黄志都,崔志美
(广西电网有限责任公司 电力科学研究院，广西 南宁 530000 )
随着科学技术的不断发展，无人机在性能上也得到了迅速的提升。由于无人机具有体积小、灵活便捷、价格亲民等优点，目前应用领域也越来越广泛，尤其是军事行业以及生活民用行业[1]。从20世纪80年代开始，一些专家学者就开始对无人驾驶飞机进行研究。美国学者Nicolas(2018)利用无人机技术以及地理信息系统对2018年发生的洪涝灾害进行调查，通过深度学习算法以及相应的图像分割处理技术，对某县城的土地损毁程度进行评估，在此过程中无人机表现出快速的应变能力，为此次的洪涝灾后评估带来了巨大的便利[2]。Lewckyi (2019)提出将无人机与现代智能手机相联系，无人机在远程摄影过程中，智能手机可作为摄影的测量平台，两者都具有携带方便、体积小等优点，所以他认为智能手机与无人机相匹配是未来时代发展的趋势[3]。Mikopl (2020)利用Sigmoid算法以及相机完成了无人机数据表面模型的构建，这项研究成果为地质管理部门提供了准确的信息资源[4]。沈永林(2019)利用影像数据和无人机飞行的相关参数，通过计算机对飞行状态的重要数据点进行测算，匹配飞行运动时的动画影像，对飞行姿态及方向进行复原，最终完成对地质灾害现场的图像的三维构建[5]。徐艺来(2019)提出了一种改进的渐进三角网加密方法，将其应用于无人机地质灾害勘测技术中，能够分离地面点云数据，改进后的滤波方法可以产生更准确的结果。在实际的地貌分类研究中，自动分类仍然需要进行人工实地验证，以确保结果的准确性，并且不同地区地貌的特征具有很大差异时，其自动分类方法不能共用[6]。Vasuki等(2019)利用无人机摄影测量技术构建数字高程模型和正射影像，可以描述地质构造的复杂特征，并实现自动化断层和裂缝的提取和制图，三维重建的内部精度足以满足三米级的测量需求[7]。Tziavou等(2020)通过对固定翼和六旋翼无人机地质制图的案例研究，讨论了影响无人机图像分辨率的主要参数，为了达到所需的精度要求，地面采样距离应小于该值的一半[8]。
综上所述，本文试图从深度学习的角度出发，通过查找相关文献对无人机的飞行轨迹以及地质灾害勘测进行研究，然后又引入了一种新的Sigmoid算法对无人机飞行时的姿态以及速度进行分析，挖掘不同算法是否能对无人机的发展产生影响，本研究旨在为进一步深入分析无人机提供借鉴。
1.1 基于地质灾害勘测研究的深度学习模型构建
无人驾驶飞机也称为无人机，是一种通过无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作。无人机按应用领域，可分为军用与民用。在军用方面，无人机分为侦察机和靶机[9]。在民用方面，无人机可以用来监测传染病、绘制地图、救援灾难等等。由于摄影测量技术的快速发展，无人机很可能是地质学家在不久的将来常用的工具之一[10]。具体的无人机地质影像采集流程如图1所示。
根据无人机成像的特点和透镜定律，拍摄实物的距离到成像的距离计算方法如公式(1)所示。
(1)
公式(1)中，a0表示的是所拍实物的距离，at表示的是镜头后成像距离，b为镜头的焦距。
无人机将实物的照片拍摄完毕之后，要对得到的图片进行相应的质量评估，首先在图片中提取的均值要与规范化系数相比较，具体的规范化系数计算方法如公式(2)所示。
(2)
其中，
(3)
利用高斯分布可将以上公式进行优化，具体的结果如公式(4)所示。
(4)
公式(4)中，f表示高斯分布函数，β表示方差，剩余字母的含义与上述公式相同。根据公式(4)从四个不同的方向对像素系数进行乘积，具体的结果如公式(5)～公式(8)所示。
(5)
(6)
(7)
(8)
(9)
图1 无人机地质影像采集流程
其中，
(10)
(11)
上述公式中，βI表示第I个数值的方差，βr表示第r个数值的方差，剩余字母的含义与上述公式相同。
利用上述的算法能够在一方面使得无人机拍摄的图像更加清晰、准确，另一方面可以对图片进行后期的优化和修整，最终让无人机在地质灾害勘测方面发挥出最大的作用。除此之外，无人机的轨迹规划也非常重要，正确的设计能够在一定的时间中花费最小的精力，拍摄出优质的图片，因此无人机轨迹规划的两个重要约束条件是路径的可飞行性和安全性，在无障碍威胁且满足过载和环境约束条件下，无人机的飞行约束主要是自身性能的约束。主要包括：四旋翼无人机运动时最大加速度±amax(ms-2)、最大速度vmax(ms-1)、最大飞行高度Hmax(m)、最大飞行时间Tmax和最大航程Lmax(m)。对多点轨迹规划问题的描述可以用如下数学式表示：
(12)
其中，N为系列路径点的个数,Psi为系列起始点,Pfi为系列终止点，Π代表约束条件，ri(q)代表轨迹规划生产的路径，(x,y,z)代表飞行器所在的位置或航路点，(ψ,θ)分别代表飞行器的偏航角和俯仰角。
假设P1(xi,yi,zi)、P2(xi+1,yi+1,zi+1)、P3(xi+2,yi+2,zi+2)为给定的三个目标点坐标，初始航向角表达式为：
(13)
终止航向角表达式为：
(14)
公式(13)和公式(14)中c的取值为-π，π或者0，它可以将航向角的取值范围限定在[-π，π]。
深度学习是机器学习研究的一个新方向，它的最终目的是让机器能够像人一样具备分析学习能力，可以对图像和声音数据进行识别。将该模型引入无人机的飞行轨迹规划以及地质灾害勘测研究中，不仅可以将实操过程中所遇到的问题情景再现，而且能够形成一整套研究逻辑策略。对深度学习的研究内容进行分析之后，发现主要涉及三种不同的方法。
(1) 基于卷积运算的神经网络系统，即卷积神经网络。该模型包含卷积计算且计算具有深度结构的前馈神经网络，主要分为输入层、卷积层、池化层和全连接层四部分，是深度学习的代表算法之一[11]。具体如图2所示。
图2 卷积神经网络模型
(2) 基于多层神经元的自编码神经网络，包括自编码( Auto encoder)以及近年来受到广泛关注的稀疏编码( Sparse Coding)[12]。
(3)以多层自编码神经网络的方式进行预训练，进而结合鉴别信息进一步优化神经网络权值的深度置信网络(Deep Belief Networks，DBN)，该模型既可以用于非监督学习，也可以用于监督学习[13]。
1.2 拟采用的研究方法
(1)比较分析法：指将两种或者两种以上的研究对象进行多方对比，发掘它们之间的相同之处和不同之处，对好的方法进行分析、研究和借鉴，目的就是为高校英语教学提供良好的策略[14]。(2)定量定性分析法是指通过收集相关的研究数据，对数量的特征、数量之间的逻辑关系以及数量的变化趋势等方面进行分析、研究和总结的一种常用方法。定性分析法指的是预测者根据相关的历年数据变化、政府政策发布以及社会上发生的具有影响力的重大事件对该数据的未来发展趋势变化和性质进行分析的方法[15]。(3)案例研究法：通过对相关数据的搜集，寻找之前专家学者对多元文化视域下高校英语教学策略的研究方法，将它们作为分析的案例，结合目前社会现实中存在的各类问题和现象，建立相应的研究框架，使得文章更加科学。(4)色差分析法：为了对不同性质的实物进行区分，需要建立起点与点之间的关系，进一步挖掘出所研究实物的特定位置、特定属性、特定类型等等[16]。中国拥有复杂多样的地形地貌，所以在地质灾害勘测以及对无人机飞行轨迹规划方面都存在一定的困难，利用色差分析法可以在较大程度上避免问题的发生，提供更加精准的数据结果。具体的实物色差公式计算方法如公式(15)所示。
(15)
公式(15)中，xi和xj分别表示x的横坐标与纵坐标，gi和gj分别代表目标色的横坐标与纵坐标，ri和rj分别代表试样色的横坐标与纵坐标，bi和bj分别代表标准色的横坐标与纵坐标。
加权的实物色差公式计算方法如公式(16)所示。
D(xi,xj)=
(16)
上述公式中，wr表示试样色的方差，wg表示目标色的方差，wb表示标准色的方差，剩余字母的含义与上述公式相同。
1.3 试验环境及无人机性能
本次选定的无人机地质灾害勘测试验区位于陕西省Y市的一个县城，试验区面积大约为160 km2，试验区总面积中93%以上是黄土丘陵，只有5%的沟谷川地。所处的自然环境属于典型的黄土丘陵沟壑区与典型的重水土流失区域，地质灾害频发。因此选取本段为本次无人机地质灾害调查试验的区段。试验区具体的气象特征如表1所示。
表1 试验区气象特征
另外试验所使用的无人机性能指标如表2所示。
表2 无人机性指标
最后，卷积神经网络和Sigmoid算法应用于无人机的飞行轨迹勘测及地质灾害勘测中的具体流程如图3所示。
图3 无人机飞行轨迹勘测及地质灾害勘测中的运行流程
2.1 深度学习在地质灾害勘测中的应用
中国的地形地貌复杂多样，西高东低，呈阶梯状分布，给地质灾害勘测带来了一定的困难，近些年出现的无人能够解决这一难题。无人机在高空采集数据时，地面分辨率和所需时间之间的关系如图4所示。
图4 无人机飞行高度与分辨度、勘测时间之间的关系
从图4中可以发现，无人机飞行的高度与地面分辨率呈负相关，与所花费的时间呈正相关。随着无人机飞行高度的不断上升，地面分辨率也在不断下降，但是当无人机飞行高度在10 m的时候，花费的时间最少，大约为0.25 min，高度在132 m的时候，花费的时间最多，大约为3.5 min。可见无人机相对于人工勘测来说，会节省很多时间，但是与其他勘测技术相比，无人机可能不是最省时的。
为了解决上述无人机地质灾害勘测清晰度的问题，在图像分析中引入了卷积神经网络模型。当无人机的飞行高度在25 m时，不同控制点数量下的精度结果如图5所示。
图5 高度25m下不同数量控制点下的精度对比[图(a)表示控制点4时的点位误差，图(b)表示控制点4时的高程误差，图(c)表示控制点6时的点位误差，图(d)表示控制点6时的高程误差，图(e)表示控制点8时的点位误差，图(f)表示控制点8时的高程误差]
从图5中可以发现，用无人机进行地质灾害勘测时，云台的设备相对比较稳定，影像质量水平可以满足本文的测量要求。将同一飞行高度下不同控制点的点位误差与高程误差进行比较可以看出，在图像分析过程中加入卷积神经网络模型后，随着控制点数量的增加，所检验点的水平中误差和高程误差均变小，也就是精确值变高；
但是当控制点数量增加到一定程度后，对精确度的影响越来越小。经过综合的对比分析可以发现，当高度为25 m时选择6个控制点的结果最优，可以达到较好的平面精度与高程精度效果。可见，卷积神经网络模型在地质勘测的图像研究中具有重要作用。
2.2 深度学习在无人机飞行轨迹规划中的应用
由于无人机内部结构越来越复杂，单纯依靠手控操作完成多项任务也变得艰巨，所以本文在无人机飞行轨迹规划中引入了一种Sigmoid算法，具体的试验结果如图6和图7所示。
图6 无人机飞行姿态控制及误差[图(a)表示飞行姿态为俯仰角的数据，图(b)表示飞行姿态为俯仰角的误差数据，图(c)表示飞行姿态为横滚角的数据，图(d)表示飞行姿态为横滚角的误差数据，图(e)表示飞行姿态为偏航角的数据，图(f)表示飞行姿态为偏航角的误差数据]
图7 无人机飞行速度控制及误差[图(a)表示飞行速度为y的数据，图(b)表示飞行速度为y的误差数据，图(c)表示飞行速度为x的数据，图(d)表示飞行速度为x的误差数据，图(e)表示飞行速度为z的数据，图(f)表示飞行速度为z的误差数据]
文中利用Sigmoid算法主要从无人机的飞行速度控制以及姿态控制两方面展开研究，从上述图5和图6中可以看出，在姿态控制方面，俯仰角的误差范围处于-0.4～0.62之间，横滚角的误差范围处于-0.5～0.91之间，偏航角的误差范围处于-0.05～0.2之间，对比三种姿态控制可知，偏航角的误差范围最小，俯仰角的误差范围最大，但是Sigmoid算法将整体的姿态误差都控制在-0.5～1之间，另外，在速度控制方面整体误差都处于-0.3～0.3之间，可见这种算法对无人机飞行轨迹的姿态控制以及飞行速度控制都具有很好的保障作用。
以陕西省Y市的某一县城作为试验区域，利用卷积神经网络算法以及Sigmoid算法对无人机的飞行轨迹及地质灾害勘测进行研究，并得出了4、6、8这三个控制点的数据点位误差、高程误差，经过对比发现，控制点为6时的点位误差和高程误差最小、结果最优等相关结论，在一定程度上为今后无人机的发展提供了研究思路与方法。
在美国，已经基于无人机的遥感系统建立了相应的示范性基地，并将其应用于快速获取道路运输网络的图像并对所得信息进行快速分析，可以应用无人机取得实时遥感影像并对地震后出现问题的道路、桥梁进行评估以快速确定震后救灾的路线。本文所使用的无人机遥感系统多使用小型数字相机作为机载遥感设备，与美国的航片相比，存在像幅较小、影像数量多等问题，后续还要在这方面进行分析和借鉴。
快速发展的无人机能够帮助人类解决一些复杂而艰巨的任务，基于深度学习算法，对无人机的飞行轨迹以及地质灾害勘测进行分析和研究，主要得出以下几点结论：(1)无人机飞行的高度越高，对地质灾害勘测的图像分辨率越低，所消耗的时间越长；
(2)将深度学习中的卷积神经网络模型引入无人机拍摄图像的研究中发现，当高度为25米，控制点为4、6、8时，随着控制点数量的增加，所检验点的水平中误差和高程误差均变小，也就是精确值变高；
(3)将4、6、8这三个控制点的数据点位误差、高程误差经过对比发现，控制点为6时的点位误差和高程误差最小，此时的结果最优；
(4) 通过将Sigmoid算法应用在无人机的飞行轨迹规划中得出，在飞行速度方面可以将误差控制在-0.3～0.3之间，在姿态控制方面可以将误差控制在-0.5～1之间，其中偏航角的误差范围最小，可见，Sigmoid算法能够在一定程度上保障无人机的飞行轨迹，因此，在今后的无人机研发或者地质灾害勘测中有望根据上述的研究结论进行应用。
由于精力有限，文章在数据获取方面存在一定的局限性，对于相关数据的一些检验也有偏差，在深度学习下无人机的飞行轨迹规划以及地质灾害勘测经济投入上并未进行讨论，后续可根据具体情况进行效益评估，利用深度学习算法以及Sigmoid算法促进无人机今后的发展。
猜你喜欢勘测控制点轨迹小型无人机在水利工程勘测中的应用研究建材发展导向(2021年13期)2021-07-28轨迹读友·少年文学(清雅版)(2020年4期)2020-08-24轨迹读友·少年文学(清雅版)(2020年3期)2020-07-24勘测设计河南水利年鉴(2020年0期)2020-06-09轨迹现代装饰(2018年5期)2018-05-26NFFD控制点分布对气动外形优化的影响北京航空航天大学学报(2017年4期)2017-11-23进化的轨迹（一）——进化，无尽的适应中国三峡(2017年2期)2017-06-09水利勘测河南水利年鉴(2017年0期)2017-05-19勘测设计河南水利年鉴(2017年0期)2017-05-19基于风险管理下的项目建设内部控制点思考中国工程咨询(2017年12期)2017-01-31