多旋翼无人机在山区应急救援中的应用分析*

徐 超

（鹤壁职业技术学院，河南 鹤壁 453080）

随着自然环境的改变和人类活动的增加，山区的自然环境不断遭到破坏，山地生态环境的自我修复能力变得越来越弱，在地震、泥石流、航空器坠落等灾害发生时，如何赶在灾难发生的黄金时间进行有效的搜寻和救援是一个十分重要的问题[1-2]。传统的仅依靠人力搜寻和救援的方法在偏远的地区或者受灾严重的区域就显得效率低下，无疑增加了在第一时间进行搜寻或救援的难度[3]，且无法掌握受灾地区的具体情况，从而耽误灾害救援的黄金时间，造成巨大的人员和财物损失。近年来，无人机技术被广泛应用于许多领域，如军事、地理信息系统、农业等，如果将无人机的相关技术运用到山区救援搜寻中，可以在恶劣环境中避免二次伤亡，同时可以大大提高搜寻的安全性和高效性。目前，国内外学者运用高清无人机进行野外遇险人员搜寻的研究集中在运用无人机高清设备进行航拍、无人机搜索路线规划[4]和航拍图像智能识别[5]等方面，对采集图像进行智能化处理，从而查找到被困人员和物品残骸。

1 多旋翼无人机的工作原理

从无人机的发展历程来看，质量重、操作烦琐、荷载有限等原因曾限制了其进一步的发展，以至于其被迫停产。直到21世纪，随着微机电系统的不断发展与成熟，无人自动控制器的研发应用，2005年德国首次生产出能实现自主悬停的多旋翼飞行器。之后随着加速器、地磁传感器的不断成熟，再加上GPS芯片等的不断应用，极大地促进了现代多旋翼无人机的发展[6]。

1.1 多旋翼无人机悬停原理

多旋翼无人机的基本原理与儿时玩过的竹蜻蜓升空的原理类似，它产生向上升力的动力源泉是叶片高速旋转。类似的原理运用在多旋翼无人机上，当多旋翼无人机电机带动叶片转动到一定速度时，空气反作用力推动螺旋桨叶片产生向上升力而起飞。四旋翼无人机有四个螺旋桨，四个螺旋桨在同一高度上对称地分布在机体前后左右四个方向，桨叶旋转由电机带动，运用空气的反作用力产生升力。本文运用的四旋翼无人机如图1所示，当产生的升力大于等于无人机总重量时，无人机可以顺利升空。可以通过改变和调节各个电机的旋转速度实现升力的变化，从而控制无人机姿态和位置的调整。

图1 四旋翼无人机旋翼飞行示意图

1.2 多旋翼无人机升降原理

当多旋翼无人机需要上升时，可以让螺旋桨加速旋转，增加升力，实现机身上升；相反，当多旋翼无人机需要下降时，减慢螺旋桨旋转速度，升力减小，无人机自然就会下降。为了避免出现不平衡转动，在整个过程中都要保持多个旋翼相对稳定的转速，需要各电机产生相同的转速，以此抵消反扭矩。

2 多旋翼无人机在山区救援中的关键技术

2.1 搜寻等高线范围内障碍物

为了能清晰地描述山地形态特征，课题组引入了数字化高程模型（Digital Elevation Model, DEM），运用计算机数字化方式将地面地形特征状态表示出来。运用数值矩阵的形式来表示地面高低特征，通过地形矩阵数据[7]，可方便地对地面地形数据进行数字化模拟和仿真。各种地形、地貌因子可以通过数字地形模型（Digital Terrain Model, DTM）描述，还原出坡向、坡度、坡度变化率等地貌因子。对于无人机山区搜寻，DEM可以生成搜寻范围内每个高度的等高线，以便分析地势变化情况。

2.2 航拍数字图像形态处理

为了有效地提高山地图像的处理效率，对于山区的特殊地形而言，对等高线图进行灰度化和二值化等技术处理后，为了获取高精度的定向点，采用双拼虚拟影响区域平差和光束法区域网平差技术[8]，可以让地形障碍物一目了然。

2.3 搜寻方式

2.3.1 环形搜寻

以基准点为中心的圆形区域便是环形搜寻的整体范围，多旋翼无人机在该区域飞行，搜寻有可能的目标，如图2所示，在搜救中覆盖的面积范围并不大，为了避免相互影响，环形搜寻并不适合无人机群的联合搜索。图2的虚线部分表示，在全覆盖地完成一次环形搜寻后，如果目标搜索无果，则继续下一个环形区域，将其换个角度进行第二次搜寻时转动到第一次搜寻半径50%的位置。环形搜寻被认为是较有效、理想的搜索方式。

图2 环形搜寻

2.3.2 扩展方形搜寻

以基准点为中心的整个区域将逐步被扩展成方形的搜寻路径的方式被称为扩展方形搜寻，如图3所示。扩展方形搜寻中，搜寻区域逐渐由内而外展开。中心基准点搜索既可以从一个基准点开始，也可以从一条中心基准线开始，如果基准点为一条短线开始搜索，搜寻路径由内向外进行递增扩展。扩展方形搜寻是一种全面均匀覆盖的搜索方式，也是一种精度较高的搜寻方式，拓展时选择合适的拓展增量，能保证较高的覆盖率。

图3 扩展方形搜寻

2.3.3 “8”字形搜寻

“8”字形搜寻是指以原点O为基准点，多旋翼无人机按照轨迹1→2→3→4飞行，如图4所示。在飞行搜索过程中采用“8”字形搜寻方法可以较好地避免漏搜，提高查找效果。在飞行中采用“8”字形搜寻既可以兼顾基准点又可以兼顾基准点左右两侧，搜寻的开始点和结束点重合，使搜寻范围尽量全覆盖，更加有利于无人机搜寻飞行行动按照统筹规划好的方案进行，大大提高搜寻效率。

图4 “8”字形搜寻

3 多旋翼无人机在山区救援的方法

3.1 山体表面搜寻方法

无人机在山区执行搜寻任务时可以按照500 m一个高度层进行飞行，为了覆盖整个山体表面，采用圆形绕圈飞行的方式对山体表面进行全方位搜寻。如搜寻区域为一个山尖，航空器撞击山尖后山谷或山体表面会散落失事航空器的残骸，在设置搜寻范围时，只要最高搜寻高度层圆圈的直径大于该山尖宽度即可，而主流的大疆多旋翼无人机搭载的4K分辨率高清相机在200 m高度的成像能清晰显示出宽度大于10 cm的物体，由此可得，大疆多旋翼无人机飞行高度在400 m时，机载相机成像能够分辨出宽度大于20 cm的物体。通常，遇险人员或物体碎片平均宽度远大于20 cm，但为了实际操作中容易垂直划分山体区域的同时能更清晰地分辨出航空器碎片，经反复实践验证，无人机在航空器碎片上空360 m处飞行拍摄时，能较为清晰地显示疑似的遇险人员或飞行器碎片[9]。

3.2 障碍繁多山谷搜寻方法

我国西部地区地形复杂，遇到山势起伏较大和障碍物繁多的区域较多，在这种区域进行飞行搜索时，如果采用环形搜寻、扩展方形搜寻与“8”字形搜寻方式，就无法保证无人机执行任务的安全性。对于这些复杂的地形，要在尽可能全方位覆盖整个区域的前提下，保证无人机高效、安全地执行任务，降低漏检率。首先应结合起伏大、障碍物多的区域的测绘数，按高度层划分，对该区域按照航拍高度进行预设，通过连通的关键搜寻区域关键点之间的距离，运用计算机数据结构抽象成为邻接矩阵，并对其进行模拟还原，无人机路径规划通过每个高度层进行。然后无人机飞控系统将所有关键搜寻点经纬度坐标、高度信息和规划好的路径等数据载入存储，保证无人机高效、安全地执行搜寻任务。

4 AI救援系统

由于大多数受灾区域地形崎岖、情况复杂，所以运用人工搜寻方法效率较为低下。被困人员所处的环境凶险，通过人眼和个人相关经验进行搜寻的方式低效且落后，而且长时间、高强度的工作使搜救人员疲惫不堪，无形中增加了漏检的风险，降低了人工搜救的效率。而近年来人工智能在许多行业的成功应用为救援搜索提供了新思路，与传统人眼识别相比，将无人机技术和图像深度学习识别技术相结合拥有更多的优势，其不受工作时间、工作强度和搜救人员情绪等因素的影响，拥有着更高的识别效率，可以最大限度地避免漏检情况发生，提高灾害救援的效率。

4.1 AI救援系统的组成

AI救援系统[10]的核心是受灾区域自动搜索，它由AI视觉系统和无人机控制系统两个部分组成。AI视觉系统的主要工作如下：1）对远程无人机航拍图像数据进行传输、存储；2）智能识别图像信息中受伤人员以及周围的相关环境，并通过北斗、GPS系统获取远程无人机的位置信息；3）将识别的图像与全球定位信息一并存储下来，实时显示并标注相关信息；4）记录受伤人员以及周围的相关环境，同时提供相应的救援措施。无人机系统采用MATLAB GUI进行开发，工作流程图如图5所示。

图5 无人机工作流程图

4.2 复杂环境下救援识别的常用算法

4.2.1 Faster RCNN算法

在发生自然灾害时，受困人员所处的环境大量被破坏，复杂环境的干扰对图像识别造成较大影响，受困人与物的识别率都会有较大幅度降低，并且目标检测的错误率大幅度升高，如何有效提高复杂环境下的目标识别率是一个非常关键的问题。为了提高在自然灾害等复杂环境下视觉系统的识别性能，在传统的Faster RCNN卷积神经网络的基本结构上增加一个特征金字塔网络层，用关注损失函数代替原有的交叉熵损失函数，大大增强了前背景特征对小目标的检测能力，使得Faster RCNN网络的识别效果更具鲁棒性，大幅提高了Faster RCNN的目标识别率。

4.2.2 多尺度特征提取融合算法

为了提高Faster RCNN的前背景识别效率，在Faster RCNN网络结构中增加FPN层。在原有FPN中的特征结构上增加数量和网络结构层，从而丰富语义特征实现多层特征融合。从下层至上层逐步进行来提取FPN特征，每一次提取特征时都要进行一次卷积运算，而每层卷积运算后都会输出一个特征金字塔，将FPN层增加到Faster RCNN的网络结构中。不同特性的获取来自各个卷积层提取，检测尺度较小的物体时使用层数较低的含丰富语义特征卷积层，而检测尺寸较大的物体时可以通过层数较高的卷积层特征获得检测结果，从而提高各种尺寸目标的识别率。

5 小结

多旋翼无人机适应能力较强，操作灵活，可根据不同地质环境，设置无人机山区搜寻的多种方案。通过GIS和遥感技术，对搜寻区域进行数字化处理，根据山区实际地形分为山体表面搜寻法、障碍繁多山谷搜寻法，及时准确地获取灾区信息数据，为进一步营救提供指导性意见。应用多旋翼无人机搭载AI智能系统，通过Faster RCNN算法和多尺度特征提取融合算法能够提高救援的精准度和效率，在一定程度上降低救灾难度及投入，为科学救援提供技术支持，进一步满足重大灾害应急救援的需求，大幅度提高灾害事故救援效率。