CN118012110A - 一种基于无人机航测的智能测绘方法及系统 - Google Patents

Abstract

本发明公开了一种基于无人机航测的智能测绘方法及系统，涉及无人机测绘技术领域，该系统实现了无人机航测任务的自动化执行，减少了人力成本和飞行任务的复杂度，提高了任务执行的效率和准确性。其次，引入了实时监测和预测技术，系统能够及时识别和应对飞行中的障碍物和天气变化风险因素，从而提高了飞行安全性和任务成功率。此外，系统通过协同采集模块和综合分析模块实现了多机协同测绘，有效地分配任务和规划路径，提高了测绘效率和数据准确性。最后，系统能够实时调整飞行策略和任务分配，确保测绘任务的顺利执行和数据的高质量获取，同时保障了无人机飞行的安全性，降低了事故风险。

Description

一种基于无人机航测的智能测绘方法及系统

技术领域

本发明涉及无人机测绘技术领域，具体为一种基于无人机航测的智能测绘方法及系统。

背景技术

测绘是指通过对地球表面或其他天体表面的测量和记录，以获取有关地理空间信息的过程。这个过程通常涉及使用各种测量技术和工具，如全球定位系统（GPS）、激光雷达、卫星影像，来获取地球表面的地形、地貌、土地利用、自然资源分布信息。测绘的结果用于制作地图、空间数据分析、规划设计、资源管理、环境保护领域，对于社会经济的发展和人类活动的组织具有重要的意义。

传统基于无人机航测的测绘系统在实际应用中存在一些不足之处。首先，传统系统缺乏智能化和自动化的特性，导致操作人员需要手动控制无人机的飞行路径和参数，增加了人力成本和飞行任务的复杂度。其次，传统系统的风险评估不够准确，无法实时监测和预测飞行中可能遇到的障碍物和天气变化因素，缺乏对飞行安全的全面考量。此外，无人机之间的协同性不足，导致在多架无人机同时执行测绘任务时，无法有效地协调各个无人机之间的飞行路径和任务分配，影响了测绘效率和数据准确性。

发明内容

解决的技术问题

针对现有技术的不足，本发明提供了一种基于无人机航测的智能测绘方法及系统，解决了背景技术中提到的问题。

技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种基于无人机航测的智能测绘系统，包括地形感知模块、第一采集模块、第二采集模块、协同采集模块、综合分析模块、评估预测模块和控制模块；

所述地形感知模块用于使用预先规划的无人机航线，覆盖测绘目标区域，在飞行过程中，利用搭载无人机上的激光雷达采集地形影像数据和点云数据；并使用多视图几何MVG和结构从运动SfM算法技术对采集到的地形影像数据进行匹配和三维重建，生成稀疏的三维点云；利用点云数据进行地形建模，包括地表和建筑物的三维重建，生成三维测绘地图模型；

所述第一采集模块用于在搭载无人机上安装第一传感器，采集第一数据集，用于识别障碍物的检测、识别、预测和动态避障；

所述第二采集模块用于在搭载无人机上安装第二传感器，采集第二环境数据集，用于获取环境数据；

所述协同采集模块用于对于实时采集若干个搭载无人机的飞行参数、状态信息以及区域任务分配情况，建立第三数据集；

所述综合分析模块用于根据第一数据进行实时计算分析获得：避障系数Bzx；对第二环境数据集实时计算分析获得；环境安全系数Haq；对第三数据集进行计算分析获得：区域测绘完成系数Rwx、飞行安全系数Fx和协同测绘交叉系数Xtc；并将区域测绘完成系数Rwx、飞行安全系数Fx和协同测绘交叉系数Xtc相关联获得执行效率平衡系数Zxx；

所述评估预测模块用于将避障系数Bzx与第一阈值X1进行对比，获得第一预测结果；将环境安全系数Haq与第二阈值X2进行对比，获得第二预测结果，并将执行效率平衡系数Zxx与第三阈值X3进行对比，获得第三预测结果；

所述控制模块用于根据第一预测结果，第二预测结果和第三预测结果，生成相对应的控制策略并执行。

优选的，所述地形感知模块包括激光雷达数据采集单元、数据处理单元、地形建模单元和子区域划分单元；

所述激光雷达数据采集单元用于控制搭载在无人机上的激光雷达传感器，采集地形影像数据和点云数据；

数据处理单元用于对采集到的地形影像数据和点云数据进行预处理，包括去噪、滤波和配准；

所述地形建模单元用于负责对地形影像数据进行多视图几何和结构从运动算法处理，实现地形影像数据的匹配和三维重建；使用生成的稀疏三维点云数据进行地形建模，包括地表和建筑物三维重建，生成三维测绘地图模型；

所述子区域划分单元用于将目标区域划分为若干个子区域，同时规划每个子区域的航线对应的搭载无人机，并在三维测绘地图模型上使用进行标号标记，n表示搭载无人机的数量。

优选的，所述第一采集模块用于在搭载无人机上安装第一视觉传感器和测距传感器，第一视觉传感器采集视频影像，建立第一数据集；并对第一数据集中的视频影响进行障碍物识别，障碍物包括建筑物、树木、电线杆、输电线、地面障碍物、人造障碍物、飞鸟和其他无人机设备；

当识别到障碍物后，提取障碍物体积特征，获取障碍物体积zawtj，并启动测距传感器实时测量，获取实时障碍物距离zawjl、障碍物之间间隙距离jxjl、每秒移速Sys和障碍物转弯半径zwbj。

优选的，所述第二采集模块用于在搭载无人机上安装第二传感器，第二传感器包括光照传感器、风速传感器、气压传感器、温湿度传感器和降雨传感器，采集获取第二环境数据集，所述第二环境数据集包括光照强度gz、实时风速fs、实时气压qy、实时环境温度wd、湿度sd和降雨量jyl。

优选的，所述协同采集模块用于对于实时采集若干个搭载无人机的飞行参数、状态信息以及区域任务分配情况，建立第三数据集；所述第三数据集包括但不限于以下数据：每架无人机的位置、飞行姿态、区域无人机实时飞行速度fxsd、无人机飞行高度fxgd、无人机实时电量fxdl、旋转速率xzsl、实时任务飞行时长fxsc、总任务时长zrwsc、已测绘面积ychmj、总测绘面积zchmj、已完成任务的无人机数量M、无人机通信信号强度xhqd、任务重叠度rwcdd、交叉干扰面积jcgr、相邻两架无人机的最近距离zjjl和已完成测绘子区域和未完成测绘子区域的最近距离qyjl；

每架无人机的位置通过GPS传感器策略获取；所述飞行姿态和旋转速率xzsl通过飞行测量单元IMU测量获取；所述区域无人机实时飞行速度fxsd通过空速计测量获取；所述无人机飞行高度fxgd通过高度计测量获取；所述无人机实时电量fxdl通过电量传感器测量获取；所述实时任务飞行时长fxsc和总任务时长zrwsc通过时间记录器测量获取；所述已测绘面积ychmj和总测绘面积zchmj通过雷达传感器测量获取；所述已完成任务的无人机数量M通过返回任务终点的计数器获取；所述无人机通信信号强度xhqd通过通信信号传感器测量获取；任务重叠度rwcdd通过分析无人机飞行路径和覆盖的区域来计算；重叠度表示不同无人机所覆盖区域的重叠程度；如果两个无人机的路径有部分重叠，则表示任务重叠度高，以重叠面积计算；所述交叉干扰面积jcgr通过分析无人机飞行路径和相互交叉区域的面积来计算；交叉干扰面积表示无人机之间飞行轨迹的交叉部分所占的面积，这通过图像处理或空间分析技术来实现；所述相邻两架无人机的最近距离zjjl和已完成测绘子区域和未完成测绘子区域的最近距离qyjl通过GPS位置信息，计算相邻两架无人机之间的距离，最近的两架无人机之间的距离即为相邻两架无人机的最近距离。

优选的，所述综合分析模块包括第一分析单元和第二分析单元；

所述第一分析单元用于根据第一数据进行实时计算分析获得：避障系数Bzx；所述避障系数Bzx的获取方式为，提取障碍物体积zawtj、实时障碍物距离zawjl、多个障碍物之间间隙距离jxjl、每秒移速Sys和障碍物转弯半径zwbj；无量纲处理后，通过以下公式计算获得避障系数Bzx：

；

其中，zawtj表示障碍物体积，zawjl表示实时障碍物距离，jxjl表示多个障碍物之间间隙距离，Sys表示障碍物每秒移速，zwbj表示障碍物转弯半径，0≤w1≤1，0≤w2≤1，0≤w3≤1，且w1+w2+w3=1，w1、w2和w3为权重，其具体值由用户调整设置，C₁为第一常数修正系数，ln3表示以3自然数为底的对数运算；

所述第二分析单元用于对第二环境数据集实时计算分析获得；环境安全系数Haq；所述环境安全系数Haq的获取方式为，采集获取第二环境数据集中的光照强度gz、实时风速fs、实时气压qy、实时环境温度wd、湿度sd和降雨量jyl；无量纲处理后，通过以下公式计算获得环境安全系数Haq：

；

式中，gz表示光照强度，BZ1表示预设光照强度阈值，fs表示实时风速，BZ2表示预设风速阈值，qy表示实时气压，BZ3表示预设大气气压阈值，wd表示实时环境温度，BZ4表示预设温度阈值，sd表示湿度，BZ5表示预设湿度阈值，jyl表示实时降雨量，BZ6表示预设降雨量阈值，0≤w4≤1，0≤w5≤1，0≤w6≤1，0≤w7≤1，0≤w8≤1，0≤w9≤1，且w4+w5+w6+w7+w8+w9=1，w4、w5、w6、w7、w8和w9为权重，其具体值由用户调整设置，C₂为第二常数修正系数。

优选的，所述综合分析模块还包括第三分析单元和相关联单元；

所述第三分析单元用于对第三数据集进行计算分析获得：区域测绘完成系数Rwx、飞行安全系数Fx和协同测绘交叉系数Xtc；

所述区域测绘完成系数Rwx的获取方式为，提取第三数据集中的实时任务飞行时长fxsc、总任务时长zrwsc、已测绘面积ychmj、总测绘面积zchmj和已完成任务的无人机数量M；无量纲处理后，通过以下公式计算获得区域测绘完成系数Rwx：

；

式中，e表示总任务时长zrwsc和实时任务飞行时长fxsc差值的预设比例系数，u表示总测绘面积zchmj和已测绘面积ychmj差值的预设比例系数，q表示为已完成任务的无人机数量M预设比例系数，且0.25≤q≤0.30，0.22≤e≤0.25，0.33≤u≤0.45，且0.80≤q+e+u≤1.0；C₃为第三常数修正系数；

所述飞行安全系数Fx的获取方式为，提取第三数据集中的区域无人机实时飞行速度fxsd、无人机飞行高度fxgd、无人机实时电量fxdl、旋转速率xzsl和无人机通信信号强度xhqd；无量纲处理后，通过以下公式计算获得飞行安全系数Fx：

；

式中，d、s、w、p和h分别表示为无人机实时飞行速度fxsd、无人机飞行高度fxgd、无人机实时电量fxdl、旋转速率xzsl和无人机通信信号强度xhqd的预设比例系数，且0.15≤d≤0.18，0.08≤s≤0.11，0.25≤w≤0.28，0.21≤p≤0.26，0.11≤z≤0.17，且0.80≤d+s+w+p+z≤1.0；C₄表示为第四常数修正系数；

所述协同测绘交叉系数Xtc的获取方式为，提取第三数据集中的任务重叠度rwcdd、交叉干扰面积jcgr、相邻两架无人机的最近距离zjjl和已完成测绘子区域和未完成测绘子区域的最近距离qyjl；无量纲处理后，通过以下公式计算获得协同测绘交叉系数Xtc：

；

式中，y、k、i和v分别表示为任务重叠度rwcdd、交叉干扰面积jcgr、相邻两架无人机的最近距离zjjl和已完成测绘子区域和未完成测绘子区域的最近距离qyjl的预设比例系数，且0.28≤y≤0.30，0.22≤k≤0.26，0.15≤i≤0.18，0.21≤v≤0.26，且0.86≤y+k+i+v≤1.0；C₅表示为第五常数修正系数；

所述相关联单元用于将区域测绘完成系数Rwx、飞行安全系数Fx和协同测绘交叉系数Xtc通过以下相关联公式生成执行效率平衡系数Zxx；

；

式中，0≤γ≤1，0≤δ≤1，且γ+δ=1，γ和δ为权重，Rwx表示区域测绘完成系数，Fx表示飞行安全系数，Xtc表示协同测绘交叉系数，ln2表示以2自然数为底的对数运算。

优选的，所述评估预测模块包括第一预测单元、第二预测单元和第三预测单元；

所述第一预测单元用于将避障系数Bzx与第一阈值X1进行对比，获得第一预测结果，包括：

当避障系数Bzx≥第一阈值X1时，表示避障没有风险，安全飞行状态，生成第一合格状态；当避障系数Bzx＜第一阈值X1时，表示避障有风险，生成第一不合格状态；

所述第二预测单元用于将环境安全系数Haq与第二阈值X2进行对比，获得第二预测结果，包括：

当环境安全系数Haq≥第二阈值X2时，表示存在环境风险，生成第二不合格状态；

当环境安全系数Haq＜第二阈值X2时，表示环境无风险，生成第二合格状态；

所述第三预测单元用于将执行效率平衡系数Zxx与第三阈值X3进行对比，获得第三预测结果，包括：

当执行效率平衡系数Zxx≥第三阈值X3时，表示综合效率合格，生成第三合格状态；

当执行效率平衡系数Zxx＜第三阈值X3时，表示综合效率不合格，生成第三不合格状态。

优选的，所述控制模块包括第一控制单元、第二控制单元和第三控制单元；

所述第一控制单元用于根据第一预测结果中，当评估为第一不合格状态时，生成第一控制策略，包括：在三维测绘地图模型中生成第一报警信号，表示避障存在风险，并启动执行转向，急停和避障躲避策略，尽快避开障碍物保持飞行安全；

所述第二控制单元用于根据第二预测结果中，当评估为第二不合格状态时，生成第二控制策略，包括：在三维测绘地图模型中生成第二报警信号，并调整无人机飞行高度和减缓飞行速度或终止飞行任务，寻找安全着陆点或返回起飞点策略；

所述第三控制单元用于根据第三预测结果中，当评估为第三不合格状态时，生成第三控制策略，包括：针对区域测绘任务，重新评估无人机分配策略，确保各个无人机的任务区域之间有足够的缓冲距离，避免相互干扰；并规划飞行路径和安全任务优先级；并优化飞行高度、飞行速度和飞行方向参数，增加无人机数量加快任务完成速度，并优化实时共享信息和协调行动，调整任务规模或增加飞行间隔来减少无人机之间的干扰。

一种基于无人机航测的智能测绘方法，包括以下步骤：

S1、使用预先规划的无人机航线覆盖测绘目标区域，并在飞行过程中利用激光雷达采集地形影像数据和点云数据；使用MVG和SfM算法对采集到的数据进行匹配和三维重建，生成稀疏的三维点云，然后进行地形建模，包括地表和建筑物的三维重建，生成三维测绘地图模型；

S2、在无人机上安装第一传感器，采集第一数据集，用于障碍物识别、检测、预测和动态避障；在无人机上安装第二传感器，包括光照传感器、风速传感器、气压传感器、温湿度传感器和降雨传感器，采集第二环境数据集；对实时采集的无人机飞行参数、状态信息以及区域任务分配情况，建立第三数据集；

S3、根据第一数据集、第二环境数据集和第三数据集进行实时分析，计算避障系数Bzx、环境安全系数Haq以及区域测绘完成系数Rwx、飞行安全系数Fx和协同测绘交叉系数Xtc；并生成执行效率平衡系数Zxx；

S4、将避障系数Bzx与第一阈值X1进行对比，获得第一预测结果；将环境安全系数Haq与第二阈值X2进行对比，获得第二预测结果；将执行效率平衡系数Zxx与第三阈值X3进行对比，获得第三预测结果；

S5、根据第一预测结果、第二预测结果和第三预测结果生成相应的控制策略；第一控制单元负责处理避障相关策略，第二控制单元负责处理环境安全相关策略，第三控制单元负责处理综合效率相关策略。

有益效果

本发明提供了一种基于无人机航测的智能测绘方法及系统。具备以下有益效果：

（1）该一种基于无人机航测的智能测绘系统，引入实时监测和预测技术，系统能够及时识别和应对飞行中的障碍物和天气变化风险因素。例如，第一采集模块采集的数据能够被综合分析模块用来实时计算避障系数Bzx，以评估飞行中的障碍物风险，确保飞行安全；

通过智能感知和自动化控制，无人机能够自主完成测绘任务，减少了人为操作的需求。这降低了人力成本，同时也提高了飞行任务的执行效率。例如，系统根据地形感知模块生成的三维测绘地图模型，自动规划飞行路径，实现了无人机的自主飞行。

（2）该一种基于无人机航测的智能测绘系统，协同采集模块和综合分析模块的应用增强了无人机之间的协同性，实现了多机协同测绘。系统能够有效地分配任务和规划路径，避免了无人机之间的碰撞和冲突，提高了测绘效率和数据准确性。

（3）该一种基于无人机航测的智能测绘系统，系统能够实时获取各种数据并进行分析，根据分析结果及时调整飞行策略和任务分配。例如，评估预测模块根据实时计算的执行效率平衡系数Zxx与预设阈值X3进行对比，从而生成相应的飞行策略，保障了测绘任务的顺利执行和数据的高质量获取。

附图说明

图1为本发明一种基于无人机航测的智能测绘系统框图流程示意图；

图2为本发明一种基于无人机航测的智能测绘方法步骤示意图。

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在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1：

请参阅图1，本发明提供一种基于无人机航测的智能测绘系统，包括地形感知模块、第一采集模块、第二采集模块、协同采集模块、综合分析模块、评估预测模块和控制模块；

所述地形感知模块用于使用预先规划的无人机航线，覆盖测绘目标区域，在飞行过程中，利用搭载无人机上的激光雷达采集地形影像数据和点云数据；并使用多视图几何MVG和结构从运动SfM算法技术对采集到的地形影像数据进行匹配和三维重建，生成稀疏的三维点云；利用点云数据进行地形建模，包括地表和建筑物的三维重建，生成三维测绘地图模型；

所述第一采集模块用于在搭载无人机上安装第一传感器，采集第一数据集，用于识别障碍物的检测、识别、预测和动态避障；

所述第二采集模块用于在搭载无人机上安装第二传感器，采集第二环境数据集，用于获取环境数据；

所述协同采集模块用于对于实时采集若干个搭载无人机的飞行参数、状态信息以及区域任务分配情况，建立第三数据集；

所述综合分析模块用于根据第一数据进行实时计算分析获得：避障系数Bzx；对第二环境数据集实时计算分析获得；环境安全系数Haq；对第三数据集进行计算分析获得：区域测绘完成系数Rwx、飞行安全系数Fx和协同测绘交叉系数Xtc；并将区域测绘完成系数Rwx、飞行安全系数Fx和协同测绘交叉系数Xtc相关联获得执行效率平衡系数Zxx；

所述评估预测模块用于将避障系数Bzx与第一阈值X1进行对比，获得第一预测结果；将环境安全系数Haq与第二阈值X2进行对比，获得第二预测结果，并将执行效率平衡系数Zxx与第三阈值X3进行对比，获得第三预测结果；

所述控制模块用于根据第一预测结果，第二预测结果和第三预测结果，生成相对应的控制策略并执行。

本实施例中，采用了智能感知、数据采集和分析处理技术，使得无人机自动执行测绘任务，减少了操作人员的工作量和飞行任务的复杂度。引入了实时监测和预测技术，系统及时识别和应对飞行中的障碍物和天气变化因素，提高了飞行安全性和任务成功率。通过协同采集模块和综合分析模块，系统对多架无人机进行有效的任务分配和路径规划，提高了无人机之间的协同性，从而提升了测绘效率和数据准确性。系统实时获取各种数据并进行分析，从而及时调整飞行策略和任务分配，确保测绘任务的顺利执行和数据的高质量获取。基于对飞行参数、环境数据和任务分配的实时分析，系统制定相应的飞行安全策略，保障无人机飞行的安全性，减少事故风险。通过综合分析模块和评估预测模块的功能，系统根据实时情况调整飞行策略和任务分配，提高了测绘任务的执行效率和完成速度。

实施例2，本实施例是在实施例1中进行的解释说明，请参照图1，具体的，所述地形感知模块包括激光雷达数据采集单元、数据处理单元、地形建模单元和子区域划分单元；

所述激光雷达数据采集单元用于控制搭载在无人机上的激光雷达传感器，采集地形影像数据和点云数据；实现地形影像数据和点云数据的快速采集，提高了数据采集的效率。

数据处理单元用于对采集到的地形影像数据和点云数据进行预处理，包括去噪、滤波和配准；有助于提高数据质量，减少后续处理过程中的错误和偏差。

所述地形建模单元用于负责对地形影像数据进行多视图几何和结构从运动算法处理，实现地形影像数据的匹配和三维重建；使用生成的稀疏三维点云数据进行地形建模，包括地表和建筑物三维重建，生成三维测绘地图模型；

所述子区域划分单元用于将目标区域划分为若干个子区域，同时规划每个子区域的航线对应的搭载无人机，并在三维测绘地图模型上使用进行标号标记，n表示搭载无人机的数量。实现了对区域的有效划分和任务的合理规划，提高了测绘任务的执行效率和准确性。

本实施例中，地形感知模块的设计能够有效地提升无人机航测系统的数据采集效率、数据质量和任务规划能力，为后续测绘任务的顺利执行奠定了基础。

实施例3，本实施例是在实施例1中进行的解释说明，请参照图1，具体的，所述第一采集模块用于在搭载无人机上安装第一视觉传感器和测距传感器，第一视觉传感器采集视频影像，建立第一数据集；并对第一数据集中的视频影响进行障碍物识别，障碍物包括建筑物、树木、电线杆、输电线、地面障碍物、人造障碍物、飞鸟和其他无人机设备；

当识别到障碍物后，提取障碍物体积特征，获取障碍物体积zawtj，并启动测距传感器实时测量，获取实时障碍物距离zawjl、障碍物之间间隙距离jxjl、每秒移速Sys和障碍物转弯半径zwbj。

本实施例中，识别到障碍物后，第一采集模块能够提取障碍物的体积特征，如高度和宽度，这些特征有助于后续飞行过程中的路径规划和避障操作。障碍物识别后，测距传感器能够实时测量障碍物与无人机之间的距离和障碍物之间的间隙距离，同时获取每秒移速和障碍物转弯半径关键参数。这些数据对于无人机的路径规划和飞行安全至关重要，能够帮助无人机及时调整飞行路径，避免与障碍物发生碰撞，保证飞行安全。

实施例4，本实施例是在实施例1中进行的解释说明，请参照图1，具体的，所述第二采集模块用于在搭载无人机上安装第二传感器，第二传感器包括光照传感器、风速传感器、气压传感器、温湿度传感器和降雨传感器，采集获取第二环境数据集，所述第二环境数据集包括光照强度gz、实时风速fs、实时气压qy、实时环境温度wd、湿度sd和降雨量jyl。

本实施例中，光照传感器实时测量环境中的光照强度，这对于无人机航拍任务的执行至关重要。通过监测光照强度，便于确定最佳的航拍时间，以获得高质量的图像数据。此外，在光照条件不佳的情况下，也能够提醒操作人员采取相应的措施，如调整摄像头参数或者延迟航拍任务。风速传感器用于实时监测环境中的风速情况。了解风速帮助无人机操作员评估飞行条件的安全性，并且根据风速情况调整飞行速度和航线，确保无人机的稳定飞行和数据采集的准确性。气压传感器测量环境中的气压情况，这对于无人机的高度控制至关重要。无人机的高度控制通常是基于气压的变化来实现的，因此实时监测气压能够帮助无人机稳定地保持在所需的高度上。温湿度传感器用于测量环境的温度和湿度。这些信息对于无人机的飞行性能和电子设备的工作状态都有影响。例如，在高温高湿的环境下，无人机的飞行性能可能会下降，电子设备的散热效果也可能变差，因此及时获取温湿度信息帮助操作员采取相应的措施以确保飞行安全和设备稳定运行。降雨传感器用于检测降雨情况。在下雨天气条件下，无人机的飞行可能会受到限制，因此及时获取降雨量信息帮助操作员决定是否延迟或取消飞行任务，以确保飞行安全和数据采集的准确性。

实施例5，本实施例是在实施例1中进行的解释说明，请参照图1，具体的，所述协同采集模块用于对于实时采集若干个搭载无人机的飞行参数、状态信息以及区域任务分配情况，建立第三数据集；所述第三数据集包括但不限于以下数据：每架无人机的位置、飞行姿态、区域无人机实时飞行速度fxsd、无人机飞行高度fxgd、无人机实时电量fxdl、旋转速率xzsl、实时任务飞行时长fxsc、总任务时长zrwsc、已测绘面积ychmj、总测绘面积zchmj、已完成任务的无人机数量M、无人机通信信号强度xhqd、任务重叠度rwcdd、交叉干扰面积jcgr、相邻两架无人机的最近距离zjjl和已完成测绘子区域和未完成测绘子区域的最近距离qyjl；

每架无人机的位置通过GPS传感器策略获取；所述飞行姿态和旋转速率xzsl通过飞行测量单元IMU测量获取；所述区域无人机实时飞行速度fxsd通过空速计测量获取；所述无人机飞行高度fxgd通过高度计测量获取；所述无人机实时电量fxdl通过电量传感器测量获取；所述实时任务飞行时长fxsc和总任务时长zrwsc通过时间记录器测量获取；所述已测绘面积ychmj和总测绘面积zchmj通过雷达传感器测量获取；所述已完成任务的无人机数量M通过返回任务终点的计数器获取；所述无人机通信信号强度xhqd通过通信信号传感器测量获取；任务重叠度rwcdd通过分析无人机飞行路径和覆盖的区域来计算；重叠度表示不同无人机所覆盖区域的重叠程度；如果两个无人机的路径有部分重叠，则表示任务重叠度高，以重叠面积计算；所述交叉干扰面积jcgr通过分析无人机飞行路径和相互交叉区域的面积来计算；交叉干扰面积表示无人机之间飞行轨迹的交叉部分所占的面积，这通过图像处理或空间分析技术来实现；所述相邻两架无人机的最近距离zjjl和已完成测绘子区域和未完成测绘子区域的最近距离qyjl通过GPS位置信息，计算相邻两架无人机之间的距离，最近的两架无人机之间的距离即为相邻两架无人机的最近距离。

本实施例中，通过建立第三数据集，实时监测多架无人机的飞行参数、状态信息以及区域任务分配情况。这样的实时监控能够帮助操作人员及时了解无人机的飞行状态和任务执行情况，并进行必要的调度和协调，以提高测绘任务的执行效率和数据准确性。第三数据集中包含了丰富的飞行和任务数据，包括无人机的位置、飞行姿态、飞行速度、飞行高度、电量和飞行时长信息。通过对这些数据进行分析和统计，便于发现无人机飞行过程中的潜在问题和优化空间，从而优化飞行路径、提升飞行效率和延长飞行时间，实现测绘任务的最佳执行。第三数据集中记录了已测绘面积、总测绘面积和已完成任务的无人机数量信息，用于跟踪测绘任务的进度和完成情况。通过实时监测已完成的测绘面积和已完成任务的无人机数量，便于及时评估任务的完成度，并根据需要进行调整和安排，以保证任务按时完成。第三数据集中还包含了无人机之间的最近距离、任务重叠度和交叉干扰面积信息，这些数据对于保障飞行安全至关重要。通过实时监测无人机之间的距离和交叉干扰面积，便于及时预警和避免飞行事故的发生，保障测绘任务的安全执行。

实施例6，本实施例是在实施例1中进行的解释说明，请参照图1，具体的，所述综合分析模块包括第一分析单元和第二分析单元；

所述第一分析单元用于根据第一数据进行实时计算分析获得：避障系数Bzx；所述避障系数Bzx的获取方式为，提取第一数据中的障碍物体积zawtj、实时障碍物距离zawjl、多个障碍物之间间隙距离jxjl、每秒移速Sys和障碍物转弯半径zwbj；无量纲处理后，通过以下公式计算获得避障系数Bzx：

；

其中，zawtj表示障碍物体积，zawjl表示实时障碍物距离，jxjl表示多个障碍物之间间隙距离，Sys表示障碍物每秒移速，zwbj表示障碍物转弯半径，0≤w1≤1，0≤w2≤1，0≤w3≤1，且w1+w2+w3=1，w1、w2和w3为权重，其具体值由用户调整设置，C₁为第一常数修正系数，ln3表示以3自然数为底的对数运算；

所述第二分析单元用于对第二环境数据集实时计算分析获得；环境安全系数Haq；所述环境安全系数Haq的获取方式为，采集获取第二环境数据集中的光照强度gz、实时风速fs、实时气压qy、实时环境温度wd、湿度sd和降雨量jyl；无量纲处理后，通过以下公式计算获得环境安全系数Haq：

；

式中，gz表示光照强度，BZ1表示预设光照强度阈值，fs表示实时风速，BZ2表示预设风速阈值，qy表示实时气压，BZ3表示预设大气气压阈值，wd表示实时环境温度，BZ4表示预设温度阈值，sd表示湿度，BZ5表示预设湿度阈值，jyl表示实时降雨量，BZ6表示预设降雨量阈值，0≤w4≤1，0≤w5≤1，0≤w6≤1，0≤w7≤1，0≤w8≤1，0≤w9≤1，且w4+w5+w6+w7+w8+w9=1，w4、w5、w6、w7、w8和w9为权重，其具体值由用户调整设置，C₂为第二常数修正系数。

本实施例中，避障系数Bzx的计算通过提取障碍物体积、实时障碍物距离、障碍物间隙距离、每秒移速和障碍物转弯半径参数，并结合用户设定的权重和常数修正系数，计算避障系数。这样促进更准确地评估无人机避障能力，帮助规避飞行中的障碍物，提高飞行安全性。

环境安全系数计算Haq通过获取光照强度、实时风速、实时气压、实时环境温度、湿度和降雨量环境数据，并结合用户设定的权重和常数修正系数，计算环境安全系数。这样促进综合考虑各种环境因素对飞行安全的影响，帮助制定合适的飞行策略，降低事故风险。

实施例7，本实施例是在实施例1中进行的解释说明，请参照图1，具体的，所述综合分析模块还包括第三分析单元和相关联单元；

所述第三分析单元用于对第三数据集进行计算分析获得：区域测绘完成系数Rwx、飞行安全系数Fx和协同测绘交叉系数Xtc；

所述区域测绘完成系数Rwx的获取方式为，提取第三数据集中的实时任务飞行时长fxsc、总任务时长zrwsc、已测绘面积ychmj、总测绘面积zchmj和已完成任务的无人机数量M；无量纲处理后，通过以下公式计算获得区域测绘完成系数Rwx：

；

式中，e表示总任务时长zrwsc和实时任务飞行时长fxsc差值的预设比例系数，u表示总测绘面积zchmj和已测绘面积ychmj差值的预设比例系数，q表示为已完成任务的无人机数量M预设比例系数，且0.25≤q≤0.30，0.22≤e≤0.25，0.33≤u≤0.45，且0.80≤q+e+u≤1.0；C₃为第三常数修正系数；

所述飞行安全系数Fx的获取方式为，提取第三数据集中的区域无人机实时飞行速度fxsd、无人机飞行高度fxgd、无人机实时电量fxdl、旋转速率xzsl和无人机通信信号强度xhqd；无量纲处理后，通过以下公式计算获得飞行安全系数Fx：

；

式中，d、s、w、p和h分别表示为无人机实时飞行速度fxsd、无人机飞行高度fxgd、无人机实时电量fxdl、旋转速率xzsl和无人机通信信号强度xhqd的预设比例系数，且0.15≤d≤0.18，0.08≤s≤0.11，0.25≤w≤0.28，0.21≤p≤0.26，0.11≤z≤0.17，且0.80≤d+s+w+p+z≤1.0；C₄表示为第四常数修正系数；

所述协同测绘交叉系数Xtc的获取方式为，提取第三数据集中的任务重叠度rwcdd、交叉干扰面积jcgr、相邻两架无人机的最近距离zjjl和已完成测绘子区域和未完成测绘子区域的最近距离qyjl；无量纲处理后，通过以下公式计算获得协同测绘交叉系数Xtc：

；

式中，y、k、i和v分别表示为任务重叠度rwcdd、交叉干扰面积jcgr、相邻两架无人机的最近距离zjjl和已完成测绘子区域和未完成测绘子区域的最近距离qyjl的预设比例系数，且0.28≤y≤0.30，0.22≤k≤0.26，0.15≤i≤0.18，0.21≤v≤0.26，且0.86≤y+k+i+v≤1.0；C₅表示为第五常数修正系数；

所述相关联单元用于将区域测绘完成系数Rwx、飞行安全系数Fx和协同测绘交叉系数Xtc通过以下相关联公式生成执行效率平衡系数Zxx；

；

式中，0≤γ≤1，0≤δ≤1，且γ+δ=1，γ和δ为权重，Rwx表示区域测绘完成系数，Fx表示飞行安全系数，Xtc表示协同测绘交叉系数，ln2表示以2自然数为底的对数运算。

本实施例中，区域测绘完成系数计算Rwx：通过提取实时任务飞行时长、总任务时长、已测绘面积、总测绘面积和已完成任务的无人机数量参数，并结合用户设定的权重和常数修正系数，计算区域测绘完成系数。这样促进评估测绘任务的完成度，帮助及时调整任务执行计划，确保任务按时完成。

飞行安全系数计算Fx：通过获取实时飞行速度、飞行高度、实时电量、旋转速率和通讯信号强度参数，并结合用户设定的权重和常数修正系数，计算飞行安全系数。这样促进全面评估无人机的飞行状态，帮助预防飞行事故的发生，保障飞行安全。

协同测绘交叉系数计算Xtc：通过提取任务重叠度、交叉干扰面积、相邻无人机距离和已完成测绘子区域与未完成测绘子区域的最近距离参数，并结合用户设定的权重和常数修正系数，计算协同测绘交叉系数。这样促进评估多架无人机之间的协同效率，帮助优化任务分配和飞行路径，提高测绘效率。

综合考量任务完成度与飞行安全性：将区域测绘完成系数Rwx、飞行安全系数Fx和协同测绘交叉系数Xtc相关联，促进实现对任务执行效率和飞行安全性的综合考量。这样的关联能够确保在追求任务完成度的同时，也充分考虑了无人机飞行过程中的安全因素，从而达到任务执行效率和飞行安全性的平衡；这样的关联能够确保在多架无人机协同执行任务时，不仅能够提高测绘效率，还能够减少无人机之间的干扰和冲突，从而保障测绘数据的准确性和完整性。

实施例8，本实施例是在实施例1中进行的解释说明，请参照图1，具体的，所述评估预测模块包括第一预测单元、第二预测单元和第三预测单元；

所述第一预测单元用于将避障系数Bzx与第一阈值X1进行对比，获得第一预测结果，包括：

当避障系数Bzx≥第一阈值X1时，表示避障没有风险，安全飞行状态，生成第一合格状态；当避障系数Bzx＜第一阈值X1时，表示避障有风险，生成第一不合格状态；

所述第二预测单元用于将环境安全系数Haq与第二阈值X2进行对比，获得第二预测结果，包括：

当环境安全系数Haq≥第二阈值X2时，表示存在环境风险，生成第二不合格状态；

当环境安全系数Haq＜第二阈值X2时，表示环境无风险，生成第二合格状态；

所述第三预测单元用于将执行效率平衡系数Zxx与第三阈值X3进行对比，获得第三预测结果，包括：

当执行效率平衡系数Zxx≥第三阈值X3时，表示综合效率合格，生成第三合格状态；

当执行效率平衡系数Zxx＜第三阈值X3时，表示综合效率不合格，生成第三不合格状态。

本实施例中，能够在实时监测无人机系统运行状态的同时，提供及时的风险预警和任务执行效率评估，从而帮助操作人员做出相应的决策和调整，确保无人机系统安全高效地执行测绘任务。

实施例9，本实施例是在实施例1中进行的解释说明，请参照图1，具体的，所述控制模块包括第一控制单元、第二控制单元和第三控制单元；

所述第一控制单元用于根据第一预测结果中，当评估为第一不合格状态时，生成第一控制策略，包括：在三维测绘地图模型中生成第一报警信号，表示避障存在风险，并启动执行转向，急停和避障躲避策略，尽快避开障碍物保持飞行安全；

所述第二控制单元用于根据第二预测结果中，当评估为第二不合格状态时，生成第二控制策略，包括：在三维测绘地图模型中生成第二报警信号，并调整无人机飞行高度和减缓飞行速度或终止飞行任务，寻找安全着陆点或返回起飞点策略，保障飞行环境安全；

所述第三控制单元用于根据第三预测结果中，当评估为第三不合格状态时，生成第三控制策略，包括：针对区域测绘任务，重新评估无人机分配策略，确保各个无人机的任务区域之间有足够的缓冲距离，避免相互干扰；并规划飞行路径和安全任务优先级；并优化飞行高度、飞行速度和飞行方向参数，增加无人机数量加快任务完成速度，并优化实时共享信息和协调行动，调整任务规模或增加飞行间隔来减少无人机之间的干扰，从而提高任务执行效率。

本实施例中，第一控制单元、第二控制单元和第三控制单元的有益效果在于能够根据实时监测到的系统状态和预测结果，及时生成相应的控制策略，有效应对各种风险并优化任务执行效率，保障无人机系统安全、高效地完成测绘任务。

数据示例：

采集获得以下数据：

第一数据集：障碍物体积zawtj：障碍物的体积为10立方米；实时障碍物距离zawjl：当前实时障碍物距离为20米；多个障碍物之间间隙距离jxjl：多个障碍物之间的间隙距离为5米；每秒移速Sys：每秒移速为2米/秒；障碍物转弯半径zwbj：障碍物转弯半径为3米；

第二数据集：光照强度gz=600lx；实时风速fs=5m/s；实时气压qy=101.3kPa；实时环境温度wd=25°C；湿度sd=60%；降雨量jyl=0.2mm；

而且设定的阈值如下：预设光照强度阈值BZ1=800lx；预设风速阈值BZ2=10m/s；预设大气气压阈值BZ3=101kPa；预设温度阈值BZ4=30°C；预设湿度阈值BZ5=70%；预设降雨量阈值BZ6=2mm；

第三数据集：实时任务飞行时长fxsc=120分钟；总任务时长zrwsc=180分钟；已测绘面积ychmj=50平方千米；总测绘面积zchmj=100平方千米；已完成任务的无人机数量M=5；实时飞行速度fxsd=20米/秒；无人机飞行高度fxgd=100米；实时电量fxdl=80%；

旋转速率xzsl=10度/秒；无人机通信信号强度xhqd=−70dBm；任务重叠度rwcdd=0.29；

交叉干扰面积jcgr=200平方米；相邻两架无人机的最近距离zjjl=50米；已完成测绘子区域和未完成测绘子区域的最近距离qyjl=30米；

将以上所有数据无量纲处理后；

并设置权重：w1=0.4；w2=0.3；w3=0.3：w4=0.2；w5=0.15；w6=0.15；w7=0.15；w8=0.2；w9=0.15；，/>；

设置比例系数和常数修正系数：q=0.28；e=0.24；u=0.38；d=0.17；s=0.10；w=0.26；p=0.24；z=0.13；y=0.29；k=0.24；i=0.17；v=0.25；C₁=0.5；C₂=0.3；C₃=0.2；C₄=0.15；C₅=0.20；

代入以下公式为：；

；

；

；

；

并将区域测绘完成系数Rwx、飞行安全系数Fx和协同测绘交叉系数Xtc具体数值代入执行效率平衡系数Zxx；

；

并将Bzx=19.05；；/>发分别与设定的第一阈值X1=20、第二阈值X2=2和第三阈值X3=100，进行评估预测；因此，第一预测结果为第一不合格状态，第二预测结果为第二合格状态，第三预测结果为第三合格状态。因此生成第一控制策略，包括：在三维测绘地图模型中生成第一报警信号，表示避障存在风险，并启动执行转向，急停和避障躲避策略，尽快避开障碍物保持飞行安全。

实施例10，请参照图2，一种基于无人机航测的智能测绘方法，包括以下步骤：

S1、使用预先规划的无人机航线覆盖测绘目标区域，并在飞行过程中利用激光雷达采集地形影像数据和点云数据；使用MVG和SfM算法对采集到的数据进行匹配和三维重建，生成稀疏的三维点云，然后进行地形建模，包括地表和建筑物的三维重建，生成三维测绘地图模型；

S2、在无人机上安装第一传感器，采集第一数据集，用于障碍物识别、检测、预测和动态避障；在无人机上安装第二传感器，包括光照传感器、风速传感器、气压传感器、温湿度传感器和降雨传感器，采集第二环境数据集；对实时采集的无人机飞行参数、状态信息以及区域任务分配情况，建立第三数据集；

S3、根据第一数据集、第二环境数据集和第三数据集进行实时分析，计算避障系数Bzx、环境安全系数Haq以及区域测绘完成系数Rwx、飞行安全系数Fx和协同测绘交叉系数Xtc；并生成执行效率平衡系数Zxx；

S4、将避障系数Bzx与第一阈值X1进行对比，获得第一预测结果；将环境安全系数Haq与第二阈值X2进行对比，获得第二预测结果；将执行效率平衡系数Zxx与第三阈值X3进行对比，获得第三预测结果；

S5、根据第一预测结果、第二预测结果和第三预测结果生成相应的控制策略；第一控制单元负责处理避障相关策略，第二控制单元负责处理环境安全相关策略，第三控制单元负责处理综合效率相关策略。

通过预先规划的无人机航线覆盖目标区域，并利用激光雷达采集地形影像数据和点云数据，促进实现高效的测绘数据采集，快速生成稀疏的三维点云和地形建模，从而生成三维测绘地图模型。第一传感器采集的数据可用于障碍物识别、检测、预测和动态避障，使无人机能够及时识别并避开障碍物，确保飞行安全。第二传感器采集的环境数据集能够实现对光照、风速、气压、温湿度和降雨环境参数的实时监测，从而提供环境安全系数，有助于无人机在复杂环境中安全飞行。根据第一数据集、第二环境数据集和第三数据集进行实时分析，能够计算出避障系数、环境安全系数以及区域测绘完成系数重要参数，并生成执行效率平衡系数，为后续决策提供实时支持。根据第一预测结果、第二预测结果和第三预测结果生成相应的控制策略，包括避障、环境安全和综合效率相关策略，从而实现对无人机飞行过程的智能化决策与控制，保障任务的高效执行和飞行安全。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其同物限定。

Claims (10)

1.一种基于无人机航测的智能测绘系统，其特征在于：包括地形感知模块、第一采集模块、第二采集模块、协同采集模块、综合分析模块、评估预测模块和控制模块；

所述地形感知模块用于使用预先规划的无人机航线，覆盖测绘目标区域，在飞行过程中，利用搭载无人机上的激光雷达采集地形影像数据和点云数据；并使用多视图几何MVG和结构从运动SfM算法技术对采集到的地形影像数据进行匹配和三维重建，生成稀疏的三维点云；利用点云数据进行地形建模，包括地表和建筑物的三维重建，生成三维测绘地图模型；

所述第一采集模块用于在搭载无人机上安装第一传感器，采集第一数据集，用于识别障碍物的检测、识别、预测和动态避障；

所述第二采集模块用于在搭载无人机上安装第二传感器，采集第二环境数据集，用于获取环境数据；

所述协同采集模块用于对于实时采集若干个搭载无人机的飞行参数、状态信息以及区域任务分配情况，建立第三数据集；

所述综合分析模块用于根据第一数据进行实时计算分析获得：避障系数Bzx；对第二环境数据集实时计算分析获得；环境安全系数Haq；对第三数据集进行计算分析获得：区域测绘完成系数Rwx、飞行安全系数Fx和协同测绘交叉系数Xtc；并将区域测绘完成系数Rwx、飞行安全系数Fx和协同测绘交叉系数Xtc相关联获得执行效率平衡系数Zxx；

所述评估预测模块用于将避障系数Bzx与第一阈值X1进行对比，获得第一预测结果；将环境安全系数Haq与第二阈值X2进行对比，获得第二预测结果，并将执行效率平衡系数Zxx与第三阈值X3进行对比，获得第三预测结果；

所述控制模块用于根据第一预测结果，第二预测结果和第三预测结果，生成相对应的控制策略并执行。

2.根据权利要求1所述的一种基于无人机航测的智能测绘系统，其特征在于：所述地形感知模块包括激光雷达数据采集单元、数据处理单元、地形建模单元和子区域划分单元；

所述激光雷达数据采集单元用于控制搭载在无人机上的激光雷达传感器，采集地形影像数据和点云数据；

数据处理单元用于对采集到的地形影像数据和点云数据进行预处理，包括去噪、滤波和配准；

所述地形建模单元用于负责对地形影像数据进行多视图几何和结构从运动算法处理，实现地形影像数据的匹配和三维重建；使用生成的稀疏三维点云数据进行地形建模，包括地表和建筑物三维重建，生成三维测绘地图模型；

所述子区域划分单元用于将目标区域划分为若干个子区域，同时规划每个子区域的航线对应的搭载无人机，并在三维测绘地图模型上使用进行标号标记，n表示搭载无人机的数量。

3.根据权利要求1所述的一种基于无人机航测的智能测绘系统，其特征在于：所述第一采集模块用于在搭载无人机上安装第一视觉传感器和测距传感器，第一视觉传感器采集视频影像，建立第一数据集；并对第一数据集中的视频影响进行障碍物识别，障碍物包括建筑物、树木、电线杆、输电线、地面障碍物、人造障碍物、飞鸟和其他无人机设备；

当识别到障碍物后，提取障碍物体积特征，获取障碍物体积zawtj，并启动测距传感器实时测量，获取实时障碍物距离zawjl、障碍物之间间隙距离jxjl、每秒移速Sys和障碍物转弯半径zwbj。

4.根据权利要求1所述的一种基于无人机航测的智能测绘系统，其特征在于：所述第二采集模块用于在搭载无人机上安装第二传感器，第二传感器包括光照传感器、风速传感器、气压传感器、温湿度传感器和降雨传感器，采集获取第二环境数据集，所述第二环境数据集包括光照强度gz、实时风速fs、实时气压qy、实时环境温度wd、湿度sd和降雨量jyl。

5.根据权利要求1所述的一种基于无人机航测的智能测绘系统，其特征在于：所述协同采集模块用于对于实时采集若干个搭载无人机的飞行参数、状态信息以及区域任务分配情况，建立第三数据集；所述第三数据集包括但不限于以下数据：每架无人机的位置、飞行姿态、区域无人机实时飞行速度fxsd、无人机飞行高度fxgd、无人机实时电量fxdl、旋转速率xzsl、实时任务飞行时长fxsc、总任务时长zrwsc、已测绘面积ychmj、总测绘面积zchmj、已完成任务的无人机数量M、无人机通信信号强度xhqd、任务重叠度rwcdd、交叉干扰面积jcgr、相邻两架无人机的最近距离zjjl和已完成测绘子区域和未完成测绘子区域的最近距离qyjl；

每架无人机的位置通过GPS传感器策略获取；所述飞行姿态和旋转速率xzsl通过飞行测量单元IMU测量获取；所述区域无人机实时飞行速度fxsd通过空速计测量获取；所述无人机飞行高度fxgd通过高度计测量获取；所述无人机实时电量fxdl通过电量传感器测量获取；所述实时任务飞行时长fxsc和总任务时长zrwsc通过时间记录器测量获取；所述已测绘面积ychmj和总测绘面积zchmj通过雷达传感器测量获取；所述已完成任务的无人机数量M通过返回任务终点的计数器获取；所述无人机通信信号强度xhqd通过通信信号传感器测量获取；所述任务重叠度rwcdd通过分析无人机飞行路径和覆盖的区域来计算；重叠度表示不同无人机所覆盖区域的重叠程度；如果两个无人机的路径有部分重叠，则表示任务重叠度高，以重叠面积计算；所述交叉干扰面积jcgr通过分析无人机飞行路径和相互交叉区域的面积来计算；交叉干扰面积表示无人机之间飞行轨迹的交叉部分所占的面积，这通过图像处理或空间分析技术来实现；所述相邻两架无人机的最近距离zjjl和已完成测绘子区域和未完成测绘子区域的最近距离qyjl通过GPS位置信息，计算相邻两架无人机之间的距离，最近的两架无人机之间的距离即为相邻两架无人机的最近距离。

6.根据权利要求5所述的一种基于无人机航测的智能测绘系统，其特征在于：所述综合分析模块包括第一分析单元和第二分析单元；

所述第一分析单元用于根据第一数据进行实时计算分析获得：避障系数Bzx；

所述避障系数Bzx的获取方式为，提取第一数据中的障碍物体积zawtj、实时障碍物距离zawjl、多个障碍物之间间隙距离jxjl、每秒移速Sys和障碍物转弯半径zwbj；无量纲处理后，通过以下公式计算获得避障系数Bzx：

；

其中，zawtj表示障碍物体积，zawjl表示实时障碍物距离，jxjl表示多个障碍物之间间隙距离，Sys表示障碍物每秒移速，zwbj表示障碍物转弯半径，0≤w1≤1，0≤w2≤1，0≤w3≤1，且w1+w2+w3=1，w1、w2和w3为权重，其具体值由用户调整设置，C₁为第一常数修正系数，ln3表示以3自然数为底的对数运算；

所述第二分析单元用于对第二环境数据集实时计算分析获得；环境安全系数Haq；所述环境安全系数Haq的获取方式为，采集获取第二环境数据集中的光照强度gz、实时风速fs、实时气压qy、实时环境温度wd、湿度sd和降雨量jyl；无量纲处理后，通过以下公式计算获得环境安全系数Haq：

；

式中，gz表示光照强度，BZ1表示预设光照强度阈值，fs表示实时风速，BZ2表示预设风速阈值，qy表示实时气压，BZ3表示预设大气气压阈值，wd表示实时环境温度，BZ4表示预设温度阈值，sd表示湿度，BZ5表示预设湿度阈值，jyl表示实时降雨量，BZ6表示预设降雨量阈值，0≤w4≤1，0≤w5≤1，0≤w6≤1，0≤w7≤1，0≤w8≤1，0≤w9≤1，且w4+w5+w6+w7+w8+w9=1，w4、w5、w6、w7、w8和w9为权重，其具体值由用户调整设置，C₂为第二常数修正系数。

7.根据权利要求6所述的一种基于无人机航测的智能测绘系统，其特征在于：所述综合分析模块还包括第三分析单元和相关联单元；

所述第三分析单元用于对第三数据集进行计算分析获得：区域测绘完成系数Rwx、飞行安全系数Fx和协同测绘交叉系数Xtc；

所述区域测绘完成系数Rwx的获取方式为，提取第三数据集中的实时任务飞行时长fxsc、总任务时长zrwsc、已测绘面积ychmj、总测绘面积zchmj和已完成任务的无人机数量M；无量纲处理后，通过以下公式计算获得区域测绘完成系数Rwx：

；

式中，e表示总任务时长zrwsc和实时任务飞行时长fxsc差值的预设比例系数，u表示总测绘面积zchmj和已测绘面积ychmj差值的预设比例系数，q表示为已完成任务的无人机数量M预设比例系数，且0.25≤q≤0.30，0.22≤e≤0.25，0.33≤u≤0.45，且0.80≤q+e+u≤1.0，C₃为第三常数修正系数；

所述飞行安全系数Fx的获取方式为，提取第三数据集中的区域无人机实时飞行速度fxsd、无人机飞行高度fxgd、无人机实时电量fxdl、旋转速率xzsl和无人机通信信号强度xhqd；无量纲处理后，通过以下公式计算获得飞行安全系数Fx：

；

式中，d、s、w、p和h分别表示为无人机实时飞行速度fxsd、无人机飞行高度fxgd、无人机实时电量fxdl、旋转速率xzsl和无人机通信信号强度xhqd的预设比例系数，且0.15≤d≤0.18，0.08≤s≤0.11，0.25≤w≤0.28，0.21≤p≤0.26，0.11≤z≤0.17，且0.80≤d+s+w+p+z≤1.0；C₄表示为第四常数修正系数；

所述协同测绘交叉系数Xtc的获取方式为，提取第三数据集中的任务重叠度rwcdd、交叉干扰面积jcgr、相邻两架无人机的最近距离zjjl和已完成测绘子区域和未完成测绘子区域的最近距离qyjl；无量纲处理后，通过以下公式计算获得协同测绘交叉系数Xtc：

；

式中，y、k、i和v分别表示为任务重叠度rwcdd、交叉干扰面积jcgr、相邻两架无人机的最近距离zjjl和已完成测绘子区域和未完成测绘子区域的最近距离qyjl的预设比例系数，且0.28≤y≤0.30，0.22≤k≤0.26，0.15≤i≤0.18，0.21≤v≤0.26，且0.86≤y+k+i+v≤1.0；C₅表示为第五常数修正系数；

所述相关联单元用于将区域测绘完成系数Rwx、飞行安全系数Fx和协同测绘交叉系数Xtc通过以下相关联公式生成执行效率平衡系数Zxx；

；

式中，0≤γ≤1，0≤δ≤1，且γ+δ=1，γ和δ为权重，Rwx表示区域测绘完成系数，Fx表示飞行安全系数，Xtc表示协同测绘交叉系数，ln2表示以2自然数为底的对数运算。

8.根据权利要求7所述的一种基于无人机航测的智能测绘系统，其特征在于：所述评估预测模块包括第一预测单元、第二预测单元和第三预测单元；

所述第一预测单元用于将避障系数Bzx与第一阈值X1进行对比，获得第一预测结果，包括：

当避障系数Bzx≥第一阈值X1时，表示避障没有风险，安全飞行状态，生成第一合格状态；当避障系数Bzx＜第一阈值X1时，表示避障有风险，生成第一不合格状态；

所述第二预测单元用于将环境安全系数Haq与第二阈值X2进行对比，获得第二预测结果，包括：

当环境安全系数Haq≥第二阈值X2时，表示存在环境风险，生成第二不合格状态；

当环境安全系数Haq＜第二阈值X2时，表示环境无风险，生成第二合格状态；

所述第三预测单元用于将执行效率平衡系数Zxx与第三阈值X3进行对比，获得第三预测结果，包括：

当执行效率平衡系数Zxx≥第三阈值X3时，表示综合效率合格，生成第三合格状态；

当执行效率平衡系数Zxx＜第三阈值X3时，表示综合效率不合格，生成第三不合格状态。

9.根据权利要求8所述的一种基于无人机航测的智能测绘系统，其特征在于：所述控制模块包括第一控制单元、第二控制单元和第三控制单元；

所述第一控制单元用于根据第一预测结果中，当评估为第一不合格状态时，生成第一控制策略，包括：在三维测绘地图模型中生成第一报警信号，表示避障存在风险，并启动执行转向，急停和避障躲避策略，尽快避开障碍物保持飞行安全；

所述第二控制单元用于根据第二预测结果中，当评估为第二不合格状态时，生成第二控制策略，包括：在三维测绘地图模型中生成第二报警信号，并调整无人机飞行高度和减缓飞行速度或终止飞行任务，寻找安全着陆点或返回起飞点策略；

所述第三控制单元用于根据第三预测结果中，当评估为第三不合格状态时，生成第三控制策略，包括：针对区域测绘任务，重新评估无人机分配策略，确保各个无人机的任务区域之间有缓冲距离，避免相互干扰；并规划飞行路径和安全任务优先级；并优化飞行高度、飞行速度和飞行方向参数，增加无人机数量加快任务完成速度，并优化实时共享信息和协调行动，调整任务规模或增加飞行间隔来减少无人机之间的干扰。

10.一种基于无人机航测的智能测绘方法，包括上述权利要求1-9任一项所述的一种基于无人机航测的智能测绘系统，其特征在于：包括以下步骤：

S1、使用预先规划的无人机航线覆盖测绘目标区域，并在飞行过程中利用激光雷达采集地形影像数据和点云数据；使用MVG和SfM算法对采集到的数据进行匹配和三维重建，生成稀疏的三维点云，然后进行地形建模，包括地表和建筑物的三维重建，生成三维测绘地图模型；

S2、在无人机上安装第一传感器，采集第一数据集，用于障碍物识别、检测、预测和动态避障；在无人机上安装第二传感器，包括光照传感器、风速传感器、气压传感器、温湿度传感器和降雨传感器，采集第二环境数据集；对实时采集的无人机飞行参数、状态信息以及区域任务分配情况，建立第三数据集；

S3、根据第一数据集、第二环境数据集和第三数据集进行实时分析，计算避障系数Bzx、环境安全系数Haq以及区域测绘完成系数Rwx、飞行安全系数Fx和协同测绘交叉系数Xtc；并生成执行效率平衡系数Zxx；

S4、将避障系数Bzx与第一阈值X1进行对比，获得第一预测结果；将环境安全系数Haq与第二阈值X2进行对比，获得第二预测结果；将执行效率平衡系数Zxx与第三阈值X3进行对比，获得第三预测结果；

S5、根据第一预测结果、第二预测结果和第三预测结果生成相应的控制策略；第一控制单元负责处理避障相关策略，第二控制单元负责处理环境安全相关策略，第三控制单元负责处理综合效率相关策略。