CN102819926A - 一种基于无人机的火灾监测预警方法 - Google Patents

Abstract

一种基于无人机的火灾监测预警方法，利用搭载了数字相机和GPS接收机的无人机巡回监测和拍摄图像，记录拍摄图像以及拍摄时的GPS位置和拍摄姿态，并实时传回地面站；地面站对接收的图像进行扫描，识别潜在火点（栅格）和已燃火点（栅格），得到精确的火场位置及范围；地面站基于连续拍摄的航片计算相邻时刻的多个火场范围边界和重心，得出离火场重心最远的点即为火头点，通过对火头点位置变化的分析，判断火灾蔓延的方向，并计算出火灾蔓延的速度与加速度。本方法具有机上搭载设备的图像处理能力要求低、无人机荷载轻、续航巡检时间长、设备丢失或损坏的风险低，能自动提取火带蔓延的方向和自动计算火带蔓延的速度与加速度，实用性强等优点。

Description

一种基于无人机的火灾监测预警方法

技术领域

本发明涉及一种火灾监测预警技术，特别涉及一种基于无人机的火灾监测预警方法。

背景技术

国内常用的森林火灾监测方法主要有地面巡护、瞭望台监测、卫星遥感等几种方式。其中，地面巡护监测范围小，许多交通不便的地方难以巡护；瞭望台观察效果过于依赖瞭望员的经验，准确率低、误差大，并且易受地形地势限制，覆盖范围小、存在火灾监测死角；气象卫星遥感监测森林火灾是近些年来比较普遍的森林火险监测手段，具有覆盖范围大、及时迅速、连续完整的特点，然而该方法也存在着遥感图像分辨率不足、灵活性差等问题；利用无人机进行森林火灾监测可以克服上述缺陷，其部署方便、数据采集快捷、信息丰富以及技术成本较低。现有无人机火灾监测公开的技术主要有两项：公布号为CN102496234A的专利和公布号为CN101650866A的专利。CN102496234A号专利公开的技术是“当发现森林的火源点后，利用无人机上红外摄像仪将其拍摄下来，并将无人机GPS位置通过卫星通信发送到消防中心”，谁发现火源点？如何发现火源点？能否自动识别、提取火源点？该专利技术中无详细说明，无法自动识别火灾区域、蔓延范围以及发展趋势，该专利中公开的技术实用性很差。CN101650866A号专利公开的技术侧重利用无人机上的红外图像设备采集图像，并在无人机上将模拟信号转化为数字信号（红外图像灰度值数据），对温度高于阈值的栅格利用算法识别为疑似火灾火焰或高危点，相比CN102496234A号专利中公开的技术翔实具体，但对无人机要求较高，必须搭载图像处理设备，这不仅会缩短无人机空中巡检时间，也会因搭载设备较多而导致安全隐患，同时存在设备丢失或被损坏的风险；并且，机载设备实时处理红外图像具有较大的局限性，其图像处理结果比较简单，看不出可识别计算出火灾精确范围、蔓延方向、速度和加速度等信息，无法对森林火灾预警和扑救指挥工作提供实用的决策参考信息。

由此可见，现有的无人机火灾监测技术存在以下不足：

（1）虽然理论上可获得火灾大概位置或疑似区域，但是对红外摄像处理比较初级，难以得到火灾蔓延方向、精确范围和速度等重要信息，无法对森林火灾预警和扑救指挥工作提供实用的决策参考信息。

（2）主要依赖无人机平台及其搭载设备来处理火灾图像，技术手段单一，监测采集能力与综合分析能力存在其局限性，未能全面利用现代摄影测量与遥感图像处理技术进行火灾自动识别、信息提取与预警分析，提供的信息的准确性和实用性差。

（3）无人机上搭载的设备比较多，巡检时间较短，搭载设备丢失或损坏的风险较高。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种基于无人机的火灾监测预警方法，该方法能精确计算火灾的位置与范围，并能进一步计算火头位置、火带的蔓延方向、火带蔓延的速度和加速度，无人机搭载设备简单以及实用性强。

本发明的目的通过下述技术方案实现：一种基于无人机的火灾监测预警方法，包括以下步骤：

步骤1、无人机对巡查区域不断拍摄可见光图像或热红外图像，并实时记录每幅图像所对应的无人机拍摄位置（用GPS坐标、航高参数来标示）和拍摄姿态（包括偏航角、侧滚角和俯仰角等），无人机通信系统将监测图像以及无人机的拍摄位置和拍摄姿态通过无线传输技术实时传回地面站;

步骤2、地面站对接收的图像按行列进行栅格扫描，结合预设的阀值，将每个栅格的值与潜在火点和已燃火点的阀值进行比较计算，可自动识别已燃火点或疑似火点（栅格），如果没有发现已燃火点或潜在火点（表示无火点），则不予处理；如果发现潜在火点或已燃火点，则记录栅格的行列号转换为数字矩阵，多个相邻的栅格得到火场范围，再运行步骤3，所述阀值为综合火灾理论温度和实验结果而形成的经验值，可预存于数据库中供调用和扩展（潜在火点的阀值低于已燃火点的阀值）；

步骤3、地面站对发现潜在火点或已燃火点的图像，结合GPS坐标、航高、偏航角、侧滚角和俯仰角等参数，根据摄影测量原理进行几何校正等图像处理工作；基于几何校正后的图像可得到火点及火场边界的精确坐标，坐标取自相应栅格的中心点坐标；

步骤4、扑救森林火灾时主攻方向是打火头，只有将火头扑灭，火灾才能得到控制，火灾发生后蔓延最快的部位即为火头，因此火头位置及其变化是火灾预警、扑救指挥最关心的信息，根据连续拍摄的相邻图像，自动识别提取火灾蔓延时的火头点；

步骤5、根据相邻时刻火头点的位置变化，自动判断火带蔓延方向，并计算出火带蔓延的速度和加速度，取相邻时刻三个火头点的向量为林火蔓延方向，相反，如果火场边界各点到重心的距离都在一个容差范围内，则说明火灾向各个方向是均匀蔓延的；用以上方法提取出连续三张图像的火头点位置，假设火灾初期在同一方向的蔓延为匀加速直线运动或匀速直线运动，火头位置变化符合相应的运动学公式，建立方程组计算得到火头瞬间的蔓延速度和加速度。

所述步骤1中，所述无人机上搭载有设备，所述设备由数字相机和GPS接收机组成，所述数字相机根据地面站传送的指令，支持在可见光彩色图像、微光黑白图像、红外热成像和视频四种拍摄输出模式中动态切换，所述无人机上搭载的设备记录拍摄图像以及拍摄拍摄图像时的GPS位置和无人机拍摄姿态，所述图像以及无人机的位置和拍摄姿态通过无线传输技术传回地面站。

所述步骤3中，地面站对接收的图像结合GPS坐标、航高、偏航角、侧滚角和俯仰角等参数，根据摄影测量原理进行几何校正，图像重采样可得到栅格图像的精确坐标，能与地形图叠加显示与分析。

所述步骤4中，火头是火灾蔓延最快最远的点，火头点的提取可采用直接栅格法或栅格转矢量法，先计算火场重心，再提取火场边界上离重心最远的点为火头点。

所述步骤5中，地面站依据无人机传回的连续拍摄的若干图像，计算相邻拍摄时刻的火头点位置变化，判断出火带蔓延的方向，并计算火带蔓延的速度和加速度。

根据权利要求1所述的基于无人机的火灾监测预警方法，其特征在于，所述步骤5中，地面站依据无人机传回的连续拍摄的图像，计算相邻拍摄时刻的图像的火头点位置变化，判断出火带蔓延的方向，并计算火带蔓延的速度和加速度。

所述步骤4中，火头点的提取采用直接栅格法或栅格转矢量法。

所述步骤2中，地面站对接收的图像进行快速扫描自动判断有无火点，具体是将图像每个栅格的值与预设的阀值进行比较，所述阀值来自结合各林种理论燃烧温度和实验结果形成经验值的数据库。比较结果转换为一个M×N的数值(0~2n)矩阵，方便计算识别火点。

所述步骤3中，所述几何校正为：结合参数，并根据摄影测量原理进行几何校正，图像重采样得到栅格图像的精确坐标，所述参数包括GPS坐标、航高、偏航角、侧滚角和俯仰角。

所述步骤1中所述设备由数字相机和GPS接收机组成，所述数字相机根据地面站传送的指令，支持在可见光彩色图像、微光黑白图像、红外热成像和视频四种拍摄输出模式中动态切换。

所述步骤1中，所述无人机上搭载有设备，所述设备记录拍摄图像以及拍摄图像时的GPS位置和无人机的拍摄姿态，所述图像以及无人机的位置和拍摄姿态通过无线传输技术传回地面站。

本发明相对于现有技术具有如下的优点及效果：

（1）本发明采用摄影测量和遥感图像处理技术，主要侧重地面站对图像的自动处理，无人机只需将拍摄图像及拍摄瞬间的位置和姿态信息传回地面站即可，故对无人机上的处理系统要求不高，所以无人机无需运载过多设备、整体重量轻，续航巡检的时间较长，有效降低了机载设备丢失或损坏的风险。

（2）地面站通过对无人机拍摄的单张可见光或红外图像，进行快速扫描、几何校正和自动识别，结合预设的阀值和栅格计算，自动判断出潜在火点（栅格）、已燃火点（栅格）、火灾范围（火场）和燃烧高温区，能快速获取火场动态的火情信息，处理效率高。

（3）地面站基于连续拍摄的图像计算提取林火蔓延时的火头，通过火头位置变化的计算分析，自动判断火带蔓延的方向、速度与加速度，对森林防火机构开展林火扑救、人员疏散、物资输送等决策提供宝贵的预警时间和实用的决策参考信息，实用性强。

附图说明

图1是本发明的整体流程图。

图2是发生火灾的火场区域示意图。

图3是提取火场边界的示意图。

图4是简化火场边界的示意图。

图5是火场范围(矢量多边形)的重心计算示意图。

图6是火头点提取的示意图。

图7是判断火灾蔓延方向的示意图。

图8是栅格扫描后根据阀值得到不同情况的火场示意图。

图9是栅格计算方式直接得到火场重心示意图。

图10是栅格计算方式得到火头点位置示意图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例1

如图1所示，本实施例的基于无人机的火灾监测预警方法包括以下步骤：

步骤1、利用搭载数字相机的无人机对林区进行巡查监测，所述数字相机根据地面站传送的指令，支持在可见光彩色图像、微光黑白图像、红外热成像和视频四种拍摄输出模式中动态切换，可用于不同时间不同场景的拍摄，拍摄的火灾图像的示意图如图2所示；无人机系统通过无线传输技术将图像及拍摄该图像时刻的无人机位置和拍摄姿态信息不断地传回地面站；

步骤2、地面站对无人机传回的图像逐行扫描，将每个栅格的值与预设的阀值（所述阀值来自结合各林种理论燃烧温度和实验结果形成经验值的数据库）进行比较，如图8所示，预设高温阀值(如100℃)、已燃阀值（如70℃）和潜在燃烧阀值(如45℃)三种，将扫描图像栅格值与阀值比较，比较结果转换为一个M×N的数值(0~2n)矩阵，见下表：

根据此取值划分，可将图像用相应颜色直观展示火场不同情况的分布，同时可利用数值矩阵高效判断，若数值全为0则不予处理，若数值有大于0的则运行下一步骤；

步骤3、地面站利用拍摄参数对图像进行几何校正，所述参数包括：(1)GPS坐标(经纬度)；(2)航高(海拔高度)；(3)偏航角ω(瞬间飞机长轴即纵轴与正北方位的夹角)；(4)侧滚角θ(飞机短轴即横轴与水平面的夹角)；(5)俯仰角φ(飞机长轴即纵轴与水平面的夹角)；如果图像中存在潜在火点，则根据行列号（rows,columns）和图像校正后的原点坐标(x0,y0)得到潜在火点的精确位置(x0+columns*pixSize,y0+rows*pixSize)，发布预警信息；如果存在已燃火点，利用栅格转矢量面方法提取瞬时的火灾范围。

步骤3中所述的几何校正的过程为：

1、先将图像变换为标准高度下的图像，方法是按照无人机拍摄照片时瞬间的实时高度与额定的飞行高度相对比，对摄影图像进行等比例缩放，如进行航拍时设定的飞行高度为200米，而实际的飞行高度为250米,则将图像放大1.4倍，即可将图像转换为标准高度下的图像；

2、对图像进行坐标系的变换，可根据偏航角ω、侧滚角θ、俯仰角φ可进行相应的转换来对图像进行校正，具体如下：

首先来计算偏航变换矩阵T₁，将地面坐标系绕z轴旋转ω角度，使坐标系S-XYZ变为S-x₁y₁z，在坐标系的变换过程中，z坐标不变,其表达式为:

$\left\{\begin{array}{c}{x}_1=X\cos \mathrm{\ω}+Y\sin \mathrm{\ω}\\ y_1=Y\cos \mathrm{\ω}-X\sin \mathrm{\ω}\\ z=Z\end{array}\right.$

写成矩阵形式为：

$T_1=\left[\begin{array}{c}{x}_1\\ y_1\\ Z\end{array}\right]=\left[\begin{array}{ccc}\cos \mathrm{\ω}& \sin \mathrm{\ω}& 0\\ -\sin \mathrm{\ω}& \cos \mathrm{\ω}& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]$

接着计算俯仰变换矩阵T₂，将S-x₁y₁z绕y₁轴旋转φ角度，使坐标系S-x₁y₁z变为S-x_sy₁z₁，在坐标系的变换过程中，y₁坐标不变，其表达式为：

$\left\{\begin{array}{c}{x}_s=Z\cos \mathrm{\φ}-x_1\sin \mathrm{\φ}\\ y_1=y_1\\ z_1=x_1\cos \mathrm{\φ}+Z\sin \mathrm{\φ}\end{array}\right.$

写成矩阵为：

$T_2=\left[\begin{array}{c}{x}_s\\ y_1\\ z_1\end{array}\right]=\left[\begin{array}{ccc}-\sin \mathrm{\φ}& 0& \cos \mathrm{\φ}\\ 0& 1& 0\\ \cos \mathrm{\φ}& 0& \sin \mathrm{\φ}\end{array}\right]\left[\begin{array}{c}{x}_1\\ y_1\\ Z\end{array}\right]$

然后计算滚转变换矩阵T₃，将S-x_sy₁z₁绕x_s轴旋转θ角度，使坐标系由S-x_sy₁z₁变为S-x_sy_sz_s，x_s坐标不变，其表达式为：

$\left\{\begin{array}{c}{x}_s=x_s\\ y_s=y_1\cos \mathrm{\θ}+z_1\sin \mathrm{\θ}\\ z_s=z_1\cos \mathrm{\θ}-y_1\sin \mathrm{\θ}\end{array}\right.$

写成矩阵为：

$T_3=\left[\begin{array}{c}{x}_s\\ y_s\\ z_s\end{array}\right]=\left[\begin{array}{ccc}1& 0& 0\\ 0& \cos \mathrm{\θ}& \sin \mathrm{\θ}\\ 0& -\sin \mathrm{\θ}& \cos \mathrm{\θ}\end{array}\right]\left[\begin{array}{c}{x}_s\\ y_1\\ z_1\end{array}\right]$

所以由地面坐标系S-XYZ到摄像坐标系S-x_sy_sz_s坐标变换矩阵为:

$T=T_1{T}_2{T}_3=\left[\begin{array}{ccc}1& 0& 0\\ 0& \cos \mathrm{\θ}& \sin \mathrm{\θ}\\ 0& -\sin \mathrm{\θ}& \cos \mathrm{\θ}\end{array}\right]\left[\begin{array}{ccc}-\sin \mathrm{\φ}& 0& \cos \mathrm{\φ}\\ 0& 1& 0\\ \cos \mathrm{\φ}& 0& \sin \mathrm{\φ}\end{array}\right]\left[\begin{array}{ccc}\cos \mathrm{\ω}& \sin \mathrm{\ω}& 0\\ -\sin \mathrm{\ω}& \cos \mathrm{\ω}& 0\\ 0& 0& 1\end{array}\right]$

根据无人机的姿态信息获得摄像机相对于地面坐标系的姿态，经过矩阵T的反变换，可计算出该航摄图像在地面坐标系中的精确坐标，就可以从拍摄的航空图像获得校正后的图像；

3、校正后的图像重采样，校正后图像空间中像元有变形或映射位置有偏移，为了获得与该位置相对应的栅格值，必须进行插值运算；常用的采样方法有最邻近法、双线性内插法和三次卷积法等，为了保证栅格值平滑过渡，同时减少计算的时间，我们选用双线性内插法对其进行插值；

步骤4：火头的发现与控制对火灾扑救决策非常重要，利用栅格转矢量法提取火头点，具体包括以下步骤：

4-1、提取火场边界：对校正后的图像逐行进行扫描、识别，基于栅格计算提取出该行中单元温度的最大值和最小值，根据相邻栅格温差最大即为火灾蔓延的边界，得到火场边界，也即火线的位置，如图3所示；

4-2、火场边界线简化：火场边界线需要简化以方便下一步计算，这里采用Douglas-Peucker算法来对火场这一矢量多边形进行简化。该算法具体步骤如下：①取多边形横坐标值最大和最小的两个点，连成一条直线AB；②求出多边形中AB左侧的点中距离AB最远的点C，计算其与AB的距离d；③比较该距离与预先给定的阀值的大小，如果小于阀值，则该线段作为折线的近似，该段处理完毕；④如果距离大于阀值，则用C将矢量线分为两段AC和BC，并分别对两段进行②③步的处理；⑤当AB左侧的所有点都处理完毕后，对AB右侧执行同样的操作；⑥将剩下的点依次连接起来，即为简化后的多边形（如图4所示）；

4-3、计算简化后火场的重心：如图5所示，假设火灾是向外等速扩散的，则火场为匀质分布的凸多边形，其重心G的计算公式为：

$(\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i,\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{y}_i);$

4-4、提取火头点位置：火带蔓延往往在某一个方向上的速度最快，因此火场形成的多边形在这个方向最凸，该方向上的火头离火场多边形重心的距离也最远，因此，求出火场边界多边形上到重心G距离最大的点即为火头点（如图6所示），如果火场边界上各点到重心的距离都在一个容差范围内，则说明火灾向各个方向是均匀蔓延的；

步骤5：利用连续拍摄的三张图像分析火头点的位置变化，判断出火头的蔓延方向，计算出火带蔓延速度和蔓延加速度等动态信息，取相邻时刻三个火头点的向量为火蔓延方向（如图7所示的箭头所指向的方向），暂且把火带蔓延方向上的运动看做匀加速直线运动，通过公式

$s=v_{0}t+\frac{1}{2}{\mathrm{at}}^2$

建立方程组：

$\left\{\begin{array}{c}{s}_1=v_0{t}_1+\frac{1}{2}a{t_1}^2\\ s_2=v_0{t}_2+\frac{1}{2}a{t_2}^2\end{array}\right.$

式中，S1为第一张图像中火头点与第二张图像中火头点之间的距离，S2为第二张图像中火头点和第三张图像中火头点之间的距离，t1和t2分为拍摄第二张图像和第三张图像时的时间与拍摄第一张图像时的时间差；通过解方程组，可计算出拍摄第一张图像时火带蔓延的速度v₀和加速度a。

实施例2

本实施例除以下特征外，同实施例1：

步骤4：火头是火灾蔓延最快最远的点，采用直接栅格法直接计算提取火头点，具体包括以下步骤：

4-1、直接计算火灾区域的重心，无须转化为矢量多边形求解重心，火灾重心采用所在栅格的行列号(ROWg，COLg)表示，见图9，计算公式如下：

$\mathrm{ROWg}=\left[\frac{\underset{i=0}{\overset{\mathrm{Cols}}{\mathrm{\Σ}}}{\stackrel{\‾}{\mathrm{Row}}}_i*{\mathrm{Rows}}_i}{\underset{i=0}{\overset{\mathrm{Cols}}{\mathrm{\Σ}}}{\mathrm{Rows}}_i}\right],$ $\mathrm{COLg}=\left[\frac{\underset{j=0}{\overset{\mathrm{Rows}}{\mathrm{\Σ}}}{\stackrel{\‾}{\mathrm{Cpl}}}_j*{\mathrm{Cols}}_j}{\underset{j=0}{\overset{\mathrm{Rows}}{\mathrm{\Σ}}}{\mathrm{Cols}}_j}\right]$

Cols为火灾燃烧区域的栅格总列数，Rows为火灾燃烧区域的栅格总行数，Rows_i为每一列已燃栅格的个数，Cols_j为每一行已燃栅格的个数，

为逐列重心即当前列已燃栅格上下居中的行号（若当前列的栅格数为偶数时，行号取上下居中的两个相邻栅格行号之和的一半），

为逐行重心即当前行已燃栅格左右居中的列号（若当前行的栅格数为偶数时，列号取左右居中的两个相邻栅格列号之和的一半），符号[]表示最后的行号、列号取值要四舍五入取整；

4-2、提取火头点位置：火带蔓延往往在火头方向上的速度最快，火头离火场重心的距离也最远，因此，求出火灾燃烧区域到重心G距离最大的栅格即为火头点（如图10所示，距离最远的F4所示的点为火头点），为了提高计算速度，可首先筛选行号或列号最大、行号或列号最小的栅格作为候选点Fi，逐一计算候选点与重心G的距离，d2=（Fi行号-G行号)2+（Fi列号-G列号)2最大的点即为火头点；

如果候选各点到重心的距离都在一个容差范围内，则说明火灾向各个方向是均匀蔓延的；

步骤5：利用连续拍摄的三张图像分析火头点的位置变化，判断出火头的蔓延方向，计算出火带蔓延速度和蔓延加速度等动态信息。取相邻时刻三个火头点行列位置H1（Row1，Col1）、H2（Row2，Col2）和H3（Row3，Col3），根据图7所示的向量为蔓延方向，可直接采用相对位移找到向量终点行列位置为H4（Row3+Row2-Row1，Col3+Col2-Col1），通过比较H4与H1的行列号大小可自动判断计算蔓延方向与具体角度：

角度 $\mathrm{\θ}=\mathrm{arctg}\frac{\mathrm{Row}3+\mathrm{Row}2-2\mathrm{Row}1}{\mathrm{Col}3+\mathrm{Col}2-2\mathrm{Col}1}$

若把火带蔓延方向上的运动看做匀加速直线运动，通过公式 $s=v_{0}t+\frac{1}{2}{\mathrm{at}}^2$ 可建立方程组：

$\left\{\begin{array}{c}\sqrt{{({\mathrm{Row}}_2-{\mathrm{Row}}_1)}^2+{({\mathrm{Col}}_2-{\mathrm{Col}}_1)}^2}*\mathrm{PixSize}=v_0{t}_1+\frac{1}{2}{{\mathrm{at}}_1}^2\\ \sqrt{{({\mathrm{Row}}_2-{\mathrm{Row}}_3)}^2+{({\mathrm{Col}}_2-{\mathrm{Col}}_3)}^2}*\mathrm{PixSize}=v_0{t}_2+\frac{1}{2}a{t_2}^2\end{array}\right.$

式中，pixSize为栅格的地面分辨率，t1和t2分为拍摄第二张图像和第三张图像时的时间与拍摄第一张图像时的时间差；通过解方程组，可计算出拍摄第一张图像时火带蔓延的速度v₀和加速度a。

上述实现为本发明较佳的一种实现方式，但本发明的实现方式并不受上述所述的限制，其他任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明保护范围之内。

Claims (7)

1.一种基于无人机的火灾监测预警方法，其特征在于，包括以下步骤：

步骤1、无人机进行巡回监测和拍摄图像，并实时记录拍摄图像时所对应的无人机拍摄位置和拍摄姿态；

步骤2、无人机将步骤1中所述的图像以及无人机的位置和拍摄姿态传回地面站；地面站对无人机传回的图像进行扫描，并比较栅格值与设定的阀值的大小，如果栅格值小于设定的阀值，表示无火点，则不予处理，如果栅格值大于设定的阀值，表示存在潜在火点或已燃火点，则记录相应栅格的行列号，运行下一步骤；

步骤3、地面站利用拍摄参数对步骤3中所述的图像进行几何校正，根据校正后的图像坐标原点和图像分辨率，结合潜在火点或已燃火点的行列号，计算出潜在火点或已燃火点所在的精确坐标，如果图像中存在潜在火点，则发布火灾预警信息；如果存在已燃火点，则运行下一步骤；

步骤4、计算出火场边界上离火场重心最远的点，所述最远的点为火头点；

步骤5、判断火带蔓延方向，并计算火带蔓延的速度和加速度。

2.根据权利要求1所述的基于无人机的火灾监测预警方法，其特征在于，所述步骤5中，地面站依据无人机传回的连续拍摄的图像，计算相邻拍摄时刻的图像的火头点位置变化，判断出火带蔓延的方向，并计算火带蔓延的速度和加速度。

3.根据权利要求1所述的基于无人机的火灾监测预警方法，其特征在于，所述步骤4中，火头点的提取采用直接栅格法或栅格转矢量法。

4.根据权利要求1所述的基于无人机的火灾检测预警方法，其特征在于，所述步骤2中，比较栅格值与设定的阀值的大小的方式是将图像每个栅格的值与预设的阀值进行比较，所述阀值来自结合各林种理论燃烧温度和实验结果形成经验值的数据库，把比较栅格值与设定的阀值的大小的比较结果转换为一个数值矩阵。

5.根据权利要求1所述的基于无人机的火灾检测预警方法，其特征在于，所述步骤3中，所述几何校正方式为：结合参数，并根据摄影测量原理进行几何校正，图像重采样得到栅格图像的精确坐标，所述参数包括GPS坐标、航高、偏航角、侧滚角和俯仰角。

6.根据权利要求1所述的基于无人机的火灾检测预警方法，其特征在于，所述步骤1中所述设备由数字相机和GPS接收机组成，所述数字相机根据地面站传送的指令，支持在可见光彩色图像、微光黑白图像、红外热成像和视频四种拍摄输出模式中动态切换。

7.根据权利要求1所述的基于无人机的火灾监测预警方法，其特征在于，所述步骤1中，所述无人机上搭载有设备，所述设备记录拍摄图像以及拍摄图像时的GPS位置和无人机的拍摄姿态，所述图像以及无人机的位置和拍摄姿态通过无线传输技术传回地面站。

Images