CN114020023B - 一种基于无人机的嵌入式ai摄像分析系统及方法 - Google Patents
一种基于无人机的嵌入式ai摄像分析系统及方法 Download PDFInfo
- Publication number
- CN114020023B CN114020023B CN202111301927.5A CN202111301927A CN114020023B CN 114020023 B CN114020023 B CN 114020023B CN 202111301927 A CN202111301927 A CN 202111301927A CN 114020023 B CN114020023 B CN 114020023B
- Authority
- CN
- China
- Prior art keywords
- path
- unit
- image
- unmanned aerial
- aerial vehicle
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于无人机的嵌入式AI摄像分析系统及方法,包括:环境感知模块、数据管理中心、图像整合模块、整合图像分析模块和通行路径调度模块,通过环境感知模块获取起点和终点信息,控制无人机拍摄起点到终点的图像,通过数据管理中心存储无人机拍摄到的图像数据,通过图像整合模块调取图像数据,拟合可行路径,通过整合图像分析模块分析整合图像中可行路径的通行概率,依据分析结果规划到达目的地的最优路径,通过通行路径调度模块控制无人机依据最优路径引导用户前往目的地,遇到不可通行状况时发出警报信号,预测其余路径的通行效率,规划调整引导路径,控制无人机及时更换最优引导路径,节省了前往目的地的时间。
Description
技术领域
本发明涉及无人机图像分析技术领域,具体为一种基于无人机的嵌入式AI摄像分析系统及方法。
背景技术
随着电子技术的发展,无人机的应用越发广泛,凭借高空拍摄等优势,利用无人机在复杂地形或大范围地区进行特定环境感知,引导用户前往目的地,能够帮助用户选择可通行的路径,顺利到达目的地,嵌入式AI指的是设备无须通过云端数据中心进行大规模计算,而是在本地计算就能实现人工智能,在不联网的情况下就可以做到实时环境感知、人机交互和决策控制,摄像头加入嵌入式AI芯片,能够在源头上去重,筛选掉部分无用图像数据,减轻系统工作量;
但是,现有技术中,只利用嵌入式AI筛除部分数据,而不能够与大数据进行结合,分析并调整最优路径,无法帮助在复杂地带经过的用户及时地规避不可通行路径,耗费了用户到达目的地的时间。
所以,人们需要一种基于无人机的嵌入式AI摄像分析系统及方法来解决上述问题。
发明内容
本发明的目的在于提供一种基于无人机的嵌入式AI摄像分析系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于无人机的嵌入式AI摄像分析系统,其特征在于:所述系统包括:环境感知模块、数据管理中心、图像整合模块、整合图像分析模块和通行路径调度模块;
所述环境感知模块用于获取起点和终点信息,控制无人机拍摄起点到终点的图像;所述数据管理中心用于存储无人机拍摄到的图像数据;所述图像整合模块用于调取图像数据,拟合可行路径,将所有存在可行路径的图像进行整合;所述整合图像分析模块用于分析整合图像中可行路径的通行概率,依据分析结果规划到达目的地的最优路径;所述通行路径调度模块用于控制无人机依据最优路径引导用户前往目的地,遇到不可通行状况时发出警报信号,预测其余路径的通行效率,规划调整引导路径,在无人机摄像头中加入嵌入式AI芯片,进行周围环境感知,同时结合大数据分析到达目的地的最优路径,在引导过程中及时调整优化路径,在减轻系统工作量的同时规避不可通行路径,节省了用户到达目的地的时间。
进一步的,所述环境感知模块包括目的地获取单元和图像拍摄单元,所述目的地获取单元用于获取起始点和终点的位置信息,将获取到的信息传输到所述图像拍摄单元中;所述图像拍摄单元用于控制无人机拍摄起始点到起点的图像。
进一步的,所述图像整合模块包括图像调取单元、可行路径获取单元和可行路径拟合单元,所述图像调取单元用于调取所述数据管理中心中的图像数据;所述可行路径获取单元用于筛选获取存在可行路径的图像;所述可行路径拟合单元用于对图像进行边界处理后拟合可行路径,整合图像组成完整路径。
进一步的,所述整合图像分析模块包括遮蔽区域分析单元、遮蔽点统计单元、通行概率分析单元和最优路径规划单元,所述遮蔽区域分析单元用于分析图像中的路径上存在的遮蔽区域范围;所述遮蔽点统计单元用于统计整合图像中存在的所有路径上的遮蔽点数量;所述通行概率分析单元用于分析所有路径的可通行概率;所述最优路径规划单元用于选择可通行概率最高的路径作为最优路径。
进一步的,所述通行路径调度模块包括阻挡警报单元、通行效率预测单元和最优路径调整单元,所述阻挡警报单元用于控制无人机引导用户通过最优路径,在不可通行时,发出阻挡警报信号;所述通行效率预测单元用于预测除最优路径外剩余路径的通行效率;所述最优路径调整单元用于选择通行效率最高的路径作为新最优路径,引导用户通过新最优路径。
一种基于无人机的嵌入式AI摄像分析方法,其特征在于:包括以下步骤:
S11:获取起点、终点信息,拍摄图像,调取筛选存在可行路径的图像;
S12:拟合可行路径,整合图像;
S13:分析整合图像数据,规划最优路径;
S14:控制无人机引导用户通过最优路径,在不可通行时调整、另行选择最优路径。
进一步的,在步骤S11-S12中:利用目标获取单元获取起点和终点的位置信息,利用图像拍摄单元控制无人机拍摄从起点到终点的图像,将拍摄的图像传输到数据管理中心中,利用图像调取单元调取所述数据管理中心中存储的所有图像,利用可行路径获取单元筛选出存在可行路径的图像,对图像进行边界处理后得到随机一个存在可行路径的图像中路径曲线的像素点坐标集合为(x,y)={(x1,y1),(x2,y2),...,(xn,yn)},其中,n表示像素点数量,根据像素点分布设定拟合函数为Y=αx2+βx+γ,代入像素点坐标得到残差平方和δ:根据下列公式求解拟合函数系数α、β和γ:
代入像素点坐标得到系数α、β和γ的值,利用可行路径拟合单元通过确认系数的拟合函数对图像中的路径曲线进行拟合,将拟合后所有存在可行路径的图像进行拼接整合,得到完整的路径图像,对图像作边界处理,有利于获得图像中的有用数据:通行路径数据,利用二次拟合对碎片化图像进行拟合的目的在于将图像显示的通行路径进行处理、帮助合成碎片化图像,显示完整的通行路径,有利于提高选择调整最优路径结果的准确性。
进一步的,在步骤S13中:利用遮蔽点统计单元统计到整合后图像中所有路径上的遮蔽点数量集合为M={M1,M2,...,Mk},其中,k表示可行路径数量,对图像中的遮蔽区域进行边界处理后,得到随机一个遮蔽区域边缘曲线方程为:根据下列公式计算对应遮蔽区域面积Si:
其中,A和B表示遮蔽区域边缘与路径交点的横坐标,利用通行概率分析单元分析随机一条可行路径可通行到达终点的概率:根据下列公式计算随机一条可行路径的可通行概率Pi:
其中,S总i表示随机一条路径的遮蔽区域总面积,Mi表示该路径上的遮蔽点数量,得到所有路径的可通行概率集合为P={P1,P2,...,Pk},利用最优路径规划单元比较可通行概率:选择可通行概率最高的路径作为最优路径,最高可通行概率为Pmax,利用积分方式计算遮蔽区域面积的目的在于作为分析路径可通行概率的一个影响因素,有利于提高分析路径可通行概率的综合性,综合考虑路径上的遮蔽点数量以及遮蔽区域面积,计算路径的可通行概率的目的在于选择通行概率最高的路径作为最优路径,减少了引导过程中出现路径不可通行情况的可能性,改善了无人机拍摄图像中出现遮蔽点、无法判断是否可通行的弊端。
进一步的,在步骤S14中:控制无人机引导用户通过最优路径,在遇到最优路径不可通行状况时,利用阻挡警报单元发出不可通行警报信号至通行效率预测单元,利用通行效率预测单元预测除最优路径外剩余路径的通行效率:获取到从当前不可通行点通过剩余路径到达终点的路程集合为W={W1,W2,...,Wk-1},其中,k-1表示剩余路径数量,根据下列公式计算剩余随机一条路径的通行效率Qi:
Qi=Wi×Pi;
其中,Wi表示从当前不可通行点通过对应路径到达终点的路程,Pi表示对应路径的可通行概率,在遇到最优路径不可通行时,结合路程和剩余路径的可通行概率分析通行效率的目的在于选择最优的调整路径,及时调整最优路径节省了用户到达目的地的时间。
进一步的,利用最优路径调整单元调整路径:获取到剩余所有路径的通行效率集合为Q={Q1,Q2,...,Qk-1},比较通行效率,通行效率越高,说明路径的可通行概率越高且路程越短,选择通行效率最高的路径作为新最优路径,最高通行效率为Qmax,引导用户通过新最优路径前往终点。
与现有技术相比,本发明所达到的有益效果是:
本发明通过在无人机摄像头中加入嵌入式AI芯片,进行环境感知拍摄,利用无人机在复杂地形或大范围地区进行特定环境感知,引导用户前往目的地,能够帮助用户选择可通行的路径,顺利到达目的地,同时结合大数据分析到达目的地的最优路径,在引导过程中及时调整优化路径,在减轻系统工作量的同时规避不可通行路径,节省了用户到达目的地的时间,改善了无人机拍摄图像中存在被遮蔽区域、影响可通行判断结果准确性的弊端。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于无人机的嵌入式AI摄像分析系统及方法的结构图;
图2是本发明一种基于无人机的嵌入式AI摄像分析系统及方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
请参阅图1-2,本发明提供技术方案:一种基于无人机的嵌入式AI摄像分析系统及方法,其特征在于:系统包括:环境感知模块S1、数据管理中心S2、图像整合模块S3、整合图像分析模块S4和通行路径调度模块S5;
环境感知模块S1用于获取起点和终点信息,控制无人机拍摄起点到终点的图像;数据管理中心S2用于存储无人机拍摄到的图像数据;图像整合模块S3用于调取图像数据,拟合可行路径,将所有存在可行路径的图像进行整合;整合图像分析模块S4用于分析整合图像中可行路径的通行概率,依据分析结果规划到达目的地的最优路径;通行路径调度模块S5用于控制无人机依据最优路径引导用户前往目的地,遇到不可通行状况时发出警报信号,预测其余路径的通行效率,规划调整引导路径,在无人机摄像头中加入嵌入式AI芯片,进行周围环境感知,同时结合大数据分析到达目的地的最优路径,在引导过程中及时调整优化路径,有效减轻了系统工作量,同时规避了不可通行路径,节省了用户到达目的地的时间。
环境感知模块S1包括目的地获取单元和图像拍摄单元,目的地获取单元用于获取起始点和终点的位置信息,将获取到的信息传输到图像拍摄单元中;图像拍摄单元用于控制无人机拍摄起始点到起点的图像。
图像整合模块S3包括图像调取单元、可行路径获取单元和可行路径拟合单元,图像调取单元用于调取数据管理中心S2中的图像数据;可行路径获取单元用于筛选获取存在可行路径的图像;可行路径拟合单元用于对图像进行边界处理后拟合可行路径,整合图像组成完整路径。
整合图像分析模块S4包括遮蔽区域分析单元、遮蔽点统计单元、通行概率分析单元和最优路径规划单元,遮蔽区域分析单元用于分析图像中的路径上存在的遮蔽区域范围;遮蔽点统计单元用于统计整合图像中存在的所有路径上的遮蔽点数量;通行概率分析单元用于分析所有路径的可通行概率;最优路径规划单元用于选择可通行概率最高的路径作为最优路径。
通行路径调度模块S5包括阻挡警报单元、通行效率预测单元和最优路径调整单元,阻挡警报单元用于控制无人机引导用户通过最优路径,在不可通行时,发出阻挡警报信号;通行效率预测单元用于预测除最优路径外剩余路径的通行效率;最优路径调整单元用于选择通行效率最高的路径作为新最优路径,引导用户通过新最优路径。
一种基于无人机的嵌入式AI摄像分析方法,其特征在于:包括以下步骤:
S11:获取起点、终点信息,拍摄图像,调取筛选存在可行路径的图像;
S12:拟合可行路径,整合图像;
S13:分析整合图像数据,规划最优路径;
S14:控制无人机引导用户通过最优路径,判断最优路径是否可通行:若可通行,引导用户至终点;若不可通行,调整、另行选择最优路径。
在步骤S11-S12中:利用目标获取单元获取起点和终点的位置信息,利用图像拍摄单元控制无人机拍摄从起点到终点的图像,将拍摄的图像传输到数据管理中心S2中,利用图像调取单元调取数据管理中心S2中存储的所有图像,利用可行路径获取单元筛选出存在可行路径的图像,对图像进行边界处理后得到随机一个存在可行路径的图像中路径曲线的像素点坐标集合为(x,y)={(x1,y1),(x2,y2),...,(xn,yn)},其中,n表示像素点数量,根据像素点分布设定拟合函数为Y=αx2+βx+γ,代入像素点坐标得到残差平方和δ:根据下列公式求解拟合函数系数α、β和γ:
代入像素点坐标得到系数α、β和γ的值,利用可行路径拟合单元通过确认系数的拟合函数对图像中的路径曲线进行拟合,将拟合后所有存在可行路径的图像进行拼接整合,得到完整的路径图像,对图像作边界处理,便于获得图像中的有用数据:通行路径数据,利用二次拟合对碎片化图像进行拟合的目的在于将图像显示的通行路径进行处理、帮助合成碎片化图像,显示完整的通行路径,能够提高选择调整最优路径结果的准确性。
在步骤S13中:利用遮蔽点统计单元统计到整合后图像中所有路径上的遮蔽点数量集合为M={M1,M2,...,Mk},其中,k表示可行路径数量,对图像中的遮蔽区域进行边界处理后,得到随机一个遮蔽区域边缘曲线方程为:根据下列公式计算对应遮蔽区域面积Si:
其中,A和B表示遮蔽区域边缘与路径交点的横坐标,利用通行概率分析单元分析随机一条可行路径可通行到达终点的概率:根据下列公式计算随机一条可行路径的可通行概率Pi:
其中,S总i表示随机一条路径的遮蔽区域总面积,Mi表示该路径上的遮蔽点数量,得到所有路径的可通行概率集合为P={P1,P2,...,Pk},利用最优路径规划单元比较可通行概率:选择可通行概率最高的路径作为最优路径,最高可通行概率为Pmax,利用积分方式计算遮蔽区域面积的目的在于作为分析路径可通行概率的一个影响因素,能够提高分析路径可通行概率的综合性,综合考虑路径上的遮蔽点数量以及遮蔽区域面积,计算路径的可通行概率的目的在于选择通行概率最高的路径作为最优路径,减少了引导过程中出现路径不可通行情况的可能性,改善了无人机拍摄图像中出现遮蔽点、无法判断是否可通行的弊端。
在步骤S14中:控制无人机引导用户通过最优路径,在遇到最优路径不可通行状况时,利用阻挡警报单元发出不可通行警报信号至通行效率预测单元,利用通行效率预测单元预测除最优路径外剩余路径的通行效率:获取到从当前不可通行点通过剩余路径到达终点的路程集合为W={W1,W2,...,Wk-1},其中,k-1表示剩余路径数量,根据下列公式计算剩余随机一条路径的通行效率Qi:
Qi=Wi×Pi;
其中,Wi表示从当前不可通行点通过对应路径到达终点的路程,Pi表示对应路径的可通行概率,在遇到最优路径不可通行时,结合路程和剩余路径的可通行概率分析通行效率的目的在于选择最优的调整路径,及时调整最优路径节省了用户到达目的地的时间。
利用最优路径调整单元调整路径:获取到剩余所有路径的通行效率集合为Q={Q1,Q2,...,Qk-1},比较通行效率,通行效率越高,说明路径的可通行概率越高且路程越短,选择通行效率最高的路径作为新最优路径,最高通行效率为Qmax,引导用户通过新最优路径前往终点。
实施例一:利用目标获取单元获取起点和终点的位置信息,利用图像拍摄单元控制无人机拍摄从起点到终点的图像,将拍摄的图像传输到数据管理中心S2中,利用图像调取单元调取数据管理中心S2中存储的所有图像,利用可行路径获取单元筛选出存在可行路径的图像,对图像进行边界处理后得到随机一个存在可行路径的图像中路径曲线的像素点坐标集合为(x,y)={(x1,y1),(x2,y2),(x3,y3)}={(0,1.1),(1,0),(2,0.9)},设定拟合函数为Y=αx2+βx+γ,代入像素点坐标得到残差平方和δ:
根据公式和求解拟合函数系数α=1、β=-2.1和γ=1.1,利用可行路径拟合单元通过拟合函数Y=x2-2.1x+1.1对图像中的路径曲线进行拟合,将拟合后所有存在可行路径的图像进行拼接整合,得到完整的路径图像;利用遮蔽点统计单元统计到整合后图像中所有路径上的遮蔽点数量集合为M={M1,M2,M3}={5,3,2},对图像中的遮蔽区域进行边界处理后,得到随机一个遮蔽区域边缘曲线方程为:根据公式计算对应遮蔽区域面积Si=4.2,利用通行概率分析单元分析随机一条可行路径可通行到达终点的概率:根据公式得到所有路径的可通行概率集合为P={P1,P2,P3}={0.69,0.51,0.82},利用最优路径规划单元比较可通行概率:选择路径1作为最优路径,最高可通行概率为Pmax=0.82。
最后应说明的是:以上所述仅为本发明的优选实例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细说明,对于本领域的技术人员来说,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。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 (9)
1.一种基于无人机的嵌入式AI摄像分析方法,其特征在于:包括以下步骤:
S11:获取起点、终点信息,拍摄图像,调取筛选存在可行路径的图像;
S12:拟合可行路径,整合图像;
S13:分析整合图像数据,规划最优路径;
S14:控制无人机引导用户通过最优路径,在不可通行时调整、另行选择最优路径;
在步骤S11-S12中:利用目标获取单元获取起点和终点的位置信息,利用图像拍摄单元控制无人机拍摄从起点到终点的图像,将拍摄的图像传输到数据管理中心(S2)中,利用图像调取单元调取所述数据管理中心(S2)中存储的所有图像,利用可行路径获取单元筛选出存在可行路径的图像,对图像进行边界处理后得到随机一个存在可行路径的图像中路径曲线的像素点坐标集合为(x,y)={(x1,y1),(x2,y2),...,(xn,yn)},其中,n表示像素点数量,根据像素点分布设定拟合函数为Y=αx2+βx+γ,代入像素点坐标得到残差平方和δ:根据下列公式求解拟合函数系数α、β和γ:
代入像素点坐标得到系数α、β和γ的值,利用可行路径拟合单元通过确认系数的拟合函数对图像中的路径曲线进行拟合,将拟合后所有存在可行路径的图像进行拼接整合,得到完整的路径图像。
2.根据权利要求1所述的一种基于无人机的嵌入式AI摄像分析方法,其特征在于:在步骤S13中:利用遮蔽点统计单元统计到整合后图像中所有路径上的遮蔽点数量集合为M={M1,M2,...,Mk},其中,k表示可行路径数量,对图像中的遮蔽区域进行边界处理后,得到随机一个遮蔽区域边缘曲线方程为:根据下列公式计算对应遮蔽区域面积Si:
其中,A和B表示遮蔽区域边缘与路径交点的横坐标,利用通行概率分析单元分析随机一条可行路径可通行到达终点的概率:根据下列公式计算随机一条可行路径的可通行概率Pi:
其中,S总i表示随机一条路径的遮蔽区域总面积,Mi表示该路径上的遮蔽点数量,得到所有路径的可通行概率集合为P={P1,P2,...,Pk},利用最优路径规划单元比较可通行概率:选择可通行概率最高的路径作为最优路径,最高可通行概率为Pmax。
3.根据权利要求1所述的一种基于无人机的嵌入式AI摄像分析方法,其特征在于:在步骤S14中:控制无人机引导用户通过最优路径,在遇到最优路径不可通行状况时,利用阻挡警报单元发出不可通行警报信号至通行效率预测单元,利用通行效率预测单元预测除最优路径外剩余路径的通行效率:获取到从当前不可通行点通过剩余路径到达终点的路程集合为W={W1,W2,...,Wk-1},其中,k-1表示剩余路径数量,根据下列公式计算剩余随机一条路径的通行效率Qi:
Qi=Wi×Pi;
其中,Wi表示从当前不可通行点通过对应路径到达终点的路程,Pi表示对应路径的可通行概率。
4.根据权利要求3所述的一种基于无人机的嵌入式AI摄像分析方法,其特征在于:利用最优路径调整单元调整路径:获取到剩余所有路径的通行效率集合为Q={Q1,Q2,...,Qk-1},比较通行效率,通行效率越高,说明路径的可通行概率越高且路程越短,选择通行效率最高的路径作为新最优路径,最高通行效率为Qmax,引导用户通过新最优路径前往终点。
5.一种基于无人机的嵌入式AI摄像分析系统采用权利要求1所述的一种基于无人机的嵌入式AI摄像分析方法,其特征在于:所述系统包括:环境感知模块(S1)、数据管理中心(S2)、图像整合模块(S3)、整合图像分析模块(S4)和通行路径调度模块(S5);
所述环境感知模块(S1)用于获取起点和终点信息,控制无人机拍摄起点到终点的图像;所述数据管理中心(S2)用于存储无人机拍摄到的图像数据;所述图像整合模块(S3)用于调取图像数据,拟合可行路径,将所有存在可行路径的图像进行整合;所述整合图像分析模块(S4)用于分析整合图像中可行路径的通行概率,依据分析结果规划到达目的地的最优路径;所述通行路径调度模块(S5)用于控制无人机依据最优路径引导用户前往目的地,遇到不可通行状况时发出警报信号,预测其余路径的通行效率,规划调整引导路径。
6.根据权利要求5所述的一种基于无人机的嵌入式AI摄像分析系统,其特征在于:所述环境感知模块(S1)包括目的地获取单元和图像拍摄单元,所述目的地获取单元用于获取起始点和终点的位置信息,将获取到的信息传输到所述图像拍摄单元中;所述图像拍摄单元用于控制无人机拍摄起始点到起点的图像。
7.根据权利要求5所述的一种基于无人机的嵌入式AI摄像分析系统,其特征在于:所述图像整合模块(S3)包括图像调取单元、可行路径获取单元和可行路径拟合单元,所述图像调取单元用于调取所述数据管理中心(S2)中的图像数据;所述可行路径获取单元用于筛选获取存在可行路径的图像;所述可行路径拟合单元用于对图像进行边界处理后拟合可行路径,整合图像组成完整路径。
8.根据权利要求5所述的一种基于无人机的嵌入式AI摄像分析系统,其特征在于:所述整合图像分析模块(S4)包括遮蔽区域分析单元、遮蔽点统计单元、通行概率分析单元和最优路径规划单元,所述遮蔽区域分析单元用于分析图像中的路径上存在的遮蔽区域范围;所述遮蔽点统计单元用于统计整合图像中存在的所有路径上的遮蔽点数量;所述通行概率分析单元用于分析所有路径的可通行概率;所述最优路径规划单元用于选择可通行概率最高的路径作为最优路径。
9.根据权利要求5所述的一种基于无人机的嵌入式AI摄像分析系统,其特征在于:所述通行路径调度模块(S5)包括阻挡警报单元、通行效率预测单元和最优路径调整单元,所述阻挡警报单元用于控制无人机引导用户通过最优路径,在不可通行时,发出阻挡警报信号;所述通行效率预测单元用于预测除最优路径外剩余路径的通行效率;所述最优路径调整单元用于选择通行效率最高的路径作为新最优路径,引导用户通过新最优路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111301927.5A CN114020023B (zh) | 2021-11-04 | 2021-11-04 | 一种基于无人机的嵌入式ai摄像分析系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111301927.5A CN114020023B (zh) | 2021-11-04 | 2021-11-04 | 一种基于无人机的嵌入式ai摄像分析系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114020023A CN114020023A (zh) | 2022-02-08 |
CN114020023B true CN114020023B (zh) | 2022-07-26 |
Family
ID=80060976
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111301927.5A Active CN114020023B (zh) | 2021-11-04 | 2021-11-04 | 一种基于无人机的嵌入式ai摄像分析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114020023B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116320303B (zh) * | 2023-03-07 | 2023-08-18 | 吉林省林业科学研究院 | 一种基于人工智能的监测样地位置调节系统及方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105222760A (zh) * | 2015-10-22 | 2016-01-06 | 一飞智控(天津)科技有限公司 | 一种基于双目视觉的无人机自主障碍物检测系统及方法 |
CN105318888B (zh) * | 2015-12-07 | 2018-08-14 | 北京航空航天大学 | 基于无人机感知的无人驾驶车辆路径规划方法 |
CN106774392B (zh) * | 2016-12-13 | 2020-05-01 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种电力线路巡检过程中飞行路径的动态规划方法 |
CN112880684A (zh) * | 2021-01-18 | 2021-06-01 | 中国人民解放军空军工程大学 | 一种城市空间无人机安全航路规划方法 |
-
2021
- 2021-11-04 CN CN202111301927.5A patent/CN114020023B/zh active Active
Non-Patent Citations (1)
Title |
---|
基于Bézier曲线的队形保持算法研究;黄玺瑛等;《计算机仿真》;20100131;第27卷(第1期);第6-8页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114020023A (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106767820B (zh) | 一种室内移动定位与制图方法 | |
US7627199B2 (en) | Image surveillance/retrieval system | |
WO2021189825A1 (zh) | 多目标跟踪方法、装置和存储介质 | |
CN113203409B (zh) | 一种复杂室内环境移动机器人导航地图构建方法 | |
CN114020023B (zh) | 一种基于无人机的嵌入式ai摄像分析系统及方法 | |
CN111988524A (zh) | 一种无人机与摄像头协同避障方法、服务器及存储介质 | |
CN105513342A (zh) | 一种基于视频跟踪的车辆排队长度计算方法 | |
CN111710177A (zh) | 智慧交通信号灯组网协同优化控制系统及控制方法 | |
CN116153086A (zh) | 基于深度学习的多路段交通事故及拥堵检测方法及系统 | |
Yin et al. | A deep learning based illegal parking detection platform | |
CN108831162A (zh) | 移动通信终端的交通信号控制方法及交通信号控制系统 | |
CN116385969B (zh) | 基于多摄像头协同和人类反馈的人员聚集检测系统 | |
CN116895036A (zh) | 一种基于深度学习的耕地保护预警方法及装置 | |
CN114189364B (zh) | 一种基于马尔科夫链的网络节点路径还原和预测的方法 | |
CN111476314A (zh) | 一种融合光流算法与深度学习的模糊视频检测方法 | |
CN114783181B (zh) | 一种基于路侧感知的交通流量统计方法和装置 | |
CN115830381A (zh) | 基于改进YOLOv5的员工未佩戴口罩检测方法及相关组件 | |
CN104023205A (zh) | 智能安防监控系统 | |
CN115410139A (zh) | 基于视频分析的机坪车辆超速安全事件识别系统及其方法 | |
CN115240101A (zh) | 一种基于场景分析的医疗样本转送监督系统 | |
CN110276233A (zh) | 一种基于深度学习的多相机协同跟踪系统 | |
CN110210423B (zh) | 一种基于多层级回归的人群密度估计方法 | |
CN113609317A (zh) | 一种图像库构建方法、装置及电子设备 | |
CN113541314A (zh) | 一种变电站联合巡检系统及其控制方法 | |
Zhang et al. | Video Surveillance Using a Multi-Camera Tracking and Fusion System. |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Liu Desheng Inventor after: Long Zhenzhen Inventor after: Jin Shuai Inventor before: Liu Desheng Inventor before: Long Zhen Inventor before: Jin Shuai |
|
GR01 | Patent grant | ||
GR01 | Patent grant |