一种隧道异常状态监测方法和无人机装置与流程

本发明属于无人机技术领域，涉及监测隧道内环境的方法。具体的说是一种隧道异常状态监测方法和无人机装置。

背景技术

近年来，无人机技术不断发展，从而拓宽了无人机的应用领域，社会对于无人机的使用也在不断提升，无人机已经逐渐在军用、商用以及民用中发挥重要作用。

隧道内的环境监测是一项非常重要的工作，包括隧道内障碍物的监测、铁轨的使用状态监测以及隧道是否存在裂缝的监测等。

传统的方式是通过人力来进行监测，不仅消耗人力成本，而且在一些危险的环境下可能会对巡检人员的生命安全造成威胁。如果通过安装固定高清相机的方式来监测隧道内环境，不仅成本高，而且后期扩展性比较差。

一个行之有效的方法是使用无人机来监测隧道内的环境。通过在无人机上安装高清相机实现对隧道内环境的拍摄，并对异常环境进行重点拍摄，进而实现后期监测。

技术实现要素：

针对上述问题，本发明提出了一种隧道异常状态监测方法和无人机装置，实现隧道内环境的无人机自主监测。无人机从隧道一端进入，自主定位飞行穿过隧道，同时无人机能全程记录隧道内的环境并对异常环境进行重点拍摄。当隧道内存在障碍物时，无人机能检测障碍物并且绕过，如果障碍物太大无法通过，无人机自动返回入口。

所述的隧道异常状态监测无人机装置，包括：550轴距无人机以及与无人机相连的微型电脑；微型电脑用于计算调整无人机飞行策略，控制无人机飞行并分析环境异常。

所述的550轴距无人机在顶部，水平和底部三个方向，同时对应安装360度顶部激光传感器，360度水平激光测距仪以及360度底部激光传感器；分别监测无人机与机头斜前上方障碍物，水平障碍物以及与机头斜前下方障碍物的距离，并将各传感器所得数据传输到微型电脑中。

同时，高清相机通过三轴云台固定在550轴距无人机上，无人机通过光流传感器保持自身和高清相机的稳定。550轴距无人机自带前视高亮度补光光源，底部高亮度补光光源以及风速测量仪。

所述的隧道异常状态监测无人机装置工作过程如下：

无人机进入隧道内后，打开自带的前视高亮度补光光源和底部高亮度补光光源，同时高清相机开始全程拍摄记录隧道内的环境；采用激光slam技术确定自身位置，无人机的360度顶部激光传感器，360度水平激光测距仪以及360度底部激光传感器分别实时监测无人机与机头斜前上方是否存在障碍物，无人机水平方向是否存在障碍物以及与无人机与机头斜前下方是否存在障碍物。如果无人机在飞行过程中没有遇到任何障碍，则无人机按照当前方向和速度继续飞行。

否则，360度顶部激光传感器，360度水平激光测距仪以及360度底部激光传感器分别返回无人机与机头斜前上方障碍物，水平障碍物以及与机头斜前下方障碍物的距离，当无人机与任意一个障碍物的距离小于或等于其安全半径时，无人机处于冲突状态。

当无人机进入冲突状态后，无人机立刻悬停，微型电脑重新计算并移动无人机的位置，直至无人机向前飞行不会发生冲突，然后无人机继续向前飞行并且继续拍摄隧道内环境直至穿过隧道。

如果障碍物太大或太多无法通过，则无人机按照原路线返回入口。

隧道异常状态监测方法，具体步骤如下：

步骤一、将无人机上安装360度顶部激光传感器，360度水平激光测距仪以及360度底部激光传感器，高清相机，补光光源和风速测量仪；并与微型电脑连接进行调试飞行。

步骤二、调试好后的无人机向隧道里飞行，高清相机开始全程拍摄记录。

步骤三、无人机的各360度激光传感器检测是否存在障碍物，并判断无人机与各方向上障碍物之间的距离是否小于等于安全半径，如果是，无人机到达冲突状态，进入步骤四，否则，进入步骤五；

把无人机看作一个中心点，在无人机飞行过程中的每一个时间步，以该中心点为基础，利用三个360度激光传感器来检测无人机与隧道顶部、底部、两边墙壁之间是否存在障碍物，当在飞行过程中没有遇到任何障碍，则无人机按照当前方向和速度继续飞行。

当碰到障碍物时，障碍物所在方向上的360度激光传感器计算该中心点与障碍物之间的距离，若该距离小于无人机的安全半径rc时，则判定该无人机进入到冲突状态，否则不进入冲突状态。

步骤四、微型电脑控制无人机飞行，调整飞行策略并判断是否能解脱冲突；如果是，进入步骤五；否则，无人机拍摄记录障碍物信息，按原路线返回，流程结束。

无人机进入冲突状态后，速度降为0，处于悬停状态进行冲突解脱：

首先，无人机以自身为中心，以隧道两边墙壁连接的方向为x轴，以隧道顶部底部连接的方向为y轴，以无人机飞行的方向为z轴建立坐标系；

然后，无人机通过360度激光传感器测得与障碍物之间的距离为l(l＜rc)，与障碍物之间的连线与x-y平面的夹角为θ，将障碍物与无人机投影到x-y平面内，此时无人机与障碍物之间的距离为l·cosθ，则在x-y平面内无人机解脱冲突需要移动的最短距离为rc-l·cosθ，方向为沿着障碍物与无人机连线的方向。

无人机按照最短的移动距离来进行冲突解脱，冲突解脱后无人机继续向隧道里飞行。

类似地，当无人机与多个障碍物同时发生冲突不能解脱时，无人机拍摄记录障碍物信息，按原路线返回。

步骤五、无人机利用内置的二阶关联信息的特征增强算法，对高清相机拍摄的图像进行即时监测分析，并输出异常区域的位置进行重点拍摄。

具体步骤如下：

步骤501、输入1024dpi×1024dpi×3通道的拍摄图片，通过神经网络进行图像特征提取，生成8dpi×8dpi×256通道的图片；

步骤502、每个通道是一个8×8的矩阵ai(i＝1,2,…,256)，对于每一个矩阵ai，设xit＝(xit_1,xit_2,…,xit_8)为该矩阵8个横向量构成的8维随机变量；

步骤503、利用8维随机变量xit进一步计算协方差矩阵cit；

其中，cit_jk＝cov(xit_j,xit_k)j,k＝1,2,...,8；xit_j和xit_k分别为8维随机变量的分量。

步骤504、对于每一个矩阵ai，计算该矩阵8个列向量构成的8维随机变量xiv＝(xiv1,xiv2,…,xiv8；)

步骤505、利用8维随机变量xiv进一步计算协方差矩阵civ；

步骤506、最终对每个矩阵ai，利用协方差矩阵cit和协方差矩阵civ得到特征增强后的矩阵

步骤507、将特征增强后的矩阵通过平均值池化变成一个长度为512维的特征向量，再通过全连接层，判断存在的异常区域，从而对异常区域进行重点拍摄。

步骤六、判定无人机是否穿过隧道，拍摄全部完成，如果是，流程结束；否则，跳至步骤二。

本发明的优点在于：

1.一种隧道异常状态监测无人机装置，能够通过激光定位的方式，实现无人机能够在没有gps定位信号的隧道内自主飞行导航或返航，并且通过机身上装有的高亮度补光光源和高清相机对隧道内的环境进行拍摄，从而可以进行后期监测。

2.一种隧道异常状态监测方法，可以实现无人机在隧道内遇到障碍物后的自主冲突解脱以及即时图像处理，对图像的异常区域进行重点拍摄。

3.一种隧道异常状态监测方法，围绕隧道内环境的无人机自主监测，从提高监测安全性和高效性两方面出发，开展隧道内环境的监测。对于确保无人机飞行安全，提高监测的效率具有重要的意义。

4.一种隧道异常状态监测方法，能够实现无人机的自主监测，精度高，可以有效解决复杂条件下的隧道内环境监测问题。同时，本发明能够代替传统人力监测，节省人力成本，降低巡检成员工作的危险性。

附图说明

图1为本发明一种隧道异常状态监测无人机装置的硬件架构图；

图2为本发明一种隧道异常状态监测方法的流程图；

图3为本发明无人机在隧道内发生冲突的示意图；

图4为本发明无人机在自主飞行过程中的冲突解脱示意图；

图5为本发明无人机对拍摄图像进行即时监测分析流程图；

图中1-550轴距无人机，2-微型电脑，3-360度水平激光测距仪，4-光流传感器，5-360度顶部激光传感器，6-360度底部激光传感器，7-三轴云台，8-高清相机，9-前视高亮度补光光源，10-底部高亮度补光光源，11-风速测量仪。

具体实施方式

下面将结合附图对本发明作进一步的详细说明。

本发明提供了一种隧道异常状态监测方法和无人机装置，实现隧道内环境的无人机自主监测。

所述的隧道异常状态监测方法，主要包括：通过高清相机来拍摄隧道内的环境，包括铁轨状态、隧道内障碍物和隧道裂缝等；并基于二阶关联信息特征增强算法对图像进行即时分析，对异常环境重点拍摄，以及定制在遇到障碍物后无人机的自主冲突解脱策略。首先通过高亮度补光光源解决隧道内没有光线或光线很暗的问题，同时结合光流传感器和三轴云台保持高清相机的稳定，从而实现隧道内环境的正常拍摄。其次为了保证无人机的安全，通过激光传感器来检测无人机与隧道顶部、底部、两边墙壁以及可能存在的障碍物之间的距离，从而进一步决定无人机的飞行策略，最终实现整个隧道内环境的监测。

所述的隧道异常状态监测无人机装置，如图1所示，包括：550轴距无人机1以及与无人机相连的微型电脑2；微型电脑2用于计算调整无人机飞行策略，控制无人机飞行并分析环境异常。

所述的550轴距无人机1在顶部，水平和底部三个方向，同时对应安装360度顶部激光传感器5，360度水平激光测距仪3以及360度底部激光传感器6；分别监测无人机与机头斜前上方障碍物，水平障碍物以及与机头斜前下方障碍物的距离，并将各传感器所得数据传输到微型电脑中。

同时，高清相机8通过三轴云台7固定在550轴距无人机1上，550轴距无人机1自带前视高亮度补光光源9，底部高亮度补光光源10以及风速测量仪11，当检测到风速较大时，无人机机身产生震动，打开光流传感器4保持自身机身和高清相机8的稳定。

所述的隧道异常状态监测无人机装置工作过程如下：

无人机进入隧道内后，由于隧道内没有光线或光线很暗，打开自带的前视高亮度补光光源和底部高亮度补光光源，同时高清相机开始全程拍摄记录隧道内的环境；通过拍摄的画面进行后期隧道内环境的人为监测。

无人机进入隧道后，由于隧道内可能没有gps定位信号，采用激光slam技术确定自身位置，无人机的360度顶部激光传感器，360度水平激光测距仪以及360度底部激光传感器分别实时监测无人机与机头斜前上方是否存在障碍物，无人机水平方向是否存在障碍物以及与无人机与机头斜前下方是否存在障碍物。如果无人机在飞行过程中没有遇到任何障碍，则无人机按照当前方向和速度继续飞行。

否则，360度顶部激光传感器，360度水平激光测距仪以及360度底部激光传感器分别返回无人机与机头斜前上方障碍物，水平障碍物以及与机头斜前下方障碍物的距离，当无人机与任意一个障碍物的距离小于或等于其安全半径时，无人机处于冲突状态。

当无人机进入冲突状态后，无人机立刻悬停，微型电脑重新计算并移动无人机的位置，直至无人机向前飞行不会发生冲突，然后无人机继续向前飞行并且继续拍摄隧道内环境直至穿过隧道。

如果障碍物太大或太多无法通过，则无人机按照原路线返回入口。

同时无人机在拍摄隧道内的画面后会即时进行处理，如果发现隧道内的环境存在异常，会对异常场景进行重点拍摄。

隧道异常状态监测方法，如图2所示，具体步骤如下：

步骤一、将无人机上安装360度顶部激光传感器，360度水平激光测距仪以及360度底部激光传感器，高清相机，补光光源和风速测量仪；并与微型电脑连接进行调试飞行。

步骤二、调试好后的无人机向隧道里飞行，高清相机开始全程拍摄记录。

由于隧道内的环境很暗，打开前视高亮度补光光源和底部高亮度补光光源，从而使用高清相机对隧道内的环境进行拍摄。同时隧道内可能会有不规则的气流造成无人机机身的不稳定，打开光流传感器来监测和保持无人机机身稳定，同时使用三轴云台来保持高清相机的稳定，从而可以更清楚地拍摄记录隧道内的环境，进一步实现即时和后期的隧道内环境监测。

步骤三、无人机在飞行过程中进行冲突探测，各360度激光传感器检测是否存在障碍物，并判断无人机与各方向上障碍物之间的距离是否小于等于安全半径，如果是，无人机到达冲突状态，进入步骤四，否则，进入步骤五；

把无人机看作一个中心点，在无人机飞行过程中的每一个时间步，以该中心点为基础，利用三个360度激光传感器来检测无人机与隧道顶部、底部、两边墙壁之间是否存在障碍物，当在飞行过程中没有遇到任何障碍，则无人机按照当前方向和速度继续飞行。

如图3所示，当碰到障碍物时，障碍物所在方向上的360度激光传感器计算该中心点与障碍物之间的距离，若该距离小于无人机的安全半径rc时，则判定该无人机进入到冲突状态，否则不进入冲突状态。

步骤四、微型电脑控制无人机飞行，调整飞行策略并判断是否能解脱冲突；如果是，进入步骤五；否则，无人机拍摄记录障碍物信息，按原路线返回，流程结束。

无人机进入冲突状态后，速度降为0，处于悬停状态进行冲突解脱：

首先，无人机以自身为中心，以水平方向即隧道两边墙壁连接的方向为x轴，以竖直方向即隧道顶部底部连接的方向为y轴，以向隧道里的方向即无人机飞行的方向为z轴建立坐标系；

然后，假设冲突对象是障碍物，无人机通过360度激光传感器测得与障碍物之间的距离为l(l＜rc)，与障碍物之间的连线与x-y平面的夹角为θ，将障碍物与无人机投影到x-y平面内，如图4所示，此时无人机与障碍物之间的距离为l·cosθ，则在x-y平面内无人机解脱冲突需要移动的最短距离为rc-l·cosθ，方向为沿着障碍物与无人机连线的方向。

为了尽量减少能耗，增加无人机的航行时间，无人机按照最短的移动距离来进行冲突解脱，冲突解脱后无人机继续向隧道里飞行。

类似地，如果无人机与多个障碍物同时发生冲突，则无人机依然选择最短的路径飞往非冲突区域，再继续向隧道里飞行。如果障碍物太多，不能解脱，无人机拍摄记录障碍物信息，按原路线返回。

步骤五、无人机利用内置的二阶关联信息的特征增强算法，对高清相机拍摄的图像进行即时监测分析，并输出异常区域的位置进行重点拍摄。

如图5所示，具体步骤如下：

步骤501、输入1024dpi×1024dpi×3通道的拍摄图片，通过神经网络进行图像特征提取，生成8dpi×8dpi×256通道的图片；

步骤502、每个通道是一个8×8的矩阵ai(i＝1,2,…,256)，对于每一个矩阵ai，设xit＝(xit_1,xit_2,…,xit_8)为该矩阵8个横向量构成的8维随机变量；

步骤503、利用8维随机变量xit进一步计算协方差矩阵cit；

其中，cit_jk＝cov(xit_j,xit_k)j,k＝1,2,...,8；xit_j和xit_k分别为8维随机变量的分量。

步骤504、对于每一个矩阵ai，计算该矩阵8个列向量构成的8维随机变量xiv＝(xiv1,xiv2,…,xiv8；)

步骤505、利用8维随机变量xiv进一步计算协方差矩阵civ；

步骤506、最终对每个矩阵ai，利用协方差矩阵cit和协方差矩阵civ得到特征增强后的矩阵

步骤507、将特征增强后的矩阵通过平均值池化变成一个长度为512维的特征向量，再通过全连接层，判断是否存在异常区域，从而对异常区域进行重点拍摄，并输出异常区域的对角线坐标。

如果有异常区域(可能是由铁轨缺少枕木、隧道墙壁存在裂缝等原因造成)，则输出异常区域对角线坐标，并对异常区域进行重点拍摄，从而进一步实现后期的人为观察。

步骤六、判定无人机是否穿过隧道，拍摄全部完成，如果是，则无人机对隧道内环境的监测完成；否则，无人机向隧道里飞行，并继续拍摄。

本发明在隧道环境下完成无人机的自主监测，可以节省人力成本，提高监测效率，为后续的人为监测提供便利，具有积极的意义。