本發(fā)明涉及無人機(jī)數(shù)據(jù)傳輸領(lǐng)域，具體為一種基于大數(shù)據(jù)的無人機(jī)數(shù)據(jù)傳輸系統(tǒng)及方法。

背景技術(shù)：

1、在社會(huì)治理領(lǐng)域，無人機(jī)巡檢可以用于監(jiān)測城市交通、環(huán)境污染、自然災(zāi)害、建筑安全、城市管理等方面，通過無人機(jī)搭載的各種傳感器和攝像頭，可以實(shí)時(shí)獲取大范圍、高清晰度的數(shù)據(jù)，提供決策支持和信息反饋。在事件發(fā)生后，也可以通過無人機(jī)快速響應(yīng)、實(shí)時(shí)監(jiān)測，做出相應(yīng)處理和決策。

2、無人機(jī)巡檢一般是通過垂直拍攝巡檢路線上的照片來識(shí)別異常事件，但無法識(shí)別出事件的具體類型，也就無法及時(shí)呼叫相關(guān)人員進(jìn)行處理，容易造成延誤事件處理時(shí)機(jī)，對(duì)于事件的模糊處理也會(huì)造成無人機(jī)誤報(bào)率高的問題。

3、此外，一些安全事件發(fā)生時(shí)，無人機(jī)與處理部門間的通信會(huì)受到干擾，使無人機(jī)不能第一時(shí)間回傳事故現(xiàn)場的圖片，處理人員也就無法及時(shí)獲取事故現(xiàn)場的信息，雖然可以通過短波通信的方式建立聯(lián)系，但短波通信傳輸容量小，無法承擔(dān)高質(zhì)量圖片或視頻的傳輸任務(wù)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于大數(shù)據(jù)的無人機(jī)數(shù)據(jù)傳輸系統(tǒng)及方法，以解決上述背景技術(shù)中提出的問題。

2、為了解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：一種基于大數(shù)據(jù)的無人機(jī)數(shù)據(jù)傳輸系統(tǒng)，包括：模型構(gòu)造模塊、程序預(yù)置模塊、巡檢定位模塊、事故處理模塊和信號(hào)壓縮模塊；

3、所述模型構(gòu)造模塊用于利用景深攝像機(jī)拍攝各類事故不同角度下的圖像，構(gòu)建各類事故的圖片集，對(duì)比不同角度下各事故圖像的色域、景深和分割區(qū)域大小，計(jì)算圖像相對(duì)于正上方圖像的區(qū)別度；

4、所述程序預(yù)置模塊用于根據(jù)無人機(jī)巡檢路線上的事故風(fēng)險(xiǎn)以及事故的歷史誤報(bào)率計(jì)算驗(yàn)證角度的數(shù)量，按照區(qū)別度最大的原則，選取各類事故的代表圖像，代表圖像對(duì)應(yīng)的角度作為事故的驗(yàn)證角度，所述代表圖像的選取數(shù)量與驗(yàn)證角度的數(shù)量相同，將事故對(duì)應(yīng)的所有驗(yàn)證角度存入無人機(jī)內(nèi)存，預(yù)置無人機(jī)巡檢程序；

5、所述巡檢定位模塊用于啟動(dòng)無人機(jī)巡檢程序，無人機(jī)按固定高度飛行時(shí)，計(jì)算正上方拍攝圖片的總色值隨飛行路程的變化函數(shù)，與路線的標(biāo)準(zhǔn)函數(shù)進(jìn)行對(duì)比，在殘差高于閾值時(shí)，識(shí)別為發(fā)生事故，并對(duì)事故區(qū)域進(jìn)行定位；

6、所述事故處理模塊用于在發(fā)生事故時(shí)，按照事故風(fēng)險(xiǎn)順序拍攝事故各角度的圖片，計(jì)算各圖片與正上方拍攝圖片的區(qū)別度，將區(qū)別度最大的圖片作為定位圖像，定位圖像角度對(duì)應(yīng)的事故類型作為懷疑事故，驗(yàn)證懷疑事故的所有驗(yàn)證角度，總區(qū)別度差異小于閾值時(shí)將懷疑事故作為事故類型輸出；

7、所述信號(hào)壓縮模塊用于檢測無人機(jī)與事故對(duì)應(yīng)部門的通信速度，通信不暢時(shí)對(duì)事故現(xiàn)場的圖片進(jìn)行子區(qū)域分割，計(jì)算每個(gè)子區(qū)域相對(duì)于正上方投影對(duì)應(yīng)區(qū)域的區(qū)別度，根據(jù)區(qū)別度確定渲染半徑，按照渲染半徑，采用點(diǎn)云渲染算法，將圖片作為點(diǎn)云圖輸出到相關(guān)部門。

8、進(jìn)一步的，所述模型構(gòu)造模塊包括：圖像訓(xùn)練單元和投影特征單元；

9、所述圖像訓(xùn)練單元用于將歷史事故現(xiàn)場拍攝的圖片進(jìn)行分類，構(gòu)成事故訓(xùn)練集；

10、所述投影特征單元用于計(jì)算各角度圖像相對(duì)于事故正上方投影圖像的區(qū)別度。

11、進(jìn)一步的，所述程序預(yù)置模塊包括：適應(yīng)驗(yàn)證單元、角度尋址單元和巡檢指令單元；

12、所述適應(yīng)驗(yàn)證單元用于根據(jù)無人機(jī)巡檢路線上的事故風(fēng)險(xiǎn)以及事故的歷史誤報(bào)率計(jì)算驗(yàn)證數(shù)量；

13、所述角度尋址單元用于將事故中區(qū)別度最大的對(duì)應(yīng)數(shù)量圖片作為代表圖像，記錄代表圖像對(duì)應(yīng)的驗(yàn)證角度；

14、所述巡檢指令單元用于將事故與事故對(duì)應(yīng)的驗(yàn)證角度存入無人機(jī)數(shù)據(jù)庫，設(shè)置無人機(jī)巡檢程序。

15、進(jìn)一步的，所述巡檢定位模塊包括：無人機(jī)定位單元和異常標(biāo)記單元；

16、所述無人機(jī)定位單元用于在無人機(jī)巡檢時(shí)判斷拍攝圖像總色值相對(duì)于標(biāo)準(zhǔn)圖像的差別；

17、所述異常標(biāo)記單元用于在無人機(jī)判斷事故發(fā)生后，進(jìn)入事故追蹤模式，并標(biāo)記事故發(fā)生地點(diǎn)。

18、進(jìn)一步的，所述事故處理模塊包括：程序執(zhí)行單元和事故識(shí)別單元；

19、所述程序執(zhí)行單元用于按照無人機(jī)內(nèi)部預(yù)置的程序，控制無人機(jī)向各事故對(duì)應(yīng)的驗(yàn)證角度拍攝圖片；

20、所述事故識(shí)別單元用于計(jì)算圖片相對(duì)于正上方拍攝圖片的區(qū)別度，從而識(shí)別出事故類型，并對(duì)識(shí)別出的事故進(jìn)行驗(yàn)證。

21、進(jìn)一步的，所述信號(hào)壓縮模塊包括：信道檢測單元、灰度渲染單元和點(diǎn)云輸出單元；

22、所述信道檢測單元用于檢測無人機(jī)與事故處理中心通信連接的速度；

23、所述灰度渲染單元用于按照灰度分割事故代表圖片，分別計(jì)算每一區(qū)域相對(duì)于相鄰區(qū)域的區(qū)別度；

24、所述點(diǎn)云輸出單元用于按照區(qū)域的區(qū)別度將各區(qū)域渲染為不同半徑的特征點(diǎn)，形成點(diǎn)云圖后輸出到事故處理中心。

25、一種基于大數(shù)據(jù)的無人機(jī)數(shù)據(jù)傳輸方法，包括以下步驟：

26、步驟s1.拍攝各類事故在不同角度下的圖片，構(gòu)成事故圖片集，按照圖片對(duì)比方法，計(jì)算事故圖片集中各圖片與正上方投影圖像的區(qū)別度；

27、步驟s2.按照無人機(jī)巡檢路線上的事故風(fēng)險(xiǎn)以及事故的歷史誤報(bào)率計(jì)算迭代次數(shù)，按照區(qū)別度降序排列事故圖片，選取區(qū)別度最高的迭代次數(shù)張圖片作為驗(yàn)證圖片，全部驗(yàn)證圖片對(duì)應(yīng)的角度預(yù)設(shè)為驗(yàn)證角度，區(qū)別度最高的驗(yàn)證角度作為代表角度；

28、步驟s3.無人機(jī)巡檢過程中，檢測正上方投影圖像總色值隨路程的變化函數(shù)，與上一次巡檢的變化函數(shù)對(duì)比，相差超過閾值時(shí)判斷為無人機(jī)下方發(fā)生事故，并對(duì)事故進(jìn)行定位；

29、步驟s4.無人機(jī)飛行到各事故的代表角度拍攝圖片，計(jì)算拍攝結(jié)果與正上方投影圖像的區(qū)別度，將最接近預(yù)設(shè)結(jié)果的事故作為懷疑事故，對(duì)懷疑事故對(duì)應(yīng)的其他驗(yàn)證角度按照事故驗(yàn)證方法驗(yàn)證，驗(yàn)證通過后輸出事故類型；

30、步驟s5.在無人機(jī)與處理中心的通信速率低于閾值時(shí)，對(duì)拍攝到的圖片進(jìn)行分割，分別計(jì)算各分割區(qū)域與相鄰區(qū)域的區(qū)別度，根據(jù)區(qū)別度確定標(biāo)點(diǎn)繪制半徑，將全部區(qū)域的標(biāo)點(diǎn)渲染為點(diǎn)云圖像后發(fā)送到處理中心。

31、進(jìn)一步的，步驟s1包括：

32、步驟s11.在所有無人機(jī)可能拍攝到的角度上，預(yù)先對(duì)事故拍攝圖片，所有拍攝到的圖片打上角度標(biāo)記后存入數(shù)據(jù)庫，構(gòu)成事故圖片集；

33、步驟s12.將垂直拍攝的事故圖片記為正上方投影圖像，執(zhí)行步驟s13中的圖片對(duì)比方法，計(jì)算事故圖片集中各圖片與正上方投影圖像的區(qū)別度；

34、步驟s13.利用圖片分割算法對(duì)正上方投影圖像和事故圖片中的事故區(qū)域進(jìn)行分割，記錄分割區(qū)域的面積、像素點(diǎn)的色值與景深，按以下公式計(jì)算正上方投影圖像和事故圖片的區(qū)別度：

35、?；

36、其中，e為區(qū)別度，d1代表正上方投影圖像中事故區(qū)域的分割面積，d2代表事故圖片中事故區(qū)域的分割面積，n代表圖片的像素點(diǎn)列數(shù)，m代表圖片的像素點(diǎn)行數(shù)，ur(i,j)代表正上方投影圖像第i列第j行像素點(diǎn)的色值，ur(i,j)代表事故圖片第i列第j行像素點(diǎn)的色值，h為正上方投影圖像在像素點(diǎn)（i,j）處的景深，σ1代表事故圖片的水平拍攝角度，σ2代表事故圖片的垂直拍攝角度，在tanσ1·h以及tanσ2·h不為整數(shù)時(shí)，按整數(shù)取值。

37、進(jìn)一步的，步驟s2包括：

38、步驟s21.根據(jù)無人機(jī)的歷史巡檢記錄，從記錄中得到無人機(jī)報(bào)送事故的頻率以及無人機(jī)誤報(bào)事故的概率，計(jì)算迭代次數(shù)x，所述x=set[v·c/（p·a）]，其中v為無人機(jī)報(bào)送事故的頻率，c為無人機(jī)誤報(bào)事故的概率，p為事故類型的數(shù)量，a為預(yù)設(shè)的下降率，set為向上取值函數(shù)；

39、步驟s22.將事故圖片集中的所有圖片按照與正上方投影圖像的區(qū)別度降序排列，選取首張圖片作為事故的代表圖片，前x張圖片作為事故的驗(yàn)證圖片，代表圖片對(duì)應(yīng)的角度為代表角度，驗(yàn)證圖片對(duì)應(yīng)的角度為驗(yàn)證角度；

40、步驟s23.將驗(yàn)證圖片、代表圖片以及對(duì)應(yīng)的驗(yàn)證角度和代表角度存入無人機(jī)內(nèi)存中。

41、進(jìn)一步的，步驟s3包括：

42、步驟s31.根據(jù)無人機(jī)上一次巡檢傳回的視頻，計(jì)算拍攝的正上方投影圖像總色值隨路程的變化函數(shù)f1（d），其中d代表路程，f（d）代表無人機(jī)在路程為d時(shí)拍攝的圖片中所有像素點(diǎn)的色值之和；

43、步驟s32.啟動(dòng)無人機(jī)開始巡檢，根據(jù)無人機(jī)已經(jīng)飛行的路程，記錄無人機(jī)所拍攝圖片的總色值，生成當(dāng)次巡檢中正上方投影圖像總色值隨路程的變化函數(shù)f2（d）；

44、步驟s33.令風(fēng)險(xiǎn)系數(shù)b=f1（d0）-f2（d0），其中d0為無人機(jī)已飛行路程，預(yù)設(shè)風(fēng)險(xiǎn)系數(shù)閾值b0，當(dāng)b≥b0時(shí)，判斷當(dāng)前位置存在異常，標(biāo)記無人機(jī)所處位置作為事故發(fā)生位置。

45、進(jìn)一步的，步驟s4包括：

46、步驟s41.從事故發(fā)生位置正上方拍攝正上方投影圖像后，控制無人機(jī)從各事故的代表角度拍攝圖片，每拍攝一張圖片，計(jì)算事故圖片與正上方投影圖像的區(qū)別度；

47、步驟s42.全部圖片拍攝完畢后，計(jì)算事故圖片的特征系數(shù)g，所述g=|e1-e2|，其中e1代表無人機(jī)內(nèi)存中存儲(chǔ)代表圖片的區(qū)別度，e2代表相同角度下無人機(jī)實(shí)地拍攝到事故圖片的區(qū)別度；

48、步驟s43.將全部拍攝到的事故圖片按照特征系數(shù)升序排列，構(gòu)成事故懷疑序列，若事故懷疑序列中存在元素，則將事故懷疑序列中的首位事故標(biāo)記為懷疑事故，轉(zhuǎn)到步驟s44，若事故懷疑序列中不存在元素，則將事故懷疑序列中的首位事故對(duì)應(yīng)的事故類型輸出到處理中心；

49、步驟s44.控制無人機(jī)從懷疑事故對(duì)應(yīng)的驗(yàn)證角度拍攝圖片，并計(jì)算拍攝的事故圖片與正上方投影圖像的區(qū)別度，與驗(yàn)證圖片對(duì)應(yīng)的區(qū)別度對(duì)比，若相差小于閾值，則代表圖片驗(yàn)證通過，否則代表驗(yàn)證不通過；

50、若驗(yàn)證通過的圖片數(shù)量大于等于驗(yàn)證不通過的圖片數(shù)量，則將懷疑事故對(duì)應(yīng)的事故類型輸出到處理中心，否則從事故懷疑序列中去除當(dāng)前懷疑事故，并轉(zhuǎn)到步驟s43。

51、進(jìn)一步的，步驟s5包括：

52、步驟s51.當(dāng)無人機(jī)與事故處理中心的通信速率低于閾值時(shí)，停止無人機(jī)的圖片傳輸，并待發(fā)送的圖片分割為k個(gè)相同的矩形區(qū)域，所述k為預(yù)設(shè)分辨率；

53、步驟s52.對(duì)于每一個(gè)矩形區(qū)域，按照步驟s13的方法，計(jì)算所述矩形區(qū)域與各相鄰區(qū)域的區(qū)別度，根據(jù)區(qū)別度確定標(biāo)點(diǎn)半徑：

54、?；

55、其中，s代表標(biāo)點(diǎn)半徑，l代表圖片像素點(diǎn)排列寬度，b代表與矩形區(qū)域相鄰的區(qū)域數(shù)量，st代表第t個(gè)相鄰區(qū)域的標(biāo)點(diǎn)半徑，bt代表與第t個(gè)相鄰區(qū)域相鄰的區(qū)域數(shù)量，e0代表矩形區(qū)域相對(duì)于第t個(gè)相鄰區(qū)域的區(qū)別度；

56、步驟s53.根據(jù)各矩形區(qū)域的標(biāo)點(diǎn)半徑，將區(qū)域略縮為對(duì)應(yīng)半徑的標(biāo)點(diǎn)，將全部標(biāo)點(diǎn)構(gòu)成的點(diǎn)云圖像渲染后作為事故圖像傳輸?shù)教幚碇行摹?/p>

57、與現(xiàn)有技術(shù)相比，本發(fā)明所達(dá)到的有益效果是：

58、1.本發(fā)明能夠利用歷史事故圖像構(gòu)建各事故的模型，對(duì)模型進(jìn)行表面投影，計(jì)算相同投影角度下事故前后的區(qū)別度，按照路線風(fēng)險(xiǎn)和歷史誤報(bào)率選取角度，建立圖片驗(yàn)證模型，有助于對(duì)事故現(xiàn)場進(jìn)行全面監(jiān)測和調(diào)查，提高識(shí)別正確率。

59、2.本發(fā)明能夠在巡檢時(shí)持續(xù)計(jì)算正上方圖片的像素總色值變化，與圖片驗(yàn)證模型對(duì)比，若區(qū)別度變化規(guī)律符合事故模型，則輸出事故類型，可以更準(zhǔn)確地了解事故的性質(zhì)和危害程度，及時(shí)呼叫相關(guān)部門，有針對(duì)性地展開救援和處理工作，有助于合理調(diào)配資源，提高城市管理援工作的效率和效果，減少事故造成的損失。

60、3.本發(fā)明能夠在傳輸不暢時(shí)檢測事故現(xiàn)場各點(diǎn)的坐標(biāo)，根據(jù)坐標(biāo)的灰度生成不同半徑的渲染點(diǎn)，將渲染點(diǎn)云傳輸給處理部門，幫助處理人員在網(wǎng)絡(luò)不暢時(shí)及時(shí)了解現(xiàn)場情況，可以實(shí)現(xiàn)無人機(jī)的快速響應(yīng)與實(shí)時(shí)監(jiān)測，提高無人機(jī)巡檢在城市治理中的效能。