【技术实现步骤摘要】
本专利技术属于无人机乡村运输应用，具体涉及一种无人机乡村道路宽度识别方法、与基于道路宽度的乡村飞行控制方法。
技术介绍
1、近年来，无人机在乡村运输中的应用逐渐增多，并展现出显著的优势和潜力。无人机在医疗物资配送、农业监控与管理、快递包裹投递、灾后救援与重建、环境监测与保护、基础设施检查以及教育与宣传等多个领域都有广泛应用。在医疗领域，无人机能够快速运送药品、疫苗和血液样本，特别是在紧急情况下，其优势尤为明显。在农业方面，无人机通过高分辨率摄像头和传感器，帮助农民监控农田、检测作物健康状况和病虫害，提高生产效率。
2、无人机在乡村快递和包裹投递中，同样展现出其高效性，能够在交通不便的地区快速配送，提升物流效率。此外，在自然灾害发生后，无人机可以迅速评估灾情、投递救援物资，辅助救援工作。环境监测方面，无人机能够进行水质、空气质量监测以及森林防火预警，帮助保护生态环境。基础设施检查是无人机的另一大应用，通过定期检查电力线路、桥梁和道路，无人机提高了维护工作的效率和安全性。同时，无人机还可以用于乡村教育和宣传，记录和传播乡村文化，促进旅游和经济发展。在无人机执行任务过程中，拍摄的图像是进行自主决策或干预的关键信息来源。
3、如，公开号为cn116596428b的中国专利技术专利，公开了一种基于无人机的乡村物流智能配送系统，系统通过对平滑后的实景灰度图像中每个像素点构建图像块，由图像块的灰度值变化程度排序获得均匀度序列；根据图像块间的灰度波动差异获得图像块间的相似度，最终准确评估实景灰度图像中的噪声强度进而优化维
4、随着技术的不断进步和运营成本的降低，无人机在乡村运输中的应用前景愈加广阔。未来，智能化、自动化和多功能化的发展趋势将进一步提升无人机的应用效果，推动乡村地区经济发展和生活质量的提升。
5、无人机的应用具有快速高效、成本低廉和灵活性强的优势，但也面临一些挑战。比如，无人机在运输过程中，遇到异常情况如电量不足或气象变化时，需要进行降落停靠。一方面，无人机降落的地面通常要求平整，以保证降落安全；而乡村场景中，大部分地面区域都是作物、土壤、大棚等不平整区域，可供无人机降落停靠的地区有限。另一方面，在乡村地区存在不同宽度的道路，而不同宽度的道路对无人机降落安全性的保障性是有区别的，道路宽度越宽，无人机降落的安全性就越高。
6、目前，道路宽度要么根据实地测量出的先验数据，要么根据像素比例来直接硬算。前者如申请号为2020104520176的中国专利申请，其公开了一种基于道路宽度和无人机的车速测量方法。收集所测量区域内所有道路的宽度信息，计算出图像上道路宽度和实际宽度的比例，在获取一定时间内车辆在图像上的位移后，计算出车辆速度。该方案通过先验的实际道路宽度和图像上的道路宽度的比例来测量车速。显然，更多的乡村道路其宽度是无法先验获知的，且乡村环境可能不断变化，因此，这种靠收集信息的方法，难以有普遍的适用性。
7、而申请号为2022104047694的中国专利申请，则采用了后一种方法；其公开了一种基于车载无人机的道路宽度不足预警方法和系统，使用无人机搭载的云台摄像头，根据中控屏接收的ar标绘信息实现待测量道路实际宽度的测量，并根据测量的道路实际宽度值通过影音娱乐域控制器进行报警处理；其中，ar标绘信息包括在中控屏显示的待测量道路正射影像上绘制的待测量道路的道路量测线，道路量测线起点为待测量道路的一个边缘，道路量测线终点为待测量道路的另一个边缘。该方案中，依赖于一种精确的比例关系，即要求所测线的像素宽度值对应一种先验的确定比例。显然，该方案要求无人机视频画面为固定的同一角度，才有可比性，而这无疑大大限制了道路的可量测性。
8、因此，需要一种泛化性能强、适用性广的乡村道路检测与宽度识别的方法及系统。
技术实现思路
1、本专利技术的目的在于提供一种无人机乡村道路宽度识别方法、控制器与系统，用于根据无人机采集的图像来对乡村道路的特征进行识别、并能测算其路面宽度，且不需要限定无人机在采样时必须保持为某一个精准的方位。
2、为解决上述技术问题，本专利技术提供一种无人机乡村道路宽度识别方法，其包括以下步骤：
3、s1、初始化，建立乡村道路宽度识别神经网络，搭建具有两条平行边缘的薄片形乡村道路模型；
4、s2、离线状态下，以倾斜摄影在某一高度下采集不同宽度道路模型的无人机视野下乡村道路模型图像；
5、s3、对乡村道路模型图像进行灰度化、二值化处理，获得道路目标图像，对二值化的道路目标图像进行边缘提取，获得道路边缘图像；
6、s4、对道路边缘图像进行霍夫线变换，并经启发式搜索获得含道路两条直线边的道路边线图像；
7、s5、根据道路边线图像中所获取的两条边线，计算所述两条边线各自相对图像中心的几何特征量；
8、s6、判断当前为离线采集还是在线识别阶段，若为后者，则转步骤s12，否则，记录当前道路模型的道路宽度，将所获几何特征量及所记录的道路宽度形成为一个训练样本；
9、s7、判断当前训练样本是否需要补充，若是则转步骤s2，否则转步骤s8；
10、s8、基于所获训练样本集，对乡村道路宽度识别神经网络进行训练，得到经训练的道路宽度识别神经网络作为道路宽度预测模型；
11、s9、在线状态下，进行实际乡村场景下的道路宽度识别；检测有无退出指令，若有则转步骤s13，否则待道路宽度识别指令触发后转下一步骤s10；
12、s10、获取乡村道路图像，确定其中包含道路的roi区域，从所述roi区域提取道路区域作为前景对象，将乡村道路图像中非前景对象区域全部置零后形成道路目标图像；
13、s11、对所获道路目标图像，经边缘检测获得道路边缘图像，转步骤s4；
14、s12、将所获两条边线各自相对图像中心的几何特征量输入到道路宽度预测模型，得到道路宽度预测值，将所述宽度预测值输出；并转步骤s10；
15、s13、结束乡村道路宽度识别。
16、作为优选，所述步骤s5中，对道路边线图像中所获取的两条边线，计算其斜率k1、k2以及图像中心点到两边线的垂距d1、d2共4个几何特征量；
17、所述步骤s6中，判断当前为离线采集还是在线识别阶段，若为后者，则转步骤s12，否则，记录当前道路模型的道路宽度，将4个几何特征量、1个道路宽度形成为一个训练样本；
18、所述步骤s12中，将所获的4个几何特征量输入到道路宽度预测模型，得到道路宽度预测值。
19、作为优选，所述步骤s5中，对所述二值化道路边缘图像进行霍夫线变换后，筛选出长度最大的两条直线段作为道路两边直线；对所述道路两边直线中的任一条，用直线的两端点坐标对其进行描述，并基于两端点分别求取直线的斜率、及图像中心点到直线的垂距。
20、作为优选，所述步骤s5中本文档来自技高网...
【技术保护点】
1.无人机乡村道路宽度识别方法，包括以下步骤：
2.根据权利要求1所述的无人机乡村道路宽度识别方法，其特征在于，所述步骤S5中，对道路边线图像中所获取的两条边线，计算其斜率k1、k2以及图像中心点到两边线的垂距D1、D2共4个几何特征量；
3.根据权利要求1所述的无人机乡村道路宽度识别方法，其特征在于，所述步骤S5中，对道路两条边线进行几何特征的计算与提取的方法包括：
4.根据权利要求1所述的无人机乡村道路宽度识别方法，其特征在于，所述步骤S8中，对乡村道路宽度识别神经网络进行训练包括：T1、初始化网络的权值和偏置；T2、读取网络参数和记录在文档中的训练样本集；T3、对样本数据进行归一化处理；T4、对每一个样本计算其预测输出值与期望值的误差；T5、根据误差反向计算修正网络权值和偏置；T6、如满足网络训练结束的条件，则结束训练，否则转到T4继续进行训练；T7、结果分析与输出。
5.根据权利要求1所述的无人机乡村道路宽度识别方法，其特征在于，所述步骤S4的启发式搜索中，以斜率表示角度时，当两条边缘线斜率差值的绝对值小于一个很小的第一斜率
6.根据权利要求1所述的无人机乡村道路宽度识别方法，其特征在于，所述步骤S2还包括：将所述道路模型分别布置在无人机视野下地面中的不同区域，以使得所述样本集内道路模型分布在图像平面内上中下、左中右所形成九宫格的各宫格内。
7.根据权利要求1所述的无人机乡村道路宽度识别方法，其特征在于，所述步骤S1中的所述薄片形乡村道路模型采用矩形薄片，所述矩形薄片的宽度为实际道路宽度的第一预设倍数S1倍数，且所述矩形薄片的长度为其宽度的第二预设倍数S2倍，所述倍数S1和S2根据无人机乡村巡航飞行高度和相机分辨率进行设置；所述道路模型采用的不同矩形薄片，其宽度范围对应乡村道路常见宽度范围的S1倍，不同矩形薄片间的宽度差值即间距对应为实际道路宽度差值SD的S1倍。
8.根据权利要求1所述的无人机乡村道路宽度识别方法，其特征在于，所述乡村道路宽度识别神经网络及对应的道路宽度预测模型采用多个，其中每个道路宽度预测模型对应一个飞行高度与倾斜摄影获取乡村道路图像时的俯瞰角度；
9.根据权利要求1所述的无人机乡村道路宽度识别方法，其特征在于，所述步骤S10中，还包括：并从所述ROI区域中部选择一个种子点，通过漫水填充处理获得道路区域作为前景对象；在原乡村道路图像中将所述前景对象区域之外的部分剔除，形成道路目标图像。
10.根据权利要求1所述的无人机乡村道路宽度识别方法，其特征在于，所述S4包括：对所述道路边缘图像中每一前景像素点进行所述霍夫变换时，累加获得图像对应的ρ-θ平面矩阵，其中ρ代表直线离原点的垂线段距离，θ是该垂线对横轴的角度；在所述累加中，其中图像中前景像素点(u，v)与一个直线元素li，j(ρi，j，θi，j)对应的判断方式为：
...【技术特征摘要】
1.无人机乡村道路宽度识别方法，包括以下步骤：
2.根据权利要求1所述的无人机乡村道路宽度识别方法，其特征在于，所述步骤s5中，对道路边线图像中所获取的两条边线，计算其斜率k1、k2以及图像中心点到两边线的垂距d1、d2共4个几何特征量；
3.根据权利要求1所述的无人机乡村道路宽度识别方法，其特征在于，所述步骤s5中，对道路两条边线进行几何特征的计算与提取的方法包括：
4.根据权利要求1所述的无人机乡村道路宽度识别方法，其特征在于，所述步骤s8中，对乡村道路宽度识别神经网络进行训练包括：t1、初始化网络的权值和偏置；t2、读取网络参数和记录在文档中的训练样本集；t3、对样本数据进行归一化处理；t4、对每一个样本计算其预测输出值与期望值的误差；t5、根据误差反向计算修正网络权值和偏置；t6、如满足网络训练结束的条件，则结束训练，否则转到t4继续进行训练；t7、结果分析与输出。
5.根据权利要求1所述的无人机乡村道路宽度识别方法，其特征在于，所述步骤s4的启发式搜索中，以斜率表示角度时，当两条边缘线斜率差值的绝对值小于一个很小的第一斜率阈值时，合并所述两条边缘线；同时，若角度正切值或斜率大于一个很大的第二斜率阈值时，判定边缘线为一条垂直于横轴的纵线。
6.根据权利要求1所述的无人机乡村道路宽度识别方法，其特征在于，所述步骤s2还包括：将所述道路模型分别布置在无人机视野下地面中的不同区域，以使得所述样本集内道路模型分布在图像平面内...
【专利技术属性】
技术研发人员：邹细勇，连加俤，邹乐钧，张维特，胡晓静，王焕平，陈亮，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。