CN114495416A - 基于无人机的火情监测方法、装置及终端设备 - Google Patents
基于无人机的火情监测方法、装置及终端设备 Download PDFInfo
- Publication number
- CN114495416A CN114495416A CN202111642996.2A CN202111642996A CN114495416A CN 114495416 A CN114495416 A CN 114495416A CN 202111642996 A CN202111642996 A CN 202111642996A CN 114495416 A CN114495416 A CN 114495416A
- Authority
- CN
- China
- Prior art keywords
- fire
- determining
- thermal imaging
- geographic information
- unmanned aerial
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 238000001931 thermography Methods 0.000 claims abstract description 119
- 238000012806 monitoring device Methods 0.000 claims abstract description 5
- 238000012937 correction Methods 0.000 claims description 20
- 230000000007 visual effect Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 2
- 230000032683 aging Effects 0.000 abstract description 6
- 230000005855 radiation Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 239000002023 wood Substances 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Fire-Detection Mechanisms (AREA)
- Alarm Systems (AREA)
- Image Processing (AREA)
Abstract
本公开提出一种基于无人机的火情监测方法、装置及终端设备，其中，方法包括：获取无人机采集的热成像图；根据热成像图及热成像图的拍摄参数，确定火场区域；确定火场区域对应的地理信息；根据地理信息，确定火场区域对应的火线长度及过火面积。由此，通过无人机采集的热成像图，能够及时的确定火场区域对应的火线长度及过火面积，从而提高了森林火情信息的时效性，进而可以避免错过最佳救援时机。
Description
技术领域
本公开涉及森林火情分析技术领域，尤其涉及一种基于无人机的火情监测方法、装置及终端设备。
背景技术
森林火灾是一种突发性强、破坏性大、应急处置困难且危险性极大的自然灾害。
相关技术中，森林火灾发生时，通常采用卫星遥感技术，获取森林火情信息。但是卫星遥感无法及时获取森林火情信息，从而导致延误最佳救援时机。因此，如何提高获取森林火情信息的时效性是目前亟需解决的问题。
发明内容
本公开提出一种基于无人机的火情监测方法和装置，以至少解决相关技术中火情监测时效性低的问题。本公开的技术方案如下：
根据本公开实施例的第一方面，本公开实施例提供一种基于无人机的火情监测方法，包括：
获取无人机采集的热成像图；
根据所述热成像图及所述热成像图的拍摄参数，确定火场区域；
确定所述火场区域对应的地理信息；
根据所述地理信息，确定所述火场区域对应的火线长度及过火面积。
本公开中，在获取无人机采集的热成像图后，可以根据热成像图及热成像图的拍摄参数，确定火场区域，之后，可以确定火场区域对应的地理信息，并根据地理信息，确定火场区域对应的火线长度及过火面积。由此，通过无人机采集的热成像图，能够及时的确定火场区域对应的火线长度及过火面积，从而提高了森林火情信息的时效性，进而可以避免错过最佳救援时机。
在本公开第一方面实施例一种可能的实现方式中，所述根据所述热成像图及所述热成像图的拍摄参数，确定火场区域，具体包括：
确定所述无人机中热成像仪的工作波段、及所述热成像仪与火点间的距离；
根据所述工作波段及距离，确定温度矫正参数；
根据所述温度矫正参数，对所述热成像图中各区域的温度进行矫正，以确定各区域矫正后的温度；
在任一区域修订后的温度大于阈值的情况下，确定所述任一区域为火场区域。
在本公开第一方面实施例一种可能的实现方式中，所述确定所述火场区域对应的地理信息，具体包括：
根据每个热成像图像中各个像素点的特征及拍摄参数，确定各热成像图像分别对应的各火场区域间的重合缝线；
基于所述重合缝线，将各个所述火场区域进行融合以生成融合后的火场区域；
确定所述融合后的火场区域对应的地理信息。
在本公开第一方面实施例一种可能的实现方式中，所述确定所述火场区域对应的地理信息，具体包括：
确定各个火场区域中每个所述火场区域对应的地理信息；
根据各个所述地理信息间的匹配度，将各个所述地理信息进行融合，生成融合后的地理信息。
在本公开第一方面实施例一种可能的实现方式中，所述确定所述火场区域对应的地理信息，具体包括：
根据无人机中热成像仪的地理位置信息、姿态角及视场角，确定热成像仪的虚拟视角；
基于数字高程信息及所述的虚拟视角，确定热成像图的坐标转换矩阵；
根据所述火场区域的像素位置，及所述坐标转换矩阵，确定火场区域对应的地理坐标信息。
在本公开第一方面实施例一种可能的实现方式中，该方法还包括：
根据所述无人机中热成像仪与所述火场中火点间的距离及所述热成像仪的焦距信息，确定所述火点对应的地面分辨率；
根据所述地面分辨率，对所述火线长度及过火面积进行修正。
根据本公开实施例的第二方面，本公开实施例提供一种基于无人机的火情监测装置，包括：
获取模块，用于获取无人机采集的热成像图；
第一确定模块，用于根据所述热成像图及所述热成像图的拍摄参数，确定火场区域；
第二确定模块，用于确定所述火场区域对应的地理信息；
第三确定模块，用于根据所述地理信息，确定所述火场区域对应的火线长度及过火面积。
在本公开第二方面实施例一种可能的实现方式中，所述第一确定模块，具体用于：
确定所述无人机中热成像仪的工作波段、及所述热成像仪与火点间的距离；
根据所述工作波段及距离，确定温度矫正参数；
根据所述温度矫正参数，对所述热成像图中各区域的温度进行矫正，以确定各区域矫正后的温度；
在任一区域修订后的温度大于阈值的情况下，确定所述任一区域为火场区域。
在本公开第二方面实施例一种可能的实现方式中，所述第二确定模块，具体用于：
根据每个热成像图像中各个像素点的特征及拍摄参数，确定各热成像图像分别对应的各火场区域间的重合缝线；
基于所述重合缝线，将各个所述火场区域进行融合以生成融合后的火场区域；
确定所述融合后的火场区域对应的地理信息。
在本公开第二方面实施例一种可能的实现方式中，所述第二确定模块，具体用于：
确定各个火场区域中每个所述火场区域对应的地理信息；
根据各个所述地理信息间的匹配度，将各个所述地理信息进行融合，生成融合后的地理信息。
在本公开第二方面实施例一种可能的实现方式中，所述第二确定模块，具体用于：
根据无人机中热成像仪的地理位置信息、姿态角及视场角，确定热成像仪的虚拟视角；
基于数字高程信息及所述的虚拟视角，确定热成像图的坐标转换矩阵；
根据所述火场区域的像素位置，及所述坐标转换矩阵，确定火场区域对应的地理坐标信息。
在本公开第二方面实施例一种可能的实现方式中，所述第三确定模块，还用于：
根据所述无人机中热成像仪与所述火场中火点间的距离及所述热成像仪的焦距信息，确定所述火点对应的地面分辨率；
根据所述地面分辨率，对所述火线长度及过火面积进行修正。
根据本公开实施例的第三方面，提供一种终端设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，处理器被配置为执行指令，以实现如上述第一方面实施例所述的基于无人机的火情监测方法。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，当计算机可读存储介质中的指令由终端设备的处理器执行时，使得终端设备能够执行如上述一方面实施例所述的基于无人机的火情监测方法。
根据本公开实施例的第五方面，提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现上述一方面实施例所述的基于无人机的火情监测方法。
本公开的实施例提供的技术方案至少带来以下有益效果：本公开中，在获取无人机采集的热成像图后，可以根据热成像图及热成像图的拍摄参数，确定火场区域，之后，可以确定火场区域对应的地理信息，并根据地理信息，确定火场区域对应的火线长度及过火面积。由此，通过无人机采集的热成像图，能够及时的确定火场区域对应的火线长度及过火面积，从而提高了森林火情信息的时效性，进而可以避免错过最佳救援时机。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
图1为本公开第一实施例提供的一种基于无人机的火情监测方法的流程示意图；
图2为本公开第二实施例提供的另一种基于无人机的火情监测方法的流程示意图；
图3为本公开第三实施例提供的另一种基于无人机的火情监测方法的流程示意图；
图4为本公开第四实施例提供的一种基于无人机的火情监测装置的结构示意图；
图5是根据一示例性实施例示出的一种基于无人机的火情监测的终端设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本公开中，无人机可以通过挂载的热成像相机，实现对森林火场区域的温度进行监测，从而即可基于温度，确定火场区域，进而确定火线长度及火场面积。且由于无人机起飞方便、方向可控、机动灵活，因此，即可及时获取森林火情信息，从而提高获取森林火情的时效性。
下面参考附图描述本公开实施例的基于无人机的火情监测方法和装置。
图1为本公开实施例所提供的一种基于无人机的火情监测方法的流程图，包括以下步骤。
步骤101，获取无人机采集的热成像图。
需要说明的是，任何物体当其温度高于绝对温度零度，物体即可辐射红外线(又称热辐射线)，不同温度，其红外线的辐射强度不同。因此，热成像仪可以通过红外探测器，接收物体辐射的红外线，并将强弱不等的红外信号转化成电信号，电信号再经过放大和视频处理，即可形成与物体表面温度分布相对应的热成像图。
本公开中，无人机可以通过挂载的热成像仪，实时采集森林火场的热成像图。
本公开中，可以根据存在火情的森林面积，确定用于并行飞行的无人机数量，由此，通过多台无人机并行飞行，采集森林火场的热成像图，能够及时的获取整个森林的火情信息，从而提高森林火情信息的时效性。此外，无人机在获取热成像图片后，可以通过无线传输模块，实时的将热成像图传输给服务端。由此，服务端即可实现对森林火情的实时监测。
步骤102，根据热成像图及热成像图的拍摄参数，确定火场区域。
其中，拍摄参数可以包括热成像仪与地面的距离等，本公开对此不作限制。
本公开中，热成像图中的每个像素点都对应一个温度值，因此，可以将每个像素点对应的温度值，与阈值进行比较，当像素点对应的温度值大于阈值时，可以确定此像素点对应的区域为着火点。当像素点对应的温度值小于阈值时，可以确定此像素点对应的区域不为着火点。然后，即可将着火点组成的区域，作为火场区域。
可选的，由于热成像图的拍摄参数，可能对热成像图对应的温度值产生影响，因此还可以利用热成像图的拍摄参数，对热成像图中各像素点对应的温度值进行修正，以提高温度值的准确性。
比如，可以将拍摄参数对应的温度修正函数预先设置在系统中，之后，可以根据温度修正函数，对热成像图中的每个像素点对应的温度值进行修正，然后，再根据每个像素点对应的修正后的温度值，确定火场区域。
步骤103，确定火场区域对应的地理信息。
其中，地理信息可以为全球定位系统(Global Positioning System，GPS)位置信息等任一可以唯一确定真实火场区域位置的信息，本公开对此不作限制。
可以理解的是，热成像图中只包含火场区域对应的相机坐标位置信息，不包含真实火场区域的地理信息，因此，需要将热成像图进行坐标位置转换，将火场区域从相机坐标系转换到大地坐标系中，以确定火场区域对应的地理信息。
本公开中，可以根据无人机中热成像仪的地理位置信息、姿态角及视场角，确定热成像仪的虚拟视角，之后，基于数字高程信息及虚拟视角，确定热成像图的坐标转换矩阵，然后，根据火场区域的像素位置，及坐标转换矩阵，确定火场区域对应的地理坐标信息。
其中，热成像仪的地理位置信息可以为无人机对应的经纬度信息，姿态角可以包括航向角、水平角、翻滚角等，视场角可以包括水平视场角、垂直视场角等。此外，姿态角、视场角、可以通过无人机搭载的带有激光测距的光电吊舱等测距传感器测量确定。无人机对应的经纬度信息可以通过无人机搭载的导航系统确定。此外，可以将森林火场对应的地理位置输入到TS-GIS引擎中，即可确定森林火场对应的数字高程模型。
本公开中，服务端可以将热成像仪的地理位置信息、姿态角及视场角等信息，输入到TS-GIS引擎中，即可基于数字高程信息，确定热成像仪对应的虚拟视角。之后，再基于虚拟视角，计算得到热成像图中火场区域对应的相机坐标到大地坐标的坐标转换矩阵。然后，再根据坐标转换矩阵，将热成像中每个像素在相机坐标系中的坐标，转换到大地坐标系中，从而确定热成像中每个像素所对应的地理信息。
可以理解的是，每张热成像图对应的热成像仪的地理位置信息、姿态角及视场角等信息相同，因此，同一张热成像图中的所有像素点对应的坐标转换矩阵相同。由于无人机在不断地飞行中，因此，在飞行过程中拍摄的多张热成像图对应的热成像仪的地理位置信息、姿态角及视场角等信息可能发生改变，因此，各热成像图对应的坐标转换矩阵可能不同。
步骤104，根据地理信息，确定火场区域对应的火线长度及过火面积。
本公开中，可以将火场边缘及火场区域对应的地理信息，分别输入到TS-GIS引擎中，然后，即可根据火场边缘的地理信息，确定火线长度，并根据火场区域的GPS信息，确定过火面积。其中，火场边缘可以为火场区域与非火场区域的交界。
本公开中，在获取无人机采集的热成像图后，可以根据热成像图及热成像图的拍摄参数，确定火场区域，之后，可以确定火场区域对应的地理信息，并根据地理信息，确定火场区域对应的火线长度及过火面积。由此，通过无人机采集的热成像图，能够及时的确定火场区域对应的火线长度及过火面积，从而提高了森林火情信息的时效性，进而可以避免错过最佳救援时机。
图2为本公开实施例所提供的一种基于无人机的火情监测方法的流程图，包括以下步骤。
步骤201，获取无人机采集的热成像图。
本公开中，步骤201的具体实现过程，可参见本公开任一实施例中的详细描述，在此不再赘述。
步骤202，确定无人机中热成像仪的工作波段、及热成像仪与火点间的距离。
其中，热成像仪的工作波段可以为热成像仪所能接收的红外线的波长，可以预先设置在系统中。热成像仪与火点间的距离可以通过无人机搭载的测距传感器测量确定。
本公开中，当无人机将采集的热成像图发送给服务端时，即可将每张热成像图对应的热成像仪与火点间的距离，同时发送给服务端。
步骤203，根据工作波段及距离，确定温度矫正参数。
其中，温度校正参数可以包括校正后的辐射照度、响应电压等，本公开对此不作限制。
本公开中，无人机在飞行的过程中，高度可能会发生变化，因此，受热成像仪与火场之间距离的影响，热成像图中的温度信息可能会产生偏差。为了进一步提高热成像仪成像温度的准确性，可以基于工作波段及距离，对温度进行校正。
本公开中，热成像仪首先接收红外线，并确定辐射照度，之后，根据辐射照度，确定热成像仪的响应电压，然后，再根据普朗克辐射定律，即可确定森林火场各区域的温度信息。由此，可以根据距离，对辐射照度进行校正，以达到修正温度的效果。其中，校正的辐射照度的公式表达如下：
Eλ＝A0d-2[τaλελLbλ(T0)+τaλ(1-αλ)Lbλ(Tu)+εaλLbλ(Ta)] (1)
其中，ελ为表面发射率，αλ为表面吸收率，τaλ为大气的光谱透射率，εaλ为大气发射率，T0为被测物体表面温度，Tu为环境温度，Ta为大气温度，d为该目标到测量仪器之间的距离，通常一定条件下，A0为热像仪最小空间张角所对应的目标的可视面积。Lbλ为辐射亮度。此外，A0可以预先设置在系统中。
本公开中，热像仪通常工作在某一个很窄的波段范围内，因此，ελ、αλ、τaλ可以为固定值。从而根据修正后的辐射照度，即可确定修正后的响应电压。其中，修正后的响应电压的公式表达如下：
其中，AR为热像仪透镜的面积，Rλ为探测器的光谱响应度，对某台确定的红外热像仪为常值。此外，AR可以预先设置在系统中。
当令
则公式(2)可以为：
此外，由于大气、木材均满足灰体特质，因此，ε＝α，大气的εa＝αa＝1-τa，其中，αa为大气吸收率，所以，公式(3)可以为：
步骤204，根据温度矫正参数，对热成像图中各区域的温度进行矫正，以确定各区域矫正后的温度。
本公开中，在确定热成像仪的响应电压后，即可根据普朗克辐射定律，确定热成像图中各像素点对应的修正后的温度。其中，热成像仪图像温度的公式表达如下：
其中，Tγ为热成像图中各像素点的温度值，n是热像仪的使用工作波段。将公式(5)整理后，即可得到被测物体修正后的温度公式，如下所示：
其中，被测物体表面温度T0，即为矫正后的温度。
本公开中，受小型无人机的飞行高度的限制，无人机距离火场的距离一般为100m到2000m，因此，可以确定大气透射率τa为定值，且大气温度等同于环境温度，即Tu＝Ta。此外，当令
σ＝Kτa时，公式(6)整理，即可得到修正后的温度公式，如下所示：
可以理解的是，当木材燃烧时，燃烧物的表面温度远大于环境温度，因此，
则公式(7)整理可以得到修正的温度公式：
其中，木材的表面发射率ε可以预先设置在系统中，n的取值可以根据热像仪使用的工作波段，预先设置在系统中。比如，当热像仪的工作波段为3-5微米时，n的取值可以为8.68，当热像仪的工作波段为8-14微米，n的取值可以为4.09。
本公开中，服务端可以根据公式(8)，利用热成像仪与火点的距离d，对热成像图中每个像素点的温度值Tγ进行修正，以得到修正后的物体表面温度T0。
步骤205，在任一区域修订后的温度大于阈值的情况下，确定任一区域为火场区域。
步骤206，确定火场区域对应的地理信息。
步骤207，根据地理信息，确定火场区域对应的火线长度及过火面积。
本公开中，步骤205-步骤207的具体实现过程，可以参见本公开中任一实施例的详细描述，在此不再赘述。
本公开中，服务端在获取无人机采集的热成像图后，可以确定无人机中热成像仪的工作波段、及热成像仪与火点间的距离，之后，可以根据工作波段及距离，确定温度矫正参数，再根据温度矫正参数，对热成像图中各区域的温度进行矫正，以确定各区域矫正后的温度，并在任一区域修订后的温度大于阈值的情况下，可以确定任一区域为火场区域，然后，再确定火场区域对应的地理信息，并根据地理信息，确定火场区域对应的火线长度及过火面积。由此，根据热成像仪与火点间的距离，对热成像图温度进行校正，从而可以提高温度的准确性，进而，有利于提高火场信息的准确性。
图3为本公开实施例所提供的一种基于无人机的火情监测方法的流程图，包括以下步骤。
步骤301，获取无人机采集的热成像图。
步骤302，根据热成像图及热成像图的拍摄参数，确定火场区域。
步骤303，确定各个火场区域中每个火场区域对应的地理信息。
本公开中，步骤301-步骤303的具体实现过程，可参见本公开任一实施例中的详细描述，在此不再赘述。
步骤304，根据各个地理信息间的匹配度，将各个地理信息进行融合，生成融合后的地理信息。
本公开中，由于各无人机在飞行过程中，拍摄的热成像图，只对应于森林火场的局部情况，因此，可以将多台无人机拍摄的多张热成像图进行融合，以直观的获取整个森林火场区域的火灾情况。
本公开中，服务端可以将获取到的多张热成像图，两两进行匹配，当两热成像图的某火场区域中，各对应像素点的地理信息之间的距离小于阈值时，可以确定两热成像图中的此火场区域为同一火场区域，之后，可以将两热成像图中同一火场区域进行融合，以生成融合后的地理信息。可选的，还可以根据每个热成像图像中各个像素点的特征及拍摄参数，确定各热成像图像分别对应的各火场区域间的重合缝线，之后，可以基于重合缝线，将各个火场区域进行融合以生成融合后的火场区域，然后，再确定融合后的火场区域对应的地理信息。
其中，像素点的特征可以包括像素值，像素坐标等信息，本公开对此不作限制。
本公开中，服务端可以基于图像融合技术，将获取到的多张热成像图，两两进行融合，以确定热成像图像分别对应的各火场区域间的重合缝线。之后，即可基于重合缝线，将各个相同区域进行融合，以生成融合后的火场区域。然后，再基于本公开任一确定火场区域对应的地理信息的方法，确定融合后的火场区域对应的地理信息。
步骤305，根据无人机中热成像仪与火场中火点间的距离及热成像仪的焦距信息，确定火点对应的地面分辨率。
本公开中，各热成像图实际对应于森林火场的局部区域，局部区域的面积显然大于热成像图的面积。由此，热成像图中每个像素点，实际对应于真实火场的某一区域。然而，通过像素点确定的每个地理信息，只是一个位置点，并不是此像素点对应的一个区域，因此，通过像素点确定的地理信息，确定的火线长度及过火面积，可能存在误差。
步骤306，根据地面分辨率，对火线长度及过火面积进行修正。
本公开中，可以将像素点对应的地理信息，确定为像素点对应区域的中心位置。之后，再根据地面分辨率，确定像素点对应的区域，然后，可以根据火线像素点对应区域的外边缘的地理信息，计算火线长度，从而，实现火线长度的修正。同时，可以基于火线像素点对应区域的外边缘的地理位置信息，确定过火面积。
本公开中，服务端获取无人机采集的热成像图后，可以根据热成像图及热成像图的拍摄参数，确定火场区域，之后，可以确定各个火场区域中每个火场区域对应的地理信息，再根据各个地理信息间的匹配度，将各个地理信息进行融合，生成融合后的地理信息，然后，再根据无人机中热成像仪与火场中火点间的距离及热成像仪的焦距信息，确定火点对应的地面分辨率，并根据地面分辨率，对火线长度及过火面积进行修正。由此，通过热成像仪与火场中火点间的距离及热成像仪的焦距，对火线长度及过火面积进行修正，从而可以提高火线长度及过火面积的准确性，进而为火灾救援提供可靠依据。
图4是根据一示例性实施例示出的一种基于无人机的火情监测装置框图。参照图4，该装置包括获取模块410、第一确定模块420、第二确定模块430、第三确定模块440。
获取模块410，用于获取无人机采集的热成像图；
第一确定模块420，用于根据所述热成像图及所述热成像图的拍摄参数，确定火场区域；
第二确定模块430，用于确定所述火场区域对应的地理信息；
第三确定模块440，用于根据所述地理信息，确定所述火场区域对应的火线长度及过火面积。
在本公开实施例一种可能的实现方式中，上述第一确定模块420，具体用于：
确定所述无人机中热成像仪的工作波段、及所述热成像仪与火点间的距离；
根据所述工作波段及距离，确定温度矫正参数；
根据所述温度矫正参数，对所述热成像图中各区域的温度进行矫正，以确定各区域矫正后的温度；
在任一区域修订后的温度大于阈值的情况下，确定所述任一区域为火场区域。
在本公开实施例一种可能的实现方式中，上述第二确定模块420，具体用于：
根据每个热成像图像中各个像素点的特征及拍摄参数，确定各热成像图像分别对应的各火场区域间的重合缝线；
基于所述重合缝线，将各个所述火场区域进行融合以生成融合后的火场区域；
确定所述融合后的火场区域对应的地理信息。
在本公开实施例一种可能的实现方式中，上述第二确定模块420，具体用于：
确定各个火场区域中每个所述火场区域对应的地理信息；
根据各个所述地理信息间的匹配度，将各个所述地理信息进行融合，生成融合后的地理信息。
在本公开实施例一种可能的实现方式中，上述第二确定模块420，具体用于：
根据无人机中热成像仪的地理位置信息、姿态角及视场角，确定热成像仪的虚拟视角；
基于数字高程信息及所述的虚拟视角，确定热成像图的坐标转换矩阵；
根据所述火场区域的像素位置，及所述坐标转换矩阵，确定火场区域对应的地理坐标信息。
在本公开实施例一种可能的实现方式中，上述第三确定模块430，还用于：
根据所述无人机中热成像仪与所述火场中火点间的距离及所述热成像仪的焦距信息，确定所述火点对应的地面分辨率；
根据所述地面分辨率，对所述火线长度及过火面积进行修正。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开中，在获取无人机采集的热成像图后，可以根据热成像图及热成像图的拍摄参数，确定火场区域，之后，可以确定火场区域对应的地理信息，并根据地理信息，确定火场区域对应的火线长度及过火面积。由此，通过无人机采集的热成像图，能够及时的确定火场区域对应的火线长度及过火面积，从而提高了森林火情信息的时效性，进而可以避免错过最佳救援时机。
图5是根据一示例性实施例示出的一种基于无人机的火情监测的终端设备的框图。
如图5所示，该终端设备500包括：
存储器510及处理器520，连接不同组件(包括存储器510和处理器520)的总线530，存储器510存储有计算机程序，当处理器520执行所述程序时实现本公开实施例所述的基于无人机的火情监测方法。
总线530表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
终端设备500典型地包括多种电子设备可读介质。这些介质可以是任何能够被终端设备500访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器510还可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)540和/或高速缓存存储器550。终端设备500可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统560可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线530相连。存储器510可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本公开各实施例的功能。
具有一组(至少一个)程序模块570的程序/实用工具580，可以存储在例如存储器510中，这样的程序模块570包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块570通常执行本公开所描述的实施例中的功能和/或方法。
终端设备500也可以与一个或多个外部设备590(例如键盘、指向设备、显示器591等)通信，还可与一个或者多个使得用户能与该终端设备500交互的设备通信，和/或与使得该终端设备500能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口592进行。并且，终端设备500还可以通过网络适配器593与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器593通过总线530与终端设备500的其它模块通信。应当明白，尽管图中未示出，可以结合终端设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器520通过运行存储在存储器510中的程序，从而执行各种功能应用以及数据处理。
需要说明的是，本实施例的终端设备的实施过程和技术原理参见前述对本公开实施例的基于无人机的火情监测方法的解释说明，此处不再赘述。
本公开中，通过基于不同的聚类模式，筛选出相应的第二属性信息，减少了计算的数据量，从而有利于提高计算的速度，并且通过根据第一属性信息与每个第二属性信息间的相似度，以及每个参考对象对应的类别标签，确定申请方对应的类别标签，从而在申请方对应的关系数据未知的情况下，仅需要用户提供简单的属性信息，即可对业务请求进行校验，在有效的去除高风险的业务请求的同时，减少了申请方申请业务的时间，提高了业务申请的效率。另外，在申请方填报的信息中包括关系数据情况下，也可通过此方式对关系数据进行校验，增加关系数据信息的可信度。
在示例性实施例中，本公开还提供了一种包括指令的计算机可读存储介质，例如包括指令的存储器，上述指令可由终端设备的处理器执行以完成上述方法。可选地，计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
为了实现上述实施例，本公开还提供一种计算机程序产品，该计算机程序由终端设备的处理器执行时，使得终端设备能够执行如前所述的基于无人机的火情监测方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (15)
1.一种基于无人机的火情监测方法，其特征在于，包括：
获取无人机采集的热成像图；
根据所述热成像图及所述热成像图的拍摄参数，确定火场区域；
确定所述火场区域对应的地理信息；
根据所述地理信息，确定所述火场区域对应的火线长度及过火面积。
2.如权利要求1所述的方法，其特征在于，所述根据所述热成像图及所述热成像图的拍摄参数，确定火场区域，包括：
确定所述无人机中热成像仪的工作波段、及所述热成像仪与火点间的距离；
根据所述工作波段及距离，确定温度矫正参数；
根据所述温度矫正参数，对所述热成像图中各区域的温度进行矫正，以确定各区域矫正后的温度；
在任一区域修订后的温度大于阈值的情况下，确定所述任一区域为火场区域。
3.如权利要求1所述的方法，其特征在于，所述确定所述火场区域对应的地理信息，包括：
根据每个热成像图像中各个像素点的特征及拍摄参数，确定各热成像图像分别对应的各火场区域间的重合缝线；
基于所述重合缝线，将各个所述火场区域进行融合以生成融合后的火场区域；
确定所述融合后的火场区域对应的地理信息。
4.如权利要求1所述的方法，其特征在于，所述确定所述火场区域对应的地理信息，包括：
确定各个火场区域中每个所述火场区域对应的地理信息；
根据各个所述地理信息间的匹配度，将各个所述地理信息进行融合，生成融合后的地理信息。
5.如权利要求1所述的方法，其特征在于，所述确定所述火场区域对应的地理信息，包括：
根据无人机中热成像仪的地理位置信息、姿态角及视场角，确定热成像仪的虚拟视角；
基于数字高程信息及所述的虚拟视角，确定热成像图的坐标转换矩阵；
根据所述火场区域的像素位置，及所述坐标转换矩阵，确定火场区域对应的地理坐标信息。
6.如权利要求1-5任一所述的方法，其特征在于，在所述根据所述地理信息，确定所述火场区域对应的火线长度及过火面积之后，还包括：
根据所述无人机中热成像仪与所述火场中火点间的距离及所述热成像仪的焦距信息，确定所述火点对应的地面分辨率；
根据所述地面分辨率，对所述火线长度及过火面积进行修正。
7.一种基于无人机的火情监测装置，其特征在于，包括：
获取模块，用于获取无人机采集的热成像图；
第一确定模块，用于根据所述热成像图及所述热成像图的拍摄参数，确定火场区域；
第二确定模块，用于确定所述火场区域对应的地理信息；
第三确定模块，用于根据所述地理信息，确定所述火场区域对应的火线长度及过火面积。
8.如权利要求7所述的装置，其特征在于，所述第一确定模块，具体用于：
确定所述无人机中热成像仪的工作波段、及所述热成像仪与火点间的距离；
根据所述工作波段及距离，确定温度矫正参数；
根据所述温度矫正参数，对所述热成像图中各区域的温度进行矫正，以确定各区域矫正后的温度；
在任一区域修订后的温度大于阈值的情况下，确定所述任一区域为火场区域。
9.如权利要求7所述的装置，其特征在于，所述第二确定模块，具体用于：
根据每个热成像图像中各个像素点的特征及拍摄参数，确定各热成像图像分别对应的各火场区域间的重合缝线；
基于所述重合缝线，将各个所述火场区域进行融合以生成融合后的火场区域；
确定所述融合后的火场区域对应的地理信息。
10.如权利要求7所述的装置，其特征在于，所述第二确定模块，具体用于：
确定各个火场区域中每个所述火场区域对应的地理信息；
根据各个所述地理信息间的匹配度，将各个所述地理信息进行融合，生成融合后的地理信息。
11.如权利要求7所述的装置，其特征在于，所述第二确定模块，具体用于：
根据无人机中热成像仪的地理位置信息、姿态角及视场角，确定热成像仪的虚拟视角；
基于数字高程信息及所述的虚拟视角，确定热成像图的坐标转换矩阵；
根据所述火场区域的像素位置，及所述坐标转换矩阵，确定火场区域对应的地理坐标信息。
12.如权利要求7-11任一所述的装置，其特征在于，所述第三确定模块，还用于：
根据所述无人机中热成像仪与所述火场中火点间的距离及所述热成像仪的焦距信息，确定所述火点对应的地面分辨率；
根据所述地面分辨率，对所述火线长度及过火面积进行修正。
13.一种终端设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求1-6中任一项所述的基于无人机的火情监测方法。
14.一种计算机可读存储介质，当所述计算机可读存储介质中的指令由终端设备的处理器执行时，使得终端设备能够执行如权利要求1-6中任一项所述的基于无人机的火情监测方法。
15.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-6任一项所述的基于无人机的火情监测方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111642996.2A CN114495416A (zh) | 2021-12-29 | 2021-12-29 | 基于无人机的火情监测方法、装置及终端设备 |
| PCT/CN2022/142552 WO2023125587A1 (zh) | 2021-12-29 | 2022-12-27 | 基于无人机的火情监测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111642996.2A CN114495416A (zh) | 2021-12-29 | 2021-12-29 | 基于无人机的火情监测方法、装置及终端设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114495416A true CN114495416A (zh) | 2022-05-13 |
Family
ID=81507744
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111642996.2A Pending CN114495416A (zh) | 2021-12-29 | 2021-12-29 | 基于无人机的火情监测方法、装置及终端设备 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN114495416A (zh) |
| WO (1) | WO2023125587A1 (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115212489A (zh) * | 2022-07-20 | 2022-10-21 | 中国矿业大学 | 一种面向森林火灾的无人机灭火救援决策辅助系统 |
| CN115880598A (zh) * | 2023-02-15 | 2023-03-31 | 深圳市蜉飞科技有限公司 | 一种基于无人机的地面图像检测方法及相关装置 |
| WO2023125587A1 (zh) * | 2021-12-29 | 2023-07-06 | 北京辰安科技股份有限公司 | 基于无人机的火情监测方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108600607A (zh) * | 2018-03-13 | 2018-09-28 | 上海网罗电子科技有限公司 | 一种基于无人机的消防全景信息展示方法 |
| CN111461013A (zh) * | 2020-04-01 | 2020-07-28 | 深圳市科卫泰实业发展有限公司 | 一种基于无人机的实时火场态势感知方法 |
| CN112435207A (zh) * | 2020-12-07 | 2021-03-02 | 深圳航天智慧城市系统技术研究院有限公司 | 一种基于天空地一体化的森林火灾监测预警方法 |
| CN112464819A (zh) * | 2020-11-27 | 2021-03-09 | 清华大学 | 基于无人机视频的林火蔓延数据同化方法以及装置 |
| CN112668397A (zh) * | 2020-12-04 | 2021-04-16 | 普宙飞行器科技（深圳）有限公司 | 火情实时检测分析方法、系统、存储介质及电子设备 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104200600B (zh) * | 2014-09-20 | 2016-09-07 | 海安江波机床科技有限公司 | 基于火情分析的消防监控系统 |
| US11253736B2 (en) * | 2020-03-12 | 2022-02-22 | RapidDeploy, Inc. | Dispatching UAVs for wildfire surveillance |
| CN111445661A (zh) * | 2020-04-08 | 2020-07-24 | 峰飞国际有限公司 | 一种火情处理方法、装置、设备及存储介质 |
| CN112735082A (zh) * | 2020-12-21 | 2021-04-30 | 南京森林警察学院 | 着火点监测系统及监测方法 |
| CN114495416A (zh) * | 2021-12-29 | 2022-05-13 | 北京辰安科技股份有限公司 | 基于无人机的火情监测方法、装置及终端设备 |
-
2021
- 2021-12-29 CN CN202111642996.2A patent/CN114495416A/zh active Pending
-
2022
- 2022-12-27 WO PCT/CN2022/142552 patent/WO2023125587A1/zh unknown
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108600607A (zh) * | 2018-03-13 | 2018-09-28 | 上海网罗电子科技有限公司 | 一种基于无人机的消防全景信息展示方法 |
| CN111461013A (zh) * | 2020-04-01 | 2020-07-28 | 深圳市科卫泰实业发展有限公司 | 一种基于无人机的实时火场态势感知方法 |
| CN112464819A (zh) * | 2020-11-27 | 2021-03-09 | 清华大学 | 基于无人机视频的林火蔓延数据同化方法以及装置 |
| CN112668397A (zh) * | 2020-12-04 | 2021-04-16 | 普宙飞行器科技（深圳）有限公司 | 火情实时检测分析方法、系统、存储介质及电子设备 |
| CN112435207A (zh) * | 2020-12-07 | 2021-03-02 | 深圳航天智慧城市系统技术研究院有限公司 | 一种基于天空地一体化的森林火灾监测预警方法 |
Non-Patent Citations (1)
| Title |
|---|
| 蔡文祥等: "智能弹药动力装置试验系统设计与测试技术", 30 June 2021, 北京理工大学出版社, pages: 102 - 104 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023125587A1 (zh) * | 2021-12-29 | 2023-07-06 | 北京辰安科技股份有限公司 | 基于无人机的火情监测方法及装置 |
| CN115212489A (zh) * | 2022-07-20 | 2022-10-21 | 中国矿业大学 | 一种面向森林火灾的无人机灭火救援决策辅助系统 |
| CN115880598A (zh) * | 2023-02-15 | 2023-03-31 | 深圳市蜉飞科技有限公司 | 一种基于无人机的地面图像检测方法及相关装置 |
| CN115880598B (zh) * | 2023-02-15 | 2023-05-02 | 深圳市蜉飞科技有限公司 | 一种基于无人机的地面图像检测方法及相关装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023125587A1 (zh) | 2023-07-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11169028B2 (en) | Unmanned aerial system based thermal imaging and aggregation systems and methods | |
| US10366511B2 (en) | Method and system for image georegistration | |
| CN114495416A (zh) | 基于无人机的火情监测方法、装置及终端设备 | |
| CN111982291B (zh) | 一种基于无人机的火点定位方法、装置及系统 | |
| CN109387186B (zh) | 测绘信息获取方法、装置、电子设备及存储介质 | |
| US8587664B2 (en) | Target identification and location system and a method thereof | |
| CN106683038B (zh) | 一种生成火情态势图的方法及装置 | |
| CN110675448B (zh) | 基于民航客机的地面灯光遥感监测方法、系统及存储介质 | |
| CN106683039B (zh) | 一种生成火情态势图的系统 | |
| US20140362107A1 (en) | Generating a composite field of view using a plurality of oblique panoramic images of a geographic area | |
| CN110537365B (zh) | 信息处理装置、信息处理方法、信息处理程序、图像处理装置以及图像处理系统 | |
| CN110930508B (zh) | 二维光电视频与三维场景融合方法 | |
| WO2019100219A1 (zh) | 输出影像生成方法、设备及无人机 | |
| CN105956081B (zh) | 地面站地图更新方法及装置 | |
| Bachmann et al. | Micro UAV based georeferenced orthophoto generation in VIS+ NIR for precision agriculture | |
| CN112489032A (zh) | 一种复杂背景下无人机载小目标检测定位方法及系统 | |
| WO2023150888A1 (en) | System and method for firefighting and locating hotspots of a wildfire | |
| CN109961043B (zh) | 一种基于无人机高分辨率影像的单木高度测量方法及系统 | |
| WO2022025283A1 (ja) | 測定処理装置、方法及びプログラム | |
| US20120307003A1 (en) | Image searching and capturing system and control method thereof | |
| Pech et al. | Generation of multitemporal thermal orthophotos from UAV data | |
| KR20190123095A (ko) | 드론 기반의 전방위 열화상 이미지 처리 방법 및 이를 위한 열화상 이미지 처리 시스템 | |
| Koirala et al. | Real-time hyperspectral image processing for UAV applications, using HySpex Mjolnir-1024 | |
| CN111581322B (zh) | 视频中兴趣区域在地图窗口内显示的方法和装置及设备 | |
| Pecho et al. | Optimization of persons localization using a thermal imaging scanner attached to uav |
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 |