CN105262989B - 铁路线空中无人机自动巡查与实时图像采集传输方法 - Google Patents
铁路线空中无人机自动巡查与实时图像采集传输方法 Download PDFInfo
- Publication number
- CN105262989B CN105262989B CN201510644021.1A CN201510644021A CN105262989B CN 105262989 B CN105262989 B CN 105262989B CN 201510644021 A CN201510644021 A CN 201510644021A CN 105262989 B CN105262989 B CN 105262989B
- Authority
- CN
- China
- Prior art keywords
- node
- image
- location data
- program
- parameter
- 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.)
- Active
Links
Landscapes
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种铁路线空中无人机自动巡查与实时图像采集传输方法,该方法能够自动规划巡查航迹,支持视觉导航、图像识别与避障,能够在不受传送延迟影响的情况下适当地改变参数,由此提高图像识别率,将卫星通信网络模式与传统通信模式融合在一起,可解决大容量图像数据的高速交换,并具有较高的安全性。
Description
所属技术领域
本发明涉及无人机侦查领域,具体涉及铁路线空中无人机自动巡查与实时图像采集传输方法。
背景技术
铁路线巡查是铁路线日常维护的基本工作,巡查方式可分为人工巡查、有人直升机巡查以及无人机巡查。尽管人工巡查是最常用的巡查方式,但一直存在着效率较慢、受气候地理环境制约等不足,机巡方式正被广泛研究与应用,尤其无人机巡查的安全高效特性,铁路线空中无人机具有越来越大的应用价值。
目前针对铁路线空中无人机巡查的任务规划大多采用人工手动规划方式,此种方式虽然确保了无人机的飞行安全,但是效率较低,无法满足大规模无人机巡查的需要,同时手动规划方式很难在大区域内实现最优规划。无人机智能巡线任务规划首先需要对整个铁道线区域内的所有重要节点构建一种数据结构,以便进行智能算法规划。
现有的侦查视频图像的回传,大多数是基于模拟视频信号,图像不清晰,还需要一个称为IOSD的设备,这个设备实际上就将高清摄像机的模拟视频信号与飞行参数进行叠加回传地面,因此虽然飞机上存储的是高清图像,但回传到地面的图像是叠加了飞行状态参数的模拟图像,而人们往往需要实时看到飞机上拍摄的高清数字图像。
无人机***包括了无人机机体平台、任务载荷及数据无线传输三个部分。无人机视频数据传输应用实现的关键在于无线传输链路手段。目前的无线传输技术主要有包括以下技术:3G网络(CDMA2000、WCDMA、TD-SCDMA)、4G(TD-LTE和FDD-LTE)网络、无线局域网(WIFI)、卫星、微波等。
卫星和微波技术是无线视频传输的传统手段,且卫星通信技术的最大优点是服务范围广、功能强大、使用灵活,不受地理环境和其它外部环境的影响,尤其是不受外界电磁环境的影响。但这两种技术成本居高不下,其昂贵的初始建造费用和通讯费用常使人望而却步,无法大面积推广。
发明内容
本发明提供一种铁路线空中无人机自动巡查与实时图像采集传输方法,该方法能够自动规划巡查航迹,支持视觉导航、图像识别与避障,能够在不受传送延迟影响的情况下适当地改变参数,由此提高图像识别率,将卫星通信网络模式与传统通信模式融合在一起,可解决大容量图像数据的高速交换,并具有较高的安全性。
为了实现上述目的,本发明提供铁路线空中无人机自动巡查与实时图像采集传输方法,该方法具体包括如下步骤:
S1.巡查线路规划模块规划巡查路线;
S2.中央处理模块启动监控程序,读取并执行上述智能规划线路,所述卫星导航模块启动GPS导航程序;
S3.高清高倍变焦运动摄像机按照监控程序的轨迹采集视频图像,机端图像处理模块对图像进行处理;
S4.视频图像无线发射模块,和视频图像接收模块,配合完成图像信号的无线发送和接收;
S5.中心站点图像处理模块对接收到的图像信号进行处理,并在显示终端上显示。
优选的,在步骤S1中,具体包括如下步骤:
S11.采用一元非线性回归预测方法,对铁道线路节点分布进行预测,生成若干条节点线路,每条节点线路覆盖若干节点;
该步骤S11中,首先将三维空间模型简化到二维空间模型,采用一元非线性回归预测方法,对铁道线路节点分布进行预测;预测方式采用置信区间方式,根据历史节点数据(响应变量)对新输入数据(解释变量)进行预测及判定。
S12.利用节点分布的临界情况,使若干条节点线路连通形成线路连通图;其中所述临界情况包括:交叉跨越情况、多条线路距离较***行分布情况、节点转向情况、节点分支情况;
该步骤S12中,若达到节点分布出现特殊情况而达到临界条件,进行临界类型判断,并进行处理;将节点分布的临界种类分为以下几种:
交叉跨越情况:预测区间段内出现多个点,超出了设定节点数,并且存在交叉点;
多条线路距离较***行分布情况:预测区间段内出现多个点,超出了设定节点数,但无交叉点;
节点转向情况:与预测方程相比,在预测区间内出现唯一拐点;
节点分支情况:与预测方程相比,在预测区间内出现多个拐点。
S13.构建铁道线路巡查规划图并存储。
步骤S11具体包括如下步骤:
S111.降维处理:对三维节点地理坐标进行降维处理转换为二维坐标;设定原A节点三维坐标为(xt,yt,zt),xt表示节点三维空间经度坐标,yt表示节点纬度坐标,zt表示节点所处海拔,则降维后A节点坐标为(xt,yt);
S112回归方程的确立:应用于输电线路任务规划的一元线性回归预测模型公式如下:
式中xt表示t时刻节点经度坐标,表示t时刻估计纬度坐标;
S113.取回归预测步长为N,得回归方程中参数a,b的求解方程式如下:
其中,N为预测移动步长;由于两基节点之间的距离在几十米甚至上百米不等,大多数情况为连续多基以节点所组成可近似直线段。
优选的,步骤S113中,步长N为5米-10米。
优选的,步骤S11进一步包括步骤114:构建预测区间,由于实际的节点所确定的曲线方程与预测方程存在一定程度的偏差,因此对Y值进行了区间预测,即构建平均值的预测区间,根据节点分布情况,设定显著性水平a,计算Y平均值的置信度为1-a的预测区间。
优选的,步骤S13具体包括如下步骤:
S131.建立节点矩阵,其中行列坐标表示节点号,矩阵数据为节点地理位置信息;根据预测结果将节点分为两种类型:重要节点与非重要节点;其中重要节点包括线路起止节点及交叉节点;非重要节点即为仅属于单一线路的内部节点;
S132.对于重要节点,构建重要节点邻接表;
S133.对于非重要节点,进行矩阵结构存储,矩阵行坐标表示所属线路,列坐标表示节点号。
步骤S132中,对于重要节点,由于节点数据量较大,考虑到算法存储空间及算法效率,采用链式存储结构-邻接表。
优选的,在步骤S2中,监控程序包括应用级程序、实时任务调度程序和外部中断处理程序、硬件初始化程序、硬件驱动程序、CAN通信协议程序、LAN(TCP/IP)通信协议程序,所述应用级程序与实时任务调度程序和外部中断处理程序连接,所述实时任务调度程序和外部中断处理程序与硬件初始化程序连接,所述硬件初始化程序与硬件驱动程序连接。
优选的,所述应用级程序包括应用层接口程序、电源管理与电量监测程序、飞行指示灯控制程序、安全控制程序、视觉控制程序、航迹控制程序、增稳控制程序、遥控器解码程序、通信处理程序。
优选的,在步骤S3中,可采用如下步骤中的一个或多个对视频图像进行处理:
S31:数据接收单元接收包括图像编码数据和参数的图像编码流;
S32:基于指示图像识别准确度的指标改变参数;
S33:基于图像接收装置的环境信息改变参数;
S34:根据运行情况改变参数;
S35:改变解块滤波器的参数;
S36:改变量化参数;
S37:改变正交变换系数。
优选的,在步骤S4中,多信道分发***对信道进行检测,选择最优的信道,优先级依次为:短距离无线传输,移动通信传输,卫星通信传输。
优选的,在步骤S5中,包括如下子步骤:
S51.视频文件分割器对视频文件进行分割;
S52.视频压缩编码器对分割完成的文件进行压缩;
S53.加密装置对压缩完的视频文件进行加密操作。
优选的,在步骤S5中,中心站点图像处理模块的解密装置对于视频文件进行解密后,解码设备对文件进行解码,显示设备进行视频实时显示。
本发明具有以下优点和有益效果:(1)可利用对铁路线进行智能规划,提高规划效率,通过智能遍历算法,在铁路线路网中规划处最佳的巡视路线,满足在最短的巡视距离情况下对区域内所有重要节点的遍历;(2)支持高清数字图像实时传回地面,满足高清数字传输要求,支持视觉导航、障碍规避和图像目标识别跟踪,满足新技术发展要求;(3)能够在不受传送延迟影响的情况下适当地改变参数,由此提高图像识别率;(4)该设备是通过将卫星通信网络模式与传统通信模式融合在一起,只需要一套视频图像采集***和多信道分发***设备,就能将两种通信链路捆绑传输音视频信号,使得应急指挥通信宽带成本降低,并且使得使用范围提升。
附图说明
图1示出了本发明的一种铁路线空中无人机自动巡查与实时图像采集传输***的框图。
图2示出了本发明的一种铁路线空中无人机自动巡查与实时图像采集传输方法流程图。
具体实施方式
图1是示出了本发明的一种铁路线空中无人机自动巡查与实时图像采集传输***。该***包括:安装在无人机内的监控装置1和安装在地面中心站的视频传输装置2。
其中,监控装置1包括:安装在无人机上的中央处理模块11、卫星导航模块13、高清高倍变焦运动摄像机12、机端图像处理模块14、视频图像无线发射模块15和巡查线路规划模块16。
其中,所述巡查线路规划模块16用于智能规划无人机巡查的线路,包括:一元非线性回归预测单元、线路图连通单元和线路构建及存储单元;所述一元非线性回归预测单元对铁道线路节点分布进行预测,生成若干条节点线路,每条重点节点线路覆盖若干节点;所述线路图连通单元利用节点分布的临界情况,使若干条节点线路连通形成线路连通图;巡查线路构建及存储单元,用于构建巡查线路最终结构并存储,所述中央处理模块从该单元读取并执行巡查线路。所述节点可包括车站,变电站,道口,线路交叉点等。
所述一元非线性回归预测单元将三维空间模型简化到二维空间模型,采用一元非线性回归预测方法,对铁道线路重要节点分布进行预测;预测方式采用置信区间方式,根据历史重要节点数据(响应变量)对新输入数据(解释变量)进行预测及判定。
其中所述临界情况包括:交叉跨越情况、多条线路距离较***行分布情况、重要节点转向情况、重要节点分支情况。
所述巡查线路构建及存储单元建立节点矩阵,其中行列坐标表示节点号,矩阵数据为节点地理位置信息;根据预测结果将节点分为两种类型:重要节点与非重要节点,对于重要节点,构建重要节点邻接表;对于非重要节点,进行矩阵结构存储,矩阵行坐标表示所属线路,列坐标表示节点号。
所述中央处理模块11还嵌入有以太网交换芯片(LANswitch),所述以太网交换芯片(LANswitch)与中央处理模块11(ARM)通过局域网(LAN)连接,
所述机端图像处理模块14以百兆以太网口与所述中央处理模块连接,通过所述中央处理模块的以太网交换芯片(LANswitch)所扩展的以太网交换式总线接收高清运动相机传回的图片,进行图像的分析解算,并与光流传感器、超声波传感器、惯性测量单元数据进行融合,进行视觉导航、障碍规避、图像目标识别跟踪。
数据接收单元接收分组数据,并从所述分组数据中提取图像编码流。图像编码流是被称为基本(elementary)流的编码图像数据。例如,一些基本流符合诸如MPEG-2(MPEG:运动图象专家组)和HEVC(高效率视频编码)的H.264的编码标准,具有至少由序列层级和图片层级构成的双层结构,每一层级包括报头部分和数据部分。报头部分含有各种用于编码的各种参数。通过典型的解码器利用所述参数作为解码参数对数据部分进行解码。参数改变单元改变图像编码流中的参数并将含有改变后的参数的图像编码流提供给解码器。解码器利用图像编码流中的改变后的参数作为解码参数对图像编码流的数据部分解码,从而生成解码图像。图像识别单元检测、辨识、跟踪解码图像中的对象等。
图像识别单元在图像识别过程中计算指示图像识别准确度的指标,参数改变单元基于在图像识别过程中计算出的指示图像识别准确度的指标改变由数据接收单元接收的参数。
后面将具体描述参数改变单元进行的参数改变方法。将通过图像编码流中含有的报头中的参数从由编码器单元生成并添加的值改变为另一值。假定解码图像是供人查看的,对编码器单元生成并添加的参数进行优化以抑制图像劣化。所述参数并非总是设定在用于图像识别单元中的识别的适当值。因而,参数改变单元将通过网络接收的图像编码流中含有的报头中的参数改变为用于图像识别单元中的识别的适当值。这能够改善图象识别单元中的图像识别率。能够按照适当的方式快速地改变所述参数而不受的传送延迟的影响,这与改变编码器生成的参数值的情况不同。
此时,图象识别单元优选地在图像识别过程中计算指示图象识别准确度的指标,然后将指标提供给参数改变单元,参数改变单元优选地根据指示图像识别准确度的指标改变所述参数。这是因为能够针对图象识别单元实施的图像识别更加适当地改变参数值。
例如,指示图像识别准确度的指标是指示图像识别单元中的图像检测、识别和跟踪的结果的准确度的指标,是有关识别区域的信息或者图像识别区域信息。能够根据指示每一过程中的相似度的阈值或者根据所通过的鉴别器(discriminator)级数确定识别和检测结果的准确度。能够利用如下用于识别和检测的算法和应用通过各种方法确定识别和检测结果的准确度。
解码单元包括解块滤波器,参数改变单元改变作为由数据接收单元接收的参数的、指示是否针对图像编码数据利用解块滤波器的参数和解块滤波器的滤波器系数中的至少一个。
解码单元包括逆量化单元,所述参数含有用于生成图像编码数据的编码中所包含的量化参数。参数改变单元改变数据接收单元接收的参数中含有的量化参数,然后将该量化参数提供给逆量化单元。
解码单元包括正交逆变换单元。所述参数含有用于为了生成图像编码数据所执行的编码中包含的正交变换的正交变换系数。参数改变单元改变由数据接收单元接收的参数中含有的正交变换系数,然后将所述系数提供给正交逆变换单元。
所述中央处理模块11具有图像编码单元,对高清高倍变焦运动摄像机获取的图像进行编码,然后机端图像处理模块通过数据接收单元接收通过所述图像编码生成的图像编码流,参数改变单元根据无人机的运行情况改变数据接收单元接收的参数。
所述高清高倍变焦运动摄像机12直接由以太网口与中央处理模块11所扩展的以太网交换式总线进行连接,支持多个视频流的转发,通过以太网交换芯片(LANswitch)将高清视频数据传给机端图像处理模块(DSP+ARM)进行图像计算。
所述视频图像无线发射模块15可兼容多种信号发射模式,包括短距离无线传输,卫星信号发射模式,3G/4G移动信号发射模式等。
所述卫星导航模块13为GPS/北斗接收芯片、磁罗盘、单片机,出CAN总线与中央处理模块(ARM)连接,支持GPS和北斗导航定位,支持磁航向计对飞行器姿态的解算,并与惯性测量单元(IMU)进行数据融合,最终由中央处理模块11解算飞行器姿态和飞行器位置。
视频传输装置2包括:视频图像接收模块21、多信道分发模块22、中心站点图像处理模块23和显示终端24。所述视频图像接收模块21,经卫星网络或移动通信网络接收所述图像发射模块发射14的图像信号;所述的多信道分发模块22由视频压缩编码器,多信道通信分发设备,通信设备,网关设备组成,所述的通信设备包括有线传输设备,短距离无线通信设备,移动通信设备,卫星通信设备,所述的中心图像处理***由解码设备,图像显示设备组成。
多信道分发***通过对于现有信道的检测,寻找最佳信道,视频压缩编码器对视频图像采集***采集到的视频和图像进行压缩编码,减小文件大小,减小信道压力,通过最佳信道进行视频文件传输,将视频文件就、传输至网络服务器,中心图像处理***接入internet公网,对视频文件进行实时解码,并且显示在图像显示设备上。
所述多信道分发设备上设置有加密装置,所述的中心站点图像处理***上设置有解密设备,采用这种设计以后,通过对于数据的加密,从而保证了数据传输过程中的安全性,采用硬件加密和硬件解密设备,使得软件破解难度非常大,即使有人截获了相关的文件,但是由于没有相对应的硬件,也难以进行文件的解密,最大程度的保证了传输文件的安全性。
所述的移动通信设备采用多种网络制式设备,兼容3G和4G网络。采用这种设计以后,国家3G已经基本稳定,4G高速发展,现阶段,是3G和4G共存的一个阶段,两种制式都能满足传输音视频文件的需求,因为其覆盖面和覆盖强度的不同,采用兼容3G和4G的方法是最佳选择,4G的数据传输量比较大,但是覆盖面比较差,适合在具有4G信号的地方进行高质量视频传输,3G覆盖面比较广,但是数据传输量比较小,适合在没有4G信号的地方进行视频传输。
所述的卫星通信设备包括卫星天线,卫星功放,LNB,卫星调制解调器,采用这种设计以后,通过该卫星通信设备,可以实现视频数据通过卫星信号进行传输,提升了设备适用范围。
图2示出了本发明的一种铁路线空中无人机自动巡查与实时图像采集传输方法。该方法具体包括如下步骤:
S1.巡查线路规划模块规划巡查路线;
S2.中央处理模块启动监控程序,读取并执行上述智能规划线路,所述卫星导航模块启动GPS导航程序;
S3.高清高倍变焦运动摄像机按照监控程序的轨迹采集视频图像,机端图像处理模块对图像进行处理;
S4.视频图像无线发射模块,和视频图像接收模块,配合完成图像信号的无线发送和接收;
S5.中心站点图像处理模块对接收到的图像信号进行处理,并在显示终端上显示。
优选的,在步骤S1中,具体包括如下步骤:
S11.采用一元非线性回归预测方法,对铁道线路节点分布进行预测,生成若干条节点线路,每条节点线路覆盖若干节点;
该步骤S11中,首先将三维空间模型简化到二维空间模型,采用一元非线性回归预测方法,对铁道线路节点分布进行预测;预测方式采用置信区间方式,根据历史节点数据(响应变量)对新输入数据(解释变量)进行预测及判定。由于节点分布的特殊性,总结为特殊情况种类,并对确定每种特殊情况的存在条件,以便在算法处理过程中进行分类。
S12.利用节点分布的临界情况,使若干条节点线路连通形成线路连通图;其中所述临界情况包括:交叉跨越情况、多条线路距离较***行分布情况、节点转向情况、节点分支情况;
该步骤S12中,若达到节点分布出现特殊情况而达到临界条件,进行临界类型判断,并进行处理;将节点分布的临界种类分为以下几种:
交叉跨越情况:预测区间段内出现多个点,超出了设定节点数,并且存在交叉点;
多条线路距离较***行分布情况:预测区间段内出现多个点,超出了设定节点数,但无交叉点;
节点转向情况:与预测方程相比,在预测区间内出现唯一拐点;
节点分支情况:与预测方程相比,在预测区间内出现多个拐点。
S13.构建铁道线路巡查规划图并存储。
本发明通过线性回归预测算法在仅有节点地理坐标的情况下智能构建节点连通图,以便进行智能任务规划。
步骤S11具体包括如下步骤:
S111.降维处理:对三维节点地理坐标进行降维处理转换为二维坐标;设定原A节点三维坐标为(xt,yt,zt),xt表示节点三维空间经度坐标,yt表示节点纬度坐标,zt表示节点所处海拔,则降维后A节点坐标为(xt,yt);
S112回归方程的确立:应用于输电线路任务规划的一元线性回归预测模型公式如下:
式中xt表示t时刻节点经度坐标,表示t时刻估计纬度坐标;
S113.取回归预测步长为N,得回归方程中参数a,b的求解方程式如下:
其中,N为预测移动步长;由于两基节点之间的距离在几十米甚至上百米不等,大多数情况为连续多基以节点所组成可近似直线段。
根据本发明另一具体实施方式,步骤S113中,步长N为5米-10米。
根据本发明另一具体实施方式,步骤S11进一步包括步骤114:构建预测区间。由于实际的节点所确定的曲线方程与预测方程存在一定程度的偏差,因此对Y值进行了区间预测,即构建平均值的预测区间。根据节点分布情况,设定显著性水平a,计算Y平均值的置信度为1-a的预测区间。
根据本发明另一具体实施方式,步骤S13具体包括如下步骤:
S131.建立节点矩阵,其中行列坐标表示节点号,矩阵数据为节点地理位置信息;根据预测结果将节点分为两种类型:重要节点与非重要节点;其中重要节点包括线路起止节点及交叉节点;非重要节点即为仅属于单一线路的内部节点;
S132.对于重要节点,构建重要节点邻接表;
S133.对于非重要节点,进行矩阵结构存储,矩阵行坐标表示所属线路,列坐标表示节点号。
步骤S132中,对于重要节点,由于节点数据量较大,考虑到算法存储空间及算法效率,采用链式存储结构-邻接表。
优选的,在步骤S2中,还包括如下导航定位步骤:
中央处理模块11对卫星导航模块13传递来的定位数据进行判断:
若定位数据在正常范围内:则中央处理模块11将接收到的定位数据存入存储器中;
所述在正常范围的定位数据是指:将定位数据中相邻两个采样点的经度值、纬度值、高度值两两进行比较,若相邻两个采样点的经度的差值不超过0.0002度,且相邻两个采样点的纬度的差值不超过0.00018度,且相邻两个采样点的高度的差值不超过20米,判定定位数据为正常范围;
若定位数据发生异常:则中央处理模块11将存储在存储器中的定位数据调出,按照历史轨迹返回到出发位置;
所述定位数据发生异常是指:将定位数据中相邻两个采样点的经度值、纬度值、高度值两两进行比较,若经度的差值超过0.0002度,或纬度的差值超过0.00018度,或高度的差值超过20米,则判定定位数据发生异常。
优选的,所述定位数据为无人机在每个时间点的经度信息x、纬度信息y、高度信息z的集合,记为{xt yt zt};其中,
(x1y1z1)为无人机在第1个时间点的经度、纬度、高度信息;
(x2y2z2)为无人机在第2个时间点的经度、纬度、高度信息;
以此类推,(xt-1yt-1zt-1)为无人机在第t-1个时间点的的经度、纬度、高度信息;(xt yt zt)为无人机在第t个时间点的经度、纬度、高度信息;
相邻两个时间点的间隔取0.5至5.0秒;每个历史定位数据均存储在中央处理模块11的存储器中;
将第t个时间点的定位数据与第t-1个时间点的定位数据进行比较:
若xt-xt-1<0.0002,且yt-yt-1<0.00018,且zt-zt-1<20米,
即经度的差值不超过0.0002度,且纬度的差值不超过0.00018度,高度的差值不超过20米时,判定第t个时间点的定位数据属于正常范围,并将该第t个时间点的定位数据存入中央处理模块11的存储器;
若xt-xt-1≥0.0002,或yt-yt-1≥0.00018,或zt-zt-1≥20米;即经度的差值、纬度的差值、高度的差值中的任一个超出正常范围,均判定第t个时间点的定位数据发生了异常,也即认为无人机的飞行发生了异常;
由中央处理模块11将存储器中的第t-1个时间点的定位数据、第t-2个时间点的定位数据、……第2个时间点的定位数据、第1个时间点的定位数据逐次读取,并控制无人飞行器按照原来的轨迹返回的出发地。
优选的,在步骤S2中,监控程序包括应用级程序、实时任务调度程序和外部中断处理程序、硬件初始化程序、硬件驱动程序、CAN通信协议程序、LAN(TCP/IP)通信协议程序,所述应用级程序与实时任务调度程序和外部中断处理程序连接,所述实时任务调度程序和外部中断处理程序与硬件初始化程序连接,所述硬件初始化程序与硬件驱动程序连接。
优选的,所述应用级程序包括应用层接口程序、电源管理与电量监测程序、飞行指示灯控制程序、安全控制程序、视觉控制程序、航迹控制程序、增稳控制程序、遥控器解码程序、通信处理程序。
优选的,在步骤S3中,可采用如下步骤中的一个或多个对视频图像进行处理:
S31:数据接收单元接收包括图像编码数据和参数的图像编码流。
数据接收单元接收包括图像编码数据和参数的图像编码流。参数改变单元能够改变数据接收单元接收的参数。解码单元通过对包括数据接收单元接收的图像编码数据和参数改变单元改变的参数的图像编码流进行解码,生成图像解码数据。图像识别单元对图像解码数据执行图像识别。
因而,能够在不受传送延迟影响的情况下以适当方式快速地改变参数,由此提高图像识别率。这是因为图像编码流中包含的参数是通过图像传送装置中的编码器传送的,于是这能够被适当地改变为适于图像接收装置中的图像识别的参数。
S32:基于指示图像识别准确度的指标改变参数。
图像识别单元在图像识别过程中计算指示图像识别准确度的指标。参数改变单元基于在图像识别过程中计算出的指示图像识别准确度的指标改变由数据接收单元接收的参数。
这能够针对图像识别更加适当地改变参数。
S33:基于图像接收装置的环境信息改变参数。
参数改变单元基于图像接收装置的环境信息改变由数据接收单元接收的参数。
S34:根据运行情况改变参数。
参数改变单元根据无人机的运行情况改变数据接收单元接收的参数。
S35:改变解块滤波器的参数
解码单元包括解块滤波器。参数改变单元改变作为由数据接收单元接收的参数的、指示是否针对图像编码数据利用解块滤波器的参数和解块滤波器的滤波器系数中的至少一个。
因而,在图像识别率不够高的情况下,降低了解块滤波器的强度以避免对图像的高频分量的抑制,或者降低抑制程度,由此提高识别率。
S36:改变量化参数
解码单元包括逆量化单元。所述参数含有用于生成图像编码数据的编码中所包含的量化的量化参数。参数改变单元改变数据接收单元接收的参数中含有的量化参数,然后将该量化参数提供给逆量化单元。
因而,在图像识别率不够高的情况下,增大了量化参数,从而放大并强调预测误差分量,由此提高识别率。
S37:改变正交变换系数
解码单元包括正交逆变换单元。所述参数含有用于为了生成图像编码数据所执行的编码中包含的正交变换的正交变换系数。参数改变单元改变由数据接收单元接收的参数中含有的正交变换系数,然后将所述系数提供给正交逆变换单元。
因而,在图像识别率不够高的情况下,能够改变正交变换系数,以提高识别率。例如,删除正交变换系数的高频范围,从而允许输入至图像识别单元的解码图像的频率分量与图像识别所需的频率分量匹配。
优选的,在步骤S4中,多信道分发***对信道进行检测,选择最优的信道,优先级依次为:短距离无线传输,移动通信传输,卫星通信传输。
优选的,在步骤S5中,包括如下子步骤:
S51.视频文件分割器对视频文件进行分割;
S52.视频压缩编码器对分割完成的文件进行压缩;
S53.加密装置对压缩完的视频文件进行加密操作。
优选的,在步骤S5中,中心站点图像处理模块的解密装置对于视频文件进行解密后,解码设备对文件进行解码,显示设备进行视频实时显示。
如上所述,虽然根据实施例所限定的实施例和附图进行了说明,但对本技术领域具有一般知识的技术人员来说能从上述的记载中进行各种修改和变形。例如,根据与说明的技术中所说明的方法相不同的顺序来进行,和/或根据与说明的***、结构、装置、电路等构成要素所说明的方法相不同的形态进行结合或组合,或根据其他构成要素或均等物进行替换或置换也可达成适当的效果。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,做出若干等同替代或明显变型,而且性能或用途相同,都应当视为属于本发明的保护范围。
Claims (6)
1.铁路线空中无人机自动巡查与实时图像采集传输方法,该方法具体包括如下步骤:
S1.巡查线路规划模块规划巡查路线;
S2.中央处理模块启动监控程序,读取并执行上述规划巡查线路,卫星导航模块启动GPS导航程序;
在步骤S2中,还包括如下导航定位步骤:
中央处理模块对卫星导航模块传递来的定位数据进行判断:
若定位数据在正常范围内:则中央处理模块将接收到的定位数据存入存储器中;
所述在正常范围的定位数据是指:将定位数据中相邻两个采样点的经度值、纬度值、高度值两两进行比较,若相邻两个采样点的经度的差值不超过0.0002度,且相邻两个采样点的纬度的差值不超过0.00018度,且相邻两个采样点的高度的差值不超过20米,判定定位数据为正常范围;
若定位数据发生异常:则中央处理模块将存储在存储器中的定位数据调出,按照历史轨迹返回到出发位置;
所述定位数据发生异常是指:将定位数据中相邻两个采样点的经度值、纬度值、高度值两两进行比较,若经度的差值超过0.0002度,或纬度的差值超过0.00018度,或高度的差值超过20米,则判定定位数据发生异常;
所述定位数据为无人机在每个时间点的经度信息x、纬度信息y、高度信息z的集合,记为{xt yt zt};其中,
(x1 y1 z1)为无人机在第1个时间点的经度、纬度、高度信息;
(x2 y2 z2)为无人机在第2个时间点的经度、纬度、高度信息;
以此类推,(xt-1 yt-1 zt-1)为无人机在第t-1个时间点的的经度、纬度、高度信息;(xt yt zt)为无人机在第t个时间点的经度、纬度、高度信息;
相邻两个时间点的间隔取0.5至5.0秒;每个历史定位数据均存储在中央处理模块11的存储器中;
将第t个时间点的定位数据与第t-1个时间点的定位数据进行比较:
若xt-xt-1<0.0002,且yt-yt-1<0.00018,且zt-zt-1<20米,
即经度的差值不超过0.0002度,且纬度的差值不超过0.00018度,高度的差值不超过20米时,判定第t个时间点的定位数据属于正常范围,并将该第t个时间点的定位数据存入中央处理模块11的存储器;
若xt-xt-1≥0.0002,或yt-yt-1≥0.00018,或zt-zt-1≥20米;即经度的差值、纬度的差值、高度的差值中的任一个超出正常范围,均判定第t个时间点的定位数据发生了异常,也即认为无人机的飞行发生了异常;
由中央处理模块11将存储器中的第t-1个时间点的定位数据、第t-2个时间点的定位数据、……第2个时间点的定位数据、第1个时间点的定位数据逐次读取,并控制无人飞行器按照原来的轨迹返回的出发地;
S3.高清高倍变焦运动摄像机按照监控程序的轨迹采集视频图像,机端图像处理模块对图像进行处理;
S4.视频图像无线发射模块,和视频图像接收模块,配合完成图像信号的无线发送和接收;
S5.中心站点图像处理模块对接收到的图像信号进行处理,并在显示终端上显示;
在步骤S3中,可采用如下步骤中的一个或多个对视频图像进行处理:
S31:数据接收单元接收包括图像编码数据和参数的图像编码流;
S32:基于指示图像识别准确度的指标改变参数;
S33:基于图像接收装置的环境信息改变参数;
S34:根据运行情况改变参数;
S35:改变解块滤波器的参数;
S36:改变量化参数;
S37:改变正交变换系数;
在步骤S5中,包括如下子步骤:
S51.视频文件分割器对视频文件进行分割;
S52.视频压缩编码器对分割完成的文件进行压缩;
S53.加密装置对压缩完的视频文件进行加密操作;
在步骤S1中,具体包括如下步骤:
S11.采用一元非线性回归预测方法,对铁道线路节点分布进行预测,生成若干条节点线路,每条节点线路覆盖若干节点;
该步骤S11中,首先将三维空间模型简化到二维空间模型,采用一元非线性回归预测方法,对铁道线路节点分布进行预测;预测方式采用置信区间方式,根据历史节点数据(响应变量)对新输入数据(解释变量)进行预测及判定;
S12.利用节点分布的临界情况,使若干条节点线路连通形成线路连通图;其中所述临界情况包括:交叉跨越情况、多条线路距离较***行分布情况、节点转向情况、节点分支情况;
该步骤S12中,若达到节点分布出现特殊情况而达到临界条件,进行临界类型判断,并进行处理;将节点分布的临界种类分为以下几种:
交叉跨越情况:预测区间段内出现多个点,超出了设定节点数,并且存在交叉点;
多条线路距离较***行分布情况:预测区间段内出现多个点,超出了设定节点数,但无交叉点;
节点转向情况:与预测方程相比,在预测区间内出现唯一拐点;
节点分支情况:与预测方程相比,在预测区间内出现多个拐点;
S13.构建铁道线路巡查规划图并存储;
步骤S11具体包括如下步骤:
S111.降维处理:对三维节点地理坐标进行降维处理转换为二维坐标;设定原A节点三维坐标为(xt,yt,zt),xt表示节点三维空间经度坐标,yt表示节点纬度坐标,zt表示节点所处海拔,则降维后A节点坐标为(xt,yt);
S112.回归方程的确立:应用于输电线路任务规划的一元线性回归预测模型公式如下:
式中xt表示t时刻节点经度坐标,表示t时刻估计纬度坐标;
S113.取回归预测步长为N,得回归方程中参数a,b的求解方程式如下:
其中,N为预测移动步长;由于两基节点之间的距离在几十米甚至上百米不等,大多数情况为连续多基以节点所组成可近似直线段。
2.如权利要求1所述的方法,其特征在于,步骤S113中,步长N为5米-10米。
3.如权利要求1所述的方法,其特征在于,步骤S11进一步包括步骤114:构建预测区间,由于实际的节点所确定的曲线方程与预测方程存在一定程度的偏差,因此对Y值进行了区间预测,即构建平均值的预测区间,根据节点分布情况,设定显著性水平a,计算Y平均值的置信度为1-a的预测区间。
4.如权利要求1所述的方法,其特征在于,步骤S13具体包括如下步骤:
S131.建立节点矩阵,其中行列坐标表示节点号,矩阵数据为节点地理位置信息;根据预测结果将节点分为两种类型:重要节点与非重要节点;其中重要节点包括线路起止节点及交叉节点;非重要节点即为仅属于单一线路的内部节点;
S132.对于重要节点,构建重要节点邻接表;
S133.对于非重要节点,进行矩阵结构存储,矩阵行坐标表示所属线路,列坐标表示节点号。
5.如权利要求1所述的方法,其特征在于,在步骤S2中,监控程序包括应用级程序、实时任务调度程序和外部中断处理程序、硬件初始化程序、硬件驱动程序、CAN通信协议程序、LAN通信协议程序,所述应用级程序与实时任务调度程序和外部中断处理程序连接,所述实时任务调度程序和外部中断处理程序与硬件初始化程序连接,所述硬件初始化程序与硬件驱动程序连接。
6.如权利要求1所述的方法,其特征在于,所述应用级程序包括应用层接口程序、电源管理与电量监测程序、飞行指示灯控制程序、安全控制程序、视觉控制程序、航迹控制程序、增稳控制程序、遥控器解码程序、通信处理程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510644021.1A CN105262989B (zh) | 2015-10-08 | 2015-10-08 | 铁路线空中无人机自动巡查与实时图像采集传输方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510644021.1A CN105262989B (zh) | 2015-10-08 | 2015-10-08 | 铁路线空中无人机自动巡查与实时图像采集传输方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105262989A CN105262989A (zh) | 2016-01-20 |
CN105262989B true CN105262989B (zh) | 2018-08-14 |
Family
ID=55102472
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510644021.1A Active CN105262989B (zh) | 2015-10-08 | 2015-10-08 | 铁路线空中无人机自动巡查与实时图像采集传输方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105262989B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105501248B (zh) * | 2016-02-16 | 2018-03-20 | 株洲时代电子技术有限公司 | 一种铁路线路巡检*** |
CN106406343B (zh) * | 2016-09-23 | 2020-07-10 | 北京小米移动软件有限公司 | 无人飞行器的控制方法、装置和*** |
CN108284855A (zh) * | 2017-12-27 | 2018-07-17 | 河南辉煌信通软件有限公司 | 一种基于无人机的轨道巡检*** |
CN109213196A (zh) * | 2018-09-05 | 2019-01-15 | 福州日兆信息科技有限公司 | 一种通信铁塔智能巡检无人机装置 |
CN109120900B (zh) * | 2018-09-17 | 2019-05-24 | 武汉卓尔无人机制造有限公司 | 无人飞行器摄像处理***及其处理方法 |
CN109510700B (zh) * | 2018-12-20 | 2019-08-30 | 滨州学院 | 一种基于混沌加密的数据传输*** |
CN111864618B (zh) * | 2019-04-24 | 2021-09-10 | 广州煜煊信息科技有限公司 | 一种用于电力***的无人机巡检方法及*** |
CN110708830B (zh) * | 2019-10-25 | 2021-06-08 | 湖南汇纳景观亮化工程有限公司 | 智能灯具巡查*** |
CN110658850B (zh) * | 2019-11-12 | 2022-07-12 | 重庆大学 | 一种基于贪心策略的无人飞行器的航迹规划方法 |
CN111086452B (zh) * | 2019-12-27 | 2021-08-06 | 合肥疆程技术有限公司 | 一种补偿车道线延迟的方法、装置及服务器 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2961601B1 (fr) * | 2010-06-22 | 2012-07-27 | Parrot | Procede d'evaluation de la vitesse horizontale d'un drone, notamment d'un drone apte au vol stationnaire autopilote |
CN102183955A (zh) * | 2011-03-09 | 2011-09-14 | 南京航空航天大学 | 基于多旋翼无人飞行器的输电线路巡检*** |
CN203773717U (zh) * | 2013-11-12 | 2014-08-13 | 武汉大学 | 一种无人机远程可视触摸屏控制*** |
CN103606261A (zh) * | 2013-11-29 | 2014-02-26 | 文杰 | 一种基于航拍的小区动态巡逻*** |
-
2015
- 2015-10-08 CN CN201510644021.1A patent/CN105262989B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105262989A (zh) | 2016-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105262989B (zh) | 铁路线空中无人机自动巡查与实时图像采集传输方法 | |
CN105208347B (zh) | 铁路线空中无人机自动巡查与实时图像采集传输监控装置 | |
CN105208348B (zh) | 铁路线空中无人机自动巡查与实时图像采集传输*** | |
CN105120240B (zh) | 高倍变焦无人机空中高清多维实时侦查传输监控装置 | |
CN105120232B (zh) | 无人机图像监控和传输方法 | |
CN105208335B (zh) | 高倍变焦无人机空中高清多维实时侦查传输*** | |
CN105743004B (zh) | 一种变电站巡检机器人集群管控*** | |
CN105120230A (zh) | 无人机图像监控和传输*** | |
JP4101857B2 (ja) | 監視システム、カメラ及び映像符号化方法 | |
US9082278B2 (en) | Surveillance system | |
Nishio et al. | When wireless communications meet computer vision in beyond 5G | |
CN106205187A (zh) | 基于移动小基站的停车场车辆停放导引***及实现方法 | |
CN110636255A (zh) | 一种基于4g网络的无人机图像、视频传输分发***及方法 | |
Minoli et al. | Internet of things applications for smart cities | |
US20230239491A1 (en) | Three-dimensional data encoding method, three-dimensional data decoding method, three-dimensional data encoding device, and three-dimensional data decoding device | |
CN105208336B (zh) | 高倍变焦无人机空中高清多维实时侦查传输方法 | |
US20220207782A1 (en) | Three-dimensional data encoding method, three-dimensional data decoding method, three-dimensional data encoding device, and three-dimensional data decoding device | |
CN110351528A (zh) | 一种基于ar化实景聚合的指挥平台 | |
CN107734305A (zh) | 一种使用远程语音指挥和施工现场多维度立体展示的电力施工现场信息化监控*** | |
CN213120575U (zh) | 室内定位导航***和室内配电设备监测控制*** | |
US20240005564A1 (en) | Three-dimensional data encoding method, three-dimensional data decoding method, three-dimensional data encoding device, and three-dimensional data decoding device | |
CN111970728A (zh) | Ai公专融合通信共性技术架构与方法 | |
US20230281882A1 (en) | Three-dimensional data encoding method, three-dimensional data decoding method, three-dimensional data encoding device, and three-dimensional data decoding device | |
US20230230287A1 (en) | Decoding methods, encoding method, decoding device, and encoding device | |
CN110044348A (zh) | 一种三维室内导航***及其实现方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |