基于人工智能算法和无人机的智能防护监测实践
2022-11-17 18:20:00
次
随着人工智能、大数据、物联网等技术的发展，人工智能物联网技术开始应用于智慧环保领域，“智能化”、“物联网化”成为环保设备的发展趋势。
尤其在输变电工程中的环境保护、防护监测等方面，目前主要依靠传统的人力实施现场踏勘、监测和监督检查，需要消耗大量人力、物力，迫切需要引入智能防护监测的手段，常规的基于卫星遥感影像的方式，存在周期长、精度低、成本高的问题，而无人机机动灵活、成本低，且作为重要的数据接入端，为环保数字地图建设、防护监测分析等提供了重要的支撑。
因此，研究基于人工智能算法的无人机智慧防护监测具有重大意义。本文结合施工现场环保防护监测场景，来阐述基于无人机的智能防护监测实践。
01、整体框架概述
智能防护监测所涉及的植被覆盖面积、塔基扰动面积、防护网区域等场景，覆盖范围广且需要地理信息，但无人机拍摄为低空影像、像幅小，易受风、控制、地势等因素的影响，无法通过固定高度拍摄等方式来实现。
因此采取基于三维重建技术结合目标识别算法的思路来实现，整体流程如下图所示：
►无人机航拍图像获取部分
考虑到后续三维重建的效果，其拍摄图像间的覆盖度需满足相应的要求，因此，需要借助无人机的路径规划、姿态控制模块来实现对飞行路线及姿态的控制。
►正射投影图像获取部分
主要支撑目标测绘信息的获取，如获取特定区域的面积、周长、距离等，涉及基于运动结构估计和立体视觉的三维点云构建、结合无人机经纬度高度信息的地理信息对齐、数字高程图的计算及正射投影图像的获取。
►目标识别部分
结合正射投影图，基于深度学习等人工智能技术实现对特定目标如植被、塔基、防护网等的检测、区域的分割等，以实现特定目标的智能识别定位。
►防护监测部分
结合目标识别和正射投影图的地理信息，实现对植被覆盖面积、塔基扰动面积、塔基距离等的获取，进一步结合业务标准，实现对特定目标的智能防护监测。
02、关键流程概述
无人机航拍部分，在获取图像之前，首先需明确无人机相关参数。由于需要基于无人机图像来获取目标的真实测量指标如面积、长度等，那么无人机的GSD（地面采样距离）参数就至关重要，其和无人机飞行高度相关，而飞行高度的变化会影响航片相幅的大小，通常离地面越近，GSD精度越高，相幅越小。
无人机拍摄照片除包含常规宽度、高度、分辨率、颜色等图像信息，还需包含经度、维度、高度等GPS地理信息，并明确其所采用的坐标系。为保证后续三维重建效果，无人机航拍时，其航向重叠率至少为60%，旁向重叠率至少为30%。
正射投影图获取部分，其基本过程如下图所示：
►稀疏三维点云生成模块
主要基于航拍图像运用透视几何及摄影技术来估计三维物体，具体可采用运动结构估计方法，涉及特征检测、特征匹配、优化求解等算法，以获取摄像机的位置、拍摄方向、几何变换等信息。
►稠密三维点云生成模块
基于稀疏点云构建的运动结构及图像对，利用多视角立体成像技术来构建稠密的三维点云。
►网格纹理部分生成模块
对三维点云通过三角刨分算法如泊松重建等生成网格，其中2.5D网格可用于后续正射投影图的构建，然后依据摄像机位置及拍摄图像，利用纹理贴图技术，为网格添加最优的图像信息，并根据光照对颜色进行调整，进而生成三维纹理。
►地理对齐模块
结合几何变换信息及GPS信息，为三维点云及网格纹理添加地理坐标信息，实现从相机坐标系到世界坐标系的转换，从而将像素点映射到三维世界中的点。
►数字高程图模块
将三维世界中的点映射到高程图模型中，并实现将点云分类为地面及非地面两类、运用IDW算法将点云插值到栅格化器等功能，进而生成数字地面模型、数字地形模型等。
经过以上过程，采用正射投影技术即可获取正射投影图（通常为GeoTIFF格式），即可获取正射投影图中像素点在三维世界中所对应的面积。
目标识别部分结合正射投影图，基于目标检测算法、语义分割算法实现对图中特定目标区域的定位分割，进而结合像素点实际的面积计算出目标区域面积、周长等度量信息。由于正射投影图通常较大，无法直接用于目标定位分割算法的训练，通常采用迁移学习的思路在航拍图像上对预训练模型进行微调。
基于上述过程，可构建针对不同场景的基于无人机的智能防护监测应用，下图为区域面积测量效果示意：
总结
可结合无人机和人工智能算法，来克服传统的人力实施现场踏勘、监测的费时费力及卫星遥感成本高等问题，实现针对特定目标的智能防护监测，一方面提升环保场景的数字化，另一方面，可为决策分析提供数据支撑。
Tempo商业智能平台
Tempo人工智能平台
Tempo数据工厂平台
Tempo指标平台
Tempo数据治理平台
Tempo主数据管理平台
首页
陕公网安备 61019002000171号
