CN110962927A - 转弯控制方法、装置、计算机可读存储介质及无人机 - Google Patents

Abstract

本公开涉及一种转弯控制方法、装置、计算机可读存储介质及无人机。该转弯控制方法应用于无人机，包括：在与所述无人机通信连接的车辆驶入弯道前，获取所述车辆的弯道盲区处的路面参数和车辆信息；根据所述路面参数和所述车辆信息，预测所述车辆经过所述弯道盲区时的侧滑临界速度；将所述侧滑临界速度发送至所述车辆，以使所述车辆能够根据所述侧滑临界速度进行转弯控制。这样，车辆可以根据该侧滑临界速度控制转弯速度，减小了车辆转弯时发生侧滑的风险，提升了行车安全性。由此，当用户不熟悉路况(例如，开车旅游)时，即使车辆配置不好，例如，不具备智能驾驶功能，通过租用或安装无人机也可保证行车安全。

Description

转弯控制方法、装置、计算机可读存储介质及无人机

技术领域

本公开涉及交通领域，具体地，涉及一种转弯控制方法、装置、计算机可读存储介质及无人机。

背景技术

随着我国公路交通事业的发展，机动车迅速增长，公路交通安全问题日益突出，尤其是山区道路安全问题日益严重。由于山区道路地形复杂，多弯道、坡道，线形复杂，驾驶员存在弯道视线盲区而无法判断弯道处的具体路况，更无法预估通过弯道的车速，因而车辆驶过弯道时可能由于车速过高而发生侧滑，极易引发交通事故。

发明内容

为了克服现有技术中存在的问题，本公开提供一种转弯控制方法、装置、计算机可读存储介质及无人机

为了实现上述目的，本公开提供一种转弯控制方法，应用于无人机，包括：

在与所述无人机通信连接的车辆驶入弯道前，获取所述车辆的弯道盲区处的路面参数和车辆信息；

根据所述路面参数和所述车辆信息，预测所述车辆经过所述弯道盲区时的侧滑临界速度；

将所述侧滑临界速度发送至所述车辆，以使所述车辆能够根据所述侧滑临界速度进行转弯控制。

可选地，所述路面参数包括转弯半径、弯道坡度、弯道湿度、路面材质，所述车辆信息包括整车质量、轮胎磨损信息、车辆位置。

可选地，所述根据所述路面参数和所述车辆信息，预测所述车辆经过所述弯道盲区时的侧滑临界速度，包括：

根据预设的路面材质、轮胎磨损信息、弯道湿度、弯道摩擦系数之间的对应关系，确定与所述路面材质、所述轮胎磨损信息、所述弯道湿度对应的目标弯道摩擦系数；

根据所述转弯半径、所述弯道坡度以及所述目标弯道摩擦系数，预测所述车辆经过所述弯道盲区时的侧滑临界速度。

可选地，所述根据所述转弯半径、所述弯道坡度以及所述目标弯道摩擦系数，预测所述车辆经过所述弯道盲区时的侧滑临界速度，包括：

根据所述转弯半径、所述弯道坡度以及所述目标弯道摩擦系数，通过以下公式来预测所述车辆经过所述弯道盲区时的侧滑临界速度：

其中，v₀为所述侧滑临界速度；g为重力加速度；r为所述转弯半径；θ为所述弯道坡度；μ为所述目标弯道摩擦系数。

可选地，所述方法还包括：

获取所述弯道的路况信息，其中，所述路况信息至少包括障碍物信息、其他车辆信息；

基于所述路况信息，生成导航路线；

向所述车辆发送所述导航路线。

可选地，所述方法还包括：

获取所述车辆的车速；

当所述车速大于所述侧滑临界速度时，输出告警消息。

本公开还提供一种转弯控制装置，应用于无人机，包括：

第一获取模块，用于在与所述无人机通信连接的车辆驶入弯道前，获取所述车辆的弯道盲区处的路面参数和车辆信息；

预测模块，用于根据所述第一获取模块获取到的所述路面参数和所述车辆信息，预测所述车辆经过所述弯道盲区时的侧滑临界速度；

第一发送模块，用于将所述预测模块预测出的所述侧滑临界速度发送至所述车辆，以使所述车辆能够根据所述侧滑临界速度进行转弯控制。

本公开还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开提供的上述转弯控制方法的步骤。

本公开还提供一种无人机，包括：

数据采集单元，用于采集目标信息，其中，所述目标信息为与所述无人机通信的车辆进行转弯控制所需的目标参数；

通信单元，用于从所述车辆接收所述车辆的车辆信息；

存储器，其上存储有计算机程序；

处理器，用于执行所述存储器中的所述计算机程序，以实现本公开提供的上述转弯控制方法的步骤。

可选地，所述路面参数包括转弯半径、弯道坡度、弯道湿度、路面材质；

所述数据采集单元包括：

湿度传感器，用于采集所述弯道湿度；

倾角传感器，用于采集所述弯道坡度；

角度传感器，用于采集所述弯道盲区处的转弯角度；

位移传感器，用于采集所述无人机在所述弯道盲区处的位移；

图像采集装置，用于采集所述弯道盲区处的路面图像；

所述处理器，还用于根据所述转弯角度和所述位移，确定所述转弯半径，以及根据所述路面图像，确定所述路面材质。

在上述技术方案中，无人机在与其通信连接的车辆驶入弯道前，首先获取车辆的弯道盲区处的路面参数和车辆信息；之后，根据该路面参数和车辆信息来预测车辆经过上述弯道盲区时的侧滑临界速度；最后，将该侧滑临界速度发送至车辆，以使该车辆能够根据该侧滑临界速度进行转弯控制。这样，车辆可以根据该侧滑临界速度控制转弯速度，减小了车辆转弯时发生侧滑的风险，提升了行车安全性。由此，当用户不熟悉路况(例如，开车旅游)时，即使车辆配置不好，例如，不具备智能驾驶功能，通过租用或安装无人机也可保证行车安全。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：

图1是根据一示例性实施例示出的一种转弯控制方法的流程图。

图2是根据一示例性实施例示出的一种无人机探测弯道盲区的示意图。

图3是根据一示例性实施例示出的一种确定侧滑临界速度的方法的流程图。

图4是根据一示例性实施例示出的一种车辆在弯道盲区处的受力分析图。

图5是根据另一示例性实施例示出的一种转弯控制方法的流程图。

图6是根据另一示例性实施例示出的一种转弯控制方法的流程图。

图7是根据一示例性实施例示出的一种转弯控制装置的框图。

图8是根据另一示例性实施例示出的一种转弯控制装置的框图。

图9是根据另一示例性实施例示出的一种转弯控制装置的框图。

图10是根据另一示例性实施例示出的一种转弯控制装置的框图。

图11是根据一示例性实施例示出的一种无人机的结构框图。

图12是根据另一示例性实施例示出的一种无人机的结构框图。

具体实施方式

以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。

图1是根据一示例性实施例示出的一种转弯控制方法的流程图。如图1所示，该转弯控制方法可以包括以下步骤。

在步骤101中，在与无人机通信连接的车辆驶入弯道前，获取车辆的弯道盲区处的路面参数和车辆信息。

在本公开中，该方法可以应用于无人机，其中，该无人机可以固定设置在弯道处，并能够与过往车辆进行通信，该无人机还可以是车载无人机，当车辆驶入弯道前，车辆可以通过发出释放指令或者人工操作来释放该无人机，对此在本公开中不作具体限定。并且，上述弯道盲区是指驾驶员在行驶中视线受到影响，观察不到的弯道岔口以及弯道岔口后的路段，如图2中所示，虚线L右侧的道路区域即为弯道盲区。

上述的路面参数可以包括转弯半径、弯道坡度、弯道湿度、路面材质(例如，沥青、水泥或者沙土等)，其中，上述弯道坡度为弯道路基(路面)横断方向的坡度，即弯道的横坡度，如图4中所示的θ。在本公开中，可以通过湿度传感器来采集上述弯道湿度，可以通过倾角传感器来采集上述弯道坡度。

并且，上述转弯半径可以通过以下方式来获取：首先通过设置在无人机上的角度传感器、位移传感器分别获取弯道盲区处的转弯角度、无人机在该弯道盲区处的位移(示例地，无人机通过沿着弯道行驶，以获得其在弯道盲区处的位移)，之后，根据该转弯角度和位移，确定转弯半径，即转弯半径

其中，l、α分别为位移、转弯角度。

上述路面材质可以通过以下方式来获取：首先通过设置在无人机上的图像采集装置(例如，摄像头、扫描仪等)采集弯道盲区处的路面图像，之后，可以根据该路面图像，通过图像识别技术来获取到路面材质。

此外，上述车辆信息可以包括整车质量、轮胎磨损信息(例如，轮胎磨损量)、车辆位置(例如，车辆在弯道上的位置)等，其中，上述整车质量可以包括车辆本身的质量和车辆的载重质量(即车辆所装载的货物、乘客的重量)。并且，上述轮胎磨损信息可以为车辆的固有参数，无人机可以通过与车辆进行通信来获取到该轮胎磨损信息。

在步骤102中，根据路面参数和车辆信息，预测车辆经过弯道盲区时的侧滑临界速度。

在本公开中，当车辆经过上述弯道盲区时的车速大于侧滑临界速度时，车辆存在侧滑的风险。当无人机根据上述步骤101获取到弯道盲区处的路面参数和车辆信息后，在一种实施方式中，可以通过图3中所示的步骤1021和步骤1022来预测车辆经过弯道盲区时的侧滑临界速度。

在步骤1021中，根据预设的路面材质、轮胎磨损信息、弯道湿度、弯道摩擦系数之间的对应关系，确定与路面材质、轮胎磨损信息、弯道湿度对应的目标弯道摩擦系数。

在本公开中，该预设的路面材质、轮胎磨损信息、弯道湿度、弯道摩擦系数之间的对应关系可以以表格、曲线等形式存储在相应的存储模块中，这样，无人机在通过上述步骤101获取到轮胎磨损信息、以及弯道盲区处的路面材质、弯道湿度后，可以通过访问该存储模块中存储的预设的路面材质、轮胎磨损信息、弯道湿度、弯道摩擦系数之间的对应关系，来查找出与上述获取到的路面材质、轮胎磨损信息、弯道湿度相对应的弯道摩擦系统，并将其作为目标弯道摩擦系数。这样，通过查找预设的路面材质、轮胎磨损信息、弯道湿度、弯道摩擦系数之间的对应关系，即可方便快捷地确定出相应的目标弯道摩擦系数；并且，在确定该目标弯道摩擦系数时综合考虑到路面材质、轮胎磨损信息、弯道湿度、弯道摩擦系数这些因素，因此，可以精确地确定出目标弯道摩擦系数，且，本公开中，目标弯道摩擦系数不仅是基于路面信息得到，还结合了本车的车辆信息的轮胎磨损信息，充分考虑了路面情况和本车的实时轮胎磨损情况，精确度高。

在步骤1022中，根据转弯半径、弯道坡度以及目标弯道摩擦系数，预测车辆经过弯道盲区时的侧滑临界速度。

在本公开中，在通过上述步骤1021获取到上述弯道盲区的目标弯道摩擦系数后，可以结合上述步骤101获取到的转弯半径和弯道坡度来预测车辆经过弯道盲区时的侧滑临界速度。

具体来说，车辆在弯道盲区处的受力情况如图4中所示，其中，车辆转弯时离心力引起的第一侧滑力

(其中，m为整车质量，v为车速，θ为弯道坡度，r为转弯半径，并且，该转弯半径r与上述步骤1021中获取到的车辆位置密切相关)、车辆重力引起的第二侧滑力F₂＝mg sinθ(其中，g为重力加速度)、车辆轮胎和地面提供的抓地力

(其中，μ为目标弯道摩擦系数)。

通过图4中所示的车辆的受力分析图可知：当第一侧滑力F₁和第二侧滑力F₂之和等于抓地力F₃(即，F₁+F₂＝F₃)时，车辆经过弯道盲区时刚好不会发生侧滑；当第一侧滑力F₁和第二侧滑力F₂之和小于抓地力F₃(即，F₁+F₂＜F₃)时，车辆经过弯道盲区时不会发生侧滑；当第一侧滑力F₁和第二侧滑力F₂之和大于抓地力F₃(即，F₁+F₂>F₃)时，车辆经过弯道盲区时将会发生侧滑。

因此，可以通过将第一侧滑力F₁和第二侧滑力F₂之和、与抓地力F₃相等(即，F₁+F₂＝F₃)来获取到车辆经过弯道盲区时刚好不发生侧滑的车速，即侧滑临界速度。由此，可得车辆经过弯道盲区时的侧滑临界速度

在步骤103中，将侧滑临界速度发送至车辆，以使车辆能够根据该侧滑临界速度进行转弯控制。

在本公开中，在通过上述步骤102获取到车辆经过弯道盲区时的侧滑临界速度后，可以将该侧滑临界速度发送至与其通信的车辆，该车辆接收该侧滑临界速度，之后，车辆控制器或者驾驶员根据该侧滑临界速度调整该车辆的转弯速度。具体来说，当车辆的当前车速大于该侧滑临界速度时，控制车辆减速，以使车辆经过弯道盲区时的车速小于或等于该侧滑临界速度；当车辆的当前车速小于或等于该侧滑临界速度时，可以不进行任何操作，也可以控制车辆减速。

在上述技术方案中，无人机在与其通信连接的车辆驶入弯道前，首先获取车辆的弯道盲区处的路面参数和车辆信息；之后，根据该路面参数和车辆信息来预测车辆经过上述弯道盲区时的侧滑临界速度；最后，将该侧滑临界速度发送至车辆，以使该车辆能够根据该侧滑临界速度进行转弯控制。这样，车辆可以根据该侧滑临界速度控制转弯速度，减小了车辆转弯时发生侧滑的风险，提升了行车安全性。由此，当用户不熟悉路况(例如，开车旅游)时，即使车辆配置不好，例如，不具备智能驾驶功能，通过租用或安装无人机也可保证行车安全。

另外，上述无人机除了可以为与其通信的车辆提供用于在弯道盲区进行转弯控制的侧滑临界速度外，还可以为车辆提供弯道盲区处的导航路线，这样，更加便于驾驶员安全通过弯道盲区，提升了驾驶员体验和行车安全性。具体来说，上述方法还可以包括图5中所示的步骤104～步骤106。

在步骤104中，获取弯道的路况信息。

在步骤105中，基于路况信息，生成导航路线。

在步骤106中，向车辆发送导航路线。

在本公开中，该路况信息可以包括障碍物信息、其他车辆信息(例如，同向车辆、如图2中所示的对向来车等)、行人信息等。车辆在获取到弯道的路况信息后，可以基于该路况信息，生成导航路线，并将该导航路线发送至车辆；之后，车辆接收并显示该导航路线。

并且，无人机在获取到弯道处的路况信息后，也可以将其发送至与其通信的车辆，车辆接收该路况信息，并将其显示在车载显示屏上，这样，驾驶员可以提前获知弯道处的路况信息，便于其及时采取安全措施(例如，避让、减速等)，从而提升了行车安全性。

另外，需要说明的是，上述步骤104可以在上述步骤101之前执行，也可以在上述步骤101之后执行(如图5中所示)，还可以与上述步骤101同时执行，在本公开中不作具体限定。

此外，为了进一步提升行车安全性，上述无人机还可以在车辆的车速大于上述步骤103中确定出的侧滑临界速度时，还可以输出告警信息，以提醒驾驶员及时采用安全措施。具体来说，上述方法还可以包括图6中所示的步骤107和步骤108。

步骤107中，获取车辆的车速。

在步骤108中，当车速大于侧滑临界速度时，输出告警消息。

在本公开中，无人机可以通过与车辆通信的方式来获取该车辆的车速，并在确定该车速大于上述步骤103中确定出的侧滑临界速度时，输出告警信息。其中，该无人机可以通过语音提醒、向车辆发送消息等方式来输出相应的告警消息。同时，搭载智能驾驶功能的车辆，接收到无人机的告警消息时，可自动限制车辆的行驶速度，以保证行车安全。

另外，需要说明的是，上述步骤107可以在上述步骤102之前执行，也可以在上述步骤102之后执行(如图6中所示)，还可以与上述步骤102同时执行，在本公开中不作具体限定。

图7是根据一示例性实施例示出的一种转弯控制装置的框图，其中，该装置可以应用于无人机。参照图7，该装置700可以包括：第一获取模块701，用于在与所述无人机通信连接的车辆驶入弯道前，获取所述车辆的弯道盲区处的路面参数和车辆信息；预测模块702，用于根据所述第一获取模块701获取到的所述路面参数和所述车辆信息，预测所述车辆经过所述弯道盲区时的侧滑临界速度；第一发送模块703，用于将所述预测模块702预测出的所述侧滑临界速度发送至所述车辆，以使所述车辆能够根据所述侧滑临界速度进行转弯控制。

可选地，所述路面参数包括转弯半径、弯道坡度、弯道湿度、路面材质，所述车辆信息包括整车质量、轮胎磨损信息、车辆位置。

如图8中所示，上述预测模块702可以包括：确定子模块7021，用于根据预设的路面材质、轮胎磨损信息、弯道湿度、弯道摩擦系数之间的对应关系，确定与所述第一获取模块701获取到的所述路面材质、所述轮胎磨损信息、所述弯道湿度对应的目标弯道摩擦系数；预测子模块7022，用于根据所述第一获取模块701获取到的所述转弯半径、所述弯道坡度以及所述确定子模块7021确定出的所述目标弯道摩擦系数，预测所述车辆经过所述弯道盲区时的侧滑临界速度。

可选地，所述预测子模块7022可以用于根据所述第一获取模块701获取到的所述转弯半径、所述弯道坡度以及所述确定子模块7021确定出的所述目标弯道摩擦系数，通过以下等式来预测所述车辆经过所述弯道盲区时的侧滑临界速度：

其中，v₀为所述侧滑临界速度；g为重力加速度；r为所述转弯半径；θ为所述弯道坡度；μ为所述目标弯道摩擦系数。

图9是根据另一示例性实施例示出的一种转弯控制装置的框图，其中，该装置可以应用于无人机。参照图9，上述装置700还可以包括：第二获取模块704，用于获取所述弯道的路况信息，其中，所述路况信息至少包括障碍物信息、其他车辆信息；导航路线生成模块705，用于基于所述第二获取模块704获取到的所述路况信息，生成导航路线；第二发送模块706，用于向所述车辆发送所述导航路线生成模块705生成的所述导航路线。

图10是根据另一示例性实施例示出的一种转弯控制装置的框图，其中，该装置可以应用于无人机。参照图10，上述装置700还可以包括：第三获取模块707，用于获取所述车辆的车速；输出模块708，用于当所述第三获取模块707获取到的所述车速大于所述预测模块702预测出的所述侧滑临界速度时，输出告警消息。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该装置的实施例中进行了详细描述，此处将不做详细阐述说明。

本公开还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开提供的上述转弯控制方法的步骤。

本公开提供一种无人机，如图11所示，该无人机1可以包括数据采集单元11，用于采集目标信息，其中，该目标信息为与无人机1通信的车辆2进行转弯控制所需的目标参数，例如，弯道坡度、弯道湿度等；通信单元12，用于从车辆1接收该车辆1的车辆信息；存储器13，其上存储有计算机程序；处理器14，用于执行存储器中的计算机程序，以实现本公开提供的上述转弯控制方法的步骤。

可选地，所述路面参数包括转弯半径、弯道坡度、弯道湿度、路面材质；如图12中所示，上述数据采集单元11可以包括：湿度传感器111，用于采集所述弯道湿度；倾角传感器112，用于采集所述弯道坡度；角度传感器113，用于采集所述弯道盲区处的转弯角度；位移传感器114，用于采集所述无人机1在所述弯道盲区处的位移；图像采集装置115，用于采集所述弯道盲区处的路面图像，示例地，该图像采集装置115可以为摄像头、扫描仪等；所述处理器14，还用于根据所述角度传感器113采集到的所述转弯角度和所述位移传感器114采集到的所述位移，确定所述转弯半径，以及根据所述图像采集装置115采集到所述路面图像，确定所述路面材质。

以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。

此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。

Claims (10)

1.一种转弯控制方法，应用于无人机，其特征在于，包括：

在与所述无人机通信连接的车辆驶入弯道前，获取所述车辆的弯道盲区处的路面参数和车辆信息；

根据所述路面参数和所述车辆信息，预测所述车辆经过所述弯道盲区时的侧滑临界速度；

将所述侧滑临界速度发送至所述车辆，以使所述车辆能够根据所述侧滑临界速度进行转弯控制。

2.根据权利要求1所述的方法，其特征在于，所述路面参数包括转弯半径、弯道坡度、弯道湿度、路面材质，所述车辆信息包括整车质量、轮胎磨损信息、车辆位置。

3.根据权利要2所述的方法，其特征在于，所述根据所述路面参数和所述车辆信息，预测所述车辆经过所述弯道盲区时的侧滑临界速度，包括：

根据预设的路面材质、轮胎磨损信息、弯道湿度、弯道摩擦系数之间的对应关系，确定与所述路面材质、所述轮胎磨损信息、所述弯道湿度对应的目标弯道摩擦系数；

根据所述转弯半径、所述弯道坡度以及所述目标弯道摩擦系数，预测所述车辆经过所述弯道盲区时的侧滑临界速度。

4.根据权利要求3所述的方法，其特征在于，所述根据所述转弯半径、所述弯道坡度以及所述目标弯道摩擦系数，预测所述车辆经过所述弯道盲区时的侧滑临界速度，包括：

根据所述转弯半径、所述弯道坡度以及所述目标弯道摩擦系数，通过以下公式来预测所述车辆经过所述弯道盲区时的侧滑临界速度：

其中，v₀为所述侧滑临界速度；g为重力加速度；r为所述转弯半径；θ为所述弯道坡度；μ为所述目标弯道摩擦系数。

5.根据权利要求1-4中任一项所述的方法，其特征在于，所述方法还包括：

获取所述弯道的路况信息，其中，所述路况信息至少包括障碍物信息、其他车辆信息；

基于所述路况信息，生成导航路线；

向所述车辆发送所述导航路线。

6.根据权利要求1-4中任一项所述的方法，其特征在于，所述方法还包括：

获取所述车辆的车速；

当所述车速大于所述侧滑临界速度时，输出告警消息。

7.一种转弯控制装置，应用于无人机，其特征在于，包括：

第一获取模块，用于在与所述无人机通信连接的车辆驶入弯道前，获取所述车辆的弯道盲区处的路面参数和车辆信息；

预测模块，用于根据所述第一获取模块获取到的所述路面参数和所述车辆信息，预测所述车辆经过所述弯道盲区时的侧滑临界速度；

第一发送模块，用于将所述预测模块预测出的所述侧滑临界速度发送至所述车辆，以使所述车辆能够根据所述侧滑临界速度进行转弯控制。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-6中任一项所述方法的步骤。

9.一种无人机，其特征在于，包括：

数据采集单元，用于采集目标信息，其中，所述目标信息为与所述无人机通信的车辆进行转弯控制所需的目标参数；

通信单元，用于从所述车辆接收所述车辆的车辆信息；

存储器，其上存储有计算机程序；

处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-6中任一项所述方法的步骤。

10.根据权利要求9所述的无人机，其特征在于，所述路面参数包括转弯半径、弯道坡度、弯道湿度、路面材质；

所述数据采集单元包括：

湿度传感器，用于采集所述弯道湿度；

倾角传感器，用于采集所述弯道坡度；

角度传感器，用于采集所述弯道盲区处的转弯角度；

位移传感器，用于采集所述无人机在所述弯道盲区处的位移；

图像采集装置，用于采集所述弯道盲区处的路面图像；

所述处理器，还用于根据所述转弯角度和所述位移，确定所述转弯半径，以及根据所述路面图像，确定所述路面材质。

Images