[發明專利]一種基于無人機尋找停車位的方法及無人機

有效

• 申請號: 201710317680.3
• 申請日: 2017-05-08
• 公開（公告）號: CN107025802B
• 公開（公告）日: 2020-10-13
• 發明（設計）人: 黃立;李楊;陳瑤;王效杰;顧興;劉華斌
• 申請（專利權）人: 普宙飛行器科技（深圳）有限公司
• 主分類號: G08G1/14
• 分類號: G08G1/14;G06K9/00;G06K9/62
• 代理公司: 北京市安倫律師事務所 11339
• 代理人: 楊永波

1.一種基于無人機尋找停車位的方法，其特征在于，包括以下步驟：

S1：無人機飛行至目標區域中心位置正上方；

S2：無人機機身上設置的多個攝像頭開啟并采集無人機下方的整個目標區域的圖像；

S3：無人機檢測所述圖像，從所述圖像中選定出適合用戶汽車停放的停車位；

S4：無人機飛行移動至所述停車位正上方并懸停；

S5：無人機反饋自身GPS位置至用戶終端；

A1：無人機檢測并篩選出能夠容納用戶汽車的空白停車區域；

A2：無人機從所述能夠容納用戶汽車的空白停車區域中選取出一個距離用戶最近的空白停車區域；

A3：采用基于汽車識別的SVM分類模型檢測所述一個距離用戶最近的空白停車區域是否緊鄰已停放的汽車；

如果所述一個距離用戶最近的空白停車區域緊鄰已停放的汽車，則直接選定為適合用戶汽車停放的停車位；

如果所述一個距離用戶最近的空白停車區域未緊鄰已停放的汽車，則在所述一個距離用戶最近的空白停車區域周圍向外檢測距離最近的停放的汽車，并將與所述距離最近的停放的汽車鄰近的空白停車區域選定為適合用戶汽車停放的停車位；

所述基于汽車識別的SVM分類模型的生成步驟，包括：

預先收集用于訓練的第一正樣本集和第一負樣本集，其中所述第一正樣本集為包含有停放的汽車的多個樣本圖像，所述負樣本集為不包含有停放的汽車的多個樣本圖像；

按照設定的規格剪裁所述第一正樣本集內的每個樣本圖像，使得所述每個樣本圖像內只分布有一個完整的停放的汽車；

分別提取第一負樣本集和剪裁后的第一正樣本集內每個樣本圖像的特征向量；

采用sigmoid核函數，將所述特征向量映射成為高維空間中的特征向量；

根據所述高維空間中的特征向量，獲取具有優化參數的基于汽車識別的SVM分類模型；

選取一個時刻對應的一個圖像幀集合，并提取所述一個圖像幀集合內每幀圖像的特征向量；

利用基于空停車位識別的SVM分類模型對所述一個圖像幀集合內所述每幀圖像的所述特征向量進行檢測，檢測所述一個圖像幀集合內是否包含有空白停車區域；

如果所述一個圖像幀集合內未包含有空白停車區域，則放棄所述一個圖像幀集合，按照物理存儲地址的順序選取下一時刻的一個圖像幀集合重新進行檢測；

如果所述一個圖像幀集合內包含有空白停車區域，則標記出所述一個圖像幀集合內包含的所有空白停車區域；

所述基于空停車位識別的SVM分類模型的生成步驟，包括：

預先收集用于訓練的第二正樣本集和第二負樣本集，其中所述第二正樣本集為包含有空停車位的多個樣本圖像，所述第二負樣本集為不包含有空停車位的多個樣本圖像；

按照設定的規格剪裁所述第二正樣本集內的每個樣本圖像，使得所述每個樣本圖像內只分布有一個完整的空停車位；

分別提取第二負樣本集和剪裁后的第二正樣本集內每個樣本圖像的特征向量；

采用sigmoid核函數，將所述特征向量映射成為高維空間中的特征向量；

根據所述高維空間中的特征向量，獲取具有優化參數的基于空停車位識別的SVM分類模型。

2.根據權利要求1所述的方法，其特征在于，所述步驟A1進一步包括：

所述一個圖像幀集合是由無人機機身上設置的所述多個攝像頭在同一時刻分別采集的圖像構成。

3.根據權利要求1所述的方法，其特征在于，所述步驟A1進一步包括：

放大標記出的所述空白停車區域，將放大后的所述空白停車區域的面積與用戶所需停車位面積做差值運算得到差值量，分析所述差值量與預先設置的閾值的關系；

如果所述差值量小于所述閾值，則放棄所述差值量對應的標記出的空白停車區域；

如果所述差值量大于所述閾值，則所述差值量對應的標記出的空白停車區域為能夠容納用戶汽車的空白停車區域，直接進行存儲。

4.根據權利要求1所述的方法，其特征在于，所述步驟A2包括：

篩選出面積最大的所述能夠容納用戶汽車的空白停車區域并存儲，其中面積最大的所述空白停車區域包括一個或多個；

按照物理存儲地址的順序選取一個面積最大的所述空白停車區域，作為距離用戶最近的空白停車區域。