CN114898236A - 一种基于无人机的渣土车监测方法、系统及云平台 - Google Patents
一种基于无人机的渣土车监测方法、系统及云平台 Download PDFInfo
- Publication number
- CN114898236A CN114898236A CN202210824316.7A CN202210824316A CN114898236A CN 114898236 A CN114898236 A CN 114898236A CN 202210824316 A CN202210824316 A CN 202210824316A CN 114898236 A CN114898236 A CN 114898236A
- Authority
- CN
- China
- Prior art keywords
- electronic map
- flight
- conflict
- flight conflict
- unmanned aerial
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000006399 behavior Effects 0.000 claims abstract description 19
- 238000005065 mining Methods 0.000 claims description 89
- 238000012549 training Methods 0.000 claims description 45
- 239000002893 slag Substances 0.000 claims description 42
- 238000004458 analytical method Methods 0.000 claims description 38
- 238000001514 detection method Methods 0.000 claims description 34
- 238000012216 screening Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000006403 short-term memory Effects 0.000 claims description 3
- 230000007787 long-term memory Effects 0.000 claims description 2
- 230000009471 action Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012806 monitoring device Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18502—Airborne stations
- H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Remote Sensing (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Astronomy & Astrophysics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请的基于无人机的渣土车监测方法、系统及云平台,能够对无人机在监测到目标渣土车存在违规倾倒行为时所上传的违规倾倒监测图像进行识别以得到车辆信息,进而基于车辆信息确定目标渣土车的全局行驶路径,这样可以通过全局行驶路径确定针对目标渣土车的飞行跟踪路径,以通过飞行跟踪路径向无人机发送跟踪飞行指示,以使无人机对目标渣土车进行跟踪并录像。本申请借助无人机技术,能够高效、及时地实现对渣土车的违规倾倒行为的持续性监测跟踪,无需在大部分路段增设摄像头,能够高效、及时地实现渣土车的违规倾倒行为监测,并为后续的渣土车治理提供依据。
Description
技术领域
本申请涉及无人机和渣土车监测技术领域,具体涉及一种基于无人机的渣土车监测方法、系统及云平台。
背景技术
渣土车是指车辆用途是运送沙石等建筑料的卡车,因交通违法高发、污染城市环境以及影响居民生活等问题,渣土车成为了环境污染整治的重点关注对象,比如对渣土车的违规倾倒行为进行监测是减少城市环境污染的一个重要措施。然而相关的针对渣土车的违规倾倒监测技术存在效率低下的问题。
发明内容
有鉴于此,本申请提供了一种基于无人机的渣土车监测方法、系统及云平台。
本申请提供了一种基于无人机的渣土车监测方法,应用于与无人机通信连接的渣土车监测云平台,所述方法包括:
接收无人机在监测到目标渣土车存在违规倾倒行为时所上传的违规倾倒监测图像;
对所述违规倾倒监测图像进行识别,得到所述违规倾倒监测图像中的车辆信息;
通过所述车辆信息确定所述目标渣土车的全局行驶路径;
根据所述全局行驶路径确定针对所述目标渣土车的飞行跟踪路径;
基于所述飞行跟踪路径向所述无人机发送跟踪飞行指示,以使所述无人机对所述目标渣土车进行跟踪并录像。
可选的,所述方法还包括:
获取所述无人机在跟踪所述目标渣土车的过程中反馈的录像数据。
可选的,对所述违规倾倒监测图像进行识别,得到所述违规倾倒监测图像中的车辆信息,包括:
利用事先完成训练的长短期记忆神经网络对所述违规倾倒监测图像进行图像特征提取,得到特征提取结果;
基于所述特征提取结果得到所述车辆信息;
通过所述车辆信息确定所述目标渣土车的全局行驶路径,包括:
通过所述车辆信息在预设车辆数据库中查询与所述目标渣土车对应的行车定位记录,通过所述行车定位记录生成所述目标渣土车的全局行驶路径。
可选的,根据所述全局行驶路径确定针对所述目标渣土车的飞行跟踪路径,包括:
通过飞行冲突分析网络的轨迹描述挖掘单元,对基于所述全局行驶路径所确定的包含多个电子地图区域的待分析电子地图进行轨迹描述挖掘,得到每一个所述电子地图区域对应的轨迹描述内容;其中,所述飞行冲突分析网络,用于对待分析电子地图进行两个或两个以上飞行冲突类型的分析;
通过所述飞行冲突分析网络的飞行状态检测单元,分别基于各所述电子地图区域对应的轨迹描述内容,确定相应的所述电子地图区域与各所述飞行冲突类型的相关度;
从所述多个电子地图区域中,分别筛选与各所述飞行冲突类型的相关度符合相关度判定指标的电子地图区域,并将筛选的电子地图区域作为从所述待分析电子地图中挖掘的飞行冲突地图信息;
对所述飞行冲突地图信息进行飞行路径重构,得到针对所述目标渣土车的飞行跟踪路径。
可选的,所述轨迹描述挖掘单元包括多个轨迹描述挖掘模块,每个所述轨迹描述挖掘模块对应一个所述电子地图区域;
所述通过飞行冲突分析网络的轨迹描述挖掘单元,对基于所述全局行驶路径所确定的包含多个电子地图区域的待分析电子地图进行轨迹描述挖掘,得到每一个所述电子地图区域对应的轨迹描述内容,包括:
分别基于各所述轨迹描述挖掘模块实施以下步骤:
通过所述轨迹描述挖掘模块,对基于所述全局行驶路径所确定的包含多个电子地图区域的待分析电子地图进行轨迹描述挖掘,得到相应的电子地图区域的轨迹描述内容;
相应的,所述通过所述轨迹描述挖掘模块,对基于所述全局行驶路径所确定的包含多个电子地图区域的待分析电子地图进行轨迹描述挖掘,得到相应的电子地图区域的轨迹描述内容,包括:
通过所述轨迹描述挖掘模块,将所述待分析电子地图拆解为多个待定电子地图区域;
分别对各所述待定电子地图区域进行轨迹描述挖掘,得到每一个所述待定电子地图区域对应的轨迹描述内容;
从所述多个待定电子地图区域中,筛选轨迹描述内容最大的待定电子地图区域,并将筛选的待定电子地图区域的轨迹描述内容作为与所述轨迹描述挖掘模块对应的电子地图区域的轨迹描述内容;
相应的,当所述轨迹描述挖掘模块用于对目标面积的电子地图区域进行轨迹描述挖掘时,所述将所述待分析电子地图拆解为多个待定电子地图区域,包括:
对所述待分析电子地图中的地图坐标集进行层次化搜索,并针对层次化搜索到的每个地图坐标集实施以下步骤:
将层次化搜索到的地图坐标集作为初始地图坐标集,从所述待分析电子地图中挖掘所述目标面积的待定电子地图区域。
可选的,所述通过所述飞行冲突分析网络的飞行状态检测单元,分别基于各所述电子地图区域对应的轨迹描述内容,确定相应的所述电子地图区域与各所述飞行冲突类型的相关度,包括:
分别针对各所述电子地图区域实施以下步骤:
获取各所述飞行冲突类型的冲突紧急程度;
通过所述飞行冲突分析网络的飞行状态检测单元,基于所述电子地图区域对应的轨迹描述内容和各所述飞行冲突类型的冲突紧急程度,分别确定所述电子地图区域与各所述飞行冲突类型的相关度。
可选的,所述从所述多个电子地图区域中,分别筛选与各所述飞行冲突类型的相关度符合相关度判定指标的电子地图区域,包括:
分别针对各所述飞行冲突类型实施以下步骤:
基于各所述电子地图区域与所述飞行冲突类型的相关度,对各所述电子地图区域进行整理,得到电子地图区域队列;
按照所述相关度的大小顺序,从所述电子地图区域队列中,筛选目标数目的电子地图区域,将筛选的电子地图区域作为与所述飞行冲突类型的相关度符合相关度判定指标的电子地图区域;
或者,所述从所述多个电子地图区域中,分别筛选与各所述飞行冲突类型的相关度符合相关度判定指标的电子地图区域,包括:
分别针对各所述飞行冲突类型实施以下步骤:
获取与所述飞行冲突类型相对应的设定相关度;
从所述多个电子地图区域中,筛选与所述飞行冲突类型的相关度达到设定相关度的电子地图区域,将筛选的电子地图区域作为与所述飞行冲突类型的相关度符合相关度判定指标的电子地图区域。
可选的,所述通过飞行冲突分析网络的轨迹描述挖掘单元,对基于所述全局行驶路径所确定的包含多个电子地图区域的待分析电子地图进行轨迹描述挖掘之前,所述方法还包括:
从所述全局行驶路径中捕捉所述全局行驶路径的可视化表达信息;
对所述可视化表达信息进行电子地图信息的挖掘,将挖掘得到的电子地图作为所述待分析电子地图;
或者,所述通过飞行冲突分析网络的轨迹描述挖掘单元,对基于所述全局行驶路径所确定的包含多个电子地图区域的待分析电子地图进行轨迹描述挖掘之前,所述方法还包括:
通过所述飞行冲突分析网络的轨迹描述挖掘单元,对基于所述全局行驶路径所确定的包含多个训练电子地图区域的训练电子地图进行轨迹描述挖掘,得到每一个所述训练电子地图区域对应的轨迹描述内容;
其中,所述训练电子地图标注有表达所述训练电子地图所属的飞行冲突类型的飞行冲突分析标识;
通过所述飞行冲突分析网络的飞行状态检测单元,分别基于各所述训练电子地图区域对应的轨迹描述内容,确定相应的所述训练电子地图区域与各所述飞行冲突类型的相关度;
通过所述飞行冲突分析网络的飞行状态检测单元,基于各所述训练电子地图区域与各所述飞行冲突类型的相关度,对所述训练电子地图的飞行冲突类型进行飞行状态检测,得到飞行状态冲突检测类型;
基于所述飞行状态冲突检测类型与所述飞行冲突分析标识之间的比较结果,对所述轨迹描述挖掘单元的单元参量及所述飞行状态检测单元的单元参量进行改进优化;
相应的,所述基于各所述训练电子地图区域与各所述飞行冲突类型的相关度,对所述训练电子地图的飞行冲突类型进行飞行状态检测,得到飞行状态冲突检测类型,包括:
基于各所述训练电子地图区域与各所述飞行冲突类型的相关度,分别确定所述训练电子地图所属于各所述飞行冲突类型的可能性;
基于所述训练电子地图所属于各所述飞行冲突类型的可能性,确定所述训练电子地图所属的飞行冲突类型,并将确定的飞行冲突类型作为所述飞行状态冲突检测类型;
相应的,所述将筛选的电子地图区域作为从所述待分析电子地图中挖掘的飞行冲突地图信息之后,所述方法还包括:
基于所述飞行冲突地图信息生成相应的飞行冲突提醒信息;
广播所述飞行冲突提醒信息。
本申请还提供了一种基于无人机的渣土车监测系统,包括互相之间通信的渣土车监测云平台和无人机;
无人机用于:在监测到目标渣土车存在违规倾倒行为时向所述渣土车监测云平台上传违规倾倒监测图像;
渣土车监测云平台用于:接收无人机在监测到目标渣土车存在违规倾倒行为时所上传的违规倾倒监测图像;对所述违规倾倒监测图像进行识别,得到所述违规倾倒监测图像中的车辆信息;通过所述车辆信息确定所述目标渣土车的全局行驶路径;根据所述全局行驶路径确定针对所述目标渣土车的飞行跟踪路径;基于所述飞行跟踪路径向所述无人机发送跟踪飞行指示;
无人机用于:对所述目标渣土车进行跟踪并录像。
本申请还提供了一种渣土车监测云平台,包括处理器、通信总线和存储器;所述处理器和所述存储器通过所述通信总线通信,所述处理器从所述存储器中读取计算机程序并运行,以执行上述的方法。
本申请实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序在运行时实现上述的方法。
相较于现有技术,本申请实施例提供的一种基于无人机的渣土车监测方法、系统及云平台具有以下技术效果:能够对无人机在监测到目标渣土车存在违规倾倒行为时所上传的违规倾倒监测图像进行识别以得到车辆信息,进而基于车辆信息确定目标渣土车的全局行驶路径,这样可以通过全局行驶路径确定针对目标渣土车的飞行跟踪路径,以通过飞行跟踪路径向无人机发送跟踪飞行指示,以使无人机对目标渣土车进行跟踪并录像。如此,借助无人机技术,能够高效、及时地实现对渣土车的违规倾倒行为的持续性监测跟踪,无需在大部分路段增设摄像头,能够高效、及时地实现渣土车的违规倾倒行为监测,并为后续的渣土车治理提供依据。
在后面的描述中,将部分地陈述其他的特征。在检查后面内容和附图时,本领域的技术人员将部分地发现这些特征,或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面,当前申请中的特征可以被实现和获得。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例所提供的一种渣土车监测云平台的方框示意图。
图2为本申请实施例所提供的一种基于无人机的渣土车监测方法的流程图。
图3为本申请实施例所提供的一种基于无人机的渣土车监测装置的框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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,所描述的实施例只是本申请的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
图1示出了本申请实施例所提供的一种渣土车监测云平台10的方框示意图。本申请实施例中的渣土车监测云平台10可以为具有数据存储、传输、处理功能的服务端,如图1所示,渣土车监测云平台10包括:存储器11、处理器12、通信总线13和基于无人机的渣土车监测装置20。
存储器11、处理器12和通信总线13之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器11中存储有基于无人机的渣土车监测装置20,所述基于无人机的渣土车监测装置20包括至少一个可以软件或固件(firmware)的形式储存于所述存储器11中的软件功能模块,所述处理器12通过运行存储在存储器11内的软件程序以及模块,例如本申请实施例中的基于无人机的渣土车监测装置20,从而执行各种功能应用以及数据处理,即实现本申请实施例中的基于无人机的渣土车监测方法。
其中,所述存储器11可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器11用于存储程序,所述处理器12在接收到执行指令后,执行所述程序。
所述处理器12可能是一种集成电路芯片,具有数据的处理能力。上述的处理器12可以是通用处理器,包括中央处理器 (Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等。可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。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。
通信总线13用于通过网络建立渣土车监测云平台10与其他通信终端设备之间的通信连接,实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。
可以理解,图1所示的结构仅为示意,渣土车监测云平台10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本申请实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序在运行时实现上述的方法。
图2示出了本申请实施例所提供的一种基于无人机的渣土车监测的流程图。所述方法有关的流程所定义的方法步骤应用于渣土车监测云平台10,可以由所述处理器12实现,所述方法包括以下步骤S21-步骤S25。
步骤S21、接收无人机在监测到目标渣土车存在违规倾倒行为时所上传的违规倾倒监测图像。
在本申请实施例中,渣土车监测云平台与无人机通信,用于辅助无人机进行渣土车的违规倾倒监测。相应的,无人机中可以预先存储对应的渣土车违规倾倒行为图像,并且可以在拍摄到短暂的渣土车违规倾倒行为时通过预存的渣土车违规倾倒行为图像进行快速判别,并在判别出目标渣土车存在违规倾倒行为时,上传目标渣土车对应的违规倾倒监测图像。
可以理解,违规倾倒行为包括在非倾倒区域倾倒、或者倾倒不符合倾倒标准的物品等。
步骤S22、对所述违规倾倒监测图像进行识别,得到所述违规倾倒监测图像中的车辆信息。
在一些可能的实施例中,对所述违规倾倒监测图像进行识别,得到所述违规倾倒监测图像中的车辆信息,可以包括:利用事先完成训练的长短期记忆神经网络(LongShort-Term Memory,LSTM)对所述违规倾倒监测图像进行图像特征提取,得到特征提取结果;基于所述特征提取结果得到所述车辆信息。例如,车辆信息可以时车牌信息或者驾驶员人脸识别信息等。
步骤S23、通过所述车辆信息确定所述目标渣土车的全局行驶路径。
在实际实施过程中,通过所述车辆信息确定所述目标渣土车的全局行驶路径,可以包括:通过所述车辆信息在预设车辆数据库中查询与所述目标渣土车对应的行车定位记录,通过所述行车定位记录生成所述目标渣土车的全局行驶路径。
例如,预设车辆数据库可以是第三方的关系型数据库,用于进行目标渣土车的行车情况的记录和汇总。行车定位记录通过渣土车的GPS定位结果生成,全局行驶路径包括目标渣土车的已行驶路径和即将行驶的路径。
步骤S24、根据所述全局行驶路径确定针对所述目标渣土车的飞行跟踪路径。
举例而言,飞行跟踪路径是为无人机设计的。一般而言,一台无人机监测一辆渣土车,在一些情况下,在相关地区内可能存在多辆渣土车,在这种情况下,需要考虑不同无人机之间的飞行冲突情况,避免无人机之间出现飞行干扰事故。为实现这一目的,上述步骤S24所描述的根据所述全局行驶路径确定针对所述目标渣土车的飞行跟踪路径,可以通过以下步骤S241-步骤S244实现。
步骤S241、通过飞行冲突分析网络的轨迹描述挖掘单元,对基于所述全局行驶路径所确定的包含多个电子地图区域的待分析电子地图进行轨迹描述挖掘,得到每一个所述电子地图区域对应的轨迹描述内容;其中,所述飞行冲突分析网络,用于对待分析电子地图进行两个或两个以上飞行冲突类型的分析。
例如,飞行冲突类型可以是飞行路径冲突、飞行高度冲突或者飞行信号干扰冲突等。
在一些可能的实施例中,所述轨迹描述挖掘单元包括多个轨迹描述挖掘模块,每个所述轨迹描述挖掘模块对应一个所述电子地图区域。基于此,所述通过飞行冲突分析网络的轨迹描述挖掘单元,对基于所述全局行驶路径所确定的包含多个电子地图区域的待分析电子地图进行轨迹描述挖掘,得到每一个所述电子地图区域对应的轨迹描述内容,包括:分别基于各所述轨迹描述挖掘模块实施以下步骤:通过所述轨迹描述挖掘模块,对基于所述全局行驶路径所确定的包含多个电子地图区域的待分析电子地图进行轨迹描述挖掘,得到相应的电子地图区域的轨迹描述内容。如此设计,可以完整地确定出电子地图区域的轨迹描述内容。
进一步地,所述通过所述轨迹描述挖掘模块,对基于所述全局行驶路径所确定的包含多个电子地图区域的待分析电子地图进行轨迹描述挖掘,得到相应的电子地图区域的轨迹描述内容,包括:通过所述轨迹描述挖掘模块,将所述待分析电子地图拆解为多个待定电子地图区域;分别对各所述待定电子地图区域进行轨迹描述挖掘,得到每一个所述待定电子地图区域对应的轨迹描述内容;从所述多个待定电子地图区域中,筛选轨迹描述内容最大的待定电子地图区域,并将筛选的待定电子地图区域的轨迹描述内容作为与所述轨迹描述挖掘模块对应的电子地图区域的轨迹描述内容。这样一来,可以确保轨迹描述内容与电子地图区域的准确匹配。
在一些情况下,当所述轨迹描述挖掘模块用于对目标面积的电子地图区域进行轨迹描述挖掘时,所述将所述待分析电子地图拆解为多个待定电子地图区域,包括:对所述待分析电子地图中的地图坐标集进行层次化搜索,并针对层次化搜索到的每个地图坐标集实施以下步骤:将层次化搜索到的地图坐标集作为初始地图坐标集,从所述待分析电子地图中挖掘所述目标面积的待定电子地图区域。如此,通过对待分析电子地图中的地图坐标集进行层次化搜索(遍历),能够完整地得到待定电子地图区域。
步骤S242、通过所述飞行冲突分析网络的飞行状态检测单元,分别基于各所述电子地图区域对应的轨迹描述内容,确定相应的所述电子地图区域与各所述飞行冲突类型的相关度。
在一些示例中,所述通过所述飞行冲突分析网络的飞行状态检测单元,分别基于各所述电子地图区域对应的轨迹描述内容,确定相应的所述电子地图区域与各所述飞行冲突类型的相关度,包括:分别针对各所述电子地图区域实施以下步骤:获取各所述飞行冲突类型的冲突紧急程度;通过所述飞行冲突分析网络的飞行状态检测单元,基于所述电子地图区域对应的轨迹描述内容和各所述飞行冲突类型的冲突紧急程度,分别确定所述电子地图区域与各所述飞行冲突类型的相关度。如此,可以基于冲突紧急程度精准地确定飞行冲突类型的相关度。
步骤S243、从所述多个电子地图区域中,分别筛选与各所述飞行冲突类型的相关度符合相关度判定指标的电子地图区域,并将筛选的电子地图区域作为从所述待分析电子地图中挖掘的飞行冲突地图信息。
在一些示例中,从所述多个电子地图区域中,分别筛选与各所述飞行冲突类型的相关度符合相关度判定指标的电子地图区域,可以通过以下两种实施方式中的其中一种实施方式实现。
第一种实施方式,分别针对各所述飞行冲突类型实施以下步骤:基于各所述电子地图区域与所述飞行冲突类型的相关度,对各所述电子地图区域进行整理,得到电子地图区域队列;按照所述相关度的大小顺序,从所述电子地图区域队列中,筛选目标数目的电子地图区域,将筛选的电子地图区域作为与所述飞行冲突类型的相关度符合相关度判定指标的电子地图区域。
第二种实施方式,分别针对各所述飞行冲突类型实施以下步骤:获取与所述飞行冲突类型相对应的设定相关度;从所述多个电子地图区域中,筛选与所述飞行冲突类型的相关度达到设定相关度的电子地图区域,将筛选的电子地图区域作为与所述飞行冲突类型的相关度符合相关度判定指标的电子地图区域。
步骤S244、对所述飞行冲突地图信息进行飞行路径重构,得到针对所述目标渣土车的飞行跟踪路径。
可以理解,通过飞行路径重构,能够实现对目标无人机的飞行路径的优化,避免目标无人机与其它无人机之间的飞行干扰和冲突。
步骤S25、基于所述飞行跟踪路径向所述无人机发送跟踪飞行指示,以使所述无人机对所述目标渣土车进行跟踪并录像。
在一些可选的实施例中,所述通过飞行冲突分析网络的轨迹描述挖掘单元,对基于所述全局行驶路径所确定的包含多个电子地图区域的待分析电子地图进行轨迹描述挖掘之前,所述方法还包括:从所述全局行驶路径中捕捉所述全局行驶路径的可视化表达信息;对所述可视化表达信息进行电子地图信息的挖掘,将挖掘得到的电子地图作为所述待分析电子地图。如此,可以确保待分析电子地图的内容充实度,保证待分析电子地图的真实性。
在另一些可选的实施例中,所述通过飞行冲突分析网络的轨迹描述挖掘单元,对基于所述全局行驶路径所确定的包含多个电子地图区域的待分析电子地图进行轨迹描述挖掘之前,所述方法还包括:通过所述飞行冲突分析网络的轨迹描述挖掘单元,对基于所述全局行驶路径所确定的包含多个训练电子地图区域的训练电子地图进行轨迹描述挖掘,得到每一个所述训练电子地图区域对应的轨迹描述内容;其中,所述训练电子地图标注有表达所述训练电子地图所属的飞行冲突类型的飞行冲突分析标识;通过所述飞行冲突分析网络的飞行状态检测单元,分别基于各所述训练电子地图区域对应的轨迹描述内容,确定相应的所述训练电子地图区域与各所述飞行冲突类型的相关度;通过所述飞行冲突分析网络的飞行状态检测单元,基于各所述训练电子地图区域与各所述飞行冲突类型的相关度,对所述训练电子地图的飞行冲突类型进行飞行状态检测,得到飞行状态冲突检测类型;基于所述飞行状态冲突检测类型与所述飞行冲突分析标识之间的比较结果,对所述轨迹描述挖掘单元的单元参量及所述飞行状态检测单元的单元参量进行改进优化。如此设计,可以确保不同功能单元的运行性能。
在上述内容的基础上,所述基于各所述训练电子地图区域与各所述飞行冲突类型的相关度,对所述训练电子地图的飞行冲突类型进行飞行状态检测,得到飞行状态冲突检测类型,包括:基于各所述训练电子地图区域与各所述飞行冲突类型的相关度,分别确定所述训练电子地图所属于各所述飞行冲突类型的可能性(概率);基于所述训练电子地图所属于各所述飞行冲突类型的可能性,确定所述训练电子地图所属的飞行冲突类型,并将确定的飞行冲突类型作为所述飞行状态冲突检测类型。
在另外的一些示例中,所述将筛选的电子地图区域作为从所述待分析电子地图中挖掘的飞行冲突地图信息之后,所述方法还包括:基于所述飞行冲突地图信息生成相应的飞行冲突提醒信息;广播所述飞行冲突提醒信息。
相较于现有技术中通过主动事先挖掘飞行冲突地图信息作为信息知识库,并将信息知识库与待分析的电子地图进行强行匹配以进行飞行冲突地图信息的挖掘技术而言,本申请实施例中,通过一个用于飞行冲突类型分析的飞行冲突分析网络对待分析电子地图进行轨迹描述挖掘,得到待分析电子地图的多个电子地图区域对应的轨迹描述内容,然后基于轨迹描述内容确定各电子地图区域与各飞行冲突类型的相关度,并基于相关度从多个电子地图区域中筛选飞行冲突地图信息,无需设置飞行冲突信息知识库也能智能化地识别并挖掘出飞行冲突地图信息,从而在一定程度上客服了现有技术中在飞行冲突地图信息挖掘时通过主动设置和改进优化飞行冲突信息知识库所带来的具有低时效性的问题,提高了飞行冲突地图信息挖掘的实时性,进而能够快速、及时地实现针对目标无人机的飞行路径重构,从而实时、准确地确定出针对目标渣土车的飞行跟踪路径,避免后续针对目标渣土车的执行延时,同时还能有效规避不同无人机之间的飞行冲突,减少渣土车跟踪监测过程中的无人机飞行事故。
在另外的一些示例中,该方法还可以包括步骤S26所描述的内容。
步骤S26、获取所述无人机在跟踪所述目标渣土车的过程中反馈的录像数据。其中,该录像数据可以供工作人员进行进一步分析和处理,以实现针对渣土车的违规倾倒的应对方案的布置。
基于同样的发明构思,还提供了一种基于无人机的渣土车监测系统,包括互相之间通信的渣土车监测云平台和无人机。无人机用于:在监测到目标渣土车存在违规倾倒行为时向所述渣土车监测云平台上传违规倾倒监测图像。渣土车监测云平台用于:接收无人机在监测到目标渣土车存在违规倾倒行为时所上传的违规倾倒监测图像;对所述违规倾倒监测图像进行识别,得到所述违规倾倒监测图像中的车辆信息;通过所述车辆信息确定所述目标渣土车的全局行驶路径;根据所述全局行驶路径确定针对所述目标渣土车的飞行跟踪路径;基于所述飞行跟踪路径向所述无人机发送跟踪飞行指示。进一步地,无人机用于:对所述目标渣土车进行跟踪并录像。
基于上述同样的发明构思,如图3所示,本实施例还提供了一种基于无人机的渣土车监测装置20,应用于渣土车监测云平台10,所述装置包括:
图像接收模块21,用于接收无人机在监测到目标渣土车存在违规倾倒行为时所上传的违规倾倒监测图像;
图像识别模块22,用于对所述违规倾倒监测图像进行识别,得到所述违规倾倒监测图像中的车辆信息;
路径确定模块23,用于通过所述车辆信息确定所述目标渣土车的全局行驶路径;
跟踪识别模块24,用于根据所述全局行驶路径确定针对所述目标渣土车的飞行跟踪路径;
跟踪飞行模块25,用于基于所述飞行跟踪路径向所述无人机发送跟踪飞行指示,以使所述无人机对所述目标渣土车进行跟踪并录像。
综上,基于上述技术方案,能够对无人机在监测到目标渣土车存在违规倾倒行为时所上传的违规倾倒监测图像进行识别以得到车辆信息,进而基于车辆信息确定目标渣土车的全局行驶路径,这样可以通过全局行驶路径确定针对目标渣土车的飞行跟踪路径,以通过飞行跟踪路径向无人机发送跟踪飞行指示,以使无人机对目标渣土车进行跟踪并录像。如此,借助无人机技术,能够高效、及时地实现对渣土车的违规倾倒行为的持续性监测跟踪,无需在大部分路段增设摄像头,能够高效、及时地实现渣土车的违规倾倒行为监测,并为后续的渣土车治理提供依据。
在本申请实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,渣土车监测云平台10,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.一种基于无人机的渣土车监测方法,其特征在于,应用于与无人机通信连接的渣土车监测云平台,所述方法包括:
接收无人机在监测到目标渣土车存在违规倾倒行为时所上传的违规倾倒监测图像;
对所述违规倾倒监测图像进行识别,得到所述违规倾倒监测图像中的车辆信息;
通过所述车辆信息确定所述目标渣土车的全局行驶路径;
根据所述全局行驶路径确定针对所述目标渣土车的飞行跟踪路径,包括:
通过飞行冲突分析网络的轨迹描述挖掘单元,对基于所述全局行驶路径所确定的包含多个电子地图区域的待分析电子地图进行轨迹描述挖掘,得到每一个所述电子地图区域对应的轨迹描述内容;其中,所述飞行冲突分析网络,用于对待分析电子地图进行两个或两个以上飞行冲突类型的分析;
通过所述飞行冲突分析网络的飞行状态检测单元,分别基于各所述电子地图区域对应的轨迹描述内容,确定相应的所述电子地图区域与各所述飞行冲突类型的相关度;
从所述多个电子地图区域中,分别筛选与各所述飞行冲突类型的相关度符合相关度判定指标的电子地图区域,并将筛选的电子地图区域作为从所述待分析电子地图中挖掘的飞行冲突地图信息;
对所述飞行冲突地图信息进行飞行路径重构,得到针对所述目标渣土车的飞行跟踪路径;
基于所述飞行跟踪路径向所述无人机发送跟踪飞行指示,以使所述无人机对所述目标渣土车进行跟踪并录像。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述无人机在跟踪所述目标渣土车的过程中反馈的录像数据。
3.根据权利要求1所述的方法,其特征在于,
对所述违规倾倒监测图像进行识别,得到所述违规倾倒监测图像中的车辆信息,包括:
利用事先完成训练的长短期记忆神经网络对所述违规倾倒监测图像进行图像特征提取,得到特征提取结果;
基于所述特征提取结果得到所述车辆信息;
通过所述车辆信息确定所述目标渣土车的全局行驶路径,包括:
通过所述车辆信息在预设车辆数据库中查询与所述目标渣土车对应的行车定位记录,通过所述行车定位记录生成所述目标渣土车的全局行驶路径。
4.根据权利要求1所述的方法,其特征在于,所述轨迹描述挖掘单元包括多个轨迹描述挖掘模块,每个所述轨迹描述挖掘模块对应一个所述电子地图区域;
所述通过飞行冲突分析网络的轨迹描述挖掘单元,对基于所述全局行驶路径所确定的包含多个电子地图区域的待分析电子地图进行轨迹描述挖掘,得到每一个所述电子地图区域对应的轨迹描述内容,包括:
分别基于各所述轨迹描述挖掘模块实施以下步骤:
通过所述轨迹描述挖掘模块,对基于所述全局行驶路径所确定的包含多个电子地图区域的待分析电子地图进行轨迹描述挖掘,得到相应的电子地图区域的轨迹描述内容;
相应的,所述通过所述轨迹描述挖掘模块,对基于所述全局行驶路径所确定的包含多个电子地图区域的待分析电子地图进行轨迹描述挖掘,得到相应的电子地图区域的轨迹描述内容,包括:
通过所述轨迹描述挖掘模块,将所述待分析电子地图拆解为多个待定电子地图区域;
分别对各所述待定电子地图区域进行轨迹描述挖掘,得到每一个所述待定电子地图区域对应的轨迹描述内容;
从所述多个待定电子地图区域中,筛选轨迹描述内容最大的待定电子地图区域,并将筛选的待定电子地图区域的轨迹描述内容作为与所述轨迹描述挖掘模块对应的电子地图区域的轨迹描述内容;
相应的,当所述轨迹描述挖掘模块用于对目标面积的电子地图区域进行轨迹描述挖掘时,所述将所述待分析电子地图拆解为多个待定电子地图区域,包括:
对所述待分析电子地图中的地图坐标集进行层次化搜索,并针对层次化搜索到的每个地图坐标集实施以下步骤:
将层次化搜索到的地图坐标集作为初始地图坐标集,从所述待分析电子地图中挖掘所述目标面积的待定电子地图区域。
5.根据权利要求1所述的方法,其特征在于,所述通过所述飞行冲突分析网络的飞行状态检测单元,分别基于各所述电子地图区域对应的轨迹描述内容,确定相应的所述电子地图区域与各所述飞行冲突类型的相关度,包括:
分别针对各所述电子地图区域实施以下步骤:
获取各所述飞行冲突类型的冲突紧急程度;
通过所述飞行冲突分析网络的飞行状态检测单元,基于所述电子地图区域对应的轨迹描述内容和各所述飞行冲突类型的冲突紧急程度,分别确定所述电子地图区域与各所述飞行冲突类型的相关度。
6.根据权利要求1所述的方法,其特征在于,所述从所述多个电子地图区域中,分别筛选与各所述飞行冲突类型的相关度符合相关度判定指标的电子地图区域,包括:
分别针对各所述飞行冲突类型实施以下步骤:
基于各所述电子地图区域与所述飞行冲突类型的相关度,对各所述电子地图区域进行整理,得到电子地图区域队列;
按照所述相关度的大小顺序,从所述电子地图区域队列中,筛选目标数目的电子地图区域,将筛选的电子地图区域作为与所述飞行冲突类型的相关度符合相关度判定指标的电子地图区域;
或者,
所述从所述多个电子地图区域中,分别筛选与各所述飞行冲突类型的相关度符合相关度判定指标的电子地图区域,包括:
分别针对各所述飞行冲突类型实施以下步骤:
获取与所述飞行冲突类型相对应的设定相关度;
从所述多个电子地图区域中,筛选与所述飞行冲突类型的相关度达到设定相关度的电子地图区域,将筛选的电子地图区域作为与所述飞行冲突类型的相关度符合相关度判定指标的电子地图区域。
7.根据权利要求1所述的方法,其特征在于,所述通过飞行冲突分析网络的轨迹描述挖掘单元,对基于所述全局行驶路径所确定的包含多个电子地图区域的待分析电子地图进行轨迹描述挖掘之前,所述方法还包括:
从所述全局行驶路径中捕捉所述全局行驶路径的可视化表达信息;
对所述可视化表达信息进行电子地图信息的挖掘,将挖掘得到的电子地图作为所述待分析电子地图;
或者,
所述通过飞行冲突分析网络的轨迹描述挖掘单元,对基于所述全局行驶路径所确定的包含多个电子地图区域的待分析电子地图进行轨迹描述挖掘之前,所述方法还包括:
通过所述飞行冲突分析网络的轨迹描述挖掘单元,对基于所述全局行驶路径所确定的包含多个训练电子地图区域的训练电子地图进行轨迹描述挖掘,得到每一个所述训练电子地图区域对应的轨迹描述内容;
其中,所述训练电子地图标注有表达所述训练电子地图所属的飞行冲突类型的飞行冲突分析标识;
通过所述飞行冲突分析网络的飞行状态检测单元,分别基于各所述训练电子地图区域对应的轨迹描述内容,确定相应的所述训练电子地图区域与各所述飞行冲突类型的相关度;
通过所述飞行冲突分析网络的飞行状态检测单元,基于各所述训练电子地图区域与各所述飞行冲突类型的相关度,对所述训练电子地图的飞行冲突类型进行飞行状态检测,得到飞行状态冲突检测类型;
基于所述飞行状态冲突检测类型与所述飞行冲突分析标识之间的比较结果,对所述轨迹描述挖掘单元的单元参量及所述飞行状态检测单元的单元参量进行改进优化;
相应的,所述基于各所述训练电子地图区域与各所述飞行冲突类型的相关度,对所述训练电子地图的飞行冲突类型进行飞行状态检测,得到飞行状态冲突检测类型,包括:
基于各所述训练电子地图区域与各所述飞行冲突类型的相关度,分别确定所述训练电子地图所属于各所述飞行冲突类型的可能性;
基于所述训练电子地图所属于各所述飞行冲突类型的可能性,确定所述训练电子地图所属的飞行冲突类型,并将确定的飞行冲突类型作为所述飞行状态冲突检测类型;
相应的,所述将筛选的电子地图区域作为从所述待分析电子地图中挖掘的飞行冲突地图信息之后,所述方法还包括:
基于所述飞行冲突地图信息生成相应的飞行冲突提醒信息;
广播所述飞行冲突提醒信息。
8.一种基于无人机的渣土车监测系统,其特征在于,包括互相之间通信的渣土车监测云平台和无人机;
无人机用于:在监测到目标渣土车存在违规倾倒行为时向所述渣土车监测云平台上传违规倾倒监测图像;
渣土车监测云平台用于:接收无人机在监测到目标渣土车存在违规倾倒行为时所上传的违规倾倒监测图像;对所述违规倾倒监测图像进行识别,得到所述违规倾倒监测图像中的车辆信息;通过所述车辆信息确定所述目标渣土车的全局行驶路径;根据所述全局行驶路径确定针对所述目标渣土车的飞行跟踪路径;基于所述飞行跟踪路径向所述无人机发送跟踪飞行指示;
无人机用于:对所述目标渣土车进行跟踪并录像。
9.一种渣土车监测云平台,其特征在于,包括处理器、通信总线和存储器;所述处理器和所述存储器通过所述通信总线通信,所述处理器从所述存储器中读取计算机程序并运行,以执行权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210824316.7A CN114898236B (zh) | 2022-07-14 | 2022-07-14 | 一种基于无人机的渣土车监测方法、系统及云平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210824316.7A CN114898236B (zh) | 2022-07-14 | 2022-07-14 | 一种基于无人机的渣土车监测方法、系统及云平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114898236A true CN114898236A (zh) | 2022-08-12 |
CN114898236B CN114898236B (zh) | 2022-10-14 |
Family
ID=82729619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210824316.7A Active CN114898236B (zh) | 2022-07-14 | 2022-07-14 | 一种基于无人机的渣土车监测方法、系统及云平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114898236B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2381432A1 (en) * | 2010-04-22 | 2011-10-26 | BAE SYSTEMS plc | Flight planning methods and systems |
CN206322317U (zh) * | 2016-12-12 | 2017-07-11 | 武汉理工大学 | 一种监测渣土车违规倾倒的装置 |
WO2018156139A1 (en) * | 2017-02-24 | 2018-08-30 | Ford Global Technologies, Llc | Drone-based tracking |
WO2018166836A1 (de) * | 2017-03-17 | 2018-09-20 | Sku Saale-Kies-Union Gmbh | System und verfahren zur dokumentation von abkippvorgängen auf einer einlagerungsstätte |
CN110096056A (zh) * | 2019-04-08 | 2019-08-06 | 三峡大学 | 一种基于无人机平台的智能车探测系统及其控制方法 |
US20210218935A1 (en) * | 2020-01-15 | 2021-07-15 | Toyota Jidosha Kabushiki Kaisha | Drone system and method of capturing image of vehicle by drone |
WO2021163881A1 (zh) * | 2020-02-18 | 2021-08-26 | 深圳市大疆创新科技有限公司 | 数据处理方法与系统、设备与可读存储介质 |
US20210300555A1 (en) * | 2020-03-31 | 2021-09-30 | Skygrid, Llc | Coordinating an aerial search among unmanned aerial vehicles |
CN113688805A (zh) * | 2021-10-25 | 2021-11-23 | 深圳联和智慧科技有限公司 | 一种基于无人机的无牌渣土车识别方法及系统 |
US20220051577A1 (en) * | 2019-09-02 | 2022-02-17 | Skygrid, Llc | Flight path deconfliction among unmanned aerial vehicles |
CN114326817A (zh) * | 2022-01-05 | 2022-04-12 | 义乌市潮嘻科技有限公司 | 一种基于无人机智能跟踪航拍技术的无人机飞行状态调控管理系统 |
CN114740901A (zh) * | 2022-06-13 | 2022-07-12 | 深圳联和智慧科技有限公司 | 一种无人机集群飞行方法、系统及云平台 |
-
2022
- 2022-07-14 CN CN202210824316.7A patent/CN114898236B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2381432A1 (en) * | 2010-04-22 | 2011-10-26 | BAE SYSTEMS plc | Flight planning methods and systems |
CN206322317U (zh) * | 2016-12-12 | 2017-07-11 | 武汉理工大学 | 一种监测渣土车违规倾倒的装置 |
WO2018156139A1 (en) * | 2017-02-24 | 2018-08-30 | Ford Global Technologies, Llc | Drone-based tracking |
WO2018166836A1 (de) * | 2017-03-17 | 2018-09-20 | Sku Saale-Kies-Union Gmbh | System und verfahren zur dokumentation von abkippvorgängen auf einer einlagerungsstätte |
CN110096056A (zh) * | 2019-04-08 | 2019-08-06 | 三峡大学 | 一种基于无人机平台的智能车探测系统及其控制方法 |
US20220051577A1 (en) * | 2019-09-02 | 2022-02-17 | Skygrid, Llc | Flight path deconfliction among unmanned aerial vehicles |
US20210218935A1 (en) * | 2020-01-15 | 2021-07-15 | Toyota Jidosha Kabushiki Kaisha | Drone system and method of capturing image of vehicle by drone |
WO2021163881A1 (zh) * | 2020-02-18 | 2021-08-26 | 深圳市大疆创新科技有限公司 | 数据处理方法与系统、设备与可读存储介质 |
US20210300555A1 (en) * | 2020-03-31 | 2021-09-30 | Skygrid, Llc | Coordinating an aerial search among unmanned aerial vehicles |
CN113688805A (zh) * | 2021-10-25 | 2021-11-23 | 深圳联和智慧科技有限公司 | 一种基于无人机的无牌渣土车识别方法及系统 |
CN114326817A (zh) * | 2022-01-05 | 2022-04-12 | 义乌市潮嘻科技有限公司 | 一种基于无人机智能跟踪航拍技术的无人机飞行状态调控管理系统 |
CN114740901A (zh) * | 2022-06-13 | 2022-07-12 | 深圳联和智慧科技有限公司 | 一种无人机集群飞行方法、系统及云平台 |
Non-Patent Citations (5)
Title |
---|
BRINKMAN, J.L. ET.AL.: "Effects of Downwash from a 6-Rotor Unmanned Aerial Vehicle (UAV) on Gas Monitor Concentrations", 《MINING, METALLURGY & EXPLORATION》 * |
KARL ENGELBERT WENZEL ET.AL.: "Automatic Take Off, Tracking and Landing of a Miniature UAV on a Moving Carrier Vehicle", 《JOURNAL OF INTELLIGENT & ROBOTIC SYSTEMS 》 * |
史涵意: "时空四维条件下异构飞行器集群航迹规划问题研究", 《全国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
肜卿: "红外热成像伺服控制系统电路设计与电源完整性仿真研究", 《中国优秀硕士学位论文全文数据库》 * |
袁文: "多无人机编队飞行与冲突规避方法研究", 《全国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114898236B (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10347122B2 (en) | Road condition monitoring system | |
US9583000B2 (en) | Vehicle-based abnormal travel event detecting and reporting | |
CN110737688B (zh) | 驾驶数据分析方法、装置、电子设备和计算机存储介质 | |
US11640560B2 (en) | Automated training data quality process | |
CN105355039A (zh) | 路况信息处理方法及设备 | |
CN105206052A (zh) | 一种驾驶行为分析方法及设备 | |
CN110807930A (zh) | 危险车辆预警方法及装置 | |
CN111985356A (zh) | 交通违章的证据生成方法及装置、电子设备、存储介质 | |
CN107547617B (zh) | 一种交通事故信息收集方法及装置 | |
CN113496213B (zh) | 一种目标感知数据的确定方法、装置、系统及存储介质 | |
CN112700201A (zh) | 货源推荐方法、电子设备和存储介质 | |
US20180189588A1 (en) | Device for reading vehicle license plate number and method therefor | |
US20190347489A1 (en) | Efficient distribution of data collected from information collection devices | |
CN110675633A (zh) | 用于求取违法行驶行为的方法,控制单元和存储介质 | |
CN115841765B (zh) | 车辆位置盲区监控方法、装置、电子设备及可读存储介质 | |
CN113888860A (zh) | 车辆异常行驶的检测方法、装置、服务器及可读存储介质 | |
CN114898236B (zh) | 一种基于无人机的渣土车监测方法、系统及云平台 | |
CN115203354B (zh) | 一种车码轨迹预关联方法、装置、计算机设备及存储介质 | |
CN113033713B (zh) | 事故片段的识别方法、装置、设备及可读存储介质 | |
CN116524210A (zh) | 自动驾驶数据筛选方法、系统、电子设备和存储介质 | |
CN109215162B (zh) | 无人车黑匣子的数据监测方法和装置、无人车黑匣子 | |
CN115257771A (zh) | 一种路口识别方法、电子设备和存储介质 | |
CN113256997B (zh) | 一种交通车辆违规行为检测装置及方法 | |
CN116469254B (zh) | 一种信息处理方法和装置 | |
US20230177952A1 (en) | A system and method for generating utilization data of a vehicle |
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 |