您的当前位置：首页城市轨道交通控制保护区无人机巡护

城市轨道交通控制保护区无人机巡护

来源：九壹网

2021年8月1日第44卷第15期

现代电子技术

ModernElectronicsTechniqueAug.2021Vol.44No.15引用格式：毕景佩，韩旭，岳会婷，等.城市轨道交通控制保护区无人机巡护[J].现代电子技术，2021，44（15）：65⁃69.

DOI：10.16652/j.issn.1004⁃373x.2021.15.013

65城市轨道交通控制保护区无人机巡护

毕景佩1，韩

旭2，岳会婷3，孙

媛4，石运财5

450001；

450000；

（1.长沙理工大学，湖南长沙

3.郑州地铁集团有限公司，河南郑州

410114；2.郑州大学，河南郑州

510000）

450000；4.华北水利水电大学，河南郑州

5.广州南方测绘科技股份有限公司，广东广州

摘要：研究城市轨道交通控制保护区无人机巡护方法，用以解决无人机飞行状态巡护采集图像中出现特征缝隙和重

叠等问题，提高巡护效果。使用小波变换等技术预处理无人机采集的图像，通过自相关函数和Hessian矩阵提取预处理后图像的角点，采用SIFT算法实现角点匹配，在此基础上利用加权平均方法完成图像融合，使用图像差分法对融合后的图像实行目标识别，通过识别结果实现城市轨道交通控制保护区无人机巡护。经验证，该方法具有良好的图像处理能力，图像融合后未出现特征缝隙和特征重叠的现象，具有良好的识别能力，完成城市轨道交通控制保护区无人机巡护效果较好。

关键词：无人机巡护；城市轨道交通；图像采集；角点匹配；图像融合；目标识别中图分类号：TN911.73⁃34；TP311

文献标识码：A

文章编号：1004⁃373X（2021）15⁃0065⁃05

UAVpatrolinurbanrailtransitcontrolandprotectionarea

（1.ChangshaUniversityofScience&Technology，Changsha410114，China；2.ZhengzhouUniversity，Zhengzhou450001，China；

4.NorthChinaUniversityofWaterResourcesandElectricPower，Zhengzhou450000，China；

5.SouthSurveying&MappingInstrumentCo.，Ltd.，Guangzhou510000，China）

3.ZhengzhouMetroGroupCo.，Ltd.，Zhengzhou450000，China；

BIJingpei1，HANXu2，YUEHuiting3，SUNYuan4，SHIYuncai5

Abstract：AnUAV（unmannedaerialvehicle）patrolmethodinurbanrailtransitcontrolandprotectionareaisstudiedtoeliminatethefeaturegapsandoverlapsappearingintheimagescollectedbyUVAinflightpatrolandimprovethepatroleffect.WavelettransformisusedtopreprocesstheimagescollectedbyUAV.ThecornerpointsofthepreprocessedimagesareextractedbymeansofautocorrelationfunctionandHessianmatrix.TheSIFTalgorithmisusedtocompletecornerpointobjectrecognitionimplementedbytheimagedifferencemethod.TheUAVpatrolinurbanrailtransitcontrolandprotectionareaisfulfilledwiththerecognitionresults.ItisverifiedthattheproposedmethodisofgoodrecognitionabilityandimageprocessinggoodeffectforUAVpatrolinurbanrailtransitcontrolandprotectionarea.

matching.Onthisbasis，theweightedaveragemethodisusedtocompletetheimagefusion.Thefusedimagesaresubjectedto

ability，sothephenomenaofthefeaturegapsandfeatureoverlapsdonotoccurafterimagefusion.Therefore，themethodhasa

Keywords：UAVpatrol；urbanrailtransit；imageacquisition；cornerpointmatching；imagefusion；objectrecognition

0引言

时还能加强轨道交通的建设速度[2]。现阶段，大多数城市轨道交通的巡查保护都是使用人力工作，巡护方式包括逐段排查、现场拍照、文字记录等形式，通过这些手段发现违法、违规项目并采取相关处理措施[3⁃5]。这种传统的巡护方式存在诸多问题：

工巡查，需要耗费大量人力物力，而且巡护效率低，加大了整个工作的成本[6]；

准确性较差的问题，实际巡护时不能保证被巡护对象能

2）城市轨道交通控制保护区存在地形复杂、识别1）城市轨道交通控制保护区范围较大，仅使用人

随着交通体系的不断发展，全国各地轨道交通行业迅速崛起，各地新运营里程都在增加，轨道交通的运行安全性和建设进程都受到市政项目、开发项目等因素的影响[1]。实际建设中，城市轨道交通沿线都设计了控制保护区，巡查和保护该保护区中的作业活动与建设项目，确保能够有效预防和保护轨道交通的运营安全，同

收稿日期：2020⁃11⁃17修回日期：2020⁃12⁃04

现代电子技术

2021年第44卷

保证图像间对应关系更加稳定[14]。局部图像的灰度变化程度通过自相关函数描述，式（1）为具体算法：

u,y

人员，仅凭工作经验判断轨道交通情况，专业能力和个容易导致巡护结果不准确等现象出现[8]。

3）巡护工作人员一般是文化水平不高的基层工作

人素质都没有保证，易出现玩忽职守、精力不足的情况，

为解决这些问题，有学者以青岛当地的轨道交通为例，设计检测系统和定位系统，通过人工智能实现巡护，但该方法过于依赖程序计算，若一个环节出现故障将导致整个巡护设备瘫痪，耽误巡护进程；还有学者以上海地铁作为研究对象，探索地铁线路全自动巡检[10]方式，该方法结合传感器技术和机器人技术人力，实现人工智能巡护，但是该方法投入成本过高，不适合被全国性普及。

无人机巡护方式利用先进的无人机搭载数据采集设备，结合GPS技术、遥感技术、通信技术等手段实现采集城市轨道交通控制保护区的详细信息，方便相关专业人员对无人机反馈的巡护结果及时作出反应，而且这种无人机巡护覆盖面积广、成本适中、操作简单，获取的地面信息更加准确、专业，能够有效降低人工作业的成本消耗，已经被广泛应用于环境监测、地质灾害监测、土地利用管理等领域[11]。本文将无人机技术应用于城市轨道交通控制保护区巡护领域，分析无人机在保护区中目标识别的能力。

[9]

E(x,y)=∑ω(x,y)I(x+u,y+v)-I(x,y)[]（1）

xù

êú =[x y]Méëyû

式中：I(x,y)，I(x+u,y+v)与ω(x,y)分别表示图像的灰度、平移后的图像灰度与窗口函数；M是与Hessian矩阵近似的矩阵，其表达式为：

éA(x,y) C(x,y)ù

M=êêCx,y Bx,yú

)()úë(û

（2）

式（3）是对Hessian算子R(x,y)的定义：

R(x,y)=det(M)-k*(trace(M))2

（3）

式中：一旦R(x,y)高于k的取值控制在0.04~0.06之间，给定阈值，则可以判定点R(x,y)是图像的角点。的仿射、尺寸、光照和旋转的不变性，利用这些优点可获得角点匹配描述子。确定角点之后，使用SIFT算法描述，确保角点匹配描述子具有光照、旋转不变性。具体算法步骤如下：

①确定主方向，首先计算各角点的梯度：

gradI(x,y)=

2）匹配角点。由于SIFT算法具有较优性能和良好

1.1

城市轨道交通控制保护区无人机巡护方法

本文使用有关测量设备结合传感器采集城市轨道图像配准与融合

[](∂I∂I,∂X∂y)（4）

然后对梯度方向直方图实行统计，每经过10°确定一个方向，无人机采集的图像共有36个方向，梯度幅值受到周围像素点的影响也就是角点的梯度幅值，使用式（5）和式（6）分别计算梯度幅值与方向：m(x,y)=交通控制保护区中的必要影像数据，结合采集后的离散型图像与紧密型图像结合目标识别算法实现城市轨道交通控制保护区无人机巡护。无人机采集图像时受到大气反射、天气原因等干扰，会造成图像中存在噪声等情况，对图像实行预处理去除噪声干扰，为图像配准与融合打下基础[12]。预处理完成后需要解决无人机发生变速导致无人机图像受到速度影响，改变影像，出现识别特征叠加、重叠、缝隙等情况，导致特征识别图像不连续，造成识别结果出现较大偏差。为解决这些问题使用改进图像配准算法配准和融合预处理完成后无人机采集的图像[13]。1.1.1

1）提取角点。图像最终的融合质量直接受到图像图像配准

(L(x+1,y)-L(x-1,y))+(L(x,y+1)-L(x,y-1))22（5）（6）

éL(x,y+1)-L(x,y-1)ù

úθ(x,y)=tanêêLx+1,y-Lx-1,yú

)()ûë(-1

素的角点邻域，对该邻域实行划分，成为4×4个子区域，对各子区域8个方向的累加值和梯度幅值实行计算，各子区域构成一个种子点，各个种子点都包含8个方向，一共获得16个种子点，最终各个角点共生成16×8=128维的描述子。

这些描述子在仿射、旋转、光照方面具有良好的不

②将上文提取的角点作为中心，取一个16×16像

配准精度的影响，配准图像时先找出两幅图像中如角点和边缘点等代表性特征，评价配准的标准依据相似度函数。图像特征表达和反映图像的本质信息，经图像特征确定不同图像的随影关系。选择稳定性较高的特征以

变性，可提升图像配准精度，但是128维描述子存在计算量过大的情况，所以需要对这些描述子实行降维：把角点作为中心，取角点相邻的4个邻域，对邻域中8个方

毕景佩，等：城市轨道交通控制保护区无人机巡护67

向和梯度幅值实行计算，把此邻域设置成第一组；在此基础上把此邻域向两个像素点位置扩展，经过扩展得到的邻域设成第二组，对第二组邻域中8个方向和梯度幅值实行计算；把第二组邻域向两个像素点位置扩散，得到第三组，对第三组邻域中8个方向和梯度幅值实行计算，按照此方法依次获取第4~第8组。把经累加的8组8个方向的梯度值按照顺序作为中心角点邻域描述组，以第一组为例共得到60维描述子，由此降低计算时间，扩大邻域范围，提升中心点邻域信息。1.1.2

受到天气、光照等自然因素影响，无人机采集的目图像融合

[15]

图像；bidk(x,y)可能是光照和噪声在图像中形成的目标也可能是待识别的运动目标，所以需要设定一个合理的阈值T，二值化处理bidk(x,y)。

ì1,

bidk(x,y)=í

î0,

bidk(x,y)>Tbidk(x,y)≤T

（10）

式中取值为0和1分别代表像素的前景和背景。前文中经图像融合处理后为图像差分法打下了基础，降低了识别误差。

为了确定待识别目标在图像中的位置，使用多帧差分法实行计算，改进式（9），假设bidk(x,y)是fk(x,y)与那么第k帧图像的对称差fk-1(x,y)之间的差分图像，分为：

sbidk(x,y)=bidk(x,y)⋂bidk+1(x,y)标图像存在颜色和亮度的差异，对后续识别造成影响，将这些图像融合才能获得效果清晰的无人机巡护图像。完成图像匹配后，可以实行图像融合。本文的图像融合方法采取加权平均方法，加权处理原图像的像素灰度值，保证提升融合效率和融合后图像的信噪比以及分辨率。融合配准后图像的方法为渐入渐出加权平均融合法。

ìf1(x,y), (x,y)∈f1

ïï

f(x,y)=íd1f1(x,y)+d2f2(x,y), (x,y)∈f1⋂f2（7）

ïïf(x,y), (x,y)∈f

î2f2(x,y)分别表示两幅图像在该重合区域的灰度值；d1，d2表示f1与f2融合后得到的融合图像中两幅图像各自

（11）

ìbidk(x,y)=1

只有í成立，sbidk(x,y)=1才能

bidk+1(x,y)=1î

成立。

通过该种方法能够准确识别图像中目标的位置，适用于城市轨道交通控制保护区无人机巡护等场景。

图像f1与f2在区域(x,y)发生重合，f1(x,y)和

2.1

仿真实验

为验证本文方法性能，将某市地铁二号线作为研究实验条件

占有的权值，通常情况下d1+d2=1。加权平均融合法把值相加，得到平滑融合后的图像。

使用以上方法实现融合多个目标图像，为无人机目标识别提供数据支持。1.2

当被识别物体在t1和t2时间段运动时，则有：

f2(x,y)=f1(x-Δx,y-Δy)对象，采用本文方法实行城市轨道交通控制保护区无人机巡护。本文选择的无人机为“程度纵横CW⁃007”复合翼无人机和相关配套航摄系统，该无人机使用多旋翼和固定翼，不起降场地实现垂直起飞和降落。机身长度和翼张长度分别为1.3m和2m，最大起飞重量和最高起飞海拔分别为6.8kg和4500m，能达到6级抗风和60min续航，选用索尼A7R2相机作为航摄仪，搭配“蔡司Loxia50mmf2”镜头，有效像素达到4240万，支持连

两幅图像中的重合区域所包含的像素点灰度值根据权

无人机目标识别

（8）

续拍和自动对角，符合城市轨道交通控制保护区无人机巡护需求。为验证本文方法的可行性，使用文献[9]和文献[10]方法进行对比实验。2.2

三种方法的图像预处理效果见图1。从图1能够看结果与分析

根据式（8）获得差分法基本原理，也就是将图像序列内两帧图像在同一个位置相对应的像素点灰度值进行比较，如果比较结果中存在较大差异可证明这个像素点就是正在运动的目标。

为了识别出目标在图像中的位置，使用瞬时差分法寻找邻近两帧图像的差分，通过式（9）计算两帧图像差，获得差分图像bidk(x,y)：

bidk(x,y)=|fk(x,y)-fk-1(x,y)|出，对比方法预处理后的噪声仍然多，图像边缘存在很多毛刺，图像细节缺失严重。本文方法预处理后的图像清晰明亮，不存在噪声干扰，为后续图像融合打下良好基础。

三种方法的图像配准与融合效果对比见图2。从图2中能够看出，由于预处理效果不好，导致后续图像配准和融合效果较差，文献[9]方法图像融合后出现裂缝

（9）

式中：fk(x,y)表示第k帧图像；fk-1(x,y)表示第k-1帧

2021年第44卷

情况，文献[10]方法出现图像融合后错位的情况。本文方法融合效果较好，融合后图像较平滑，没有亮度和颜色的差异，无拼接缝隙。

市轨道交通控制保护区巡护方法。该方法先对无人机采集的图像实行预处理，去除受大气折射和天气原因造成的图像噪声干扰，通过图像配准实现图像融合，在此基础上完成城市轨道交通控制保护区目标识别，最终实现无人机技术的城市轨道交通控制保护区巡护。经验证，本文方法在图像预处理、图像融合以及最终识别过程中都具有良好的效果，适合广泛推广使用。

图1三种方法预处理效果对比

三种方法的巡护效果对比见图3。从图3中能够看出，文献[9]方法仅能巡查出一处异常位置，文献[10]方法能够巡查出两处异常位置，而本文方法能够巡查出四处异常位置，巡查出异常的位置较多，具有较高准确性。

三种方法在轨道交通工具运行速度不同的情况下的漏识别率对比结果见表1。

分析表1可知，在巡护城市轨道交通控制保护区时，本文方法的漏识别率最低，随着轨道交通运行速度的增加，最大漏识别率低于3.58%，与同类方法相比具有绝对优势，能够较好地完成城市轨道交通控制保护区的巡护工作。

图2三种方法图像配准融合效果对比

表1漏识别率对比

轨道交通运行速度（/km/h)

1020304050607080文献[9]方法32.8534.7235.36.5137.6638.2839.6240.87%

文献[10]方法本文方法

28.6229.6530.7231.5732.8733.9534.6835.162.542.872.953.073.193.253.343.583结语

当今交通飞速发展，各城市普遍建设城市轨道交通工具，考虑到日常巡护过程中遇到的成本过高、人力消耗过大等问题，本文提出一种使用无人机技术实现的城

毕景佩，等：城市轨道交通控制保护区无人机巡护

路，2020，65（5）：218⁃223.69

[2]刘国平，郭叶丽，李莎.基于信息技术的城市轨道交通轨行区195.施工动态防护策略[J].城市轨道交通研究，2019，22（5）：192⁃[3]程永志，马强，张磊刚.无人机倾斜摄影辅助BIM+GIS技术在1⁃5.城市轨道交通建设中的应用研究[J].施工技术，2018，47（17）：[4]姜庆阳，黄康，唐凯林，等.城市轨道交通区域控制中心系统预见性维护的研究[J].铁道运输与经济，2017，39（4）：79⁃83.全生产科学技术，2019，15（z1）：38⁃42.制[J].飞行力学，2017，35（1）：39⁃42.[5]成俊，刘飞.城市轨道交通结构安全控制指标探讨[J].中[6]王锐，刘金琨.基于高增益观测器的四旋翼无人机轨迹跟踪控[7]崔恺，曾国奇，林伟，等.一种基于图论的机场空域无人机流量控制方法[J].北京航空航天大学学报，2020，46（5）：978⁃987.装工程，2018，39（12）：113⁃118.[8]石元伍，王玮剑.基于SET与KE的城市管理无人机设计[J].包[9]张学军，王孔明，徐银光，等.青岛悬挂式单轨轨道梁内部巡检设备研制[J].城市轨道交通研究，2018，21（7）：83⁃86.2019，32（5）：19⁃24.

[10]田俊.申城地铁线路全自动巡检探索[J].都市快轨交通，[11]尹晋文.HSCORS在轨道交通控制网中的应用研究[J].公路交

通科技（应用技术版），2018，14（2）：287⁃2.

[12]孙妙平，刘静静，年晓红，等.基于区间矩阵的四旋翼无人机

鲁棒跟踪控制[J].控制理论与应用，2017，34（2）：168⁃178.时航线规划[J].火力与指挥控制，2017，42（12）：115⁃119.法研究[J].电子技术应用，2017，43（7）：84⁃87.

[13]李俊涛，毛红保，张鹏，等.基于多优化策略RRT的无人机实[14]蒋兆军，成孝刚，彭雅琴，等.基于深度学习的无人机识别算[15]宋晨，周良将，吴一戎，等.基于时频集中度指标的多旋翼无

（8）：2029⁃2036.

图3三种方法巡护效果对比

参考文献人机微动特征参数估计方法[J].电子与信息学报，2020，42

[1]陈爱英.轨道交通建设中市政总体控制相关问题的分析[J].公作者简介：毕景佩（1978—），男，河南濮阳人，高级工程师，研究方向为建设工程。

韩孙

旭（19—），男，辽宁锦州人，研究生在读，中级工程师，研究方向为交通运输。媛（2000—），女，河南濮阳人，研究方向为土木工程。

岳会婷（1984—），女，河南信阳人，研究生，高级工程师，研究方向为道路与铁道工程。石运财（1984—），男，侗族，贵州黎平人，研究方向为地理信息系统。

因篇幅问题不能全部显示，请点此查看更多更全内容

查看全文