低空摄影测量无人机航迹规划的设计与实现

近年来,低空摄影测量无人机技术得到了快速的发展与应用。利用无人机进行低空摄影测量时,获取成果快、生产周期短、运作成本低并且可操作性强。同时,无人机作业受天气影响较小、在摄影时无遮挡现象、适用于小范围区域的摄影测量需要。本文针对试验区域,设计了两种航迹规划方法,并通过使用低空摄影测量无人机进行飞行验证,比较了两种航迹规划方法的优劣,为今后无人机完成摄影测量任务提供了航路规划方法和理论基础。     

旋翼无人机数字摄影在大比例尺正射影像图制作中的应用

旋翼无人机具有起降条件简单、便于操控、垂直起降、影像清晰、安全系数高等诸多优点,适合应用于小范围平坦地区的摄影测量。本文以六旋翼无人机航摄系统完成小区域大比例尺正射影像图制作为实例,介绍了该型无人机系统的组成、功能特点及作业方法,并对航测成果精度进行检核。结果表明:在像控点布设位置、密度符合要求的情况下,旋翼无人机航摄基本能满足1∶2 000正射影像图制作的要求。     

无人机摄影测量技术在阿娘寨滑坡应急调查中的应用

无人机摄影测量技术具有数据获取效率高、响应速度快、成果丰富多样等优势,逐步应用于地质灾害应急调查中。2020年6月18日阿娘寨滑坡复活后,采用无人机摄影测量技术进行应急调查。首先,通过检查点验证了无人机免像控摄影测量技术的可行性,总结性研究了无人机影像数据快速拼接和全面处理的软件选取,生成了调查区三维实景模型、数字表面模型(DSM)、正射影像(DOM)及密集点云等基础数据;最后对基础数据处理分析,完成了滑坡地形快速测绘、滑坡特征调查等工作,并对多期次的高精度无人机摄影测量数据进行差分计算,识别了滑坡形变较大的区域,定量表征了滑坡的形变特征,为监测仪器的选位提供了指导。滑坡体上GNSS监测的最大累计形变可达16m,将现场布设的专业监测设备的数据接入地质灾害实时监测预警系统中,有效保证了灾害防治工程的顺利实施。     

面向海洋应用的无人机遥感图像配准研究

在海洋应用中,大面积水体的同名点匹配相比陆地更加困难,制约了无人机遥感图像的配准精度和收敛速度。本文提出了一种改进算法适用于海洋无人机遥感应用,采用主成分分析（PCA）和水体阈值方法去除水体,获得图像中非水体区域的分块图像,然后利用仿射-尺度不变特征变换算法（ASIFT）进行图像的特征点提取和重叠图像非水体区域的同名点匹配。通过海岛、海岸线的无人机遥感试验结果表明,基于改进算法,在不增加时间开销的情况下,可以增加30%~50%的同名点数量,精度提高约5%~10%。文中方法适应用于海洋无人机遥感的序列图像配准,为海岛、海岸线的遥感监测提供了有效的技术支持。     

基于滑模和ESO的四旋翼飞行器遥感机动观测姿态控制

随着无人机(UAV)在民用各个行业应用领域的推广,对精准遥感的需求越来越强烈。旋翼飞行器作为无人机的一种,近年来发展迅速,已成为小范围精准遥感测绘的首选,然而其本身飞行的稳定性与遥感成像效果有着直接联系,因此姿态控制器也成为无人机稳定性能研究的基础问题。针对四旋翼飞行器运动的欠驱动、强耦合和非线性特性,本文提出一种基于滑模和扩张状态观测器（ESO）的姿态控制器,设计了可一系列实验方法来获取模型参数（转动惯量、升力系数、扭矩系数和电机时间常数）,并建立四旋翼各个模块的数学模型。在此模型基础上,采用滑模控制器实现四旋翼飞行器姿态解耦鲁棒控制,通过sat函数替换符号函数改进滑模控制器结构,减缓颤振现象。同时,结合ESO实现对四旋翼姿态回路的系统干扰总和进行实时估计,其中干扰总和包括建模状态间耦合项、未建模动态以及外部干扰,从而对滑模控制器的输出进行实时干扰补偿,实现高品质的四旋翼姿态控制。本文设计2组实验：实际操纵指令跟踪实验;外界实际挂载重物干扰实验。通过实验对这2种四旋翼无人机姿态控制器（基于滑模和ESO的控制器、单独滑模控制器）进行仿真和实际试飞对比。实验结果表明,同等情况下,基于滑模和ESO的控制器能够实现姿态稳定且跟踪误差减少约20%,同时该控制方法增强了四旋翼的抗干扰能力,悬停时姿态角度波动幅度减少约50%,具有实际应用的价值。     

一次快速发展气旋导致的沙尘暴天气过程的初步分析

文章概述了我国北方地区春季沙尘天气的特征,并对影响沙尘暴的天气气候背景、单站地面气象要素、环流形势、冷空气的强度及影响路径、沙尘暴的起沙源地、影响时间和范围等进行了分析。结果表明:此过程是蒙古气旋强烈发展所致。巴丹吉林沙漠和浑善达克沙地是沙尘暴的主要沙尘源区;蒙古气旋的爆发性发展和冷锋后大风是起沙的主要动力;在高空急流出口区左侧,气流辐散强迫形成干对流上升气流,该上升气流与湍流输送是沙尘向高空输送的动力机制。     

基于RCNN的无人机巡检图像电力小部件识别研究

随着无人机（UAV)在电力巡线作业中的应用推广,对无人机巡检图像的信息挖掘或目标识别需求也越来越强烈。传统的电力部件识别流程常使用经典的机器学习算法,如支持向量机（SVM）、随机森林或adaboost,结合梯度、颜色或纹理等浅层特征来对电力部件进行识别,难以充分利用无人机巡检图像的信息,并且难以达到较高的准确率。卷积神经网络（CNN）在目标识别中表现优异,在很多目标识别场景之中成为首选算法。基于区域的卷积神经网络（RCNN）通过使用CNN从图像中提取可能含有目标的区域来检测并识别目标,但是计算复杂,难以满足识别海量电力巡检图片的需求。Fast R-CNN和Faster R-CNN利用CNN网络提取图像特征,后接一个区域提议层,优化了提取可能含有目标区域的方式并改进识别目标的分类器,使目标的检测和识别几乎实时。本文详细描述了Faster R-CNN算法流程,并在无人机电力线巡检图像部件检测中使用,然后分别对DPM、SPPnet和Faster R-CNN识别方法进行了对比分析,利用实际采集的电力小部件巡检数据构建的数据集对3种方法进行测试验证,并讨论了不同参数对识别结果的影响。实验结果表明,基于深度学习的识别方法实现电力小部件的识别是可行的,而且利用Faster R-CNN进行多种类别的电力小部件识别定位可以达到每张近80 ms的识别速度和92.7%的准确率。     

基于嵩山定标场的无人机数据快速成图应用

无人机作为一个高效的测绘平台,越来越多地被应用到生产作业中。研究无人机数据快速成图的技术基础,基于GPU加速的同名点匹配技术,并根据嵩山定标场的测绘需求进行试验。采用无人机获取的影像16 179张,结合场内高精度地面控制点,快速处理得到嵩山定标场约50km2的高精度数字正射影像图(DOM),精度为平面点位中误差2.7cm,约0.5个像素。通过试验验证基于无人机数据快速成图的高效率和高精度,同时为后续的国产卫星、大型航测相机、无人机等定标检校提供参考。     

几种相机检校方法的探讨

相机技术参数的检校是保证成果质量能否满足精度要求的关键问题之一。本文主要对常用的几种检校方法进行归纳,通过对实验数据的对比分析,找出优缺点,得出结论,为以后相机检校方法进一步的探讨提供一定的帮助。     

江西赣州废弃离子型稀土矿修复区植被高光谱特征与健康状况评价

江西赣州废弃离子型稀土矿山自2016年以来修复成效明显,目前已基本修复完毕,如何科学评价废弃稀土矿山的修复效果,已成为政府亟需解决的问题。传统的多光谱遥感方法对于精确提取修复区植被的种类和健康状况存在较多的局限。为解决上述问题,中国地质调查局支撑赣州七县矿山地质环境调查工作部署了赣州稀土矿矿山地质环境综合调查和评价工作。以无人机搭载高光谱仪为主要遥感调查工具,选择典型的废弃稀土矿山修复区为研究区,进行矿区无人机搭载高光谱仪扫描,获取了龙南县足洞地区2 km2的典型矿区高光谱影像。利用ENVI软件,采用混合线性模型进行矿区原始及修复植被的光谱特征提取,分区分析了废弃稀土矿山地区植被生长情况,对修复区植被的健康状况进行尝试性的评价。该方法将地球化学调查和高光谱遥感相结合为废弃稀土矿山植被生态修复效果的评价提供了一种快速、准确的评价方法。