[发明专利]基于WSN及无人机的地空协同全域建筑健康监测方法

权利要求书

1.基于WSN及无人机的地空协同全域建筑健康监测方法，该方法执行以下操作，确定待监测区域，估算无人机和待监测区域的距离，无人机上搭载摄像头，无人机飞行时对待检测区域拍照，将无人机获得的图像中的待检测区域分离出来，获取待检测区域所占的像素点数量，计算像素点的实际尺寸，像素点的实际尺寸＝待检测区域的实际尺寸/物体图上所占的像素点数量，将待检测区域内具有足够的像素点的图像作为待处理视频的图像；使WSN网络和无人机摄像头同步开启待处理数据；对待处理视频的每个测量区域以第一帧为基准、利用滤波后的相位谱图获得从第二帧开始的每帧图像与第一帧的相位差，该相位差表征振动位移；

用WSN数据校正图像数据的位移信息，融合获得高精度的密集测量数据。

2.如权利要求1所述的基于WSN及无人机的地空协同全域建筑健康监测方法，其特征在于：筛选待处理视频时，将像素点的实际尺寸和待检测区域期待位移精度相差在3个数量级之内的图像作为待处理视频的图像。

3.如权利要求1所述的基于WSN及无人机的地空协同全域建筑健康监测方法，其特征在于：在记录WSN数据之后，对WSN数据噪声处理：对原始WSN数据进行变换，得到大小不同的小波系数，先通过阈值剔除噪声系数，然后通过小波变换对保留的小波系数进行信号重构，得到降噪WSN数据；

其中，ψ_m,n(t)为小波级数，s(t)为原始信号。

4.如权利要求1所述的基于WSN及无人机的地空协同全域建筑健康监测方法，其特征在于：采用K-MEANS算法，以最小化平方误差和作为目标对WSN簇内数据进行簇内数据去冗余处理；其中，平方误差和定义为：

其中，x为样本数据中的第i个数据，u_i为x的均值向量，ci为第i种数据类型。

5.如权利要求1所述的基于WSN及无人机的地空协同全域建筑健康监测方法，其特征在于：相位差表征振动位移是基于相位的视频振动位移检测：在无人机远程控制端选择测量区域，对每个测量区域以第一帧为基准、利用滤波后的相位谱图获得从第二帧开始的每帧图像与第一帧的相位差，该相位差表征振动位移；对每帧图像中有靶点的地方分割出来形成感兴趣区域，靶点预设于待检测区域内，相位差的提取公式表示为：

其中，d_θ(t₀)是θ角度上t₀时刻的位移，是θ角度上t₀时刻的相位。

6.如权利要求1所述的基于WSN及无人机的地空协同全域建筑健康监测方法，其特征在于：滤波采用Steerable filter做复数线性滤波，可以对任意方向做滤波操作，即可以测量任意方向的位移信号，Steerable filter滤波器卷积核f^θ表示为：

其中M为阶数，g_j(r,φ)可以是任意滤波器组的离散表示；k_j(θ)为角度系数。

7.如权利要求1所述的基于WSN及无人机的地空协同全域建筑健康监测方法，其特征在于：基于高斯模型的多精度数据融合：WSN数据作为高精度稀疏数据，无人机拍照获得的每张图像中像素点的振动位移作为低精度密集数据，构建多精度无校正网格，对每帧图像中每个像素点的位移信息使用距离相关的高斯多精度融合方法用WSN数据进行校正融合，高斯多精度融合方法的关系式为：

其中，为融合后数据，L_i为对每帧图像中某个像素点的位移信息，H_i为WSN网络中的某个监测点获得的数据，d是图像中高精度和低精度点之间以像素为单位的距离

d_max为H_i点权重有效距离的最大值，σ为高精度数据的标准差。