疫情期間復(fù)工復(fù)產(chǎn)需要準(zhǔn)確的現(xiàn)場信息及高精度分辨率的正射影像作為決策依據(jù),但管理人員無法通過密集的現(xiàn)場巡視獲取信息。無人機外業(yè)數(shù)據(jù)采集速度快、采集精度高、數(shù)據(jù)量全,但傳統(tǒng)的無人機正射影像處理速度無法滿足項目刻不容緩的需求,因此本文對無人機外業(yè)快速采集-快速內(nèi)業(yè)處理技術(shù)-目標(biāo)成果識別作了全方位的研究,基于改進SURF無人機影像快速處理算法并針對大型工程設(shè)備在影像上呈現(xiàn)規(guī)則矩形、特征點突出、明暗對比關(guān)系明顯等關(guān)鍵要素,快速處理得到正射影像,并在此基礎(chǔ)上運用Fast R-CNN網(wǎng)絡(luò)識別現(xiàn)場機械設(shè)備為復(fù)工決策提供決策依據(jù),相應(yīng)成果已在新冠疫情期間雄安高鐵站工程建設(shè)復(fù)工復(fù)產(chǎn)中得到了應(yīng)用。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1SURF簡化計算模板

如圖1所示，在簡化模板中，白色區(qū)域、黑色區(qū)域、灰色區(qū)域的值分別為1、-2、0。使用濾波器σ=1.2對最小尺度空間值對圖像進行濾波及特征點檢測，然后在響應(yīng)的無人機影像上對采樣點進行非極大抑制，最終特征點就能夠被確定。1.3本文算法快速處理步驟

圖2無人機原始數(shù)據(jù)

考慮到雄安建設(shè)對本次工作任務(wù)有較高的時效性要求，傳統(tǒng)旋翼無人機受電池續(xù)航、作業(yè)速度等因素影響，外業(yè)無人機影像采集效率低，因此本次任務(wù)采用固定翼無人機對高鐵站片區(qū)進行影像采集工作。其具有巡航作業(yè)時間長，機身穩(wěn)定，控制半徑大等特點，可以滿足本次工作需求，無人機參數(shù)見表1。本次作業(yè)無人....

圖3航線任務(wù)規(guī)劃

本次作業(yè)無人機共飛行4個架次，作業(yè)面積11.1km2，總航程185.674km，總飛行時間183min，飛行高度200m，飛行速度17m/s，飛機航向、旁向重疊率高達80%，照片分辨率3cm，拍照間距32m。航線規(guī)劃如圖3所示。1.4.2內(nèi)業(yè)數(shù)據(jù)情況

圖4測控區(qū)域三角網(wǎng)與灰度影像

FastR-CNN是結(jié)構(gòu)中隊整個預(yù)測礦篩選、回歸和分類的重要階段，網(wǎng)絡(luò)結(jié)構(gòu)圖以及其中的關(guān)鍵參數(shù)如圖6所示。本節(jié)將以ROIpooling、分類層和回歸層、FastR-CNN后處理模塊等方面進行闡述。2.2.1興趣區(qū)域池化(ROI-Pooling)層

本文編號：3906779