一种无人机与智能车协同导航与侦查监控系统及方法
【技术领域】
[0001]本发明属于无人机与智能车交叉领域，具体涉及一种无人机与智能车协同导航与侦查监控系统及方法。
【背景技术】
[0002]无人飞行器自问世以来，己有八十多年的历史。近年来，随着传感器技术的提高(如MEMS器件的快速发展)，微处理器技术的进步，动力装置的改善，新型材料的应用，以及电池续航能力的提升等，都为四旋翼无人飞行器的再度发展提供了必需的硬件条件。与常规旋翼飞行器如传统布局的直升机等相比，多旋翼飞行器结构更为紧凑，动力利用效这率高，并且四只旋翼扭力矩可相互抵消，无需专门的反扭矩旋翼。多旋翼飞行器实现微小型化后，特别适合在近地面环境(室内、街巷和丛林)中执行监视、侦察等任务，具有广阔的军用和民用前景。
[0003]智能车是一个运用计算机、传感、信息、通信、导航、人工智能及自动控制等技术来实现环境感知、规划决策和自动行驶为一体的高新技术综合体。它在军事、民用和科学研宄等方面已获得了应用，对解决道路交通安全提供了一种新的途径。随着汽车工业的迅速发展，关于汽车的研宄也就越来越受人关注。它所关联的电子设计涉及到多个学科，机械电子、传感器技术、自动控制技术、人工智能控制、计算机与通信技术等等，是众多领域的高科技。
[0004]不可否认的是这两者的发展前景广阔，但均存在自身难以克服的缺点。对于无人机来说，它有较强的机动性而且结构设计巧妙，但是就其自身的材质和重量而言，有效载荷较小，难以承载较重的物品。虽然它采用了电能作为驱动力，更加环保，但由于现阶段电池技术的限制，无人机的续航时间只能在0-20分钟之间，难以进行长距离的飞行。而就智能车而言，虽然它具有较好的承重能力，但是对于路径的识别以及精确的行走还是存在一定的困难，路面摩擦以及外部环境对其路径的判断均会产生不小的影响。同时，智能车的主要领域是陆地，它的观测范围十分有限，无法很快获得地形的全面信息，这大大制约了智能车的侦查效率，减少了其应用场合。
[0005]现如今的发明专利有一种基于四旋翼无人机做引导的智能停车引导系统，利用四旋翼无人机将停车场的实时车况进行探测后并计算出停车的最优路线，引导车辆从最优路线驶入或驶出停车场，节约车辆停车消耗时间。但是该发明过多的依赖探测器进行环境感知，在现实处理中存在一定的局限性。
【发明内容】
[0006]针对现有技术的不足，本发明提出一种无人机与智能车协同导航与侦查监控系统及方法。
[0007]本发明技术方案如下:
[0008]一种无人机与智能车协同导航与侦查监控系统，包括无人机单元、PC机和智能车单元;
[0009]所述的无人机单元，用于对指定区域进行监控，以固定频率采集监控区域地面图像，并通过WIFI传输至协同交互单元，同时将吸附到无人机单元底部的智能车单元运输到指定区域；
[0010]所述的PC机，用于对无人机单元采集的多张监控区域地面图像进行拼接得到整个监控区域的画面，对图像中的障碍物进行识别，对智能车单元的行驶路径进行规划得到优行驶路径信息，同时与智能车单元进行通讯，将指定的最优行驶路径信息传输至智能车单元;
[0011]所述的智能车单元，用于根据最优行驶路径信息进行循迹行驶，同时进行超声波自动避障，并将智能车单元的位置反馈给PC机。
[0012]所述的PC机设有协同交互单元，包括无人机运输智能车模块、图像拼接模块、障碍物识别模块、路径规划模块和通信模块；
[0013]所述的无人机运输智能车模块，用于控制无人机单元将智能车运送到指定工作位置；
[0014]所述的图像拼接模块，用于将无人机单元采集的多张监控区域地面图像进行拼接得到整个监控区域的画面，建立该监控区域画面的二维坐标图，并发送至障碍物识别模块；
[0015]所述的障碍物识别模块，用于将监控区域画面的图像转换为二值化图像，利用对二值化图像中的地面网格与障碍物进行识别，计算出地面网格和障碍物在监控区域画面的二维坐标图中的位置，并发送至路径规划模块；
[0016]所述的路径规划模块，用于利用地面网格和障碍物在监控区域画面的二维坐标图中的位置，计算出最优行驶路径信息，保存并发送至通信模块；
[0017]所述的通信模块，用于与智能车单元通过蓝牙进行通信，将指定的最优行驶路径信息传输给智能车单元。
[0018]所述的无人机单元包括无人机、便携式摄像头和电磁装置；
[0019]所述的无人机，用于在指定区域内飞行并进行监控；
[0020]所述的便携式摄像头，安装于无人机前端，用于以固定频率采集监控区域地面图像；
[0021]所述的电磁装置，安装于无人机底部中心位置，用于将智能车吸附到无人机底部，将其运输到指定区域并通过电磁装置开关将智能车放置在指定区域。
[0022]所述的智能车单元包括智能车、红外传感器、蓝牙装置、超声波装置和磁铁装置；
[0023]所述的智能车，用于根据最优行驶路径信息进行循迹行驶，同时进行超声波自动避障，行驶到指定地点；
[0024]所述的红外传感器，用于对路面网格进行循迹并将智能车位置反馈给PC机，红外线传感器有三个，其中，第一红外传感器和第二红外传感器竖直方向上平行安装于智能车前端中央，用于识别网格的直线，第三红外传感器安装在智能车前端边缘处，用于识别网格的交叉节点；
[0025]所述的蓝牙装置，安装于智能车顶部，实现与PC机之间的通讯，将最优行驶路径信息传送至智能车；
[0026]所述的超声波装置，安装于智能车头部，用于实时检测前方是否有障碍物，并把检测结果传输至智能车，实现智能车的超声波自动避障；
[0027]所述的磁铁装置，安装于智能车顶部，用于与无人机单元的电磁装置吸附在一起。
[0028]采用无人机与智能车协同导航与侦查监控系统进行协同导航与侦查监控的方法，包括以下步骤:
[0029]步骤1:PC机控制无人机单元将吸附到无人机单元底部的智能车单元运输到指定区域，当智能车到达指定区域后，PC机控制无人机单元将智能车单元与无人机单元分离；
[0030]步骤2:无人机单元在指定区域内飞行并进行监控，无人机单元以固定频率采集监控区域地面图像；
[0031]步骤3:PC机将采集的多张监控区域地面图像进行拼接得到整个监控区域的画面，建立该监控区域画面的二维坐标图；
[0032]PC机将采集的多张监控区域地面图像进行拼接得到整个监控区域的画面的方法为:计算两张监控区域地面图像的对应像素点灰度的相关系数，以相关系数越大则两张监控区域地面图像的匹配度越高为原则，将多张监控区域地面图像进行拼接得到整个监控区域的画面；
[0033]步骤4:PC机将监控区域画面的图像转换为二值化图像，对二值化图像中的地面网格与障碍物进行识别，计算出地面网格和障碍物在监控区域画面的二维坐标图中的位置；
[0034]对二值化图像中的地面网格与障碍物进行识别的方法为:首先利用颜色特征检测算法和基于霍夫变换的图形检测方法对二值化图像中的地面网格与障碍物进行识别，然后采用概率算法，计算出地面网格的数量，从而获得障碍物相对于地面网格的分布信息；
[0035]步骤5:PC机利用地面网格和障碍物在监控区域画面的二维坐标图中的位置，计算出一条沿网格行驶并以最少拐弯避开障碍物到达指定地点的最优行驶路径信息；
[0036]计算一条沿网格行驶并以最少拐弯避开障碍物到达指定地点的最优行驶路径信息采用Dijkstra单源最短路径算法；
[0037]步骤6:PC机将指定的最优行驶路径信息传输给智能车单元并保存；
[0038]步骤7:智能车单元根据最优行驶路径信息进行循迹行驶，同时进行超声波自动避障，行驶到指定地点，并将智能车单元位置反馈给PC机。
[0039]本发明的有益效果:
[0040]本发明提出一种无人机与智能车协同导航与侦查监控系统及方法，考虑到