CN110351663A - 多网络融合的无人机、物联网监测系统及方法 - Google Patents

多网络融合的无人机、物联网监测系统及方法 Download PDF

Info

Publication number
CN110351663A
CN110351663A CN201910470525.4A CN201910470525A CN110351663A CN 110351663 A CN110351663 A CN 110351663A CN 201910470525 A CN201910470525 A CN 201910470525A CN 110351663 A CN110351663 A CN 110351663A
Authority
CN
China
Prior art keywords
data
monitoring
internet
unmanned plane
things
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910470525.4A
Other languages
English (en)
Inventor
苏郁
刘杰
张琰
马骁
王玺钧
丁睿
陈东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian University of Electronic Science and Technology
Original Assignee
Xian University of Electronic Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian University of Electronic Science and Technology filed Critical Xian University of Electronic Science and Technology
Priority to CN201910470525.4A priority Critical patent/CN110351663A/zh
Publication of CN110351663A publication Critical patent/CN110351663A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/18502—Airborne stations
    • H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/1851—Systems using a satellite or space-based relay
    • H04B7/18517—Transmission equipment in earth stations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/04—Error control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种多网络融合的无人机、物联网监测系统及方法，所述无人机包括多通信模块和视觉计算模块，其中，多通信模块用于接收来自监测区域的监测数据和位置信息并传递至蜂窝网或其他无人机；视觉计算模块用于在多通信模块接收到异常监测数据时对异常监测数据发出的监测区域进行拍摄，并将拍摄到的图像回传至多通信模块。所述物联网监测系统包括空中网络子系统和地面网络子系统，其中，空中网络子系统包括至少一个无人机；地面网络子系统包括多个地面终端节点和至少一个地面汇聚节点。该系统可以将无蜂窝网覆盖的监测区域内采集的监测区域上传至远端服务器，从而实现对目标区域的远程监测。

Description

多网络融合的无人机、物联网监测系统及方法
技术领域
本发明属于通信技术领域，具体涉及一种多网络融合的无人机、物联网监测系统及方法。
背景技术
以前对于大规模农业、林业、石油或天燃气管道传输网络的安全性监测都是通过人力来完成的，不仅耗时耗力，且监测结果往往不能及时传递。物联网(Internet ofThings)是一个基于互联网、传统电信网等信息承载体，让所有能够被独立寻址的普通物理对象实现互联互通的网络。随着物联网无线技术的发展，将传感器与物联网的终端相结合的方式可以实现将受监测区域内传感器采集的数据进行无线传输，这种方式得到的监测结果往往是实时的。
在蜂窝网覆盖的区域，监控区域传感器采集的数据能够通过NB-IoT(Narrow BandInternet of Things，窄带物联网)无线技术上传，然而，大规模农业、林业等受监测区域大多偏离城市，蜂窝网不能对监控区域进行覆盖，因此受监测区域内传感器采集的数据不能通过NB-IoT无线技术上传，并且在城市内也会存在信号死角区域，因此对于蜂窝网不能覆盖的区域如何将数据传输至远端服务器是一个待解决的问题。
发明内容
为了解决现有技术中存在的上述问题，本发明提供了一种多网络融合的无人机、物联网监测系统及方法。本发明要解决的技术问题通过以下技术方案实现：
本发明的一个方面提供了一种多网络融合的无人机，包括：多通信模块和视觉计算模块，其中，
所述多通信模块用于接收来自监测区域的监测数据和位置信息并传递至蜂窝网或其他所述无人机；
所述视觉计算模块连接所述多通信模块，用于在所述多通信模块接收到异常监测数据时对所述异常监测数据发出的监测区域进行拍摄，并将拍摄到的图像回传至所述多通信模块。
在本发明的一个实施例中，所述多通信模块包括物联网通信模块、数据处理模块、存储模块和蜂窝网通信模块；
所述物联网通信模块用于与监测区域内配备有物联网通信模块的地面终端进行通信，以接收所述监测数据和所述位置信息；
所述数据处理模块连接所述物联网通信模块和所述视觉计算模块，用于设置所述监测数据的阈值，将所述监测数据与所述阈值进行对比，并根据异常对比结果控制所述视觉计算模块(102)进行拍摄；
所述存储模块连接所述数据处理模块，用于存储所述监测数据和所述视觉计算模块拍摄的图像数据；
所述蜂窝网通信模块连接所述存储模块和所述蜂窝网，用于将所述监测数据和所述图像数据传输至所述蜂窝网。
在本发明的一个实施例中，所述多通信模块还设置有机间通信端口，所述机间通信端口连接所述存储模块以及配备有机间通信端口的其他无人机，用于将所述图像数据传输至所述其他无人机；
所述物联网通信模块连接至具有物联网通信模块的其他无人机，用于将所述监测数据和所述位置信息传输至所述其他无人机。
在本发明的一个实施例中，所述视觉计算模块包括摄像模块和图像处理模块，其中，
所述摄像模块连接至所述数据处理模块，用于在所述监测数据超出所述阈值时对发送所述监测数据的所述监测区域进行拍摄，获得异常区域图像；
所述图像处理模块连接至所述摄像模块，用于对所述异常区域图像进行图像压缩处理，并将压缩后的图像传输至所述数据处理模块。
本发明的另一方面提供了一种基于多层自组织融合网络的物联网监测系统，包括空中网络子系统和地面网络子系统，其中，
所述空中网络子系统包括至少一个上述实施例中任一项所述的无人机；
所述地面网络子系统包括多个地面终端节点和至少一个地面汇聚节点；
所述地面终端节点用于获取监测区域的监测数据和位置信息并传输至所述地面汇聚节点；
所述地面汇聚节点用于将所述监测数据和所述位置信息传输至所述无人机；
所述无人机用于对异常监测数据发出的监测区域进行拍摄，并将拍摄到的图像、所述监测数据和所述位置信息传输至蜂窝网或其他无人机。
在本发明的一个实施例中，所述地面终端节点包括GPS单元、传感器单元和第一物联网通信单元，其中，
所述GPS单元用于获得所述地面终端节点的位置信息；
所述传感器单元用于获得所述地面终端节点所在监测区域的监测数据；
所述第一物联网通信单元连接所述GPS单元和所述传感器单元，用于将所述位置信息和所述监测数据传输至所述地面汇聚节点。
在本发明的一个实施例中，所述地面汇聚节点包括存储单元和第二物联网通信单元，其中，
所述存储单元用于对所述位置信息和所述监测数据进行暂存；
所述第二物联网通信单元连接至所述存储单元，用于将所述位置信息和所述监测数据传输至所述无人机。
本发明的另一方面提供了一种基于多层自组织融合网络的物联网监测方法，由上述实施例中任一项所述物联网监测系统执行，所述方法包括：
通过地面终端节点采集监测区域的监测数据和位置信息并发送至地面汇聚节点；
通过所述地面汇聚节点将所述监测数据和位置信息传输至空中网络节点；
根据所述监测数据对异常监测数据发出的监测区域进行拍摄，获得异常区域图像；
将所述监测数据、所述位置信息和所述异常区域图像传输至蜂窝网或其他所述无人机。
在本发明的一个实施例中，根据所述监测数据对异常监测数据发出的监测区域进行拍摄，获得异常区域图像，包括：
判断所述监测数据是否位于预先设置的阈值之内，若是，则认定为正常数据，并将所述正常数据进行存储；若否，则认定为异常数据，对所述异常数据的监测区域进行拍摄，获取异常区域图像，并对所述异常数据和所述异常区域图像进行存储。
在本发明的一个实施例中，将所述监测数据、所述位置信息和所述异常区域图像传输至蜂窝网或其他所述无人机，包括：
判断所述蜂窝网的覆盖区域与所述监测区域的距离是否位于当前无人机的航程内，若是，则将所述位置信息、所述监测数据和所述异常区域图像通过当前无人机上传至所述蜂窝网；若否，则将所述位置信息、所述监测数据和所述异常区域图像传输至中继无人机，并通过所述中继无人机将所述位置信息、所述监测数据和所述异常区域图像上传至所述蜂窝网。
与现有技术相比，本发明的有益效果在于：
1、本发明的无人机和物联网监测系统适用于对无蜂窝网覆盖的监测区域的监测，如果监测区域超出蜂窝网的覆盖区域，则可以利用其他的无人机进行中继传输数据，从而不用局限于受监测区域与蜂窝网覆盖区域的距离；随着监控区域面积的增大可以增多地面端节点、地面汇聚节点和空中网关节点即无人机的数量以达到全覆盖监控。
2、本发明的物联网监测系统还可以减小无人机的巡航压力与数据的碰撞概率。先用数量较小的地面汇聚节点收集数量巨大的地面终端节点的数据，随后在无人机去收集数据时，只需遍历地面汇聚节点即可，这样可以减小无人机的巡航压力，此外数量较少的地面汇聚节点向无人机传数据相较于数量巨大的地面终端节点向无人机传数据时，可以减少数据的碰撞概率。
3、本发明的物联网监测系统和方法对监测区域上传的监测数据具有一定的事件验证能力。当监测数据出现不在阈值范围内的异常数据时，无人机开启摄像头对上传异常数据的监测区域进行拍照，以验证所述监测区域是否发生相应异常事件。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种多网络融合的无人机的模块图；
图2是本发明实施例提供的一种多网络融合的无人机的详细结构图；
图3是本发明实施例提供的一种基于多层自组织融合网络的物联网监测系统的结构图；
图4是本发明实施例提供的一种地面终端节点的结构示意图；
图5是本发明实施例提供的一种地面汇聚节点的结构示意图
图6是本发明实施例提供的一种基于多层自组织融合网络的物联网监测方法的流程图。
具体实施方式
为了进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及具体实施方式，对依据本发明提出的一种多网络融合的无人机、物联网监测系统及方法进行详细说明。
有关本发明的前述及其他技术内容、特点及功效，在以下配合附图的具体实施方式详细说明中即可清楚地呈现。通过具体实施方式的说明，可对本发明为达成预定目的所采取的技术手段及功效进行更加深入且具体地了解，然而所附附图仅是提供参考与说明之用，并非用来对本发明的技术方案加以限制。
应当说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。
实施例一
请参见图1，图1是本发明实施例提供的一种多网络融合的无人机的模块图。多网络融合的无人机1包括相互连接的多通信模块101和视觉计算模块102，其中，多通信模块101用于接收来自监测区域的监测数据和位置信息并在信号处理后传递至蜂窝网或其他无人机；视觉计算模块102用于在多通信模块101接收到异常监测数据时对所述异常监测数据发出的监测区域进行拍摄，并将拍摄到的图像进行处理后回传至多通信模块101。
进一步地，请参见图2，图2是本发明实施例提供的一种多网络融合的无人机的详细结构图。在本实施例中，多通信模块101包括物联网通信模块1011、数据处理模块1012、存储模块1013和蜂窝网通信模块1014。物联网通信模块1011连接至数据处理模块1012和存储模块1013，用于与监测区域内配备有物联网通信模块的地面终端进行通信，以接收监测数据和位置信息。所述地面终端可以是具备GPS(Global Positioning System，全球定位系统)、各种传感器并具有数据传输功能的终端设备，其中，GPS能够对监测区域进行定位，获取监测区域的位置信息；所述各种传感器能够采集监测区域的温度、湿度、烟雾浓度、压力等数据。在本实施例中，物联网通信模块1011通过LoRa(Long Range，长距离技术)协议进行通信。
数据处理模块1012用于设置监测数据的阈值，将监测数据与阈值进行对比，并根据异常对比结果控制视觉计算模块102进行拍摄。具体地，数据处理模块1012能够预先设置各个监测数据，例如温度、湿度、烟雾、压力等的上下限阈值，即正常数据范围。当判断到采集到的监测数据超出预先设置的上下限阈值时，例如温度、烟雾浓度高于阈值，数据处理模块1012会控制摄像模块对该监测区域进行拍摄，获取拍摄图像，则可以根据获取的异常数据判断监测区域是否发生异常事件例如火灾，若根据异常数据判断发生了异常事件，则可以根据拍摄的图像进一步验证该异常事件。
存储模块1013连接数据处理模块1012用于存储监测数据和视觉计算模块102拍摄的图像数据。具体地，若判断到采集到的监测数据位于预先设置的上下限阈值时，则将该正常的监测数据以及监测区域的位置信息存储在存储模块1013中；若判断到采集到的监测数据超出预先设置的上下限阈值时，则对该监测区域进行拍摄，获取拍摄图像，并将该异常的监测数据和异常监测区域拍摄的图像数据，以及监测区域的位置信息存储在存储模块1013中。在本实施例中，存储模块1013为SD卡。
蜂窝网通信模块1014连接至存储模块1013，并且能够连接蜂窝网，并将所述监测数据和所述图像数据传输至蜂窝网。蜂窝网，又称移动网络是一种移动通信硬件架构，常见的蜂窝网类型有：GSM网络、CDMA网络、3G网络、4G网络、FDMA、TDMA等。本实施例所使用的蜂窝网为4G网络。蜂窝网络组成主要有以下三部分：移动站、基站子系统和网络子系统。移动站就是网络终端设备，比如手机或一些蜂窝工控设备。基站子系统包括移动基站、无线收发设备、专用网络、无数的数字设备等。
具体地，在本实施例中，该无人机可以通过蜂窝网通信模块1014将存储在存储模块1013中的监测数据、位置信息和拍摄到的异常监测区域的图像数据传输至蜂窝网的基站子系统中，从而进行远程监控。在本实施例中，蜂窝网通信模块1014是基于窄带物联网(Narrow Band Internet of Things,NB-IoT)实现数据传输的。
进一步地，多通信模块101还设置有机间通信端口1015，机间通信端口1015连接存储模块1013，机间通信端口1015连接至以及配备有机间通信端口物联网通信模块的其他无人机，用于将监测数据和图片数据图像数据传输至其他无人机；物联网通信模块1011连接至具有物联网通信模块1011的其他无人机，用于将监测数据和位置信息传输至其他无人机。
需要说明的是，在本实施例中，所述无人机通过物联网通信模块1014将存储在存储模块1013中的监测数据和位置信息传输至其他无人机，同时通过机间通信端口1015将所述图像数据传输至其他无人机。之所以将监控数据和图像数据分开传输，是因为监控数据的数据量要远远小于图像数据，但是图像数据设置的优先级要高于监控数据，因此希望新开辟一个机间通信端口来只传输图像数据，机间通信端口要比物联网通信模块传输的速率更快，数据量更大，时延更低。
具体地，若蜂窝网的覆盖区域与监测区域的距离位于当前无人机的航程内，则将所述位置信息、监测数据和异常区域图像通过当前无人机上传至蜂窝网；若蜂窝网的覆盖区域与监测区域的距离超出当前无人机的航程内，即当无人机飞到最大航程时未到达蜂窝网的覆盖范围，即无法直接上传至蜂窝网，则将所述位置信息、所述监测数据和所述异常区域图像传输至其他中继无人机，并通过所述中继无人机将所述位置信息、所述监测数据和所述异常区域图像上传至蜂窝网。
所述中继无人机可以是一个，也可以是多个。若蜂窝网的覆盖区域与监测区域的距离包括多个无人机的航程时，可以通过多个中继无人机进行中继，直到最后一个无人机的航程到达蜂窝网的覆盖范围，则通过最后一个无人机的蜂窝网通信模块1014将所述位置信息、所述监测数据和所述异常区域图像上传至所述蜂窝网。
进一步地，视觉计算模块102包括摄像模块1021和图像处理模块1022，其中，摄像模块1021连接至数据处理模块1012，用于在监测数据超出阈值时对发送监测数据的监测区域进行拍摄，获得异常区域图像；图像处理模块1022连接至摄像模块1021，用于对异常区域图像进行图像压缩处理，并将压缩后的图像传输至数据处理模块1012。
具体地，当数据处理模块1012判断到采集到的监测数据超出预先设置的上下限阈值时，数据处理模块1012向摄像模块1021发出拍摄指令，摄像模块1021对发送监测数据的监测区域进行拍摄，获得异常区域图像，并将图像传输至图像处理模块1022中。图像处理模块1022连接数据处理模块1012，图像处理模块1022先对所述异常区域图像进行图像压缩，减小存储容量，再回传至数据处理模块1012中，并通过数据处理模块1012传输至存储模块1013中进行存储。在本实施例中，图像处理模块1022可以是视觉无损图像压缩模块PowerVRPVRIC4。
本实施例的无人机适用于对无蜂窝网覆盖的监测区域的监测。由于无人机的存在，如果监测区域超出蜂窝网的覆盖区域，则可以利用其他的无人机进行中继传输数据，从而不用局限于受监测区域与蜂窝网覆盖区域的距离；随着监控区域面积的增大可以增多地面端节点、地面汇聚节点和空中网关节点即无人机的数量以达到全覆盖监控。
实施例二
在上述实施例的基础上，本实施例提供了一种基于多层自组织融合网络的物联网监测系统。请参见图3，图3是本发明实施例提供的一种基于多层自组织融合网络的物联网监测系统的结构图，A表示需要远程监测的监测区域，A中的多个地面终端节点2和至少一个地面汇聚节点3构成的网络为地面网络子系统，空中网关节点即至少一个无人机1构成的网络称为空中网络子系统，B表示现有蜂窝网覆盖的区域，C表示云监控平台。本实施例的物联网监测系统，包括空中网络子系统和地面网络子系统，其中，所述空中网络子系统包括至少一个上述实施例中所述的无人机1；所述地面网络子系统包括多个地面终端节点2和至少一个地面汇聚节点3。
地面终端节点2用于获取监测区域的监测数据并传输至地面汇聚节点3。具体地，请参见图4，地面终端节点2包括GPS单元21、传感器单元22和第一物联网通信单元23，其中，GPS单元21用于获得地面终端节点的位置信息；传感器单元22用于获得地面终端节点所在监测区域的监测数据；第一物联网通信单元23用于将位置信息和监测数据传输至地面汇聚节点3。所述监测数据包括但不限于监测区域的温度、湿度、烟雾浓度、压力等数据。
地面汇聚节点3用于将监测数据传输至无人机1；无人机1用于对异常监测数据发出的监测区域进行拍摄，并将拍摄到的图像和监测数据传输至蜂窝网或其他无人机。具体地，请参见图5，地面汇聚节点3包括存储单元31和第二物联网通信单元32，其中，存储单元31用于对位置信息和监测数据进行暂存；第二物联网通信单元23用于将位置信息和监测数据传输至无人机1。
在本实施例中，第一物联网通信单元23和第二物联网通信单元32通过LoRa(LongRange，长距离技术)协议进行通信。
进一步地，无人机1的具体结构和操作过程已在实施例1中进行了详细描述，这里不再赘述。即如图3所示，如果监测区域A与蜂窝网覆盖区域B的距离较近，在一个无人机1的航程内且地面汇聚节点3的数量较少时，则可以取消中继无人机无人机，直接通过一个无人机去A区域收集数据并飞到B区域进行数据的上传；如果监测区域A与蜂窝网覆盖区域B的距离较远，超过一个无人机1的航程，这是需要至少一个中继无人机进行数据中继传递，最终接入蜂窝网，并通过蜂窝网上传至云监控平台进行实时监控。
本实施例的物联网监测系统可以减小无人机的巡航压力与数据的碰撞概率。先用数量较小的地面汇聚节点收集数量巨大的地面终端节点的数据，随后在无人机去收集数据时，只需遍历地面汇聚节点即可，这样可以减小无人机的巡航压力，此外，数量较少的地面汇聚节点向无人机传数据相较于数量巨大的地面终端节点向无人机传数据时，可以减少数据的碰撞概率。
实施例三
在上述实施例的基础上，本实施例提供了一种基于多层自组织融合网络的物联网监测方法。请参见图6，图6是本发明实施例提供的一种基于多层自组织融合网络的物联网监测方法的流程图。该物联网监测方法基于上述实施例中所述的物联网监测系统执行，所述方法包括：
S1：通过地面终端节点采集监测区域的监测数据和位置信息并发送至地面汇聚节点；
具体地，地面终端节点的传感器采集监测区域的相关数据，例如温度、湿度、烟雾浓度、压力等数据，地面终端节点的GPS获取监测区域的位置信息，并通过Lora无线技术将所述位置信息和所述相关监测数据发送到距离其最近的一个地面汇聚节点。
S2：通过地面汇聚节点将监测数据和位置信息传输至空中网络节点；
具体地，地面汇聚节点利用Lora无线技术将收到的数据发送到飞行的空中网络节点，即无人机。
S3：根据监测数据对异常监测数据发出的监测区域进行拍摄，获得异常区域图像；
具体地，所述S3包括：
判断监测数据是否位于预先设置的阈值之内，若是，则判断为正常数据，并将正常数据进行存储；若否，则判断为异常数据，对异常数据的监测区域进行拍摄，获取异常区域图像，并对异常数据和异常区域图像进行存储。
S4：将监测数据、位置信息和异常区域图像传输至蜂窝网或其他无人机。
具体地，所述S4包括：
判断蜂窝网的覆盖区域与监测区域的距离是否位于当前无人机的航程内，若是，则将位置信息、监测数据和异常区域图像通过当前无人机上传至蜂窝网；若否，则将位置信息、监测数据和异常区域图像传输至中继无人机，并通过中继无人机将位置信息、监测数据和异常区域图像上传至蜂窝网。
具体地，在无人机接收到监测数据后，数据进入数据处理模块中进行分析，对位于阈值范围的数据，判断为正常数据，存储在SD卡中，对超出了设置的阈值上下限范围的数据，判断为异常数据，数据处理模块对摄像头发送开启的命令；无人机飞到数据异常的监测区域进行拍照，并将拍摄的照片发送至图像处理模块，图像处理模块对拍摄的图像进行压缩处理，然后返回处理结果给数据处理模块，数据处理模块将异常的监测数据和相应的图像压缩数据存进SD卡内，数据处理模块对摄像头发送关闭的命令。
接着，若蜂窝网覆盖的区域与监控区域较远，即两者距离超出了一个无人机的航程，则SD卡内的监测数据通过空中网关节点即无人机之间的Lora模块进行中继传输给其他无人机；同时SD卡内的图像压缩数据通过无人机之间的机间通信端口进行中继传输给其他无人机。随后，携带有监测数据和图像压缩数据且位于蜂窝网覆盖区域的无人机通过NB-IoT模块将SD卡内存储的监测数据和图像压缩数据上传至蜂窝网，并且通过蜂窝网上传至云监控平台进行实时监控。随后，则可以根据获取的异常数据判断监测区域是否发生异常事件例如火灾，若根据异常数据判断发生了异常事件，则可以根据拍摄的图像进一步验证该异常事件。
本实施例的物联网监测方法对监测区域上传的监测数据具有一定的事件验证能力。当监测数据出现不在阈值范围内的异常数据时，无人机开启摄像头对上传异常数据的监测区域进行拍照，以验证所述监测区域是否发生相应异常事件。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种多网络融合的无人机(1)，其特征在于，包括：多通信模块(101)和视觉计算模块(102)，其中，
所述多通信模块(101)用于接收来自监测区域的监测数据和位置信息并传递至蜂窝网或其他所述无人机；
所述视觉计算模块(102)连接所述多通信模块(101)，用于在所述多通信模块(101)接收到异常监测数据时对所述异常监测数据发出的监测区域进行拍摄，并将拍摄到的图像回传至所述多通信模块(101)。
2.根据权利要求1所述的一种多网络融合的无人机(1)，其特征在于，所述多通信模块(101)包括物联网通信模块(1011)、数据处理模块(1012)、存储模块(1013)和蜂窝网通信模块(1014)；
所述物联网通信模块(1011)用于与监测区域内配备有物联网通信模块的地面终端进行通信，以接收所述监测数据和所述位置信息；
所述数据处理模块(1012)连接所述物联网通信模块(1011)和所述视觉计算模块(102)，用于设置所述监测数据的阈值，将所述监测数据与所述阈值进行对比，并根据异常对比结果控制所述视觉计算模块(102)进行拍摄；
所述存储模块(1013)连接所述数据处理模块(1012)，用于存储所述监测数据和所述视觉计算模块(102)拍摄的图像数据；
所述蜂窝网通信模块(1014)连接所述存储模块(1013)和所述蜂窝网，用于将所述监测数据和所述图像数据传输至所述蜂窝网。
3.根据权利要求2所述的一种多网络融合的无人机(1)，其特征在于，所述多通信模块(101)还设置有机间通信端口(1015)，所述机间通信端口(1015)连接所述存储模块(1013)以及配备有机间通信端口的其他无人机，用于将所述图像数据传输至所述其他无人机；
所述物联网通信模块(1011)连接至具有物联网通信模块的其他无人机，用于将所述监测数据和所述位置信息传输至所述其他无人机。
4.根据权利要求2所述的一种多网络融合的无人机(1)，其特征在于，所述视觉计算模块(102)包括摄像模块(1021)和图像处理模块(1022)，其中，
所述摄像模块(1021)连接至所述数据处理模块(1012)，用于在所述监测数据超出所述阈值时对发送所述监测数据的所述监测区域进行拍摄，获得异常区域图像；
所述图像处理模块(1022)连接至所述摄像模块(1021)，用于对所述异常区域图像进行图像压缩处理，并将压缩后的图像传输至所述数据处理模块(1012)。
5.一种基于多层自组织融合网络的物联网监测系统，其特征在于，包括空中网络子系统和地面网络子系统，其中，
所述空中网络子系统包括至少一个权利要求1至4中任一项所述的无人机(1)；
所述地面网络子系统包括多个地面终端节点(2)和至少一个地面汇聚节点(3)；
所述地面终端节点(2)用于获取监测区域的监测数据和位置信息并传输至所述地面汇聚节点(3)；
所述地面汇聚节点(3)用于将所述监测数据和所述位置信息传输至所述无人机(1)；
所述无人机(1)用于对异常监测数据发出的监测区域进行拍摄，并将拍摄到的图像、所述监测数据和所述位置信息传输至蜂窝网或其他无人机。
6.根据权利要求5所述的一种基于多层自组织融合网络的物联网监测系统，其特征在于，
所述地面终端节点(2)包括GPS单元(21)、传感器单元(22)和第一物联网通信单元(23)，其中，
所述GPS单元(21)用于获得所述地面终端节点的位置信息；
所述传感器单元(22)用于获得所述地面终端节点所在监测区域的监测数据；
所述第一物联网通信单元(23)连接所述GPS单元(21)和所述传感器单元(22)，用于将所述位置信息和所述监测数据传输至所述地面汇聚节点(3)。
7.根据权利要求6所述的一种基于多层自组织融合网络的物联网监测系统，其特征在于，
所述地面汇聚节点(3)包括存储单元(31)和第二物联网通信单元(32)，其中，
所述存储单元(31)用于对所述位置信息和所述监测数据进行暂存；
所述第二物联网通信单元(23)连接至所述存储单元(31)，用于将所述位置信息和所述监测数据传输至所述无人机(1)。
8.一种基于多层自组织融合网络的物联网监测方法，由权利要求6或7所述物联网监测系统执行，其特征在于，包括：
通过地面终端节点采集监测区域的监测数据和位置信息，并发送至地面汇聚节点；
通过所述地面汇聚节点将所述监测数据和位置信息传输至空中网络节点；
根据所述监测数据对异常监测数据发出的监测区域进行拍摄，获得异常区域图像；
将所述监测数据、所述位置信息和所述异常区域图像传输至蜂窝网或其他所述无人机。
9.根据权利要求8所述的一种基于多层自组织融合网络的物联网监测方法，其特征在于，根据所述监测数据对异常监测数据发出的监测区域进行拍摄，获得异常区域图像，包括：
判断所述监测数据是否位于预先设置的阈值之内，若是，则认定为正常数据，并将所述正常数据进行存储；若否，则认定为异常数据，对所述异常数据的监测区域进行拍摄，获取异常区域图像，并对所述异常数据和所述异常区域图像进行存储。
10.根据权利要求8或9所述的一种基于多层自组织融合网络的物联网监测方法，其特征在于，将所述监测数据、所述位置信息和所述异常区域图像传输至蜂窝网或其他所述无人机，包括：
判断所述蜂窝网的覆盖区域与所述监测区域的距离是否位于当前无人机的航程内，若是，则将所述位置信息、所述监测数据和所述异常区域图像通过当前无人机上传至所述蜂窝网；若否，则将所述位置信息、所述监测数据和所述异常区域图像传输至中继无人机，并通过所述中继无人机将所述位置信息、所述监测数据和所述异常区域图像上传至所述蜂窝网。
CN201910470525.4A 2019-05-31 2019-05-31 多网络融合的无人机、物联网监测系统及方法 Pending CN110351663A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910470525.4A CN110351663A (zh) 2019-05-31 2019-05-31 多网络融合的无人机、物联网监测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910470525.4A CN110351663A (zh) 2019-05-31 2019-05-31 多网络融合的无人机、物联网监测系统及方法

Publications (1)

Publication Number Publication Date
CN110351663A true CN110351663A (zh) 2019-10-18

Family

ID=68174539

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910470525.4A Pending CN110351663A (zh) 2019-05-31 2019-05-31 多网络融合的无人机、物联网监测系统及方法

Country Status (1)

Country Link
CN (1) CN110351663A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110780042A (zh) * 2019-11-20 2020-02-11 佛山科学技术学院 一种用于大气污染治理的空气质量监测方法
CN111578994A (zh) * 2020-05-19 2020-08-25 吴普侠 一种森林生态环境的实时监测系统和方法
CN112333657A (zh) * 2020-11-04 2021-02-05 信阳师范学院 一种用于矿山地质环境监测的监测系统及监测方法
CN112565015A (zh) * 2020-12-03 2021-03-26 深圳华制智能制造技术有限公司 一种物联网通信方法、装置、计算机设备和存储介质
CN112650296A (zh) * 2020-12-31 2021-04-13 广州极飞科技有限公司 基于无人机进行巡查的方法、巡查系统及处理器
CN113408396A (zh) * 2021-06-15 2021-09-17 广西交科集团有限公司 一种基于云计算的桥梁智能感知系统
CN114007148A (zh) * 2021-10-21 2022-02-01 贵州师范学院 基于LoRa网关无人机群的水文监测系统
CN114326775A (zh) * 2020-09-29 2022-04-12 北京机械设备研究所 基于物联网的无人机系统
CN114500934A (zh) * 2021-12-24 2022-05-13 兰州理工大学 一种用于实现野外监控图像自动传输的监控系统
CN114553297A (zh) * 2022-01-26 2022-05-27 中国电子科技集团公司第十五研究所 一种针对无通信信号区域的无人机监控系统及方法
CN116347382A (zh) * 2023-04-13 2023-06-27 仲恺农业工程学院 基于作物生长阶段的sdn数据优先级传输方法
WO2024001073A1 (zh) * 2022-06-28 2024-01-04 中国民用航空飞行学院 一种基于航空器中继通信的野外灾害监测系统和方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201509270U (zh) * 2009-09-27 2010-06-16 西安迅腾科技有限责任公司 由无线传感器网络触发的无线主动摄像监控系统
CN101800888A (zh) * 2009-12-30 2010-08-11 山东大学 一种利用无线通信技术监控病虫害的装置和监控方法
CN204102313U (zh) * 2014-10-24 2015-01-14 中国农业科学院农业信息研究所 一种基于wsn用于微环境监测的主从式信息采集设备
CN106941372A (zh) * 2017-05-04 2017-07-11 国网浙江省电力公司杭州供电公司 一种无人机数据传输系统
CA3030349A1 (en) * 2016-09-28 2018-05-05 Federal Express Corporation Systems and methods for monitoring the internal storage contents of a shipment storage using one or more internal monitor drones
CN108828399A (zh) * 2018-04-04 2018-11-16 驻马店市华宇电力设计有限公司 一种远程自动查找电力输电线故障监控系统
CN109451454A (zh) * 2018-10-26 2019-03-08 华南农业大学 一种基于UAV移动网关的空地联动LoRaWAN通信装置与方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201509270U (zh) * 2009-09-27 2010-06-16 西安迅腾科技有限责任公司 由无线传感器网络触发的无线主动摄像监控系统
CN101800888A (zh) * 2009-12-30 2010-08-11 山东大学 一种利用无线通信技术监控病虫害的装置和监控方法
CN204102313U (zh) * 2014-10-24 2015-01-14 中国农业科学院农业信息研究所 一种基于wsn用于微环境监测的主从式信息采集设备
CA3030349A1 (en) * 2016-09-28 2018-05-05 Federal Express Corporation Systems and methods for monitoring the internal storage contents of a shipment storage using one or more internal monitor drones
CN106941372A (zh) * 2017-05-04 2017-07-11 国网浙江省电力公司杭州供电公司 一种无人机数据传输系统
CN108828399A (zh) * 2018-04-04 2018-11-16 驻马店市华宇电力设计有限公司 一种远程自动查找电力输电线故障监控系统
CN109451454A (zh) * 2018-10-26 2019-03-08 华南农业大学 一种基于UAV移动网关的空地联动LoRaWAN通信装置与方法

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110780042A (zh) * 2019-11-20 2020-02-11 佛山科学技术学院 一种用于大气污染治理的空气质量监测方法
CN111578994A (zh) * 2020-05-19 2020-08-25 吴普侠 一种森林生态环境的实时监测系统和方法
CN114326775B (zh) * 2020-09-29 2024-05-28 北京机械设备研究所 基于物联网的无人机系统
CN114326775A (zh) * 2020-09-29 2022-04-12 北京机械设备研究所 基于物联网的无人机系统
CN112333657A (zh) * 2020-11-04 2021-02-05 信阳师范学院 一种用于矿山地质环境监测的监测系统及监测方法
CN112565015A (zh) * 2020-12-03 2021-03-26 深圳华制智能制造技术有限公司 一种物联网通信方法、装置、计算机设备和存储介质
CN112565015B (zh) * 2020-12-03 2021-08-17 深圳华制智能制造技术有限公司 一种物联网通信方法、装置、计算机设备和存储介质
CN112650296A (zh) * 2020-12-31 2021-04-13 广州极飞科技有限公司 基于无人机进行巡查的方法、巡查系统及处理器
CN113408396B (zh) * 2021-06-15 2022-03-18 广西交科集团有限公司 一种基于云计算的桥梁智能感知系统
CN113408396A (zh) * 2021-06-15 2021-09-17 广西交科集团有限公司 一种基于云计算的桥梁智能感知系统
CN114007148A (zh) * 2021-10-21 2022-02-01 贵州师范学院 基于LoRa网关无人机群的水文监测系统
CN114500934A (zh) * 2021-12-24 2022-05-13 兰州理工大学 一种用于实现野外监控图像自动传输的监控系统
CN114500934B (zh) * 2021-12-24 2023-08-11 兰州理工大学 一种用于实现野外监控图像自动传输的监控系统
CN114553297A (zh) * 2022-01-26 2022-05-27 中国电子科技集团公司第十五研究所 一种针对无通信信号区域的无人机监控系统及方法
CN114553297B (zh) * 2022-01-26 2023-09-05 中国电子科技集团公司第十五研究所 一种针对无通信信号区域的无人机监控系统及方法
WO2024001073A1 (zh) * 2022-06-28 2024-01-04 中国民用航空飞行学院 一种基于航空器中继通信的野外灾害监测系统和方法
CN116347382A (zh) * 2023-04-13 2023-06-27 仲恺农业工程学院 基于作物生长阶段的sdn数据优先级传输方法
CN116347382B (zh) * 2023-04-13 2024-06-21 仲恺农业工程学院 基于作物生长阶段的sdn数据优先级传输方法

Similar Documents

Publication Publication Date Title
CN110351663A (zh) 多网络融合的无人机、物联网监测系统及方法
CN105242686B (zh) 一种无人机航拍系统和航拍方法
CN105119650B (zh) 基于无人飞行器的信号中继系统及其信号中继方法
CN106054928B (zh) 一种基于无人机网络的全地域火灾发生测定方法
CN205584374U (zh) 无人机油气管道巡检系统
CN107453798A (zh) 通过4g网络与无人机进行远距离信息交互的装置及方法
CN107533792A (zh) 用于在如无人机等远程控制机器与地面站点之间传输命令和视频流的系统
CN106403948A (zh) 用于输电线路巡检无人机的三维航迹规划方法
CN105913604A (zh) 基于无人机的火灾发生测定方法及其装置
CN107358796A (zh) 一种基于无人机的车辆检测方法
CN101702772A (zh) 基于视频型安防网关的远程安防系统
CN104950906A (zh) 基于移动通信网络的无人机远程测控系统及方法
CN207652583U (zh) 一种低空监视系统
CN106647804A (zh) 一种自动巡检方法及系统
CN205103662U (zh) 一种无人机航拍系统
CN110034816A (zh) 一种无人机巡检智能管控系统
Baseca et al. Communication ad hoc protocol for intelligent video sensing using AR drones
CN106355860A (zh) 一种传输数据的方法及可移动设备
CN110636255A (zh) 一种基于4g网络的无人机图像、视频传输分发系统及方法
CN104765307A (zh) 一种无人机航拍系统
CN205375192U (zh) 一种基于红外影像技术的无人机配电网巡检系统
US20240283526A1 (en) Field disaster monitoring system and method based on aircraft relay communication
CN115209379B (zh) 基于5g智能网联无人机的电网云边协同巡检系统及方法
CN108712638A (zh) 一种燃烧秸秆监管系统及方法
CN109451454A (zh) 一种基于UAV移动网关的空地联动LoRaWAN通信装置与方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191018