第六章 未来展望与挑战

无人机载荷与行业应用第六章 未来展望与挑战目 录

基于载荷数据的AI识别项目1项目2项目3项目4

载荷数据的深化应用5G网联无人机的机遇

无人机载荷数据仿真项目1基于载荷数据的AI识别无人机可以搭载的载荷十分丰富，包括光电吊舱、正射相机、倾斜相机、多拼相机、热成像相机、多光谱/高光谱、激光雷达和合成孔径雷达等。这些载荷获取的数据形式多样，并且包含了不同的对地观测信息，具有数据量大、价值密度低等特点。如何利用新兴的人工智能技术，结合传统的遥感数据处理方法，对多种多样的无人机遥感数据进行处理，高效地识别出关键信息，是基于无人机载荷数据的AI识别相关技术要解决的重要问题。任务1

基于可见光数据的AI识别无人机可见光载荷获取的数据包括常见原始RGB图像和正射影像常见原始RGB图像是光电吊舱或其他可见光相机直接获取得到，一般构成无人机视频图像和无人机相片集正射影像一般是指利用相片集或视频图像进行初步拼接或镶嵌，得到更大范围的对地观测可监管数据要完成指定的监管任务，首先要提取上述两种载荷数据中的感兴趣目标（包括但是不限于人、车、道路、河流、山峰、树木、土地类型等），然后按照一定的业务逻辑对获取到的感兴趣目标做进一步的处理。利用无人机图像提取到感兴趣目标，结合无人机平台和载荷的相关数据如地理坐标和位姿，计算得到目标的实际地理位置和范围，可以实现各类应用，比如目标侦测和定位、地面感兴趣要素提取等，在区域监控、应急测绘、自然资源管理、农业管理等行业都具备巨大的应用价值。任务1

基于可见光数据的AI识别任务1基于可见光数据的AI识别从常见无人机RGB图像中提取感兴趣目标的方法有多种，目前主流的方法是基于卷积神经网络的三大计算机视觉基础任务——分类、检测、分割，分别对应图像级、对象级、像素级的感兴趣目标提取。（a）图像分类（b）目标分类

（c）语义分割目标分类、检测、分割（d）实例分割任务1

基于可见光数据的AI识别基于分类任务的感兴趣目标提取方法由一个卷积网络（结构可根据需求设计）提取特征，后接一个全连接层组成（如AlexNet、ResNet、GoogleNet等），输出图像级的感兴趣目标分类结果，通常应用于场景分类（无人机场景下此类应用较少）基于检测任务的感兴趣目标提取方法可分为以R-CNN系列为代表的一阶段目标检测思路和以YOLO系列为代表的两阶段目标检测思路，输出对象级的感兴趣目标定位与分类结果（在图像中用一个矩形框定位感兴趣目标的位置），可应用于公路巡检、海洋巡检、环境监测等多个无人机的行业应用场景。任务1

基于可见光数据的AI识别基于分割任务的感兴趣目标提取方法根据是否区分同类目标个体，可分为语义分割与实例分割，但无论是语义分割网络还是实例分割网络，大多都采用encoder-decoder结构（如U-Net、deeplab等），输出像素级的感兴趣目标像素分类结果（将图像中属于感兴趣目标的像素与其他像素作区分），可以看作是更精细的检测结果，一般用于对检测结果要求更为细致的场景（如裸露土地分割、农作物面积统计等）。正射影像由相片集或视频图像拼接而成，其分辨率远远大于常见的RGB图像。因此正射影像不能直接用上述基于卷积神经网络的方法提取感兴趣目标，而是需要按需制定某种裁剪策略，将正射影像裁剪为分辨率较小的图片块，分别提取图片块中感兴趣的目标，将所有图像块的提取结果进行取冗余处理，以得到最终的正射影像感兴趣目标提取结果。任务1

气体传感器简介与地面通用感兴趣目标提取相比，基于无人机影像的感兴趣目标提取具有目标占比更小、外观与地面相差大、背景更为复杂的难点。因此，地面通用目标提取的数据集和网络结构与无人机场景并不是十分契合，且无人机采集的影像数据相比于地面采集的影像数据，具有更大的自由度，给训练数据集的采集、标注、划分带来了更多挑战。任务1

气体传感器简介任务2

基于热成像数据的AI识别因此，若将热成像数据与可见光数据融合，利用不同数据间的特性互补，可以有效改善单个数据源的影像信息不足的缺点。选择合适的卷积神经网络结构及方法，对融合后的影像进行感兴趣目标提取能够取得更好的效果。可见光传感器：可以获得目标的颜色、纹理等信息，但成像效果易受到天气、光照等因素的影响。红外传感器：接收热辐射，不受光照影响，且不受电磁干扰，其成像效果更稳定，但红外传感器靠温差成像，图像通常对比度低，细节模糊。任务2

基于热成像数据的AI识别按照融合的方式不同像素级融合理方式，不同图像像素是融合后像素的一维信息特征级融合特征级融合，即需要先提前特征，然后再通过合理方式进行融合决策级融合决策级融合需要先分别提取不同图像的感兴趣目标，再对提取的结果进行融合按照融合的方式不同，图像的融合可分为像素级融合、特征级融合以及决策级融合。像素级融合如同数字多通道的图像处光谱数据作为一种集光谱和空间信息于一体的数据源，使得识别和区分各类地物的能力大大提高，对光谱数据进行精准分类是获取地物信息的一种主要途径，在农作物预估产、病虫害防治、地球环境监测、地质灾害预警、国防军事侦察等方面都具有重要的研究价值和意义。任务3

基于光谱数据的AI识别任务3

基于光谱数据的AI识别与普通图像不同，光谱数据是三维的立方数据，广泛应用于普通图像的二维卷积网络在处理三维光谱数据时存在一定的局限性，不能充分利用联合的光谱和空间信息。由于光谱数据与视频数据同为相似的三维数据，在视频的应用和分析上取得优越性能的三维卷积神经网络成为更有效提取光谱-空间联合特征、进行光谱数据分类的可行方法。光谱数据示意图任务4

基于激光点云数据的AI识别激光雷达扫描技术被用来实时快速采集地形表面的三维信息，通常来说机载

LIDAR系统由激光扫描系统、全球卫星导航定位系统（GNSS）和惯性测量单元（IMU）组成。首先通过激光扫描系统获得反射点到扫描仪的距离及方位角信息，得到反射点在激光坐标系下的三维坐标，然后将反射点的三维坐标转换到惯性参考坐标系下，接着结合IMU测得的姿态信息以及GNSS测得的定位信息，获得反射点在当地参考坐标系下的三维坐标，最后将其显示在地面站成图系统中，便得到了三维点云数据，点云数据中每个点至少应包含空间坐标信息，此外还可包含颜色、反射强度等信息。任务4

基于激光点云数据的AI识别由于 LIDAR 系统具有受天气影响小、自动化度高、成图快速精确等优点，在地形扫描测绘、城市三维重建等众多方面具有广泛应用。在点云数据的处理中，主要包含的任务有：3D点云分类与2D图像的任务目标相似，3D点云分类是指识别出点云所属的对象类别3D点云目标检测与跟踪3D点云目标检测与跟踪是指在点云中定位对象的具体位置并在连续帧中识别出同一对象（使用点云中丰富的几何信息，有望克服基于2D图像跟踪所面临的遮挡、照明、比例变化等缺点）任务4

基于激光点云数据的AI识别3D点云分割3D点云分割则是给每个点预测一个类别标签，表明它所属的对象类别，本质上是一种对点云中每个点的分类（注意与3D点云分类任务做区分，3D点云分类任务是对整个点云分类）3D点云配准点云配准指的是输入两个点云，输出一个变换矩阵，使得经过变换后的两个点云的重合程度尽可能高。任务4

基于激光点云数据的AI识别一是基于点（point-based）的处理模式（如SqueezeSeg、RangeNet＋＋）优势：基于点的处理模式直接操纵原始点云数据，能最大限度地利用点云的空间信息缺点：但该模式下点的数量众多，计算量庞大二是基于投影（projection-based）的处理模式（如PointNet、RandLA-Net）优势：投影到2D平面后，可以利用二维图像领域成熟的卷积神经网络结构及方法对其进行处理缺点：将3D点云投影到2D平面，不可避免地将损失点云的空间信息在现有的深度学习点云处理方法中，有两大主流模式：人工智能在SAR

数据上的应用主要集中在目标检测（Object Detection）、抑斑降噪（Despeckling）、自动目标识别（Automatic

Target

Recognition，ATR）、图像分类（Image Classification）、相位解缠（Phase Unwrapping，PU）、成像仿真（Imaging

Simulation）等领域。任务5

基于SAR数据的AI识别任务5

基于SAR数据的AI识别在SAR图像的目标检测方面，目前主要集中于基于SSDD等数据集进行SAR图像船舶检测的研究。多尺度快速R-CNN、深度CNNs、轻量级CNN、YOLO-V4和YOLO-V5等深度学习网络，在SAR图像船舶检测上都有良好应用并且，船舶检测的定位框已经从轴向包围盒（Axis-aligned

BoundingBox，AABB）发展为有向包围盒（Oriented

Bounding

Box，OBB）或旋转包围盒（Rotatable

Bounding

Box，RBB），例如SDOE、DRBOXV1和DRBOX

V2等。任务5

基于SAR数据的AI识别SAR这种相干系统易受到乘性噪声的影响，在图像上形成相干斑点噪声，严重影响人眼判读以及计算机的自动目标检测和识别等应用。在SAR图像的抑斑降噪方面，学界主要应用CNN进行相关研究，例如NeighCNN、Nonlocal CNN、Contourlet-CNN、Multi-Objective

CNN和ID-CNN等。任务5

基于SAR数据的AI识别在SAR图像的自动目标识别方面，学界主要基于MSTAR等数据集进行SAR图像军事目标自动识别的研究，主要使用的深度学习网络为CNN和GAN。例如以下几种方法，都是针对MSTAR的军事目标自动识别任务研发而成的。一种无损轻量化的CNN设计一种基于CNN的Self-Matching

CAM方法一种基于CN-GAN和CNN的复杂环境ATR方法一种极限学习机（ELM：Extreme

LearningMachine）和CNN相结合的方法一种在GAN上发展起来的基于多任务学习的开放集识别方法（OSR：OpenSet

Recognition）一种基于条件变量自动编码器（CVAE）和GAN的CVAE-GAN模型MSTAR是在20世纪90年代中期，由美国国防高等研究计划署（DARPA）推出，通过高分辨率的聚束式合成孔径雷达采集多种苏联目标军事车辆的SAR图像。MSTAR计划进行了SAR实测地面目标试验，包括目标遮挡、伪装、配置变化等扩展性条件，形成了较为系统、全面的实测数据库。目前MSTAR数据集在SAR图像目标识别研究上得到了广泛应用。任务5

基于SAR数据的AI识别任务5基于SAR数据的AI识别在SAR图像分类方面，学界将CNN广泛地应用在极化SAR图像分类领域，如图所示。例如，一个完全无监督的模型融合卷积自动编码器（CAE）和矢量量化（VQ）与CNN结合在一起，实现了无监督的极化SAR图像分类。引自《ADeepVector

Quantization

Clustering

Method

forPolarimetric

SARImages》项目2载荷数据的深化应用任务1

正射相机数据正射影像图是一种新型数字测绘产品，是有着广阔应用前景的基础地理信息数据。其作用如下：a.它可用于更新数字线划地图数据，提高数据的现势性，加快地形图的更新速度，也可作为背景图直接应用于城市各种地理信息系统b.它不仅广泛应用于城市规划、土地管理、环境分析、绿地调查、地籍测量等方面，也可以与线划图、文字注记进行叠加，形成影像地图，丰富地图的形式，增加地图的信息量任务1

正射相机数据c.利用数字正射影像与数字地面模型或者建筑结构模型可建立三维立体景观图，丰富城市管理、规划的手段与方法数字正射影像地图增量式生成任务1

正射相机数据（1）修测数字线划图：数字线划图上高层建筑存在投影误差，但对于4层楼以下的建筑物来说，投影误差较小，可以忽略不计，而对于高层建筑可以先在建筑顶部采集其形状、大小，再根据建筑可见的地面上的点确定其位置。（2）应用于城市规划：正射影像信息覆盖的范围大，分辨率高，对于宏观定性分析，有着重要的作用与价值。其信息可应用于大范围的区域规划，尤其对于城市规划建设，应用现代信息提取技术可以开展很多专题的调查研究，揭示城市资源与环境的空间分布规律及其相互联系、相互制约的关系，提出对于城市可持续发展规划与管理决策等具有现实借鉴价值的建议。任务1

正射相机数据（3）制作三维景观模型：用数字正射影像制作三维景观具有非常广阔的发展前景，可以为城市规划的成功决策提供最基本、最直观的技术支持；电子沙盘景观更加真实，携带更加方便，更新也更加容易；真实、生动的三维景观网上旅游使游客再也不受时间、空间的限制；其他像公安部门、消防部门的警力部署，电力部门的线路架设，交通部门的管理调度，三维景观都会给予巨大的支持和再现。任务1

正射相机数据应用数字摄影测量技术所具有的制作城市景观数字模型的功能，能在计算机上非常逼真地再现城市现状，并可以多视角浏览，以辅助规划设计与建设的参与者及决策者开展相关工作，毫无疑问，其基础资料数字正射影像有着不可替代的作用。（3）制作三维景观模型：任务1

正射相机数据（4）在土地变化方面的利用：利用数字正射影像图的像幅范围大，信息量丰富、获取方便、更新快，可以及时地为土地决策部门提供决策所需的信息，通过系列数字正射影像图的定期（如三年期、五年期、十年期、二十年期、五十年期）对比了解现代城市的建设发展历程，体现了城市和环境以及土地利用等方面的发展变化，得到相应的土地利用类型分类图，还可以对这些分类图进行数据迭合等处理，获取土地利用动态变化信息。任务1

正射相机数据正射影像资料具有宏观、快速、动态、综合的优势，数字正射影像图资料可以为编制国土规划和地区经济规划提供国土资源（自然资源和社会资源）、环境和自然灾害方面的调查与分析评价资料等。所以，数字正射影像资料是制定国民经济和社会发展计划、国土规划和地区经济规划的一种手段。任务2

多拼相机数据多拼相机多用于倾斜摄影测量，获取拍摄区域垂直与倾斜的影像数据，并配合惯导系统获取曝光点的位置姿态信息，生成基于真实影像纹理的高分辨率实景三维模型。与正射影像相比：实景三维模型可以较为全面、清晰且高精度地感知目标物的复杂场景，其获得的数据成果能更加真实客观地反映目标物的实际情况，还可获取目标物的绝对位置、高度等属性信息，细节表达丰富，保证目标物成果的真实性及精度的可靠性。任务2

多拼相机数据实景三维模型非单体化模型单体化三维模型成果数据采用专业建模软件生成三维模型一般在非单体化模型的基础上进行，对建筑物等地物进行对象化、精细化构造，单体化模型可以进行属性查询及编辑操作。随着我国城市建设的快速发展，城镇化进程日益加快，各个行业都在积极响应数字化、智慧化的号召，三维模型由于能够逼真显示现实三维场景，已成为城市规划、建设、管理以及应急保障的重要依据。任务2

多拼相机数据智慧城市建设方面：随着城市管理和地理信息服务对空间精密性、动态可视性需求的增强，作为智慧城市空间载体的数字城市建设被迅速推广，快速构建数字城市实景三维模型也逐步进入快速发展阶段。特别是采用倾斜摄影测量技术，通过多视相机获取多视角影像，使通过自动建模系统完成城市实景三维模型建模生产的实际应用得到推广。城市实景三维模型建模示意图任务2

多拼相机数据应急救灾方面：灾害的发生危及全球人民的生命财产安全，在应对灾害过程中，关键问题是快速、及时地收集高质量的数据信息，同时灾害危险性评估及灾后跟踪分析也是重中之重。三维实景模型能直观地反映灾区的地形信息，便于进一步分析灾害发生的位置、类型及范围等。同时还可以对灾区进行灾后跟踪，实时获取灾区的实际情况，及时把握灾后重建工作的进程，制定合适的救助方案，避免二次灾害的发生。任务2

多拼相机数据地质监测方面：通过构建高精度的三维实景模型，融合AR技术实时、直观、形象地呈现变形体的真实三维景象及变形情况，在三维实景模型上实时动态地显示GNSS传感器的状态、监测对象的变形量并对变形情况进行分析预警等。还可以通过手机、计算机等实时查看、控制传感器，及时获取监测对象的各种数据，并对其进行分析、显示及存储等。热成像技术是通过运用光电技术接收物体辐射的特殊红外线信号，将该信号转换成人眼可识别的图像或视频，并赋予图像或视频温度值。红外热成像技术使人类超越了视觉局限，由此人们可以感知物体表面的温度分布状况。红外热成像仪就是利用该技术生产的载荷设备，凭着实时视频成像、操作简便、成本低等优势，依赖于无人机搭载可实现的远距离、非接触、大面积、直观快速检测等优点，在民航、电力、石化、森林防火、医疗等领域也有着广泛的应用。任务3

热成像数据任务3

热成像数据1.电力巡检电力行业是红外热成像技术最先应用的行业之一，已被电力行业标准DL/T 644和DL/T 596等确定为标准检测工具，它在安全隐患发现和设备维护检测等方面具有不可替代的作用。红外热像仪作为成熟的电力在线监测技术手段，可对负荷电气设备进行检测，通过对红外热成像谱图的分析，能及时发现异常温度点，快速定位隐患及缺陷点，防止电气火灾事故发生。供电系统也可结合红外热成像技术对电气设备进行常规定期检测，预先发现事故隐患，保障电力设备的持续可靠运行应用于电力巡检中的红外热成像技术主要包括两个部分：红外热成像技术检测和热成像温度图像分析。无人机搭载热成像仪对电气设备表面的温度热图信息进行全面采集和扫描，若发现异常，则可通过地面站软件控制无人机针对性、近距离地对异常部位进行准确、细致的监测。再基于探测所得辐射信号转换为电信号，处理生成温度分布热图像，与电气设备热力场分布相对应。设备各部分的温度分布基于热图像中不同颜色进行划分，具备直观、可视化的优势。图像分析阶段则是依据生成的热图像按照所需对其辐射率、亮度、对比度等参数进行调整，进而分析得到热图中每个点的温度以及各线面上的最高温度、平均温度等有效信息。任务3

热成像数据技术人员便可以此建立数据库对探测物体的故障缺陷进行分析，以便采取有效且针对性的措施进行处置。同时，无人机回传的位姿数据也便于技术人员对故障点位置进行精准定位，提高了故障处理的效率。电力巡线示意图任务3

热成像数据2.油气管巡石油化工领域的许多设备需要在高温高压环境下工作，容易产生安全隐患。根据安全生产要求，需要对其进行实时监测，提前发现异常并及时消除隐患。使用红外热成像技术能对管道、法兰、阀门、油罐气罐等石油化工行业常见设备的腐蚀、破裂、减薄、堵塞及泄漏等进行检测，得到设备和材料表面温度分布。根据异常温度点的分布，可快速定位隐患点，以此减少石油化工生产中的潜在危险。无人机与热成像仪的组合具备了非接触式、抗干扰能力强、可靠性高、灵敏度高等优点，可实时为检查人员提供更为开阔的观察视野，为设备维修整改提供数据依据，为企业设备安全管理提供技术支持。任务3

热成像数据3.

生命探测融合应用无人机控制技术和红外技术应运而生的红外热成像的生命探测飞行器可以很好解决特殊环境下搜救人员视野受限的问题，其通过高速率的数据流传输可将实时图像传输至地面站，给搜救及观测人员提供灾难现场清晰、全局的视角图像，便于现场指挥人员及时准确地构建营救方案，有效降低复杂环境给救援行动带来的负面影响，提高救援效率，争取救援时间。水中/林区人员搜救示意图任务3

热成像数据飞行器控制模块通信模块在红外热成像模块其功能体现在通过传感器测得的无人机位姿数据进行姿态解算，确保飞行器以稳定姿态执行飞行任务则是将地面站软件的控制指令传送至飞行器控制模块，合理操控飞行器按照所需姿态和路径进行飞行中主要进行图像信号的采集并实时回传至通信模块，再经由通信模块传输至地面指挥中心。同时，在此模块中嵌入生命体检测图像算法，当检测到生命体存在时飞行器可触发报警装置，作业人员则可结合位姿数据和热成像图对救援目标进行定位，实时热成像图也便于救援人员对目标生命体及其周围环境进行观测感知。该生命探测系统主要由飞行器控制模块、通信模块和红外热成像模块构成。任务3

热成像数据4.

公路检测上述应用均是面向局部区域的温度明显区别于其他地方，再通过热红外成像技术予以可视化的场景。热成像数据也可以用于超广视野内的公路巡检，并可结合可见光探测器完成日夜交替的巡检任务。全时效无人机巡检可保障在夜晚正常作业，弥补了可见光难以满足低照度或无光条件下获取真色彩、低噪度图像要求，同时可利用LED补光补充红外热成像反射光源，使热成像效果距离更远，成像效果更加细腻。任务3

热成像数据除却以上展开介绍的热成像数据实际应用，其也常被用在机场、海关等运输行业重点场所的安全检测上。用以解决普通摄像头利用可见光成像导致黑夜或光线不好时图像效果不佳的问题，有效降低一些警报被忽略或误报的概率。诸如2019年新冠肺炎疫情，结合AI算法的红外热成像技术的体温监测系统可有效提高口岸出入境人员的体温监测能力。体温检测示意图任务3

热成像数据除上述几个方面，可通过高分辨率的红外热成像技术，利用气孔导度、光合特性和蒸腾速率与植被冠层温度密切关系，来确定植被在非生物胁迫状态下的响应，如水分胁迫等。此外，利用哺乳动物温度恒定的特点，热红外相机还可用于对野生动物物种的精确识别。任务3

热成像数据任务3

热成像数据a.受限于热红外探测器的像元数目（如FLIRb.无人机只能搭载小型热成像摄像Tau2

的像素数为640×512），目前热红外相机，这些设备通常使用非制冷的机的分辨率较低，当对非均质目标进行观测时混合像元（例如一个像元包含同时来自土壤和微，测辐射热计传感器（如氧化钒VOx），传感器测量值温漂较大植被的信号）的存在会显著影响观测的精度。c.另外，还需要消除背景温度（包利用更高分辨率的RGB

图像与热红外数据融括太阳辐射、环境温度和风速等合可以降低混合像元的影响。的影响。。）因此，必须选择合适的方法对热红外数据进行大气纠正并进行现场校准。（1）像元间距从25、17、12发展到10，有效提高了目标分辨能力。（2）结合可见光、激光、雷达等探测器组成多光谱范围的应用，监测应用效果更为全面。（3）在热红外无损检测应用方面，面临着材料内部缺陷的二维或三维模型建立、缺陷尺寸定量化检测研究的更深入层面的需求。（4）增加探测器单元数量，快速获取目标热图，提高焦平面探测器的帧速和采样频率。（5）结合业务场景，利用5G、AI、大数据等技术来加强红外热成像技术的自动化、智能化水平。任务3热成像数据当前，红外热成像技术已逐步进入了以大阵列规模、小像元间距、低成本和高探测率为特征的第三代焦平面成像红外探测系统，呈现出高灵敏度、高分辨率、低功耗和小型化的发展态势，具备以下几点技术特征：任务4

光谱相机数据多光谱相机：光谱分辨率在

/10数量级范围的，其传感器在可见光和近红外光谱区只有几个波段。高光谱相机：光谱分辨率在

/100的传感器设备。多光谱遥感和高光谱遥感技术主要利用地物的光谱特性对目标进行识别与分析，利用通信技术和定位定姿技术快速无损获取关于目标地物的高分辨率影像及光谱数据，经过处理的数据作为参数输入遥感反演模型，相关产出可用于参数提取或者行业具体应用光谱相机，融合了光谱技术与成像技术，是当前对地观测遥感技术的常见传感器。任务4

光谱相机数据低空无人机搭载光谱相机获取影像，在中小尺度高精度遥感监测中优势明显，尤其在矿产勘察、农业、林业、生态等领域的应用比较广泛。随着植被、矿物等光谱特性的深入探究，光谱探测技术在研究地物化学成分和结构及自然环境微细变化方面也具有强大优势。多光谱数据高光谱数据任务4

光谱相机数据矿产资源勘察方面：通过对地表和地壳1

km范围内的光谱探测，实现利用光谱技术对地球陆地表面的地质填图和矿物蚀变信息的遥感探测、岩芯光谱探测，建立全球光谱数据库集，满足利用光谱探测技术对地壳1

km范围内矿物的识别和探矿需求，基于无人机平台的多/高光谱遥感技术可以满足高分辨率的矿物填图和矿物坝区圈定，实现间接找矿。区域地质制图和矿产勘探是高光谱技术在众多应用领域中最为成功的领域之一，结合地面高光谱探测技术能够实现矿物精细识别与探测、矿产精细开采，通过矿物含量的光谱定量反演技术，能为矿物冶炼提供精细的技术服务。任务4

光谱相机数据生态环境方面可利用紫外谱段的成像光谱仪对SO2、NO2等污染气体进行监测水质参数监测水环境监测方面通过运用近红外、短波红外、热红外的谱段的成像光谱仪，可以用来监测水华、叶绿素a、悬浮物、透明度等反映水环境质量的水质参数、水体污染物和水表温度、核电站温排水等热污染状况。无人机平台的应用，使得高光谱成像仪更适用于重点区域或人类不可进入的区域的重复监测，比如火山监测、工厂失火、气体集中泄露、河湖水质参数监测、规划区域的土地利用分类和土壤污染等生态环境参数的监测。当前的相关研究主要是利用高光谱数据获得红边和植被指数等信息，从而对植被长势、植被生物量进行定向、定量的评价，在此基础上，与定量研究相结合的遥感技术可预测动物对景观尺度的植被结构和生物量的响应，并为群落调查与生物多样性保护提供有效的手段。任务4

光谱相机数据任务4

光谱相机数据精细农业领域农作物种植信息是农业调查的基础和前提，没有正确的农作物信息提取就无法进行高效的农业资源调查、作物估产和灾害监测。无人机载高光谱能够发挥其高空间分辨率、实时调查的特点。能够更加精确地对农作物进行分类识别动态监测灾害灾情的变化，定量化地评估农业灾害损失动态监测作物长势，更加准确地反演表征作物长势的各项参数和进行农作物估产促进实现对土壤质量信息指标的监测与土壤质量的评价任务4

光谱相机数据不足与建议：不足：目前大多数无人机多光谱影像分辨率较低，特征点匹配难度大，几何校正效率和精度有待提高。多光谱传感器在无人机飞行过程中受飞行稳定性及光照环境变化的影响，不同时刻采集的数据出现辐射非均一性，对图像进行辐射校正的方法一般为半手工方式，操作较为复杂。建议：后续应用过程中必须研究针对所有数据的辐射校正算法，消除辐射非均一性对后续参量估算的影响。任务4

光谱相机数据不足与建议：不足：目前的数据解析往往通过地面实测数据建立经验回归模型，模型受作物种植区域、作物类型以及作物生育期等的影响较大，后续需利用多种作物观测数据建立通用性模型，并保证模型解析精度满足实际需求。建议：建议在今后研究中，着重加强辐射校准的研究，探索通用性辐射校准方法，减少对地面定标的需求，提供具有更加准确辐射信息或者反射率信息的多光谱图像，为提高后续应用的精度奠定基础。任务5

激光雷达数据1.

大气温室气体监测激光雷达是远程非接触式探测的有效手段，尤其是在恶劣环境或人类难以到达的区域，激光雷达相比于传统的采样式探测方法，具有不可比拟的优势同时，激光雷达还可实现面向区域的实时探测，及时获得区域范围内的温室气体排放空间和时间分布此外，激光雷达无须在被探测点放置任何装置和设备，可以用于温室气体排放的隐形监测，从而有效、定量监控污染源的偷排偷放行为和量值。任务5

激光雷达数据温室气体探测激光雷达的发展方向主要集中在环境治理和监测领域，其标定技术的发展也将会进一步提高激光雷达的探测准确度，使其在应用中发挥更重要的作用。温室气体探测激光雷达有望成为环保考核、污染源追踪以及碳交易领域的重要技术手段。既可以作为碳计量中区域排放源排放的直接监测手段，对垃圾填埋场、污水处理厂、大型畜牧场等区域的温室气体排放进行监测，也可以结合风速，在一个或多个点排放源的下风口，对排放源排放的污染气体的面通量进行实时监测，从而确定其排放总量，还可以监控大型输运工程或高压气站的安全。任务5

激光雷达数据无人机平台通过搭载温室气体探测激光雷达，可以在大气温室气体监测这一领域大展身手。机载温室气体激光雷达具有移动便利的特点，可用于发现和监测温室气体污染源。在不需要常年监测的地点，采用无人机可有效利用雷达系统，使同一雷达系统可用于多点、多区域测量，由于无人机的机动性强，既便于短途移动，又便于长途通过飞机或货轮运输，因此，其监测点甚至可以覆盖更广的区域，机载温室气体激光雷达还可以在测量范围上拓展地面短距离测量激光雷达的能力。2.

森林资源探测激光雷达可以很好地穿透树林，从而同时获取树木和地面的数据，而面对建筑物，激光将无法穿透，并且面对水域激光雷达将无法得到完整的数据，因此激光雷达可以较好地区分森林和非森林区域，可以用于森林资源的储蓄量探测。任务5

激光雷达数据任务5

激光雷达数据利用多种森林类型样地的激光雷达数据和地面实测蓄积量数据，首先采用多元线性回归和非线性回归方法，分别建立基于机载激光雷达数据的森林蓄积量回归模型，通过对比分析，确定具有相同变量和统一结构形成的普适性模型，然后采用建模方激光点云数据法，建立基于相同激光雷达变量的不同森林类型蓄积量模型，最后使用该模型处理激光雷达的某次作业数据，从而计算出该此作业对应森林的储蓄量。任务5

激光雷达数据激光雷达在无人驾驶汽车上的第一个运用——“定位”已逐步成熟，当前的无人驾驶技术常见的实现方式的第一步就是以车载雷达加上slam技术来实时更新全局地图，实现精确导航与厘米级定位。但该技术的弊端是需要提早制作好激光雷达地图，也就是全局地图。3.

无人驾驶领域的机载激光雷达运用而无人机平台搭载激光雷达便可以很好地与该技术结合，更快捷地为自动驾驶提前构建一个简要的全局地图，无论是人流涌动的城市道路，还是高速公路、小乡村等人烟相对稀少的地方，无人机平台都可以更快更精确地获取到地图。任务5

激光雷达数据4.水系探测水系探测主要采用机载激光雷达测深技术，该技术是一种主动式遥感观测技术，利用激光在水中的反射、透射传播特性进行水深测量。机载激光测深具有精度高、机动性好、覆盖面积大、速度快、成本低等优势，因此在近岸水域得到了广泛应用，包括浅海水深测量、水下地貌特征提取、水下调查、水底分类及制图等。光电吊舱是一种光电探测装置，通常搭载于各类无人机、无人艇等载体上。目前很多光电吊舱能够同时搭载可见光相机、红外热像仪、激光测距仪以及各类高性能光电载荷，被广泛应用于警用侦察、电力巡线、巡检安防等各个领域，并发挥着日益重大的作用。随着信息技术，图像处理等相关技术的迅速发展，大众对于光电吊舱数据的精度、可视化表现以及应用范围等要求不断提高，其侦查探测与目标跟踪等功能正在向着全天候、高精度的方向不断发展。任务6

光电吊舱数据任务6

光电吊舱数据无人机电力巡检具有不受地形环境限制的优势，可实现电网线路巡视、设备巡查和灾情监控的一体化管理，具备在山区、林区、高原等复杂气候地形环境下远距离、长航时输电线路巡检和防灾减灾应用功能，有效提升电力系统防灾减灾和线路运行管理水平，具有很大的实用化应用前景。1.

电力巡检任务6

光电吊舱数据此外，基于采集整理的山火预警计算内容对危险等级进行划分，主要包括山火附近可能被影响的输电线路以及杆塔、火点到目标杆塔的距离等。针对输电线路山火具有着火面积小、过火迅速以及伴随大量烟雾的特点，构建基于无人机光电吊舱系统的输电线路山火监测及预警方案。利用无人机搭载光电吊舱，基于其回传的可见光视频数据进行区域烟雾粗判。再对于监测到烟雾的目标区域，采用无人机搭载红外热像仪以及长焦相机等吊舱设备对目标区域进行火点细判。任务6

光电吊舱数据电力巡线数据流图任务6

光电吊舱数据电力巡检应用下的吊舱数据处理流程主要包括以下五个步骤：（1）识别目标：通过可见光和红外成像技术对电力设备进行归类识别，基于规划巡检测区赋予无人机系统自主能力来对有效目标及时识别。（2）巡线跟踪：由于电力线路是追踪巡检的核心对象，因而在飞行过程中，巡线目标始终保持在吊舱视场中心。（3）位置确定：通过吊舱以及飞控回传的无人机位置信息时刻记录飞行位置，并可在GIS界面和视频界面同时标记电力巡线杆塔。（4）缺陷诊断：通过对光电吊舱系统传回的图像进行综合分析、判断识别，在巡检过程中便确定杆塔等缺陷问题，供后续维护参考。任务6

光电吊舱数据（5）数据融合：建立数据库，保存各个巡检线路的数据，同时存储各个缺陷描述和判断规则，便于后续任务快速通过图像来识别缺陷。数据库中存储的巡检数据还包括巡检时间、地点和人员等，方便对巡检数据进行查询，为线路巡检提供更多数据信息。电力巡线示意图任务6

光电吊舱数据2.林业勘察森林防火勘察预警包括地面巡护、瞭望台监测、航空巡护、卫星遥感等手段。其中，航空巡护凭借其视野宽广，机动性高，速度快，航程长，能高效对火场进行全面而长时间的观察等优势脱颖而出。当发生重大森林火灾时，光电侦察吊舱能以无人机为平台在高空对森林火灾进行侦察，由于吊舱的航向角为360

，可快速对火场进行可见光全景视频拍摄。在火场烟雾或霾较浓时，利用吊舱红外系统对火点或火线进行探测。利用激光器结合惯性导航装置对火点或火线进行定位和测量，准确量算火线长度、林火燃烧强度等信息，从而快速形成火场态势报告，使用地空无线传输设备送达火场前线指挥部，为火灾指挥扑救提供及时准确的空中侦察信息。任务6

光电吊舱数据光电吊舱森林防火勘察无人机平台构成示意图任务6

光电吊舱数据该系统通过无人机平台在林区上空进行巡逻，拍摄林区的红外/可见光视频，对林区着火点进行定位，测算着火面积，预估火势。再通过机载卫星通信设备将视频流和火点定位信息实时回传到地面基站以及地面指挥中心。技术人员可通过计算机客户端、手持控制端或地面指挥中心大屏，或通过云端网页直播分享等多种方式观看实时回传的视频图像，为指挥决策提供科学依据。红外/可见光山火识别（截图）3.

海港监测无人机监测手段的应用可有效完善港口监测系统，无人机吊舱监测是利用无人机机动性强、成像清晰、定位精确、跟踪航拍等优点，结合原有检测设备以达到快速反应、精准识别的目的。在原有单一平面监测手段的基础上，增加形成空地一体化的立体监测方式，确保港口正常的运营。任务6

光电吊舱数据任务6

光电吊舱数据基于光电吊舱任务载荷的海港监测分为常规监测和应急监测两种应用模式。常规监测常规监测中无人机系统搭载可见光和红外的双光吊舱，利用其监测范围大的优势，能够实现对海域船只及附近船只的大范围实时监测。为保证夜间正常作业，红外热像仪在夜间仍然可以识别船只个体，实现对船只的简单定位辨识及重点海域的监测。对目标观测定位涉及了多个平台坐标系的转换坐标系转换示意图任务6

光电吊舱数据应急监测模式应急监测模式中无人机系统搭载可见光和红外双光吊舱，利用悬停侦察的功能，针对特殊重点监测目标执行辨识、锁定、追踪等任务。一旦发现异常情况，实时锁定追踪可疑目标。同时，指挥中心可通过回传的视频数据以及无人机地理信息快速找到目标位置，并将信息迅速推送给指挥中心，实现实时精确识别指挥的效果。利用无人机系统悬停或持续锁定跟踪目标及自动跟飞的功能进行港口监测，并完成实时视频拼接，可及时观察港口和统计船只情况，便于港口指挥调度。同时，作业任务结束后，可见光快照可生成全局影像图，为港口管理人员提供执法依据。数据回传存储在地面站软件或数据处理软件中，依据可见光视频或快照统计港口附近船只的数量和船体大小，为港口运营提供保障。任务6

光电吊舱数据4.应急安防随着目标跟踪技术的发展，无人机吊舱组合模块逐步发展为智能城市管理系统中的机动监控探头，能有效补充山区、覆盖空白区域的天网监控探头布建空白，辅助承担市区重大活动安保、禁种铲毒和突发事件处置等职能，全面满足维稳工作需要，提升公安机关应对突发事件的处置能力、立体化指挥和作战能力。可见光/红外目标跟踪是目前光电吊舱执行目标跟踪的主流方法。相比于可见光目标跟踪，红外目标跟踪可以实现昼夜不间断工作，同时对于雾霾、大气的穿透能力强，具有全天候的工作能力，故近年来红外视觉跟踪得到了大力的发展与应用，具有很大的潜力。任务6

光电吊舱数据当前的可见光/红外目标跟踪主要分为基于区域和基于特征两种方法。基于区域的跟踪方法主要借助于图像分割技术获取目标的小区域块，再结合模板匹配算法对下一帧图像中小区域块的位置信息进行获取，完成运动目标的跟踪，算法流程如图所示。光电吊舱目标跟踪算法流程图任务6

光电吊舱数据表征目标的特征主要有颜色、轮廓、纹理、小波、局部特征描述和光流特征等，也可融合多个特征形成特征组合共同描述目标。目标背景情况不同，有效表征目标的特征也不相同。提取目标的特征后，基于特征匹配模板实现机载光电图像连续帧中目标的动态跟踪。基于特征的目标跟踪方法主要包括特征提取和特征匹配两部分。任务6

光电吊舱数据a.

双光吊舱回传的可见光影像和热成像影像，在地面站集成图像智能分析软件对图像进行智能分析，可对疑似目标进行自动提示、报警。当遇到追捕、巡查等警务任务时，通过旋翼或固定翼无人机挂接双光吊舱，拍摄追捕、巡查区域图像，实时回传地面站，地面站通过集成的图像智能分析软件自动识别热源成像的同时，可见光相机可以实时分辨地理信息。软件后台对目标的出现自动识别、筛查、报警，并可对目标进行手动或自动跟踪拍摄，可配合民警执行巡查、巡逻、追捕等任务，视频侦察实战应用效果显著。任务6

光电吊舱数据b.

使用可见光快照功能对活动、事件现场进行记录，并可以将拍摄照片实时或事后拼接成一张完整正摄影像，也可以制作360

全景图。制作的正摄图或全景图可以提供给公安情报指挥中心作为电子沙盘使用，极大方便了安保方案的制定，为现场决策指挥及处置行动提供了有力的情报支持。可见光/红外公路巡检车牌目标识别及跟踪通过上述光电吊舱数据应用的技术特点，可以得知其正呈现出以信息化、网络化为核心的“空、天、海、地”一体化应用模式。机载光电吊舱载荷不仅具备作为传感器节点的视野广、清晰度高等特点，同时兼具作为武器节点的跟踪稳定、定位精准等表现，遂行“识别、确认、跟飞、定位、回传、评估”实时全链飞行任务，机载光电载荷数据随之向着远程化、精准化、智能化、综合化方向快速发展。任务6

光电吊舱数据任务6

光电吊舱数据（1）数据信息实时性和传输量矛盾突出吊舱载荷的视频流以及通过机载系统对图像距离进行探测所获取的信息数据，需借助通信系统向地面指挥控制中心传送。通常来讲，机载通信系统则要选用卫星通信设备亦或是空地无线电通信设备。近年来，为了满足相应行业需求，吊舱载荷传输的数据量与传输实时性需求之间的矛盾日益突出，不仅要使信息传输容量增加，同样也需要在传输信号之前由吊舱系统完成前端处理。任务6

光电吊舱数据（2）图像处理与视觉增强技术的深度应用随着高光谱成像、三维成像、偏振成像等新型成像技术的发展应用，图像增强处理技术将向着基于多特征、多维度（空间、深度、时间、光谱、偏振）的方向发展。与此同时，随着压缩感知理论、自适应编码孔径成像等计算混合成像技术的发展，图像增强技术也由后处理逐步发展至“成像-处理”一体化模式，综合利用光学系统、采样和图像重构处理技术以实现大视场、高分辨率红外成像。任务6

光电吊舱数据（3）模块化带来的数据融合由于探测器性能直接决定了吊舱探测跟踪的性能，需依据用户的实际需求科学合理地配置有效载荷。无人机可携带载荷设备的丰富化、模块化也对各载荷数据的联合应用提出了新的要求，吊舱数据需要与激光点云数据、定位导航数据等有效融合以构建二维或三维成像，更真实更全面地反馈目标及其周围环境信息，成为指挥决策阶段中的重要一环。遥感以其宏观性、综合性、多尺度、多层次的特点，已成为地质研究和地质勘查中不可缺少的技术手段，在矿产勘查和地质灾害监测等方面都发挥了越来越大的作用；随着遥感空间、光谱、时间和辐射分辨率的不断提高，不仅极大地提高了遥感的观测尺度、对地物的分辨本领和识别的精细程度，而且使遥感地质发生了由宏观探测到微观探测、由定性解译到定量反演的质的飞跃。任务7

合成孔径雷达数据合成孔径雷达（Synthetic

ApertureRadar，SAR），作为一种主动式微波遥感手段，具有全天候、全天时、较高穿透能力等特点，在环境保护、灾害监测、海洋观测、资源勘查、精细农业、地质测绘和政府公共决策等方面有着广泛的应用。SAR在地球遥感中的应用已有30多年的历史。这30多年来，我国在合成孔径雷达的系统研制和应用研究等方面，也取得了重大的突破和进步。今天，超过15个星载SAR系统正在运行，并用在无数的应用中。任务7

合成孔径雷达数据SAR用于绘制地球表面在各自波长域中的散射特性，成像场景的许多物理和几何参数会影响SAR图像像素的灰度值；场景反演受到这种高度模糊性的影响，需要在不同波长、极化、时间、入射角等条件下获取SAR数据，如图所示。单景SAR数据局部入射角反演图任务7

合成孔径雷达数据SAR被广泛应用于地质矿产勘查、地质沉降监测和海洋监测等领域。图为地质矿产勘查中基于SAR的找矿运用。六景SAR拼接数据振幅信息灰度图任务7

合成孔径雷达数据SAR相位信息干涉测量的DEM反演图干涉SAR（InSAR）利用从不同轨道位置和或不同时间获取的至少两幅复值SAR图像的相位差，从这些干涉数据集获得可用于测量多种地球物理量的信息，如地形、变形（火山、地震、冰原）、冰川流、洋流、植被特性等，如图所示。任务7

合成孔径雷达数据总之，SAR为地球科学和气候变化研究、环境和地球系统监测、2-D和3-D制图、变化检测、4-D制图（空间和时间）、安全相关应用以及行星探测等多种应用提供高分辨率、昼夜和与天气无关的图像。随着20世纪90年代雷达技术和地球、生物物理参数反演建模的进步，利用来自多个机载和星载系统的数据，从技术推动的发展模式转变为用户需求拉动的模式。任务7

合成孔径雷达数据任务7

合成孔径雷达数据目前，国内外的SAR设备厂商正在努力研发，以便为民用的工业级无人机应用，提供小型化、低成本的SAR设备。不过，目前国内民用领域，尚无能够保证干涉测量成果质量的同轨SAR系统，提供给工业级无人机应用。下面，仅介绍一些国外的无人机机载SAR系统。对低成本无人值守观测日益增长的兴趣促使洛克希德·马丁导弹和火控部门检查并证明在Ka波段使用小型廉价SAR/ISAR系统的可行性（Seong-Hwoon

Kim，2005）。Goleta一直在为小型无人系统的应用开发低成本和轻型MMW

SAR

/

MTI雷达，已经建立了两种不同雷达的初始模型，即LUAVR和LCLPR（JohnC.

KirkJr，2009）。时空大数据是通过对地观测等技术手段来反映人类活动的时空规律，包括时间变化趋势和空间变化规律。时空大数据来源于3S（RS、GIS和GNSS），即遥感、地理信息系统和全球导航卫星系统。地理信息系统提供空间数据模型，用以描述实际世界的空间模型，大致分为场模型、对象模型和网络模型。全球导航卫星系统可以获得精确的三维坐标，即经度、纬度和高度。遥感数据获取空间参数描述实际对象的更多信息，其中包括地表植被分布与类型、地形地貌、地物分布、区域景观等，并且利用成像的具体时间作为时间参数。任务8

多元时空大数据应用时空大数据的获取归类为传感器采集、野外测量和业务数据整理。其中最重要的来源是传感器采集，包括航天遥感、航空遥感、地面遥感、导航定位、物联网检测、网络爬虫等等。航空遥感多指利用飞机、飞艇、气球等空中平台对地观测的遥感技术。随着现代信息技术的发展，无人机遥感技术得到极大的推广，成为一种灵活、快速、分辨率更高的遥感方式。结合全球定位导航系统的支持，无人机遥感系统采集的数据具有完备的时间和空间参数，并且从多个维度描述了地面对象信息。基于多种载荷的无人机遥感技术，可以短时间内获取不同时间维度的对地观测数据，如何对大量数据进行处理和提取信息，成了新的挑战。任务8

多元时空大数据应用时空大数据内涵丰富，数据来源广泛，基于时空大数据可以开展的应用十分丰富。时空大数据可以描述某个地理范围内，不同对象或要素随时间变化的情况。这一特性可以直接应用在智慧城市中，实际上时空大数据中的3S信息可以提供统一的时间空间信息描述方式。结合时空大数据，智慧城市可以开展的应用包括智慧国土、智慧环保、智慧物业、智慧交通、智慧工业、灾害预警、环境检测等。任务8

多元时空大数据应用使用空天地一体化遥感系统采集的时空数据，可以对目标区域的植被、城市、水体和土壤进行检测和管理。利用无人机搭载的可见光、光谱相机、激光雷达采集的数据，利用先进的数据挖掘方式，获取监测区域目标的不同时间的信息，进行对象的关键参数提取。任务8

多元时空大数据应用以智慧国土为例：任务8

多元时空大数据应用同样，尽管时空大数据的应用范围十分广泛，但是也面临一些共性问题。首先，虽然时空大数据的数量以几何倍数增长，但是大数据分析和处理能力跟不上增长的速度，特别是在处理多模态多源的时空大数据上，需要跨模态分析的相关算法和技术进一步发展。其次，时空大数据的来源也更加丰富，随着各类传感器技术的发展，不同的数据呈现不同的特性，亟需发展更加灵活的时空大数据存储、数据融合和数据清洗等技术，更好地管理和使用这些数据。任务8

多元时空大数据应用最后，需要注意时空大数据的安全性，时空大数据描述了一个区域、一个国家的几乎所有信息，需要保护这些信息避免它们被不法分子利用，危害地区和国家安全。解决这些问题需要时空大数据的管理机构构建完整的动态信息安全可控体系，需要从基础软硬件设施、数据传输、数据保密和数据安全方面提供数据的全面监控。项目35G网联无人机的机遇5G

指

的

是

第

五

代

移

动

通

信

技

术

（

5th Generation MobileNetworks），是最新一代的蜂窝移动通信技术，是继2G（GSM）、3G（UMTS、LTE）和4G（LTE-A、WiMAX）系统的新一轮技术标准的升级。5G

网络通过提供人人通信、人机通信和机器之间通信等多种方式，支持移动因特网和物联网的多种应用场景，如图所示。5G应用场景图5G

网络通过提供多样化业务需求和业务特征的能力，适应不同应用场景的灵活性和多样化的业务需求，如超宽带、超低时延、海量连接、超高可靠性等。5G网络的超高速、超低时延和超高可靠性的显著特征，将不仅提升人们的通信体验，还将拓展智能制造、车联网、智能物流、无线家庭宽带接入等行业应用，承担着推进全社会数字化进程的使命。5G的空中接口和系统架构以革命性的创新设计支持超大带宽、多连接以及低时延高可靠性等体验。前几代无线网络的特点是有固定的接入参数和频谱资源块，以低频为主；5G网络允许使用全频谱（低频＋高频）和创新的新空口和架构来提供最佳通信服务。国内现阶段的5G主要的通信频段范围为FR1低频频段，即通常所讲的5G

Sub～6

GHz（450

MHz～6

GHz）。虽然5G在FR2高频频段的带宽资源更加丰富，从24.25

GHz到52.6

GHz均可以使用，且最大的小区宽带支持400

MHz的流量传输。但该频段属于高频的毫米波频段，存在通信传播损耗太大，通信覆盖范围太小的情况。并且因为配套的毫米波频段集成电路元器件制造成本价格高昂的原因，暂时未能做到低成本的量化生产。因此，随着后续5G应用场景的丰富和电子元器件生产工艺的优化，5G的高频频段的资源终将被合理地利用起来。无线通信在过去20年经历了突飞猛进的发展，从以话音为主的2G时代（GSM），发展到以数据为主的3G和4G时代，目前正在步入万物互联的5G时代。移动网络在继续丰富人们的沟通和生活的同时，也向全行业数字化转型提供能力，提高各行业的运作效率和服务质量5G应用特点任务1

5G与无人机无人机行业高速发展的同时，也对无人机的通信数据链路提出了新需求，呈现出与蜂窝移动通信技术紧密结合的发展趋势，形成“5G网联无人机”系统。5G与无人机任务1

5G与无人机在无人机系统平台上加装5G通信芯片或模组设备，通过通信认证将无人机平台和载荷系统接入5G蜂窝移动通信网络中，可使传统的无人机信息化平台赋能为“5G网联无人机”系统。无人机的信息化数据接入5G专用的低空覆盖网络后，可以极大延展无人机及信息化载荷的应用领域并产生巨大的经济价值。任务1

5G与无人机5G网联无人机在飞行过程中应通过5G网络进行数据传输和控制指令传输，无人机的飞行数据传送至无人机云管控平台，云管控平台可实时显示无人机飞行轨迹、飞行信息。5G网联无人机的无人机终端和地面控制终端均通过5G核心网与云服务器、视频流媒体服务器、AI计算服务器等进行数据交互，并通过各类业务服务器加载各类场景的应用，实现5G赋能的新的信息化应用能力5G网联无人机系统框架任务1

5G与无人机全球将因此形成一个数以千万计的低空无人机智能网络。可通过各类智慧监管平台7×24 h不间断地提供视频监控、空中货运、遥感信息采集、智能巡检等各种各样的行业应用与服务，进而构成一个全新的、丰富多彩、极具价值的“5G网联低空信息网”。因此，基于新一代的5G蜂窝移动通信网络可为网联无人机赋予以下重要能力。超视距飞行管 实时超高清视理 频监视远程低时延指 无人机自动化控 值守无人机云端智慧调度遥感数据业务高性能加密无人机数据云端智能化处理任务1

5G与无人机在无人机系统平台上加装5G通信芯片或模组设备，通过通信认证将无人机平台和载荷系统接入5G蜂窝移动通信网络中，可使传统的无人机信息化平台赋能为“5G网联无人机”系统。无人机的信息化数据接入5G专用的低空覆盖网络后，可以极大延展无人机及信息化载荷的应用领域并产生巨大的经济价值。任务1

5G与无人机目前5G网联无人机系统因5G的技术发展仍处于早期。各大移动运营公司主推的5G应用以大带宽、低延迟的能力优势切入到传统的行业中来。通过向传统成熟行业提供“5G＋无人机”的新功能，以交通线网和城市区域的5G网络覆盖为契机，探索交通管理、智慧物流、基础设施巡检等场景下5G网联无人机应用场景。任务2

5G网联无人机的应用方案1.交通管理（1）交通管理应用场景概述交通管理场景示意图任务2

5G网联无人机的应用方案城市交通拥堵是目前各大城市都面临的主要问题之一，城市交通管理中目前以传统人工现场处理为主，虽然有部分地方尝试使用传统无人机进行辅助管理，但仍存在事故拥堵难疏导、赶赴现场效率低、人工处理成本高等痛点。为突破当前交通管理场景中的诸多瓶颈，网联无人机的需求变得十分迫切。利用5G网联无人机搭载双光相机、喊话器、夜视探照灯等多种载荷，通过网联无人机空中机动灵活、实时远程控制、实时传输处理的能力提升交通管理效率，同时搭配自动机库可实现飞机的自动起飞、回收、存储、充电、放电等，摆脱对维护人员的依赖，降低人工成本，从而全面解决客户痛点。任务2

5G网联无人机的应用方案平时无人机存放于自动机库内，当有飞行需求时无人机自主从机库起飞，完成任务后无人机自动降落于自动机库内。在自动机库中，无人机可进行充电或自动更换电池，为下一次任务做好准备。有了自动机库的依托，无人机就可以在无人干预的情况下自行起飞和降落，更换电池，实现全自动化作业。通过在城市主要道路部署机库，无人机云管控平台可根据实际情况设置无人机的飞行计划及飞行路线，并提前通过5G网络下发给机库及飞机。飞机按照既定的路线飞行，并实时将交通情况通过5G网络回传至无人机云管理平台。任务2

5G网联无人机的应用方案①

交通巡检。②

违法取证。③

事故疏导。交通管理场景可实现的功能如下：任务2

5G网联无人机的应用方案无人机机库（2）交通管理应用系统组成。交通管理场景应用方案主要包括了无人机云管理平台、5G无人机机载终端、无人机自动机库及无人机飞行平台等部分。无人机自动机库主要完成对无人机的存储、收放、充电、换电等功能，是网联无人机实现无人化自动化的重要支撑。无人机平台采用与机库配对的多旋翼无人机或固定翼无人机，主要完成前端的数据采集，如图像、视频或其他遥感载荷采集的信息化数据，通过5G机载终端实时回传至无人机云管理平台中的业务板块中进行相应的云端任务处理。任务2

5G网联无人机的应用方案（3）交通管理部署方案。根据对传统交通管理场景应用的分析，在该场景下对5G网络的部署要求如表所示，现有技术水平的5G公网连接可满足其网络要求。交通管理场景5G网络部署要求上行速率下行速率业务端到端时延控制端到端时延定位精度覆盖高度30

Mbps300

kbps<200

ms<20

ms<0.5

m<100

m任务2

5G网联无人机的