CN112908039A - 一种基于智慧路灯的空域管制方法及智慧路灯 - Google Patents

一种基于智慧路灯的空域管制方法及智慧路灯 Download PDF

Info

Publication number
CN112908039A
CN112908039A CN202110113706.9A CN202110113706A CN112908039A CN 112908039 A CN112908039 A CN 112908039A CN 202110113706 A CN202110113706 A CN 202110113706A CN 112908039 A CN112908039 A CN 112908039A
Authority
CN
China
Prior art keywords
aircraft
street lamp
intelligent street
radar
auxiliary
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110113706.9A
Other languages
English (en)
Other versions
CN112908039B (zh
Inventor
刘中岭
石玉波
郑海钦
侯晓青
周骉
刘迪
刘培霖
冯飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Gcl Smart Energy Co ltd
Original Assignee
Shenzhen Gcl Smart Energy Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Gcl Smart Energy Co ltd filed Critical Shenzhen Gcl Smart Energy Co ltd
Priority to CN202110113706.9A priority Critical patent/CN112908039B/zh
Publication of CN112908039A publication Critical patent/CN112908039A/zh
Application granted granted Critical
Publication of CN112908039B publication Critical patent/CN112908039B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0073—Surveillance aids
    • G08G5/0082—Surveillance aids for monitoring traffic from a ground station
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F21—LIGHTING
    • F21V—FUNCTIONAL FEATURES OR DETAILS OF LIGHTING DEVICES OR SYSTEMS THEREOF; STRUCTURAL COMBINATIONS OF LIGHTING DEVICES WITH OTHER ARTICLES, NOT OTHERWISE PROVIDED FOR
    • F21V33/00—Structural combinations of lighting devices with other articles, not otherwise provided for
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
    • G06V20/38—Outdoor scenes
    • G06V20/39—Urban scenes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/003—Flight plan management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F21—LIGHTING
    • F21W—INDEXING SCHEME ASSOCIATED WITH SUBCLASSES F21K, F21L, F21S and F21V, RELATING TO USES OR APPLICATIONS OF LIGHTING DEVICES OR SYSTEMS
    • F21W2131/00—Use or application of lighting devices or systems not provided for in codes F21W2102/00-F21W2121/00
    • F21W2131/10—Outdoor lighting
    • F21W2131/103—Outdoor lighting of streets or roads

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请属于智慧路灯技术领域，尤其涉及一种基于智慧路灯的空域管制方法及智慧路灯。所述方法包括：通过智慧路灯上的摄像装置采集指定空域的图像，并在所述指定空域的图像中进行物体检测；若在所述指定空域的图像中检测到物体，则使用预设的物体识别模型判断所述物体是否为飞行器；若所述物体为飞行器，则通过所述智慧路灯上的雷达测量所述飞行器的飞行参数；根据所述飞行参数对所述飞行器的飞行轨迹进行预测，得到所述飞行器的预测轨迹；通过所述智慧路灯上的回收装置在所述预测轨迹上对所述飞行器进行回收操作。通过本申请，可以对飞行器进行识别、轨迹预测以及回收操作，从而有效实现了对飞行器的管制，减少了飞行器滥用带来的安全隐患。

Description

一种基于智慧路灯的空域管制方法及智慧路灯
技术领域
本申请属于智慧路灯技术领域，尤其涉及一种基于智慧路灯的空域管制方法及智慧路灯。
背景技术
随着技术的不断发展，包括无人机在内的各类民用飞行器已越来越普及，为人们的日常工作和生活带来了极大的便利。但是，与此同时，对飞行器的滥用也带来了诸多的安全隐患，某些用户缺乏必要的安全意识，在未经许可的情况下，在交通干道以及某些重要场所私自使用飞行器，对公共秩序造成了扰乱，甚至可能酿成重大事故，现有技术中缺乏有效的技术手段来对这种飞行器滥用的情况进行管制。
发明内容
有鉴于此，本申请实施例提供了一种基于智慧路灯的空域管制方法及智慧路灯，以解决现有技术中缺乏有效的技术手段来对飞行器滥用的情况进行管制的问题。
本申请实施例的第一方面提供了一种基于智慧路灯的空域管制方法，可以包括：
通过智慧路灯上的摄像装置采集指定空域的图像，并在所述指定空域的图像中进行物体检测；
若在所述指定空域的图像中检测到物体，则使用预设的物体识别模型判断所述物体是否为飞行器；
若所述物体为飞行器，则通过所述智慧路灯上的雷达测量所述飞行器的飞行参数；
根据所述飞行参数对所述飞行器的飞行轨迹进行预测，得到所述飞行器的预测轨迹；
通过所述智慧路灯上的回收装置在所述预测轨迹上对所述飞行器进行回收操作。
进一步地，所述通过所述智慧路灯上的回收装置在所述预测轨迹上对所述飞行器进行回收操作，可以包括：
在所述预测轨迹上选取目标轨迹点，并计算所述飞行器行进至所述目标轨迹点的目标时刻；
确定所述回收装置与所述目标轨迹点之间的相对位置关系；
根据所述目标时刻和所述相对位置关系计算所述回收装置的发射参数；
按照所述发射参数发射所述回收装置，以对所述飞行器进行回收操作。
进一步地，所述根据所述目标时刻和所述相对位置关系计算所述回收装置的发射参数，可以包括：
在回收平面上建立平面直角坐标系，所述回收平面为由所述智慧路灯和所述目标轨迹点所确定的平面；
根据所述目标时刻和所述相对位置关系在所述平面直角坐标系中构建所述回收装置的运动轨迹方程；
求解所述运动轨迹方程，得到所述回收装置的发射参数。
进一步地，所述回收装置通过预设的连接线与所述智慧路灯连接，且所述连接线缠绕于所述智慧路灯的转轴上；
在所述回收装置向所述目标轨迹点的运动过程中，还可以包括：
驱动所述转轴按照第一旋转方向旋转，以逐步释放所述连接线；
在所述回收装置到达所述目标轨迹点之后，还可以包括：
驱动所述转轴按照第二旋转方向旋转，以逐步回收所述连接线。
进一步地，在根据所述飞行参数对所述飞行器的飞行轨迹进行预测之前，还可以包括：
通过预设的辅助雷达群组测量所述飞行器的辅助飞行参数，所述辅助雷达群组中包括若干个辅助雷达，且各个辅助雷达分别分布在不同的预定位置；
分别确定所述辅助雷达群组中的各个辅助雷达与所述飞行器之间的距离，以及所述智慧路灯上的雷达与所述飞行器之间的距离；
根据所述辅助雷达群组中的各个辅助雷达与所述飞行器之间的距离，以及所述智慧路灯上的雷达与所述飞行器之间的距离将所述辅助飞行参数融合入所述飞行参数中，得到融合后的飞行参数。
进一步地，所述根据所述辅助雷达群组中的各个辅助雷达与所述飞行器之间的距离，以及所述智慧路灯上的雷达与所述飞行器之间的距离将所述辅助飞行参数融合入所述飞行参数中，可以包括：
根据所述辅助雷达群组中的各个辅助雷达与所述飞行器之间的距离，以及所述智慧路灯上的雷达与所述飞行器之间的距离，分别计算各个辅助雷达和所述智慧路灯上的雷达的权重系数；
根据所述权重系数对所述辅助飞行参数和所述飞行参数进行加权平均，得到融合后的飞行参数。
进一步地，在通过所述智慧路灯上的雷达测量所述飞行器的飞行参数之前，还可以包括：
通过预设的通信频率向所述飞行器发送身份核实请求信息，并接收所述飞行器的反馈信息；
若在预设的时长内接收到所述反馈信息，则从所述反馈信息中提取飞行器标识以及与所述飞行器标识对应的第一验证信息；
使用所述智慧路灯存储的哈希函数对所述飞行器标识进行哈希计算，得到与所述飞行器标识对应的第二验证信息；
若所述第一验证信息与所述第二验证信息一致，则判定所述飞行器为合规飞行器，不再执行通过所述智慧路灯上的雷达测量所述飞行器的飞行参数的步骤及其后续步骤。
进一步地，在使用所述智慧路灯存储的哈希函数对所述飞行器标识进行哈希计算之前，还可以包括：
向预设的服务器发送更新时间戳查询请求信息，并接收所述服务器反馈的更新时间戳；所述更新时间戳为所述服务器对哈希函数进行更新时的时间戳；
若所述服务器反馈的更新时间戳与所述智慧路灯存储的更新时间戳不一致，则向所述服务器发送哈希函数更新请求信息，并接收所述服务器反馈的哈希函数；
使用所述服务器反馈的哈希函数替换所述智慧路灯存储的哈希函数，并使用所述服务器反馈的更新时间戳替换所述智慧路灯存储的更新时间戳。
进一步地，所述根据所述飞行参数对所述飞行器的飞行轨迹进行预测，得到所述飞行器的预测轨迹，可以包括：
将所述飞行参数按照时间先后顺序排列为基准序列；
使用预设的时序预测模型对所述基准序列进行处理，得到所述飞行器的预测参数；
根据所述预测参数计算所述飞行器的下一预测轨迹点；
将所述预测参数添加入所述基准序列中，并返回执行所述使用预设的时序预测模型对所述基准序列进行处理的步骤及其后续步骤，直至计算得到预设数目的预测轨迹点为止；
根据所述预设数目的预测轨迹点确定所述飞行器的预测轨迹。
本申请实施例的第二方面提供了一种空域管制装置，可以包括实现上述任一种空域管制方法的步骤的功能模块。
本申请实施例的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种空域管制方法的步骤。
本申请实施例的第四方面提供了一种智慧路灯，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一种空域管制方法的步骤。
本申请实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得智慧路灯执行上述任一种空域管制方法的步骤。
本申请实施例与现有技术相比存在的有益效果是：本申请实施例通过智慧路灯上的摄像装置采集指定空域的图像，并在所述指定空域的图像中进行物体检测；若在所述指定空域的图像中检测到物体，则使用预设的物体识别模型判断所述物体是否为飞行器；若所述物体为飞行器，则通过所述智慧路灯上的雷达测量所述飞行器的飞行参数；根据所述飞行参数对所述飞行器的飞行轨迹进行预测，得到所述飞行器的预测轨迹；通过所述智慧路灯上的回收装置在所述预测轨迹上对所述飞行器进行回收操作。通过本申请实施例，在智慧路灯上搭载摄像装置、雷达及回收装置，可以在指定空域对飞行器进行识别、轨迹预测以及回收操作，从而有效实现了对飞行器的管制，减少了飞行器滥用带来的安全隐患。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术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申请的一些实施例，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它的附图。
图1为本申请实施例中一种基于智慧路灯的空域管制方法的一个实施例流程图；
图2为通过智慧路灯上的回收装置在预测轨迹上对飞行器进行回收操作的示意流程图；
图3为本申请实施例中一种空域管制装置的一个实施例结构图；
图4为本申请实施例中一种智慧路灯的示意框图。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本申请一部分实施例，而非全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参阅图1，本申请实施例中一种基于智慧路灯的空域管制方法的一个实施例可以包括：
步骤S101、通过智慧路灯上的摄像装置采集指定空域的图像，并在所述指定空域的图像中进行物体检测。
智慧路灯为具有数据存储能力和数据计算处理能力的路灯，本申请实施例的执行主体即可以为所述智慧路灯。在智慧路灯上预先安装有摄像装置，用于对指定空域进行图像采集。指定空域可以根据实际情况进行设置，例如，可以将以智慧路灯为轴心的圆柱状空间区域设置为指定空域，这一圆柱状空间区域的半径、上底面和下底面的高度均可以根据实际情况进行设置。当然，也可以根据实际情况设置其它形状的指定空域，本申请实施例对此不作具体限定。
在申请实施例中，可以通过摄像装置周期性地进行图像采集，图像采集周期可以根据实际情况进行设置，本申请实施例对此不作具体限定。
当获取到摄像装置采集的指定空域的图像后，智慧路灯可以在该图像中进行物体检测，判断其中是否存在异常物体。一般地，智慧路灯中预先存储有指定空域的基准图像，也即指定空域在不存在异常物体时的图像，将其作为物体检测的基准。将摄像装置所采集的指定空域的图像作为待检测图像，将其与基准图像进行比对，若两者之间存在某块差异较大的区域时，则可以认为检测到物体，且该物体位于这一差异较大的区域中。
在本申请实施例的一种具体实现中，可以分别对待检测图像和基准图像进行二值化处理，得到二值化的待检测图像和二值化的基准图像，对两者对应位置的像素进行异或运算，可以得到两者的差异图像。差异图像中取值为“1”的像素点(将其记为差异像素点)代表该位置上两者不同，差异图像中取值为“0”的像素点代表该位置上两者相同。对其中的差异像素点按照位置分布进行聚类，将位置临近的差异像素点聚为一个像素点类，并从中剔除掉差异像素点数目小于预设阈值的像素点类，若还存在剩余的像素点类，则可认为检测到物体，且剩余的像素点类所在区域即为物体所在区域。反之，若不存在剩余的像素点类，则可认为未检测到物体，则重新采集下一帧的图像并进行物体检测。
步骤S102、若在所述指定空域的图像中检测到物体，则使用预设的物体识别模型判断所述物体是否为飞行器。
物体识别模型为预先训练得到的用于进行物体识别的神经网络模型。具体采用何种类型的神经网络模型可以根据实际情况进行设置，包括但不限于卷积神经网络(Convolutional Neural Networks，CNN)、深度卷积神经网络(Deep ConvolutionalNeural Networks，DCNN)、逆向图网络(Inverse Graphics Networks，IGN)、生成式对抗网络(Generative Adversarial Networks，GAN)、循环神经网络(Recurrent NeuralNetworks，RNN)、深度残差网络(Deep Residual Networks，DRN)、支持向量机(SupportVector Machines，SVM)以及其它的神经网络模型。
为了提高物体识别模型区分任意情况下各种物体的能力，在使用物体识别模型之前，可以首先构建对其进行训练的训练数据集，然后使用训练数据集对初始的物体识别模型进行训练，直至满足预设的训练条件，以得到已训练的物体识别模型。
训练数据集中包括若干训练样本，每个训练样本均包括一帧物体图像和与该图像对应的预期输出的物体类别(即飞行器或非飞行器)。为了提高模型的准确度，这些训练样本应尽量涵盖各种类型的飞行器和非飞行器图像。每种物体类别均可设置对应的数值化表示形式，例如，可以用1表示飞行器，用0表示非飞行器。当然，也可以根据实际情况采用其它的数值化表示形式，本申请实施例对此不作具体限定。
在训练的过程中，可以针对训练数据集中的每个训练样本，使用物体识别模型对该训练样本中的物体图像进行处理，得到实际输出的物体类别，然后根据该训练样本中的预期输出的物体类别和实际输出的物体类别计算训练损失值。训练损失值的具体计算方式可以根据实际情况进行设置，在本申请实施例的一种具体实现中，可以计算预期输出的物体类别和实际输出的物体类别之间的平方误差，并将该平方误差确定为训练损失值。
在计算得到训练损失值之后，则可以根据训练损失值对物体识别模型的模型参数进行调整。在本申请实施例中，假设物体识别模型的模型参数为W1，将训练损失值反向传播修改物体识别模型的模型参数W1，得到修改后的模型参数W2。修改参数之后再继续执行下一次的训练过程，在该次训练过程中，重新计算得到训练损失值，将该训练损失值反向传播修改物体识别模型的模型参数W2，得到修改后的模型参数W3，……，以此类推，不断重复以上过程，每次训练过程均可对模型参数进行修改，直至满足预设的训练条件，其中，训练条件可以是训练次数达到预设的次数阈值，次数阈值可以根据实际情况进行设置，例如，可以将其设置为数千、数万、数十万甚至更大的数值；训练条件也可以是物体识别模型收敛；由于可能出现训练次数还未达到次数阈值，但物体识别模型已经收敛，可能导致重复不必要的工作；或者物体识别模型始终无法收敛，可能导致无限循环，无法结束训练的过程，基于上述两种情况，训练条件还可以是训练次数达到次数阈值或物体识别模型收敛。当满足训练条件，即可得到已训练的物体识别模型。
可选地，为了进一步提高模型对真实场景的适用性，在得到已训练的物体识别模型之后，还可以对物体识别模型进行知识蒸馏，得到知识蒸馏后的物体识别模型。在知识蒸馏过程中，以训练得到的物体识别模型作为教师模型，以另一个随机初始化的神经网络模型为学生模型，以真实数据为学习对象。学生模型通过学习教师模型产生的软目标来提升在真实数据集上的预测能力，能够达到更好的预测精度。
当在指定空域的图像中检测到物体时，可以将物体所在区域的子图像输入到物体识别模型中进行处理，得到输出的物体类别。若物体为非飞行器，则重新采集下一帧的图像并进行物体检测。
步骤S103、若所述物体为飞行器，则通过所述智慧路灯上的雷达测量所述飞行器的飞行参数。
在本实施例中，可以预先建立一个空间立体坐标系统，在该空间立体坐标系统中包括三个坐标维度，分别记为第一坐标维度(x轴)、第二坐标维度(y轴)和第三坐标维度(z轴)，其中，所述第二坐标维度垂直于所述第一坐标维度，所述第三坐标维度分别垂直于所述第一坐标维度和所述第二坐标维度。则可以通过智慧路灯上的雷达(记为主雷达)分别测量飞行器在三个维度上的飞行参数，其中，飞行参数可以包括但不限于位置和速度。
智慧路灯上的雷达受限于其安装位置，其测量的飞行参数可以存在一定的误差，为了进一步提高测量的准确度，在本申请实施例的一种具体实现中，除了安装在智慧路灯上的雷达之外，还可以预先在智慧路灯周边区域的不同预定位置部署若干个雷达，将其记为辅助雷达，这些辅助雷达构成了一个辅助雷达群组。
通过辅助雷达群组也可以测量飞行器的飞行参数，为了便于区分，将其记为辅助飞行参数。在完成飞行参数的测量之后，可以分别确定辅助雷达群组中的各个辅助雷达与飞行器之间的距离，以及所述智慧路灯上的雷达与飞行器之间的距离，然后根据所述辅助雷达群组中的各个辅助雷达与所述飞行器之间的距离，以及所述智慧路灯上的雷达与所述飞行器之间的距离将辅助飞行参数融合入主雷达测量的飞行参数中，得到融合后的飞行参数。
具体地，可以根据辅助雷达群组中的各个辅助雷达与飞行器之间的距离，以及智慧路灯上的雷达与飞行器之间的距离，分别计算各个辅助雷达和智慧路灯上的雷达的权重系数。对于任意一个雷达(主雷达或辅助雷达)而言，其权重系数与该雷达与飞行器之间的距离负相关，即距离越近的雷达的权重系数越大，反之，距离越远的雷达的权重系数越小。在得到权重系数后，即可根据权重系数对辅助飞行参数和主雷达测量的飞行参数进行加权平均，得到融合后的飞行参数。
在本申请实施例中，可以根据实际情况选择直接使用主雷达测量的飞行参数进行后续预测，也可以使用融合后的飞行参数进行后续预测，若为后者，则后续叙述中所出现的飞行参数均指代融合后的飞行参数。
步骤S104、根据所述飞行参数对所述飞行器的飞行轨迹进行预测，得到所述飞行器的预测轨迹。
在申请实施例中，可以周期性地进行飞行参数的测量，此处将测量周期记为Cycle，其具体取值可以根据实际情况进行设置，本申请实施例对此不作具体限定。
在进行飞行轨迹预测时，对于每个维度，可以将周期性测量得到的飞行参数按照时间先后顺序依次排列为一个序列，将其记为基准序列。此处主要是对飞行器的速度进行预测，因此该基准序列即为由各次测量得到的速度按测量顺序由先到后所排列成的序列。
使用预设的时序预测模型对基准序列进行处理，可以得到飞行器的预测参数，也即其在下一个测量时刻的预测速度。时序预测模型可以根据实际情况进行设置，包括但不限于LSTM模型、ARMA模型、ARIMA模型、ARCH模型、GARCH模型以及其它的时序预测模型。
在得到预测参数之后，则可以根据预测参数计算飞行器的下一预测轨迹点。具体地，可以根据下式计算飞行器的下一预测轨迹点：
NextPosX＝PosX+(NextVelX+VelX)×Cycle÷2
NextPosY＝PosY+(NextVelY+VelY)×Cycle÷2
NextPosZ＝PosZ+(NextVelZ+VelZ)×Cycle÷2
其中，(PosX,PosY,PosZ)为最后一次测量得到的飞行器位置，VelX、VelY、VelZ分别为最后一次测量得到的三个维度上的速度，NextVelX、NextVelY、NextVelZ分别为三个维度上的预测速度，(NextPosX,NextPosY,NextPosZ)为下一预测轨迹点的位置。
将所述预测参数添加入所述基准序列中，并重复以上时序预测过程，即可不断得到新的预测轨迹点，直至预测轨迹点的数目达到预设数目为止。这一预设数目可以根据实际情况进行设置，本申请实施例对此不作具体限定。最后，将这些预设数目的预测轨迹点依次连接起来，即可得到飞行器的预测轨迹。
步骤S105、通过所述智慧路灯上的回收装置在所述预测轨迹上对所述飞行器进行回收操作。
如图2所示，步骤S105具体可以包括如下过程：
步骤S1051、在所述预测轨迹上选取目标轨迹点，并计算所述飞行器行进至所述目标轨迹点的目标时刻。
在本申请实施例中，可以根据实际情况在预测轨迹上选取一个预测轨迹点作为目标轨迹点。例如，可以选取最后一次飞行参数测量之后的第一个、第二个、第三个或者其它后续的预测轨迹点作为目标轨迹点。此处将最后一次飞行参数测量的时刻记为InitialT，若选取的目标轨迹点为最后一次飞行参数测量之后的第k个(k为正整数)预测轨迹点，则可以根据下式计算飞行器行进至目标轨迹点的时刻：
TargetT＝InitialT+k×Cycle
其中，TargetT即为飞行器行进至目标轨迹点的时刻，此处将其记为目标时刻。
步骤S1052、确定所述回收装置与所述目标轨迹点之间的相对位置关系。
由于回收装置在智慧路灯上的初始位置是固定的，在选取目标轨迹点之后，则可以确定两者之间的相对位置关系。
步骤S1053、根据所述目标时刻和所述相对位置关系计算所述回收装置的发射参数。
首先，将智慧路灯视作一条竖直线段，根据该线段与目标轨迹点可以确定唯一的平面，将其记为回收平面。在回收平面上建立平面直角坐标系，例如，可以将智慧路灯与地面的交点作为坐标系的基点，将竖直向上的方向作为纵轴正方向，将垂直于纵轴且指向目标轨迹点的方向作为横轴正方向。
在建立平面直角坐标系之后，则可以根据目标时刻和回收装置与目标轨迹点之间的相对位置关系在平面直角坐标系中构建回收装置的运动轨迹方程。具体地，将两者之间的这一相对位置关系投影至平面直角坐标系中，可以得到两者在平面直角坐标系下的竖直距离和水平距离，则可以建立如下所示的运动轨迹方程：
VerticalDis＝VerVel×(TargetT－LaunchT)－1/2×g×(TargetT－LaunchT)2
HorizonDis＝HorVel×(TargetT－LaunchT)
其中，VerticalDis为回收装置与目标轨迹点在平面直角坐标系下的竖直距离，也即在纵轴上的距离，HorizonDis为回收装置与目标轨迹点在平面直角坐标系下的水平距离，也即在横轴上的距离，g为重力加速度，LaunchT为回收装置的发射时刻，可以根据实际情况进行设置，例如，可以将其设置为距最后一次飞行参数测量固定时长之后的时刻，容易理解地，发射时刻应早于目标时刻。VerVel为回收装置的竖直发射速度，HorVel为回收装置的水平发射速度。求解这一运动轨迹方程，即可得到VerVel和HorVel等发射参数。
需要注意的是，发射参数的结果可能并不唯一，可以根据实际情况下从中选择取值较小的一组发送参数，从而减少发射回收装置时所耗费的能量。
步骤S1054、按照所述发射参数发射所述回收装置，以对所述飞行器进行回收操作。
回收装置包括用于包裹飞行器的绳网、装载绳网的容器以及计时器，该容器中内置有弹射装置。在智慧路灯发射回收装置时，绳网处于折叠状态装载在容器中，当计时器计时到目标时刻时，启动弹射装置，将绳网从容器中弹射展开，从而包裹住飞行器，实现对飞行器的回收操作。
在本申请实施例的一种具体实现中，回收装置可以通过预设的连接线与智慧路灯连接，且连接线缠绕于智慧路灯的转轴上。智慧路灯将回收装置发射出去之后，在回收装置向目标轨迹点的运动过程中，智慧路灯可以驱动所述转轴按照第一旋转方向旋转，以逐步释放连接线，其中，第一旋转方向即为释放连接线的旋转方向。在回收装置到达目标轨迹点，包裹住飞行器之后，智慧路灯还可以驱动转轴按照第二旋转方向旋转，以逐步回收连接线，对包裹住飞行器的回收装置进行回收，其中，第二旋转方向即为回收连接线的旋转方向。通过这样的方式可以避免飞行器坠落造成人员或财物损失，进一步增加回收操作的安全性。
在以上的过程中，是默认对所有的飞行器均进行回收操作。但在实际情况中，某些飞行器可能是已经提前经过相关部门批准在指定空域飞行的合规飞行器，因此在本申请实施例的另一种具体实现中，在确定检测到的物体为飞行器之后，可以先对其进行身份核实。
具体地，智慧路灯可以通过预设的通信频率向飞行器发送身份核实请求信息，并接收飞行器的反馈信息。
若在预设的时长内未接收到反馈信息，则可以判定该飞行器不是合规飞行器，继续执行通过所述智慧路灯上的雷达测量所述飞行器的飞行参数的步骤及其后续步骤。
若在预设的时长内接收到反馈信息，则可以从反馈信息中提取飞行器标识以及与该飞行器标识对应的第一验证信息，其中，飞行器标识由预设的服务器统一分配，每个合规飞行器的飞行器标识各不相同。第一验证信息为飞行器使用自身存储的哈希函数对该飞行器标识进行哈希计算所得结果。合规飞行器和智慧路灯均可以预先从预设的服务器中获取同样的哈希函数并存储在本地，以便进行身份核实。
然后，智慧路灯可以使用其自身存储的哈希函数对该飞行器标识进行哈希计算，得到与所述飞行器标识对应的第二验证信息，并将第一验证信息和第二验证信息进行比对。若第一验证信息与第二验证信息不一致，则可以判定该飞行器不是合规飞行器，继续执行通过所述智慧路灯上的雷达测量所述飞行器的飞行参数的步骤及其后续步骤。若第一验证信息与第二验证信息一致，则可以判定该飞行器为合规飞行器，不再执行通过所述智慧路灯上的雷达测量所述飞行器的飞行参数的步骤及其后续步骤，即不再对其进行回收操作。
考虑到长期使用同一个哈希函数会使得计算得到的验证信息总是固定的，若验证信息被不法分子截获，则会造成长期的安全隐患。因此，在本申请实施例的另一种具体实现中，服务器可以周期性地进行哈希函数的更新，每次更新时，记录下此时的时间戳，将其记为更新时间戳。在记录下最新的更新时间戳之后，可以删除掉之前记录的更新时间戳。
智慧路灯以及合规飞行器每次在进行哈希运算之前，均可从服务器获取最新的哈希函数。以智慧路灯为例，智慧路灯可以向服务器发送更新时间戳查询请求信息，并接收服务器反馈的更新时间戳。若服务器反馈的更新时间戳与智慧路灯存储的更新时间戳(在初始状态下，智慧路灯存储的更新时间戳为空)不一致，则向服务器发送哈希函数更新请求信息，并接收服务器反馈的哈希函数。然后，使用服务器反馈的哈希函数替换智慧路灯存储的哈希函数(在初始状态下，智慧路灯存储的哈希函数为空)，并使用服务器反馈的更新时间戳替换智慧路灯存储的更新时间戳。若服务器反馈的更新时间戳与智慧路灯存储的更新时间戳一致，则无需进行哈希函数的更新，直接使用智慧路灯存储的哈希函数进行哈希运算。通过这样的方式，即使不法分子截获到验证信息，该验证信息也会很快失效，无法造成进一步的安全隐患。
综上所述，本申请实施例通过智慧路灯上的摄像装置采集指定空域的图像，并在所述指定空域的图像中进行物体检测；若在所述指定空域的图像中检测到物体，则使用预设的物体识别模型判断所述物体是否为飞行器；若所述物体为飞行器，则通过所述智慧路灯上的雷达测量所述飞行器的飞行参数；根据所述飞行参数对所述飞行器的飞行轨迹进行预测，得到所述飞行器的预测轨迹；通过所述智慧路灯上的回收装置在所述预测轨迹上对所述飞行器进行回收操作。通过本申请实施例，在智慧路灯上搭载摄像装置、雷达及回收装置，可以在指定空域对飞行器进行识别、轨迹预测以及回收操作，从而有效实现了对飞行器的管制，减少了飞行器滥用带来的安全隐患。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的一种基于智慧路灯的空域管制方法，图3示出了本申请实施例提供的一种空域管制装置的一个实施例结构图。
本实施例中，一种空域管制装置可以包括：
物体检测模块301，用于通过智慧路灯上的摄像装置采集指定空域的图像，并在所述指定空域的图像中进行物体检测；
飞行器判断模块302，用于若在所述指定空域的图像中检测到物体，则使用预设的物体识别模型判断所述物体是否为飞行器；
飞行参数测量模块303，用于若所述物体为飞行器，则通过所述智慧路灯上的雷达测量所述飞行器的飞行参数；
飞行轨迹预测模块304，用于根据所述飞行参数对所述飞行器的飞行轨迹进行预测，得到所述飞行器的预测轨迹；
飞行器回收模块305，用于通过所述智慧路灯上的回收装置在所述预测轨迹上对所述飞行器进行回收操作。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
图4示出了本申请实施例提供的一种智慧路灯的示意框图，为了便于说明，仅示出了与本申请实施例相关的部分。
如图4所示，该实施例的智慧路灯4包括：处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。所述处理器40执行所述计算机程序42时实现上述各个基于智慧路灯的空域管制方法实施例中的步骤，例如图1所示的步骤S101至步骤S105。或者，所述处理器40执行所述计算机程序42时实现上述各装置实施例中各模块/单元的功能，例如图3所示模块301至模块305的功能。
示例性的，所述计算机程序42可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器41中，并由所述处理器40执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序42在所述智慧路灯4中的执行过程。
本领域技术人员可以理解，图4仅仅是智慧路灯4的示例，并不构成对智慧路灯4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述智慧路灯4还可以包括输入输出设备、网络接入设备、总线等。
所述处理器40可以是中央处理单元(Central Processing Unit，CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述智慧路灯4的内部存储单元，例如智慧路灯4的硬盘或内存。所述存储器41也可以是所述智慧路灯4的外部存储设备，例如所述智慧路灯4上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器41还可以既包括所述智慧路灯4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述智慧路灯4所需的其它程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/智慧路灯和方法，可以通过其它的方式实现。例如，以上所描述的装置/智慧路灯实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读存储介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种基于智慧路灯的空域管制方法，其特征在于，包括：
通过智慧路灯上的摄像装置采集指定空域的图像，并在所述指定空域的图像中进行物体检测；
若在所述指定空域的图像中检测到物体，则使用预设的物体识别模型判断所述物体是否为飞行器；
若所述物体为飞行器，则通过所述智慧路灯上的雷达测量所述飞行器的飞行参数；
根据所述飞行参数对所述飞行器的飞行轨迹进行预测，得到所述飞行器的预测轨迹；
通过所述智慧路灯上的回收装置在所述预测轨迹上对所述飞行器进行回收操作。
2.根据权利要求1所述的基于智慧路灯的空域管制方法，其特征在于，所述通过所述智慧路灯上的回收装置在所述预测轨迹上对所述飞行器进行回收操作，包括：
在所述预测轨迹上选取目标轨迹点，并计算所述飞行器行进至所述目标轨迹点的目标时刻；
确定所述回收装置与所述目标轨迹点之间的相对位置关系；
根据所述目标时刻和所述相对位置关系计算所述回收装置的发射参数；
按照所述发射参数发射所述回收装置，以对所述飞行器进行回收操作。
3.根据权利要求2所述的基于智慧路灯的空域管制方法，其特征在于，所述根据所述目标时刻和所述相对位置关系计算所述回收装置的发射参数，包括：
在回收平面上建立平面直角坐标系，所述回收平面为由所述智慧路灯和所述目标轨迹点所确定的平面；
根据所述目标时刻和所述相对位置关系在所述平面直角坐标系中构建所述回收装置的运动轨迹方程；
求解所述运动轨迹方程，得到所述回收装置的发射参数。
4.根据权利要求2所述的基于智慧路灯的空域管制方法，其特征在于，所述回收装置通过预设的连接线与所述智慧路灯连接，且所述连接线缠绕于所述智慧路灯的转轴上；
在所述回收装置向所述目标轨迹点的运动过程中，还包括：
驱动所述转轴按照第一旋转方向旋转，以逐步释放所述连接线；
在所述回收装置到达所述目标轨迹点之后，还包括：
驱动所述转轴按照第二旋转方向旋转，以逐步回收所述连接线。
5.根据权利要求1所述的基于智慧路灯的空域管制方法，其特征在于，在根据所述飞行参数对所述飞行器的飞行轨迹进行预测之前，还包括：
通过预设的辅助雷达群组测量所述飞行器的辅助飞行参数，所述辅助雷达群组中包括若干个辅助雷达，且各个辅助雷达分别分布在不同的预定位置；
分别确定所述辅助雷达群组中的各个辅助雷达与所述飞行器之间的距离，以及所述智慧路灯上的雷达与所述飞行器之间的距离；
根据所述辅助雷达群组中的各个辅助雷达与所述飞行器之间的距离，以及所述智慧路灯上的雷达与所述飞行器之间的距离将所述辅助飞行参数融合入所述飞行参数中，得到融合后的飞行参数。
6.根据权利要求5所述的基于智慧路灯的空域管制方法，其特征在于，所述根据所述辅助雷达群组中的各个辅助雷达与所述飞行器之间的距离，以及所述智慧路灯上的雷达与所述飞行器之间的距离将所述辅助飞行参数融合入所述飞行参数中，包括：
根据所述辅助雷达群组中的各个辅助雷达与所述飞行器之间的距离，以及所述智慧路灯上的雷达与所述飞行器之间的距离，分别计算各个辅助雷达和所述智慧路灯上的雷达的权重系数；
根据所述权重系数对所述辅助飞行参数和所述飞行参数进行加权平均，得到融合后的飞行参数。
7.根据权利要求1所述的基于智慧路灯的空域管制方法，其特征在于，在通过所述智慧路灯上的雷达测量所述飞行器的飞行参数之前，还包括：
通过预设的通信频率向所述飞行器发送身份核实请求信息，并接收所述飞行器的反馈信息；
若在预设的时长内接收到所述反馈信息，则从所述反馈信息中提取飞行器标识以及与所述飞行器标识对应的第一验证信息；
使用所述智慧路灯存储的哈希函数对所述飞行器标识进行哈希计算，得到与所述飞行器标识对应的第二验证信息；
若所述第一验证信息与所述第二验证信息一致，则判定所述飞行器为合规飞行器，不再执行通过所述智慧路灯上的雷达测量所述飞行器的飞行参数的步骤及其后续步骤。
8.根据权利要求7所述的基于智慧路灯的空域管制方法，其特征在于，在使用所述智慧路灯存储的哈希函数对所述飞行器标识进行哈希计算之前，还包括：
向预设的服务器发送更新时间戳查询请求信息，并接收所述服务器反馈的更新时间戳；所述更新时间戳为所述服务器对哈希函数进行更新时的时间戳；
若所述服务器反馈的更新时间戳与所述智慧路灯存储的更新时间戳不一致，则向所述服务器发送哈希函数更新请求信息，并接收所述服务器反馈的哈希函数；
使用所述服务器反馈的哈希函数替换所述智慧路灯存储的哈希函数，并使用所述服务器反馈的更新时间戳替换所述智慧路灯存储的更新时间戳。
9.根据权利要求1至8中任一项所述的基于智慧路灯的空域管制方法，其特征在于，所述根据所述飞行参数对所述飞行器的飞行轨迹进行预测，得到所述飞行器的预测轨迹，包括：
将所述飞行参数按照时间先后顺序排列为基准序列；
使用预设的时序预测模型对所述基准序列进行处理，得到所述飞行器的预测参数；
根据所述预测参数计算所述飞行器的下一预测轨迹点；
将所述预测参数添加入所述基准序列中，并返回执行所述使用预设的时序预测模型对所述基准序列进行处理的步骤及其后续步骤，直至计算得到预设数目的预测轨迹点为止；
根据所述预设数目的预测轨迹点确定所述飞行器的预测轨迹。
10.一种智慧路灯，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至9中任一项所述的空域管制方法的步骤。
CN202110113706.9A 2021-01-27 2021-01-27 一种基于智慧路灯的空域管制方法及智慧路灯 Active CN112908039B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110113706.9A CN112908039B (zh) 2021-01-27 2021-01-27 一种基于智慧路灯的空域管制方法及智慧路灯

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110113706.9A CN112908039B (zh) 2021-01-27 2021-01-27 一种基于智慧路灯的空域管制方法及智慧路灯

Publications (2)

Publication Number Publication Date
CN112908039A true CN112908039A (zh) 2021-06-04
CN112908039B CN112908039B (zh) 2022-02-25

Family

ID=76119157

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110113706.9A Active CN112908039B (zh) 2021-01-27 2021-01-27 一种基于智慧路灯的空域管制方法及智慧路灯

Country Status (1)

Country Link
CN (1) CN112908039B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113359835A (zh) * 2021-06-23 2021-09-07 广东万嘉通通信科技有限公司 一种智慧杆及基于智慧杆的分布式云系统
CN117522633A (zh) * 2023-12-29 2024-02-06 宝德照明集团有限公司 一种基于智慧路灯云平台的管理系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170261604A1 (en) * 2016-03-11 2017-09-14 Raytheon Bbn Technologies Corp. Intercept drone tasked to location of lidar tracked drone
CN107579817A (zh) * 2017-09-12 2018-01-12 广州广电运通金融电子股份有限公司 基于区块链的用户身份验证方法、装置及系统
CN108255191A (zh) * 2016-12-29 2018-07-06 上海三思电子工程有限公司 无人机管控方法及智慧路灯系统
CN110329530A (zh) * 2019-07-22 2019-10-15 黑龙江大学 一种弹射网捕捉式空中低速无人机回收装置
CN110471055A (zh) * 2019-07-08 2019-11-19 岭澳核电有限公司 飞行物轨迹预测方法、装置、可读存储介质及终端设备
CN110703760A (zh) * 2019-10-30 2020-01-17 杭州叙简科技股份有限公司 一种用于安防巡检机器人的新增可疑物体检测方法
CN210070745U (zh) * 2019-03-13 2020-02-14 北京天剑维安科技发展有限公司 新型智能网捕反无人机系统
CN111444760A (zh) * 2020-02-19 2020-07-24 天津大学 一种基于剪枝与知识蒸馏的交通标志检测与识别方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170261604A1 (en) * 2016-03-11 2017-09-14 Raytheon Bbn Technologies Corp. Intercept drone tasked to location of lidar tracked drone
CN108255191A (zh) * 2016-12-29 2018-07-06 上海三思电子工程有限公司 无人机管控方法及智慧路灯系统
CN107579817A (zh) * 2017-09-12 2018-01-12 广州广电运通金融电子股份有限公司 基于区块链的用户身份验证方法、装置及系统
CN210070745U (zh) * 2019-03-13 2020-02-14 北京天剑维安科技发展有限公司 新型智能网捕反无人机系统
CN110471055A (zh) * 2019-07-08 2019-11-19 岭澳核电有限公司 飞行物轨迹预测方法、装置、可读存储介质及终端设备
CN110329530A (zh) * 2019-07-22 2019-10-15 黑龙江大学 一种弹射网捕捉式空中低速无人机回收装置
CN110703760A (zh) * 2019-10-30 2020-01-17 杭州叙简科技股份有限公司 一种用于安防巡检机器人的新增可疑物体检测方法
CN111444760A (zh) * 2020-02-19 2020-07-24 天津大学 一种基于剪枝与知识蒸馏的交通标志检测与识别方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113359835A (zh) * 2021-06-23 2021-09-07 广东万嘉通通信科技有限公司 一种智慧杆及基于智慧杆的分布式云系统
CN117522633A (zh) * 2023-12-29 2024-02-06 宝德照明集团有限公司 一种基于智慧路灯云平台的管理系统
CN117522633B (zh) * 2023-12-29 2024-03-19 宝德照明集团有限公司 一种基于智慧路灯云平台的管理系统

Also Published As

Publication number Publication date
CN112908039B (zh) 2022-02-25

Similar Documents

Publication Publication Date Title
CN112908039B (zh) 一种基于智慧路灯的空域管制方法及智慧路灯
JP6997301B2 (ja) デジタル地図のデジタルモデルを作成および／または更新するためのシステム
CN109255288A (zh) 一种路面破损检测方法、装置及终端设备
EP4072173A1 (en) Data transmission method and device
US10885240B2 (en) Deterministic simulation framework for autonomous vehicle testing
CN112712023B (zh) 车型识别方法、系统及电子设备
CN112885112B (zh) 车辆行驶检测的方法、车辆行驶预警的方法和装置
CN109544996A (zh) 一种无人机管控方法、装置、系统及可读存储介质
CN113569406A (zh) 基于自动驾驶的数据测试方法、设备及可读存储介质
WO2021146906A1 (zh) 测试场景仿真方法、装置、计算机设备和存储介质
CN113129596A (zh) 行驶数据处理方法、装置、设备、存储介质及程序产品
JP2023530731A (ja) マップ更新データ処理方法、装置、およびシステム
CN113793080A (zh) 一种仓库运行状态实时模拟方法和装置
KR20190143832A (ko) 항공 교통 관리 전자 시스템 테스트 방법, 해당 전자 장치 및 플랫폼
KR102323228B1 (ko) 드론을 이용하는 구조물 안전점검 유지관리 방법 및 시스템
CN113189989A (zh) 车辆意图预测方法、装置、设备及存储介质
CN117094660A (zh) 一种基于数字孪生技术的施工监控方法及系统
CN110853364A (zh) 数据监控方法和装置
CN116105712A (zh) 道路地图的生成方法、回注方法、计算机设备及介质
CN112509384B (zh) 一种基于智慧路灯的飞行器管制方法及智慧路灯
CN113793490B (zh) 一种电子围栏的压力测试方法、装置、存储介质及终端
CN114202272A (zh) 一种基于电子围栏的车货匹配方法、装置、存储介质及终端
KR102221158B1 (ko) 레이더 장치와 영상 처리를 이용하여 차종, 속도, 통행량을 검지하는 장치 및 방법
CN113048988B (zh) 一种导航地图对应场景的变化元素检测方法及装置
JP7232727B2 (ja) 地図データ管理装置及び地図データ管理方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant