本发明属于无人机技术领域，具体是一种无人机群大范围协同监测方法和装置。
背景技术
随着无人机技术的不断发展，应用领域也在不断扩大：包括农作物监测、影视拍摄和灾后救援等等。同时，无人机群协作也成为重要的发展趋势，无人机群能够控制更大的范围，实现功能互补和任务分担等。因此无人机群系统能够执行复杂任务，缩短执行任务的时间，提高出勤效率。
不确定条件下的环境监测是一项非常重要的工作，传统的方法是通过人力来进行监测，这种监测方式需要消耗大量的人力成本，而且一些危险的环境可能会威胁巡检人员的生命安全。同时，由于每个人的工作能力不尽相同，人力监测可能会出现疏忽。而像山地、湖泊、森林等区域由于面积巨大，也无法通过安装固定摄像头来进行监测。
技术实现要素：
本发明针对山地、森林或者湖泊等复杂环境，采用无人机群协同监测，提供了一种无人机群大范围协同监测方法和装置；通过在每个无人机上安装高清摄像机，对复杂环境进行往返协同监测，同时对拍摄的图像进行即时分析，如果发现异常区域，无人机则在返回途中对异常区域进行重点拍摄监测。
所述的无人机群大范围协同监测装置包括若干无人机，通过集群算法进行协调飞行；每个无人机上均安装飞控装置，360度激光扫描测距雷达，开发板，高清摄像机，三轴云台,光流传感器,高亮度补光光源以及风速测量仪。
360度激光扫描测距雷达探测该无人机周围的环境，开发板对拍摄后的图像进行分析；高清摄像机通过三轴云台固定在无人机上，无人机通过光流传感器保持自身和高清摄像机的稳定。飞控装置用来控制无人机飞行，在冲突状态下控制无人机的飞行角度偏转，改变飞行方向进行冲突解脱。
所述的无人机群大范围协同监测装置的具体工作过程为：
在飞控装置的控制下，每个无人机按照队形进行自主飞行，在无光以及无gps信号等不确定条件下，每个无人机通过360度激光扫描测距雷达探测自身的周围环境；在环境很暗的条件下，自动打开高亮度补光光源；飞行过程中通过高清摄像机对自身的下部环境进行拍摄监测，光流传感器和三轴云台能保持自身机身和高清摄像机的稳定；当飞行过程中，遇到障碍物进入冲突状态后，飞控装置对无人机的飞行角度进行偏转，改变无人机的飞行方向，进行冲突解脱。最后拍摄图像传送到开发板，检测是否存在异常区域。
所述的无人机群大范围协同监测方法，具体步骤如下：
步骤一、将每个无人机与各自的飞控装置、360度激光扫描测距雷达、开发板、光流传感器、高清摄像机、三轴云台、高亮度补光光源和风速测量仪进行组装并进行调试飞行，检测各飞行参数，确保无人机正常飞行。
步骤二、将若干组装并调试好的无人机编队组成无人机群，通过集群算法协调各无人机在不确定条件下对复杂环境进行大规模自主监测。
步骤三、每个无人机在不确定条件下飞行，360度激光扫描测距雷达以自身为中心，各自进行冲突探测和解脱。
首先，无人机群在刚开始编队飞行的时候，速度大小和方向一致，保持队形不变。
然后，飞行过程中，每个无人机都各自进行冲突探测；
无人机具有安全半径rc，rc＜rd，rd为周围环境的探测半径；以无人机为中心，如果360度激光扫描测距雷达检测到障碍物与该无人机的距离小于安全半径rc时，则该无人机处于冲突状态。
最后，当无人机处于冲突状态时，飞控装置对无人机的飞行角度进行偏转，改变无人机的飞行方向进行冲突解脱。
无人机以自身为中心，以飞行方向为z轴，以竖直向上方向为y轴，以垂直y-z平面为x轴建立空间坐标系。无人机根据障碍物的位置信息，将无人机与障碍物的连线方向记为w轴，在w-z平面内，当无人机距离障碍物的最小距离达到rc时，计算自身的飞行角度偏转最小角度θ，并通过飞控装置控制无人机按照偏转后的路线飞行实现冲突解脱。
步骤四、冲突解脱后，通过vicsek模型来调整无人机群中的各无人机飞行方向。
具体计算方法为：
对于每个无人机，速度方向取上一个时间步在各无人机探测半径rd内的所有无人机的平均速度方向；计算公式为：v(t+1)＝＜v(t)＞rd+δφ；其中v(t+1)表示t+1时刻该无人机的速度方向，＜v(t)＞rd表示检测半径rd内的所有无人机的平均速度方向，δφ是角度误差。
无人机群通过vicsek模型来调整各个无人机的速度方向，从而保持队形。
步骤五、每个无人机基于全局高斯的特征增强算法，通过各自的开发板对拍摄的图像进行分析，检测是否有异常区域；
具体步骤如下：
步骤501、每个无人机输入各自的1024dpi×1024dpi×3通道的拍摄图片给开发板，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、将特征提取后的图片看成64个256维的向量x＝(x1,x2,…,x64)，对64个向量的每个分量求平均值，得到平均向量μ；
步骤503、再将特征提取后的图片看成256个64维的向量y＝(y1,y2,…,y256)，计算256个向量的协方差矩阵∑；
矩阵的每个元素∑m_n为向量ym与yn的协方差；m,n＝1,2,....256。
步骤504、将协方差矩阵∑与平均向量μ构成一个新的257维方阵∑*；
步骤505、将257维方阵∑*展开成一个257×257维的特征向量，再通过神经网络的全连接层，即可检测出该无人机拍摄的异常区域。
步骤六、无人机群飞行通过待监测区域后按原路线返回，并在返回过程中对异常区域进行重点摄像监测，完成任务。
本发明的优点在于：
1)、一种无人机群大范围协同监测方法，能够在不确定条件下实现无人机群的协同认知，对山地、森林、湖泊等环境实现大范围的监测。
2)、一种无人机群大范围协同监测装置，无人机群在飞行过程中能够实现自主的冲突解脱以及通过vicsek模型保持队形，还能即时对拍摄的图像进行分析，如果发现异常，则在返回过程中对异常区域进行重点拍摄，具有高效性。
3)、一种无人机群大范围协同监测装置，可以大量减少人力成本，保障巡检人员的安全，实现对大范围区域的监测，对一些险情的及时发现和消除具有重要意义。
附图说明
图1为本发明无人机群大范围协同监测装置中无人机的结构图。
图2为本发明无人机冲突解脱的示意图。
图3为本发明无人机群通过vicsek模型调整飞行方向的示意图。
图4为本发明无人机群大范围协同监测方法流程图；
图5为本发明每个无人机基于全局高斯的特征增强算法检测是否有异常区域的流程图。
图中1-无人机，2-飞控装置，3-360度激光扫描测距雷达，4-开发板，5-光流传感器，6-高清摄像机，7-三轴云台，8-高亮度补光光源，9-风速测量仪。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。
本发明提供一种无人机群大范围协同监测方法和装置，所述的无人机群协同监测方法，主要包括：无人机群在不确定条件下自主飞行，能够自主进行冲突解脱并通过vicsek模型调整速度方向，同时无人机能够协同监测下部环境，并基于全局高斯的特征增强算法对异常区域进行重点监测。
所述的无人机群大范围协同监测装置包括八旋翼无人机，通过自带的飞控装置实现对机身的控制，无人机上同时装有360度激光扫描测距雷达，可以在不确定条件下检测周围环境，并与探测半径内的其它无人机建立联系；装有的高清摄像机和三轴云台，可以对下部环境进行拍摄，无人机对拍摄图像进行即时检测分析，如果发现异常，则在返回过程中对异常区域进行重点拍摄监测。
如图1所示，若干无人机通过集群算法进行协调飞行；每个无人机选用t-1200折叠八旋翼无人机1，每个无人机上均安装pixhawk2.1飞控装置2，rplidara3360度激光扫描测距雷达3，raspberrypi3b+开发板4，高清摄像机6，三轴云台7,光流传感器5,高亮度补光光源8以及风速测量仪9。
360度激光扫描测距雷达3探测该无人机周围的环境，raspberrypi3b+开发板4对拍摄后的图像进行分析；高清摄像机6通过三轴云台7固定在无人机上，无人机通过光流传感器5保持自身和高清摄像机6的稳定。pixhawk2.1飞控装置2用来控制无人机飞行，在冲突状态下控制无人机的飞行角度偏转，改变飞行方向进行冲突解脱。
所述的无人机群大范围协同监测装置的具体工作过程为：
在飞控装置的控制下，每个无人机按照队形进行自主飞行，在无光以及无gps信号等不确定条件下，每个无人机通过360度激光扫描测距雷达探测周围的无人机以及障碍物的状态；在环境很暗的条件下，自动打开高亮度补光光源；飞行过程中通过高清摄像机对自身的下部环境进行往返拍摄监测，光流传感器和三轴云台能保持自身机身和高清摄像机的稳定；从而进行正常拍摄监测。当飞行过程中，遇到障碍物则无人机在确保安全前提下，通过飞控装置控制无人机以当前前进方向偏转最小的角度实现自主冲突解脱，从而减少动力的消耗。无人机进行冲突解脱后，机群通过vicsek模型来调整速度方向，从而保持队形。
如果有无人机出现意外情况，比如没有能够实现冲突解脱而坠毁，则机群中距离该无人机最近的无人机填补其位置。最后无人机基于全局高斯的特征增强算法对拍摄图像传送到开发板进行分析，检测是否存在异常区域；如果发现异常，则在返回过程中对异常区域进行重点拍摄监测。
所述的无人机群大范围协同监测方法，如图4所示，具体步骤如下：
步骤一、将每个无人机与各自的飞控装置、360度激光扫描测距雷达、开发板、光流传感器、高清摄像机、三轴云台、高亮度补光光源和风速测量仪进行组装并进行调试飞行，检测各飞行参数，确保无人机正常飞行。
将t-1200折叠八旋翼无人机与pixhawk2.1飞控装置、rplidara3360度激光扫描测距雷达、raspberrypi3b+开发板、光流传感器、高清摄像机、三轴云台、高亮度补光光源、风速测量仪等装置组装起来，并且进行调试飞行，检测各飞行参数，确保无人机可以正常飞行。
步骤二、将若干组装并调试好的无人机编队组成无人机群，通过集群算法协调各无人机在不确定条件下对复杂环境进行大规模自主监测。
无人机群在在不确定条件下实现对山地、森林、湖泊等复杂环境的大规模自主监测。针对一些复杂环境下，可能出现局部地区风速不稳定的情况，这将会造成无人机的机身振动，影响拍摄监测效果。这时候可以通过光流传感器来保持机身的稳定，用三轴云台保持高清摄像机的稳定，从而更好地进行拍摄记录。
步骤三、每个无人机在不确定条件下飞行，360度激光扫描测距雷达以自身为中心，各自判断是否存在冲突，如果是，则进行冲突探测并解脱冲突，否则进入步骤五。
首先，无人机群在飞行过程中，由于在一些不确定条件下可能没有gps信号，所以无人机通过rplidara3360度激光扫描测距雷达来探测周围环境。360度激光扫描测距雷达可以探测以无人机为中心，半径为rd的范围内的环境，包括机群里的其它无人机的位置状态信息以及障碍物等。无人机群在刚开始编队飞行的时候，速度大小和方向一致，保持队形不变，便于机群之间的相互交流联系。
然后，飞行过程中，每个无人机都各自进行冲突探测；
无人机具有安全半径rc，rc＜rd；以无人机为中心，如果360度激光扫描测距雷达检测到障碍物与该无人机的距离小于安全半径rc时，则该无人机处于冲突状态。
最后，当无人机处于冲突状态时，飞控装置对无人机的飞行角度进行偏转，改变无人机的飞行方向进行冲突解脱。
无人机以自身为中心，以飞行方向为z轴，以竖直向上方向为y轴，以垂直y-z平面为x轴建立空间坐标系。无人机根据障碍物的位置信息，如图2所示，将无人机与障碍物的连线方向记为w轴，在w-z平面内，无人机偏转最小的角度θ，使得沿着偏转后的方向飞行，无人机距离障碍物的最小距离为rc，刚好可以实现冲突解脱。尽量减小无人机的偏转角度可以减少动力消耗，同时也使得无人机的飞行更加安全，避免偏转角度过大后与机群中的其它无人机产生冲突。如果无人机在飞行过程中出现意外情况，比如来不及规避障碍物从而坠毁，无人机群外围距离该坠毁无人机最近的无人机会填补其位置，从而保证整个无人机群的稳定。
步骤四、冲突解脱后，通过vicsek模型来调整无人机群中的各无人机飞行方向。
冲突解脱后，无人机群中的无人机由于改变了速度的方向，不再像初始状态沿着同一方向飞行，这时候需要通过vicsek模型来调整无人机群中的无人机飞行方向。具体计算方法为：
对于每个无人机，速度方向取上一个时间步在各无人机探测半径rd内的所有无人机的平均速度方向；如图3所示，计算公式为：v(t+1)＝＜v(t)＞rd+δφ；其中v(t+1)表示t+1时刻该无人机的速度方向，＜v(t)＞rd表示检测半径rd内的所有无人机的平均速度方向，δφ是一个小角度，表示的是不确定因素。具体可能为无人机在复杂环境下信息收集的误差，以及实际调整飞行方向的误差等等。
无人机群通过vicsek模型来调整各个无人机的速度方向，如图3所示，从而保持队形。
步骤五、每个无人机基于全局高斯的特征增强算法，通过各自的raspberrypi3b+开发板对拍摄的图像进行分析，检测是否有异常区域；
如图5所示，具体步骤如下：
步骤501、每个无人机输入各自的1024dpi×1024dpi×3通道的拍摄图片给开发板，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、将特征提取后的图片看成64个256维的向量x＝(x1,x2,…,x64)，对64个向量的每个分量求平均值，得到平均向量μ；
步骤503、再将特征提取后的图片看成256个64维的向量y＝(y1,y2,…,y256)，计算256个向量的协方差矩阵∑；
矩阵的每个元素∑m_n为向量ym与yn的协方差；m,n＝1,2,....256。
步骤504、将协方差矩阵矩阵∑与平均向量μ构成一个新的257维方阵∑*；
步骤505、将257维方阵∑*展开成一个257×257维的特征向量，再通过神经网络的全连接层，即可检测出该无人机拍摄的异常区域。
步骤六、无人机群飞行通过待监测区域后按原路线返回，并在返回过程中对异常区域进行重点摄像监测，完成任务。
无人机在拍摄后会进行图像分析，如果发现异常区域，会在返回途中对异常区域进行重点拍摄监测。
本发明能够在不确定条件下(无光、无gps信号等)实现无人机群对山地、森林、湖泊等复杂环境的大规模自主监测，效率高，精度高，同时可以节省人力成本，保障巡检人员工作的安全。在不确定条件下实现无人机群对外部环境的协同监测认知，可以提高监测效率，及时消除隐患，具有积极意义。