CN109597077B - 一种基于无人机的探测系统 - Google Patents

Abstract

本发明实施例提供了一种基于无人机的探测系统，属于自动驾驶技术领域，包括车辆和无人机，无人机采集下方障碍物信息；无人机还被配置为根据下方障碍物信息确定障碍物相对于车辆的方位角；无人机还被配置为将方位角发送给车辆，使车辆根据方位角，将与方位角对应的车载雷达的采集频率提高到高于初始预设频率的预设高倍频率，同时将车载摄像头当前拍摄到的与方位角对应的车摄图像优先于其他车摄图像进行识别，从而利用无人机预先探测被遮挡或者距离较远的障碍物，并控制车辆提前采取相应的应对措施，使得车辆能够有选择地对障碍物所在方位角进行重点监测，降低了碰撞发生的可能性，提高了车辆安全性。

Description

一种基于无人机的探测系统

技术领域

本发明涉及自动驾驶技术领域，特别涉及一种基于无人机的探测系统。

背景技术

由于自动驾驶技术能够带来降低交通事故概率、提高车辆通行效率、改善交通拥堵状况、减轻驾驶员负担等诸多优点，自动驾驶技术已经逐渐成为了近几年汽车领域的研究热点。

在目前技术下，自动驾驶汽车可以利用车辆上装配的GPS以及惯性导航系统确定车辆的位置，并利用车辆上装配的摄像头、毫米波雷达、超声波雷达等装置对外界进行障碍物探测，根据获得的这些信息，确定出车辆当前路线规划，并控制车辆沿着当前路线规划行驶，以实现自动驾驶。

在实现本发明实施例的过程中，发明人发现相关技术至少存在以下问题：

车辆上装配的摄像头具有一定的拍摄盲区，毫米波雷达和超声波雷达有一定的探测距离限制，并不能及时发现被遮挡或者距离较远的障碍物，并控制车辆提前采取相应的应对措施，安全性较低。

发明内容

有鉴于此，本发明提供一种基于无人机的探测系统，能够有效探测出被遮挡或者距离较远的障碍物，并控制车辆提前采取相应的应对措施。

具体而言，包括以下的技术方案：

本发明提供了一种基于无人机的探测系统，包括车辆和无人机，其中：

无人机被配置为在对应的车辆上方飞行并与车辆保持相对静止时，采集下方障碍物信息。

无人机还被配置为根据下方障碍物信息确定障碍物相对于车辆的方位角。

无人机还被配置为将方位角发送给车辆。

车辆被配置为根据方位角，将与方位角对应的车载雷达的采集频率提高到高于初始预设频率的预设高倍频率，同时将车载摄像头当前拍摄到的与方位角对应的车摄图像优先于其他车摄图像进行识别。

可选择地，车辆还被配置为：

在将与方位角对应的车载雷达的采集频率提高到高于初始预设频率的预设高倍频率并经过了第一预设时间后，将与方位角对应的车载雷达的采集频率重置为初始预设频率。

可选择地，无人机还被配置为：

利用机载摄像头拍摄下方图像，其中下方图像中包含车辆的车顶图像。

在下方图像中建立坐标系，将车顶图像的中心点作为坐标系的原点，坐标系的Y轴平行于车辆的前进方向，且正方向指向车辆的前进方向，坐标系的X轴垂直于车辆的前进方向，且正方向指向车辆的右侧。

对下方图像进行图像识别，识别出下方图像中包含的障碍物。

确定障碍物的坐标(x，y)，并将障碍物的坐标(x，y)作为下方障碍物信息。

可选择地，无人机还被配置为：

根据障碍物的坐标(x，y)确定障碍物相对于车辆的方位角θ，其中方位角θ表征了障碍物与车辆的连线和车辆的前进方向之间的夹角θ，方位角θ采用下式进行计算：

可选择地，无人机还被配置为：

当利用光传感器判断出当前环境亮度小于亮度阈值时，启用红外拍摄模式。

可选择地，车辆还被配置为：

在将与方位角对应的车载雷达的采集频率提高到高于初始预设频率的预设高倍频率之前，预先设定并存储方位角范围和车载雷达标号之间的对应关系，其中车载雷达的数量至少有两个。

可选择地，车辆还被配置为：

将方位角落入的方位角范围确定为重点方位角范围。

将重点方位角范围代入方位角范围和车载雷达标号之间的对应关系，得到与重点方位角范围对应的重点车载雷达标号。

将与重点车载雷达标号对应的重点车载雷达作为与方位角对应的车载雷达。

可选择地，车辆还被配置为：

在将车载摄像头当前拍摄到的与方位角对应的车摄图像优先于其他车摄图像进行识别之前，预先设定并存储方位角范围和车摄图像标号之间的对应关系，其中车摄图像的数量至少有两个。

可选择地，车辆还被配置为：

将方位角落入的方位角范围确定为重点方位角范围。

将重点方位角范围代入方位角范围和车摄图像标号之间的对应关系，得到与重点方位角范围相对应的重点车摄图像标号。

将与重点车摄图像标号对应的重点车摄图像作为与方位角对应的车摄图像。

可选择地，无人机还被配置为：

根据车辆发送的携带有平移方向和平移距离的平移命令，相对于车辆沿着平移方向移动平移距离，并在第二预设时间后返回车辆上方的位置。

本发明实施例提供的技术方案的有益效果至少包括：

本发明实施例提供了一种基于无人机的探测系统，包括车辆和无人机，其中：无人机被配置为在对应的车辆上方飞行并与车辆保持相对静止时，采集下方障碍物信息，从而利用无人机的飞行高度优势，扩充了车辆上装配的摄像头以及雷达的探测范围；无人机还被配置为根据下方障碍物信息确定障碍物相对于车辆的方位角，即利用无人机准确地确定出障碍物与车辆之间的位置关系；无人机还被配置为将方位角发送给车辆，使车辆根据方位角，将与方位角对应的车载雷达的采集频率提高到高于初始预设频率的预设高倍频率，同时将车载摄像头当前拍摄到的与方位角对应的车摄图像优先于其他车摄图像进行识别，从而利用无人机预先探测被遮挡或者距离较远的障碍物，并控制车辆提前采取相应的应对措施，提高障碍物所在的方位角处对应的车载雷达的采集频率，同时提高障碍物所在的方位角处对应的车摄图像的识别优先级，使得车辆能够有选择地对障碍物所在方位角进行重点监测，降低了碰撞发生的可能性，提高了车辆安全性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

附图1为本发明实施例提供基于无人机的探测系统的结构图。

具体实施方式

为使本发明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详细描述。

本实施例提供了一种基于无人机的探测系统，如图1所示，包括车辆101和无人机102，其中：

车辆101顶部设置有无人机102收纳装置，无人机102收纳装置包括无人机102收纳舱以及无线充电板，无人机102收纳舱可以在不需要无人机102起飞时对无人机102进行收纳，无线充电板可以在无人机102被收纳或在车辆101上方飞行时对无人机102进行无线充电，相应的，无人机102下方也设置有对应的无线充电接收板。

当用户希望利用无人机102对四周障碍物状况进行探测时，可以按动车辆101中控台上设置的释放按键，从而释放无人机102飞出无人机102收纳装置。

具体地，无人机102可以利用内置的GPS以及惯性导航系统，实现自身的定位，并根据接收到的车辆101装配的车载GPS所定位的车辆101位置，实时调整自身位置，以使无人机102与车辆101的水平位置重合，且无人机102的水平运动轨迹与车辆101的水平运动轨迹相同，即无人机102在车辆101上方伴飞。

无人机102的飞行高度可以保持高于车辆101某一预设高度，具体实现方式可以为：利用无人机102下部设置的测距雷达测量无人机102与车辆101车顶之间的相对距离，并根据该相对距离实时调整无人机102的飞行高度，以使无人机102保持在高于车辆101某一预设高度的位置飞行。

无人机102的飞行高度还可以根据当前环境参数自动临时调节，当前环境参数包括无人机102利用前置雷达探头探测出的前方障碍物高度以及无人机102内置的地图数据中存储的前方障碍物高度等，前方障碍物高度包括前方障碍物下沿高度，当前方障碍物下沿高度减去车辆101顶部的高度的差值小于安全阈值且大于零时，无人机102自动进入无人机102收纳舱(例如进入地下停车场或者隧道等情况)。当前方障碍物下沿高度减去车辆101顶部的高度的差值大于安全阈值时(例如通过高架桥下方时)，无人机102则降低至前方障碍物下沿高度以下的高度处飞行。

可以理解的是，无人机102在车辆101上方伴飞时，可以从障碍物下方经过，但不可以跨过前方障碍物上方飞行，避免由于信号通信强度突然变弱而造成无人机102丢失的情况。

无人机102被配置为在对应的车辆101上方飞行并与车辆101保持相对静止时，采集下方障碍物信息。

下面对无人机102采集下方障碍物信息的具体方式进行介绍。

在本实施例中，无人机102被配置为利用机载摄像头拍摄下方图像，其中下方图像中包含车辆101的车顶图像。

其中，机载摄像头可以设置在无人机102头部、腹部或者尾部中至少一个位置的下方，且机载摄像头可以是具有红外拍摄模式的摄像头。

作为一种可选实施例，无人机102还被配置为：

当利用光传感器判断出当前环境亮度小于亮度阈值时，启用红外拍摄模式，从而在外界环境较黑暗时也能探测到障碍物。

在拍摄了下方图像后，继续在下方图像中建立坐标系，将车顶图像的中心点作为坐标系的原点，具体地，无人机102可以预先存储车辆101的车顶图像的特征，以进行特征匹配，从而识别出车顶图像。建立的坐标系的Y轴平行于车辆101的前进方向，且正方向指向车辆101的前进方向，坐标系的X轴垂直于车辆101的前进方向，且正方向指向车辆101的右侧。

对下方图像进行图像识别，识别出下方图像中包含的障碍物。

具体地，识别下方图像中包含的障碍物需要两个步骤，第一个步骤是特征的提取，第二个步骤是特征的匹配。

特征的提取可以采用Harris角点检测、SIFT(Scale-invariant featuretransform)特征算法、SURF(Speeded Up Robust Features)算法、FAST(Features fromAccelerated Segment Test)算法以及BRIEF(Binary Robust Independent ElementaryFeatures)算法等算法。

特征的匹配可以采用BF(Brute-Force)算法以及FLANN(Fast Library forApproximate Nearest Neighbors)算法等算法。

作为一种可选实施例，特征的提取和匹配还可以直接采用卷积神经网络算法完成。

确定障碍物的坐标(x，y)，并将障碍物的坐标(x，y)作为下方障碍物信息。

具体地，障碍物的坐标可以是障碍物中心点的坐标。

作为一种可选实施例，当当前天气处于下雨或者大雾状态时，无人机102还可以利用无人机102下方设置的雷达来辅助确定无人机102下方存在的障碍物的坐标。

无人机102还被配置为根据下方障碍物信息确定障碍物相对于车辆101的方位角。

具体地，根据障碍物的坐标(x，y)确定障碍物相对于车辆101的方位角θ，其中方位角θ表征了障碍物与车辆101的连线和车辆101的前进方向之间的夹角θ，方位角θ采用下式进行计算：

可以理解的是，方位角θ的取值在0-359°之间。

无人机102还被配置为将方位角发送给车辆101。

作为一种可选实施例，无人机102可以利用蓝牙、wifi、ZigBee中的至少一种方式将方位角发送给车辆101。

作为一种可选实施例，无人机102还可以将下方图像直接发送至车辆101的人机界面并进行显示，用户可以在车辆101的人机界面上进行点选操作，从而对下方图像进行拍摄或录制。

车辆101装配的车载雷达在没有接收到方位角时，会保持以初始预设频率对障碍物进行采集，此时采集频率较低，对障碍物的敏感度较低。

对于车载摄像头拍摄到的车摄图像来说，在没有接收到方位角时，车辆101装配的图像处理器会将所有方位角的车摄图像进行顺序识别，具体可以是从车辆101前进方向开始以顺时针或者逆时针的方向，对所有方位角的车摄图像进行顺序识别，不存在优先级。

但在接收到无人机102发送的方位角后，车辆101被配置为根据方位角，将与方位角对应的车载雷达的采集频率提高到高于初始预设频率的预设高倍频率，以提高特定的车载雷达对障碍物的敏感度，从而在方位角处出现障碍物时，能够更快地识别到障碍物并且做出相应的路径规划。

同时将车载摄像头当前拍摄到的与方位角对应的车摄图像优先于其他车摄图像进行识别，从而在方位角处出现障碍物时，能够优先识别出障碍物，并做出相应的路径规划。

在本实施例中，为了避免车载雷达的采集频率一直保持预设高倍频率，车辆101还被配置为：

在将与方位角对应的车载雷达的采集频率提高到高于初始预设频率的预设高倍频率并经过了第一预设时间后，将与方位角对应的车载雷达的采集频率重置为初始预设频率。

其中，第一预设时间可以由用户自行进行设置，也可以直接采用出厂默认值。

由于方位角可以是0-359°范围内的任意角度，而车载雷达以及车载摄像头的数量一般小于十个，且车载摄像头拍摄到的车摄图像的数量和车载摄像头的数量相同，因此每个车载雷达以及每个车摄图像并不对应某个特定的方位角，而是对应一个方位角范围。下面进行具体介绍：

在本实施例中，车辆101还被配置为：

在将与方位角对应的车载雷达的采集频率提高到高于初始预设频率的预设高倍频率之前，预先设定并存储方位角范围和车载雷达标号之间的对应关系，其中车载雷达的数量至少有两个。

举例来说，当车载雷达的数量有6个时，其车载雷达标号分别为R1、R2、R3、R4、R5和R6，对应的方位角范围分别为[0°,59°]、[60°,119°]、[120°,179°]、[180°,239°]、[240°,299°]和[300°,359°]。

在本实施例中，车辆101还被配置为：

将方位角落入的方位角范围确定为重点方位角范围。

举例来说，方位角为182°，则落入的重点方位角范围为[180°,239°]，将重点方位角范围代入方位角范围和车载雷达标号之间的对应关系，得到与重点方位角范围对应的重点车载雷达标号，对应的车载雷达标号是R4。

将与重点车载雷达标号对应的重点车载雷达作为与方位角对应的车载雷达，例如将R4对应的车载雷达作为与方位角对应的车载雷达。

在本实施例中，车辆101还被配置为：

在将车载摄像头当前拍摄到的与方位角对应的车摄图像优先于其他车摄图像进行识别之前，预先设定并存储方位角范围和车摄图像标号之间的对应关系，其中车摄图像的数量至少有两个。

举例来说，当车摄图像的数量有6个时，其车摄图像标号分别为P1、P2、P3、P4、P5和P6，对应的方位角范围分别为[0°,59°]、[60°,119°]、[120°,179°]、[180°,239°]、[240°,299°]和[300°,359°]。

在本实施例中，车辆101还被配置为：

将方位角落入的方位角范围确定为重点方位角范围。

举例来说，方位角为158°，则落入的重点方位角范围是[120°,179°]，将重点方位角范围代入方位角范围和车摄图像标号之间的对应关系，得到与重点方位角范围相对应的重点车摄图像标号，对应的车摄图像标号是R3。

将与重点车摄图像标号对应的重点车摄图像作为与方位角对应的车摄图像。

作为一种可选实施例，无人机102还可以识别出下方图像中包含的路面标线，路面标线包括车道边线、车道指示线、斑马线等。

当无人机102识别出下方图像中包含车道边线时，判断对应的车辆101两侧的车道边线中是否有至少一条实线，如果判断结果为是，则获取实线所在方位角，并发送给对应的车辆101。

车辆101还被配置为将与方位角对应的车载雷达的采集频率提高到高于初始预设频率的预设高倍频率，以提高雷达敏感度，当其他障碍车辆在实线区域并线时能够及时采取避让策略，以避免其他障碍车辆对本车辆101的行车安全造成威胁。并且在将与方位角对应的车载雷达的采集频率提高到高于初始预设频率的预设高倍频率并经过了第一预设时间后，将与方位角对应的车载雷达的采集频率重置为初始预设频率。

当无人机102识别出下方图像中车辆101前方包含车道指示线时，获取每个车道指示线所对应的车道以及所指示的方向信息，并且将车道、车道指示线以及方向信息这三者的对应关系发送给车辆101。车辆101根据导航路径规划中与前方路口对应的方向信息，获取与方向信息对应的车道，并通过控制方向盘转角，向该车道进行并线。以避免在实际路面的车道指示线已经变更但车载地图中的车道指示线没有更新时，车辆101有可能出现的车道选择错误的情况，使车辆101能够合法地按照预定规划路线进行行驶。

当无人机102识别出下方图像中车辆101前方包含斑马线时，向车辆101发送提示指令，车辆101根据提示指令，将车辆101前方设置的车载雷达的采集频率提高到高于初始预设频率的预设高倍频率，从而在存在行人突然冲过斑马线的可能性时，提高车辆101前方传感器敏感度，在行人突然蹿出时能够及时加大刹车踏板开度，以进行紧急制动。

作为一种可选实施例，在当前车辆101处于停止状态，例如车辆101正在等待红绿灯或者正在堵车时，用户有时会希望获知路口各个方向的拥堵状况或者前方堵车的原因，因此，无人机102还被配置为：

根据车辆101发送的携带有平移方向和平移距离的平移命令，相对于车辆101沿着平移方向移动平移距离，并在第二预设时间后返回车辆101上方的位置，使得无人机102可以在一段时间内离开车辆101上方的位置，并移动至用户希望进行探路的位置。

可以理解的是，当车辆101处于静止状态时，无人机102在平移离开车辆101上方的过程中可以存储其平移路线，并在经过第二预设时间后，对所存储的平移路线进行回溯，从而回到车辆101上方。

当车辆101处于走走停停的拥堵状态时，无人机102可以利用接收到的车辆101的实时位置，平移回车辆101上方。

本发明实施例提供的技术方案的有益效果至少包括：

本发明实施例提供了一种基于无人机102的探测系统，包括车辆101和无人机102，其中：无人机102被配置为在对应的车辆101上方飞行并与车辆101保持相对静止时，采集下方障碍物信息，从而利用无人机102的飞行高度优势，扩充了车辆101上装配的摄像头以及雷达的探测范围；无人机102还被配置为根据下方障碍物信息确定障碍物相对于车辆101的方位角，即利用无人机102准确地确定出障碍物与车辆101之间的位置关系；无人机102还被配置为将方位角发送给车辆101，使车辆101根据方位角，将与方位角对应的车载雷达的采集频率提高到高于初始预设频率的预设高倍频率，同时将车载摄像头当前拍摄到的与方位角对应的车摄图像优先于其他车摄图像进行识别，从而利用无人机102预先探测被遮挡或者距离较远的障碍物，并控制车辆101提前采取相应的应对措施，提高障碍物所在的方位角处对应的车载雷达的采集频率，同时提高障碍物所在的方位角处对应的车摄图像的识别优先级，使得车辆101能够有选择地对障碍物所在方位角进行重点监测，提高了灵敏度，降低了碰撞发生的可能性，提高了车辆101安全性。

在本申请中，应该理解到，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。

以上所述仅是为了便于本领域的技术人员理解本发明的技术方案，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。

Claims (8)

1.一种基于无人机的探测系统，其特征在于，包括车辆和无人机，其中，

所述无人机被配置为：

在对应的所述车辆上方飞行并与所述车辆保持相对静止时，利用机载摄像头拍摄下方图像，其中所述下方图像中包含所述车辆的车顶图像；

在所述下方图像中建立坐标系，将所述车顶图像的中心点作为所述坐标系的原点，所述坐标系的Y轴平行于所述车辆的前进方向，且正方向指向所述车辆的前进方向，所述坐标系的X轴垂直于所述车辆的前进方向，且正方向指向所述车辆的右侧；

对所述下方图像进行图像识别，识别出所述下方图像中包含的障碍物；

确定所述障碍物的坐标(x，y)；

根据所述障碍物的坐标(x，y)确定所述障碍物相对于所述车辆的方位角θ，其中所述方位角θ表征了所述障碍物与所述车辆的连线和所述车辆的前进方向之间的夹角θ，所述方位角θ采用下式进行计算：

将所述方位角发送给所述车辆；

所述车辆被配置为：

根据所述方位角，将与所述方位角对应的车载雷达的采集频率提高到高于初始预设频率的预设高倍频率，同时将车载摄像头当前拍摄到的与所述方位角对应的车摄图像优先于其他车摄图像进行识别。

2.根据权利要求1所述的系统，其特征在于，所述车辆还被配置为：

在将与所述方位角对应的车载雷达的采集频率提高到高于初始预设频率的预设高倍频率并经过了第一预设时间后，将与所述方位角对应的车载雷达的采集频率重置为所述初始预设频率。

3.根据权利要求1所述的系统，其特征在于，所述无人机还被配置为：

当利用光传感器判断出当前环境亮度小于亮度阈值时，启用红外拍摄模式。

4.根据权利要求1所述的系统，其特征在于，所述车辆还被配置为：

在将与所述方位角对应的车载雷达的采集频率提高到高于初始预设频率的预设高倍频率之前，预先设定并存储方位角范围和车载雷达标号之间的对应关系，其中所述车载雷达的数量至少有两个。

5.根据权利要求4所述的系统，其特征在于，所述车辆还被配置为：

将所述方位角落入的所述方位角范围确定为重点方位角范围；

将所述重点方位角范围代入所述方位角范围和所述车载雷达标号之间的对应关系，得到与所述重点方位角范围对应的重点车载雷达标号；

将与所述重点车载雷达标号对应的重点车载雷达作为与所述方位角对应的车载雷达。

6.根据权利要求1所述的系统，其特征在于，所述车辆还被配置为：

在将车载摄像头当前拍摄到的与所述方位角对应的车摄图像优先于其他车摄图像进行识别之前，预先设定并存储方位角范围和车摄图像标号之间的对应关系，其中所述车摄图像的数量至少有两个。

7.根据权利要求6所述的系统，其特征在于，所述车辆还被配置为：

将所述方位角落入的所述方位角范围确定为重点方位角范围；

将所述重点方位角范围代入所述方位角范围和所述车摄图像标号之间的对应关系，得到与所述重点方位角范围相对应的重点车摄图像标号；

将与所述重点车摄图像标号对应的重点车摄图像作为与所述方位角对应的车摄图像。

8.根据权利要求1所述的系统，其特征在于，所述无人机还被配置为：

根据所述车辆发送的携带有平移方向和平移距离的平移命令，相对于所述车辆沿着所述平移方向移动所述平移距离，并在第二预设时间后返回所述车辆上方的位置。

Images