疫情期間復工復產需要準確的現(xiàn)場信息及高精度分辨率的正射影像作為決策依據,但管理人員無法通過密集的現(xiàn)場巡視獲取信息。無人機外業(yè)數據采集速度快、采集精度高、數據量全,但傳統(tǒng)的無人機正射影像處理速度無法滿足項目刻不容緩的需求,因此本文對無人機外業(yè)快速采集-快速內業(yè)處理技術-目標成果識別作了全方位的研究,基于改進SURF無人機影像快速處理算法并針對大型工程設備在影像上呈現(xiàn)規(guī)則矩形、特征點突出、明暗對比關系明顯等關鍵要素,快速處理得到正射影像,并在此基礎上運用Fast R-CNN網絡識別現(xiàn)場機械設備為復工決策提供決策依據,相應成果已在新冠疫情期間雄安高鐵站工程建設復工復產中得到了應用。

【文章頁數】：5 頁

【部分圖文】：

圖1SURF簡化計算模板

如圖1所示，在簡化模板中，白色區(qū)域、黑色區(qū)域、灰色區(qū)域的值分別為1、-2、0。使用濾波器σ=1.2對最小尺度空間值對圖像進行濾波及特征點檢測，然后在響應的無人機影像上對采樣點進行非極大抑制，最終特征點就能夠被確定。1.3本文算法快速處理步驟

圖2無人機原始數據

考慮到雄安建設對本次工作任務有較高的時效性要求，傳統(tǒng)旋翼無人機受電池續(xù)航、作業(yè)速度等因素影響，外業(yè)無人機影像采集效率低，因此本次任務采用固定翼無人機對高鐵站片區(qū)進行影像采集工作。其具有巡航作業(yè)時間長，機身穩(wěn)定，控制半徑大等特點，可以滿足本次工作需求，無人機參數見表1。本次作業(yè)無人....

圖3航線任務規(guī)劃

本次作業(yè)無人機共飛行4個架次，作業(yè)面積11.1km2，總航程185.674km，總飛行時間183min，飛行高度200m，飛行速度17m/s，飛機航向、旁向重疊率高達80%，照片分辨率3cm，拍照間距32m。航線規(guī)劃如圖3所示。1.4.2內業(yè)數據情況

圖4測控區(qū)域三角網與灰度影像

FastR-CNN是結構中隊整個預測礦篩選、回歸和分類的重要階段，網絡結構圖以及其中的關鍵參數如圖6所示。本節(jié)將以ROIpooling、分類層和回歸層、FastR-CNN后處理模塊等方面進行闡述。2.2.1興趣區(qū)域池化(ROI-Pooling)層

本文編號：3906779