0 引言
从监管技术发展来说,目前低轻型无人机多数采用无线电台的飞行监管模式,受限于无线电台功率,信号传输距离短,不具备远程监管的能力[10,11]。现阶段国内外无人机远程监管尚处于探索期,美国航空航天局开发的无人机空中交通管制系统,在无人机上安装低空交通与飞行空间安全系统(low altitude traffic and airspace safety,LATAS),利用无线网络回传数据,在云端软件中显示无人机的位置和姿态,并能自动警醒避免彼此碰撞[12]; 美国联邦航空管理局推出的无人机网上登记服务,通过注册备案无人机进行监管[13]; 国内的AOPA U-Cloud系统,在无人机上装备SIM卡,基于互联网和云计算技术,将其飞行航迹、速度等实时纳入到云数据库,实现对无人机的监控[14]; DJI GEO系统通过与其硬件产品绑定,利用无线网络提供所在区域的飞行限制和安全信息提示[15]; U-Care系统也具备无人机云监管、飞行作业管理等无人机监管与运营功能[16]。
随着无人机监管系统在推广应用中的不断完善,需要融入更多的高新信息技术。北斗导航卫星系统具有(导航)定位、(精密)授时和短报文通信功能,可以在全国范围内提供全天候的卫星导航和短信传输服务。北斗卫星导航系统自1994年开始制定了“三步走”发展规划,即实现“区域有源定位(2000年)—区域无源定位(2012年)—全球无源定位(2020年)”,最终将实现全球的卫星导航能力。
为满足无人机资源的统一管理,实现飞行作业任务按照“注册报批—合理判断—任务统筹”的业务化流程,在充分研究北斗导航卫星技术特点的基础上,基于“‘863’计划”课题,本文项目组研发了基于北斗技术的针对低空轻小型无人机的飞行监管系统,以解决低轻型无人机的快速标识与有效监管问题。本文从该监管系统的研发思路、开发环境和功能构成等方面详细阐述系统的开发与应用,并在四川省、新疆维吾尔族自治区和湖北省等地区开展了多类型作业环境的测试和验证工作。
1 系统研发
1.1 研发思路
低空轻小型无人机飞行监管系统研发思路主要是在硬件和软件2个层面将北斗导航卫星技术与无人机飞行监管工作流程进行深度融合。研发内容包括标准规范制定、硬件研制、软件研发、软硬件集成和测试飞行等。
硬件方面: 研发机载/地面无人机监管单元、硬件接口协议以及飞行诸元(无人机位置、姿态参数)传输协议。在此基础上,利用北斗短报文通信机制与链路,将无人机的飞行诸元实时回传至监管中心数据库,相关部门可以根据采集到的数据,利用软件对无人机实施监控。
软件方面: 设计并构建一系列无人机监管相关数据库,实现数据的搜集和整理入库; 研发软件平台,实现对无人机飞行监管前数据的注册报批审核,飞行监管时的北斗数据接收、飞行轨迹可视化、违规报警、规划调度以及飞行监管后的数据发布。主要涵盖4个功能模块: ①无人机资源与任务的注册审批发布,实现飞行监管前数据的报批审核与资源统一管理; ②北斗数据接收,实现飞行诸元的实时接收; ③飞行任务监管,实现飞行监控与违规报警; ④资源规划配置,实现无人机应急服务调度管理。
1.2 开发环境
按照监管平台应满足用户广泛性和数据保密性的要求,系统设计了外网B/S架构和内网C/S架构2部分,外网和内网的开发环境如表1—2所示。
表1 外网开发环境
Tab.1
| 名称 | 内容 |
|---|---|
| PC硬件指标 | Intel(R) Core(TM) i5-2400 CPU @3.10 GHz |
| 桌面操作系统 | Microsoft Windows 7-32 |
| 系统开发软件 | Eclipse |
| 开发包 | JDK |
| 开发语言 | Java,JSP |
| 服务器 | Tomcat |
表2 内网开发环境
Tab.2
| 名称 | 内容 |
|---|---|
| PC硬件指标 | Intel(R) Core(TM) i5-2400 CPU @3.10 GHz |
| 桌面操作系统 | Microsoft Windows 7-32 |
| 系统开发软件 | Microsoft Visual.net,TopWorld |
| 开发包 | Diectx 9.0c,.Net Framework3.5 |
| 开发语言 | C# |
1.3 功能构成
系统功能构成如图1所示。其中,外网平台注册、审核飞行监管前的无人机资源与任务数据以及发布飞行监管后的数据,并将数据同步更新至内网; 北斗一体机中的北斗模块通过串口直接与内网监管平台连接,实现无人机飞行诸元数据的传输; 内网平台则通过匹配外网数据与北斗数据实现无人机飞行时监管功能以及三维可视化。
图1
1.3.1 注册、审核和发布
系统设计了3类用户: 未注册用户、注册用户和管理员,不同级别的用户具有不同的权限。未注册用户通过外网平台中的用户注册模块注册、审批成为注册用户。拥有无人机资源的注册用户进入资源注册系统填报无人机资源信息(如基本信息、飞行平台信息、飞控信息和拥有单位等),用于无人机系统的登记统计及规划管理; 计划执行飞行任务的注册用户进入任务注册系统填报任务信息(如任务范围、飞行时间、飞行高度和所用无人机型号等),报批飞行任务。管理员根据资源注册信息的合法性、合理性和重复性以及任务注册信息的空域审批、时间审批等条件,24 h内确认和审核注册信息并反馈审核结果状态。审核通过后,系统会为无人机和任务分配唯一的标识ID。审核通过的任务信息即可进行无人机飞行任务监管,审核未通过的则反馈存在问题。
完成飞行监管后,系统根据用户注册权限提供所有信息的汇总浏览、各项指标的介绍信息,共享无人机资源与任务数据以及飞行结果数据,相关部门可以有效掌控无人机的信息资源,以备优化配置并统一管理和调度。
1.3.2 北斗数据接收
如图2所示,首先将机载无人机监管单元采集的飞行诸元数据和接收方ID的通信申请信号加密,并利用北斗短报文技术发送至北斗卫星; 然后,北斗卫星将信号以短报文方式转发到地面无人机监管单元; 最后,地面无人机监管单元实时接收和解密短报文,并推送给无人机飞行监管软件系统的数据接收模块。
北斗数据接收软件模块操作流程为: 启动无人机通讯设置,配置端口、波特率等硬件参数,完成北斗监管装置的软硬件连接; 点击“跟踪”启动监管,当连接状态显示经纬度坐标信息时,表示数据接收成功; 点击“断开”则停止监管,当连接状态显示关闭时,表示数据接收失败。
图2
1.3.3 基础功能
系统是基于自主研发的“神州遨游TopWorld”基础平台开发的三维可视化平台,其基础功能包括: ①图层化管理,加/卸载监管区域的影像、地形等基础数据以及管制区和飞行任务注册范围等无人机监管专题数据,控制数据的显示模式; ②视图,提供一系列基本浏览操作功能,包括旋转、平移及缩放等; ③符号化表达,对系统中无人机等专题对象配置相应的符号; ④空间分析,提供空间距离量测和面积量测等功能。
1.3.4 飞行任务监管
在任务飞行过程中,借助北斗模块获取飞行诸元信息(如飞行瞬时空间位置、飞行航向及飞行速度等)并将其入库,然后在监管平台上进行三维实时监管、匹配预警和可视化分析。具体包括以下4方面内容:
1)一键启动对所有任务的监管,可切换当天任务资源列表和在线资源树形分布2种监管模式,通过动态监管面板显示当前任务的基本信息和任务状态信息,并在三维场景中叠加飞行任务注册范围和管制区范围。
2)当接收到无人机飞行数据时,三维场景中显示出无人机标识并实时绘制其飞行轨迹,可实时动态显示飞行诸元信息并查看无人机的资源信息。
3)实时监管过程中,将飞行轨迹(或坐标)与飞行管制区域和任务注册信息进行实时匹配,预警提示越界飞行、进入飞行管制区以及未注册飞行等多种情况,出现违规现象时,无人机闪烁提示,并显示和发送告警短信。
4)监管结束后,统计分析当天任务执行情况,生成统计文档,如飞行时长、违规信息等内容。
1.3.5 资源规划配置
系统的无人机资源与飞行任务注册数据库提供了大量的信息资源,因此,通过查询统计等功能建立了一套应急服务调度流程,在此基础上,通过对无人机资源规划、配置和调度,为相关部门提供管理和决策支持。主要包括以下3个环节:
1)灾害点的选取标注。主要采用符号标注的功能。
2)资源的综合查询和显示。系统提供了基于语义和空间范围2种查询模式。语义查询可以通过输入行政区域和系统型号等进行精确查询或模糊查询; 空间查询可按空间范围或者按距灾害点的空间距离进行设置查询。查询结果可通过弹出结果面板和表格记录等方式进行浏览,并在三维场景中显示。
3)调度方案生成。统计输出查询结果并生成调度方案,包括执行飞行任务的注册用户、无人机机型和飞行任务安排等。
2 系统应用
该系统在四川省、新疆维吾尔族自治区和湖北省等多地进行了测试应用。本文仅以武汉市试验为例介绍系统的应用流程。本次测试监管中心设在北京,共设计了3架无人机在武汉进行飞行试验。
测试人员通过B/S客户端完成用户注册并登录B/S客户端。在资源注册模块和任务注册模块分别完成无人机资源信息和飞行任务信息的注册,提交信息进行审核; 审核通过后,分别自动生成标识无人机和任务的唯一ID号。
无人机资源和飞行任务注册完成后,相关信息同步传输到C/S客户端,监管用户通过C/S客户端对飞行任务进行监管。监管功能界面如图3所示。
图3
图3
系统内网监管功能界面
Fig.3
Monitoring and management function interface of the LAN system
从图中可见区域三维地形地貌、注册任务范围、飞行轨迹和无人机标识等监管场景。根据北斗模块获取的飞行诸元信息,获知在线的3架无人机状态分别为越界并在禁飞区飞行、未注册飞行和正常飞行,点击单架无人机可以获取该无人机的实时姿态信息及其报警信息。
本次试验还全面测试了监管系统的功能和性能,包括注册系统数据上传、无人机飞行诸元实时传输的稳定性和可靠性以及无人机飞行监管的可靠性和可视化效果。监管平台在数据接收过程中非常稳定,接收的数据未出现错误,可视化效果良好。
3 结论
基于北斗技术的无人机飞行监管系统通过对无人机资源与任务注册、北斗飞行诸元接收、无人机飞行监管与告警、资源规划配置等关键技术的研究和实现,并基于B/S和C/S框架实现了无人机系统注册与监管功能。多地区的测试应用试验表明:
1)系统可实现无人机资源与任务的注册、审批以及共享,统一管理和唯一标识无人机资源任务,为飞行监管提供数据支撑。
2)可实现多架无人机飞行诸元的同时远程传输与3D可视化,提供无人机的实时位置服务与姿态信息。
3)在中心节点可实现全局无人机飞行的实时监控和指挥,提供了无人机实时位置、飞行轨迹以及违规飞行报警信息,可联系作业人员执行控制指挥。
4)通过资源规划配置和管理为管理部门指挥调度和决策提供依据。
5)本监管系统首次将北斗通讯技术应用于无人机飞行监管,具有重要的应用价值。一方面,北斗导航卫星系统的引入解决了无人机飞行监管目前所面临的系列问题,使得国家空管和科技部门能够有效掌控无人机遥感网络的信息资源,实时监管无人机飞行作业安全,实现资源的优化配置、统一管理和调度; 另一方面,基于北斗技术的无人机飞行监管系统的广泛应用为北斗导航卫星系统的推广提供了技术和硬件基础,有利于其在无人机领域的扎根和快速发展。随着我国民用无人机空管技术和管理机制的逐步形成,低空轻小型无人机的监管功能将会不断得到完善。
参考文献
无人机遥感系统的研究进展与应用前景
[J].
DOI:10.13203/j.whugis20140045
URL
Magsci
[本文引用: 1]
<b>目的</b>阐述了无人机遥感兴起的背景。从无人飞行平台、飞行姿态控制与导航、数据传输与存储、数据处理、传感器技术、空域使用政策等方面探讨了发展无人机遥感系统的基础、问题、研究进展和趋势。通过描述无人机遥感系统在大量相关行业领域的应用与实践,点出了发展无人机遥感系统的必要性与意义所在。最后,从科技、政策等方面给出了发展无人机遥感技术和产业的建议。
Research advance and application prospect of unmanned aerial vehicle remote sensing system
[J].
无人机遥感技术现状与应用
[J].随着测绘科学技术的发展,各行各业对遥感数据的需求日益增加,但遥感数据获取手段相对不足。无人机遥感系统以更低的运营成本、高效灵活的任务安排,自动化和智能化的操作应用成为主要的遥感技术之一。本文对目前国内外无人机遥感的研究现状进行了介绍,在此基础上对无人机遥感关键技术进行了分析。
Application and status of unmanned aerial vehicle remote sensing technology
[J].
基于无人机遥感技术的潮间带高程测量方法
[J].浙江省沿海地形地貌复杂,许多临海或近海岛屿滩涂无法采用传统方 式测量潮间带的高程.为解决潮间带高程人工上滩测量困难问题,对利用无人机遥感技术结合潮位观测实现潮间带高程测量的方法进行了研究.首先,结合现有资料 确定航摄区域和潮位基本信息;然后同步进行无人机航摄作业和潮位观测外业;最后,通过航摄获取的正射影像数据绘制高精度的水陆边线,对潮位观测数据插值, 实现潮间带高程测量.研究结果表明:该方法能定量描述潮间带高程信息,是对传统潮间带高程测量方法的一种补充,已成功应用于2012年浙江省滩涂资源调查 项目,具有操作简单、可行性强及经济效益高等特点.
Tideland height measurement based on UAV remote sensing and tidal observation
[J].
基于无人机影像的农情遥感监测应用
[J].
DOI:10.3969/j.issn.1002-6819.2013.18.017
URL
Magsci
[本文引用: 1]
该文以中国农业科学院（万庄）农业高新技术产业园及周边地区4.2×3.1 km的范围为研究区域，利用无人机搭载RICOH GXR A12型相机进行了航拍试验，主要测试了定位定向系统（positioning and orientation system，POS）数据辅助下光束法区域网平差方法平面定位及面积测量精度，以及无人机影像的作物面积识别精度。结果表明，在无控制点约束条件下，直接采用POS数据进行光束法区域网平差后，以中误差表示的平面定位精度为X轴方向（东西方向）中误差为2.29 m，Y轴方向（南北方向）中误差为2.78 m，整体平面中误差3.61 m；采用3阶一般多项式模型进行几何精校正，X轴方向中误差为1.59 m，Y轴方向中误差为1.8965 m，整体平面中误差为2.32 m，符合《数字航空摄影测量空中三角测量规范》中对1∶10 000平地的平面精度要求，能够满足农作物面积遥感监测中作物面积调查定位精度的要求；采用监督分类和面向对象分类2种方法，对面积评价区域种植的春玉米、夏玉米、苜蓿和裸土4种地物类型进行分类，以差分GPS调查结果为评价标准，4种作物总体识别精度分别达到了88.2%（监督分类）和92.0%（面向对象分类），单独分类精度分别为88.9%、86.7%、93.0%、86.6%和90.35%、92.61%、94.93%、93.30%。研究结果说明了无人机遥感影像获取小范围、样方式分布的作物影像方面具有广泛的应用前景，推广后能够满足全国农作物地面样方对高空间分辨率影像的需求，可以部分替代现有人工GPS测量的作业方式。
Applications of unmanned aerial vehicle images on agricultural remote sensing monitoring
[J].
无人机低空航摄的矿山地质灾害精细探测方法
[J].为精确识别矿山开发和矿山环境目标、促进矿业开发的可持续发展,文章基于无人机低空航摄获取的矿区高分辨率正射影像及大场景立体正射影像对,并结合开采沉陷预计下沉等值线,定性与定量分析矿山开发和矿业活动对土地资源、建(构)筑物、主要工程设施的影响与破坏,以及矿山地质灾害的类型、规模、损失及危害等。实际工程应用结果表明:同现有的常规和卫星遥感监测技术相比,该方法减少了大量外业工作量且具有较高的精度和速度优势,从而为矿山地质环境的精细探测提供了一种可行的途径和实践参考。
Precise detection method for mine geological disasters using low-altitude photogrammetry based on unmanned aerial vehicle
[J].
基于无人机图像颜色指数的植被识别
[J].<p>植被信息在农业监测、生态环境保护等方面具有重要作用。利用无人机(unmanned aerial vehicle,UAV)获取的高分辨率图像识别植被信息具有成本低廉、方式灵活等优势。目前UAV遥感使用的可见光图像主要依靠各种颜色指数提取植被。以山东省微山县为研究区,选用NGRDI,ExG,ExG-ExR和GLI等4种基于RGB色域的颜色指数,对覆盖研究区的UAV图像进行灰度化处理,用最大类间方差自动阈值检测方法将植被区域与非植被区域识别出来,并分析各种颜色指数的适用性及影响因素。研究结果表明:4种颜色指数均能快速准确地识别植被覆盖区域,识别精度在90%以上。其中ExG-ExR指数优于其他指数,识别精度最高,识别效果较稳定; ExG与GLI指数的识别精度在研究区9景图像中变化不大,相对稳定,也可作为有效的植被识别方法。4种颜色指数对植被与背景的RGB特征差别较大图像的植被识别精度均较高。植被识别精度与研究区图像中冬小麦所占比例成正比,与阔叶林、建筑物/道路所占比例成反比。</p>
Vegetation extraction method based on color indices from UAV images
[J].
无人机航测技术在农村土地调查工作底图制作中的应用
[J].<p>针对农村土地调查工作底图制作工作的实际需求,提出了将无人机航测技术应用于农村土地调查工作底图生产的方案,分析了无人机应用于农村土地调查工作底图制作的已有基础,重点论述了基于无人机航测技术的农村土地调查底图制作的工作流程和需要达到的技术要求,可为农村宅基地和集体建设用地确权登记发证工作提供新的解决方案。</p>
Application of UAV aerophotogrammetry to base-map production in rural land survey
[J].
无人机遥感影像中农村房屋信息快速提取
[J].<p>针对无人机遥感技术应用中信息提取自动化、智能化不足的问题,提出了一种基于面向对象分割的农村房屋信息提取方法。该方法首先利用双边滤波器滤掉影像中的噪声,然后利用移动均值算法分割影像,最后根据分割后房屋对象的特征建立提取规则,对房屋信息进行提取。实验结果表明,该方法可有效提取无人机遥感影像中的农村房屋信息,平均提取精度约为92%。</p>
Rural residential area extraction from UAV remote sensing imagery
[J].
无人机地面站发展的分析研究
[J].
Analysis of the development of UAV GCS
[J].
Design of ground monitor and control system for UAV remote sensing based on world wind
美国四家公司的无人机空管系统完成初步测试
[EB/OL].(
Drone airspace management system of four American companies completed initial testing
[EB/OL].(
美国联邦航空管理局的无人机监管“壮举”
[EB/OL].(
Unmanned aerial surveillance“feat”of Federal Aviation Administration
[EB/OL].(
U-Cloud正式上线,无人机监管迈出一大步
[EB/OL].(
U-Cloud officially online,unmanned aerial surveillance moved forward a big step
[EB/OL].(
即时空管服务,GEO和AOPA U-Cloud谁能占得先机?
[EB/OL].(
Real time air traffic control services,GEO and AOPA U-Cloud who can take the lead?
[EB/OL].(
