【技术实现步骤摘要】
本专利技术涉及森林火灾防控，具体涉及一种基于机载光电吊舱的森林火灾消防作业辅助决策方法及系统。
技术介绍
1、传统的森林火灾监测手段主要依赖地面站点和卫星遥感，这些方法在空间分辨率和实时性上存在不足，难以提供精细化的火灾态势信息，导致消防作业的效率低下，甚至错失最佳扑救时机。相比于地面站点和卫星遥感，机载平台具有高度的灵活性，能够快速覆盖大范围火场，并根据需求调整观测角度和范围。
2、搭载光学传感器、红外传感器、激光测距仪、伺服控制系统、组合惯性导航系统的机载光电吊舱，非常适用于森林火灾监测。例如，监测区域内的异常热点，结合激光测距信息及光电吊舱位姿信息实现火源粗定位。然而当前基于机载监测吊舱的火灾监测手段自动化程度较低，往往将火蔓延的三维面特征降维成一维点特征，没有形成高效的森林火灾消防作业辅助决策体系。
技术实现思路
1、鉴于以上问题，本专利技术提出一种基于机载光电吊舱的森林火灾消防作业辅助决策方法及系统。
2、根据本专利技术的一方面，提出一种基于机载光电吊舱的森林火灾消防作业辅助决策方法，该方法包括以下步骤：
3、采集连续帧图像并对帧图像进行第一次处理，以检测当前帧是否存在火情；
4、对检测到火情的图像帧进行第二次处理，以识别火前锋；其中，所述火前锋定义为火焰向前扩展的部分，其轮廓曲线为燃烧区与未燃区的交界线；
5、基于火前锋形态特征进行第三次处理，获取火前锋轮廓曲线关键点；
6、计算所述关键点相对于该帧
7、对所述相对像素坐标进行第四次处理，以确定机载光电吊舱上激光测距仪对准各个关键点所需的伺服系统控制量，并基于所述伺服系统控制量对各个关键点进行测距；
8、基于测距获得的各个关键点与激光测距仪的相对位置进行第五次处理，计算获得火前锋的位置；
9、根据所述火前锋的位置和其他信息对火势蔓延进行预测；
10、根据所述火前锋的位置以及蔓延预测结果对消防力量撤退路线进行实时规划和动态更新。
11、进一步地，所述对帧图像进行第一次处理，以检测当前帧是否存在火情包括：所述帧图像包括可见光图像和红外图像，对可见光图像和红外图像分别提取不同尺度的特征；将两种特征进行加权融合，获取融合特征；将所有尺度的融合特征进行拼接，获取融合多模态图像的融合特征图；将所述融合特征图输入基于深度学习的火情检测模型中进行火情检测，检测确定当前帧是否存在火情。
12、进一步地，所述对检测到火情的图像帧进行第二次处理包括：对检测到火情的图像帧进行图像分割，获取二值图像；使用canny算法提取二值图像中燃烧区域的边缘；计算相邻帧之间的光流，进而得到光流速度；将光流速度大于预设速度阈值的像素所构成的曲线识别为火前锋轮廓曲线。
13、进一步地，所述基于火前锋形态特征进行第三次处理，获取火前锋轮廓曲线关键点包括：沿火前锋曲线轮廓计算每个点的曲率值，对全部曲率值进行排序，并为每个点分配一个索引i；其中，曲率值最大的点分配索引值为1，曲率值最小的点分配索引值为n，n表示火前锋曲线轮廓上火点的个数；设机载光电吊舱上激光测距仪的可连续探测点数为p，火前锋曲线轮廓上索引值小于等于p的各点为激光测距仪待测距的火前锋轮廓曲线关键点。
14、进一步地，所述对所述相对像素坐标进行第四次处理，以确定机载光电吊舱上激光测距仪对准各个关键点所需的伺服系统控制量包括：将相对像素坐标转换为归一化相机坐标；在归一化相机坐标系中计算水平和垂直方向的角度偏差；根据角度偏差，按下式计算获得伺服系统控制量：
15、δαx＝kx·θx，δαy＝ky·θy
16、式中，δαx表示伺服系统在水平方向上的调整角度，δαy表示伺服系统在垂直方向上的调整角度，kx和ky为伺服系统的增益系数；θx，θy分别表示水平和垂直方向的角度偏差。
17、进一步地，所述基于测距获得的各个关键点与激光测距仪的相对位置进行第五次处理，计算获得火前锋的位置包括：
18、若激光测距仪的可连续探测点数p等于1，通过激光测距仪到地面的距离、像素尺寸及焦距计算像素采样距离，以火前锋关键点为参考点，通过其余像素与关键点之间的像素距离及像素采样距离计算各像素与参考点的实际相对位置；结合关键点的实际坐标计算出火前锋曲线轮廓上其余各点的实际位置；
19、若激光测距仪的可连续探测点数p等于2，基于两个关键点的像素距离与实际距离计算像素与实际距离转换比例因子；求解两个关键点像素所在直线的方程；计算曲线轮廓上其余各点到所述直线的像素距离；根据像素距离与实际距离转换比例因子计算火前锋曲线轮廓上其余各点与所述直线的实际距离；根据所述直线上各点的实际位置、火前锋曲线轮廓上其余各点距直线的实际距离，计算出火前锋曲线轮廓上其余各点的实际位置；
20、若激光测距仪的可连续探测点数p大于或等于3，则对于火前锋曲线轮廓上各点，依次选择与其最相邻的三个关键点建立局部平面；通过像素平面与该局部平面之间的透视投影关系，将火前锋曲线轮廓上其余各点的二维像素坐标映射到三维空间，从而确定火前锋曲线轮廓上其余各点的实际位置。
21、进一步地，所述根据所述火前锋的位置以及蔓延预测结果对消防力量撤退路线进行实时规划和动态更新包括：基于火场周边区域地形特征计算该区域栅格地图内各栅格的疏散能力指数eci；基于当前火前锋位置及蔓延预测结果计算各栅格的综合安全指数csi；结合疏散能力指数eci、综合安全指数csi建立潜在安全路径评价函数；以最大化潜在安全路径评价函数为目标函数，采用a*算法求解获取撤退路线；结合光电吊舱的实时火前锋位置和火灾蔓延态势，动态更新各栅格的疏散能力指数eci和综合安全指数csi，实时调整撤退路线。
22、进一步地，所述疏散能力指数eci的计算公式为：
23、
24、其中，s(i,j)表示栅格(i,j)的坡度；d(i,j)表示栅格内障碍物密度；α1和α2表示调节系数；
25、所述综合安全指数csi的计算公式为：
26、csi(i,j)＝ω1·tsi(i,j)+ω2·ssi(i,j)
27、其中，tsi表示时间安全指数，tsafe(i,j)表示栅格(i,j)在火灾蔓延到达之前的安全时间，tarrival表示消防力量抵达栅格所需的时间；ssi表示空间安全指数，dfire(i,j)表示栅格(i,j)到火前锋的距离，ω1和ω2为权重。
28、进一步地，所述潜在安全路径评价函数的表达式为：
29、pathscore(i,j)＝λ1·eci(i,j)+λ2·csi(i,j)
30、其中，λ1和λ2表示疏散能力指数和综合安全指数的权重。
31、进一步地，所述其他信息包括：火场局地气象信息、地形地势信息、可燃物属性信息。
32、根据本专利技术的另一方面，提出一种基于机载光电吊本文档来自技高网...
【技术保护点】
1.一种基于机载光电吊舱的森林火灾消防作业辅助决策方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机载光电吊舱的森林火灾消防作业辅助决策方法，其特征在于，所述对帧图像进行第一次处理，以检测当前帧是否存在火情包括：所述帧图像包括可见光图像和红外图像，对可见光图像和红外图像分别提取不同尺度的特征；将两种特征进行加权融合，获取融合特征；将所有尺度的融合特征进行拼接，获取融合多模态图像的融合特征图；将所述融合特征图输入基于深度学习的火情检测模型中进行火情检测，检测确定当前帧是否存在火情。
3.根据权利要求2所述的一种基于机载光电吊舱的森林火灾消防作业辅助决策方法，其特征在于，所述对检测到火情的图像帧进行第二次处理包括：对检测到火情的图像帧进行图像分割，获取二值图像；使用Canny算法提取二值图像中燃烧区域的边缘；计算相邻帧之间的光流，进而得到光流速度；将光流速度大于预设速度阈值的像素所构成的曲线识别为火前锋轮廓曲线。
4.根据权利要求3所述的一种基于机载光电吊舱的森林火灾消防作业辅助决策方法，其特征在于，所述基于火前锋形态特征进行第三
5.根据权利要求4所述的一种基于机载光电吊舱的森林火灾消防作业辅助决策方法，其特征在于，所述对所述相对像素坐标进行第四次处理，以确定机载光电吊舱上激光测距仪对准各个关键点所需的伺服系统控制量包括：将相对像素坐标转换为归一化相机坐标；在归一化相机坐标系中计算水平和垂直方向的角度偏差；根据角度偏差，按下式计算获得伺服系统控制量：
6.根据权利要求5所述的一种基于机载光电吊舱的森林火灾消防作业辅助决策方法，其特征在于，所述基于测距获得的各个关键点与激光测距仪的相对位置进行第五次处理，计算获得火前锋的位置包括：
7.根据权利要求6所述的一种基于机载光电吊舱的森林火灾消防作业辅助决策方法，其特征在于，所述根据所述火前锋的位置以及蔓延预测结果对消防力量撤退路线进行实时规划和动态更新包括：基于火场周边区域地形特征计算该区域栅格地图内各栅格的疏散能力指数ECI；基于当前火前锋位置及蔓延预测结果计算各栅格的综合安全指数CSI；结合疏散能力指数ECI、综合安全指数CSI建立潜在安全路径评价函数；以最大化潜在安全路径评价函数为目标函数，采用A*算法求解获取撤退路线；结合光电吊舱的实时火前锋位置和火灾蔓延态势，动态更新各栅格的疏散能力指数ECI和综合安全指数CSI，实时调整撤退路线。
8.根据权利要求7所述的一种基于机载光电吊舱的森林火灾消防作业辅助决策方法，其特征在于，所述疏散能力指数ECI的计算公式为：
9.根据权利要求1所述的一种基于机载光电吊舱的森林火灾消防作业辅助决策方法，其特征在于，所述其他信息包括：火场局地气象信息、地形地势信息、可燃物属性信息。
10.一种基于机载光电吊舱的森林火灾消防作业辅助决策系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于机载光电吊舱的森林火灾消防作业辅助决策方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机载光电吊舱的森林火灾消防作业辅助决策方法，其特征在于，所述对帧图像进行第一次处理，以检测当前帧是否存在火情包括：所述帧图像包括可见光图像和红外图像，对可见光图像和红外图像分别提取不同尺度的特征；将两种特征进行加权融合，获取融合特征；将所有尺度的融合特征进行拼接，获取融合多模态图像的融合特征图；将所述融合特征图输入基于深度学习的火情检测模型中进行火情检测，检测确定当前帧是否存在火情。
3.根据权利要求2所述的一种基于机载光电吊舱的森林火灾消防作业辅助决策方法，其特征在于，所述对检测到火情的图像帧进行第二次处理包括：对检测到火情的图像帧进行图像分割，获取二值图像；使用canny算法提取二值图像中燃烧区域的边缘；计算相邻帧之间的光流，进而得到光流速度；将光流速度大于预设速度阈值的像素所构成的曲线识别为火前锋轮廓曲线。
4.根据权利要求3所述的一种基于机载光电吊舱的森林火灾消防作业辅助决策方法，其特征在于，所述基于火前锋形态特征进行第三次处理，获取火前锋轮廓曲线关键点包括：沿火前锋曲线轮廓计算每个点的曲率值，对全部曲率值进行排序，并为每个点分配一个索引i；其中，曲率值最大的点分配索引值为1，曲率值最小的点分配索引值为n，n表示火前锋曲线轮廓上火点的个数；设机载光电吊舱上激光测距仪的可连续探测点数为p，火前锋曲线轮廓上索引值小于等于p的各点为激光测距仪待测距的火前锋轮廓曲线关键点。
5.根据权利要求4所述的一种基于机载光电吊舱的森林火灾消防作业辅助决策...
【专利技术属性】
技术研发人员：李兴东，林传营，郭赞权，马越，胡壮，
申请(专利权)人：东北林业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。