嚴(yán)國輝

(中水興鋒盈控股有限公司，福州 350821)

0 引 言

近年來，無人機(jī)技術(shù)被廣泛應(yīng)用于遙感測(cè)繪領(lǐng)域，針對(duì)很多復(fù)雜工程都能進(jìn)行有效的輔助工作，如電力巡航、環(huán)境工程、地質(zhì)災(zāi)害普查等。無人機(jī)技術(shù)是一種采集空間數(shù)據(jù)的關(guān)鍵技術(shù)，不僅可對(duì)地形廣泛區(qū)域影像進(jìn)行實(shí)時(shí)采集傳輸，而且具有采集快速高效的優(yōu)點(diǎn)[1]?，F(xiàn)階段，國內(nèi)外均對(duì)無人機(jī)航測(cè)技術(shù)等不同領(lǐng)域進(jìn)行了系統(tǒng)性分析，同時(shí)提出增強(qiáng)無人機(jī)測(cè)量準(zhǔn)確度的方法。無人機(jī)航測(cè)技術(shù)在西方發(fā)達(dá)國家應(yīng)用較早，發(fā)展時(shí)間較長，總體上已經(jīng)處于比較成熟的階段。2007年森林大火肆虐時(shí)，美國學(xué)者就開始使用“伊哈納”的無人機(jī)來評(píng)估大火的嚴(yán)重程度以及災(zāi)害的損失估算工作，但其航測(cè)成本以及后續(xù)數(shù)據(jù)的處理分析和應(yīng)用價(jià)格都十分高昂。在國內(nèi)，我國學(xué)者孫瑞提出了無人機(jī)航測(cè)在水利工程勘測(cè)中的應(yīng)用探討，創(chuàng)造了更加便利的勘測(cè)條件,提高勘測(cè)外業(yè)的作業(yè)效率；熊一提出了無人機(jī)航測(cè)技術(shù)在礦山測(cè)繪作業(yè)中的運(yùn)用，分析和介紹了無人機(jī)在生產(chǎn)技術(shù)方面的必要性。

目前在河道治理工程中，存在測(cè)量區(qū)域廣泛、限制因素較多、測(cè)量精度要求高、技術(shù)難以實(shí)現(xiàn)、涉及因素多、人為干預(yù)大等問題。在此背景下，將全自主智能無人機(jī)應(yīng)用于河道治理工程中具有重要的現(xiàn)實(shí)意義。本文通過無人機(jī)進(jìn)行航拍，能夠快速采集全景圖像，獲取對(duì)應(yīng)地形污染源數(shù)據(jù)，有助于輔助河道治理，提高河道治理工程進(jìn)度。

1 基于無人機(jī)航測(cè)技術(shù)的河道數(shù)據(jù)采集與處理

1.1 推測(cè)返航位置

將無人機(jī)應(yīng)用到河道工程治理中，首先要對(duì)無人機(jī)的返航位置進(jìn)行推定，計(jì)算出應(yīng)飛航向，引導(dǎo)飛機(jī)安全返航。無人機(jī)返航推測(cè)示意圖見圖1。

圖1 返航推測(cè)示意圖

圖1中，A、B兩點(diǎn)的連線為期望航向指引無人機(jī)飛向定點(diǎn)C，當(dāng)無人機(jī)到達(dá)C后、將C和B的連線作為期望航向，引導(dǎo)無人機(jī)飛回起點(diǎn)B。但是由于全自主智能無人機(jī)在進(jìn)行航行拍攝的過程中，可能會(huì)發(fā)生由于突發(fā)情況造成航飛中止或者返航位置錯(cuò)誤的現(xiàn)象，導(dǎo)致無人機(jī)飛向錯(cuò)誤返航點(diǎn)D。為了避免以上問題，可通過回歸算法從全自主智能無人機(jī)航飛位置對(duì)返航位置進(jìn)行推測(cè)，同時(shí)繼續(xù)執(zhí)行航行拍攝任務(wù)。

回歸技術(shù)一般被應(yīng)用于預(yù)測(cè)和發(fā)現(xiàn)變量間的因果關(guān)系[2]。斷點(diǎn)續(xù)飛回歸算法按照數(shù)據(jù)統(tǒng)計(jì)學(xué)原理可以對(duì)大規(guī)模數(shù)據(jù)進(jìn)行處理，獲取因變量和部分自變量的相關(guān)關(guān)系，因此本文采用該算法構(gòu)造相關(guān)優(yōu)化回歸方程。

本節(jié)按照全自主智能無人機(jī)航行軌跡、中斷位置等自變量與返航位置因變量間的相關(guān)關(guān)系，構(gòu)造下述線性回歸方程：

(1)

通過上述數(shù)據(jù)，可以達(dá)到無人機(jī)斷點(diǎn)續(xù)飛的目的，提高拍攝效率，保障無人機(jī)順利航行。

1.2 無人機(jī)航線設(shè)計(jì)

在確定航行位置、保障航行不斷點(diǎn)的情況下設(shè)計(jì)航測(cè)路線。為了建立完整的模型，通常要求超過60%的航向重疊度與超過30%的旁向重疊度。航線彎曲會(huì)對(duì)航向重疊的一致性產(chǎn)生影響，若彎曲程度大，那么在一定程度上會(huì)導(dǎo)致航拍漏洞[3]。全自主智能無人機(jī)體積小，質(zhì)量輕，在空中的抗風(fēng)能力相對(duì)較差，提高抖動(dòng)幅度。經(jīng)大量數(shù)據(jù)表明，全自主智能無人機(jī)航拍偏航可達(dá)15 m，像片旋轉(zhuǎn)角約為10°，為后續(xù)立體測(cè)圖帶來困難[4]。本研究通過飛控定位定姿數(shù)據(jù)，對(duì)全自主智能無人機(jī)航拍航線進(jìn)行整理。

全自主智能無人機(jī)飛控?cái)?shù)據(jù)會(huì)對(duì)拍攝時(shí)相機(jī)地理位置、航向角、俯仰角、翻滾角進(jìn)行記錄。為了便于分析，把經(jīng)緯度坐標(biāo)(B,L,H)轉(zhuǎn)變成大地坐標(biāo)(Xs,Ys,Zs)，其中L代表經(jīng)度，B代表緯度，H代表高度。也就是獲取所有照片的大概位置元素，然后結(jié)合相機(jī)參數(shù)，通過共線條件方程把像方坐標(biāo)轉(zhuǎn)變成物方坐標(biāo)，公式如下：

(2)

式中：f為相機(jī)焦距；Z為測(cè)車輛區(qū)域平均高程；Xs、Ys、Zs為相機(jī)映射中心物方空間坐標(biāo)；α、β、γ為通過影像的3個(gè)外方位角元素構(gòu)成的9個(gè)方向余弦；(x,y)為像點(diǎn)坐標(biāo)；(X,Y)為對(duì)應(yīng)地面坐標(biāo)。

將全自主智能無人機(jī)起降與轉(zhuǎn)彎時(shí)的像片刪除，通過剩余像片形成航線[5]。在形成航線時(shí)，利用求解像片中心點(diǎn)偏轉(zhuǎn)角δ判斷像片是否屬于某條航線，在δ低于既定閾值的情況下，把像片添加至航線中，閾值依據(jù)全自主智能無人機(jī)航攝技術(shù)規(guī)范獲取。通過像片中心點(diǎn)偏轉(zhuǎn)角形成航線，見圖2。

圖2 航帶形成示意圖

依據(jù)飛行順序?qū)︻A(yù)處理后像片進(jìn)行排序，記作(l1,l2,…,ln)，n為預(yù)處理后像片總量。通過像片中心點(diǎn)偏轉(zhuǎn)角形成航帶，詳細(xì)過程為：

初始取i=1，j=2，k=1，把li與lj添加至航帶Qk。

1) 對(duì)像片li與lj的中心點(diǎn)方向角φi,j進(jìn)行求解，取下一個(gè)像片lj+1，同時(shí)求解像片lj與lj+1的中心點(diǎn)方向角φi,j+1，獲取φi,j與φi,j+1的夾角公式為：

δ=|φi,j-φi,j+1|

(3)

2) 如果δ低于閾值，那么把lj+1添加至航帶Qk，再假設(shè)i=j，j=j+1，重復(fù)進(jìn)行步驟(1)。

3) 如果δ超過閾值，那么假設(shè)k=k+1，新建航線，把φi,j+1添加至新建航線Qk，再取j=j+2，i=j+1，重復(fù)進(jìn)行步驟(1)。

4) 在j=n的情況下，也就是將全部像片添加至對(duì)應(yīng)航線后停止。

按照設(shè)計(jì)的航行路線進(jìn)行航拍任務(wù)，利用全自主無人機(jī)采集河道航測(cè)數(shù)據(jù)。對(duì)數(shù)據(jù)進(jìn)行分析處理，進(jìn)行三維建模。

1.3 航拍數(shù)據(jù)采集處理

針對(duì)復(fù)雜的河道，全自主智能無人機(jī)采集的圖像數(shù)據(jù)量很大，測(cè)量范圍很廣，航攝路徑長，同時(shí)結(jié)構(gòu)復(fù)雜，當(dāng)前通過傳統(tǒng)河道測(cè)繪方式無法有效實(shí)現(xiàn)測(cè)繪數(shù)據(jù)的輸出和整理[6-7]。通過全自主智能無人機(jī)對(duì)河道進(jìn)行航拍，能夠完成對(duì)航行軌跡和點(diǎn)位坐標(biāo)的輸出，是一種精準(zhǔn)高效的方式。

航測(cè)數(shù)據(jù)是通過數(shù)值攝影測(cè)量得到的，也就是所有沿航行軌跡方向位置的差異均是因?yàn)橐暡钤斐傻?。其利用?jì)算機(jī)完成相鄰影像的匹配，判斷所有像素視差，通過空中三角測(cè)量自適應(yīng)求解，獲取像方坐標(biāo)，利用計(jì)算獲取被拍攝物體的物方空間坐標(biāo)，把視差轉(zhuǎn)換至相對(duì)或絕對(duì)地面高程。

采集高精度三維河道信息的重要問題為影像匹配，也就是怎樣通過計(jì)算機(jī)替代人眼完成立體觀察，獲取同名像點(diǎn)。針對(duì)全自主智能無人機(jī)相機(jī)，為了避免相機(jī)畸變產(chǎn)生的影響，按照相機(jī)檢驗(yàn)參數(shù)與掃描坐標(biāo)完成中心定位，同時(shí)獲取準(zhǔn)確的掃描坐標(biāo)。為了獲取可靠的影像匹配結(jié)果，需構(gòu)建分層金字塔影像，形成近似核線。核線即通過左右攝站與被攝河道周圍構(gòu)成的平面和像平面的交線。若像點(diǎn)(p,q)屬于左影像的相同核線，則其同名像點(diǎn)(p1,q1)在右影像上也屬于該核線，上述核線被稱作同名核線，則有：

(4)

(5)

其中：(u,v)與(x,y)分別為傾斜像片與水平像片坐標(biāo)；λ、σ、θ分別為獨(dú)立像相對(duì)方位元素的函數(shù)。

因?yàn)槊織l核線和u方向是平行的，同時(shí)左右核線的v坐標(biāo)是一致的，所以降低了v方向的搜尋區(qū)間。引入金字塔降低u方向的搜尋區(qū)間，令整個(gè)搜尋空間盡量減小。借助分層金字塔影像與核線影像，即可對(duì)一些同名點(diǎn)進(jìn)行采集，然后利用平差求解立體相對(duì)的相對(duì)方位元素與像方坐標(biāo)，獲取航測(cè)數(shù)據(jù)。

針對(duì)當(dāng)前全自主智能無人機(jī)航測(cè)數(shù)據(jù)和影像，可按照相對(duì)定向獲取的影像匹配點(diǎn)和矢量采集特征點(diǎn)實(shí)現(xiàn)三維影像配準(zhǔn)。在此基礎(chǔ)上，本研究利用Pix4Dmapper軟件對(duì)全自主智能無人機(jī)航測(cè)影像與數(shù)據(jù)進(jìn)行三維建模處理[8]。該軟件基本流程用圖3進(jìn)行描述。

圖3 軟件基本操作流程

分析圖3可以看出，通過全自主智能無人機(jī)對(duì)河道圖像進(jìn)行航拍，在保證航向與旁向重疊率的情況下，即可利用Pix4Dmapper軟件實(shí)現(xiàn)對(duì)采集航測(cè)影像與數(shù)據(jù)的三維重建，利用三維建?？梢暂o助治理河道污染源。

1.4 河道面源污染輔助分析

面源污染通常是由于種植業(yè)、養(yǎng)殖業(yè)等農(nóng)業(yè)污染造成的，污染物一般從支流或渠系流入河道干流，也就是污染主體沿河道分布，且涉及面積大，污染情況相對(duì)復(fù)雜，因此針對(duì)河道污染問題的測(cè)繪工作也非常復(fù)雜。

在上述算法和模型分析的基礎(chǔ)上，給出河道治理時(shí)污染點(diǎn)位提取步驟：

1) 確定測(cè)繪區(qū)域，沿河道對(duì)測(cè)繪區(qū)域進(jìn)行劃分。

2) 沿著劃分的河道測(cè)繪區(qū)域完成初步的航測(cè)，對(duì)核心部分進(jìn)行檢測(cè)。

3) 在初步航測(cè)的基礎(chǔ)上，對(duì)面源污染部分進(jìn)行識(shí)別，針對(duì)關(guān)鍵區(qū)域需完成進(jìn)一步的交叉測(cè)量。

利用河道面源污染點(diǎn)采集和加權(quán)線性內(nèi)插法完成測(cè)繪處理，加權(quán)線性內(nèi)插法公式描述如下：

(6)

其中：G(S0)為S0點(diǎn)的預(yù)測(cè)結(jié)果，也就是插值；n為和S0點(diǎn)相鄰的已知點(diǎn)的個(gè)數(shù)；ωi為參與預(yù)測(cè)的已知點(diǎn)的權(quán)重；G(Si)為當(dāng)前樣本點(diǎn)Si的測(cè)量結(jié)果。

權(quán)重值的計(jì)算公式如下：

(7)

其中：di0為已知樣本點(diǎn)Si和插值點(diǎn)S0間的間隔。

上述插值技術(shù)為準(zhǔn)確插值，適于數(shù)據(jù)分布相對(duì)密集、同時(shí)分布相對(duì)均勻的情況。完成對(duì)河道治理過程中面源污染點(diǎn)位的提取后，通過加權(quán)線性內(nèi)插法完成求解，能夠有效顯示河道治理過程中關(guān)鍵測(cè)繪區(qū)域和其他區(qū)域的不同。同時(shí)對(duì)污染區(qū)域進(jìn)行進(jìn)一步的細(xì)化插值處理，便于重點(diǎn)分析，從而實(shí)現(xiàn)河道治理過程中面源污染處理。

2 全自主智能無人機(jī)在河道治理工程中的應(yīng)用

本研究以某地區(qū)某河道治理工程為例，進(jìn)行全自主智能無人機(jī)在河道治理工程中的應(yīng)用分析。

2.1 河道淤積治理

針對(duì)河道清淤，調(diào)查目標(biāo)河道淤積點(diǎn)時(shí)，需對(duì)淤積位置、高度和施工道路布置等進(jìn)行分析。本研究通過全自主智能無人機(jī)采集研究河段三維地形數(shù)據(jù)，對(duì)不同淤積點(diǎn)特征信息進(jìn)行分析，然后通過三維地形規(guī)劃解決河道治理中的淤積物堆放問題。

首先通過本文研究方法對(duì)目標(biāo)河段航線進(jìn)行規(guī)劃，并進(jìn)行目標(biāo)河段航拍處理。本研究處理河段采集的航拍圖片共262幅，將采集圖片導(dǎo)入Pix4Dmapper軟件中進(jìn)行處理。按照采集圖像間的特征點(diǎn)完成對(duì)研究河段地形三維點(diǎn)云數(shù)據(jù)的解譯，見圖4。

圖4 研究河段航拍圖像三維點(diǎn)云數(shù)據(jù)

圖4中標(biāo)識(shí)部分即為淤積點(diǎn)位，通過軟件對(duì)淤積特征進(jìn)行提取，獲取淤積特征信息，為后續(xù)淤積部分檢測(cè)提供依據(jù)。通過D26-全自主智能無人機(jī)航拍技術(shù)對(duì)研究河段進(jìn)行攝影，把處理形成的文件添加至地圖軟件中，通過相關(guān)測(cè)量功能快速采集河段中不同淤積點(diǎn)長度、寬度與面積等信息。通過地圖軟件的測(cè)量功能對(duì)上述淤積點(diǎn)關(guān)鍵指標(biāo)進(jìn)行測(cè)量，然后通過各淤積點(diǎn)三維航測(cè)數(shù)據(jù)對(duì)淤積點(diǎn)水平面上的平均淤積高度進(jìn)行估測(cè)，最后依據(jù)水下淤積深度獲取淤積點(diǎn)清淤放量，詳細(xì)數(shù)據(jù)用表1進(jìn)行描述。圖4中從上至下標(biāo)識(shí)依次記作淤積點(diǎn)1-淤積點(diǎn)6。

表1 研究河段淤積量統(tǒng)計(jì)結(jié)果

分析表1可以得出，研究河道的整體淤積方量采用無人機(jī)測(cè)量的方式效率高，淤積方量估算結(jié)果較為精確。

2.2 水體異常點(diǎn)檢測(cè)

在進(jìn)行河道治理的過程中，因?yàn)楹拥浪h(huán)境問題非常復(fù)雜，針對(duì)各種類型水環(huán)境問題需進(jìn)行詳細(xì)的識(shí)別和分析，以完成對(duì)河道水環(huán)境綜合問題的分析。針對(duì)各種涉及河道水環(huán)境的問題，需按照無人機(jī)軌跡確定結(jié)果對(duì)水體污染異常位置進(jìn)行識(shí)別，同時(shí)獲取異常點(diǎn)位置輸出結(jié)果。按照得到的異常點(diǎn)位置輸出結(jié)果，令無人機(jī)進(jìn)行進(jìn)一步航測(cè)，重點(diǎn)針對(duì)所有異常點(diǎn)完成全景航測(cè)。無人機(jī)全景航測(cè)圖像可通過點(diǎn)云合成軟件完成處理，按照無人機(jī)坐標(biāo)點(diǎn)位對(duì)不同問題點(diǎn)信息進(jìn)行采集識(shí)別，為河道治理提供依據(jù)。見圖5。

圖5 水體異常標(biāo)識(shí)

圖5中，依據(jù)無人機(jī)巡航影像對(duì)4處河段水體異常部分進(jìn)行了標(biāo)識(shí)。利用無人機(jī)可更加直接地完成對(duì)水體異常位置的識(shí)別，對(duì)航測(cè)內(nèi)容進(jìn)行規(guī)劃，并對(duì)無人機(jī)航測(cè)工作進(jìn)行改進(jìn)，提高在其在河道治理工程中的應(yīng)用性。

2.3 無人機(jī)測(cè)量精度測(cè)試

將上述實(shí)驗(yàn)調(diào)查的統(tǒng)計(jì)結(jié)果指標(biāo)作為衡量指標(biāo)，驗(yàn)證本文全自主智能無人機(jī)航測(cè)數(shù)據(jù)精度，并將其和文獻(xiàn)[9]方法、文獻(xiàn)[10]方法進(jìn)行比較，結(jié)果見表2。

表2 本文方法采集精度測(cè)試

分析表2可以看出，本文通過全自主智能無人機(jī)進(jìn)行數(shù)據(jù)采集，90%以上的采集數(shù)據(jù)絕對(duì)差值低于2 m，占比為91.55%。而文獻(xiàn)[9]方法只有59.75%的采集數(shù)據(jù)絕對(duì)差值低于2 m；文獻(xiàn)[10]方法只有60.03%的采集數(shù)據(jù)絕對(duì)差值低于2 m。對(duì)比得知，本文方法采集數(shù)據(jù)精度可靠，質(zhì)量好，能夠達(dá)到河道治理工程應(yīng)用的要求。

3 結(jié) 論

將全自主智能無人機(jī)應(yīng)用于河道治理時(shí)，充分發(fā)揮了無人機(jī)的優(yōu)勢(shì)，解決了河道信息采集工作范圍廣、約束因素多、精度要求高等問題，有效避免了傳統(tǒng)采集技術(shù)的不足，增強(qiáng)了河道治理可靠性以及效率，減少了人力物力資源的使用。全自主智能無人機(jī)不但能夠在河道治理的前期工作發(fā)揮很大的作用，而且在后續(xù)河道治理方案規(guī)劃以及實(shí)施等方面也有重要意義。

無人機(jī)的應(yīng)用不只限于河道治理，針對(duì)其他復(fù)雜工程，如電力巡航、環(huán)境工程、地質(zhì)災(zāi)害普查等，無人機(jī)也能夠進(jìn)行有效的輔助工作，未來在越來越多的工程領(lǐng)域，無人機(jī)應(yīng)用將越來越廣泛。但本文方法存在前期建設(shè)投資成本高、準(zhǔn)備流程復(fù)雜的問題，后續(xù)研究中應(yīng)該針對(duì)這一點(diǎn)進(jìn)一步完善與提升。