请点击此处给我们留言

地址:利来国际w66娱乐平台

电话:

联系人:利来国际w66总经理

当前位置:主页 > 产品案例 >

小型无人机交通辅佐体系

来源:http://www.52tpw.com 责任编辑:利来国际w66 更新日期:2018-05-18 19:42 字体:
分享到:

  小型无人机交通辅佐体系

车辆的日益增多,为路途交通以及交通管理都带来了很大压力,一起车辆违章、逃逸的数量也敏捷添加,为了减轻交通管理的压力,进步路途交通秩序,咱们规划了本体系。为了简略清楚的理解这个体系的功用,咱们想象这样一个场景:在某条公路旁边警车内的交警接到告诉,要注意是否有一辆车牌号XXX的车辆通过,假如发现则坚持盯梢。这时分,值班交警敞开了路途监控摄像头的主动车牌辨认功用,对交游车辆进行辨识,过了没多久,体系提示,发现方针,紧接着进入盯梢形式,假如交警不能脱离当时执勤方位,那么他能够通过手动操控或许语音操控无人机,进行逃逸车辆的盯梢,无人机的方位能够认为是逃逸车辆的方位,这样指挥部能够敏捷调集适宜的警力在方针跋涉的路途上进行阻拦。体系流程图如图1。

  

 

  

小型无人机交通辅佐体系


 

  


 

  

 

  

1 主动车牌辨认

  

主动车牌辨认(Automatic Number Plate Recognition, ANPR)首要运用图画处理技能提取出一个或许若干疑似车牌区域,然后通过SVM(Support Vector Machine支撑向量机)来区别出这些区域哪一个才是真实的车牌,或许都不是车牌,假如有一个区域是车牌所在方位,则接着通过OCR(Optical Character Recognition光学字符辨认)技能来辨认出详细的车牌号码,全体流程如图2。

  

 

  

小型无人机交通辅佐体系


 

  


 

  

 

  

SVM是一种监督式学习的办法,可广泛用于核算分类以及回归剖析。它归于一般化线性分类器,完结的功用就是判别一个区域是或许不是车牌。本项目中需求先对SVM 和OCR的人工神经网络进行练习,OCR的人工神经网络选用三层每层15个节点。运用总共1200张136x36的图片练习SVM,运用860张20x20的图片练习OCR的人工神经网络,暂时没有练习汉字的OCR人工神经网络,辨认后的作用如图3所示。

  

小型无人机交通辅佐体系

开发环境是Intel Core i5-3570 + 8GB DDR3 RAM + 500GB 硬盘 + Ubuntu12.04 64bit + OpenCV2.4.9。
 

  

将算法通过OpenCV4Android移植到Android渠道上进行实践测验,得益于Intel medfield 的1.6GHz的高性能CPU,运转的成果跟台式机开发过程中的作用十分挨近,选用Intel中心的Android手机能够运用ICC(Intel C++ compiler) for Android 进行优化,充分运用Intel CPU的多媒体指令集,发挥中心最强的运算才能,进步运用程序的运转速度。通过Intel System Studio东西能够快速的发现程序中运转耗时最多的若干方位,并针对性地进行优化。

  

开发过程中选用Parrot公司的ARDrone2代进行测验,官方供给开发SDK便于快速验证算法。ARDrone2是一架四旋翼无人机。发动无人机后它会创立一个独立的WiFi局域网网络,无人机的IP地址是192.168.1.1,接入的操控设备如手机、PC则主动获取IP,接着通过TCP和UDP协议操控。无人机的装备、操控指令运用UDP协议通过5556端口传输,每秒传输30次。无人机的飞翔情况,如速度、高度、加速度等信息运用UDP协议通过5554端口传输回操控端的手机或许PC。在一般形式中,传输速度为每秒15次,而在调试形式,每秒200次数据传输。无人机上摄像头画面以H.264编码格局通过TCP 5559端口传输回操控端。这时分操控端的手机衔接到了WiFi就主动封闭了3G数据网络,所以无法衔接到Internet。在手机操控无人机的时分,能够选用UI界面按钮操控,也能够集成语音辨认指令的功用。语音辨认部分也是本项目一个要点,由于无法衔接到Internet所以类似于Google、百度等在线语音辨认引擎将无法运用。通过查询剖析,终究选用的是科大讯飞的语音辨认引擎,它支撑在线语音辨认和离线指令词辨认功用,特别是离线指令词辨认功用,十分合适本项目,在对无人机进行语音辨认操控的时分,仅辨认若干指令,节约核算资源,进步体系响应速度。开发的过程中只需求依照BNF(巴斯克范式)语法标准编写指令词语法文件即可。现在现已添加的指令词有“起飞”、“下降”、“向左”、“右移”、“行进”、“撤退”、“上升”、“下降”、“倒转”、“顺时针”等指令,能够快速精确地辨认并履行动作,在演示作用方面,额定添加了“前空翻”、“后空翻”、“左翻”、“右翻”等具有观赏性的动作。手机端运用完好界面如图4所示,供给多个动作按钮及语音辨认功用。

  

小型无人机交通辅佐体系

从无人机摄像头中拍到的路途画面中提取图画特征值,进行特征值匹配区别出逃逸车辆,然后进行无人机主动盯梢方针。在路途搅扰较少的情况下能够稳定地盯梢,难点在于如安在路途车辆较多、搅扰严峻的情况下自主飞翔辨认方针进行盯梢。现在没有彻底解决这个问题,因此在操控傍边运用语音辨认指令操控进行辅佐。
 

  

3 项目研讨现状及远景

  

本体系现在完结了人工神经网络主动车牌辨认功用从Ubuntu操作体系到Android体系的移植,在Ubuntu中练习的SVM以及OCR能够直接在Android体系中运用,并能够精确辨认车牌号码,在辨认到指定的车牌之后主动跳转到无人机操控界面,能够语音操控或许按键操作操控无人机。但是在辨认车牌的时分运算量很大,现在没有优化的作用是每三秒至四秒能够辨认完一帧画面,正在研讨怎么运用OpenCL以及多线程编程办法进步辨认的速度,做到高实时性和高可靠性。本体系若正式投入日常运用,在无人机的操控方面也需求进步,应当为无人机添加3G网络模块以添加无人机操控端的操控间隔,运用大容量的电池以添加巡航时刻,并运用飞翔速度较大的无人机。