[發(fā)明專利]基于可編程無人機的路面圖像智能采集方法有效
| 申請?zhí)枺?/td> | 202110042153.2 | 申請日： | 2021-01-13 |
| 公開（公告）號： | CN112799430B | 公開（公告）日： | 2022-09-09 |
| 發(fā)明（設計）人： | 朱俊清;黃曉明;馬濤;黃怡;關軼夫;劉澤宇;董夢雨 | 申請（專利權(quán)）人： | 東南大學 |
| 主分類號： | G05D1/10 | 分類號： | G05D1/10 |
| 代理公司： | 南京經(jīng)緯專利商標代理有限公司 32200 | 代理人： | 湯金燕 |
| 地址： | 211189 江*** | 國省代碼： | 江蘇;32 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 可編程 無人機 路面 圖像 智能 采集 方法 | ||
1.一種基于可編程無人機的路面圖像智能采集方法，其特征在于，包括如下步驟：
S20，根據(jù)目標檢測路段的路面參數(shù)，采用改進Dijkstra算法進行飛行路徑規(guī)劃，配置飛行任務，并將飛行任務加載到無人機飛控系統(tǒng)中；
S30，根據(jù)目標檢測路段的路面參數(shù)，制定飛行方案，將飛行方案加載到無人機飛控系統(tǒng)中，使無人機飛行平臺執(zhí)行飛行任務時，無人機路面圖像采集模塊獲取路面圖像；所述飛行方案包括飛行高度，飛行速度和相機拍攝頻率值的選取；
S40，將無人機路面圖像采集模塊垂直拍攝的路面圖像傳輸?shù)降孛嬗嬎銠C設備，對路面圖像進行去鏡頭畸變處理后，采用SURF算法和漸入漸出權(quán)重融合進行圖像縫合，以獲得完整連續(xù)的長距離路面圖像；
步驟S20中，根據(jù)目標檢測路段的路面參數(shù)，采用改進Dijkstra算法進行飛行路徑規(guī)劃，配置飛行任務包括：
S21，根據(jù)目標檢測路段的路面參數(shù)確定任務執(zhí)行區(qū)域，調(diào)用地圖平臺的數(shù)據(jù)輸出接口，訪問道路數(shù)據(jù)庫將任務執(zhí)行區(qū)域的交通網(wǎng)絡抽取出來，使用柵格法建立初始交通模型，并從初始交通模型的源點起對點集進行層序遍歷進而簡化初始交通模型，生成Dijkstra算法的直接用圖，并得到交通網(wǎng)絡簡化模型；
S22，從一個源點開始，依照最短路徑原則依次將節(jié)點納入到路徑中來，直至全部節(jié)點的最短路徑生成完畢，以針對交通網(wǎng)絡簡化模型采用改進Dijkstra算法完成路徑的計算，得到覆蓋所有路線的不重復飛行路徑點；
S23，導出實際算路和路徑規(guī)劃途經(jīng)點信息，以配置飛行任務。
2.根據(jù)權(quán)利要求1所述的基于可編程無人機的路面圖像智能采集方法，其特征在于，飛行方案的制定過程包括：
S31，根據(jù)公式h＝Df/a＝(3.75n+4)f/a計算飛行高度，其中h為飛行高度，f為鏡頭焦距，a為相機傳感器尺寸參數(shù)，n為目標檢測路段范圍車道數(shù)，D為單車道寬度；
S32，根據(jù)公式v＝Thb/f(1-r)計算飛行速度，其中v為飛行速度，T為拍攝間隔，r為圖片重合率，h為無人機飛行高度，b為相機傳感器尺寸參數(shù)；
S33，將目標檢測路段的范圍通過Dijkstra算法算路得到的只飛一次路徑的坐標點，根據(jù)飛行高度、飛行速度和各個坐標點確定飛行方案。
3.根據(jù)權(quán)利要求1所述的基于可編程無人機的路面圖像智能采集方法，其特征在于，步驟S40中，采用SURF算法和漸入漸出權(quán)重融合進行圖像縫合包括：
S41，讀取待處理的路面圖像后，對路面圖像進行灰度化處理，同時調(diào)整圖像尺寸，檢測圖像中的SURF特征點，建立特征點描述符；
S42，采用matchFeatures接口對兩圖圖像之間的SURF特征點進行粗匹配；
S43，采用estimateGeometricTransform接口對誤匹配進行消除；
S44，分別獲取圖像各自的正確匹配點對后，對它們的坐標齊次化處理，通過最小二乘法求解矩陣方程，得到配準圖到基準圖的坐標轉(zhuǎn)換矩陣；
S45，選取圖像序列中間的一幅作為基準圖，其它圖片依次計算各自到基準圖的轉(zhuǎn)換矩陣，并利用計算的轉(zhuǎn)換矩陣實現(xiàn)到基準圖的坐標變換，轉(zhuǎn)換后的圖片按照原有的順序依次粘結(jié)到基準圖上，實現(xiàn)多幅圖像的拼接。
4.根據(jù)權(quán)利要求3所述的基于可編程無人機的路面圖像智能采集方法，其特征在于，采用matchFeatures接口對兩圖圖像之間的SURF特征點進行粗匹配包括：
輸入兩組特征點向量以及特征點描述符，按設定的匹配方法計算兩幅圖像之間各特征點之間的歐氏距離或街區(qū)距離，若歐氏距離或街區(qū)距離的距離值在設定的范圍內(nèi)，判定兩圖圖像之間的SURF特征點粗匹配成功。
5.根據(jù)權(quán)利要求1所述的基于可編程無人機的路面圖像智能采集方法，其特征在于，步驟S20之前，還包括：
S10，構(gòu)建帶有GPS、圖像采集設備的可編程無人機飛行平臺以及地面計算機設備。
該專利技術資料僅供研究查看技術是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于東南大學，未經(jīng)東南大學許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110042153.2/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
