技术特征：
1.基于大型无人机增强态势感知的多源遥感数据获取与处理方法，其特征在于，具体步骤为：步骤1、在大型无人机a上安装高精度pos(gnss/imu)系统b，其中，gnss航空天线安装在a机背上，以保证gnss航空天线不受干扰且良好接收到gnss信号。步骤2、将合成孔径雷达c、激光雷达系统d、高光谱成像仪e、热红外成像仪f、高分视频相机g和倾斜摄影相机h以及必要的环境监测传感器i等与b深度集成后挂载到大型无人机a的底部，形成大型无人机a机载多源遥感系统，用于多源遥感数据获取作业。步骤3、为提高多源遥感数据获取作业效率以及作业成果的精准度，大型无人机a搭载多源遥感系统进行数据获取作业，应充分做好以下几个方面：(1)在l区域内地面架设1个或多个gnss基站进行同步数据观测，以用于机载pos系统事后差分或者实时rtk计算，原则上，数据观测频率不低于1hz。(2)也可与我国各类cors观测数据(如省自然资源cors系统及其他部门的cors系统等)对接，进行必要技术参数设置，达到(1)的性能。(3)根据实际情况，也可不必考虑(1)和(2)，而通过采用精密星历处理机载pos数据。(4)大型无人机a起飞前和降落后应至少保持10分钟的pos系统正常开机状态。(5)大型无人机a每架次进入首航线前和离开末航线后，均应做8字或十字飞行动作，以利于后续的pos系统之imu计算瞬态姿态的精准度。(6)作业前，应进行航线设计并优化，充分保证各遥感器的航向重叠、旁向重叠、空间分辨率等符合l区域的态势感知和风险监测预测需求。(7)作业过程中，可根据实际情况，重新调整航线，进行补充飞行或者敏感地区、重点险情监测等。步骤4、步骤2中c、d、e、f、g、h以及i等与b深度集成，原则上由两种方法构成：第一种方法是仅一套pos系统b与c、d、e、f、g、h以及i等捷联形成刚性系统，第二种方法是采用一个gnss航空天线通过一对多功分器与多于1个以上pos系统如b1、b2、
……
等进行连接，而b1、b2、
……
等多个pos系统既可1对1与c、d、e、f、g、h以及i等分别捷联，也可1对多与c、d、e、f、g、h以及i等捷联，而形成刚性系统。步骤5、步骤4中第一种方法，c、d、e、f、g、h以及i等遥感器数据获取的瞬态位置信息，可以通过如下方法计算：(1)pos系统b中的gnss数据与在l区域内地面架设的1个或多个gnss基站同步观测数据进行事后差分或者实时rtk计算，获得高精度的数据获取瞬态位置信息以及航迹信息等。(2)pos系统b中的gnss数据与我国各类cors观测数据进行事后差分或者实时rtk计算，获得高精度的数据获取瞬态位置信息以及航迹信息等。(3)利用精密星历对pos系统b中的gnss数据进行处理，获得高精度的数据获取瞬态位置信息以及航迹信息等。步骤6、步骤4中第二种方法，c、d、e、f、g、h以及i等遥感器数据获取的瞬态位置信息，可分别参照步骤5进行计算。步骤7、步骤4中第一种方法，c、d、e、f、g、h以及i等遥感器数据获取的瞬态姿态信息，可利用计算出的pos系统b高精度位置信息对imu进行高精度对准，从而输出c、d、e、f、g、h以及i等遥感器数据获取的瞬态姿态信息。
步骤8、步骤4中第二种方法，c、d、e、f、g、h以及i等遥感器数据获取的瞬态姿态信息，可分别参照步骤7进行计算。步骤9、利用增强的机载通信能力、机上数据处理能力，在j、k数据中心可收到必要的实时数据，进行快速处理，与l区域内已有的空间数据以及其他来源的信息等进行叠加、融合分析，可实时显示l区域内的风险监测及态势信息。步骤10、在j、k数据中心，根据降落后a获得的全部多源数据，实现数据存储(云服务)、数据查询检索、数据编解码、在线数据处理、快速数据处理、高精准数据处理、多源数据融合分析、深度智能化理解及数据分发，生成数字表面模型(dsm)、数字高程模型(dem)、正射影像(dom)、真正射影像(tdom)、实景三维模型、激光雷达点云、激光能量反射强度图、高光谱特性曲线、热红外图以及火情风险、水情风险、滑坡风险、地表沉降风险、病虫害风险等专题数据等，可提供秒级、分钟级、小时级等不同时效和类型(专题)的态势数据，适应多种灾害类型、地理环境和气候条件的实战化应用需求。步骤11、重复步骤3至步骤10，实现态势感知常态化。2.根据权利要求1所述的基于大型无人机增强态势感知的多源遥感数据获取与处理方法，其特征在于，步骤1至步骤8中关于pos系统安装及有关作业等，pos系统b可通过gnss事后差分、实时rtk或精密星历方法计算出各遥感器数据获取的高精度瞬态位置信息，并由此对imu进行对准，计算出各遥感器数据获取的高精度瞬态姿态信息。3.根据权利要求1所述的基于大型无人机增强态势感知的多源遥感数据获取与处理方法，其特征在于，机载合成孔径雷达c可适应多种灾害类型、地理环境和气候条件进行数据获取作业，并可获取到高分辨率的合成孔径雷达影像和高程数据等。4.根据权利要求1所述的基于大型无人机增强态势感知的多源遥感数据获取与处理方法，其特征在于，机载激光雷达系统d可不受光照条件约束昼夜获取l区域内高精度的激光点云数据及激光能量反射强度图等。5.根据权利要求1所述的基于大型无人机增强态势感知的多源遥感数据获取与处理方法，其特征在于，高光谱成像仪e可获得l区域不少于200个波段数的光谱信息，不仅为地形地物分类进行客观化分类提供数据分析基础，而且可通过数据反演计算为火灾、水灾、矿山异常、地质异常、病虫害等险情提供数据分析基础。6.根据权利要求1所述的基于大型无人机增强态势感知的多源遥感数据获取与处理方法，其特征在于，热红外成像仪f可获得l区域的热红外效应数据，利于监测热红外效应相关险情及态势状况。7.根据权利要求1所述的基于大型无人机增强态势感知的多源遥感数据获取与处理方法，其特征在于，高分视频相机g可实时输出敏感地区、重点险情监测情况，并进行实时叠加、融合分析，实现态势感知可视化。8.根据权利要求1所述的基于大型无人机增强态势感知的多源遥感数据获取与处理方法，其特征在于，倾斜摄影相机h可建立敏感地区、重点险情监测的高分辨率、高精度实景三维模型，以利于全维度评价险情和态势，特别是对风险监测预测能力的显著增强。9.根据权利要求1所述的基于大型无人机增强态势感知的多源遥感数据获取与处理方法，其特征在于，环境监测传感器i可实时传送到j、k数据中心，并与其他来源数据进行融合分析，进一步提高态势感知和风险监测预测的可靠性。
10.根据权利要求1所述的基于大型无人机增强态势感知的多源遥感数据获取与处理方法，其特征在于，机载合成孔径雷达c、激光雷达系统d、高光谱成像仪e、热红外成像仪f、高分视频相机g和倾斜摄影相机h以及必要的环境监测传感器i等因各种原因而部分不能获得数据，也能够对l区域实现态势感知和风险监测预测能力。11.根据权利要求1所述的基于大型无人机增强态势感知的多源遥感数据获取与处理方法，其特征在于，步骤9中，利用增强的机载通信能力、机上数据处理能力，在j、k数据中心可收到必要的实时数据，与l区域内已有的空间数据以及其他来源的信息等进行叠加、融合分析，可实时显示l区域内的风险监测及态势信息。对可能存在的风险管控区域l进行多源遥感数据获取与处理并对l实现态势感知和风险监测预测能力。本发明比当前的态势感知和风险监测预测方法有显著增强：(1)采用的多源遥感器，可在各种天候条件下昼夜获得数据。(2)态势感知和风险监测预测既精准又可靠。(3)作业效率高。12.根据权利要求1所述的基于大型无人机增强态势感知的多源遥感数据获取与处理方法，其特征在于，步骤10中，在j、k数据中心，根据降落后a获得的全部多源数据，可提供秒级、分钟级、小时级等不同时效和类型(专题)的态势数据，适应多种灾害类型、地理环境和气候条件的实战化应用需求。
技术总结
本发明提出了一种基于大型无人机增强态势感知的多源遥感数据获取与处理方法，首先，在大型无人机A上安装高精度POS(GNSS/IMU)系统B，并将合成孔径雷达C、激光雷达D、高光谱成像仪E、热红外成像仪F、高分视频相机G和倾斜摄影相机H以及环境监测传感器I等与B深度集成后挂载到A的底部，然后，对大型无人机A进行必要的技改，增强其机载数据通信、机上数据处理及数据中心的能力，对可能存在的风险区域L进行多源遥感数据获取与处理并实现态势感知和风险监测预测。本发明比当前的态势感知和风险监测预测方法有显著增强：(1)采用的多源遥感器，可在各种天候条件下昼夜获得数据。(2)态势感知和风险监测预测既精准又可靠。(3)作业效率高。高。高。
技术研发人员：李铁军
受保护的技术使用者：航天图景（北京）科技有限公司
技术研发日：2020.12.18
技术公布日：2022/6/21