基于遥感图像的无人机航线撞地风险评估方法.pdf

《基于遥感图像的无人机航线撞地风险评估方法.pdf》由会员分享，可在线阅读，更多相关《基于遥感图像的无人机航线撞地风险评估方法.pdf（15页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010758152.3 (22)申请日 2020.07.31 (71)申请人 北京航空航天大学 地址 100191 北京市海淀区学院路37号 (72)发明人 曾国奇王桂达雷耀麟 (74)专利代理机构 北京永创新实专利事务所 11121 代理人 冀学军 (51)Int.Cl. G06K 9/34(2006.01) G06K 9/00(2006.01) G06Q 10/06(2012.01) G08G 5/04(2006.01) (54)发明名称 一种基于遥感图像的无人机航线撞。

2、地风险 评估方法 (57)摘要 本发明公开了一种基于遥感图像的无人机 航线撞地风险评估方法， 属于无人机航线撞地风 险领域。 首先对申报的航线地面区域拍摄遥感图 像， 根据经纬度坐标拼接形成栅格地图， 对每个 栅格内的像素进行分类。 然后计算无人机在当前 位置跌落后的撞地坐标， 以及在该跌落点所在的 像素区域的概率Pij和造成的财产损失值Qij， 以 跌落点为中心设定20*20个相邻像素区域作为误 差区域， 计算风险评估值EQij。 将申报的航线 划分若干段航路子段， 分别计算每段航路子段的 撞地风险评估值， 引入通信强度因子， 选出评估 值最大的航路子段。 最后判断最大的航线风险评 估值是否。

3、大于设定的阈值， 如果是， 则该航路是 危险的， 否则此航路安全。 本发明计算量小， 普适 性好， 应用范围更广。 权利要求书3页 说明书9页 附图2页 CN 112132144 A 2020.12.25 CN 112132144 A 1.一种基于遥感图像的无人机航线撞地风险评估方法， 其特征在于， 具体步骤如下： 步骤一、 针对用户申报的无人机预备起飞的航线， 对该航线途经地面区域拍摄遥感图 像， 根据经纬度坐标拼接形成栅格地图； 步骤二、 利用遥感图像语义分割技术， 对栅格地图中每个栅格内的像素进行分类， 构建 地貌信息矩阵； 像素分类为建筑类R(architecture)、 绿化类R(g。

4、reening_area)、 水域类R(river)和道 路类R(rode)； 步骤三、 考虑无人机当前位置、 速度、 风速和无人机高度， 计算无人机在当前位置跌落 后的撞地坐标， 从而构建无人机跌落模型； 无人机撞地过程为受当前风速影响的自由落体运动， 首先计算无人机开始跌落初始速 度矢量 是无人机飞行速度矢量，表示风速矢量； 然后利用初始速度矢量计算无人机跌落过程位移矢量计算公 式为： t表示无人机跌落所需时间，h表示当前无人机飞行高度， g表示重力加速度； 最后， 计算无人机撞地坐标， 用如下公式表达： 代表无人机撞地位置矢量， 用无人机撞地坐标(xw,yv)表示；是 无人机开始跌落位置。

5、矢量； 步骤四、 无人机在某点(xi,yj)撞地后， 计算无人机在该跌落点所在的像素区域的概率 Pij和造成的财产损失值Qij； x1,x2,y1,y2分别为跌落点所在的像素区域的x,y轴边界， f(x,y)是标准二维高斯分布的 概率密度函数； 财产损失值用权重值来体现， 跌落点(xi,yj)所在的像素区域的权重值用如下公式计 算： wij表示坐标为(xi,yj)的跌落点对应的像素类的价值权重； qarchitecture表示像素区域为 权利要求书 1/3 页 2 CN 112132144 A 2 建筑类赋予的价值权重， qgreening_area表示像素区域为绿化类赋予的价值权重， qri。

6、ver表示像 素区域为水域类赋予的价值权重， qrode表示像素区域为道路类赋予的价值权重； 财产损失值Qij表示的是以跌落点(xi,yj)所在的像素区域为中心， 周边相邻的10*10个 像素区域内所有像素区域的权重值累积之和； 计算公式为： 步骤五、 无人机在点(xi,yj)撞地后， 以跌落点所在的像素区域为中心， 设定20*20个相 邻像素区域作为误差区域， 分别计算无人机在误差区域中的概率值和财产损失值； 误差区域根据实际航线对应的地图人为设定大小； 无人机在误差区域的概率值之和为: Phf表示无人机跌落坐标点(xh,yf)所在的像素区域的概率； 无人机在误差区域的财产损失值之和为： Q。

7、hf表示无人机以跌落点(xh,yf)所在的像素区域为中心， 周边相邻的10*10个像素区域 内所有像素区域的权重值累积之和； 步骤六、 计算无人机在以撞地点(xi,yj)为核心的误差区域的风险评估值EQij； 风险评估值EQij计算公式如下： 步骤七、 将用户申报的无人机航线划分若干段航路子段， 分别计算每段航路子段的撞 地风险评估值； 步骤八、 对每段航路子段的风险评估值分别引入通信强度因子， 选出加入通信强度因 素后航线风险评估值最大的航路子段； 第z个航路子段(xp,yq)接入通信强度因素后航路子段损失值为： Ez_connectionEzAp,q 其中Ez_connection表示加入。

8、通信强度系数后航路子段风险评估值， 通信强度系数Ap,q是航 路子段中心坐标对应的通信强度， 反应出无人机跌落概率受通信强度影响； 最后， 从每个航路子段对应风险评估值中选出最大的风险评估值作为这条航线中风险 评估值即可； m_airlinemax(m1_connection,m2_connection,m3_connection.mn_connection) 其中， m_airline表示航路风险评估值； 步骤九、 判断航路子段中最大的航线风险评估值是否大于设定的阈值， 如果是， 则该航 路是危险的， 禁止飞行。 否则， 全部航路子段的风险评估值都低于阈值， 此航路是安全的， 允 许飞行。 。

9、2.如权利要求1所述的一种基于遥感图像的无人机航线撞地风险评估方法， 其特征在 于， 所述的步骤二中， 具体为： 针对第个n栅格图像， 该栅格内每个像素点根据所属的类别不同， 分别用1， 2， 3和4表 示； 得到对应的地貌信息矩阵Gn如下： 权利要求书 2/3 页 3 CN 112132144 A 3 In(xa,yb)表示第个n栅格图像In中的像素点(xa,yb) 每个地貌信息矩阵Gn与每个对应的栅格图像In尺寸相同， 最后将所有栅格对应的地貌 信息矩阵拼接成完整地貌信息矩阵GG1、 G2.,Gn。 3.如权利要求1所述的一种基于遥感图像的无人机航线撞地风险评估方法， 其特征在 于， 所述。

10、的步骤七具体为： 首先设第z个航路子段中心点坐标(xp,yq)， 通过无人机跌落过程矢量推 导出该航路子段对应的跌落坐标(xs,yt)， 公式如下： 其中，代表的x轴分量，则对应 其y轴分量， 为矢量与x轴正半轴之间的夹角； 利用第z个航路子段跌落坐标(xs,yt)计算该航线子段对应的风险评估值， 计算公式如 下： Ez表示第z个航路子段对应的风险损失值。 权利要求书 3/3 页 4 CN 112132144 A 4 一种基于遥感图像的无人机航线撞地风险评估方法 技术领域 0001 本发明属于无人机航线撞地风险领域， 具体涉及一种基于遥感图像的无人机航线 撞 地风险评估方法， 用于对用户申报飞。

11、行计划的安全度进行评估。 背景技术 0002 无人机系统(UAS)应用愈加广泛， 无人机系统应用伴随的风险也成为焦点， 但大规 模无人机系统实际应用缺乏适航运行标准、 程序和支持功能， 无人机系统航线风险评估 是 相关适航标准建立的支撑。 0003 现有技术对于无人机航线风险评估研究大部分是对无人机空中相撞进行风险评 估， 而对无人机撞地风险评估研究主要停留在理论层面， 建立的评估模型比较简单， 仅会 考 虑到人口密度等地面信息估算无人机撞地造成伤亡人数， 使用无人机跌落造成伤亡率 作 为作为评估标准。 0004 然而， 现实中评估无人机预设定航线是否安全， 即无人机航线撞地风险， 不仅应考 。

12、虑无人机撞地后造成的伤亡人数， 而且还要考虑无人机跌落造成的经济损失， 例如造成 房 屋和道路的破坏等， 因此急需一种可评估无人机跌落造成经济损失的模型， 达到更加 精确 评估无人机撞地风险的目的。 发明内容 0005 本发明针对上述问题， 提出了一种基于遥感图像的无人机航线撞地风险评估方 法， 利用遥感图像语义分割技术获取无人机航线途经地面的信息， 建立无人机航线撞地风 险 评估模型， 通过计算无人机航线撞地风险评估值， 控制危险飞行。 0006 所述的无人机航线撞地风险评估方法， 具体步骤如下： 0007 步骤一、 针对用户申报的无人机预备起飞的航线， 对该航线途经地面区域拍摄遥 感 图像。

13、， 根据经纬度坐标拼接形成栅格地图。 0008 步骤二、 利用遥感图像语义分割技术， 对栅格地图中每个栅格内的像素进行分类， 构建地貌信息矩阵； 0009 像素分类为建筑类R(architecture)、 绿化类R(greening_area)、 水域类R(river) 和道 路类R(rode)； 0010 针对第个n栅格图像， 该栅格内每个像素点根据所属的类别不同， 分别用1， 2， 3 和 4表示； 得到对应的地貌信息矩阵Gn如下： 0011 0012 In(xa,yb)表示第个n栅格图像In中的像素点(xa,yb) 0013 每个地貌信息矩阵Gn与每个对应的栅格图像In尺寸相同， 最后将。

14、所有栅格对应的 说明书 1/9 页 5 CN 112132144 A 5 地貌信息矩阵拼接成完整地貌信息矩阵GG1、 G2.,Gn。 0014 步骤三、 考虑无人机当前位置、 速度、 风速和无人机高度， 计算无人机在当前位置 跌落后的撞地坐标， 从而构建无人机跌落模型； 0015 无人机撞地过程为受当前风速影响的自由落体运动， 首先计算无人机开始跌落初 始 速度矢量 0016 0017是无人机飞行速度矢量，表示风速矢量； 0018然后利用初始速度矢量计算无人机跌落过程位移矢量计 算公式为： 0019 0020t表示无人机跌落所需时间，h表示当前无人机飞行高度， g表示重力加 速度； 0021 。

15、最后， 计算无人机撞地坐标， 用如下公式表达： 0022 0023代表无人机撞地位置矢量 ， 用无人机撞地坐标 (xw,yv) 表示 ； 0024 是无人机开始跌落位置矢量； 0025 步骤四、 无人机在某点(xi,yj)撞地后， 计算无人机在该跌落点所在的像素区域的 概 率Pij和造成的财产损失值Qij； 0026 0027 x1,x2,y1,y2分别为跌落点所在的像素区域的x,y轴边界， f(x,y)是标准二维高斯 分 布的概率密度函数。 0028 财产损失值用权重值来体现， 跌落点(xi,yj)所在的像素区域的权重值用如下公式 计 算： 0029 0030 wij表示坐标为(xi,yj)。

16、的跌落点对应的像素类的价值权重； qarchitecture表示像素区 域为 建筑类赋予的价值权重， qgreening_area表示像素区域为绿化类赋予的价值权重， qriver表 示 像素区域为水域类赋予的价值权重， qrode表示像素区域为道路类赋予的价值权重； 0031 财产损失值Qij表示的是以跌落点(xi,yj)所在的像素区域为中心， 周边相邻的10* 说明书 2/9 页 6 CN 112132144 A 6 10 个像素区域内所有像素区域的权重值累积之和； 计算公式为： 0032 步骤五、 无人机在点(xi,yj)撞地后， 以跌落点所在的像素区域为中心， 设定20*20 个相邻像。

17、素区域作为误差区域， 分别计算无人机在误差区域中的概率值和财产损失值； 0033 误差区域根据实际航线对应的地图人为设定大小； 0034无人机在误差区域的概率值之和为: 0035 Phf表示无人机跌落坐标点(xh,yf)所在的像素区域的概率。 0036无人机在误差区域的财产损失值之和为： 0037 Qhf表示无人机以跌落点(xh,yf)所在的像素区域为中心， 周边相邻的10*10个像素 区域内所有像素区域的权重值累积之和； 0038 步骤六、 计算无人机在以撞地点(xi,yj)为核心的误差区域的风险评估值EQij； 0039 风险评估值EQij计算公式如下： 0040 0041 步骤七、 将用。

18、户申报的无人机航线划分若干段航路子段， 分别计算每段航路子段 的 撞地风险评估值； 0042 首先设第z个航路子段中心点坐标 (xp,yq) ， 通过无人机跌落过程矢量 推导出该航路子段对应的跌落坐标(xs,yt)， 公式如下： 0043 0044 0045其中，代表的x轴分量，则 对应其y轴分量， 为矢量与x轴正半轴之间的夹角。 0046 利用第z个航路子段跌落坐标(xs,yt)计算该航线子段对应的风险评估值， 计算公 式 如下： 0047 0048 Ez表示第z个航路子段对应的风险损失值。 0049 步骤八、 对每段航路子段的风险评估值分别引入通信强度因子， 选出加入通信强 度 因素后航线。

19、风险评估值最大的航路子段。 0050 第z个航路子段(xp,yq)接入通信强度因素后航路子段损失值为： 0051 Ez_connectionEzAp,q 0052 其中Ez_connection表示加入通信强度系数后航路子段风险评估值， 通信强度系数Ap,q 说明书 3/9 页 7 CN 112132144 A 7 是 航路子段中心坐标对应的通信强度， 反应出无人机跌落概率受通信强度影响。 0053 最后， 从每个航路子段对应风险评估值中选出最大的风险评估值作为这条航线中 风 险评估值即可。 0054 m_airlinemax(m1_connection,m2_connection,m3_co。

20、nnection.mn_connection) 0055 其中， m_airline表示航路风险评估值。 0056 步骤九、 判断航路子段中最大的航线风险评估值是否大于设定的阈值， 如果是， 则 该航路是危险的， 禁止飞行。 否则， 全部航路子段的风险评估值都低于阈值， 此航路是 安全 的， 允许飞行。 0057 本发明的优点在于： 0058 本发明一种基于遥感图像的无人机航线撞地风险评估方法， 利用遥感图像语义分 割 技术生成地貌信息矩阵， 结合通信强度因素， 建立无人机风险评估模型， 对每段直线子 航线计算无人机航线撞地风险评估值， 为是否允许用户申报飞行计划提供依据， 从而控 制 危险飞。

21、行计划， 算法计算量小， 贴合实际、 普适性好， 应用于大部分场景无人机航线 风险评 估。 附图说明 0059 图1是本发明一种基于遥感图像的无人机航线撞地风险评估方法流程图； 0060 图2是本发明构建的无人机跌落物理模型示意图； 0061 图3是本发明跌落点区域损失和计算示意图； 具体实施方式 0062 下面结合附图对本发明进行进一步详细说明。 0063 本发明提出一种基于遥感图像的无人机航线撞地风险评估方法， 在Visual studio上 进行仿真实验， 通过遥感图像语义分割技术获取无人机航线途经地面信息， 结合 无人机 预设定航线信息， 提出一种无人机撞地风险评估模型， 计算无人机航。

22、线撞地风险评 估值， 从而达到控制危险飞行计划目的。 0064 如图1所示， 具体步骤如下： 0065 步骤一、 针对用户申报的无人机预备起飞的航线， 对该航线途经地面区域拍摄遥 感 图像， 根据经纬度坐标拼接形成栅格地图。 0066 步骤二、 利用遥感图像语义分割技术， 对栅格地图中每个栅格内的像素进行分类， 构建地貌信息矩阵； 0067 地貌信息矩阵即无人机航线途经地面的相关信息。 首先， 获取无人机航拍遥感图 像 In， 利用遥感图像语义分割技术将初始图像In进行像素级分类， 例如依次取一块栅格地 图图像， 规定其图像分辨率是0.3m0.3m， 即一个像素点代表现实区域0.2m0.2m，。

23、 像 素 分类为建筑类R(architecture)、 绿化类R(greening_area)、 水域类R(river)和道路类 R (rode)； 0068 针对第个n栅格图像， 该栅格内每个像素点根据所属的类别不同， 分别用1， 2， 3 和 4表示； 得到对应的地貌信息矩阵Gn如下： 说明书 4/9 页 8 CN 112132144 A 8 0069 0070 矩阵每一点代表该处的类别， In(xa,yb)表示第个n栅格图像In中的像素点(xa,yb) 0071 得到一系列区域地貌信息矩阵G1、 G2Gn， 结合GPS坐标， 将所有栅格对应的地 貌 信息矩阵拼接成完整地貌信息矩阵GG1、。

24、 G2.,Gn。 对地貌信息矩阵G建立平面直 角坐 标系， 来完成无人机相关位置坐标计算； 每个地貌信息矩阵与每个对应的栅格图像 In尺寸 相同。 0072 步骤三、 考虑无人机当前位置、 速度、 风速和无人机高度， 计算无人机在当前位置 跌落后的撞地坐标， 从而构建无人机跌落模型； 0073 无人机跌落模型示意图如图2所示， 无人机撞地过程为受当前风速影响的自由落 体 运动， 首先计算无人机开始跌落初始速度矢量 0074 0075是无人机飞行速度矢量，表示风速矢量；表示无人机开 始跌落初始速度矢量， 是由无人机飞行速度矢量和风速矢量叠加得到 的。 0076然后利用初始速度矢量计算无人机跌落过。

25、程位移矢量计 算公式为： 0077 0078t表示无人机跌落所需时间，h表示当前无人机飞行高度， g表示重力加 速度； 0079 最后， 计算无人机撞地坐标， 用如下公式表达： 0080 0081代表无人机撞地位置矢量 ， 用无人机撞地坐标 (xw,yv) 表示 ； 0082 是无人机开始跌落位置矢量； 0083 步骤四、 无人机在某点(xi,yj)撞地后， 计算无人机在该跌落点所在的像素区域的 概 率Pij和造成的财产损失值Qij； 0084 通过无人机在某点跌落到地面位置坐标， 即像素点坐标， 一个坐标点对应现实中 0.20.2m区域。 因跌落物理模型本身是非常复杂的过程， 进行大量数据仿。

26、真不现实， 模 拟 计算时无法精确得知无人机在某点跌落坐标。 故规定一个以理论计算跌落点为中心的 尺 寸为7m*7m(对应22*22像素距离)的误差区域， 即由于计算误差存在， 无人机可能跌 落在以 计算的跌落点为中心的7m*7m的区域。 说明书 5/9 页 9 CN 112132144 A 9 0085 首先， 计算无人机跌落在误差区域某一点的跌落点风险值： 0086 0087 则Pi为无人机跌落在像素点的概率， Tr 代表加权运算， 即根据对应区域属于不 同类别， 赋予相应权值。 loss值是计算对应跌落点风险评估值， loss值越大， 代表无人 机跌 落此点对人身和财产的损失越大。 00。

27、88 然后， 计算经误差引起因素分析， 误差对x,y坐标轴具有各向同性， 假设该物理模 型引起的计算误差分布与标准二维高斯分布相同。 0089 0090 其中f(x,y)是标准二维高斯分布的概率密度函数， 由于x,y轴仅具有坐标轴含义， 而跌落模型计算误差概率分布对下x,y具有各向同性， 因此x,y是相互独立变量， 相关 系数 为0。 假设计算误差符合标准二维高斯分布， 因此 0091 1 21 0092 0 0093 则无人机跌落点误差概率密度函数可表示为: 0094 0095 因标准二维高斯分布是连续性概率分布， 但地貌信息矩阵在程序中是以矩阵存储 的， 其像素点是离散存在矩阵中的。 若计。

28、算跌落点落在该像素点的概率， 需把离散的像素 点 转换为连续的表示区域， 即将离散的像素点转换为尺寸为0.20.2m的方形区域， 这样 便 可计算无人机跌落点概率。 0096 按照图像分辨率将离散分布的像素转为对应0.20.2m的正方形区域， 其xi,yj坐 标 也据此计算， 利用生成的连续矩阵图计算每个正方形区域(对应一个像素点)的跌落概 率。 对每个正方形区域对分布函数f(x,y)求二重积分， 规定在误差区域内跌落概率分布函 数 F(Xx,Yy)1， 即当理论计算跌落点在(xi,yj)， 则实际无人机跌落点一定会跌落 在 以理论计算跌落点为中心的尺寸为7m*7m(对应22*22像素距离)的。

29、误差区域。 假设正 方形 区域的x,y轴边界分别为x1,x2,y1,y2， 则无人机跌落该区域概率Pij为： 0097 0098 x1,x2,y1,y2分别为跌落点所在的像素区域的x,y轴边界， f(x,y)是标准二维高斯 分 布的概率密度函数。 0099 已知地貌信息矩阵中类别用数字0,1,2,3,4表示， 根据像素点属于哪一类别， 将地 貌 信息矩阵G每一类赋值不同的价值权重， 得到价值矩阵M， 保存为Opencv中Mat类型 矩 阵， 用价值矩阵计算无人机撞地风险评估值。 财产损失值用权重值来体现， 跌落点 (xi,yj) 所在的像素区域的权重值用如下公式计算： 说明书 6/9 页 10。

30、 CN 112132144 A 10 0100 0101 wij表示坐标为(xi,yj)的跌落点对应的像素类的价值权重； qarchitecture表示像素区 域为 建筑类赋予的价值权重， qgreening_area表示像素区域为绿化类赋予的价值权重， qriver表 示 像素区域为水域类赋予的价值权重， qrode表示像素区域为道路类赋予的价值权重； 0102 考虑无人机本身具有一定体积、 跌落时由于滑行和体积因素， 当计算无人机跌落 某 点造成财产损失值Qij时， 不仅仅是对跌落点0.20.2m区域(对应价值矩阵一个像素点) 产生破坏， 假设， 无人机撞地点为价值矩阵中某像素点的概率是P。

31、ij， 我们不能简单的将 Pijwij作为跌落该点损失值， 在计算Qij时， 应考虑无人机跌落是对以跌落点为中心邻域 造成破坏。 应计算以该点为中心邻域的PijQ损失和， 近似作为无人机跌落滑行造成损失 值。 如图3所示， 当计算无人机跌落点为深色区域的风险评估值时， 需计算深色加浅灰 色区 域价值权值作为Qij， 规定此邻域尺寸为2m*2m(对应10*10像素距离)。 0103 0104 财产损失值Qij表示的是以跌落点(xi,yj)所在的像素区域为中心， 周边相邻的10* 10 个像素区域内所有像素区域的权重值累积之和； 计算公式为： 0105 步骤五、 无人机在点(xi,yj)撞地后， 。

32、以跌落点所在的像素区域为中心， 设定20*20 的像素区域作为误差区域， 分别计算无人机在误差区域中的概率值和财产损失值； 0106 误差区域根据实际航线对应的地图人为设定大小； 0107无人机在误差区域的概率值之和为: 0108 Phf表示无人机跌落坐标点(xh,yf)所在的像素区域的概率。 无人机在误差区域的 财 产损失值之和为： 0109 Qhf表示无人机以跌落点(xh,yf)所在的像素区域为中心， 周边相邻的10*10个像素 区域内所有像素区域的权重值累积之和； 0110 步骤六、 计算无人机在以撞地点(xi,yj)为核心的误差区域的风险评估值EQij； 0111 风险评估值EQij计。

33、算公式如下： 0112 0113 步骤七、 将用户申报的无人机航线划分若干段航路子段， 分别计算每段航路子段 的 撞地风险评估值； 0114 首先设第z个航路子段中心点坐标 (xp,yq) ， 通过无人机跌落过程矢量 推导出该航路子段对应的跌落坐标(xs,yt)， 公式如下： 说明书 7/9 页 11 CN 112132144 A 11 0115 0116 0117其中，代表的x轴分量， 则 对应其y轴分量， 为矢量与x轴正半轴之间的夹角。 0118 利用第z个航路子段跌落坐标(xs,yt)计算该航线子段对应的风险评估值， 计算公 式 如下： 0119 0120 Ez表示第z个航路子段对应的风。

34、险损失值。 0121 步骤八、 对每段航路子段的风险评估值分别引入通信强度因子， 选出加入通信强 度 因素后航线风险评估值最大的航路子段。 0122 为了使计算贴合实际， 当无人机在禁飞区、 威胁区飞行时， 发生跌落概率愈大。 将 通信强度因素对航路风险评估值影响考虑在内， 引入通信强度分布矩阵A， 作为Ez的权 值， 预留接口， 后期接入对应真实通信强度。 0123 将通信强度分布矩阵A保存到vector数组中。 遍历每个航路子段， 求解出无人机于 航路子段中心点开始跌落(xp,yq)， 存入drop_site数组中。 并对每个跌落坐标求出其对 应 的风险评估值Ez， 存入drop_site。

35、_loss数组中。 考虑到通信因素， 将(xp,yq)对应通信 强度 系数Ap,q与Ez相乘， 得到Ez_connect保存到drop_site_signal_loss数组中。 对 drop_site_ signal_loss数组取最大值作为当前航路风险评估值。 0124 第z个航路子段(xp,yq)接入通信强度因素后航路子段损失值为： 0125 Ez_connectionEzAp,q 0126 其中Ez_connection表示加入通信强度系数后航路子段风险评估值， 需要注意， 这里引 入 通信强度系数Ap,q是航路子段中心坐标对应的通信强度， 反应出无人机跌落概率受通信 强度影响， 而不是。

36、理论计算跌落点坐标。 通信强度系数Ap,q是航路子段中心坐标对应的 通 信强度， 反应出无人机跌落概率受通信强度影响。 0127 因无人机在一段直线航路只会跌落一次， 只能跌落一次， 因此当判断一条直线航 路 是否安全， 只需计算每个航路子段对应风险评估值Ez_connection， 从中选出最大的风险评 估 值作为这段航路风险评估值即可。 0128 m_airlinemax(m1_connection,m2_connection,m3_connection.mn_connection) 0129 其中， m_airline表示航路风险评估值。 0130 步骤九、 判断航路子段中最大的航线风险。

37、评估值是否大于设定的阈值， 如果是， 则 该航路是危险的， 禁止飞行。 否则， 全部航路子段的风险评估值都低于阈值， 此航路是 安全 的， 允许飞行。 0131 实施例： 说明书 8/9 页 12 CN 112132144 A 12 0132 针对无人机在城市场景下的物流运输， 需要对规划的无人机航线进行撞地的风险 评 估， 来作为规划无人机航线的理论依据。 0133 首先， 利用无人机对指定区域拍摄遥感初始图像In， 规定图像分辨率0.20.2m， 即 一个像素表示现实区域0.20.2m， 根据经纬度坐标拼接形成栅格地图。 0134 考虑无人机当前位置、 速度、 风速、 无人机高度， 计算无。

38、人机在该位置跌落后的撞 地坐标(无人机跌落是自由落体)； 0135 通过无人机撞地坐标， 根据坐标取出对应地貌信息矩阵， 计算航线风险评估值； 0136 当用户申报计划航线后， 因飞行计划是以一段直线航路为规划单位的， 故规定一 段 直线航路为航路段， 而航路段和航路段交点称为航路节点。 在计算航路风险评估值时， 将用户申报的航路段分为若干个长度为15m(对应75像素距离)的航路子段， 以此作为计 算 单位， 计算每个航路子段中心点(xs,yt)开始跌落对应撞地点(xi,yj)风险评估值。 当 其中 一段航路子段对应风险评估值大于设定的阈值， 便判断该航路是危险的， 禁止飞行。 如果 全部航路。

39、子段的风险评估值都低于设定的阈值， 便判定航路是安全的， 允许飞行。 0137 最后， 为了更加精确模拟无人机跌落环境， 本申请结合了通信强度。 例如无人机在 距离信号站越近的位置， 则发生跌落的概率越低， 其对应危险等级越低； 当无人机距离 信 号站越远或者无人机处于两个信号站辐射的叠加区域， 则发生跌落概率越大， 对应危 险等 级越高， 通过引入通信强度因子来计算航线风险评估值。 0138 本发明读入用户申报飞行计划航线， 初始化航路段、 航路节点信息， 将航路节点保 存到数组中， 根据航路节点将航路段平均分割为若干段长度为15m(对应75像素距离) 的航 路子段， 并将航路子段中心点保存。

40、到airline_subpath_node数组内。 0139 通过对比无人机航线风险评估值， 可用来评估用户申报航线是否安全， 为是否允 许 其航线飞行提供理论依据。 仿真结果表明， 实验数据符合事实， 具有良好解释性， 算法 中所用数据大部分可提前计算好保存， 例如地貌信息矩阵、 通信强度矩阵， 这将大大简 化 算法计算量， 保证算法高并发的实现， 普适性好， 应用于大部分场景无人机航线风险 评估。 说明书 9/9 页 13 CN 112132144 A 13 图1 说明书附图 1/2 页 14 CN 112132144 A 14 图2 图3 说明书附图 2/2 页 15 CN 112132144 A 15 。