CN115734184A - 一种灾后态势认知系统 - Google Patents
一种灾后态势认知系统 Download PDFInfo
- Publication number
- CN115734184A CN115734184A CN202211426589.2A CN202211426589A CN115734184A CN 115734184 A CN115734184 A CN 115734184A CN 202211426589 A CN202211426589 A CN 202211426589A CN 115734184 A CN115734184 A CN 115734184A
- Authority
- CN
- China
- Prior art keywords
- disaster
- unmanned aerial
- post
- aerial vehicle
- situation
- 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
Images
Landscapes
- Alarm Systems (AREA)
Abstract
本发明公开了一种灾后态势认知系统,该系统的数据采集设备是基于多旋翼无人机构建而成,在灾情发生后,无人机的飞行不会因灾害受到影响,因此,能保证该系统中各项功能的正常运行,同时,在动力系统充足情况下,可以全天候运行,以保障对灾区情况的实时数据收集,并在经过智能信息处理平台处理后,对重点区域的灾情态势进行快速构建,对灾情的发展进行预测,能够有效辅助决策人员快速收集信息,理解场景态势及快速制定相应处置方案,从而达到减少受灾损失的目的。
Description
技术领域
本发明涉及灾后侦查技术领域,特别是涉及一种能够有效提升决策人员快速收集信息,理解场景态势及制定各类情况的相应处置方案的灾后态势认知系统。
背景技术
我国幅员辽阔,受各地区地理位置和自然条件的影响,造成了自然灾害频发,尤其是最近几年。而如何建立一套高效且能广泛应用的检测预警系统显得尤为重要。
经过多年的发展,目前,关于对自然灾害监测和预警的系统还存在如下问题:
1、监测机制相对传统,无法及时反馈受灾现场实际态势。当前的监测预警系统都是在固定位置安装摄像头和报警装置,让数据进行回传形成现场情况。而当灾害发生时,这些设备几乎都会被损坏,无法向当局者提供现场数据,影响决策人员对于局势的判断。
2、监测预警系统覆盖不全面。以四川省为例,受地理环境、通信和交通影响,对于边远山区的灾后风险监测点还未能实现全面覆盖。除气象和地震灾害监测预警系统的监测覆盖范围较为广泛外,其它灾种的自动监测预警系统正在处于部署期或者推进期,虽有部分试点,但没有大规模应用,覆盖范围严重不足。
3、监测数据实时共享程度低。气象、地震、水利、水文、自然灾害、林业等部门的灾害风险监测系统相互独立,数据共享程度低。其中,气象部门的监测预警数据以区域站为单位,通过无线通讯的方式直接传输到省气象局数据库,对外报送一般采用党政网、手机短信、微信群等方式;自然资源部门的地质灾害预警平台互联互通只实现了省、县两级互通,市、县还未接通,监测数据在本地无备份,不利于后期使用监测数据进行及时分析;水利部门山洪灾害监测预警平台和中小河流水文监测平台的水位、雨量信息主要通过水利专网和公网传输至省级平台数据库,向本地其他部门报送时主要通过短信、微信、邮件等方式。
4、灾情发生后,人员被困是最为常见的现象,但是,在缺少相关检测设备的条件下,就只能通过救援人员地毯式的搜索检测,这样给救援人员带来危险的同时,也在消耗被困人员的救援时间。因而如何快速且准确的检测、定位到被困人员的位置信息显得十分重要;
5、针对发生自然灾害后,受灾区域内会出现大面积的道路损毁、房屋坍塌、桥梁受损、山体坍陷等情况,给救援人员快速进入灾区带来了困难,从而影响后续的被困人员救援行动。如果能在救援人员出发之前或遇到困难之前,获取相关的完整地理信息,就能为快速进入灾区创造可能;
6、灾害是持续性的,往往伴随着二次灾害。现有的系统都没有对后续的灾情进行预测,而如何避免群众受到二次灾害,就需要构建一套响应快速、具备一定预测能力的集监测预警和探测功能于一体的系统;
7、无论是灾后探测系统还是监测预警系统,都很难做到整个系统完整且全天候运行,在灾情发生后或多或少都会失去一定的功能,这就失去了系统在灾后应该发挥的作用,因此,需要打造一种受外界因素小、生存能力较强且具有快速响应能力的系统;
8、当前监测预警系统只对气象、地震、水利、水文、自然资源和林业等部门中的一种或者典型几种情况进行监测预警,缺乏一定的泛化能力,因此,在进行监测预警系统开发时,需要根据不同的情况进行特殊的定制。
发明内容
鉴于上述问题,本发明提供用于克服上述问题或者至少部分地解决上述问题的一种灾后态势认知系统。
本发明提供了如下方案:
一种灾后态势认知系统,包括:
远程操控端,所述远程操控端包括智能信息处理平台以及通信中心站;所述智能信息处理平台与所述通信中心站可通信连接;
无人侦察平台,所述无人侦察平台包括数架无人机以及CPE模块;数架所述无人机均与所述CPE模块可通信相连;所述通信中心站与所述CPE模块可通信相连;
其中,每架所述无人机均配备有可替换载荷以及核心运算模块;所述可替换载荷用于通过以太网将视频图像信息和光电转台的控制信息与所述CPE模块进行连接,以便通过所述通信中心站与所述智能信息处理平台进行信息交互;
所述核心运算模块用于完成任务的调度及指令解析,并将任务调度、运算处理结果通过所述通信中心站返回给所述智能信息处理平台;所述任务调度、运算处理结果包括边缘端目标检测结果、路径规划结果、测距结果;
所述智能信息处理平台用于实现图像拼接、图像融合、各路数据汇集处理以及态势展示。
优选地:所述远程操控端还包括无人机操控终端、无线路由器、态势展示和预警指示单元;所述无人机操控终端用于数架所述无人机进行遥控;所述无线路由器用于实现所述远程操控端各设备之间的信息连接;所述态势展示和预警指示单元用于实现人工报警和系统报警的功能,同时根据对灾情的态势进行预测并发出提醒信息。
优选地:所述远程操控端还包括麦克风阵列,所述麦克风阵列用于形成通过语音对各所述无人机进行任务分发的信息输入口。
优选地:所述智能信息处理平台与所述麦克风阵列相连,所述智能信息处理平台还用于对通过所述麦克风阵列输入的语音通过语义分割算法实现语音解析,进而实现对各无人机任务的调度。
优选地:所述智能信息处理平台还用于根据所述麦克风阵列输入的语音以及每个所述无人机搭载的所述可替换载荷的种类确定每个所述无人机的任务。
优选地:所述态势展示包括将边缘端目标检测结果、所述路径规划结果、所述测距结果以及图像拼接数据、图像融合数据通过全景地图的形式直接呈现在大屏上。
优选地:所述可替换载荷包括可见光相机、红外热像仪、光电跟踪仪、高光谱相机。
优选地:所述无人侦察平台还包括激光测距模块,所述激光测距模块用于利用无人机自身GPS定位信息以及目标激光测距信息,解算出目标的具体位置信息。
优选地:所述核心运算模块还用于实现无人机的路径规划、白光及红外目标、高光谱目标检测与识别。
优选地:所述核心运算模块还用于采用深单阶段目标检测算法对人员进行检测,并对灾区中的道路、桥梁采用基于实例分割的方式进行测量。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本申请实施例提供的一种灾后态势认知系统,该系统的数据采集设备是基于多旋翼无人机构建而成,在灾情发生后,无人机的飞行不会因灾害受到影响,因此,能保证该系统中各项功能的正常运行,同时,在动力系统充足情况下,可以全天候运行,以保障对灾区情况的实时数据收集,并在经过智能信息处理平台处理后,对重点区域的灾情态势进行快速构建,对灾情的发展进行预测,能够有效辅助决策人员快速收集信息,理解场景态势及快速制定相应处置方案,从而达到减少受灾损失的目的。
另外,在优选的实施方式下,该系统中较为重要的任务是被困人员检测。通过利用可替换载荷上搭载的各型数据采集设备和深度学习算法,完成被困人员的精准检测、精准定位,从而加快人员的救治工作,保证人民群众的生命安全;当灾情发生后,可以利用该系统快速搭建的灾情态势,获取灾区的道路、桥梁、山体和房屋等受损信息,这样有助于救援人员快速打通进入灾区的通道,加快群众的解救工作,减少人员伤害。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来说,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种灾后态势认知系统的连接框图;
图2是本发明实施例提供的多机协同侦察示意图;
图3是本发明实施例提供的系统工作原理图;
图4是本发明实施例提供的灾后态势认知系统软件架构示意图;
图5是本发明实施例提供的多机协同规划体系示意图;
图6是本发明实施例提供的边缘端目标检测算法示意图;
图7是本发明实施例提供的实例分割测距示意图;
图8是本发明实施例提供的图像拼接示意图;
图9是本发明实施例提供的图像融合示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,为本发明实施例提供的一种灾后态势认知系统,如图1所示,该系统可以包括:
远程操控端,所述远程操控端包括智能信息处理平台以及通信中心站;所述智能信息处理平台与所述通信中心站可通信连接;具体的,所述远程操控端还包括无人机操控终端、无线路由器、态势展示和预警指示单元;所述无人机操控终端用于数架所述无人机进行遥控;所述无线路由器用于实现所述远程操控端各设备之间的信息连接;所述态势展示和预警指示单元用于实现人工报警和系统报警的功能,同时根据对灾情的态势进行预测并发出提醒信息。
为了方便向远程操控端发送无人机控制指令,本申请实施例可以提供所述远程操控端还包括麦克风阵列,所述麦克风阵列用于形成通过语音对各所述无人机进行任务分发的信息输入口。具体的,所述智能信息处理平台与所述麦克风阵列相连,所述智能信息处理平台还用于对通过所述麦克风阵列输入的语音通过语义分割算法实现语音解析,进而实现对各无人机任务的调度。所述智能信息处理平台还用于根据所述麦克风阵列输入的语音以及每个所述无人机搭载的所述可替换载荷的种类确定每个所述无人机的任务。
无人侦察平台,所述无人侦察平台包括数架无人机以及CPE模块;数架所述无人机均与所述CPE模块可通信相连;所述通信中心站与所述CPE模块可通信相连;
其中,每架所述无人机均配备有可替换载荷以及核心运算模块;所述可替换载荷用于通过以太网将视频图像信息和光电转台的控制信息与所述CPE模块进行连接,以便通过所述通信中心站与所述智能信息处理平台进行信息交互;进一步的,所述可替换载荷包括可见光相机、红外热像仪、光电跟踪仪、高光谱相机。为了丰富本申请实施例提供的无人侦察平台的性能,本申请实施例还可以提供所述无人侦察平台还包括激光测距模块,所述激光测距模块用于利用无人机自身GPS 定位信息以及目标激光测距信息,解算出目标的具体位置信息。
所述核心运算模块用于完成任务的调度及指令解析,并将任务调度、运算处理结果通过所述通信中心站返回给所述智能信息处理平台;所述任务调度、运算处理结果包括边缘端目标检测结果、路径规划结果、测距结果;具体的,所述核心运算模块还用于实现无人机的路径规划、白光及红外目标、高光谱目标检测与识别。所述核心运算模块还用于采用深单阶段目标检测算法对人员进行检测,并对灾区中的道路、桥梁采用基于实例分割的方式进行测量。
所述智能信息处理平台用于实现图像拼接、图像融合、各路数据汇集处理以及态势展示。具体的,所述态势展示包括将边缘端目标检测结果、所述路径规划结果、所述测距结果以及图像拼接数据、图像融合数据通过全景地图的形式直接呈现在大屏上。
本申请实施例提供的灾后态势认知系统,基于无人机的灾后态势认知系统在对可见光图像、高光谱图像和红外图像进行融合之后,可实现对各种情况下人员检测,辅助救援人员对受伤群众进行解救。
该系统借助于语义识别和语音识别技术,使该系统有了语音输入功能,使整个系统具备了人机交互功能。
基于无人机的灾后态势认知系统借助于智能信息处理平台的高算力、嵌入式的开发以及对深度学习网络模型的优化,可以在终端直接实现对灾后目标进行识别、测距,同时该系统能快速做出态势认知,降低延时。
该系统基于智能信息处理平台体系,具有数据存储功能,因此,会对灾后的相关数据进行记录,保存。在完成救灾之后,利用存储的数据对该系统中的图像识别模型库、实例分割模型库、图像融合模型库进行更新、迭代,提高系统对图像的识别、分割和融合能力,进一步完善系统;
该系统还可以通过无人机终端和智能信息处理平台快速构建出灾区的态势,能够有效提升决策人员快速收集信息,理解场景态势及制定各类情况的相应处置方案。
基于无人机的灾后态势认知系统可以对现有态势进行预测,以减小受灾群众受到二次灾害威胁的可能。
基于无人机的灾后态势认知系统因搭载的设备具有多样性的特点,且对各类信息都具有采集功能,因此,该系统具有普适性,可以应用到多个部门中的多种自然灾害中。
下面对本申请实施例提供的系统进行详细介绍。
该系统可以由基于无人机侦查的灾后态势认知技术构成的灾后态势认知系统,其结构如图1所示。该系统由远程操控端和无人侦察平台构成,其中,远程操控端由智能信息处理平台、无人机操控终端、通信中心站、无线路由器、态势展示和预警指示单元组成;无人侦察平台由数架多旋翼无人机、CPE模块、可替换载荷和激光测距模块组成。自然灾害往往会对大片区域造成损害,而单一的无人机无法及时完成全区域的侦察任务,因此,该系统中的无人机平台由数架多旋翼无人机构成,每架无人机上都搭载各型设备,以满足灾情侦察任务的需要。图2为该系统多机协同侦察的示意图。
远程操控端中各组成部分的功能描述如下:
智能信息处理平台对无人侦察平台回传的数据信息进行处理,对图像进行拼接、融合、任务分配、数据管理、态势展示等;
麦克风阵列可实现语音输入,是远程操控端通过语音对各无人机进行任务分发的信息输入口;
无人机操控终端通过远程实现对无人机进行遥控,同时,无人机也具备自主飞行的能力;
通信中心站与无人侦察平台上的CPE通信模块组成通信链路,实现无人侦察平台上数据采集设备的远程传输功能;
无线路由器实现远程操控端各设备之间的信息连接功能;
态势展示是对智能信息处理平台处理之后的结果进行展示;
预警指示单元具备人工报警和系统报警的功能,同时,还能根据对灾情的态势进行预测,提醒监测人员,辅助相关部门迅速做出灾情决策。
无人侦察平台各组成部分的功能描述如下:
多旋翼无人机为无人机本体,主要负责飞行任务,保证各数据采集设备的安全运行;
CPE模块和远程操控端的通信中心站组成远程通信链路,实现无人侦察平台上数据信息的远程传输功能;
可替换载荷可实现各类数据采集设备自由搭载,如可见光相机、红外热像仪、光电跟踪仪、高光谱相机等设备,根据灾情任务需要任意搭配,从而实现对环境的各类信息采集,对目标进行测距以及定位导航;
激光测距模块利用无人机自身GPS定位信息以及目标激光测距信息,解算出目标的具体位置信息;
核心运算模块主要实现无人机的路径规划、白光及红外目标、高光谱目标检测与识别等功能。
灾后态势认知系统的工作原理如图3所示;
无人机操控端通过通信中心站和CPE模块实现和无人侦察平台之间的远程连接;其中,无人机本体的飞行控制相关信息通过无人机自带的专用数据链路实现连接;
无人机侦察平台上,可替换载荷通过以太网将视频图像信息和光电转台的控制信息与CPE模块进行连接,通过4G LTE信道与远程操控端进行信息交互;核心运算模块完成任务的调度及指令解析,并将任务调度、运算处理结果通过4G LTE 信道返回给智能信息处理平台;
核心运算模块完成边缘端目标检测,路径规划,测距;智能信息处理平台实现图像拼接,图像融合,各路数据汇集处理,态势展示等。
灾后态势认知系统的架构是基于终端(单体无人机)计算加微云脑(智能信息处理平台)的体系架构,具体架构图如图4所示。无人侦察机各单元均配备具有一定算力的终端计算单元,智能信息处理平台配备智能感知微云脑系统,通过通信网络实现信息传输汇聚和处理。
微云脑不仅用于实现灾后数据计算资源的统一调度管理、算法模型存储和迭代优化,同时为目标检测、图像融合、实例分割、图像拼接算法等提供大规模深度神经网络算力支持,提升灾后态势认知系统中智能算法运算速度。微云脑具有丰富的计算、存储资源,擅长处理长周期、大数据量的复杂计算。终端设备嵌入目标检测及识别算法,借助终端算力直接对目标进行识别,降低延时,从而能够辅助快速构建出灾情态势,协助灾区的救援工作。
相比于微云脑系统,终端设备的算力较弱,因此,终端设备主要完成以下内容:
无人机自主飞行的路径规划,无人机的飞行状态由两种方式控制,第一是通过远程操控端的无人机操控终端对无人机的飞行方式进行手动操控;第二是无人机自主飞行。在灾后态势认知系统中,无人机主要以自主飞行的模式进行飞行,只有在必要的时候采取人工操控方式。多架无人机协同规划的示意图如图5所示。
边缘端目标物检测,终端设备负责对于人员的检测,这样可以缓解微云脑对于计算的压力,实现系统态势的快速搭建。对于人员的检测算法如图6所示:
图6中conv表示卷积神经网络;BN表示批归一化;add表示相加操作;concat 表示张量拼接操作;Leaky re l u表示激活函数。
该目标检测算法的优点在于采用深度学习中的单阶段目标检测算法,该算法具有检测速度快的特点,满足本系统对于快速构建灾后态势的需求,同时,在单阶段目标检测算法的特征融合阶段加入BiFPN网络,使该检测算法可以有效提高对于小目标检测任务的检测精度。
实例分割测距,对于灾区中的道路、桥梁等测量采用基于实例分割的方式实现,具体如图7所示。无人机在不同的飞行高度下,固定焦距,根据有效视野范围可标定出单像素对应的实际物理尺寸;借助图像实例分割,对道路、桥梁进行像素级分割及分类;将实例分割后,具有像素级边界的道路和桥梁语义分割图与不同飞行高度的相机标定相结合,可自动计算出道路及桥梁的感兴趣区域尺寸。该算法的优点在于利用深度学习中的实例分割算法,可以快速计算出道路、桥梁的宽度,明确道路、桥梁的受损情况,辅助系统对灾后态势进行搭建,促进决策制定。
由于微云脑配备有强大的算力平台,因此,承担整个系统中绝大部分的任务,具体内容如下:
语义识别,在微云脑管理平台配备有麦克风阵列,该阵列用于完成语音输入,通过语义分割算法实现语音解析,进而实现对各无人机任务的调度。
任务调度,对整个无人机编队而言,所有的任务都来源于远程操控端,任务分配可以来自于指令输入和语义输入。由于无人侦察机上的可替换载荷有所不同,因而分配的任务可能有所不同。如:当无人机搭载相机时,分配到的任务为目标检测任务;当无人机搭载激光设备时,分配到的任务为测距任务。
图像拼接,图像拼接是指将描述同一场景的两张或者多张由重叠区域的图像,通过图像配准和图像融合技术拼接成一幅大场景全新图像的过程。将无人机拍摄的灾后图像进行拼接,可以展现出整个灾区的实时受灾情况和救援状态。本系统采用的拼接算法如图8所示:
图像融合,图像融合是利用多个传感器提供的冗余信息来提高融合图像的精确性和可靠度。单一传感器会在不利条件下(烟、尘、云、雾、雨等)可能会产生较大的误差,通过多传感器图像融合可以极大的改善检测性能。比如可见光相机无法看到被遮挡的人员,而高光谱相机和红外相机就能检测出被遮挡的人员。通过利用不同传感器的特性,融合图像中的关键特征,提高后续的检测精度。本系统使用的融合算法如图9所示:
图9中conv表示卷积神经网络;BatchNorm表示批归一化;Sigmoid、PReLu 和Tanh表示激活函数。
本系统采用的是基于深度学习的图像融合算法,该算法可以快速实现多种类型图像融合,为人员检测提供更好的数据,从而提高对被困群众的检测精度,以保障他们的生命安全。
态势构建,态势构建是从直观的角度出发,将终端的检测数据、激光测距数据、道路和桥梁测距数据、图像拼接数据、图像融合数据等各类数据,通过全景地图的形式直接呈现在大屏上,帮助监测人员获取灾后现场最新情况,辅助后续的灾后救援行动。
通过分析灾后态势认知系统的各项功能,可以得出该系统具有如下效果:
该系统中较为重要的任务是被困人员检测。通过利用可替换载荷上搭载的各型数据采集设备和深度学习算法,完成被困人员的精准检测、精准定位,从而加快人员的救治工作,保证人民群众的生命安全。
当灾情发生后,可以利用该系统快速搭建的灾情态势,获取灾区的道路、桥梁、山体和房屋等受损信息,这样有助于救援人员快速打通进入灾区的通道,加快群众的解救工作,减少人员伤害。
该系统的数据采集设备是基于多旋翼无人机构建而成,在灾情发生后,无人机的飞行不会因灾害受到影响,因此,能保证该系统中各项功能的正常运行,同时,在动力系统充足情况下,可以全天候运行,以保障对灾区情况的实时数据收集,并在经过智能信息处理平台处理后,对重点区域的灾情态势进行快速构建,对灾情的发展进行预测,能够有效辅助决策人员快速收集信息,理解场景态势及快速制定相应处置方案,从而达到减少受灾损失的目的。
综合灾后态势认知系统中的各项功能,可以得出结论:该系统可以广泛应用于气象、地震、水利、水文、自然资源和林业等部门中,利用该系统搭载的可替换载荷(可见光相机,红外热像仪、光电跟踪仪、高光谱相机等设备)、激光测距模块以及核心运算模块就可以实现对多种情况下的自然灾害进行态势认知,因此,可以广泛应用于各个部门中的各种自然灾害。
需要说明的是,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”或者其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过程、方法、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,或者是还包括为这种过程、方法、物品或者设备所固有的要素。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过程、方法、物品或者设备中还存在另外的相同要素。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加上必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种灾后态势认知系统,其特征在于,所述系统包括:
远程操控端,所述远程操控端包括智能信息处理平台以及通信中心站;所述智能信息处理平台与所述通信中心站可通信连接;
无人侦察平台,所述无人侦察平台包括数架无人机以及CPE模块;数架所述无人机均与所述CPE模块可通信相连;所述通信中心站与所述CPE模块可通信相连;
其中,每架所述无人机均配备有可替换载荷以及核心运算模块;所述可替换载荷用于通过以太网将视频图像信息和光电转台的控制信息与所述CPE模块进行连接,以便通过所述通信中心站与所述智能信息处理平台进行信息交互;
所述核心运算模块用于完成任务的调度及指令解析,并将任务调度、运算处理结果通过所述通信中心站返回给所述智能信息处理平台;所述任务调度、运算处理结果包括边缘端目标检测结果、路径规划结果、测距结果;
所述智能信息处理平台用于实现图像拼接、图像融合、各路数据汇集处理以及态势展示。
2.根据权利要求1所述的灾后态势认知系统,其特征在于,所述远程操控端还包括无人机操控终端、无线路由器、态势展示和预警指示单元;所述无人机操控终端用于数架所述无人机进行遥控;所述无线路由器用于实现所述远程操控端各设备之间的信息连接;所述态势展示和预警指示单元用于实现人工报警和系统报警的功能,同时根据对灾情的态势进行预测并发出提醒信息。
3.根据权利要求2所述的灾后态势认知系统,其特征在于,所述远程操控端还包括麦克风阵列,所述麦克风阵列用于形成通过语音对各所述无人机进行任务分发的信息输入口。
4.根据权利要求3所述的灾后态势认知系统,其特征在于,所述智能信息处理平台与所述麦克风阵列相连,所述智能信息处理平台还用于对通过所述麦克风阵列输入的语音通过语义分割算法实现语音解析,进而实现对各无人机任务的调度。
5.根据权利要求4所述的灾后态势认知系统,其特征在于,所述智能信息处理平台还用于根据所述麦克风阵列输入的语音以及每个所述无人机搭载的所述可替换载荷的种类确定每个所述无人机的任务。
6.根据权利要求1所述的灾后态势认知系统,其特征在于,所述态势展示包括将边缘端目标检测结果、所述路径规划结果、所述测距结果以及图像拼接数据、图像融合数据通过全景地图的形式直接呈现在大屏上。
7.根据权利要求1所述的灾后态势认知系统,其特征在于,所述可替换载荷包括可见光相机、红外热像仪、光电跟踪仪、高光谱相机。
8.根据权利要求1所述的灾后态势认知系统,其特征在于,所述无人侦察平台还包括激光测距模块,所述激光测距模块用于利用无人机自身GPS定位信息以及目标激光测距信息,解算出目标的具体位置信息。
9.根据权利要求1所述的灾后态势认知系统,其特征在于,所述核心运算模块还用于实现无人机的路径规划、白光及红外目标、高光谱目标检测与识别。
10.根据权利要求9所述的灾后态势认知系统,其特征在于,所述核心运算模块还用于采用深单阶段目标检测算法对人员进行检测,并对灾区中的道路、桥梁采用基于实例分割的方式进行测量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211426589.2A CN115734184A (zh) | 2022-11-15 | 2022-11-15 | 一种灾后态势认知系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211426589.2A CN115734184A (zh) | 2022-11-15 | 2022-11-15 | 一种灾后态势认知系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115734184A true CN115734184A (zh) | 2023-03-03 |
Family
ID=85295740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211426589.2A Pending CN115734184A (zh) | 2022-11-15 | 2022-11-15 | 一种灾后态势认知系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115734184A (zh) |
-
2022
- 2022-11-15 CN CN202211426589.2A patent/CN115734184A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112435207B (zh) | 一种基于天空地一体化的森林火灾监测预警方法 | |
CN107093157B (zh) | 一种基于移动终端的紧急求助、风险预警与一键求救平台 | |
EP3836584B1 (en) | Rescue support in large-scale emergency situations | |
CN102724482B (zh) | 基于gps和gis的智能视觉传感网络运动目标接力跟踪系统 | |
CN115348247A (zh) | 基于天空地一体化技术的森林火灾检测预警及决策系统 | |
CN109117749A (zh) | 一种基于无人机巡检影像的异常目标监管方法及系统 | |
CN111915128B (zh) | 一种对地震诱发的次生滑坡灾后评估与救援辅助系统 | |
US11253736B2 (en) | Dispatching UAVs for wildfire surveillance | |
CN116308944B (zh) | 一种面向应急救援的数字战场实战指控平台及架构 | |
KR20170101519A (ko) | 무인 항공기를 이용한 재난 감시 장치 및 방법 | |
CN110987815A (zh) | 空天地一体水环境监测预警系统 | |
CN111275930A (zh) | 一种防溺水穿戴式设备控制系统及其方法 | |
CN112288320A (zh) | 一种地铁运行风险监控和管理系统 | |
CN114862160A (zh) | 一种地震遥感应急救援信息采集方法 | |
WO2018059017A1 (zh) | 一种用于无人机的防摔保护与防丢失装置 | |
CN113068004A (zh) | 一种灾害场景立体构建与埋压人员分布感知系统 | |
CN117253341A (zh) | 基于北斗与高分遥感技术的路域灾害监测预警方法与系统 | |
CN115734184A (zh) | 一种灾后态势认知系统 | |
CN111901217B (zh) | 一种基于微振感知的重点区域陆空一体警戒系统 | |
CN112085638A (zh) | 突发地质灾害应急指挥交互方法、系统及设备 | |
CN113057604A (zh) | 一种埋压人员救援平台 | |
CN111031252A (zh) | 一种监控系统及增强现实ar终端 | |
CN204229577U (zh) | 基于火情分析的消防监控系统 | |
KR102573708B1 (ko) | 교통 정보 센터의 상황판 제어 장치 및 방법 | |
CN115077492B (zh) | 基于北斗定位的三维地理信息安全监测系统 |
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 |