，蓝）颜色空间转换到HSV (色调，饱和 度，亮度）颜色空间。然后选取图像中饱和度值在0%-5%内的区域将其亮度调整成0(黑 色），其余区域的亮度设置为255 (白色），从而得到道路二值图像。
[0046] 对二值图像进行形态学开闭运算，其中，采用圆为结构元素，其直径为道路上车辆 宽度的1/2,从而消除道路上车辆造成的空洞，平滑道路边界。
[0047] 然后进行边缘检测，由于二值图像中每个像素点的灰度值为0或255,其中，灰度 突变处则为道路边界。但是通过形态学操作后得到的边缘可能为不规则曲线，需要通过霍 夫变换绘制边缘直线，从而获得规则的道路区域，建立二维道路模型。
[0048] 霍夫变换过程：对于道路边缘线a上的若干个点A1 (X1, Y1, )，A2 (x2, y2,)，… ，八1^11，711，），近似满足直线山〇8 9+￥8；[119=1'，其中9、1'是参数。以点厶1(11，7 1，）为例， 将Xi、yi作为参数，则在r-θ参数平面上，可以得到曲线：r = Xcos Θ+YsinQ。由此，可以 将点集A转换成r-θ平面上的若干曲线，这些曲线过同一点（0，r)。经过霍夫变换后，统 计r-θ平面上的峰值点，获取该点坐标，g卩直线的参数0、r，从而绘制出直线。
[0049] ③、随后，通过采用基于Haar特征级联分类器进行车辆检测，获取图像中各车辆 中心点的坐标以及车辆长、宽与大小。使用分类器检测时，寻找图形中的某一大型车辆，设 定搜索窗口的长为该大型车辆长度的1. 2倍，搜索窗口的宽为该大型车辆宽度的1. 2倍，并 保持检索窗口尺寸不变，以排除检测到其他非车辆物体，保证检测精度。检测结束后，计算 各条道路上车辆总面积与道路面积的比值，该比值将作为路径规划的依据之一。
[0050] ④、最后进行路径规划，其包含：全局规划和局部规划。
[0051] 全局规划时，如图4所示，计算机模块根据无人飞行器4上的GPS信息，在当前地 图位置中设置感兴趣区域，并在该区域内将上述步骤得到的道路模型进行模板匹配，得到 目标车辆在电子地图中的位置。根据车辆位置与终点位置，结合C空间算法与Di jkstra算 法，进行全局规划。利用C空间算法，在电子地图中，将不可通行区域拓展成多边形，将起 始点、终点和所有多边形顶点间用直线连接，建立路径信息拓扑网络。然后采用Dijkstra 算法搜索最短路径，该算法依次遍历所有顶点，并以道路长度与道路上车辆数量的加权值w =klCl+k2h为各个顶点的权值，进行计算得到最优解，其中d为两顶点间距，h为车辆道路面 积比值，h、k 2取值由所在城市决定，为预先设定的经验值。全局规划在无人飞行器4悬停 建立与地面站2的通信后，执行一次即可，随后判断车辆1的行驶轨迹是否在路线上，如果 偏尚则重新规划。
[0052] 局部规划时，计算机模块图像处理时得到目标车辆2与其他车辆的位置距离关 系，采用人工势场法，限定范围在当前可行驶道路（避免逆行）上，虚拟前方为力场方向，其 他车辆为斥力，建立引力场函数进行路径寻找。必要时通过连续帧计算其他车辆运动速度， 并将其导入函数进行计算以进行路径寻找。局部规划提供一种行驶轨迹参考，实际决策由 车辆1电子控制单元结合各传感器数据综合给出。
[0053] 步骤（3)计算机模块控制无人飞行器4跟随目标车辆1前进，用于实时修正路径。
[0054] 步骤（3)工作原理包括：
[0055] 1、计算机模块通过图像处理得到无人飞行器4与目标车辆1的位置关系，根据偏 移距离和方向与PID控制原理，计算无人飞行器4的飞行控制参数并发送至无人飞行器4， 控制无人飞行器4跟随车辆前进，用于实时修正路径。
[0056] 2、为了简化控制过程，只对飞行过程中的无人飞行器4的俯仰与偏航两个参数进 行控制。控制采用双模参数自校正模糊PID计算飞行控制参数。
[0057] 3、其中，计算位置关系时，在图像处理过程中以画面中心作为无人飞行器4所处 位置，在画面中心附近设定一个感兴趣区域范围，寻找用特殊颜色标记车顶的目标车辆。在 根据图像中两物体的位置关系计算现实中距离。然后获得无人飞行器与车辆间的实际偏移 距离与方向。
[0058] 4、当无人飞行器丢失目标车辆后，系留绳能够在一定程度上提供对无人飞行器的 引导。
【主权项】
1. 一种基于无人机感知的无人驾驶车辆路径规划方法，其特征在于，该方法基于一种 无人飞行器感知系统；所述的无人飞行器感知系统包括无人飞行器和地面站； 所述的无人飞行器通过系留绳由目标车辆供电，无人飞行器上搭载增稳云台、摄像装 置、第一无线通信模块和第一图像传输模块；通过摄像装置对路面进行拍摄，获得道路的视 频图像；通过第一图像传输模块将拍摄的视频图像传输至地面站；通过第一无线通信模块 接收飞行控制信号； 所述的地面站放置在目标车辆上，并由目标车辆供电；地面站装有第二无线通信模块、 第二图像传输模块和计算机模块；通过第二无线通信模块传输飞行控制信号给无人飞行 器；通过第二图像传输模块接收无人飞行器传来视频图像；通过计算机模块，对接收的视 频图像进行处理，获得道路信息并进行路径规划； 所述的无人驾驶车辆路径规划方法的实现步骤如下： 步骤1，启动无人飞行器感知系统，无人飞行器起飞，悬停后与地面站建立通信，拍摄目 标车辆周围的道路视频图像，发送给地面站； 步骤2,地面站接收视频图像并进行处理，获得车辆与道路信息，根据车辆位置进行路 径规划，并将路线传递给无人驾驶车辆；所述的车辆与道路信息包括目标车辆与道路的位 置关系、车辆之间的距离、以及道路区域； 步骤2. 1 :无人飞行器拍摄视频图像时，增稳云台控制摄像装置的镜头垂直地面进行 拍摄，所得到的视频图像为俯视投影，通过比例变换获得物体间的实际距离； 步骤2. 2、地面站的计算机模块对视频图形进行图像处理，绘制道路区域，检索车辆，得 到各条道路上车辆总面积与道路面积的比值，并对目标车辆进行路径规划； 步骤3,计算机模块控制无人飞行器跟随目标车辆前进，并实时修正路径。2. 根据权利要求1所述的基于无人机感知的无人驾驶车辆路径规划方法，其特征在 于，所述的步骤1中，无人飞行器起飞至地面站所在车辆上方100-200米处悬停。3. 根据权利要求1所述的基于无人机感知的无人驾驶车辆路径规划方法，其特征在 于，所述的步骤1中，对无人飞行器上的摄像装置的单目镜头进行标定，以修正在其拍摄过 程中直线产生的弧度。4. 根据权利要求1所述的基于无人机感知的无人驾驶车辆路径规划方法，其特征在 于，所述的步骤2. 2中，进行图形处理，包括： ① 、通过图像配准进行增稳，跟踪图像中的特征点获取图像背景的运动，通过仿射变换 方法消除抖动； ② 、将拍摄的图像从RGB颜色空间转换到HSV颜色空间，然后选取图像中饱和度值在 0% -5%内的区域将其亮度调整成0,其余区域的亮度设置为255,得到道路二值图像； 对二值图像进行形态学开闭运算，其中，采用圆为结构元素，其直径为道路上车辆宽度 的1/2,消除道路上车辆造成的空洞，平滑道路边界； 然后进行边缘检测和霍夫变换，绘制边缘直线，获得规则的道路区域，建立道路模型； ③ 、采用基于Haar特征级联分类器进行车辆检测，获取图像中各车辆中心点的坐标以 及车辆长、宽与大小；使用分类器检测时，寻找图形中的某一大型车辆，设定搜索窗口的长 为该大型车辆长度的1. 2倍，搜索窗口的宽为该大型车辆宽度的1. 2倍，并保持检索窗口尺 寸不变；车辆检测结束后，计算各条道路上车辆总面积与道路面积的比值； ④、进行路径规划，包含：全局规划和局部规划； 全局规划时，根据无人飞行器的GPS信息，将所得到的道路模型进行模板匹配，得到目 标车辆在电子地图中的位置，根据车辆位置与终点位置，进行全局规划； 局部规划时，根据所得到的目标车辆与其他车辆的位置距离关系，采用人工势场法，限 定范围在当前可行驶道路上，虚拟前方为力场方向，其他车辆为斥力，建立引力场函数进行 路径寻找。5. 根据权利要求4所述的基于无人机感知的无人驾驶车辆路径规划方法，其特征在 于，所述的④中进行全局规划时，利用C空间算法，在电子地图中，将不可通行区域拓展成 多边形，将起始点、终点和所有多边形顶点间用直线连接，建立路径信息拓扑网络；然后采 用Dijkstra算法搜索最短路径，在搜索时，设置顶点的权值w=kid+kjjh，其中kdPk2为预 先设定的经验值，d为两顶点间距，h为车辆道路面积比值。6. 根据权利要求1所述的基于无人机感知的无人驾驶车辆路径规划方法，其特征在 于，所述的④中进行局部规划时，根据目标车辆与其他车辆的位置距离关系，采用人工势场 法，限定范围在当前可行驶道路上，虚拟前方为力场方向，其他车辆为斥力，建立引力场函 数进行路径寻找。7. 根据权利要求1所述的基于无人机感知的无人驾驶车辆路径规划方法，其特征在 于，所述的步骤3中，计算机模块将视频图像的画面中心作为无人飞行器所处位置，在设定 的区域范围内寻找用特殊颜色标记车顶的目标车辆，发现目标车辆位置后，计算无人飞行 器与车辆间的实际偏移距离与方向；只对无人飞行机的俯仰与偏航两个参数进行控制，采 用双模参数自校正模糊PID计算飞行控制参数，在得到飞行控制参数后发送给无人飞行 器； 当无人飞行器丢失目标车辆后，通过系留绳提供对无人飞行器的引导。
【专利摘要】本发明是一种基于无人机感知的无人驾驶车辆路径规划方法，实现快速规划车辆行驶路径。本方法基于无人飞行器感知系统，利用无人飞行器拍摄目标车辆周围的道路视频图像，发送给地面站；地面站接收视频图像并进行处理，获得车辆与道路信息，根据车辆位置进行路径规划，并将路线传递给无人驾驶车辆；地面站的计算机模块计算飞行控制信号控制无人飞行器跟随车辆前进，并实时修正路径。本发明基于无人飞行器平台，工作状态稳定，从高空拍摄车辆周围道路环境，覆盖范围广，所观察到的道路交通信息清晰明确，可以快速得到目标车辆周围道路分布状况与交通状况，能获得合理的路径规划，路线更为精确，路况分析更为及时准确。
【IPC分类】G01C21/34
【公开号】CN105318888
【申请号】CN201510890380
【发明人】王云鹏, 余贵珍, 李欣旭, 陈鹏, 徐永正
【申请人】北京航空航天大学
【公开日】2016年2月10日
【申请日】2015年12月7日