CN104794899A - 基于无人机测量的路段交通指数估算系统 - Google Patents

Abstract

本发明涉及一种基于无人机测量的路段交通指数估算系统，所述估算系统设置在无人机上，包括航空摄影机、图像处理器、气压高度传感器和主控制器，所述航空摄像机与所述图像处理器连接，将拍摄的路段图像发送到所述图像处理器进行图像处理，所述主控制器分别与所述图像处理器和所述气压高度传感器连接，根据所述图像处理器的图像处理结果和所述气压高度传感器检测的无人机高度，估算路段交通指数。通过本发明，能够为道路交通管理部门提供关键路段的交通拥堵信息，数据更直观、更精确，便于道路交通管理部门制定准确有效的交通处理措施。

Description

基于无人机测量的路段交通指数估算系统

本发明是申请号为201410484449X、申请日为2014年9月20日、发明名称为“基于无人机测量的路段交通指数估算系统”的专利的分案申请。

技术领域

本发明涉及无人机测量领域，尤其涉及一种基于无人机测量的路段交通指数估算系统。

背景技术

无人机，即无人驾驶飞机，其英文缩写为“UAV”，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机。从技术角度定义可以分为：无人直升机、无人固定翼机、无人多旋翼飞行器、无人飞艇、无人伞翼机这几大类。从用途方面分类可分为军用无人机和民用无人机。军用方面，可用于完成战场侦察和监视、定位校射、毁伤评估、电子战，而民用方面，可用于边境巡逻、核辐射探测、航空摄影、航空探矿、灾情监视、交通巡逻和治安监控。

无人机应用到路段交通指数的估算极大程度上弥补了交管领域难于计算关键路段交通指数的空白。在日益拥堵的城市交通环境中，如何提供质量高的路段交通指数，为车辆驾驶员提供重要参考数据，合理对城市车辆进行自动分流，是困扰城市交管部门的一道难题。现有技术中计算路段交通指数的有限手段仅仅是通过城市内部数以万计的出租车返回到交管交管监控平台的GPS定位数据来计算路段的交通指数，但这样的计算方式存在以下缺陷：(1)计算精度对路段中出租车的数量依赖较大，但希望计算的关键路段没有出租车行驶时，该关键路段的交通指数无从计算；(2)传输的数据量较大，每一个出租车都返回GPS定位数据，导致交管交管监控平台承担了极大的计算负荷。

因此，将无人机测量运用到路段的交通指数计算上，构建一种新的路段交通指数估算系统，只通过对一帧图像的图像处理即能完成目标路段的交通指数估算，减少计算量的同时提高计算精度，提高路段交通指数的参考价值。

发明内容

为了解决上述问题，本发明提供了一种基于无人机测量的路段交通指数估算系统，根据关键路段的GPS定位数据自动将无人机引入关键路段区域，使用航空摄影机和图像处理器对关键路段场景执行图像拍摄和图像处理，通过车辆目标识别的技术手段，估算关键路段的交通指数，便于交通管理部门及时准确地发布路段拥堵信息，为车辆驾驶员提供路段选择的依据，从而合理对城市内车流即时分流，达到解决城市拥堵的技术效果。

根据本发明的一方面，提供了一种基于无人机测量的路段交通指数估算系统，所述估算系统设置在无人机上，包括航空摄影机、图像处理器、气压高度传感器和主控制器，所述航空摄像机与所述图像处理器连接，将拍摄的路段图像发送到所述图像处理器执行图像处理，所述主控制器分别与所述图像处理器和所述气压高度传感器连接，根据所述图像处理器的图像处理结果和所述气压高度传感器检测的无人机高度，估算路段交通指数。

更具体地，所述基于无人机测量的路段交通指数估算系统还包括，无线电收发设备，用于接收地面交管监控平台发送的控制信息，并向地面交管监控平台发送测量数据；GPS导航设备，用于接收GPS导航卫星发送的GPS定位数据；无人机动力设备，用于驱动无人机飞往目标位置；所述航空摄影机为线阵数码航空摄影机，包括减震底架、前盖玻璃、镜头、滤镜和成像电子单元，用于拍摄目标路段所在场景以输出路段图像；所述图像处理器还包括特征存储单元，预先存储了路段上限灰度阈值、路段下限灰度阈值和车辆特征数据库，所述车辆特征数据库内保存有各个类型车辆模板图像；路段划分单元，与所述航空摄影机和所述特征存储单元分别连接，接收所述路段图像，将所述路段图像中灰度值在路段上限灰度阈值和路段下限灰度阈值之间的像素识别并组成路段目标子图像；车辆数据识别单元，与所述路段划分单元和所述特征存储单元分别连接，接收所述路段目标子图像，基于所述车辆特征数据库采用胡氏不变矩判断算法识别所述路段目标子图像中各种类型车辆的数量；所述估算系统还包括照明设备，用于为所述航空摄影机对目标路段所在场景的拍摄提供辅助照明；亮度传感器，用于测量无人机所在位置的亮度数据；所述主控制器与所述无线电收发设备、所述GPS导航设备、所述无人机动力设备和所述航空摄影机分别连接，将所述无线电收发设备从地面交管监控平台处接收到的目标路段的GPS定位数据发送到所述无人机动力设备以驱动所述无人机飞往目标路段正上方，在接收到的所述GPS导航设备发送的当前无人机GPS定位数据与目标路段的GPS定位数据一致时，驱动所述航空摄影机执行路段图像的拍摄，同时驱动所述图像处理器执行路段图像的图像处理，所述主控制器还与所述车辆数据识别单元连接以接收各种类型车辆的数量，与所述路段划分单元连接以接收路段目标子图像，根据所述气压高度传感器输出的无人机高度，计算路段目标子图像中路段面积，并基于所述各种类型车辆的数量和所述路段面积估算目标路段的路段交通指数，以将所述路段交通指数通过所述无线电收发设备发送给地面交管监控平台；其中，所述主控制器还与所述照明设备和所述亮度传感器分别连接，以在所述亮度数据小于预设亮度阈值时，启动所述照明设备以提供辅助照明；所述GPS导航设备、所述无人机动力设备、所述图像处理器和所述主控制器都位于无人机前端仪表盘内，所述照明设备、所述亮度传感器、所述气压高度传感器、所述航空摄影机和所述无线电收发设备都位于无人机的机身上；所述基于所述车辆特征数据库采用胡氏不变矩判断算法识别所述路段目标子图像中各种类型车辆的数量包括，将所述路段目标子图像划分为多个含有一个车辆的再分图像，将含有一个车辆的再分图像的七个不变矩与所述车辆特征数据库中每一个类型车辆模板图像的七个不变矩分别比较，直到查询到某一类型车辆模板图像，七个不变矩的差值都在各自的预定差值阈值内时，则判断含有一个车辆的再分图像中包括某一类型车辆模板图像对应类型的车辆，所述七个不变矩是车辆模板图像的特征，具有平移、放大、缩小和旋转都不变的特性。

更具体地，所述基于无人机测量的路段交通指数估算系统中，所述图像处理器为TMS9000系列的数字信号处理器DSP。

更具体地，所述基于无人机测量的路段交通指数估算系统中，所述主控制器为Acorn公司的Cortex-A53处理器。

更具体地，所述基于无人机测量的路段交通指数估算系统中，所述特征存储单元为一同步动态随机存储器SDRAM(Synchronous DynamicRandom Access Memory)。

更具体地，所述基于无人机测量的路段交通指数估算系统中，将所述GPS导航设备、所述图像处理器、所述主控制器集成在一块集成电路板上。

更具体地，所述基于无人机测量的路段交通指数估算系统中，所述气压高度传感器根据无人机所在位置气压的变化来测量无人机高度。

附图说明

以下将结合附图对本发明的实施方案进行描述，其中：

图1为根据本发明实施方案示出的基于无人机测量的路段交通指数估算系统的结构方框图。

图2为根据本发明实施方案示出的基于无人机测量的路段交通指数估算系统的图像处理器的结构方框图。

具体实施方式

下面将参照附图对本发明的基于无人机测量的路段交通指数估算系统的实施方案进行详细说明。

交通拥堵指数是根据道路通行情况，一些城市设置的综合反映道路网畅通或拥堵的概念性指数值，他相当于把拥堵情况数字化。

交通指数计算最小时间单位是15分钟，指数值可以实时动态地反映全路网的运行状态，通过定义通勤早、晚高峰或者节假日高峰等不同统计周期，可以得到工作日高峰平均交通指数、日交通指数最大值等反映一天典型交通特征的指数。交通指数是集交通拥堵空间范围、持续时间、严重程度的为一体的综合性数值，交通管理者及交通参与者可以通过交通指数,得到全路网或者区域路网的交通状态,以便及时采取有效措施，减少拥堵的发生。交通指数能够帮助居民判断出行时间消耗，比如在畅通状况下，上班通勤的时间为30分钟，那么当路网处于中度拥堵的时候，就要多预留出大约30分钟的时间提前出门以免迟到。

可以通过对分布在城市大街小巷的动态车辆位置信息(简称浮动车数据)进行深入加工处理获得的交通指数，例如在北京，是通过全市3万多辆出租车上的车载GPS回传动态数据给交通管理部门的数据处理中心。数据处理中心首先对车辆位置数据处理，得到不同功能等级道路的运行速度，然后根据道路功能不同以及流量数据计算该道路在全网中所占权重，最后通过人对拥堵的感知判断，给出换算到0-10的指数指标值。

但交通指数并不意味着车速，因道路面积不同，速度带给人的感受并不相同。比如20公里每小时的速度在快速路上感觉就是严重拥堵，而在胡同等狭窄道路中就感觉比较顺畅。为了测算区分出这些等级，需要工作人员携带GPS等仪器，跑遍大街小巷，之后通过比对现场感受和数据测算，最终确定各种不同道路的交通指数。

由此可见，上述的交通指数计算方法需要出租车数据回传、工作人员现场勘测，数据量大，对出租车数量依赖性大，可靠性不高。

本发明的基于无人机测量的路段交通指数估算系统，能够自动控制无人机驶往目标路段，通过图像拍摄、图像处理和目标识别，计算目标路段中各个类型的车辆数量，同时根据飞行高度估算要计算交通指数的路段面积，从而基于各个类型的车辆数据和路段面积完成目标路段的交通指数计算，处理数据量较小，处理方式更直接、更有效。

图1为根据本发明实施方案示出的基于无人机测量的路段交通指数估算系统的结构方框图，如图1所示，所述估算系统被安装在民用无人机上，所述估算系统包括航空摄影机1、图像处理器2、气压高度传感器3、主控制器4和供电设备5，所述供电设备5为所述估算系统中除了所述供电设备5之外的其他电子设备提供电源供应，所述航空摄像机1与所述图像处理器2连接，将拍摄的路段图像发送到所述图像处理器2执行图像处理，所述主控制器4分别与所述图像处理器2和所述气压高度传感器3连接，根据所述图像处理器2的图像处理结果和所述气压高度传感器3检测的无人机高度，估算目标路段的路段交通指数。所述目标路段一般是交通管理部门重点监测的关键路段，或是常规方法无法测量交通指数的路段。

接着，对本发明的估算系统进行更具体的说明。

所述基于无人机测量的路段交通指数估算系统还包括无线电收发设备，用于接收地面交管监控平台发送的控制信息，并向地面交管监控平台发送测量数据；GPS导航设备，用于接收GPS导航卫星发送的GPS定位数据；无人机动力设备，用于驱动无人机飞往目标位置；所述航空摄影机1为线阵数码航空摄影机，包括减震底架、前盖玻璃、镜头、滤镜和成像电子单元，用于拍摄目标路段所在场景以输出路段图像。

参照图2对所述图像处理器2进行具体说明，所述图像处理器2包括特征存储单元21，预先存储了路段上限灰度阈值、路段下限灰度阈值和车辆特征数据库，所述车辆特征数据库内保存有各个类型车辆模板图像；路22段划分单元，与所述航空摄影机1和所述特征存储单元21分别连接，接收所述路段图像，将所述路段图像中灰度值在路段上限灰度阈值和路段下限灰度阈值之间的像素识别并组成路段目标子图像；车辆数据识别单元23，与所述路段划分单元22和所述特征存储单元21分别连接，接收所述路段目标子图像，基于所述车辆特征数据库采用胡氏不变矩判断算法识别所述路段目标子图像中各种类型车辆的数量。

具体地，所述车辆数据识别单元23中，基于所述车辆特征数据库采用胡氏不变矩判断算法识别所述路段目标子图像中各种类型车辆的数量包括，将所述路段目标子图像划分为多个含有一个车辆的再分图像，将含有一个车辆的再分图像的七个不变矩与所述车辆特征数据库中每一个类型车辆模板图像的七个不变矩分别比较，直到查询到某一类型车辆模板图像，七个不变矩的差值都在各自的预定差值阈值内时，则判断含有一个车辆的再分图像中包括某一类型车辆模板图像对应类型的车辆，所述七个不变矩是车辆模板图像的特征，具有平移、放大、缩小和旋转都不变的特性。

所述估算系统还包括照明设备，用于为所述航空摄影机1对目标路段所在场景的拍摄提供辅助照明；亮度传感器，用于测量无人机所在位置的亮度数据。

所述主控制器4与所述无线电收发设备、所述GPS导航设备、所述无人机动力设备和所述航空摄影机1分别连接，将所述无线电收发设备从地面交管监控平台处接收到的目标路段的GPS定位数据发送到所述无人机动力设备以驱动所述无人机飞往目标路段正上方，在接收到的所述GPS导航设备发送的当前无人机GPS定位数据与目标路段的GPS定位数据一致时，驱动所述航空摄影机1执行路段图像的拍摄，同时驱动所述图像处理器2执行路段图像的图像处理。

所述主控制器4还与所述车辆数据识别单元23连接以接收各种类型车辆的数量，与所述路段划分单元22连接以接收路段目标子图像，根据所述气压高度传感器3输出的无人机高度，计算路段目标子图像中路段面积，并基于所述各种类型车辆的数量和所述路段面积估算目标路段的路段交通指数，以将所述路段交通指数通过所述无线电收发设备发送给地面交管监控平台。

所述主控制器4还与所述照明设备和所述亮度传感器分别连接，以在所述亮度数据小于预设亮度阈值时，启动所述照明设备以提供辅助照明。

所述GPS导航设备、所述无人机动力设备、所述图像处理器2、所述主控制器4和所述供电设备5都位于无人机前端仪表盘内，所述照明设备、所述亮度传感器、所述气压高度传感器3、所述航空摄影机1和所述无线电收发设备都位于无人机的机身上。

其中，所述图像处理器2可选用TMS9000系列的数字信号处理器DSP，所述主控制器4可选用Acorn公司的Cortex-A53处理器，所述特征存储单元21可选用为一同步动态随机存储器SDRAM(SynchronousDynamic Random Access Memory)，在本发明的估算系统中，可选择将所述GPS导航设备、所述图像处理器2、所述主控制器4和所述供电设备5集成在一块集成电路板上，所述气压高度传感器3可选择根据无人机所在位置气压的变化来测量无人机高度。

另外，ARM处理器是Acorn计算机有限公司设计的第一款RISC微处理器。更早称作Acorn RISC Machine。ARM处理器本身是32位设计，但也配备16位指令集，一般来讲比等价32位代码节省达35％，却能保留32位系统的所有优势。ARM的Jazelle技术使Java加速得到比基于软件的Java虚拟机(JVM)高得多的性能，和同等的非Java加速核相比功耗降低80％。

ARM处理器在CPU功能上增加DSP指令集，提供了增强的16位和32位算术运算能力，提高了性能和灵活性。ARM还提供两个前沿特性来辅助带深嵌入处理器的高集成片上芯片器件的调试，他们是嵌入式ICE-RT逻辑和嵌入式跟踪宏核(ETMS)系列。ARM公司在经典处理器ARM11以后的产品改用Cortex命名，并分成A、R和M三类，旨在为各种不同的市场提供服务。

ARM处理器的三大特点是：耗电少功能强、16位/32位双指令集和合作伙伴众多。具体表现在：1、体积小、低功耗、低成本、高性能；2、支持Thumb(16位)/ARM(32位)双指令集，能很好的兼容8位/16位器件；3、大量使用寄存器，指令执行速度更快；4、大多数数据操作都在寄存器中完成；5、寻址方式灵活简单，执行效率高；6、指令长度固定

ARM微处理器的在较新的体系结构中支持两种指令集：ARM指令集和Thumb指令集。其中，ARM指令为32位的长度，Thumb指令为16位长度。Thumb指令集为ARM指令集的功能子集，但与等价的ARM代码相比较，可节省30％～40％以上的存储空间，同时具备32位代码的所有优点。

采用本发明的基于无人机测量的路段交通指数估算系统，针对现有路段交通指数估算系统估算过程复杂、需要采集数据量过大、计算不精确的技术问题，采用无人机测试的方式，搭建一种依靠图像处理的路段交通指数估算平台，直接对路段图像进行空中拍摄、图像处理和目标识别，仅通过一帧图像的分析即可得到目标路段的交通指数，整个计算过程所需数据采集量较少，计算结果实时、准确，能够为城市交通管理部门治理日益不堪的城市拥堵情况提供有效的数据基础。

可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (2)

1.一种基于无人机测量的路段交通指数估算系统，其特征在于，所述估算系统设置在无人机上，包括航空摄影机、图像处理器、气压高度传感器和主控制器，所述航空摄像机与所述图像处理器连接，将拍摄的路段图像发送到所述图像处理器执行图像处理，所述主控制器分别与所述图像处理器和所述气压高度传感器连接，根据所述图像处理器的图像处理结果和所述气压高度传感器检测的无人机高度，估算路段交通指数。

2.如权利要求1所述的基于无人机测量的路段交通指数估算系统，其特征在于，所述估算系统还包括：

无线电收发设备，用于接收地面交管监控平台发送的控制信息，并向地面交管监控平台发送测量数据；

GPS导航设备，用于接收GPS导航卫星发送的GPS定位数据；

无人机动力设备，用于驱动无人机飞往目标位置；

所述航空摄影机为线阵数码航空摄影机，包括减震底架、前盖玻璃、镜头、滤镜和成像电子单元，用于拍摄目标路段所在场景以输出路段图像；

所述图像处理器还包括

特征存储单元，预先存储了路段上限灰度阈值、路段下限灰度阈值和车辆特征数据库，所述车辆特征数据库内保存有各个类型车辆模板图像；

路段划分单元，与所述航空摄影机和所述特征存储单元分别连接，接收所述路段图像，将所述路段图像中灰度值在路段上限灰度阈值和路段下限灰度阈值之间的像素识别并组成路段目标子图像；

车辆数据识别单元，与所述路段划分单元和所述特征存储单元分别连接，接收所述路段目标子图像，基于所述车辆特征数据库采用胡氏不变矩判断算法识别所述路段目标子图像中各种类型车辆的数量；

照明设备，用于为所述航空摄影机对目标路段所在场景的拍摄提供辅助照明；

亮度传感器，用于测量无人机所在位置的亮度数据；

所述主控制器与所述无线电收发设备、所述GPS导航设备、所述无人机动力设备和所述航空摄影机分别连接，将所述无线电收发设备从地面交管监控平台处接收到的目标路段的GPS定位数据发送到所述无人机动力设备以驱动所述无人机飞往目标路段正上方，在接收到的所述GPS导航设备发送的当前无人机GPS定位数据与目标路段的GPS定位数据一致时，驱动所述航空摄影机执行路段图像的拍摄，同时驱动所述图像处理器执行路段图像的图像处理，所述主控制器还与所述车辆数据识别单元连接以接收各种类型车辆的数量，与所述路段划分单元连接以接收路段目标子图像，根据所述气压高度传感器输出的无人机高度，计算路段目标子图像中路段面积，并基于所述各种类型车辆的数量和所述路段面积估算目标路段的路段交通指数，以将所述路段交通指数通过所述无线电收发设备发送给地面交管监控平台；

其中，所述主控制器还与所述照明设备和所述亮度传感器分别连接，以在所述亮度数据小于预设亮度阈值时，启动所述照明设备以提供辅助照明；

其中，所述GPS导航设备、所述无人机动力设备、所述图像处理器和所述主控制器都位于无人机前端仪表盘内，所述照明设备、所述亮度传感器、所述气压高度传感器、所述航空摄影机和所述无线电收发设备都位于无人机的机身上；

其中，基于所述车辆特征数据库采用胡氏不变矩判断算法识别所述路段目标子图像中各种类型车辆的数量包括，将所述路段目标子图像划分为多个含有一个车辆的再分图像，将含有一个车辆的再分图像的七个不变矩与所述车辆特征数据库中每一个类型车辆模板图像的七个不变矩分别比较，直到查询到某一类型车辆模板图像，七个不变矩的差值都在各自的预定差值阈值内时，则判断含有一个车辆的再分图像中包括某一类型车辆模板图像对应类型的车辆，所述七个不变矩是车辆模板图像的特征，具有平移、放大、缩小和旋转都不变的特性，

所述图像处理器为TMS9000系列的数字信号处理器DSP，

所述主控制器为Acorn公司的Cortex-A53处理器。