吴长嵩 廖一鸣 胡汪洋 肖道洲

（南京森林警察学院治安学院，江苏 南京210023）

随着时代在进步，以无人机为主的各项行业正在兴起，无人机航拍应用于许多地方，对山水景物、建筑、森林等等。人工的灵活性弱，成本较高，并且容易出现事故，相比之下，通过长期航拍过程中发现，无人机的应用前景和范围比人工大很多。因此可以把无人机航拍图像与三维重建技术相结合，通过对无人机航路规划研究和三维重建技术可以用于林业之中，森林的地形复杂，情况多变，可以利用无人机进行调查，从航拍到的图像进行三维重建。

1 无人机航拍路线规划研究

目前，有许多研究提出了多种不同的路径规划算法，可以为无人机航行路线进行实时动态地规划。这些算法主要分为两大类：一类是基于先验信息的传统算法，这类算法需要事先获得地图信息再进行路径规划，常见的算法有A*（A-Star）算法、PRM算法（Probabilistic Roadmaps，称为随机路径图或概率路径图算法）、CD 算法（Cell Decomposition，称为细胞分割或单元分解算法）、APF 算法（Artifical Potential Field，人工势能场算法）等；另一类是不依赖于先验信息的智能反应算法，这类算法基于仿生学原理，通过对实时获取的地理空间信息进行相应计算，得到所处的相对空间位置信息，再进行路径的规划，常见的算法有GA 算法（Genetic Algorithm，遗传算法）、PSO 算法（Particle Swarm Optimization，粒子群优化算法）、ABC 算法（Artificial Bee Colony Algorithm，人工蜂群算法）、CS 算法（Cuckoo Search，布谷鸟搜索或杜鹃搜索算法）。

1.1 A*算法

A*算法用于静态地图网络最短路径求解，算法复杂度低，求解速度极快，运算效率高，但准确度较差，在复杂路径情况下会出现搜索失败的现象。李得伟等人提出将A*算法的搜索方式改为有向的逆序搜索，并采用局部评估的估价函数的，以提升运算效率；宋雪倩等人基于Dubins 曲线改进A*算法，通过搜索空间中的有效节点，解决无人机最短避障路线的规划问题，使以路径规划算法能获得距离最短安全路线。

1.2 CD 算法

CD 算法需要提前载入环境信息，控制器将地图分割为多个相互之间不重叠的单元，从所在的地图单元开始遍历，搜索每一个相邻的单元，直至到达目标单元，完成路径规划。如果访问到一个存在障碍物的单元，则将这一地图单元在进行划分。当获得一个无障碍物的可通过的单元时，将其放入可行路径中，最终可以获得从原始位置到目标位置的最优路线。在计算过程中，初始单元和目标单元需要用不相同的两个无障碍物的单元表示，连接这两个单元的地图单元序列组成路径。

Franklin Samaniego 等人将无人机运动的空间视为一个以路径规划中最小步长离散的自适应网格，并利用成本响应法和递归计算进行路径规划，降低了响应时间。Marian Lupasc 等人将CD 算法中单元分割方式由二维改进为三维，即由平面方形单元改为立体的立方体单元，优化了路径规划的效果。

1.3 遗传算法

1958 年Bremermann 首次提出遗传算法，是一种模拟生物进化方式的搜索算法，由于运行效果优异，获得了广泛的认可和原因。但这种算法遇到复杂的组合优化问题时，需要基于给定的约束条件，求解目标函数的极值。在这种情况下，为给定的问题分配一个群体，并根据目标函数为群体中的个体分配适应能力值，种群内的个体根据环境进行选择，并可通过交叉进行基因传递。种群中的变异保证了种群的多样性，避免了算法收敛过早，不能得到最优结果。与局部算法相比，遗传算法能够更好地利用历史信息。马云红等人使用极坐标来表示威胁位置和航迹位置，从而使路径编码降维，提高了整体的计算效率。

2 三维重建技术研究

三维重建，指的是对视频采集设备采集视频图像序列进行分析运算，获得场景的特征信息，再利用机器视觉算法在计算机中重新建立现实场景的三维信息。技术流程如下：

2.1 深度图像的获取

深度图像使用3D 摄像机拍摄采集，并同时得到相应的彩色图像。在采集图象时，从多个视角对同一物体或场景进行拍摄，获得大量的图像，确保这些图像能够涵盖所有的信息。

2.2 预处理

由于采集设备以及传输线路的限制，获取的深度图像必然存在噪声。为了在后续的分析处理中能过够获得更精准的数据，需要对深度图像进行降噪、滤波、锐化等图像增强操作。

2.3 点云计算

对深度图像进行了图像增强处理之后，提取图像的二维数据信息，图像中像素点的值即为深度信息，是物体或场景表面与摄像机镜头之间的直线距离。

2.4 点云配准

从不同角度采集的视频序列帧图像中必然存在重合的部分。为了实现三维重建，需要利用图像重合的部分获得所有特征像素点的相对位置，即根据不同图像内相同点的变换关系放入到同一个坐标系之下，从而获得三维图像。

经过同名特征点提取、连接点抽稀、高精度GPS 辅助区域网平差解算生成立体模型，最后利用大疆智图Terra 软件实时进行二维建图、二维模型与三维模型重建结果完全可以满足大比例尺测图精度要求的。

针对于本项目的重建和测绘对象为森林，林地复杂多变，并且难设立参考点所以。对于三维重建技术，加以GPS 高精度辅助。通过高精度的GPS 数据辅助进行区域网平差技术，在少量野外控制点情况下进行空三平差解算未知参数，有效地解决传统空中三角测量对地面控制点数量要求比较多解算空三精度难以满足要求的难点问题，减少外业测绘的工作量，提高野外测量的工作效率。针对航测相机的曝光时间与GPS 采集时间存在一定的延迟误差影响而导致实际平差结果较理论估值低的问题，在传统的GPS 辅助光束法区域网平差模型中加入相机曝光延迟参数进行整体解算以减弱曝光延迟带来的误差影响。

3 基于无人机雷达的三维重建技术研究

经过同名特征点提取、连接点抽稀、高精度GPS 辅助区域网平差解算生成立体模型，最后利用大疆智图Terra 软件实时进行二维建图、二维模型与三维模型重建结果完全可以满足大比例尺测图精度要求的。通过对GPS 基站的选址、联测以及信号质量的检查，确保通过GPS 获得的位置信息精准程度。

激光雷达测量系统主要由激光测距仪、定位系统和惯性导航系统组成，测量系统测距精度也由这三者决定。

卫星定位系统是通过测量卫星与目标间距离从而确定目标位置的定位系统，由于卫星定位系统的独有特性可以在绝大部分位置、天气、时间下实现高精度定位，同时可以提供时间信息。卫星定位系统的精度与可收到的卫星信号数量高度相关，特别是在复杂地形或者受到遮挡时，产生的偏差极大，有时也会因无法正常接收信号而无法实现定位。因此，一些研究人员提出卫星定位系统差分策略，用以提升定位精度。这一策略的原理是通过设立基站的方式为基站范围内的目标定位提供参考坐标，从而在测量时利用基站坐标校正误差。因此，可以在基站的覆盖区域内实现超高精度的定位，达到米级。