無人機自主飛行精確定位導航在環境安全中的應用

陳楠 宋智禮

摘 ?要： 針對環境安全監測與檢測中的不足，提出一種利用無人機自主飛行精確定位導航的方法實現對環境的監測與檢測。利用無人機攜帶便攜式檢測裝備對目標區域進行環境監測與檢測，關鍵在于無人機的自主飛行以及精確定位導航。在無人機自主飛行階段，利用圖像特征以及地理坐標特征實現無人機的自主飛行;在圖像匹配階段，利用特征地標的新方法來進行圖像匹配。實驗結果表明，該方法具有一定的穩定性和魯棒性，能夠有效地應用于環境安全的監測與檢測中。

關鍵詞： 環境安全; 無人機; 自主飛行; 精確定位導航; 地標特征匹配; 圖像匹配

中圖分類號： TN965?34 ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼： A ? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）02?0097?04

Application of UAV autonomous flight precise positioning navigation

in environmental safety

CHEN Nan， SONG Zhili

Abstract： In allusion to the deficiencies in environmental safety monitoring and detection， a method that application of UAV autonomous flight precise positioning navigation is proposed to realize the environmental monitoring and detection. The key to environmental monitoring and detection of target area with UAV portable detection equipment lies in the autonomous flight and precise positioning navigation of UAV. In the UAV autonomous flight phase， the UAV autonomous flight is realized with the image features and geographic coordinates features. In the image matching phase， a new method of feature landmarks is used for the image matching. The experimental results show that this method has certain stability and robustness， and can be effectively applied to the monitoring and detection of the environmental safety.

Keywords： environmental safety; UAV; autonomous flight; precise positioning and navigation; landmarks feature matching; image matching

0 ?引 ?言

目前，環境安全越來越重要，關注的人也越來越多，例如污水排放、森林火災、化工污染等環境安全問題對大眾居民的生活生產都會產生很大的困擾。為了防治與防止環境問題的惡劣，有必要對其易發生安全隱患的地方進行監測與檢測。

在對這些惡劣環境進行監測與檢測時，為了減少對人員的傷害，通常會利用無人機攜帶便攜式裝備對其進行監測與檢測。對這些污染源進行監測與檢測時，必須要保證采集的數據是正確無誤且是相對應的。例如，采集化工廠廢氣數據時，然而卻采集了污水廠廢氣數據，這樣同樣會造成錯誤分析，從而導致做無用功。為了得到正確的數據源，在使用無人機的情況下，必須保證無人機能夠實現精確定位導航，才能夠保證數據的正確性。

針對以上問題，本文提出一種基于地標特征的方法實現無人機的自主精確定位導航。無人機自主飛行通過規定好的航線，自主進行姿態矯正、航線巡航，無需過多人工參與。在精確定位的過程中，利用特征地標方法實現精確定位。綜合利用圖像中點的特征以及邊界輪廓曲線的特征，結合一種新的特征地標的匹配方法實現無人機定位的精確匹配。實驗結果表明，該方法能夠實現無人機的精確定位導航且具有較高的穩定性以及魯棒性。

1 ?基本原理

整個數據采集系統即是無人機網絡系統，通過無人機的精確定位導航，再利用便攜式數據采集裝備進行數據采集，然后傳輸至數據管理中心，通過整個網絡系統，完成數據采集、傳輸以及數據分析[1?3]。數據系統網絡圖如圖1所示。

1.1 ?飛行原理

無人機自主飛行利用自帶攝像機與存儲在數據庫中的地圖系統，確定飛行方向，利用所獲取的圖像與原始圖像所形成的夾角關系確定當前的飛行偏向角，再利用目標站點與初始位置所形成的夾角得到飛行偏向角;調控好飛行速度以及飛行高度，并且將規劃好的路線存儲在數據庫中，使無人機按照規劃好的路線循環飛行[4?5]。

1.2 ?特征地標匹配法

特征地標，簡言之就是利用標志性的地標特征，利用一個或者多個圖像特征進行圖像匹配。

特征地標利用圖像輪廓特征或者是組合輪廓特征來匹配，利用輪廓中特征點所組成的三角形，計算其三角形面積。計算出獲取的當前的圖像三角形面積以及存儲在數據庫中相對應的三角形面積，然后再計算出兩者的面積比;而后再計算出同曲線的多組面積比。對比多組面積比，在一定誤差范圍內，只要面積比相同或者相近，即可判斷出精確位置，得到精確定位信息。

其中對于一個頂點分別為 [pb（xb，yb）]， [pm（xm，ym）]， [pe（xe，ye）]的三角形，它的廣義面積（Triangle Area，TAR）定義為：

[TAR（pb，pm，pe）=12xbyb1xmym1xeye1] ? ?（1）

它是仿射變換的一個相對不變量[6?9]。

2 ?方法步驟分析

通過以上基本原理的描述可以知道，為了實現無人機自主飛行以及精確定位導航，主要分為兩個過程，分別是無人機的自主飛行以及利用特征地標精確定位導航。

2.1 ?無人機自主飛行

無人機的自主飛行大致可以分為四個階段，分別為初始階段、飛行階段、達到目標站點以及繼續飛行階段，通過這四個階段，實現無人機按照規定航線的自主飛行。

2.1.1 ?初始階段

在初始地點釋放無人機，利用相機獲取當前圖像數據，獲取當前數據圖像主要是為了確定在釋放無人機之后當前的飛行的方向，而后確立下一站點飛行方向，并改善自身飛行方向角往下一個站點飛行;同時，在當前初始位置測算出當前位置到下一目標站點間的距離。

首先利用無人機所攜帶相機獲取區域圖像，然后與數據庫中的圖像進行匹配，通過幾何變換，使得兩幅圖像重合，即可得到當前無人機的飛行偏向角，如圖2所示。

當N與N′完全重合時，其間形成的夾角便是方向角[α]，得到方向角之后可以得知飛行方向為北偏東[α]，也即當前飛行方向為北偏東[α]（假設實驗環境為相對理想環境，不考慮阻礙）。

確定當前飛行方向之后，在當前區域內檢測完數據之后需要飛行到下一站點，如圖3所示。

1） 首先測算出兩點連線與地圖坐標軸之間的夾角[β]，可以得到無人機接下來飛行的偏向角。

2） 選取原始數據庫圖像中已經標記好的站點，測算出兩點的歐氏距離[l]，然后根據地圖比例可以得到兩者間的實際距離[l]，也即無人機達到下一站點的實際飛行距離[l]。歐氏距離公式如下：

[l=（x1-x2）2+（y1-y2）2] ? ?（2）

式中：[（x1，y1）]表示第一個點坐標;[（x2，y2）]表示第二個點坐標。

2.1.2 ?飛行階段

在飛行過程中，因為假設為理想環境狀態，那么在缺少阻力的情況下，基本實現平穩飛行，在實際環境中會有誤差的存在。

2.1.3 ?到達目標站點

到達目標站點，首先進行位置匹配;然后采集環境數據;接著計算飛行下一站點的飛行方向以及飛行距離，在計算出飛行方向以及距離之后，調整自身角度，飛往下一站點。

2.1.4 ?繼續飛行階段

當到達一個站點后，需要前往下一目標站點飛行時，則需要再次按照上述的過程執行。

通過上述過程的執行，實現無人機按照規定路線巡航的目標。在環境安全檢測的應用中實現了環境數據的循環獲取，有利于數據分析。

2.2 ?精確定位導航

精確定位匹配階段可分為兩個部分，第一部分是粗略匹配以及第二部分是精確定位匹配。

通過第一部分的粗略匹配，為第二部分的精確匹配做準備，如果在第一部分就不存在匹配關系，則可以直接跳過該目標站點的檢測并報告出此站點為錯誤匹配站點，如果在粗略匹配存在匹配關系，則進行精確定位匹配，也即精確定位出當前位置。

2.2.1 ?粗匹配

粗匹配主要是進行無人機的初步定位，經過這一步可以判斷出是否有必要進行精確定位，若在粗匹配的過程中就發現當前站點位置不是目標站點，就可以忽略精確定位，再次尋找目標站點并進行匹配;如果是目標站點位置區域，則進一步進行精確定位匹配。

在粗匹配的過程中主要是利用了SIFT算法進行匹配計算，SIFT算法能夠找到更多的特征點，可以更大限度地減少遺漏和缺失，能夠保證信息的完整。

SIFT算法主要步驟為：

1） 提取特征向量;

2） 特征向量匹配[10]。

其中尺度空間構造公式為：

[L（x，y，σ）=G（x，y，σ）*I（x，y）] ? ? （3）

式中：[L（x，y，σ）]表示尺度空間;[G（x，y，σ）]表示一個變化尺度的高斯函數;“*”表示卷積;[（x，y）]表示圖像的像素位置;[σ]表示尺度因子。

2.2.2 ?精確定位匹配

在粗匹配結果正確的情況下，即可進行精確定位，利用特征地標方法實現精確定位匹配。精確定位匹配是為了能夠確定當前具體位置，得到當前的具體位置才能更好地進行環境的監測與檢測。特征地標精確匹配的方法如下：

1） 提取圖像邊界，并利用SIFT算法提取圖像邊界附近特征點集，并進行匹配;

2） 計算每個特征點最近的邊界，并計算特征點最近邊界的切交點集Pi，Pj;

3） 設定一組定比分點[λ*={λ1，λ1，…，λk}];

4） 在Pi中任取兩點p1，p2，根據λ*得到pλ，再根據TAR描述，選定特征點pr，pt，計算得到三角形面積TAR（p1，p2，[pr1]）以及TAR（p1，p2，[pr1]），并計算出三角形面積比，記為[Sprp1p2]，同理計算[Sptp1p2]：

[Sprp1p2=TAR（pr1，p1，p2）TAR（pr，p1，p2）] ? ?（4）

[Sptp1p2=TAR（pt1，p1，p2）TAR（pt，p1，p2）] ? （5）

式中，點pλ是定比為λi的定比分點。

面積計算示意圖如圖4a）、圖4b）所示。

在計算出上述面積比之后，設定一個確定的值δ，且利用已經得到的面積比以及計算其滿足條件：

[ζ=Sprp1p2Sptp1p2≤δ] ? ? （6）

在計算所取的特征點后，得到的計算值均滿足式（6）條件，則可以判斷出圖像的精確匹配結果，并輸出結果。

3 ?實驗分析

實驗主要是三個部分實驗：第一部分是無人機自主飛行導航;第二部分是圖像的初步匹配;第三部分是圖像的精確匹配。

3.1 ?無人機自主飛行導航

第一部分：無人機模擬飛行實驗路線圖采用校區內區域進行實驗、數據采集以及數據分析。模擬飛行路線圖如圖5所示。

圖5中的紅色點作為無人機檢測點，白色線條作為預先設定的無人機飛行路線，利用無人機模擬循環飛行并采集飛行數據以及圖像數據。

模擬飛行實驗路線選取的是校區內區域，其中路線圖選擇的是1∶30（單位：m）比例放縮的地圖。如圖5所示，假設從最左站點開始，分別記號為1～7號站點，開始實驗初試出發點為1號站點，初始方向為正北方向。其中模擬飛行時，無人機會將偏向角以及飛行距離數據傳輸給計算機（測算距離與實際飛行距離存在誤差），實驗分析數據表如表1所示，其中歐氏距離由式（2）計算得出。

3.2 ?圖像初步匹配

利用SIFT算法提取特征后優化，并進行匹配，如圖6所示。由匹配結果可以看出，可以通過SIFT算法再由RANSAC算法優化后，可以得到良好的匹配效果。

3.3 ?精確定位匹配

選取如圖7所示三角形區域，計算其面積比并計算出[ζ]的值，其中預先設定閾值δ為0.3。圖7a）為放大時所選取的邊界圖像，其中三角形為特征三角形;圖7b）為原始圖像中選取的邊界圖像，其三角形為特征三角形（兩者曲線均經過一定的擬合）。得到三角形后利用式（6）計算出條件面積比，其計算結果如圖8所示，來判斷出兩者是否匹配。

實驗過程中，總共選取5個特征點進行驗證，一開始的閾值δ=0.3，其實驗結果如圖8所示，與實際選取以及擬合過程中存在一定的誤差。

4 ?結 ?論

針對無人機的精確定位導航，本文提出了使用特征地標的匹配方法。首先，實現了無人機的自動飛行控制，在不利用GPS導航定位的情況下實現自動飛行控制，一定程度上降低了成本;然后，利用特征地標圖像匹配方法實現無人機的精確定位導航。從可行性方面來看，使用無人機采集數據可行有效;從實驗結果看，在一定誤差范圍內，通過特征地標匹配方法可以實現無人機的精準定位導航，在一定程度上，提高了無人機定位導航的準確率和效率;從應用方面來看，可應用于環境安全的監測與檢測中，實現無需過多人工參與的有效的數據采集。

參考文獻

[1] DANIEL K， ROHDE S， GODDEMEIER N， et al. Cognitive agent mobility for aerial sensor networks [J]. IEEE sensors journal， 2011， 11（11）： 2671?2682.

[2] BRUST M R， STRIMBU B M. A networked swarm model for UAV deployment in the assessment of forest environments [C]// 2015 IEEE Tenth International Conference on Intelligent Sensors， Sensor Networks and Information Processing. Singapore： IEEE， 2015： 1?6.

[3] RANGAN S， RAPPAPORT T S， ERKIP E. Millimeter?wave cellular wireless networks： potentials and challenges [J]. Proceedings of the IEEE， 2014， 102（3）： 366?385.

[4] 侯永鋒，陸連山，高尚德，等.基于PD算法的四旋翼飛行器控制系統研究[J].機械科學與技術，2012（3）：359?362.

[5] 姜成平.一種四旋翼無人機控制系統的設計與實現研究[D].哈爾濱：哈爾濱工業大學，2014.

[6] ALAJLAN N， RUBE I E， KAMEL M S， et al. Shape retrieval using triangle?area representation and dynamic space warping [J]. Pattern recognition， 2007， 40（7）： 1911?1920.

[7] 年華，孫立于，艷波.Harris?Laplace結合SURF的遙感圖像匹配拼接方法[J].遙感技術與應用，2016，37（6）：95?101.

[8] 吳東東，周東翔，關濤，等.一種基于輪廓多邊形逼近的可見光與紅外圖像配準方法[J].計算機應用與軟件，2012，29（10）：28?30.

[9] 李超，于飛，康曉軍.一種模板匹配的快速實現方法[J].航天返回與遙感，2016，37（1）：63?70.

[10] 宋佳乾，汪西原.基于改進 SIFT 特征點匹配的圖像拼接算法[J].計算機測量與控制，2015，23（2）：512?515.

作者簡介：陳 ?楠（1994—），江蘇揚州人，在讀碩士，研究方向為圖像處理、計算機視覺、無人機飛行控制。

宋智禮（1974—），山東人，博士，碩士生導師，講師，研究方向為圖像配準、遙感圖像處理、形狀分析、計算機視覺、人工智能、神經計算。