时，所述强化学习算法的回报函数计算值为：在整个机群巡查过程中，任意无人机任意时刻与5g基站车的通信速率之和最大；
[0106]
所述强化学习算法的约束条件为：任意时刻任意无人机与5g基站车之间的通信速率不低于2mbit/s。
[0107]
上述电子设备提到的通信总线304可以是外部设备互连标准(peripheral component interconnect，简称pci)总线或宽展工业标准结构(extended industry standard architecture，简称eisa)总线等。该通信总线304可以分为地址总线、数据总线、控制总线等。为了便于标识，图中仅用一条粗线表示，但并不表示仅有一根总线或一种数据类型。
[0108]
通信接口302用于上述终端与其他设备之间的通信。
[0109]
存储器303可以包括随机存取存储器303(random access memory，简称ram)，也可以包括非易失性存储器303(non-volatile memory)，例如至少一个磁盘存储器303。可选的，存储器303还可以是至少一个位于远离前述处理器301的存储装置。
[0110]
上述的处理器301可以是通用处理器301，包括中央处理器301(central processing unit，简称cpu)、网络处理器301(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field－programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
[0111]
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一实施例所述的基于5g机动组网的无人机群监测方法。
[0112]
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一实施例所述的基于5g机动组网的无人机群监测方法。
[0113]
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机
指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。根据本发明实施例的车辆的其他结构和操作对于本领域技术人员而言都是可以理解并且容易实现的，因此不再详细描述。
[0114]
除非另作定义，本发明中使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也相应地改变。
[0115]
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。