在野外災(zāi)害應(yīng)急與救援過(guò)程中,受災(zāi)害或復(fù)雜地表環(huán)境的影響,快速搜索一條到達(dá)目的地的可通行性路徑是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。近些年隨著空地協(xié)同技術(shù)的不斷發(fā)展,利用無(wú)人機(jī)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(shù)研發(fā)的一個(gè)熱點(diǎn)。本文利用機(jī)器學(xué)習(xí)方法,結(jié)合基于無(wú)人機(jī)獲取的野外可見(jiàn)光影像自動(dòng)生成的數(shù)字表面模型（DSM）對(duì)該無(wú)人機(jī)可見(jiàn)光影像進(jìn)行了詳細(xì)分類,得到了較傳統(tǒng)方法更好的分類結(jié)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(jì)算公式;再通過(guò)引入分類結(jié)果以及分類的不確定性因子,對(duì)A*算法進(jìn)行了改進(jìn)�；诟倪M(jìn)的A*算法實(shí)現(xiàn)了實(shí)驗(yàn)區(qū)可通行性路徑的快速搜索以及路徑的可靠性評(píng)價(jià),實(shí)驗(yàn)表明本文方法可得到更合理的結(jié)果。 

【文章來(lái)源】：石河子大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019,37(01)北大核心

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

實(shí)驗(yàn)區(qū)（新疆阿勒泰市克蘭河流域）無(wú)人機(jī)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(yīng)用環(huán)境通常比較復(fù)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(shí)驗(yàn)時(shí)間和區(qū)域均具有一定的挑戰(zhàn)性，如圖1無(wú)人機(jī)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(duì)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(duì)這類環(huán)境的可見(jiàn)光影像進(jìn)行良好分類。在本項(xiàng)研究中我們使用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)對(duì)該可見(jiàn)光影像進(jìn)行分類，得到的結(jié)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(shí)驗(yàn)區(qū)（新疆阿勒泰市克蘭河流域）無(wú)人機(jī)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(jié)果圖Fig.2ClassificationresultmapforremotesensingimageoftheKelanRiverBasin圖3實(shí)驗(yàn)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(yīng)急的地表可通行性分析方法15

影像處理軟件進(jìn)行全自動(dòng)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(yīng)用環(huán)境通常比較復(fù)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(shí)驗(yàn)時(shí)間和區(qū)域均具有一定的挑戰(zhàn)性，如圖1無(wú)人機(jī)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(duì)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(duì)這類環(huán)境的可見(jiàn)光影像進(jìn)行良好分類。在本項(xiàng)研究中我們使用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)對(duì)該可見(jiàn)光影像進(jìn)行分類，得到的結(jié)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(shí)驗(yàn)區(qū)（新疆阿勒泰市克蘭河流域）無(wú)人機(jī)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(jié)果圖Fig.2ClassificationresultmapforremotesensingimageoftheKelanRiverBasin圖3實(shí)驗(yàn)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(yīng)急的地表可通行性分析方法15

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的高分辨率遙感影像分類研究[J]. 劉大偉,韓玲,韓曉勇.  光學(xué)學(xué)報(bào). 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(jì)算機(jī)研究與發(fā)展. 2014(09)



本文編號(hào)：3279452