An Unmanned Aircraft System for Automatic Forest Fire Monitoring and Measurement
Luis Merino · Fernando Caballero ·
J. Ramiro Martiacute;nez-de-Dios ·
Ivaacute;n Maza · Aniacute;bal Ollero
Received: 15 February 2011 / Accepted: 3 April 2011 / Published online: 16 August 2011
copy; Springer Science Business Media B.V. 2011
Abstract: The paper presents an Unmanned Aircraft System (UAS), consisting of several aerial vehicles and a central station, for forest fire monitoring. Fire monitoring is defined as the computation in real-time of the evolution of the fire front shape and potentially other parameters related to the fire propagation, and is very important for forest fire fighting. The paper shows how an UAS can automatically obtain this information by means of on-board infrared or visual cameras. Moreover, it is shown how multiple aerial vehicles can collaborate in this application, allowing to cover bigger areas or to obtain complementary views of a fire. The paper presents results obtained in experiments considering actual controlled forest fires in quasi-operational conditions, involving a fleet of three vehicles, two autonomous helicopters and one blimp.
Keywords: Forest fire fighting · UAS · Cooperative perception
1 Introduction
Hundreds of thousands of hectares are devastated by wildfires each year. Forest fires lead to the destruction of forest and the wildlife that inhabits them, and have a disastrous social, economic and environmental impact. Forest fire fighting involves extensive human resources, and is a very dangerous activity, which originates many casualties every year. In many cases, the lack of information about the dynamic evolution of fire plays an important role in these accidents. Figure 1 shows the state of a experimental controlled fire at several time instants. Among the most important parameters for fire fighting management are: the shape and position of the fire front, its rate of spread (how this front evolves with time) and the maximum height of the flames [37]. If available, this information, integrated within a Geographical Information System (GIS), can be used by the fire brigades for fire fighting planning, for instance by predicting the potential evolution of the fire, determining the optimal location of fighting means, etc. Fire monitoring can be defined as the estimation in real-time of the evolution of these parameters.
Fig. 1 Different stages in the evolution of a fire
Forest-fire fighting is commonly based on estimations made by fire fighting experts from visual observations. These estimations are subject to a great number of errors due to smoke occluding the flames, human inaccuracy in the visual estimation and errors in the localization of the fire. Recently, new technologies have been applied to fire fighting.However, many of these technologies still have different practical problems for their use in operational conditions, such as low reliability, high costs and others.
Unmanned Aircraft Systems (UAS) can play an important role for forest fire response. They have been already successfully demonstrated for fire detection, localization and observation (as in [2, 25, 26, 28]). In this paper, an UAS for automatic real-time forest fire monitoring and measurement is presented. The extension of a forest fire can be very large, so the system can integrate information from several aerial vehicles, that can collaborate to cover the fire from complementary points of view. The system is able to provide, in real-time, the current position of the fire front in geographical coordinates.
The paper begins with a description of some current automatic approaches for forest fire fighting that can be found in the literature. Then, it presents the UAS for fire monitoring, the vehicles and modules involved; then, it focuses on the data fusion and image processing techniques employed. Results from experiments involving controlled forest fires are described at the end of the paper, before the conclusions.
1.1 Related Work
Traditionally, information extraction for fire fighting support has been done by experts, directly on the terrain or analyzing data provided by towers, satellites or other means. However, some systems have been developed in order to automatically extract the relevant information from several sources of information.
Most automatic systems for fire detection are based on cameras placed on ground as, for example, the BOSQUE system, which relies on infrared cameras and automatic image processing techniques for fire detection, including false alarm rejection [3]. Colour ground cameras are also used for autonomous detection of forest fires [7, 9]. Some systems are based on smoke plume detection algorithms [8, 12]. Other sensors have been also employed for automatic forest fire detection, like LIDAR [36], due to its interesting characteristics for smoke plume detection in situations where visual cameras cannot operate (as, for instance, during night). These systems have some drawbacks, such as the coverage and the lack of reliability of the automatic detection in changing environmental conditions.
The use of satellites for fire detection has been also considered [18, 35]. Besides, manned airborne-based systems have been also used, like in the Airborne Wildfire Intelligence System (AWIS), in Canada [4]. The use of Unmanned Aerial Vehicles (UAVs) for automatic forest fire detection has been considered by the authors [28]. Also, the design of a infrared vision system for UAS in fire missions is considered in [19].
Fire monitoring is usually performed by experts, that estimate, visually or from images gathered by cameras, the rate of spread and height of the flames. More recently, airborne systems are used in order to have a broad overview of the fire evolution, but still the monitoring activities are carried
剩余内容已隐藏，支付完成后下载完整资料
对森林火灾自动监测和测量的无人机系统
路易斯 迈瑞奴·费尔南多 卡巴来罗·
J.拉米罗·马丁内斯得—Dios·
汉尼拔·伊凡 枢纽罐制造商
收到日期：2011年2月15日/被接受日期：2011年4月3日/在线发布：2011年8月16日
copy;Springer Science Business Media B.V. 2011
摘要：本文提出了一种无人机系统（UAS），系统由几个飞行器和中央站组成，用于森林火灾监测。火灾监测定义为实时地计算火灾最前端的状态的演变和相关火的传播的其他参数，这对对抗森林火灾来说是十分重要的。本文展示了UAS如何通过机载红外或视频摄像机自动获取此信息。此外，它表明多个飞行器可以在这个应用程序中协作，允许覆盖更大的区域或达到一个互助的救火效果。本文所提出的结果是在实验中获得，并且在标准操作步骤下把实际控制森林火灾的情况考虑在内，其组成涉及一支三台机器的编队，两架自主直升机和一个飞艇。
关键词：森林消防 bull; UAS bull; 感应协作
1简介
每年有数十万公顷森林被野火烧毁。森林火灾破坏了森林和野生动物的栖息地，并对社会、经济和环境造成灾难性后果。森林火灾的扑灭需要大量的人力资源，同时是一个非常危险活动，每年都会造成许多伤亡。在许多情况下，缺乏关于火灾的动态演变的信息，在这些事故中起着重要的作用。图1显示了实验控制的火灾的几个不同瞬间的状态。在灭火过程中最重要的管理参数有：火灾最前端的形状和位置，其传播的速率（火灾前端如何随着时间演变）和火焰的最大高度[37]。如果可以获得这些信息并集成在地理区域信息系统（GIS）内，可以用于消防队的消防规划，例如通过预测火的的潜在演变趋势，可以确定灭火的最佳位置等。火灾监测可以定义为实时估计这些的演变的参数。
图1：火灾演变的不同阶段
森林灭火通常是基于消防专家从视觉观察进行估计的。这些估计由于烟雾遮挡住了火焰，人类视觉估计的不准确和火灾定位中的错误，通常会导致估计有大量的错误。最近，森林灭火已经应用了新的技术，然而，许多这些技术在处理情况的过程中仍然有许多不同的实际问题，如可靠性低，高成本等。
无人机系统（UAS）可以在森林火灾反应中起到重要的作用。他们已经成功地证明了火灾探测，定位和观察（如在[2,25,26,28]）。在本文中，UAS所表现出的是自动实时监测和测量森林火灾。森林火灾可能扩展到非常大，所以系统需要可以整合来自几个飞行器的信息，因此可以相互协作。从整体上覆盖所有火灾区域。系统能够实时的提供火灾最前端的地理坐标。
本文首先介绍一些目前可以在文献中找到的自动化森林火灾的灭火方法。然后提出了用于火灾监测的UAS，包括飞行器和各个模块；然后，采用数据融合和图像处理技术。控制森林火灾的实验结果在结论之前，也就是论文的最后描述。
1.1相关工作
传统上，消防的信息提取直接由专家通过塔、卫星或其他装置在地形或者数据分析来提供。然而，为了从多个信息源自动提取相关信息，一些类似的系统已经被开发出来。
大多数用于火灾探测的自动系统是依靠放置在地面上的摄像机实现的，例如BOSQUE系统，其依赖于红外摄像机和用于火灾探测的自动图像处理技术，包括虚警抑制[3]。 彩色地面摄像机也用于森林火灾的自主检测[7,9]。一些系统是基于烟雾检测的算法[8,12]。其他传感器也被用于自动森林火灾探测，如LIDAR [36]，因为其在视觉照相机不能操作的情况下（例如，在夜间）的烟雾探测的特性所以被应用。这些系统具有一些缺点，例如在变化的环境条件下的自动检测的覆盖和可靠性的不足。
系统同时还考虑了使用卫星进行火灾探测[18,35]。此外，还使用载人机载系统，如加拿大的空中野火情报系统（AWIS）[4]。其设计者也考虑使用无人机（UAVs）进行自动森林火灾探测[28]。此外，还考虑了UAS在消防任务中的红外视觉系统的设计[19]。
火灾监测通常由专家从视觉或从相机收集的图像来估计火焰的蔓延速度和高度。最近，为了对火灾演变具有一个更广泛观念，使用了机载系统，但是监视活动仍然由人们进行。卫星系统也被提出用于森林火灾监测 [6,13,35]。在许多情况下，这些系统的时间和空间分辨率的要求对于森林消防来说仍然过低，无法满足。有一些基于计算机视觉的火灾分析技术，可以在实验室中被用来对火进行实验，如[22，32]。然而，要在接近真实森林火灾条件的户外环境中应用相同的技术，这一点没有在文中考虑到。
本文介绍了空中飞行机器在火灾监测中的应用。如上所述，通常使用载人直升机或飞机，但是它们是昂贵的，并且对于操作的人来说这将他们置于高风险之中。使用无人机可以帮助降低类似有人驾驶飞机接近火灾的风险。
在美国的FiRE项目中已经分析了在森林灭火中使用无人机的情景。ALTUS UAV是捕猎者UAV的演变，已经在FiRE项目的火灾实验中得到演示证明[1]。在地面站接收的数据是关于火灾的地理参考图像，通过卫星上行链路/下行链路信道发送。
虽然FiRE项目在任务中考虑了一个简单一和复杂的UAV和一些复杂的传感器，COMETS欧洲项目解决了一个更简便的无人机队在火灾探测和监测任务中的互相合作效果[31]。很少有工作被认定是需要使用多个无人机进行火灾预防。其中之一是在[5]中提出的环境中工作，其中探讨了应用一个小型（低空，短时耐力）航空系统的团队合作监测和跟踪大型森林火灾的传播的可行性。本文涉及路径规划活动，并提供使用自由度为六的动态模型和森林火灾的数字传播模型的模拟。然而，在实际火灾现场这些模型的结果没有展示。另外，在[42]中，作者提出了一种用于对从UAV收集的图像进行正射校正的方法，用于在火灾监测活动中的应用。他们讨论了在森林地区情况下必须解决的具体问题，并对从常规飞机收集的航空图像提出初步的结果。然而，没有提供实际的火灾监测结果。
2一种用于火灾监测的无人机系统
本文所描述的无人机系统由一组飞行器和一个中央站组成。本节总结了整个系统级别的要求和主要软件模块（见图2）。
图2：该系统由几个飞行器和两个主要部件组成：决定系统和感知系统
2.1监视工具和传感器
所开发的无人机器系统能够用于协调火灾监测。这些UAV的要求如下：
自主操作：无人机应该能够飞到指定地点，并在指定地点自动悬停（或根据伪航迹飞行）。
本地化：它们应该能够将自己的位置定位在相同的参考框架上。
感知有效载荷：他们应该携带红外和/或视觉相机对环境进行感知。
该系统已经过两个直升机和一个飞艇的舰队的测试。在这种情况下，飞行器配备有差分GPS接收器和惯性测量单元（IMU），这些单元允许它们将自己定位在公共平台的参考系中。
此外，为了环境感知的目的，车辆携带红外和视觉照相机，其中一些是平移和倾斜单元。图3显示了一些示例。可以看出，除了视觉相机之外，其中一个UAV携带的是在远红外波段（7-14微米）中的低成本非热OEM红外微型相机。系统中的所有摄像机在飞行前都通过人工模式进行校准。所收集的所有图像都是由机器的构成和取向以及摇摄和倾斜单元，时间戳和校准信息来在本地进行标记。
图3：飞行器主要携带IMU和GPS导航。此外，为了进行环境感知，平移和倾斜单元上使用了视觉和红外摄像机
此外，UAV携带板载通信设备以能够从地面站接收命令，并将信息发送回它。
2.2决策制度
本文介绍的系统集成了能够在航点之间自主航行的飞行器。因为消防任务是高级任务，所以需要一个决策系统来协调和控制空中自动飞行编队。该决策系统实现了四种主要的不同机制：
任务分配出现在多无人驾驶飞行系统中，其中每个UAS都能够响应任务请求来执行任务。问题是决定哪个系统应该执行每个给定的任务（例如，不同的UAS应该到不同的观察点来观察火）。 这需要评估对给定任务分配的某个系统的执行效率的能力。当考虑到UAS的当前个体计划以及剩下要分配的任务和必须进行该决定时，这种操作是特别困难的[21,39,40]。
任务计划 它的目的是为了执行任务而建立一系列基本任务，以实现一个给定的高级任务，例如一个火灾监测任务。
协调是在系统中出现的一个过程，如果该系统的若干组件同时需要给定的资源（内部或外部）。在多UAV系统的情况下，要处理的经典协调问题是在不同机器之间的共享空间，以确保每个机器将能够安全和一致地执行自己的计划以及关于其他系统的计划。例如，由于火灾探测任务涉及给定区域的全覆盖，因此应当相应地在可用系统之间根据相对能力划分区域（例如最大速度，自主性，摄像机的视角，等等）。
另一个例子可以在火灾监测的上下文中找到：几个同步感知需要对所涉及的摄像机方便的位置和方向有所要求
监督处理任务执行的管理（控制），有几种方式：
- 第一个关注只是让系统知道在执行过程中处理变化的任务；
- 第二个问题是检测可能的任务故障，并且（如果可能）以防止系统故障的方式对这些事件做出反应。
在我们的UAS中采用的决定性系统在[11,20]中有详细描述，并能够应对以前的问题。在第6节中将有展示出该系统的能力的示例。
3感知系统描述
系统通过考虑由我们的不同UAV收集的所有信息，应用数据融合技术来估计的火焰的演变。总体图片由图4给出。每个飞行器进行本地理其图像并提供与火锋演变相关的特征。所有这些信息在中心站接收，在其中进行评估，考虑来自机群的所有数据。
图4：系统估计的两个概率网格（表示火灾的存在和每个电池的燃料）。网格的状态估计包括从fletof UAV获得的数据。 预测步骤包括由于火的运动引起的不确定性的增加
第一个问题是设计与火灾相关的信息的方便表示。火是一个动态物体，在大小和形状上会发生改变。在这里为自主感知选择的表示方式包括证据网格。该区域被划分为矩形网格，其中每个小区k的状态由两个二进制值定义：Fk，tisin;{0,1}，指示小区域中是否有火灾，以及Qk，tisin;{0 ，1}，指示电池中的燃料是否完全耗尽。
系统不能确定这些值，因此，为每个单元存储两个概率值{fk，qk}。这两个值对应于概率fk = p（F k，t = 1）（在给定单元处有火），并且qk = p（Q k，t = 1）（该单元中的燃料被完全耗尽）。 每个单元还具有相关联的3-D位置pk，由先前加载在系统中的数字高程图给出（并且可以是先前的映射任务的结果[16]）。 系统应该在线获得时间t，zt内收集的所有数据，并且对网格的所有单元格的这些值的估计。
由UAS提供的新信息的集成通过用于电网的每个单元的离散贝叶斯滤波器来完成，如算法1中所概述的。估计中涉及的步骤在图4中概括。接下来的部分将描述图中所示的不同块。
3.1预测模型
如图所示。 如图4所示，系统允许考虑估计中的预测步骤，所以也包括火的传播模型。影响火的蔓延有许多方面，例如地形的坡度，植被的水分含量，气象条件 - 风，空气湿度等 - [37]。本文的主要目的不是处理这些方面问题。这里描述的预测模型非常简单，并且考虑单元格之间的时间关系和空间关系。其主要目标是，一方面，在估计过程中包含一种记忆，使火灾不会通过先前访问的区域（这是Q的作用）“向后”传播。 此外，执行空间预测以便顺利估计火灾前沿的演变。
虽然对于每个变量存在分离的过滤器，但是两者不是独立的，因此在预测阶段期间，依赖性应被边缘化。每个单元的时间转移概率可以被分解为：
不同的关系的特征在于一个主要参数beta;，其意义是如果在前一时刻有火灾，则小区完全耗尽的概率：
另一方面，火灾概率的时间演化由下式给出：
也就是说，只要有燃料，如果在前一时刻有火，则区域保持燃烧。
空间关系应该编码火传播的影响。在这里考虑的简单模型中，火可以从一个小区域传播到其相邻的区域，因此，其相邻小区域R（k）的状态影响每个小区域k的当前状态。 这个关系主要由参数omega;j（如果可用的话，其值可以取决于风的信息）建模。公式5定义了模型。
当然，火传播遵循更复杂的规律（它可以通过风传播，如果有树，则它可以作为冠火等传播）。这个模型类似于在[5]中采用的EMBYR模型[14]。同样，应该强调的是，运动模型的主要作用是在估计过程中考虑由于火的运动引起的火焰前沿位置的不确定性。模拟的目的并不是模仿这种传播。然而，更复杂的火的传播模型可以包括在系统内。
组合前述等式导致算法1的预测线2和3：
其中| R（k）| 是所考虑的相邻小区域的数目。也就是说，在给定小区域的着火的概率取决于先前的概率和相邻小区域的概率（如果小区域没有用尽）。如果单元格中有火，则值qk增加。
3.2更新方程
每当从飞行器编队的任何机器接收到新数据时，根据贝叶斯规则更新预测概率。 重要的问题是确定似然函数p（zt | F k，t）和p（zt | Q k，t），其表示在给定小区域的当前状态下收集测量结果的概率。测量和似然函数将在本文的以下部分中描述。
3.3先验信念状态和火锋形状计算
网格通常在火灾探测任务[28]之后启动，将网格的所有单元格的伯努利概率{qk}设置为零，并且将对应于火灾的初始估计位置的单元格的fk值设置为1。直接将附加的先验知识包括在网格中用于估计。例如，关于防火墙的知识可以包括在网格的qk值中，将这些值设置为一个用于火灾不
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[484793]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
