0 引言
煤田火灾分布面积广，火源位置和趋于燃烧的高温位置隐蔽且分散，通常不易发现[1]。常用的气体测量法、测氡法、地质雷达法等煤田火灾监测技术存在监测周期长、设备布设繁杂、精确性不足等缺陷，大面积煤田区域监测效果不佳，煤田火区温度分布图像难以获取，导致许多高温区域错失最佳防治时间，最终发展成燃烧区域，造成大气环境、地表形态等生态环境的破坏和煤炭资源的浪费[2-3]。
热红外遥感技术，尤其是以无人机挂载红外热成像仪的低空遥感技术，以其灵活、轻便、操作简单、成本低、反应速度快等优势，在煤田火灾监测领域占据着重要地位[4-5]。但该技术仍存在以下不足：① 无人机续航时间短，单次监测区域面积小，煤田火灾监测数据采集周期较长。② 借助反演算法采集的红外热图像精确度不高，与实际地表情况的吻合度较低。③ 数据快速传输和处理是实现高效监测的关键环节，但现阶段数据传输速度慢，数据处理耗时长。针对上述问题，本文对煤田火区无人机监测关键技术进行了研究，以为煤田火灾监测提供更加精确的依据。无人机航线规划是保证其正常飞行的首要关键技术，首先介绍了单一飞行监测航线，进而将多个单一飞行航线进行融合，设计了能弥补单一飞行监测不足的集群飞行方式；图像数据的精确、快速采集是无人机监测技术的核心，为提高红外热成像数据的精确性，开发了红外双视热成像仪作为数据采集终端；无人机监测数据传输及处理速度直接影响监测效率，为实现高效监测，研究了基于4G网络的数据传输与处理技术。
1 基于单一/集群飞行的无人机监测技术
1.1 无人机单一飞行监测
六旋翼无人机具有较好的稳定性和一定的承载能力，且有垂直起降、空中悬停和控制便捷等优势，能在复杂环境下完成工作，是煤田火灾监测领域应用较为普遍的机载设备[6-7]。无人机飞行控制依靠软件mission planner完成，其主要功能是航线规划、参数设定、飞行信息汇总等，同时与GPS(Global Positioning System，全球定位系统)定位功能密切配合，确定无人机飞行过程的具体地理位置信息及辅助无人机自动返航至起飞点[8]。通过mission planner规划的航线如图1所示，其中航线规划区域多边形为矩形，无人机按照S型折线的轨迹飞行。根据实际煤田区域分布情况，区域边界可以是多边形。
图1 无人机航线规划
Fig.1 Route planning of unmanned aerial vehicle
规划航线时需要设定飞行高度、相机角度、飞行速度、起飞点及返航点、连续2张图像的重叠度、地面分辨率、2条航线之间的重叠度等参数。航线规划完成后，在航线上会自动生成小于400个航点作为无人机悬停和数据采集点，监测过程中无人机联动红外热成像仪在航点处自动悬停并采集数据。
无人机飞行控制具体流程：在满电源及GPS信号参数大于15星的前提下，通过遥控操作缓缓拨动油门摇杆，使其从零移动至整个动力供给区域的中间偏上位置，此时无人机飞离地面；在无人机高度大于5 m时，将油门摇杆控制在中间位置，无人机进入自主飞行模式。
1.2 无人机集群飞行监测
在实际煤田监测中，一台无人机独立工作会因为自身续航时间短、监测区域面积小等问题，难以在短期内一次性覆盖整个煤田区域，实现一次完整监测耗时过长。无人机集群飞行监测具有协同工作能力强、智能化程度高、在恶劣环境中适应性强的特点[9-12]，可极大地缩短监测周期。
无人机集群飞行监测有一站多机和多站多机2种实现方式，考虑到一站多机干扰因素多且安全性不确定，本文采用多站多机方式，如图2所示。
图2 无人机多站多机集群飞行
Fig.2 Multi-station multi-machine cluster flight of unmanned aerial vehicle
根据实际监测区域面积确定无人机数量，通过地面控制终端软件mission planner划定无人机监测区域并对多台无人机设置相同的参数。多台无人机同时起飞，进入独立控制飞行航线，在各自划定的区域内进行数据采集，并将数据传输至地面站控制终端进行处理。监测任务完成后无人机自主返航至出发点，各区域监测无相互干扰。
2 红外及可见光双视监测技术
红外热成像技术的成熟应用为温度的准确监测提供了可靠基础。采用红外热成像及可见光成像技术协同作用的红外双视热成像仪(图3)进行数据采集，其参数见表1。
图3 红外双视热成像仪
Fig.3 Infrared dual-view thermal imager
表1 红外双视热成像仪参数
Table 1 Parameters of infrared dual-view thermal imager
红外双视热成像仪的优势在于同时采集航点处的红外热图像和可见光图像，通过二者对比，能够更为精确地掌握红外热图像中的温度分布区域在实际地表中对应的具体位置。
数据采集过程中在等间距航点处悬停是确保红外双视热成像仪与无人机稳定联动的关键，也是保证数据稳定高效传输的关键。无人机在航点处悬停的同时触发红外双视热成像仪拍照采集红外热图像和可见光图像，记录并存储无人机POS数据(包括GPS和IMU(Inertial Measurement Unit，惯性测量单元)数据，具体为纬度、经度、高程、航向角、俯仰角及翻滚角)，在下一个航点处悬停之前利用网络将双路图像信息及双路POS数据传输至地面站控制终端。
3 基于4G网络的数据传输与处理技术
3.1 数据传输
目前在局部区域监测、侦察等领域，无人机信息传输大多采用射频方式[13]。由于图像、视频数据量巨大，依靠射频信号进行数据传输，往往会因无人机数据链带宽局限和网络不稳定性导致误差[14]。为解决该问题，可将数据记录在红外双视热成像仪的存储卡中，待无人机返航后再导入数据处理端，但该方法存在滞后性，不能实现数据实时传输。数传电台、图传电台、无线局域网等可为无人机数据传输提供支持，但网络覆盖面积小，信号稳定性差。
4G网络的成熟应用为信息高效传输奠定了基础[15]。4G网络覆盖及信息传输如图4所示。在无人机机架、地面站控制终端和控制中心均安装4G网络运行接口，构成信号链路，在被测煤田规划若干矩形区域，在其顶点处布置4G网络临时基站。以4G网络作为信号传输渠道，依靠数据采集前端和数据处理软件的协同作用，实现数据采集、传输和处理的同步，提高数据传输速度。
图4 4G网络覆盖及信息传输
Fig.4 4G network coverage and information transmission
无人机将在各自区域内采集到的图像信息传输至相应的地面站控制终端，经由地面站控制终端将数据传输至控制中心，控制中心对图像、位置等信息进行处理，合成被测区域的温度分布图像。
3.2 数据处理
数据处理是煤田火灾监测中的重要环节，最复杂、耗时最多，对误差的分析和处理直接影响监测结果的精确性。
红外热成像图像处理方法包括红外热图文件程式转换、红外热图像等温区划分、图像相减及合成等步骤。图像处理过程：通过软件MaxIm DL进行图像格式转换和灰度处理，将处理后的图像传输至三维建模软件Pix4Dmapper进行局部图像合成处理，接收到所有图像之后，合成完整的被测区域温度分布图像。
4 现场应用
煤田火区无人机监测系统包括数据采集前端、地面站控制终端、在煤田区域架设的4G网络临时基站、控制中心等。其中数据采集前端主要包括位于机架上方的GPS、悬挂于机架下方的红外双视热成像仪和无人机机架，如图5所示。
图5 无人机数据采集前端
Fig.5 Data acquisition front end of unmanned aerial vehicle
在陕西某矿进行飞行测试，划定区域后规划航线，并在被测区域范围内架设4G网络临时基站，利用2台无人机在不同区域独立采集图像数据，飞行高度为100 m，图像重叠率为70%。完成飞行后共采集254张红外热图像和254张可见光图像(每台无人机分别采集127张红外热图像和127张可见光图像，共历时6 h)。无人机采集的部分热红外散图如图6所示。完成数据采集和图像前期处理耗时150 min，最后由Pix4Dmapper经过10 h合成完整的被测区域高清温度分布效果图。与现有的测氡法、测温法及单一飞行监测技术相比较，无人机集群监测技术极大缩短了监测时间。
图6中，颜色与温度的对应关系：按黑色、紫色、橙色、黄色及接近白色的顺序，各颜色代表的温度逐渐升高。以10 ℃为一个等温区间进行温度划分，接近白色区域的温度为60～70 ℃，黑色及紫色区域的温度为30～50 ℃。在红外热图像中随机标记若干位置进行实地温度测试，结果显示温度重合度在90%以上。
图6 无人机采集的部分热红外散图
Fig.6 Partial thermal infrared scatterogram acquired by unmanned aerial vehicle
5 结论
(1)无人机集群飞行监测技术能有效解决单架无人机续航时间短、一次监测覆盖面积小的不足，极大地缩短煤田火灾监测数据采集时间。红外双视热成像仪是数据采集终端的核心，可与无人机联动，实现可见光图像和红外热图像采集、双路图像传输、POS数据存储，有效提高了红外热成像数据的精确性。基于4G网络的数据传输及处理技术的应用缩短了巨量数据的传输和处理时间，为实现高效监测提供了技术支持。
(2)现场应用结果表明，2台无人机采集254张红外热图像和254张可见光图像，完成数据采集和图像前期处理耗时150 min，图像合成耗时10 h，与现有技术相比，极大缩短了监测时间；采集的红外热图像所显示的温度与实地温度测试结果重合度在90%以上，表明利用无人机进行煤田火灾监测是有效、可行的。
参考文献：(References)
[1] 郑学召,贾勇骁,郭军,等.煤田火灾监测技术研究现状及展望[J].工矿自动化,2019,45(5):6-10.
ZHENG Xuezhao,JIA Yongxiao,GUO Jun,et al.Research status and prospect of coalfield fire monitoring technologies[J].Industry and Mine Automation,2019,45(5):6-10.
[2] 李峰,梁汉东,赵小平,等.基于ASTER影像的乌达火区遥感监测研究[J].煤矿安全,2016,47(11):15-18.
LI Feng,LIANG Handong,ZHAO Xiaoping,et al.Remote sensing monitoring research on coal fire in Wuda Mine by ASTER images[J].Safety in Coal Mines,2016,47(11):15-18.
[3] 李峰,崔希民,孙广通,等.无人机热红外遥感煤火探测方法[J].煤矿安全,2017,48(12):97-100.
LI Feng,CUI Ximin,SUN Guangtong,et al.Approach of detecting coal fires by unmanned aerial vehicle thermal infrared remote sensing technology[J].Safety in Coal Mines,2017,48(12):97-100.
[4] 邵振鲁,王德明,王雁鸣.煤田火灾探测方法研究进展[J].煤矿安全,2012,43(8):189-192.
SHAO Zhenlu,WANG Deming,WANG Yanming.Research progress of coalfield fire detection method[J].Safety in Coal Mines,2012,43(8):189-192.
[5] 陈彤.无人机遥感技术现状与应用[J].电子技术与软件工程,2019(4):110.
[6] 庄培,张翔宇,谢凯,等.六旋翼无人机飞行控制系统研究[J].江苏航空,2018(3):20-23.
[7] 常怡鹏,王小平,徐浩军,等.新构型旋翼无人机的模糊免疫PID控制[J/OL].飞行力学.[2019-06-02].https://doi.org/10.13645/j.cnki.f.d.20190415.001.
CHANG Yipeng,WANG Xiaoping,XU Haojun,et al.Fuzzy immune PID control of a new configuration rotor UAV[J/OL].Flight Dynamics.[2019-06-02].https://doi.org/10.13645/j.cnki.f.d.20190415.001.
[8] 张建学.多旋翼无人机飞行控制系统设计研究[J].电子制作,2019(10):27-28.
[9] 李晗,苏京昭,闫咏.智能无人机集群技术概述[J].科技视界,2017(26):5-7.
LI Han,SU Jingzhao,YAN Yong.Summary of the technology about swarm intelligence of UAV[J].Science &Technology Vision,2017(26):5-7.
[10] 陶于金,李沛峰.无人机系统发展与关键技术综述[J].航空制造技术,2014,57(20):34-39.
TAO Yujin,LI Peifeng.Development and key technology of UAV[J].Aeronautical Manufacturing Technology,2014,57(20):34-39.
[11] United States Department of Defense.Unmanned aircraft systems roadmap 2005-2030[R/OL].[2019-06-02].https://rosap.ntl.bts.gov/view/dot/18248.
[12] 王强.UAV集群自主协同决策控制关键技术研究[D].陕西:西北工业大学,2015.
[13] 宣润通,杨浩,刘成,等.基于5G技术的无人机侦查系统设计[J].价值工程,2019,38(16):158-160.
XUAN Runtong,YANG Hao,LIU Cheng,et al.Design of unmanned aerial vehicles detection system based on 5G technology[J].Value Engineering,2019,38(16):158-160.
[14] 曹凯.无人机数据链组网技术的研究[D].西安:西安电子科技大学,2014.
[15] 欧阳秋萍.3G/4G网络环境中多无人机任务调度和路径规划[D].长沙:国防科学技术大学,2015.