在野外災害應急與救援過程中,受災害或復雜地表環(huán)境的影響,快速搜索一條到達目的地的可通行性路徑是一項具有挑戰(zhàn)性的任務。近些年隨著空地協(xié)同技術的不斷發(fā)展,利用無人機為地面車載系統(tǒng)提供其周邊環(huán)境的數(shù)據(jù)并搜索可通行路徑成為空地協(xié)同技術研發(fā)的一個熱點。本文利用機器學習方法,結合基于無人機獲取的野外可見光影像自動生成的數(shù)字表面模型（DSM）對該無人機可見光影像進行了詳細分類,得到了較傳統(tǒng)方法更好的分類結果;然后基于一般性規(guī)律,建立了地表可通行性判斷條件與通行速度計算公式;再通過引入分類結果以及分類的不確定性因子,對A*算法進行了改進。基于改進的A*算法實現(xiàn)了實驗區(qū)可通行性路徑的快速搜索以及路徑的可靠性評價,實驗表明本文方法可得到更合理的結果。 

【文章來源】：石河子大學學報(自然科學版). 2019,37(01)北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

實驗區(qū)（新疆阿勒泰市克蘭河流域）無人機航拍影像與數(shù)字表面模型

以及數(shù)字表面模型(DSM)（圖1）。由于空地協(xié)同系統(tǒng)的應用環(huán)境通常比較復雜，比如人眼不易判別地物及周邊條件的環(huán)境，因此我們所選取的實驗時間和區(qū)域均具有一定的挑戰(zhàn)性，如圖1無人機所獲取的區(qū)域，不同種類的地物，即使人眼判別也有一定難度。針對該區(qū)域地表覆蓋情況，我們將地物分為九類，類別如表1所示，常規(guī)的遙感影像分類算法很難對這類環(huán)境的可見光影像進行良好分類。在本項研究中我們使用訓練好的卷積神經(jīng)網(wǎng)絡對該可見光影像進行分類，得到的結果如圖2所示，分類的整體精度為97.9630%，其Kappa系數(shù)為0.9765；圖3展示了該區(qū)域內(nèi)像元分類正確性的分布圖。圖1實驗區(qū)（新疆阿勒泰市克蘭河流域）無人機航拍影像與數(shù)字表面模型Fig.1AerialimagecapturedusingUAVandcorrespondingDSMintheexperimentalarea(KelanRiverBasin,AltayXinjiang)圖2克蘭河流域遙感影像分類結果圖Fig.2ClassificationresultmapforremotesensingimageoftheKelanRiverBasin圖3實驗區(qū)域像元分類正確性分布圖（灰度越小，表明正確率越高）Fig.3Distributionofclassificationcorrectnessofthepixelsinexperimentalarea(Thesmallerthegraylevel,thehigherthecorrectrate)李修賢，等：面向空地協(xié)同應急的地表可通行性分析方法15

影像處理軟件進行全自動拼接處理，得到航拍區(qū)域的拼接影像以及數(shù)字表面模型(DSM)（圖1）。由于空地協(xié)同系統(tǒng)的應用環(huán)境通常比較復雜，比如人眼不易判別地物及周邊條件的環(huán)境，因此我們所選取的實驗時間和區(qū)域均具有一定的挑戰(zhàn)性，如圖1無人機所獲取的區(qū)域，不同種類的地物，即使人眼判別也有一定難度。針對該區(qū)域地表覆蓋情況，我們將地物分為九類，類別如表1所示，常規(guī)的遙感影像分類算法很難對這類環(huán)境的可見光影像進行良好分類。在本項研究中我們使用訓練好的卷積神經(jīng)網(wǎng)絡對該可見光影像進行分類，得到的結果如圖2所示，分類的整體精度為97.9630%，其Kappa系數(shù)為0.9765；圖3展示了該區(qū)域內(nèi)像元分類正確性的分布圖。圖1實驗區(qū)（新疆阿勒泰市克蘭河流域）無人機航拍影像與數(shù)字表面模型Fig.1AerialimagecapturedusingUAVandcorrespondingDSMintheexperimentalarea(KelanRiverBasin,AltayXinjiang)圖2克蘭河流域遙感影像分類結果圖Fig.2ClassificationresultmapforremotesensingimageoftheKelanRiverBasin圖3實驗區(qū)域像元分類正確性分布圖（灰度越小，表明正確率越高）Fig.3Distributionofclassificationcorrectnessofthepixelsinexperimentalarea(Thesmallerthegraylevel,thehigherthecorrectrate)李修賢，等：面向空地協(xié)同應急的地表可通行性分析方法15

【參考文獻】：
期刊論文
[1]基于深度學習的高分辨率遙感影像分類研究[J]. 劉大偉,韓玲,韓曉勇.  光學學報. 2016(04)
[2]基于DBN模型的遙感圖像分類[J]. 呂啟,竇勇,牛新,徐佳慶,夏飛.  計算機研究與發(fā)展. 2014(09)



本文編號：3279452