多旋翼無人機在山區應急救援中的應用分析*

徐 超

（鶴壁職業技術學院，河南 鶴壁 453080）

隨著自然環境的改變和人類活動的增加，山區的自然環境不斷遭到破壞，山地生態環境的自我修復能力變得越來越弱，在地震、泥石流、航空器墜落等災害發生時，如何趕在災難發生的黃金時間進行有效的搜尋和救援是一個十分重要的問題[1-2]。傳統的僅依靠人力搜尋和救援的方法在偏遠的地區或者受災嚴重的區域就顯得效率低下，無疑增加了在第一時間進行搜尋或救援的難度[3]，且無法掌握受災地區的具體情況，從而耽誤災害救援的黃金時間，造成巨大的人員和財物損失。近年來，無人機技術被廣泛應用于許多領域，如軍事、地理信息系統、農業等，如果將無人機的相關技術運用到山區救援搜尋中，可以在惡劣環境中避免二次傷亡，同時可以大大提高搜尋的安全性和高效性。目前，國內外學者運用高清無人機進行野外遇險人員搜尋的研究集中在運用無人機高清設備進行航拍、無人機搜索路線規劃[4]和航拍圖像智能識別[5]等方面，對采集圖像進行智能化處理，從而查找到被困人員和物品殘骸。

1 多旋翼無人機的工作原理

從無人機的發展歷程來看，質量重、操作煩瑣、荷載有限等原因曾限制了其進一步的發展，以至于其被迫停產。直到21世紀，隨著微機電系統的不斷發展與成熟，無人自動控制器的研發應用，2005年德國首次生產出能實現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芯片等的不斷應用，極大地促進了現代多旋翼無人機的發展[6]。

1.1 多旋翼無人機懸停原理

多旋翼無人機的基本原理與兒時玩過的竹蜻蜓升空的原理類似，它產生向上升力的動力源泉是葉片高速旋轉。類似的原理運用在多旋翼無人機上，當多旋翼無人機電機帶動葉片轉動到一定速度時，空氣反作用力推動螺旋槳葉片產生向上升力而起飛。四旋翼無人機有四個螺旋槳，四個螺旋槳在同一高度上對稱地分布在機體前后左右四個方向，槳葉旋轉由電機帶動，運用空氣的反作用力產生升力。本文運用的四旋翼無人機如圖1所示，當產生的升力大于等于無人機總重量時，無人機可以順利升空。可以通過改變和調節各個電機的旋轉速度實現升力的變化，從而控制無人機姿態和位置的調整。

圖1 四旋翼無人機旋翼飛行示意圖

1.2 多旋翼無人機升降原理

當多旋翼無人機需要上升時，可以讓螺旋槳加速旋轉，增加升力，實現機身上升；相反，當多旋翼無人機需要下降時，減慢螺旋槳旋轉速度，升力減小，無人機自然就會下降。為了避免出現不平衡轉動，在整個過程中都要保持多個旋翼相對穩定的轉速，需要各電機產生相同的轉速，以此抵消反扭矩。

2 多旋翼無人機在山區救援中的關鍵技術

2.1 搜尋等高線范圍內障礙物

為了能清晰地描述山地形態特征，課題組引入了數字化高程模型（Digital Elevation Model, DEM），運用計算機數字化方式將地面地形特征狀態表示出來。運用數值矩陣的形式來表示地面高低特征，通過地形矩陣數據[7]，可方便地對地面地形數據進行數字化模擬和仿真。各種地形、地貌因子可以通過數字地形模型（Digital Terrain Model, DTM）描述，還原出坡向、坡度、坡度變化率等地貌因子。對于無人機山區搜尋，DEM可以生成搜尋范圍內每個高度的等高線，以便分析地勢變化情況。

2.2 航拍數字圖像形態處理

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

2.3 搜尋方式

2.3.1 環形搜尋

以基準點為中心的圓形區域便是環形搜尋的整體范圍，多旋翼無人機在該區域飛行，搜尋有可能的目標，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，環形搜尋并不適合無人機群的聯合搜索。圖2的虛線部分表示，在全覆蓋地完成一次環形搜尋后，如果目標搜索無果，則繼續下一個環形區域，將其換個角度進行第二次搜尋時轉動到第一次搜尋半徑50%的位置。環形搜尋被認為是較有效、理想的搜索方式。

圖2 環形搜尋

2.3.2 擴展方形搜尋

以基準點為中心的整個區域將逐步被擴展成方形的搜尋路徑的方式被稱為擴展方形搜尋，如圖3所示。擴展方形搜尋中，搜尋區域逐漸由內而外展開。中心基準點搜索既可以從一個基準點開始，也可以從一條中心基準線開始，如果基準點為一條短線開始搜索，搜尋路徑由內向外進行遞增擴展。擴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，拓展時選擇合適的拓展增量，能保證較高的覆蓋率。

圖3 擴展方形搜尋

2.3.3 “8”字形搜尋

“8”字形搜尋是指以原點O為基準點，多旋翼無人機按照軌跡1→2→3→4飛行，如圖4所示。在飛行搜索過程中采用“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點又可以兼顧基準點左右兩側，搜尋的開始點和結束點重合，使搜尋范圍盡量全覆蓋，更加有利于無人機搜尋飛行行動按照統籌規劃好的方案進行，大大提高搜尋效率。

圖4 “8”字形搜尋

3 多旋翼無人機在山區救援的方法

3.1 山體表面搜尋方法

無人機在山區執行搜尋任務時可以按照500 m一個高度層進行飛行，為了覆蓋整個山體表面，采用圓形繞圈飛行的方式對山體表面進行全方位搜尋。如搜尋區域為一個山尖，航空器撞擊山尖后山谷或山體表面會散落失事航空器的殘骸，在設置搜尋范圍時，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人機搭載的4K分辨率高清相機在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，大疆多旋翼無人機飛行高度在400 m時，機載相機成像能夠分辨出寬度大于20 cm的物體。通常，遇險人員或物體碎片平均寬度遠大于20 cm，但為了實際操作中容易垂直劃分山體區域的同時能更清晰地分辨出航空器碎片，經反復實踐驗證，無人機在航空器碎片上空360 m處飛行拍攝時，能較為清晰地顯示疑似的遇險人員或飛行器碎片[9]。

3.2 障礙繁多山谷搜尋方法

我國西部地區地形復雜，遇到山勢起伏較大和障礙物繁多的區域較多，在這種區域進行飛行搜索時，如果采用環形搜尋、擴展方形搜尋與“8”字形搜尋方式，就無法保證無人機執行任務的安全性。對于這些復雜的地形，要在盡可能全方位覆蓋整個區域的前提下，保證無人機高效、安全地執行任務，降低漏檢率。首先應結合起伏大、障礙物多的區域的測繪數，按高度層劃分，對該區域按照航拍高度進行預設，通過連通的關鍵搜尋區域關鍵點之間的距離，運用計算機數據結構抽象成為鄰接矩陣，并對其進行模擬還原，無人機路徑規劃通過每個高度層進行。然后無人機飛控系統將所有關鍵搜尋點經緯度坐標、高度信息和規劃好的路徑等數據載入存儲，保證無人機高效、安全地執行搜尋任務。

4 AI救援系統

由于大多數受災區域地形崎嶇、情況復雜，所以運用人工搜尋方法效率較為低下。被困人員所處的環境兇險，通過人眼和個人相關經驗進行搜尋的方式低效且落后，而且長時間、高強度的工作使搜救人員疲憊不堪，無形中增加了漏檢的風險，降低了人工搜救的效率。而近年來人工智能在許多行業的成功應用為救援搜索提供了新思路，與傳統人眼識別相比，將無人機技術和圖像深度學習識別技術相結合擁有更多的優勢，其不受工作時間、工作強度和搜救人員情緒等因素的影響，擁有著更高的識別效率，可以最大限度地避免漏檢情況發生，提高災害救援的效率。

4.1 AI救援系統的組成

AI救援系統[10]的核心是受災區域自動搜索，它由AI視覺系統和無人機控制系統兩個部分組成。AI視覺系統的主要工作如下：1）對遠程無人機航拍圖像數據進行傳輸、存儲；2）智能識別圖像信息中受傷人員以及周圍的相關環境，并通過北斗、GPS系統獲取遠程無人機的位置信息；3）將識別的圖像與全球定位信息一并存儲下來，實時顯示并標注相關信息；4）記錄受傷人員以及周圍的相關環境，同時提供相應的救援措施。無人機系統采用MATLAB GUI進行開發，工作流程圖如圖5所示。

圖5 無人機工作流程圖

4.2 復雜環境下救援識別的常用算法

4.2.1 Faster RCNN算法

在發生自然災害時，受困人員所處的環境大量被破壞，復雜環境的干擾對圖像識別造成較大影響，受困人與物的識別率都會有較大幅度降低，并且目標檢測的錯誤率大幅度升高，如何有效提高復雜環境下的目標識別率是一個非常關鍵的問題。為了提高在自然災害等復雜環境下視覺系統的識別性能，在傳統的Faster RCNN卷積神經網絡的基本結構上增加一個特征金字塔網絡層，用關注損失函數代替原有的交叉熵損失函數，大大增強了前背景特征對小目標的檢測能力，使得Faster RCNN網絡的識別效果更具魯棒性，大幅提高了Faster RCNN的目標識別率。

4.2.2 多尺度特征提取融合算法

為了提高Faster RCNN的前背景識別效率，在Faster RCNN網絡結構中增加FPN層。在原有FPN中的特征結構上增加數量和網絡結構層，從而豐富語義特征實現多層特征融合。從下層至上層逐步進行來提取FPN特征，每一次提取特征時都要進行一次卷積運算，而每層卷積運算后都會輸出一個特征金字塔，將FPN層增加到Faster RCNN的網絡結構中。不同特性的獲取來自各個卷積層提取，檢測尺度較小的物體時使用層數較低的含豐富語義特征卷積層，而檢測尺寸較大的物體時可以通過層數較高的卷積層特征獲得檢測結果，從而提高各種尺寸目標的識別率。

5 小結

多旋翼無人機適應能力較強，操作靈活，可根據不同地質環境，設置無人機山區搜尋的多種方案。通過GIS和遙感技術，對搜尋區域進行數字化處理，根據山區實際地形分為山體表面搜尋法、障礙繁多山谷搜尋法，及時準確地獲取災區信息數據，為進一步營救提供指導性意見。應用多旋翼無人機搭載AI智能系統，通過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度和效率，在一定程度上降低救災難度及投入，為科學救援提供技術支持，進一步滿足重大災害應急救援的需求，大幅度提高災害事故救援效率。