基于人工智能算法和無人機的智能防護監測實踐
2022-11-17 18:20:00
次
隨著人工智能、大數據、物聯網等技術的發展，人工智能物聯網技術開始應用于智慧環保領域，“智能化”、“物聯網化”成為環保設備的發展趨勢。
尤其在輸變電工程中的環境保護、防護監測等方面，目前主要依靠傳統的人力實施現場踏勘、監測和監督檢查，需要消耗大量人力、物力，迫切需要引入智能防護監測的手段，常規的基于衛星遙感影像的方式，存在周期長、精度低、成本高的問題，而無人機機動靈活、成本低，且作為重要的數據接入端，為環保數字地圖建設、防護監測分析等提供了重要的支撐。
因此，研究基于人工智能算法的無人機智慧防護監測具有重大意義。本文結合施工現場環保防護監測場景，來闡述基于無人機的智能防護監測實踐。
01、整體框架概述
智能防護監測所涉及的植被覆蓋面積、塔基擾動面積、防護網區域等場景，覆蓋范圍廣且需要地理信息，但無人機拍攝為低空影像、像幅小，易受風、控制、地勢等因素的影響，無法通過固定高度拍攝等方式來實現。
因此采取基于三維重建技術結合目標識別算法的思路來實現，整體流程如下圖所示：
?無人機航拍圖像獲取部分
考慮到后續三維重建的效果，其拍攝圖像間的覆蓋度需滿足相應的要求，因此，需要借助無人機的路徑規劃、姿態控制模塊來實現對飛行路線及姿態的控制。
?正射投影圖像獲取部分
主要支撐目標測繪信息的獲取，如獲取特定區域的面積、周長、距離等，涉及基于運動結構估計和立體視覺的三維點云構建、結合無人機經緯度高度信息的地理信息對齊、數字高程圖的計算及正射投影圖像的獲取。
?目標識別部分
結合正射投影圖，基于深度學習等人工智能技術實現對特定目標如植被、塔基、防護網等的檢測、區域的分割等，以實現特定目標的智能識別定位。
?防護監測部分
結合目標識別和正射投影圖的地理信息，實現對植被覆蓋面積、塔基擾動面積、塔基距離等的獲取，進一步結合業務標準，實現對特定目標的智能防護監測。
02、關鍵流程概述
無人機航拍部分，在獲取圖像之前，首先需明確無人機相關參數。由于需要基于無人機圖像來獲取目標的真實測量指標如面積、長度等，那么無人機的GSD（地面采樣距離）參數就至關重要，其和無人機飛行高度相關，而飛行高度的變化會影響航片相幅的大小，通常離地面越近，GSD精度越高，相幅越小。
無人機拍攝照片除包含常規寬度、高度、分辨率、顏色等圖像信息，還需包含經度、維度、高度等GPS地理信息，并明確其所采用的坐標系。為保證后續三維重建效果，無人機航拍時，其航向重疊率至少為60%，旁向重疊率至少為30%。
正射投影圖獲取部分，其基本過程如下圖所示：
?稀疏三維點云生成模塊
主要基于航拍圖像運用透視幾何及攝影技術來估計三維物體，具體可采用運動結構估計方法，涉及特征檢測、特征匹配、優化求解等算法，以獲取攝像機的位置、拍攝方向、幾何變換等信息。
?稠密三維點云生成模塊
基于稀疏點云構建的運動結構及圖像對，利用多視角立體成像技術來構建稠密的三維點云。
?網格紋理部分生成模塊
對三維點云通過三角刨分算法如泊松重建等生成網格，其中2.5D網格可用于后續正射投影圖的構建，然后依據攝像機位置及拍攝圖像，利用紋理貼圖技術，為網格添加最優的圖像信息，并根據光照對顏色進行調整，進而生成三維紋理。
?地理對齊模塊
結合幾何變換信息及GPS信息，為三維點云及網格紋理添加地理坐標信息，實現從相機坐標系到世界坐標系的轉換，從而將像素點映射到三維世界中的點。
?數字高程圖模塊
將三維世界中的點映射到高程圖模型中，并實現將點云分類為地面及非地面兩類、運用IDW算法將點云插值到柵格化器等功能，進而生成數字地面模型、數字地形模型等。
經過以上過程，采用正射投影技術即可獲取正射投影圖（通常為GeoTIFF格式），即可獲取正射投影圖中像素點在三維世界中所對應的面積。
目標識別部分結合正射投影圖，基于目標檢測算法、語義分割算法實現對圖中特定目標區域的定位分割，進而結合像素點實際的面積計算出目標區域面積、周長等度量信息。由于正射投影圖通常較大，無法直接用于目標定位分割算法的訓練，通常采用遷移學習的思路在航拍圖像上對預訓練模型進行微調。
基于上述過程，可構建針對不同場景的基于無人機的智能防護監測應用，下圖為區域面積測量效果示意：
總結
可結合無人機和人工智能算法，來克服傳統的人力實施現場踏勘、監測的費時費力及衛星遙感成本高等問題，實現針對特定目標的智能防護監測，一方面提升環保場景的數字化，另一方面，可為決策分析提供數據支撐。
Tempo商業智能平臺
Tempo人工智能平臺
Tempo數據工廠平臺
Tempo指標平臺
Tempo數據治理平臺
Tempo主數據管理平臺
首頁
陜公網安備 61019002000171號
