一种低空飞行态势可视化方法

1.一种低空飞行态势可视化方法，其特征在于，包括以下步骤：实时采集无人机的飞行数据，并对飞行数据进行预处理，使飞行数据被可视化系统准确地解读和使用；根据需求和使用场景选择合适的地图作为可视化的背景，根据所选地图的投影方式，将无人机的飞行数据投影到地图上；将采集到的无人机飞行数据与地图坐标系统进行匹配，使无人机飞行数据与地图上的位置和标记一致，将匹配后的无人机飞行数据通过图形化的方式呈现在地图上；获取将无人机飞行数据可视化到地图上的多源数据信息，基于获取的信息对地图投影和比例失真情况进行智能化感知；将无人机飞行数据可视化到地图上的多源数据信息包括地图分辨率信息、投影坐标系信息以及地图坐标系信息，获取后，对地图分辨率信息进行处理后生成地图分辨率一致性指数，通过地图分辨率一致性指数对地图不同区域分辨率进行一致性评估；将投影坐标系和地图坐标系进行比对后，生成投影坐标偏差指数，通过投影坐标偏差指数对投影坐标系和地图坐标系之间存在的偏差进行评估；获取到无人机将飞行数据可视化到地图上时生成的地图分辨率一致性指数 和投影坐标偏差指数 后，通过地图分辨率一致性指数 和投影坐标偏差指数 建立地图投影和比例失真感知模型，生成失真量化值 ，通过失真量化值 对地图投影和比例失真情况进行智能化感知；失真量化值 生成的计算公式为： ，式中， 、 分别为地图分辨率一致性指数 和投影坐标偏差指数 的预设比例系数，且 、 均大于0；获取无人机的飞行姿态变化数据信息，基于获取的信息对无人机的飞行姿态变化情况进行分析，将无人机的飞行姿态变化分为异常姿态变化和正常姿态变化，并对异常姿态变化和正常姿态变化下的地图投影和比例失真隐患进行进一步分析。 2.根据权利要求1所述的一种低空飞行态势可视化方法，其特征在于，通过GPS数据的定位信息和地图上的地理坐标系统将采集到的无人机飞行数据与地图坐标系统进行匹配。 3.根据权利要求1所述的一种低空飞行态势可视化方法，其特征在于，地图分辨率一致性指数获取的逻辑如下：将地图图像分成大小相同的块，分别记为 I 和 K ；对于每个图像块 I 和 K ，分别计算其亮度、对比度和结构，将每个图像块 I 和 K 的平均亮度分别用 和 进行表示，将每个图像块 I 和 K 的对比度分别用 和 进行表示，将每个图像块 I 和 K 的结构信息分别用 和 进行表示；计算亮度、对比度和结构之间的相似性度量，分别记为 、 和 ，亮度相似性度量 的计算公式为： ，对比度相似性度量 的计算公式为： ，结构相似性度量 的计算公式为： ，式中， 、 、 为常数；计算每个图像块 I 和 K 之间的结构相似性指数，并将结构相似性指数标定为 ，结构相似性指数 的计算公式为： ，其中， 、 、 为亮度、对比度和结构的权重参数；将地图分成不同区域，分别计算每个区域的结构相似性指数 ，通过对所有区域的结构相似性指数 进行加权平均，计算出地图分辨率一致性指数，地图分辨率一致性指数的计算表达式为： ，其中， N 为地图中的区域数量， 表示地图分辨率一致性指数。 4.根据权利要求1所述的一种低空飞行态势可视化方法，其特征在于，投影坐标偏差指数获取的逻辑如下：通过SIFT特征提取算法从投影坐标系和地图坐标系的地图图像中提取局部特征点，设投影坐标系的特征集为 ，地图坐标系的特征集为 ；对于提取的特征点，计算其特征的描述子，用于描述特征点的局部外观信息；使用特征描述子进行特征点匹配，寻找投影坐标系中的特征点与地图坐标系中的特征点之间的对应关系；对于匹配的特征点对，计算其在投影坐标系和地图坐标系中的坐标差异，假设 M 为匹配的特征点对的数量，对于第 k 对特征点，设其在投影坐标系中的坐标为 ，在地图坐标系中的坐标为 ，则匹配的特征点对坐标差异用欧氏距离 表示为： ；通过匹配的特征点对坐标差异 计算投影坐标偏差指数，计算的表达式为： ，式中， 表示投影坐标偏差指数。 5.根据权利要求4所述的一种低空飞行态势可视化方法，其特征在于，提取局部特征点的具体步骤如下：对投影坐标系和地图坐标系的地图图像进行预处理；在预处理后的图像中，通过构建高斯金字塔，对不同尺度下的图像进行滤波操作，然后，利用尺度空间极值检测算法，在不同尺度下检测图像的局部极值点；在检测到的尺度空间极值点的基础上，使用尺度空间的极值信息进行关键点的定位；对于检测到的关键点进行筛选；对于每个筛选后的关键点，使用梯度信息确定关键点主方向；最后，针对每个关键点，生成对应的描述子。 6.根据权利要求1所述的一种低空飞行态势可视化方法，其特征在于，将飞行数据可视化到地图上时生成的失真量化值与预先设定的失真量化值参考阈值进行比对分析，比对分析的结果如下：若失真量化值大于等于失真量化值参考阈值，则生成失真隐患信号，并对失真隐患信号发出智能检测提示，当无人机将飞行数据可视化到地图上生成失真隐患信号时，则表明存在地图投影和比例失真的隐患；若失真量化值小于失真量化值参考阈值，则生成可视化信号，并不对可视化信号发出任何提示，当无人机将飞行数据可视化到地图上生成可视化信号时，则表明无人机可将飞行数据高效地可视化到地图上。 7.根据权利要求1所述的一种低空飞行态势可视化方法，其特征在于，将无人机的飞行姿态变化分为异常姿态变化时段和正常姿态变化时段的过程如下：收集无人机飞行过程中的姿态数据，使数据按时间顺序排列，并对姿态数据进行预处理；将姿态数据作为时间序列进行建模，假设姿态数据的时间序列为 ，其中， n 为数据点的数量， 表示第 i 个时间点的姿态参数值；使用ARIMA模型进行时间序列建模，ARIMA模型包括自回归、差分和移动平均三个部分，ARIMA模型的公式为： ，其中， 表示时间点 t 的姿态参数值， c 为常数项， 和 分别为自回归项和移动平均项的系数， p 和 q 分别为自回归项和移动平均项的阶数， 表示误差项；对ARIMA模型的残差进行异常检测，识别异常值，计算残差 ， ， 是ARIMA模型预测的值；使用残差的均值加减几倍标准差作为阈值，超出阈值的残差被认定为异常值；根据异常值的数量和大小计算无人机的姿态异常变化指数，采用以下公式计算姿态异常变化指数： ，式中， 表示姿态异常变化指数，其中， 表示第 i 个时间点的异常值， n 表示数据点的总数。 8.根据权利要求7所述的一种低空飞行态势可视化方法，其特征在于，将无人机飞行时生成的姿态异常变化指数与预先设定的姿态异常变化指数参考阈值进行比对分析，比对分析的结果如下：若姿态异常变化指数大于等于姿态异常变化指数参考阈值，则将对应时刻标记为异常姿态变化；若姿态异常变化指数小于姿态异常变化指数参考阈值，则将对应时刻标记为正常姿态变化；对异常姿态变化和正常姿态变化下的地图投影和比例失真隐患进行分析的过程如下：若无人机将飞行数据可视化到地图上生成失真隐患信号并且对应时刻下无人机飞行被标记为正常姿态变化，则表明无人机将飞行数据可视化到地图上时存在的地图投影和比例失真隐患并非是无人机飞行姿态异常导致的，此时发出提示信号，提示相关人员无人机存在地图投影和比例失真的隐患，需要及时进行维护管理；若无人机将飞行数据可视化到地图上生成失真隐患信号并且对应时刻下无人机飞行被标记为异常姿态变化，则表明无人机将飞行数据可视化到地图上时存在的地图投影和比例失真隐患为无人机飞行姿态异常导致的或者是无人机自身导致的，此时发出进一步判断信号，提示相关人员及时调整无人机的飞行姿态以确保无人机飞行态势的准确性，在无人机飞行时被标记为正常姿态变化时再进行进一步的地图投影和比例失真隐患判断，消除无人机飞行姿态异常导致的地图投影和比例失真隐患。