CN114089787A - 基于多机协同飞行的地面三维语义地图及其构建方法 - Google Patents

Abstract

本发明涉及测绘和无人机技术领域，提供了一种基于多机协同飞行的地面三维语义地图及其构建方法，包括：根据任务需求选取无人机搭载传感器的种类，确定无人机数量、编队方式、飞行航线、各无人机飞行间距及各无人机航高；数据采集：包括多个维度下的地面测量信息、所有测量时刻的飞机姿态信息及位置信息；数据预处理：数据由像方坐标系统一到物方坐标系下；数据处理：提取的不同地物数据矢量化后存储到不同图层，并建立不同地物的属性表；数据处理表达：不同图层进行叠加，得到三维语义地图。本发明克服了现阶段的航测工作一般仅获取单一类型的数据，无法同时获取多类型的数据的缺陷，可满足三维语义地图的标识及地理空间数据的多场景应用。

Description

基于多机协同飞行的地面三维语义地图及其构建方法

技术领域

本发明涉及测绘和无人机技术领域，特别涉及一种基于多机协同飞行的地面三维语义地图的构建方法。

背景技术

随着控制技术及芯片领域的快速发展，无人机的控制精度不断提高、飞行成本逐渐降低、传感器精度不断提高，同时国家在2010年正式启动“低空空域开放”政策中指定1000米以下为自由而有序的低空飞行空域，使得无人机测绘在未来有望成为一种安全、廉价、高性能、快速、高精度的空间数据获取方法。但目前的无人机航测应用领域一般使用单机、多架次飞行完成航测工作，在面对应急救灾、空域紧张及实时性较强的航测工作时需要长时间的飞行来完成工作，不能满足各项工作对于地图的需求。现阶段的航测工作一般仅获取单一类型的数据，无法同时获取多类型的数据，无法满足三维语义地图的标识及地理空间数据的多场景应用。

同时，低空飞行具有飞行高度低、环境构成复杂、机群混杂、飞行灵活、飞行密度大、基础设施缺损、信息获取困难的特点，使复杂低空飞行的事故率超过正常航线的10倍以上，因而自主避险是保障低空安全飞行的关键。而旋翼机具有安全、稳定、起降方便、运营成本低的优点，但是在导航信号的协同增强定位方法、基于飞行性能判定与推演的碰撞风险评价、低空飞行器航迹规划方法、复杂环境下的协同控制与快速避险策略等方面需要研究和攻克。

发明内容

本发明的目的是至少克服现有技术的不足之一，提供了一种基于多机协同飞行的地面三维语义地图的构建方法，该方法针对传统航测技术耗时大、工作效率低及数据单一的技术问题，使用多机协同技术手段、通过无人机所搭载的不同传感器间的配合，实现了对飞行器的自主控制、智能规划和空间地理数据的多维度、高效率的采集获取，并通过处理软件对航测数据处理获取满足不同需求的专题图。

本发明采用如下技术方案：

一种基于多机协同飞行的地面三维语义地图的构建方法，包括：

S1、根据任务需求选取无人机搭载传感器的种类，确定无人机数量及编队方式；

S2、确定无人机编队的飞行航线、各无人机飞行间距及各无人机航高；

S3、数据采集：航测过程中，多个无人机搭载传感器协同配合获取测区多个维度下的地面测量信息，得到激光点云数据和航测影像数据；同步记录无人机所有测量时刻的飞机姿态信息及位置信息；

S4、数据预处理：将步骤S3得到的航测影像数据和激光点云数据，基于无人机的位置信息、飞机姿态信息及影像同名点匹配完成拼接，并将所有航测影像数据和激光点云数据由像方坐标系统一到物方坐标系下；

S5、数据处理：对步骤S4处理后的物方坐标系下的数据进行分类，分别提取不同地物数据和土壤覆盖情况，将提取的不同地物数据矢量化后存储到不同的图层，并建立不同地物的属性表；

S6、数据处理表达：将步骤S5中得到的不同图层进行叠加，得到三维语义地图。

如上所述的任一可能的实现方式，进一步提供一种实现方式，步骤S1中，所述任务需求包括数据类型要求和测量精度要求，所述数据类型包括地形、三维建筑模型、路网、生物活动信息及土壤覆盖信息；所述无人机搭载传感器包括LiDar、高光谱摄像头和全色摄像头；全色摄像头获取地面tiff数据，高光谱摄像头获取地面遥感数据。

如上所述的任一可能的实现方式，进一步提供一种实现方式，步骤S2中，依据无人机搭载传感器参数及测量精度要求，依据投影原理计算得出搭载不同传感器的无人机最大航高h及无人机飞行中单张照片所对应的地面实际带宽L；然后依据不同型号传感器所需要的最大航高h、地面实际带宽L及重叠度γ要求计算无人机飞行间距J；再进一步基于搭载同型号传感器的无人机数量n和无人机飞行间距J计算编队的覆盖宽度La、编队飞行间距Ja；

所述传感器参数包括焦距l、视场角θ、传感器使用m行p列ccd采样元件；测量精度采用成果分辨率σ；

具体计算公式为：

由上可得：

J＝(1-γ)L；

Ja＝La-Lγ。

如上所述的任一可能的实现方式，进一步提供一种实现方式，步骤S3中，所述多个维度下的地面测量信息，包括区域地形图、道路信息、重要建筑物及特定目标；所述多个维度下的地面测量信息、及无人机所有测量时刻的飞机姿态信息及位置信息，均回传飞控中心或存储到无人机的存储芯片中。

如上所述的任一可能的实现方式，进一步提供一种实现方式，步骤S3中，数据采集过程中，搭载不同传感器的无人机按照航高由低到高的顺序按照各自航高采用固定的编队对测区进行遍历飞行，无人机在拐点处悬停等待编队的队形调整完成后继续下一阶段直线的飞行；飞控中心通过给无人机发送航线信息和飞控指令对无人机进行控制，同时在飞行中不同的无人机通过实时的位置共享进行无人机间距的控制，并将无人机位置信息实时回传至飞控中心进行无人机飞行数据的记录。

如上所述的任一可能的实现方式，进一步提供一种实现方式，步骤S4中，

LiDAR扫描得到的激光点云数据为地表面的三维离散点坐标，使用中按照激光点云数据处理的标准流程对点云进行降噪、分割、抽稀、重采样处理得到地面特征点集；并基于激光点云数据通过构TIN(不规则三角网)、插值处理建立地面高程模型DEM并绘制地形图；

高光谱及高分辨率航测影像的拼接处理通过寻找相邻影像中的同名点，并通过相似性分析选取同名像对完成匹配及自动拼接，将所有的航测影像拼接为统一像方坐标系下的正射影像；

将地形图和正射影像由无人机的像方坐标系统一到设定的物方坐标系下。

如上所述的任一可能的实现方式，进一步提供一种实现方式，由无人机的像方坐标系转化到设定的物方坐标系时，采用布尔莎公式的七参数法。

如上所述的任一可能的实现方式，进一步提供一种实现方式，步骤S5中，对不同传感器获取的影像进行人工地物标绘结果，建立相应的感兴趣区集合，或根据经验建立各个传感器下的地物分类矩阵，使用地物分类矩阵对经步骤S4处理后的激光点云数据和航测影像数据进行分类，分别提取不同地物数据和土壤覆盖情况，并矢量化存储到不同的图层中，并建立不同地物的属性表；

针对道路、建筑使用激光点云数据与航测影像数据组合识别，将建筑物的轮廓、道路中心线、道路边线分别提取，建立建筑物和道路的识别结果图层；并基于激光点云数据所建立的三维模型(地面高程模型DEM)数据计算建筑物高度，并结合开源数据对建筑名称、信息的匹配建立不同地物的属性表；完成数据提取、分类后，将所有数据本身及其切片处理后得到的瓦片数据进行保存。

如上所述的任一可能的实现方式，进一步提供一种实现方式，步骤S6中，将经过步骤S5处理后的数据按照地面高程模型DEM、正射影像图、建筑物识别结果(三维成果)图、土壤覆盖矢量图、道路识别结果矢量图分图层加载，并基于DEM对正射影像进行夸张显示，得到三维语义地图；所述夸张显示，将正射影像的高程设置为DEM的高程，并将其进行一定系数的放大显示。

在三维显示的正射影像上加载建筑物三维成果图、土壤覆盖矢量图、道路成果矢量图，得到三维语义地图的成果图，将成果储存在数据库中。

本发明还提供一种多机协同飞行的地面三维语义地图的更新方法，通过上述方法获得新的数据，并通过数据库的对比和筛选完成地图更新工作。

本发明的有益效果为：

1、本发明实现了多机协同下的测绘工作，可大幅度的提高测绘工作的效率。

2、本发明可在一次飞行工作中实现对于地面空间地理数据的多维度采集，进而建立地面的三维语义地图满足多场景工作对于地理空间数据的需求。

附图说明

图1所示为实施例中传感器焦距与无人机最大航高关系图。

图2所示为实施例中典型数据采集需求的编队航线示意图。

图3所示为实施例汇总数据处理流程图。

具体实施方式

下文将结合具体附图详细描述本发明具体实施例。应当注意的是，下述实施例中描述的技术特征或者技术特征的组合不应当被认为是孤立的，它们可以被相互组合从而达到更好的技术效果。

本发明实施例同时使用多架不同型号的无人机通过搭载不同的传感器进行协同飞行，获取测区航测数据并通过后续的数据处理得到所需各类型数据，最终将所有测量数据及获取的多个专题图合并制作为测区三维语义地图数据库。本发明实施例生产地图数据成果需要通过以下几个流程和步骤：无人机协同飞行设计—无人机飞行控制及数据采集—数据预处理—数据处理表达。即首先可根据部分历史数据进行航线和传感器数据采集的方案设计，并开展多机协同飞行在短时间内获取测区的数据。数据采集中需要确保各个传感器姿态获取的准确性，并获取不同地物不同高程、属性的分类计算依据。

数据采集工作的首要工作即是依据现有地图数据或历史影像数据、无人机所搭载载荷的性能参数及成果的需求进行飞行工作的设计和规划。设计中需要根据不同任务需求及数据特性进行传感器选取。

在本实施例中，使用四旋翼无人机对测区进行测量。根据精度要求和数据需求(获取测区全面信息)进行传感器搭配方案(使用全色、高光谱、LiDAR传感器)，并使用公式计算搭载不同传感器的无人机最大航高h(传感器焦距与无人机最大航高关系见附图1)、飞行中单张照片所对应的地面实际带宽(L)、编队的覆盖宽度La和编队飞行间距Ja：

具体计算公式为：

由上可得：

J＝(1-γ)L；

La＝nL-(n-1)(1-γ)L，

Ja＝La-Lγ。

而后，搭载不同传感器的飞机按照航高由低到高的顺序按照各自航高采用固定的编队对测区进行遍历飞行，无人机在拐点处悬停等待编队的队形调整完成后继续下一阶段直线的飞行，其飞行队形及航线示意如图2。

完成航线设计后，飞控中心通过给无人机发送航线信息和飞控指令进行控制，同时在飞行中不同的无人机通过实时的位置共享进行无人机间距的控制并将位置信息实时回传至飞控中心进行飞行数据的记录。

一种典型的数据采集需求是对于未知区域地形图、道路信息、重要建筑物及其它特定目标的获取。该采集方案主要是通过LiDAR、高光谱传感器及高分辨率全色传感器的协同配合或分区飞行获取测区多个维度下的地面测量信息；同时，需要将所有测量时刻的飞机姿态信息和位置信息进行同步，并记录到回传数据或存储到无人机的存储芯片中，用以航测数据的校正和数据拼接。该部分工作主要在飞行准备工作完成后进行的，在无人机升空过程中将通过无人机发送传感器数据采集开启指令、无人机坐标信息和姿态信息回传指令，同时对传感器数据采集设置进行配置，配置内容包括采样间隔、传感器倾角、结束采集信号等。

结束采集后将无人机采集数据进行导出和存储，并基于无人机的位置信息、姿态信息及影像同名点匹配对航摄数据完成拼接，对激光点云数据进行降噪、分割、抽稀、重采样等处理得到地面特征点集，并基于激光点云数据通过构TIN(不规则三角网)、插值等处理建立地面高程模型(DEM)、绘制地形图，并使用七参数法(布尔莎公式)将上述成果投影到要求坐标系下。该部分主要目的是将所有航测照片由像方坐标系统一到同一个物方坐标系下，由于无人机坐标为WGS坐标系，因而将所有坐标统一投影到WGS84坐标下。

进一步处理中使用前期建立的地物分类矩阵对多个数据进行分类，分别提取不同地物数据和土壤覆盖情况，并矢量化存储到不同的图层中，并建立其属性表；针对道路、建筑等人工建筑可以使用激光点云数据与影像数据组合识别，将建筑物的轮廓、道路中心线、道路边线分别提取，建立建筑物和道路的识别结果图层，并基于激光点云数据所建立的三维模型数据计算建筑物高度，并结合开源数据对建筑名称、信息等的匹配建立不同地物的属性表，并将所有数据本身及其切片处理后得到的瓦片数据进行保存。

最后的数据处理表达工作中，将处理得到的所有数据按照地面高程模型(DEM)、正射影像图、建筑物三维成果图、土壤覆盖矢量图、道路成果矢量图分图层加载，并基于DEM对正射影像进行夸张显示(将正射影像的高程设置为DEM的高程，并将其进行一定系数的放大显示)，以达到地物显示的三维效果。在三维显示的正射影像上加载建筑物三维成果图、土壤覆盖矢量图、道路成果矢量图等图层，并将该成果储存在数据库中。

本发明针对现阶段的航测工作一般仅获取单一类型的数据，无法同时获取多类型的数据，无法满足三维语义地图的标识及地理空间数据的多场景应用的现状，提供了解决方案，实现了多机协同下的测绘工作，可在一次飞行工作中实现对于地面空间地理数据的多维度采集，，大幅度的提高测绘工作的效率。

本文虽然已经给出了本发明的几个实施例，但是本领域的技术人员应当理解，在不脱离本发明精神的情况下，可以对本文的实施例进行改变。上述实施例只是示例性的，不应以本文的实施例作为本发明权利范围的限定。

Claims (10)

1.一种基于多机协同飞行的地面三维语义地图的构建方法，其特征在于，所述方法包括：

S1、根据任务需求选取无人机搭载传感器的种类，确定无人机数量及编队方式；

S2、确定无人机编队的飞行航线、各无人机飞行间距及各无人机航高；

S3、数据采集：航测过程中，多个无人机搭载传感器协同配合获取测区多个维度下的地面测量信息，得到激光点云数据和航测影像数据；同步记录无人机所有测量时刻的飞机姿态信息及位置信息；

S4、数据预处理：将步骤S3得到的航测影像数据和激光点云数据，基于无人机的位置信息、飞机姿态信息及影像同名点匹配完成拼接，并将所有航测影像数据和激光点云数据由像方坐标系统一到物方坐标系下；

S5、数据处理：对步骤S4处理后的物方坐标系下的航测影像数据和激光点云数据进行分类，分别提取不同地物数据，将提取的不同地物数据矢量化后存储到不同的图层，并建立不同地物的属性表；

S6、数据处理表达：将步骤S5中得到的不同图层进行叠加，得到三维语义地图。

2.如权利要求1所述的基于多机协同飞行的地面三维语义地图的构建方法，其特征在于，步骤S1中，所述任务需求包括数据类型要求和测量精度要求，所述数据类型包括地形、三维建筑模型、路网及土壤覆盖信息；所述无人机搭载传感器包括LiDar、高光谱摄像头和全色摄像头。

3.如权利要求1所述的基于多机协同飞行的地面三维语义地图的构建方法，其特征在于，步骤S2中，依据无人机搭载传感器参数及测量精度要求，根据投影原理计算得出搭载不同传感器的无人机最大航高h及无人机飞行中单张照片所对应的地面实际带宽L；然后依据不同型号传感器所需要的无人机最大航高h、地面实际带宽L及重叠度γ要求计算无人机飞行间距J；再进一步基于搭载同型号传感器的无人机数量n和无人机飞行间距J计算编队的覆盖宽度La、编队飞行间距Ja；

所述传感器参数包括焦距l、视场角θ、传感器使用m行p列ccd采样元件；测量精度采用成果分辨率σ；

具体计算公式为：

由上可得：

J＝(1-γ)L；

La＝nL-(n-1)(1-γ)L；

Ja＝La-Lγ。

4.如权利要求1所述的基于多机协同飞行的地面三维语义地图的构建方法，其特征在于，步骤S3中，所述多个维度下的地面测量信息，包括区域地形图、道路、重要建筑物及特定目标；所述多个维度下的地面测量信息、及无人机所有测量时刻的飞机姿态信息及位置信息，均回传飞控中心或存储到无人机的存储芯片中。

5.如权利要求4所述的基于多机协同飞行的地面三维语义地图的构建方法，其特征在于，步骤S3中，数据采集时，搭载不同传感器的无人机按照航高由低到高的顺序按照各自航高采用固定的编队对测区进行遍历飞行，无人机在拐点处悬停等待编队的队形调整完成后继续下一阶段直线的飞行；飞控中心通过给无人机发送航线信息和飞控指令对无人机进行控制，同时在飞行中不同的无人机通过实时的位置共享进行无人机间距的控制，并将无人机位置信息实时回传至飞控中心进行无人机飞行数据的记录。

6.如权利要求1所述的基于多机协同飞行的地面三维语义地图的构建方法，其特征在于，步骤S4中，

LiDAR扫描得到的激光点云数据为地表面的三维离散点坐标，使用中对激光点云数据进行降噪、分割、抽稀、重采样处理得到地面特征点集；并基于激光点云数据通过构TIN、插值处理建立地面高程模型DEM并绘制地形图；

高光谱及高分辨率航测影像的拼接处理通过寻找相邻影像中的同名点，并通过相似性分析选取同名像对完成匹配及自动拼接，将所有的航测影像拼接为统一像方坐标系下的正射影像；

将地形图和正射影像由无人机的像方坐标系统一到设定的物方坐标系下。

7.如权利要求6所述的基于多机协同飞行的地面三维语义地图的构建方法，其特征在于，由无人机的像方坐标系转化到设定的物方坐标系时，采用布尔莎公式的七参数法。

8.如权利要求1所述的基于多机协同飞行的地面三维语义地图的构建方法，其特征在于，步骤S5中，对不同传感器获取的航测影像进行人工地物标绘结果，根据经验建立各个传感器对应的地物分类矩阵，使用地物分类矩阵对经步骤S4处理后的激光点云数据和航测影像数据进行分类，分别提取不同地物数据，并矢量化存储到不同的图层中，并建立不同地物的属性表：

针对道路、建筑物使用激光点云数据与航测影像数据组合识别，将建筑物的轮廓、道路中心线、道路边线分别提取，建立建筑物和道路的识别结果图层；并基于激光点云数据所建立的地面高程模型DEM计算建筑物高度，并结合开源数据对建筑名称、信息的匹配建立不同地物的属性表；完成提取、分类后，将所有数据本身及其切片处理后得到的瓦片数据进行保存。

9.如权利要求1所述的基于多机协同飞行的地面三维语义地图的构建方法，其特征在于，步骤S6中，经过步骤S5处理后，按照地面高程模型DEM、正射影像图、建筑物识别结果图、土壤覆盖矢量图、道路识别结果矢量图分图层加载，并基于地面高程模型DEM对正射影像进行夸张显示，得到三维语义地图；所述夸张显示，将正射影像的高程设置为DEM的高程，并将其进行一定系数的放大显示。

10.一种三维语义地图，其特征在于，使用如权利要求1-9任一项所述的基于多机协同飞行的地面三维语义地图的构建方法得到。

Images