面向空地协同应急的地表可通行性分析方法

发布时间：2021-07-12 07:03

　　在野外灾害应急与救援过程中,受灾害或复杂地表环境的影响,快速搜索一条到达目的地的可通行性路径是一项具有挑战性的任务。近些年随着空地协同技术的不断发展,利用无人机为地面车载系统提供其周边环境的数据并搜索可通行路径成为空地协同技术研发的一个热点。本文利用机器学习方法,结合基于无人机获取的野外可见光影像自动生成的数字表面模型（DSM）对该无人机可见光影像进行了详细分类,得到了较传统方法更好的分类结果;然后基于一般性规律,建立了地表可通行性判断条件与通行速度计算公式;再通过引入分类结果以及分类的不确定性因子,对A*算法进行了改进。基于改进的A*算法实现了实验区可通行性路径的快速搜索以及路径的可靠性评价,实验表明本文方法可得到更合理的结果。 

【文章来源】：石河子大学学报(自然科学版). 2019,37(01)北大核心

【文章页数】：9 页

【部分图文】：

实验区（新疆阿勒泰市克兰河流域）无人机航拍影像与数字表面模型

以及数字表面模型(DSM)（图1）。由于空地协同系统的应用环境通常比较复杂，比如人眼不易判别地物及周边条件的环境，因此我们所选取的实验时间和区域均具有一定的挑战性，如图1无人机所获取的区域，不同种类的地物，即使人眼判别也有一定难度。针对该区域地表覆盖情况，我们将地物分为九类，类别如表1所示，常规的遥感影像分类算法很难对这类环境的可见光影像进行良好分类。在本项研究中我们使用训练好的卷积神经网络对该可见光影像进行分类，得到的结果如图2所示，分类的整体精度为97.9630%，其Kappa系数为0.9765；图3展示了该区域内像元分类正确性的分布图。图1实验区（新疆阿勒泰市克兰河流域）无人机航拍影像与数字表面模型Fig.1AerialimagecapturedusingUAVandcorrespondingDSMintheexperimentalarea(KelanRiverBasin,AltayXinjiang)图2克兰河流域遥感影像分类结果图Fig.2ClassificationresultmapforremotesensingimageoftheKelanRiverBasin图3实验区域像元分类正确性分布图（灰度越小，表明正确率越高）Fig.3Distributionofclassificationcorrectnessofthepixelsinexperimentalarea(Thesmallerthegraylevel,thehigherthecorrectrate)李修贤，等：面向空地协同应急的地表可通行性分析方法15

影像处理软件进行全自动拼接处理，得到航拍区域的拼接影像以及数字表面模型(DSM)（图1）。由于空地协同系统的应用环境通常比较复杂，比如人眼不易判别地物及周边条件的环境，因此我们所选取的实验时间和区域均具有一定的挑战性，如图1无人机所获取的区域，不同种类的地物，即使人眼判别也有一定难度。针对该区域地表覆盖情况，我们将地物分为九类，类别如表1所示，常规的遥感影像分类算法很难对这类环境的可见光影像进行良好分类。在本项研究中我们使用训练好的卷积神经网络对该可见光影像进行分类，得到的结果如图2所示，分类的整体精度为97.9630%，其Kappa系数为0.9765；图3展示了该区域内像元分类正确性的分布图。图1实验区（新疆阿勒泰市克兰河流域）无人机航拍影像与数字表面模型Fig.1AerialimagecapturedusingUAVandcorrespondingDSMintheexperimentalarea(KelanRiverBasin,AltayXinjiang)图2克兰河流域遥感影像分类结果图Fig.2ClassificationresultmapforremotesensingimageoftheKelanRiverBasin图3实验区域像元分类正确性分布图（灰度越小，表明正确率越高）Fig.3Distributionofclassificationcorrectnessofthepixelsinexperimentalarea(Thesmallerthegraylevel,thehigherthecorrectrate)李修贤，等：面向空地协同应急的地表可通行性分析方法15

【参考文献】：
期刊论文
[1]基于深度学习的高分辨率遥感影像分类研究[J]. 刘大伟,韩玲,韩晓勇.  光学学报. 2016(04)
[2]基于DBN模型的遥感图像分类[J]. 吕启,窦勇,牛新,徐佳庆,夏飞.  计算机研究与发展. 2014(09)



本文编号：3279452