无人机飞行方向分析***及方法
技术领域
本发明涉及无人机领域,尤其涉及一种无人机飞行方向分析***及方法。
背景技术
随着人们生活水平的提高,对物质的要求已经基本得到满足,人们开始将视野投入到精神生活的追求上,顺应潮流,电影行业得到了极大的繁荣,各种电影公司纷纷上马,铺设项目,抢占市场。
为了提高拍摄的影片的质量,电影公司在拍摄细节方面进行了不小的投入,例如,高分辨率拍摄设备的购买,电影特技的研发等,尤其对于人们偏爱的公路追逐场景进行了仔细的探索。然而,如何在高空中拍摄稳定的车辆目标,是目前难以解决的难题,一方面是因为高空中拍摄环境的复杂性容易导致拍摄质量达不到要求,各个图像参数不均衡,另一方面是因为无法与车辆目标保持同步行驶,导致拍摄的画面不稳定。
发明内容
为了解决上述问题,本发明提供了一种无人机飞行方向分析***及方法,对高空的摄像设备的结构和拍摄过程进行了优化,更关键的是,采用了基于车牌成像对应的目标分块的中心到当前航拍图像的中心的矢量以及所述目标分块大小与基准车牌大小的比值确定所述无人机的目标飞行方向,所述目标分块大小为所述目标分块的面积,所述基准车牌大小为实体车牌的面积,从而能够驱动无人机的动力设备以控制所述无人机按照所述目标飞行方向进行飞行。
具体地,本发明至少具备以下几个重要发明点:
(1)基于跟踪车辆的车牌号码的图像识别,制定了一套有针对性的无人机的目标飞行方向的检测方案,从而实现了空中对跟踪车辆的持续跟踪;
(2)在背景区域判断的集成上,选择经过背景区域的曲线以进行参考像素点的提取,保证了参考像素点的随机性,另外,还基于亮度成分、饱和度成分和色调成分的对应分布关系,实现对待检测图像的明度的高精度识别;
(3)通过对先前拍摄图像的数据分析,确定与数据分析结果对应的校正方案,以对各个对象灰度阈值范围进行上限灰度阈值和下限灰度阈值的分别校正,从而提高对象识别的精度。
根据本发明的一方面,提供了一种无人机飞行方向分析***,所述***包括:
背景检测设备,设置在无人机上,用于接收来自所述无人机的当前航拍图像,对所述当前航拍图像中的背景区域进行检测,选择在所述当前航拍图像中经过所述背景区域的曲线作为分析曲线,将所述当前航拍图像中经过所述分析曲线的各个像素点作为参考像素点;
数据统计设备,与所述背景检测设备连接,用于对所述当前航拍图像中的各个参考像素点执行以下数据统计操作:将参考像素点的色调成分与饱和度成分相乘以获得成分乘积值,取参考像素点的亮度成分的平方值以获得成分平方值,将所述成分平方值除以所述成分乘积值以获得参考像素点的统计数据;
明度识别设备,与所述数据统计设备连接,用于接收各个参考像素点的统计数据,计算各个参考像素点的统计数据的算术平均值,并将所述算术平均值与参考阈值比较,当所述算术平均值小于所述参考阈值时,确定所述当前航拍图像的明度较低,当所述算术平均值大于等于所述参考阈值时,确定所述当前航拍图像的明度较高;
阈值选择设备,与所述明度识别设备连接,用于接收算术平均值,并基于所述算术平均值对各个对象灰度阈值范围进行校正,以输出各个校正后的对象灰度阈值范围,其中,所述阈值选择设备基于所述算术平均值对各个对象灰度阈值范围进行校正包括:基于所述算术平均值分别对每一个对象灰度阈值范围的上限灰度阈值和下限灰度阈值进行校正,所述算术平均值越大,所述上限灰度阈值越大,所述下限灰度阈值越大;
对象初识设备,分别与所述无人机和所述阈值选择设备连接,用于接收所述当前航拍图像以及接收与车牌对象对应的对象灰度阈值范围,并基于与车牌对象对应的对象灰度阈值范围从所述当前航拍图像中识别出多个车牌分块;
车牌识别设备,设置在无人机上,用于获取多个车牌分块和当前航拍图像,对每一个车牌分块进行OCR识别,以获得每一个车牌分块对应的车牌号码。
根据本发明的另一方面,还提供了一种无人机飞行方向分析方法,所述方法包括:
使用背景检测设备,设置在无人机上,用于接收来自所述无人机的当前航拍图像,对所述当前航拍图像中的背景区域进行检测,选择在所述当前航拍图像中经过所述背景区域的曲线作为分析曲线,将所述当前航拍图像中经过所述分析曲线的各个像素点作为参考像素点;
使用数据统计设备,与所述背景检测设备连接,用于对所述当前航拍图像中的各个参考像素点执行以下数据统计操作:将参考像素点的色调成分与饱和度成分相乘以获得成分乘积值,取参考像素点的亮度成分的平方值以获得成分平方值,将所述成分平方值除以所述成分乘积值以获得参考像素点的统计数据;
使用明度识别设备,与所述数据统计设备连接,用于接收各个参考像素点的统计数据,计算各个参考像素点的统计数据的算术平均值,并将所述算术平均值与参考阈值比较,当所述算术平均值小于所述参考阈值时,确定所述当前航拍图像的明度较低,当所述算术平均值大于等于所述参考阈值时,确定所述当前航拍图像的明度较高;
使用阈值选择设备,与所述明度识别设备连接,用于接收算术平均值,并基于所述算术平均值对各个对象灰度阈值范围进行校正,以输出各个校正后的对象灰度阈值范围,其中,所述阈值选择设备基于所述算术平均值对各个对象灰度阈值范围进行校正包括:基于所述算术平均值分别对每一个对象灰度阈值范围的上限灰度阈值和下限灰度阈值进行校正,所述算术平均值越大,所述上限灰度阈值越大,所述下限灰度阈值越大;
使用对象初识设备,分别与所述无人机和所述阈值选择设备连接,用于接收所述当前航拍图像以及接收与车牌对象对应的对象灰度阈值范围,并基于与车牌对象对应的对象灰度阈值范围从所述当前航拍图像中识别出多个车牌分块;
使用车牌识别设备,设置在无人机上,用于获取多个车牌分块和当前航拍图像,对每一个车牌分块进行OCR识别,以获得每一个车牌分块对应的车牌号码。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明实施方案示出的无人机飞行方向分析***的跟踪示意图。
具体实施方式
下面将参照附图对本发明的无人机飞行方向分析***及方法的实施方案进行详细说明。
为了克服上述不足,本发明搭建了一种无人机飞行方向分析***及方法,能够同时解决空中拍摄图像质量不平衡以及稳定追逐车辆目标困难的技术问题。
图1为根据本发明实施方案示出的无人机飞行方向分析***的跟踪示意图,所述***包括:
背景检测设备,设置在无人机上,用于接收来自所述无人机的当前航拍图像,对所述当前航拍图像中的背景区域进行检测,选择在所述当前航拍图像中经过所述背景区域的曲线作为分析曲线,将所述当前航拍图像中经过所述分析曲线的各个像素点作为参考像素点;
数据统计设备,与所述背景检测设备连接,用于对所述当前航拍图像中的各个参考像素点执行以下数据统计操作:将参考像素点的色调成分与饱和度成分相乘以获得成分乘积值,取参考像素点的亮度成分的平方值以获得成分平方值,将所述成分平方值除以所述成分乘积值以获得参考像素点的统计数据。
接着,继续对本发明的无人机飞行方向分析***的具体结构进行进一步的说明。
所述无人机飞行方向分析***中还可以包括:
明度识别设备,与所述数据统计设备连接,用于接收各个参考像素点的统计数据,计算各个参考像素点的统计数据的算术平均值,并将所述算术平均值与参考阈值比较,当所述算术平均值小于所述参考阈值时,确定所述当前航拍图像的明度较低,当所述算术平均值大于等于所述参考阈值时,确定所述当前航拍图像的明度较高。
所述无人机飞行方向分析***中还可以包括:
阈值选择设备,与所述明度识别设备连接,用于接收算术平均值,并基于所述算术平均值对各个对象灰度阈值范围进行校正,以输出各个校正后的对象灰度阈值范围;
其中,所述阈值选择设备基于所述算术平均值对各个对象灰度阈值范围进行校正包括:基于所述算术平均值分别对每一个对象灰度阈值范围的上限灰度阈值和下限灰度阈值进行校正,所述算术平均值越大,所述上限灰度阈值越大,所述下限灰度阈值越大。
所述无人机飞行方向分析***中还可以包括:
对象初识设备,分别与所述无人机和所述阈值选择设备连接,用于接收所述当前航拍图像以及接收与车牌对象对应的对象灰度阈值范围,并基于与车牌对象对应的对象灰度阈值范围从所述当前航拍图像中识别出多个车牌分块;
车牌识别设备,设置在无人机上,用于获取多个车牌分块和当前航拍图像,对每一个车牌分块进行OCR识别,以获得每一个车牌分块对应的车牌号码;
车***设备,设置在无人机上,用于基于预设车牌号码对所述多个车牌分块分别对应的多个车牌号码进行匹配,输出匹配到的车牌号码所对应的车牌分块以作为目标分块输出;
跟踪信息获取设备,分别与所述车牌识别设备和所述车***设备连接,用于接收所述目标分块和所述当前航拍图像,并基于所述目标分块的中心到所述当前航拍图像的中心的矢量以及所述目标分块大小与基准车牌大小的比值确定所述无人机的目标飞行方向;
跟踪操作设备,与所述跟踪信息获取设备连接,用于接收所述目标飞行方向,并基于所述目标飞行方向驱动所述无人机的动力设备以控制所述无人机按照所述目标飞行方向进行飞行;
其中,在所述跟踪信息获取设备中,基于所述目标分块的中心到所述待识别图像的中心的矢量以及所述目标分块大小与基准车牌大小的比值确定所述无人机的目标飞行方向包括:所述目标分块大小为所述目标分块的面积,所述基准车牌大小为实体车牌的面积。
所述无人机飞行方向分析***中还可以包括:
FLASH存储设备,用于预先存储用于将各种对象从图像中区分出来的对应的各个对象灰度阈值范围;
其中,在所述FLASH存储设备中,对象类型不同,则对应的对象灰度阈值范围也不同;
其中,所述对象灰度阈值范围包括上限灰度阈值和下限灰度阈值,所述上限灰度阈值和所述下限灰度阈值的取值范围都为0-255。
同时,根据本发明实施方案示出的无人机飞行方向分析方法包括:
使用背景检测设备,设置在无人机上,用于接收来自所述无人机的当前航拍图像,对所述当前航拍图像中的背景区域进行检测,选择在所述当前航拍图像中经过所述背景区域的曲线作为分析曲线,将所述当前航拍图像中经过所述分析曲线的各个像素点作为参考像素点;
数据统计设备,与所述背景检测设备连接,用于对所述当前航拍图像中的各个参考像素点执行以下数据统计操作:将参考像素点的色调成分与饱和度成分相乘以获得成分乘积值,取参考像素点的亮度成分的平方值以获得成分平方值,将所述成分平方值除以所述成分乘积值以获得参考像素点的统计数据。
接着,继续对本发明的无人机飞行方向分析方法的具体步骤进行进一步的说明。
所述无人机飞行方向分析方法还可以包括:
使用明度识别设备,与所述数据统计设备连接,用于接收各个参考像素点的统计数据,计算各个参考像素点的统计数据的算术平均值,并将所述算术平均值与参考阈值比较,当所述算术平均值小于所述参考阈值时,确定所述当前航拍图像的明度较低,当所述算术平均值大于等于所述参考阈值时,确定所述当前航拍图像的明度较高。
所述无人机飞行方向分析方法还可以包括:
使用阈值选择设备,与所述明度识别设备连接,用于接收算术平均值,并基于所述算术平均值对各个对象灰度阈值范围进行校正,以输出各个校正后的对象灰度阈值范围;
其中,所述阈值选择设备基于所述算术平均值对各个对象灰度阈值范围进行校正包括:基于所述算术平均值分别对每一个对象灰度阈值范围的上限灰度阈值和下限灰度阈值进行校正,所述算术平均值越大,所述上限灰度阈值越大,所述下限灰度阈值越大。
所述无人机飞行方向分析方法还可以包括:
使用对象初识设备,分别与所述无人机和所述阈值选择设备连接,用于接收所述当前航拍图像以及接收与车牌对象对应的对象灰度阈值范围,并基于与车牌对象对应的对象灰度阈值范围从所述当前航拍图像中识别出多个车牌分块;
使用车牌识别设备,设置在无人机上,用于获取多个车牌分块和当前航拍图像,对每一个车牌分块进行OCR识别,以获得每一个车牌分块对应的车牌号码;
使用车***设备,设置在无人机上,用于基于预设车牌号码对所述多个车牌分块分别对应的多个车牌号码进行匹配,输出匹配到的车牌号码所对应的车牌分块以作为目标分块输出;
使用跟踪信息获取设备,分别与所述车牌识别设备和所述车***设备连接,用于接收所述目标分块和所述当前航拍图像,并基于所述目标分块的中心到所述当前航拍图像的中心的矢量以及所述目标分块大小与基准车牌大小的比值确定所述无人机的目标飞行方向;
使用跟踪操作设备,与所述跟踪信息获取设备连接,用于接收所述目标飞行方向,并基于所述目标飞行方向驱动所述无人机的动力设备以控制所述无人机按照所述目标飞行方向进行飞行;
其中,在所述跟踪信息获取设备中,基于所述目标分块的中心到所述待识别图像的中心的矢量以及所述目标分块大小与基准车牌大小的比值确定所述无人机的目标飞行方向包括:所述目标分块大小为所述目标分块的面积,所述基准车牌大小为实体车牌的面积。
所述无人机飞行方向分析方法还可以包括:
使用FLASH存储设备,用于预先存储用于将各种对象从图像中区分出来的对应的各个对象灰度阈值范围;
其中,在所述FLASH存储设备中,对象类型不同,则对应的对象灰度阈值范围也不同;
其中,所述对象灰度阈值范围包括上限灰度阈值和下限灰度阈值,所述上限灰度阈值和所述下限灰度阈值的取值范围都为0-255。
另外,在所述跟踪操作设备中包括无线路由器,用于建立于所述无人机的动力设备的无线连接。
无线路由器好比将单纯性无线AP和宽带路由器合二为一的扩展型产品,它不仅具备单纯性无线AP所有功能如支持DHCP客户端、支持VPN、防火墙、支持WEP加密等等,而且还包括了网络地址转换功能,可支持局域网用户的网络连接共享。可实现家庭无线网络中的Internet连接共享,实现ADSL、Cable modem和小区宽带的无线共享接入。无线路由器可以与所有以太网接的ADSL MODEM或CABLE MODEM直接相连,也可以在使用时通过交换机/集线器、宽带路由器等局域网方式再接入。其内置有简单的虚拟拨号软件,可以存储用户名和密码拨号上网,可以实现为拨号接入Internet的ADSL、CM等提供自动拨号功能,而无需手动拨号或占用一台电脑做服务器使用。此外,无线路由器一般还具备相对更完善的安全防护功能。
3G路由器主要在原路由器嵌入无线3G模块.首先用户使用一张资费卡插3G路由器,通过运营商3G网络WCDMA、TD-SCDMA等进行拨号连网,就可以实现数据传输,上网等.路由器有WIFI功能实现共享上网,只要手机、电脑、psp有无线网卡或者带wifi功能就能通过3G无线路由器接入Internet,为实现无线局域网共享3G无线网提供了极大的方便。部分厂家的还带有有线宽带接口,不用3G也能正常接入互联网。通过3G无线路由器,可以实现宽带连接,达到或超过当前ADSL的网络带宽,在互联网等应用中变得非常广泛。
采用本发明的无人机飞行方向分析***及方法,针对现有技术中的空中拍摄图像质量不平衡以及稳定追逐车辆目标困难的技术问题,通过在无人机上搭建了优化式图像成像机制以及稳定式目标追逐机制,帮助电影公司在拍摄公路追逐片时,能够保证成像质量的优化、成像参数的均匀,避免给观众带来不适,另外,还能够稳定地跟随被追逐的车辆,提高了画面的稳定性。
可以理解的是,虽然本发明已以较佳实施例披露如上,然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言,在不脱离本发明技术方案范围情况下,都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。