购物网站建设的目标,wordpress 域名配置,win7 iis添加网站,平面设计网站有什么无人机救援系统简单解读 1. 源由2. 场景分析2.1 人员搜索2.2 紧急物资投送2.3 环境评估 3. 系统分解4. 初步总结5. 参考资料 1. 源由
最近#xff0c;关于《Rapid Response UAV Post-Disaster Location Network Incorporating ML, Radio Control, and Global Positioning Sys… 无人机救援系统简单解读 1. 源由2. 场景分析2.1 人员搜索2.2 紧急物资投送2.3 环境评估 3. 系统分解4. 初步总结5. 参考资料 1. 源由
最近关于《Rapid Response UAV Post-Disaster Location Network Incorporating ML, Radio Control, and Global Positioning System》进行了一些简单的讨论。
PRlog - Rapid Response UAV network for Disaster Relief and Survivor Location using Machine Learning and GPSArdupilot - Rapid Response UAV network for Disaster Relief and Survivor Location using Machine Learning and GPS Rapid Response UAV Post-Disaster Location Network Incorporating 通过讨论和一些经验重要信息抽取如下
快速响应
距离(通信)速度(时间)载重(物资)
人员救援
目标定位(标记识别、红外、热成像)急救物资投递
实时监测
路径规划灾情评估现场视频
物资投放
急救物资通讯设备生存用品
环境评估
三维建模环境数据重建支持
云平台
数据共享决策支撑部门协调
2. 场景分析
2.1 人员搜索
输入 最后定位搜索范围(圆、多边形)搜索路径规划(根据最后位置、搜索范围、地形、停机场智能规划最有路线)搜索目标算法(红外热成像、主动定位标识、SOS求生信号等) 过程 根据最后位置、搜索范围、可用无人机数量和位置、当前电量、备降(充电)位置、搜索区域地形规划最优路线 多机同时搜索每台无人机搜索效率可能有差异(扫描宽度滞空时间等) 低空飞行系统备案指令命令无人机起飞按照搜索路线进行搜索发现疑是目标进行定时盘旋记录 系统提示若操作人员介入直接实时检视情况(提示算法分析目标信息)若无操作人员介入定时盘旋记录超时后生成智能判断结果推送后台处理无人机继续按照搜索路线继续搜索后台操作人员根据生成工单的优先级进行人工二次确认 操作人员初步判定 若不是搜索目标进入下一个疑是目标搜索若可信度80%其他无人机继续搜索发现疑是目标无人机回到该目标上方进行实时跟踪 操作人员最终判定 若可信度80%下排除是搜索目标继续搜索若可行度80%下确认是搜索目标其他无人机返航 根据无人机队电量情况不间断锁定跟踪POI实时反馈信息 注这里操作人员对目标的判断可以作为有效样本进入下一轮的机器学习迭代。因此只要AI模型是收敛的那么随着数据样本的增加该人员目标判断将越来越准确。
输出 搜索工单疑是人员位置锁定跟踪POI(Person Of Interest)算法分析目标信息(年龄、性别、当前位置等等) Infrared camera finds 6-year-old lost in deep woods 2.2 紧急物资投送
输入 物资类型医用、通讯、基本生活物品等等物资重量2kg、3kg、5kg、10kg等等投放地点投放时间接收人员联系方式 过程 根据投放地点、时间、物品重量及类型结合地形、无人机停机位置生成投递工单(包括飞行路径)低空飞行系统备案操作人员根据工单进行物品准备和挂载准备指令命令无人机起飞按照投递路线进行巡航接近指定地点预先提示接收人员达到指定地点系统提示并按照指定任务进行投放 注投递过程初期应该有操作人员监控进行适当的位置控制确保精准投放。将类似的样本记录到大数据结合操作人员精准投递操作可以让无人机今后的投递任务更加精准。
输出 投递工单无人机停机场、物资类型、重量、投放地点、时间、接收人员联系方式投递物资 Drone drops water for family stranded in Kherson floods 2.3 环境评估
输入 评估区域评估时间评估内容遥感数据内容(拍照、视频、地形等等)接收人员联系方式 过程 根据评估区域、时间、内容生成投递工单(包括飞行路径)低空飞行系统备案操作人员根据工单挂载智能遥感吊舱指令命令无人机起飞按照评估路线进行巡航数据采集后台智能算法监控实时信息根据预判模型自动进入细化数据采集任务完成任务返回无人机停机场后台根据采集数据通过集群服务器专家系统智能生成评估报告 输出 原始遥感数据智能评估报告 注专家系统给出的报告可以在各大高校不断地研究进一步优化和提出新的理论来充实专家系统的稳定性和可靠性 Post Disaster Loss Damage Assessment by Drone 3. 系统分解
无人机多旋翼/VTOL智能吊舱红外、热成像、高清摄像、激光测距、投递载具、智能避障、目标检测等通讯链路卫星网络/4G LTE/LOS 通讯/中继等云端平台大数据(算法、模型)专家系统业务服务工单系统、路线规划、飞行监控、飞行报备
从上面的分解过程可以看到
无人机作为一个载具存在智能吊舱涵盖了大量特殊应用其主要依赖于传感器的应用通过快拆方式可以更换鉴于覆盖面积和地形的复杂性根据具体项目进行通讯链路选择边缘端计算在智能吊舱完成但是大量数据的全面分析涉及计算、存储资源的使用在后台云端使用专家系统完成具体业务比如人员救援、电力巡检等可根据需求进行针对性业务开发
4. 初步总结
总的来说希望上述问题通过更多的开源项目搭建框架实现原型。
在短平快项目需求下这种复杂系统确实需要大量的人力物力但是在当前开源日益强大的情况下我们有机会基于开源做好原型验证。并通过不断迭代使得开源更加接近产品化要求。 在大数据AI学习、模型方面是一种循环迭代优化的过程
一开始由于数据样本的缺乏类似婴儿学习慢慢积累提高精度准确度随着数据样本的增加收敛模型可能发散或者无法进一步提高准确度需要提出新的模型在新的模型驱使下可能需要更多的传感数据需要更好全生命周期运营
因此这些内容和我们之前考虑的一种部件生命期监测方法非常相似。相信未来各个领域将会有更多的专业的AI模型来解决现实问题。
5. 参考资料
【1】Ardupilot OpenIPC 基于WFB-NG构架分析和数据链路思考 【2】ArduPilot开源飞控之MAVProxy深入研读系列 - 2蜂群链路 【3】ArduPilot开源飞控系统之简单介绍 【4】PX4开源软件框架简明简介
