无人机三维航迹规划改进方法

在地形起伏的复杂环境下进行遥感观测任务需要进行三维航迹规划以适应多变的自然环境,而且在规划航迹时需要考虑减少飞行时间和能量消耗以提高作业效率。本文提出了一种曲面趋平化算法（CSFA）,首先采用准均匀B样条曲面拟合算法对CSFA算法处理后的目标区域DEM进行插值,构建区域的自然环境地形模型;然后为了减少时间和能量的消耗,采用点边式宽度算法计算最优飞行方向,获得最少转弯次数;最后通过摄影测量中的重叠度约束和区域环境地形模型计算三维航带和曝光点。试验通过在不同的航高下建立约束进行三维航迹规划模拟仿真,试验结果表明,本文提出的方法能够缩短航带长度,降低作业能耗,有效地提高了观测任务效率。     

基于CNN和RNN的像素级视频目标跟踪算法

影像目标跟踪定位技术是当前计算机视觉领域的研究热点,目标跟踪算法也是现阶段将视频结果用于定位的薄弱环节之一.本文分析了像素级目标跟踪存在的问题,根据深度学习在图像领域的最新研究成果与视频跟踪需求,结合最新的图像分割、卷积神经网络(CNN)、循环神经网络(RNN)和加密解码结构等方法提出了一种像素级视频目标跟踪算法.使用公开数据集实现算法并设计了定量评价指标.实验结果表明该算法具有较强的像素级视频目标跟踪定位能力.     

改进分水岭方法下的遥感图像水体提取

针对当下全球的水域环境监测中水体提取不完整、与周围地物区分错误等问题,以山东潍河为研究对象,提出了一种改进分水岭分割方法.首先提取目标水体的光谱信息分量作为前景图,然后将膨胀后的水体对象作为背景图,利用前景图与背景图叠加生成标记图,最后利用标记图通过分水岭变换对原图像进行分割以实现水体信息的自动提取.本文将试验结果与OpenCV中手动标记种子点的分水岭算法、基于Canny边缘的分水岭算法、结合形态滤波和标记的分水岭分割方法结果进行了对比.结果表明,本文算法比用种子点手动标记的方法更加自动化,提取的水体更加完整准确;相比于Canny边缘方法又避免了过度分割;比结合形态滤波标记的方法也更加完整准确,目标水体明显,对于水体提取是一种自动化的有效方法.     

基于野外台站无人机组网遥感仿真航迹规划

无人机因其灵活、高分辨率等特点在遥感领域中得到了广泛应用,但是目前的无人机遥感多为单机作业,存在缺乏组网协同规划、作业效率有待提高等问题.无人机组网遥感观测能够克服单机作业存在的问题,可以实现多尺度、多平台、多载荷的高频次迅捷组网观测,快速获取大范围的超高分辨率数据,为大范围的生态环境监测、洪涝灾害监测以及国土安全应急...     

无人机组网遥感实时任务观测的冗余容错控制方案

中小型无人机（UAV）越来越多地应用于各种实时静态和动态任务中,已成为对人类非常有用的辅助工具。适合无人机在各种条件下进行监视和测量的因素有很多,但无人机在执行不同的实时任务时仍会受到各种挑战,且一旦在任务执行过程中任何一个约束的及时响应缺失,将会影响任务的总体结果,导致整个任务部分或完全失败,在实际中很难建立完美系统。因此,在系统中引入冗余容错来最小化故障概率并增强其鲁棒性非常重要。其中,根本问题是随着系统复杂性的增加,除非对其采取补偿措施,否则其可靠性会急剧下降。冗余容错是通过添加一个或多个模块（通常采用并行配置）作为备份来引入冗余。为了提高极端条件下航空遥感任务无人机网络系统的鲁棒性和成功率,本文将基于冗余的容错控制技术引入无人机网络设计中,确定了不同限制条件下的最佳网络解决方案。组网设计是在不同观测条件下的遥感任务如“大尺度生态监测”、“中尺度洪灾监测”、“小尺度安全监测” 中,通过同步监控进行主动合作的包括多个无人机的网络。多无人机网络作为冗余容错体系结构时可以通过添加多个无人机作为备份使得系统可以容错,而无人机在不同极端条件下的位置和视角则可以作为冗余容错的场景设置。当组网方案中的无人机位置和视角超过设定的阈值时可以被认为是故障的,其将被分离并不考虑进一步分析。通过以上方式,无人机网络可以在极端条件下得到组网控制方案的有效输出,进而保证遥感观测任务的顺利进行。