[发明专利]一种基于无人机协同组网的边缘群体智能方法

权利要求书

1.一种基于无人机协同组网的边缘群体智能方法，其特征在于，该方法包括以下步骤：

(1)将巡视的区域划分成b×d个区域，每个区域设置一个无人机基站，无人机基站内设置有侦查无人机组、灭火无人机组和验证无人机组，其中，b和d为整数；

(2)每个基站内的侦查无人机使用自适应间隔三帧差法，提取巡航视频图像中的运动区域，使用烟雾颜色判据对运动区域进行分割，获取初步分割烟雾图像，计算初步分割烟雾图像面积变化率e_a，判断该图像是否为烟雾图像，若是烟雾图像，则判定此处为着火点，并将着火点的位置信息和烟雾面积变化率数据同步给基站；步骤(2)中，每个基站内的侦查无人机使用自适应间隔的三帧差法，提取巡航视频图像中的运动区域，使用烟雾颜色判据对运动区域进行分割，获取初步分割烟雾图像，计算初步分割烟雾图像面积变化率e_a，判断该图像是否为烟雾图像，若是烟雾图像，则判定此处为着火点，包含如下步骤：

(21)设置初始间隔n_k，k＝0；

(22)从侦查无人机巡航视频中的第k+1帧图像I_k开始，每隔n_k帧提取两组连续的三帧图像，先将视频图像尺寸归一化为m×n大小的标准图像，然后进行灰度处理得到第一组灰度图像第二组灰度图像m和n为整数；

(23)第一组和第二组灰度图像一一对应作差，根据设置的阈值T将差分图像分割为二值图像Δi，如下式所示：

其中，代表第n_k+1帧图像中坐标(x，y)处的像素值大小，代表第n_k+4帧图像中坐标(x，y)处的像素值大小，代表第n_k+2帧图像中坐标(x，y)处的像素值大小，代表第n_k+5帧图像中坐标(x，y)处的像素值大小，代表第n_k+3帧图像中坐标(x，y)处的像素值大小，代表第n_k+6帧图像中坐标(x，y)处的像素值大小；

通过逻辑与运算，获得图像中属于运动区域的像素点的坐标D(x，y)：

根据D(x，y)的坐标提取无人机视频巡航图像中的运动区域：

(24)提取图像的RGB分量得到和根据如下烟雾的颜色判据规则：

得到和符合条件的RGB图像的像素点，其中，G₁＝0.319，G₂＝0.3369，R₁＝0.3139，R₂＝0.3359，然后获得分割后烟雾图像和再计算烟雾的面积变化率e_a：其中，是中不为0的像素值的个数，是中不为0像素值的个数，当满足e_th0＜e_a＜e_th1时，认为是烟雾图像，则判定发生火灾，将着火点的位置信息和烟雾面积变化率数据同步给无人机基站；否则，判定为无烟图像，则舍弃图像，其中，e_th0和e_th1是烟雾面积变化率的阈值；

(25)求相关系数β₁，β₂和β₃：

其中，代表第r+n_k张图像像素的平均值，代表第r+n_k+3张图像像素的平均值，代表第r+n_k张图像坐标(x，y)的像素值大小，代表第r+n_k+3张图像坐标(x，y)的像素值大小，r＝1时，β₁为和的相关系数，r＝2时，β₂为和的相关系数，r＝3时，β₃为和的相关系数；

(26)计算平均相关系数设置阈值

(27)根据如下公式更新间隔大小：

k＝k+1

其中，f表示间隔的自适应调节部分，初始状态下f＝0，ε是一个常数，n_k-1代表上一次的间隔大小，n_k代表更新后的间隔大小，n_max是设置的最大间隔；

(28)返回步骤(22)重复执行操作，直到所有的巡航视频图像帧处理完毕；

(3)基站比较所有侦查无人机获取着火点处的烟雾面积变化率，找到最大烟雾面积变化率e_max所对应的着火点的位置，并视为所有侦查无人机共同的最大的着火点位置，将该着火点的位置信息共享给所有正在执行巡视任务的侦查无人机，每个侦查无人机比较自身检测到的所有着火点的烟雾面积变化率，找到最大烟雾面积变化率对应的着火点的位置作为每个侦查无人机自身最大的着火点位置；每个侦查无人机再根据所有侦查无人机共同的最大的着火点位置和自身最大的着火点位置，以及根据分布式的粒子群算法调整飞行速度的大小和方向，向所有侦查无人机共同的最大的着火点的方向飞行进行火点检测，重复步骤(2)-(3)，直到定位出巡视区域范围内的所有着火点；

(4)基站根据侦查无人机定位的着火点的位置信息，调度基站内的灭火无人机组对着火点进行灭火；

(5)检查是否存在巡航检测过程中遗漏的着火点，若存在漏检火点，基站调度验证无人机组获取漏检火点的视频图像和位置信息，采用分层反馈校正机制对自适应间隔三帧差法的间隔进行反馈调整，以及对分布式粒子群算法的随机权值中的影响因子进行反馈调整以用于下次灭火任务；分层反馈校正机制的具体方法如下：

(41)检查是否存在巡航检测过程中遗漏的着火点，若存在漏检火点，基站调度验证无人机组获取漏检火点的视频图像和位置信息，判断着火点的位置是否在侦查无人机的巡检轨迹上；若在轨迹上，则对间隔更新公式进行调整，对自适应间隔三帧差法的间隔的更新公式进行反馈：

步骤a，从p个漏检火点的拍摄视频中，分别选取M帧图像，对M帧烟雾图像先进行二值化处理，将像素值变为0和1；

步骤b，计算每处漏检火点烟雾图像的面积均值其中，表示的是第y个漏检火点拍摄的视频中选取的第c帧图像的二值化之后的图像中像素值为1的个数，视为每帧图像烟雾的面积；

步骤c，计算M帧图像周长的均值其中，表示的是第y个漏检火点拍摄的视频中选取的第c帧图像二值化之后的图像中烟雾区域边界像素值为1的个数，视为每帧图像烟雾的周长，计算每处漏检火点烟雾图像周长的标准差

步骤d，计算烟雾浓度变化率：其中，σ_y是每处漏检火点M帧烟雾图像周长的标准差，是每处漏检火点M帧烟雾图像周长的均值，计算漏检度ρ：其中，μ_y是每处漏检火点M帧烟雾图像的面积均值；

步骤e，根据漏检度对自适应间隔三帧差法中间隔的更新公式中的自适应调节部分进行调节：其中，θ是一个常数，n_min是设置的最小间隔；

(42)若漏检火点不在侦查无人机的巡航轨迹上，对分布式粒子群算法的随机权值中的影响因子进行反馈：

步骤a，计算各个漏检火点x＝{x₁，x₂，…，x_p}到N个侦查无人机轨迹l＝{l₁，l₂，…，l_N}的距离的最小值其中，表示第p个漏检火点到所有轨迹的最短距离；

步骤b，计算平均距离：

步骤c，对分布式粒子群算法中的速度更新公式中的随机因子λ进行更新：其中，ψ是调整参数，λ是上一次侦查无人机组执行巡航任务时的随机因子大小。

2.根据权利要求1所述的一种基于无人机协同组网的边缘群体智能方法，其特征在于，步骤(3)中，根据分布式的粒子群算法调整飞行速度的大小和方向，向所有侦查无人机共同的最大的着火点的方向飞行进行火点检测，重复步骤(2)-(3)，直到定位出巡视区域范围内的所有着火点，包含如下步骤：

(31)每个侦查无人机以初始速度V₀，初始位置X₀，从基站起飞，每架侦查无人机检测到的着火点的位置记为：

pBest_i＝{pBest_i1，pBest_i2}，i＝1，2，3，…，N；

其中，侦查无人机飞行高度固定，pBest_i1和pBest_i2表示第i架侦查无人机检测到的着火点在固定高度平面上的两个相互垂直的维度上的位置的二维坐标，N表示侦查无人机的个数，N个侦查无人机组成一个粒子群，每个侦查无人机作为一个粒子，对于所有的侦查无人机的速度V＝{V₁，V₂}和位置X＝{X₁，X₂}，满足V₁∈{V_min，V_max}、V₂∈{V_min，V_max}，X₁∈{X_min，X_max}、X₂∈{X_min，X_max}，V_min和V_max是两个相互垂直的维度上速度分量的最小值和最大值，X_min和X_max是两个相互垂直的维度上位置坐标分量的最小值和最大值；

(32)侦查无人机i第t次检测到着火点，将该着火点位置数据和烟雾面积变化率数据同步给无人机基站，然后侦查无人机i比较自身检测到的所有着火点的烟雾面积变化率，找到最大烟雾面积变化率对应的着火点的位置信息，记为作为侦查无人机i自身最大的着火点位置；无人机基站再比较所有侦查无人机检测到的着火点的烟雾面积变化率，将最大的烟雾面积变化率所对应着火点的位置信息再同步给侦查无人机i，侦查无人机i记该位置为视为所有侦查无人机共同的最大的着火点位置，其中，和表示侦查无人机i第t次检测到的着火点在固定高度的平面上的两个相互垂直的维度上的位置的二维坐标；和表示侦查无人机i第t次检测到着火点时，无人机基站通过比较所有的着火点处的烟雾面积变化率以得到最大烟雾面积变化率所对应的着火点，并得到最大烟雾面积变化率所对应的着火点在固定高度平面上的两个相互垂直的维度上的位置的二维坐标；侦查无人机i第t+1次发现着火点时，改变它的速度为V_i^t+1，V_i^t+1的大小和方向，根据侦查无人机i自身最大的着火点位置数据和所有侦查无人机共同的最大的着火点的位置数据按照如下公式计算，向着最大的着火点的方向飞行：

其中，c₁和c₂是学习因子，r₁和r₂是区间[0，1]上的随机数，是侦查无人机i第t次检测到着火点时更新的速度，其中，和是速度V_i^t在两个相互垂直的维度上的速度分量，是侦查无人机i第t+1次检测到着火点时更新的速度，侦查无人机i保持该速度的大小和方向飞行，直到发现下一次着火点才更新它的速度的大小和方向，其中，和是速度V_i^t+1在两个相互垂直的维度上的速度分量，是侦查无人机i第t次检测到着火点时的位置，w是随机权重，用来调节侦查无人机的搜索火场的能力，μ_min是随机惯性权重的最小值，μ_max是随机惯性权重的最大值，rand()为区间[0，1]上的均匀分布的随机数，rand()为正态分布的随机数，λ为随机因子，其是一个区间[0，1]上的常数，用来控制随机性大小。