徐 超

（鶴壁職業(yè)技術(shù)學(xué)院，河南 鶴壁 453080）

隨著自然環(huán)境的改變和人類(lèi)活動(dòng)的增加，山區(qū)的自然環(huán)境不斷遭到破壞，山地生態(tài)環(huán)境的自我修復(fù)能力變得越來(lái)越弱，在地震、泥石流、航空器墜落等災(zāi)害發(fā)生時(shí)，如何趕在災(zāi)難發(fā)生的黃金時(shí)間進(jìn)行有效的搜尋和救援是一個(gè)十分重要的問(wèn)題[1-2]。傳統(tǒng)的僅依靠人力搜尋和救援的方法在偏遠(yuǎn)的地區(qū)或者受災(zāi)嚴(yán)重的區(qū)域就顯得效率低下，無(wú)疑增加了在第一時(shí)間進(jìn)行搜尋或救援的難度[3]，且無(wú)法掌握受災(zāi)地區(qū)的具體情況，從而耽誤災(zāi)害救援的黃金時(shí)間，造成巨大的人員和財(cái)物損失。近年來(lái)，無(wú)人機(jī)技術(shù)被廣泛應(yīng)用于許多領(lǐng)域，如軍事、地理信息系統(tǒng)、農(nóng)業(yè)等，如果將無(wú)人機(jī)的相關(guān)技術(shù)運(yùn)用到山區(qū)救援搜尋中，可以在惡劣環(huán)境中避免二次傷亡，同時(shí)可以大大提高搜尋的安全性和高效性。目前，國(guó)內(nèi)外學(xué)者運(yùn)用高清無(wú)人機(jī)進(jìn)行野外遇險(xiǎn)人員搜尋的研究集中在運(yùn)用無(wú)人機(jī)高清設(shè)備進(jìn)行航拍、無(wú)人機(jī)搜索路線規(guī)劃[4]和航拍圖像智能識(shí)別[5]等方面，對(duì)采集圖像進(jìn)行智能化處理，從而查找到被困人員和物品殘骸。

1 多旋翼無(wú)人機(jī)的工作原理

從無(wú)人機(jī)的發(fā)展歷程來(lái)看，質(zhì)量重、操作煩瑣、荷載有限等原因曾限制了其進(jìn)一步的發(fā)展，以至于其被迫停產(chǎn)。直到21世紀(jì)，隨著微機(jī)電系統(tǒng)的不斷發(fā)展與成熟，無(wú)人自動(dòng)控制器的研發(fā)應(yīng)用，2005年德國(guó)首次生產(chǎn)出能實(shí)現(xiàn)自主懸停的多旋翼飛行器。之后隨著加速器、地磁傳感器的不斷成熟，再加上GPS芯片等的不斷應(yīng)用，極大地促進(jìn)了現(xiàn)代多旋翼無(wú)人機(jī)的發(fā)展[6]。

1.1 多旋翼無(wú)人機(jī)懸停原理

多旋翼無(wú)人機(jī)的基本原理與兒時(shí)玩過(guò)的竹蜻蜓升空的原理類(lèi)似，它產(chǎn)生向上升力的動(dòng)力源泉是葉片高速旋轉(zhuǎn)。類(lèi)似的原理運(yùn)用在多旋翼無(wú)人機(jī)上，當(dāng)多旋翼無(wú)人機(jī)電機(jī)帶動(dòng)葉片轉(zhuǎn)動(dòng)到一定速度時(shí)，空氣反作用力推動(dòng)螺旋槳葉片產(chǎn)生向上升力而起飛。四旋翼無(wú)人機(jī)有四個(gè)螺旋槳，四個(gè)螺旋槳在同一高度上對(duì)稱(chēng)地分布在機(jī)體前后左右四個(gè)方向，槳葉旋轉(zhuǎn)由電機(jī)帶動(dòng)，運(yùn)用空氣的反作用力產(chǎn)生升力。本文運(yùn)用的四旋翼無(wú)人機(jī)如圖1所示，當(dāng)產(chǎn)生的升力大于等于無(wú)人機(jī)總重量時(shí)，無(wú)人機(jī)可以順利升空?？梢酝ㄟ^(guò)改變和調(diào)節(jié)各個(gè)電機(jī)的旋轉(zhuǎn)速度實(shí)現(xiàn)升力的變化，從而控制無(wú)人機(jī)姿態(tài)和位置的調(diào)整。

圖1 四旋翼無(wú)人機(jī)旋翼飛行示意圖

1.2 多旋翼無(wú)人機(jī)升降原理

當(dāng)多旋翼無(wú)人機(jī)需要上升時(shí)，可以讓螺旋槳加速旋轉(zhuǎn)，增加升力，實(shí)現(xiàn)機(jī)身上升；相反，當(dāng)多旋翼無(wú)人機(jī)需要下降時(shí)，減慢螺旋槳旋轉(zhuǎn)速度，升力減小，無(wú)人機(jī)自然就會(huì)下降。為了避免出現(xiàn)不平衡轉(zhuǎn)動(dòng)，在整個(gè)過(guò)程中都要保持多個(gè)旋翼相對(duì)穩(wěn)定的轉(zhuǎn)速，需要各電機(jī)產(chǎn)生相同的轉(zhuǎn)速，以此抵消反扭矩。

2 多旋翼無(wú)人機(jī)在山區(qū)救援中的關(guān)鍵技術(shù)

2.1 搜尋等高線范圍內(nèi)障礙物

為了能清晰地描述山地形態(tài)特征，課題組引入了數(shù)字化高程模型（Digital Elevation Model, DEM），運(yùn)用計(jì)算機(jī)數(shù)字化方式將地面地形特征狀態(tài)表示出來(lái)。運(yùn)用數(shù)值矩陣的形式來(lái)表示地面高低特征，通過(guò)地形矩陣數(shù)據(jù)[7]，可方便地對(duì)地面地形數(shù)據(jù)進(jìn)行數(shù)字化模擬和仿真。各種地形、地貌因子可以通過(guò)數(shù)字地形模型（Digital Terrain Model, DTM）描述，還原出坡向、坡度、坡度變化率等地貌因子。對(duì)于無(wú)人機(jī)山區(qū)搜尋，DEM可以生成搜尋范圍內(nèi)每個(gè)高度的等高線，以便分析地勢(shì)變化情況。

2.2 航拍數(shù)字圖像形態(tài)處理

為了有效地提高山地圖像的處理效率，對(duì)于山區(qū)的特殊地形而言，對(duì)等高線圖進(jìn)行灰度化和二值化等技術(shù)處理后，為了獲取高精度的定向點(diǎn)，采用雙拼虛擬影響區(qū)域平差和光束法區(qū)域網(wǎng)平差技術(shù)[8]，可以讓地形障礙物一目了然。

2.3 搜尋方式

2.3.1 環(huán)形搜尋

以基準(zhǔn)點(diǎn)為中心的圓形區(qū)域便是環(huán)形搜尋的整體范圍，多旋翼無(wú)人機(jī)在該區(qū)域飛行，搜尋有可能的目標(biāo)，如圖2所示，在搜救中覆蓋的面積范圍并不大，為了避免相互影響，環(huán)形搜尋并不適合無(wú)人機(jī)群的聯(lián)合搜索。圖2的虛線部分表示，在全覆蓋地完成一次環(huán)形搜尋后，如果目標(biāo)搜索無(wú)果，則繼續(xù)下一個(gè)環(huán)形區(qū)域，將其換個(gè)角度進(jìn)行第二次搜尋時(shí)轉(zhuǎn)動(dòng)到第一次搜尋半徑50%的位置。環(huán)形搜尋被認(rèn)為是較有效、理想的搜索方式。

圖2 環(huán)形搜尋

2.3.2 擴(kuò)展方形搜尋

以基準(zhǔn)點(diǎn)為中心的整個(gè)區(qū)域?qū)⒅鸩奖粩U(kuò)展成方形的搜尋路徑的方式被稱(chēng)為擴(kuò)展方形搜尋，如圖3所示。擴(kuò)展方形搜尋中，搜尋區(qū)域逐漸由內(nèi)而外展開(kāi)。中心基準(zhǔn)點(diǎn)搜索既可以從一個(gè)基準(zhǔn)點(diǎn)開(kāi)始，也可以從一條中心基準(zhǔn)線開(kāi)始，如果基準(zhǔn)點(diǎn)為一條短線開(kāi)始搜索，搜尋路徑由內(nèi)向外進(jìn)行遞增擴(kuò)展。擴(kuò)展方形搜尋是一種全面均勻覆蓋的搜索方式，也是一種精度較高的搜尋方式，拓展時(shí)選擇合適的拓展增量，能保證較高的覆蓋率。

圖3 擴(kuò)展方形搜尋

2.3.3 “8”字形搜尋

“8”字形搜尋是指以原點(diǎn)O為基準(zhǔn)點(diǎn)，多旋翼無(wú)人機(jī)按照軌跡1→2→3→4飛行，如圖4所示。在飛行搜索過(guò)程中采用“8”字形搜尋方法可以較好地避免漏搜，提高查找效果。在飛行中采用“8”字形搜尋既可以兼顧基準(zhǔn)點(diǎn)又可以兼顧基準(zhǔn)點(diǎn)左右兩側(cè)，搜尋的開(kāi)始點(diǎn)和結(jié)束點(diǎn)重合，使搜尋范圍盡量全覆蓋，更加有利于無(wú)人機(jī)搜尋飛行行動(dòng)按照統(tǒng)籌規(guī)劃好的方案進(jìn)行，大大提高搜尋效率。

圖4 “8”字形搜尋

3 多旋翼無(wú)人機(jī)在山區(qū)救援的方法

3.1 山體表面搜尋方法

無(wú)人機(jī)在山區(qū)執(zhí)行搜尋任務(wù)時(shí)可以按照500 m一個(gè)高度層進(jìn)行飛行，為了覆蓋整個(gè)山體表面，采用圓形繞圈飛行的方式對(duì)山體表面進(jìn)行全方位搜尋。如搜尋區(qū)域?yàn)橐粋€(gè)山尖，航空器撞擊山尖后山谷或山體表面會(huì)散落失事航空器的殘骸，在設(shè)置搜尋范圍時(shí)，只要最高搜尋高度層圓圈的直徑大于該山尖寬度即可，而主流的大疆多旋翼無(wú)人機(jī)搭載的4K分辨率高清相機(jī)在200 m高度的成像能清晰顯示出寬度大于10 cm的物體，由此可得，大疆多旋翼無(wú)人機(jī)飛行高度在400 m時(shí)，機(jī)載相機(jī)成像能夠分辨出寬度大于20 cm的物體。通常，遇險(xiǎn)人員或物體碎片平均寬度遠(yuǎn)大于20 cm，但為了實(shí)際操作中容易垂直劃分山體區(qū)域的同時(shí)能更清晰地分辨出航空器碎片，經(jīng)反復(fù)實(shí)踐驗(yàn)證，無(wú)人機(jī)在航空器碎片上空360 m處飛行拍攝時(shí)，能較為清晰地顯示疑似的遇險(xiǎn)人員或飛行器碎片[9]。

3.2 障礙繁多山谷搜尋方法

我國(guó)西部地區(qū)地形復(fù)雜，遇到山勢(shì)起伏較大和障礙物繁多的區(qū)域較多，在這種區(qū)域進(jìn)行飛行搜索時(shí)，如果采用環(huán)形搜尋、擴(kuò)展方形搜尋與“8”字形搜尋方式，就無(wú)法保證無(wú)人機(jī)執(zhí)行任務(wù)的安全性。對(duì)于這些復(fù)雜的地形，要在盡可能全方位覆蓋整個(gè)區(qū)域的前提下，保證無(wú)人機(jī)高效、安全地執(zhí)行任務(wù)，降低漏檢率。首先應(yīng)結(jié)合起伏大、障礙物多的區(qū)域的測(cè)繪數(shù)，按高度層劃分，對(duì)該區(qū)域按照航拍高度進(jìn)行預(yù)設(shè)，通過(guò)連通的關(guān)鍵搜尋區(qū)域關(guān)鍵點(diǎn)之間的距離，運(yùn)用計(jì)算機(jī)數(shù)據(jù)結(jié)構(gòu)抽象成為鄰接矩陣，并對(duì)其進(jìn)行模擬還原，無(wú)人機(jī)路徑規(guī)劃通過(guò)每個(gè)高度層進(jìn)行。然后無(wú)人機(jī)飛控系統(tǒng)將所有關(guān)鍵搜尋點(diǎn)經(jīng)緯度坐標(biāo)、高度信息和規(guī)劃好的路徑等數(shù)據(jù)載入存儲(chǔ)，保證無(wú)人機(jī)高效、安全地執(zhí)行搜尋任務(wù)。

4 AI救援系統(tǒng)

由于大多數(shù)受災(zāi)區(qū)域地形崎嶇、情況復(fù)雜，所以運(yùn)用人工搜尋方法效率較為低下。被困人員所處的環(huán)境兇險(xiǎn)，通過(guò)人眼和個(gè)人相關(guān)經(jīng)驗(yàn)進(jìn)行搜尋的方式低效且落后，而且長(zhǎng)時(shí)間、高強(qiáng)度的工作使搜救人員疲憊不堪，無(wú)形中增加了漏檢的風(fēng)險(xiǎn)，降低了人工搜救的效率。而近年來(lái)人工智能在許多行業(yè)的成功應(yīng)用為救援搜索提供了新思路，與傳統(tǒng)人眼識(shí)別相比，將無(wú)人機(jī)技術(shù)和圖像深度學(xué)習(xí)識(shí)別技術(shù)相結(jié)合擁有更多的優(yōu)勢(shì)，其不受工作時(shí)間、工作強(qiáng)度和搜救人員情緒等因素的影響，擁有著更高的識(shí)別效率，可以最大限度地避免漏檢情況發(fā)生，提高災(zāi)害救援的效率。

4.1 AI救援系統(tǒng)的組成

AI救援系統(tǒng)[10]的核心是受災(zāi)區(qū)域自動(dòng)搜索，它由AI視覺(jué)系統(tǒng)和無(wú)人機(jī)控制系統(tǒng)兩個(gè)部分組成。AI視覺(jué)系統(tǒng)的主要工作如下：1）對(duì)遠(yuǎn)程無(wú)人機(jī)航拍圖像數(shù)據(jù)進(jìn)行傳輸、存儲(chǔ)；2）智能識(shí)別圖像信息中受傷人員以及周?chē)南嚓P(guān)環(huán)境，并通過(guò)北斗、GPS系統(tǒng)獲取遠(yuǎn)程無(wú)人機(jī)的位置信息；3）將識(shí)別的圖像與全球定位信息一并存儲(chǔ)下來(lái)，實(shí)時(shí)顯示并標(biāo)注相關(guān)信息；4）記錄受傷人員以及周?chē)南嚓P(guān)環(huán)境，同時(shí)提供相應(yīng)的救援措施。無(wú)人機(jī)系統(tǒng)采用MATLAB GUI進(jìn)行開(kāi)發(fā)，工作流程圖如圖5所示。

圖5 無(wú)人機(jī)工作流程圖

4.2 復(fù)雜環(huán)境下救援識(shí)別的常用算法

4.2.1 Faster RCNN算法

在發(fā)生自然災(zāi)害時(shí)，受困人員所處的環(huán)境大量被破壞，復(fù)雜環(huán)境的干擾對(duì)圖像識(shí)別造成較大影響，受困人與物的識(shí)別率都會(huì)有較大幅度降低，并且目標(biāo)檢測(cè)的錯(cuò)誤率大幅度升高，如何有效提高復(fù)雜環(huán)境下的目標(biāo)識(shí)別率是一個(gè)非常關(guān)鍵的問(wèn)題。為了提高在自然災(zāi)害等復(fù)雜環(huán)境下視覺(jué)系統(tǒng)的識(shí)別性能，在傳統(tǒng)的Faster RCNN卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)上增加一個(gè)特征金字塔網(wǎng)絡(luò)層，用關(guān)注損失函數(shù)代替原有的交叉熵?fù)p失函數(shù)，大大增強(qiáng)了前背景特征對(duì)小目標(biāo)的檢測(cè)能力，使得Faster RCNN網(wǎng)絡(luò)的識(shí)別效果更具魯棒性，大幅提高了Faster RCNN的目標(biāo)識(shí)別率。

4.2.2 多尺度特征提取融合算法

為了提高Faster RCNN的前背景識(shí)別效率，在Faster RCNN網(wǎng)絡(luò)結(jié)構(gòu)中增加FPN層。在原有FPN中的特征結(jié)構(gòu)上增加數(shù)量和網(wǎng)絡(luò)結(jié)構(gòu)層，從而豐富語(yǔ)義特征實(shí)現(xiàn)多層特征融合。從下層至上層逐步進(jìn)行來(lái)提取FPN特征，每一次提取特征時(shí)都要進(jìn)行一次卷積運(yùn)算，而每層卷積運(yùn)算后都會(huì)輸出一個(gè)特征金字塔，將FPN層增加到Faster RCNN的網(wǎng)絡(luò)結(jié)構(gòu)中。不同特性的獲取來(lái)自各個(gè)卷積層提取，檢測(cè)尺度較小的物體時(shí)使用層數(shù)較低的含豐富語(yǔ)義特征卷積層，而檢測(cè)尺寸較大的物體時(shí)可以通過(guò)層數(shù)較高的卷積層特征獲得檢測(cè)結(jié)果，從而提高各種尺寸目標(biāo)的識(shí)別率。

5 小結(jié)

多旋翼無(wú)人機(jī)適應(yīng)能力較強(qiáng)，操作靈活，可根據(jù)不同地質(zhì)環(huán)境，設(shè)置無(wú)人機(jī)山區(qū)搜尋的多種方案。通過(guò)GIS和遙感技術(shù)，對(duì)搜尋區(qū)域進(jìn)行數(shù)字化處理，根據(jù)山區(qū)實(shí)際地形分為山體表面搜尋法、障礙繁多山谷搜尋法，及時(shí)準(zhǔn)確地獲取災(zāi)區(qū)信息數(shù)據(jù)，為進(jìn)一步營(yíng)救提供指導(dǎo)性意見(jiàn)。應(yīng)用多旋翼無(wú)人機(jī)搭載AI智能系統(tǒng)，通過(guò)Faster RCNN算法和多尺度特征提取融合算法能夠提高救援的精準(zhǔn)度和效率，在一定程度上降低救災(zāi)難度及投入，為科學(xué)救援提供技術(shù)支持，進(jìn)一步滿(mǎn)足重大災(zāi)害應(yīng)急救援的需求，大幅度提高災(zāi)害事故救援效率。