CN108426580B - 基于图像识别的无人机与智能车协同导航方法 - Google Patents

Abstract

本发明提供一种基于图像识别的无人机与智能车协同导航方法，包括如下步骤：S1目标灯随机亮起，摄像头以预设频率采集智能车车灯与目标灯图像；S2微控制器根据智能车车灯和目标灯闪烁频率判断出所述图像中的智能车和目标灯，并建立坐标系分别确定智能车与目标灯的坐标，无线通信模块传输坐标至智能车；S3智能车根据所述坐标计算出智能车与目标灯之间角度，并通过角度传感器获得实时运动角度，根据智能车与目标灯之间角度和实时运动角度的差值调整智能车运动方向；S4智能车到达目标灯预设距离时目标灯熄灭，重复步骤S1、S2和S3直至所有目标灯熄灭。本发明的有益效果：对智能车运动地形无特殊要求，障碍物形状无限制，提高了环境适应能力。

Description

基于图像识别的无人机与智能车协同导航方法

技术领域

本发明涉及无人机与智能车交叉领域，尤其涉及一种基于图像识别的无人机与智能车协同导航方法。

背景技术

随着我国低空空域的全面开放，国内多旋翼无人机产业进入了高速发展的时期。多旋翼无人机具有体积小、垂直起降、空中悬停、全方向飞行等优点，可在空中简单而有效地获取更加全面的地面信息，而且其位置的切换和固定简单易行，并可搭载一定量的物品。而且多旋翼由于其具有成本低廉、操作简单和运行安全等特点，因而被广泛应用于军事、民事和科学研究等多个领域。在科技越来越发达的今天，人们对车辆的安全性能也日益重视，车辆的无人驾驶引起广泛关注。而实际上，无人驾驶汽车就是一种移动机器人，最早的研究动力是基于军事需求，而如今无人驾驶汽车在先进制造业、自动化仓储、现代物流、太空探索等领域有着广阔的应用前景，且在探险、危险品处理、导盲等方面，也起着非常重要的作用。

摄像头导航智能车是无人驾驶车的一个分支，涉及车辆工程、计算机科学、自动控制、人工智能、传感器及图像处理等多个学科，因其多学科交叉性的特点，以及图像传感器的机器视觉、与外界交通环境间的信息交互等关键技术，成为相关领域的研究热点。智能车在某些GPS低覆盖的区域，其对环境的感知能力较差，不能高效、全面的获取周围环境的详细情况，且由于视野较小，不能对智能车进行有效的轨迹规划，而无人机恰好具有全局视野，两者结合，可以弥补智能车的缺点，达到高效的轨迹规划。

发明内容

有鉴于此，本发明的实施例提供了基于图像识别的无人机与智能车协同导航方法。

本发明的实施例提供一种基于图像识别的无人机与智能车协同导航方法，无人机搭载微控制器、摄像头和无线通信模块于预设高度无自旋飞行，智能车车灯以预设频率闪烁，智能车与目的地之间的障碍物上均设置目标灯，包括如下步骤：

S1距离所述智能车最近的目标灯亮起，所述摄像头以预设频率采集所述智能车车灯与所述目标灯图像；

S2所述微控制器根据所述智能车车灯和所述目标灯闪烁频率判断出所述图像中的智能车和目标灯，并建立坐标系分别确定所述智能车与所述目标灯的坐标，无线通信模块传输所述坐标至所述智能车；

S3所述智能车根据所述坐标计算出所述智能车与所述目标灯之间的角度，并通过角度传感器获得所述智能车实时运动角度，并根据所述智能车与所述目标灯之间的角度和所述智能车实时运动角度的差值调整运动方向向着所述目标灯运动；

S4所述智能车到达所述目标灯预设距离时所述目标灯熄灭，重复步骤S1、S2和S3直至所有目标灯熄灭。

进一步地，所述步骤S4还包括：所述目标灯熄灭后，所述智能车搭载的超声波探测仪探测出安装所述熄灭目标灯的障碍物时，调整运动方向绕开障碍物。

进一步地，所述步骤S2具体为：

S2.1将所有图像二值化转化为黑白图像；

S2.2采用连通域算法，依次扫描每张图像上周围存在6个白点的中心白点，直至扫描到仅具有1个中心白点的图像，设定该图像为第一目标图像，设定该第一目标图像的中心白点坐标为目标灯坐标(X1,Y1)；

S2.3设定N＝1；

S2.4扫描所述第一目标图像后续的第N图像，若所述第N张图像具有1个中心白点，到步骤S2.5，若所述第N张图像具有两个中心白点，到步骤S2.6；

S2.5将所述第N张图像中心白点的坐标更新为目标灯坐标(X1,Y1)，然后N加1，到步骤2.4；

S2.6将所述第N张图像中与目标灯坐标距离近的中心白点坐标更新为目标灯实时坐标(X1,Y1)，距离远的中心白点坐标为智能车车灯实时坐标，设为(X2,Y2)；

S2.7对数据(X1,Y1,X2,Y2)添加保证数据有效性的帧头FF和帧尾FE校验位，组成格式为“FF,X1,Y1,X2,Y2,FE”的坐标数据，并通过无线通信模块传输至所述智能车。

进一步地，所述摄像头图像采集频率为所述智能车车灯闪烁频率的1～1.5倍。

进一步地，所述微控制器根据所述图像中灯光强度判断出智能车和目标灯，图像中灯光强度发生变化的点为所述智能车车灯，灯光强度不变的点为所述目标灯。

进一步地，所述智能车通过调整智能车舵机转向和控制左右轮差速大小来调整所述智能车运动方向。

进一步地，所述智能车通过PID控制器控制电机转速从而控制左右轮差速，且通过PID控制器控制舵机转向。

本发明的实施例提供的技术方案带来的有益效果是：本发明基于图像识别的无人机与智能车协同导航方法对智能车运动的地形无特殊要求，障碍物形状可为任意形状，提高了环境适应能力，目标物位置改变时，智能车不受影响，仍可以迅速重新规划轨迹。

附图说明

图1是本发明基于图像识别的无人机与智能车协同导航方法的流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地描述。

请参考图1，本发明的实施例提供了一种基于图像识别的无人机与智能车协同导航方法，无人机搭载微控制器、摄像头和无线通信模块于预设高度无自旋飞行，智能车车灯以预设频率闪烁，智能车与目的地之间的障碍物上均设置红外灯作为目标灯，包括如下步骤：

S1距离所述智能车最近的目标灯亮起，所述摄像头以预设频率采集所述智能车车灯与所述目标灯图像；

S2所述微控制器根据所述智能车车灯和所述目标灯闪烁频率判断出所述图像中的智能车和目标灯，并建立坐标系分别确定所述智能车与所述目标灯的坐标，无线通信模块传输所述坐标至所述智能车；

S3所述智能车根据所述坐标计算出所述智能车与所述目标灯之间的角度，并通过mpu6050角度传感器获得所述智能车实时运动角度，根据所述智能车与所述目标灯之间的角度和所述智能车实时运动角度的差值调整所述智能车运动方向向着所述目标灯运动；

S4所述智能车到达所述目标灯预设距离时所述目标灯熄灭，重复S1、S2和S3直至所有目标灯熄灭。

所述摄像头为广角数字摄像头，摄像头采集的区域不会旋转，采集的图像面积也不会发生改变，且无需多次分区拍摄，减少时间以及成本，所述摄像头图像采集频率为所述智能车车灯闪烁频率的1～1.5倍。

所述微处理器为嵌入式芯片，所述微控制器根据所述图像中灯光强度判断出智能车和目标灯，所述智能车车灯灯光强度发生变化，所述目标灯灯光强度不变，所述微控制器以图像的一个顶点作为原点，以图像边界分别为X轴、Y轴建立一个随着无人机平移而移动的二维地面坐标系，并确定所述智能车与所述目标灯的坐标，无线通信模块传输所述坐标至所述智能车，具体步骤为：

S2.1将所有图像二值化转化为黑白图像；

S2.2采用连通域算法，依次扫描每张图像上周围存在6个白点的中心白点，直至扫描到仅具有1个中心白点的图像，设定该图像为第一目标图像，设定该第一目标图像的中心白点坐标为目标灯坐标(X1,Y1)；

S2.3设定N＝1；

S2.4扫描所述第一目标图像后续的第N图像，若所述第N张图像具有1个中心白点，到步骤S2.5，若所述第N张图像具有两个中心白点，到步骤S2.6；

S2.5将所述第N张图像中心白点的坐标更新为目标灯坐标(X1,Y1)，然后N加1，到步骤2.4；

S2.6将所述第N张图像中与目标灯坐标距离近的中心白点坐标更新为目标灯实时坐标(X1,Y1)，距离远的中心白点坐标为智能车车灯实时坐标，设为(X2,Y2)；

S2.7对数据(X1,Y1,X2,Y2)添加保证数据有效性的帧头FF和帧尾FE校验位，组成格式为“FF,X1,Y1,X2,Y2,FE”的坐标数据，并通过无线通信模块传输至所述智能车。

所述智能车通过角度传感器mpu6050获得运动角度α，根据公式tanβ＝(Y1-Y2)/(X1-X2+0.01)计算得到所述智能车车灯与所述目标灯连线在二维平面坐标系的角度β，由于坐标为整数，为使分母不为零，分母取X1-X2+0.01，从而确定所述智能车与所述目标灯之间的角度和所述智能车实时运动角度的差值γ＝α-β，所述智能车根据γ调整运动方向向着目标灯运动。

所述智能车运动到距离所述目标灯预设距离时，所述目标灯熄灭，所述智能车搭载的超声波探测仪探测出安装所述熄灭目标灯的障碍物时，调整运动方向绕开障碍物。

所述智能车通过PID控制器控制电机转速从而控制左右轮差速，且通过PID控制器控制舵机转向，完成运动方向的调节。

在本文中，所涉及的前、后、上、下等方位词是以附图中零部件位于图中以及零部件相互之间的位置来定义的，只是为了表达技术方案的清楚及方便。应当理解，所述方位词的使用不应限制本申请请求保护的范围。

在不冲突的情况下，本文中上述实施例及实施例中的特征可以相互结合。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于图像识别的无人机与智能车协同导航方法，无人机搭载微控制器、摄像头和无线通信模块于预设高度无自旋飞行，智能车车灯以预设频率闪烁，智能车与目的地之间的障碍物上均设置目标灯，其特征在于，包括如下步骤：

S1距离所述智能车最近的目标灯亮起，所述摄像头以预设频率采集所述智能车车灯与所述目标灯图像；

S2所述微控制器根据所述智能车车灯和所述目标灯闪烁频率判断出所述图像中的智能车和目标灯，并建立坐标系分别确定所述智能车与所述目标灯的坐标，无线通信模块传输所述坐标至所述智能车；

S3所述智能车根据所述坐标计算出所述智能车与所述目标灯之间的角度，并通过角度传感器获得所述智能车实时运动角度，并根据所述智能车与所述目标灯之间的角度和所述智能车实时运动角度的差值调整运动方向向着所述目标灯运动；

S4所述智能车到达所述目标灯预设距离时所述目标灯熄灭，重复步骤S1、S2和S3直至所有目标灯熄灭。

2.如权利要求1所述的基于图像识别的无人机与智能车协同导航方法，其特征在于，所述步骤S4还包括：所述目标灯熄灭后，所述智能车搭载的超声波探测仪探测出安装所述熄灭目标灯的障碍物时，调整运动方向绕开障碍物。

3.如权利要求1所述的基于图像识别的无人机与智能车协同导航方法，其特征在于，所述步骤S2具体为：

S2.1将所有图像二值化转化为黑白图像；

S2.2采用连通域算法，依次扫描每张图像上周围存在6个白点的中心白点，直至扫描到仅具有1个中心白点的图像，设定该图像为第一目标图像，设定该第一目标图像的中心白点坐标为目标灯坐标(X1,Y1)；

S2.3设定N＝1；

S2.4扫描所述第一目标图像后续的第N图像，若所述第N张图像具有1个中心白点，到步骤S2.5，若所述第N张图像具有两个中心白点，到步骤S2.6；

S2.5将所述第N张图像中心白点的坐标更新为目标灯坐标(X1,Y1)，然后N加1，到步骤2.4；

S2.6将所述第N张图像中与目标灯坐标距离近的中心白点坐标更新为目标灯实时坐标(X1,Y1)，距离远的中心白点坐标为智能车车灯实时坐标，设为(X2,Y2)；

S2.7对数据(X1,Y1,X2,Y2)添加保证数据有效性的帧头FF和帧尾FE校验位，组成格式为“FF,X1,Y1,X2,Y2,FE”的坐标数据，并通过无线通信模块传输至所述智能车。

4.如权利要求1所述的基于图像识别的无人机与智能车协同导航方法，其特征在于：所述摄像头图像采集频率为所述智能车车灯闪烁频率的1～1.5倍。

5.如权利要求1所述的基于图像识别的无人机与智能车协同导航方法，其特征在于：所述微控制器根据所述图像中灯光强度判断出智能车和目标灯，图像中灯光强度发生变化的点为所述智能车车灯，灯光强度不变的点为所述目标灯。

6.如权利要求1所述的基于图像识别的无人机与智能车协同导航方法，其特征在于：所述智能车通过调整智能车舵机转向和控制左右轮差速大小来调整所述智能车运动方向。

7.如权利要求6所述的基于图像识别的无人机与智能车协同导航方法，其特征在于：所述智能车通过PID控制器控制电机转速从而控制左右轮差速，且通过PID控制器控制舵机转向。

Images