一种道路自巡检方法、装置、无人机及存储介质制造方法及图纸

本发明专利技术公开了一种道路自巡检方法、装置、无人机及存储介质。该方法应用于无人机，无人机包括图像采集设备以及雷达采集设备，该方法包括：在无人机沿预设巡检航线飞行的过程中控制图像采集设备以及雷达采集设备分别采集数据；根据采集时间和车辆位置对图像采集设备和雷达采集设备采集的数据进行数据融合；基于融合数据判断车辆的违章情况。本发明专利技术实施例，根据采集时间和车辆位置对图像采集设备和雷达采集设备采集的数据进行数据融合；基于融合数据判断车辆的违章情况，解决了无人机巡检的单一摄像头方案存在的先天不足问题，避免出现漏检的情况，提高车辆巡检的精确性，使得巡检的视野范围增加，同时使得巡检速度更快，提高了巡检效率。巡检效率。巡检效率。

【技术实现步骤摘要】
一种道路自巡检方法、装置、无人机及存储介质


[0001]本专利技术实施例涉及高速公路智能巡检控制
，尤其涉及一种道路自巡检方法、装置、无人机及存储介质。

技术介绍

[0002]现有技术中，高速公路应急车道违章取证的传统方法是固定摄像头拍照或交警人工巡查，然而这种传统方法的覆盖面比较有限，在高速公路上交警进行现场执法存在一定的难度，同时有的路段又没有视频监控这会导致应急车道被占用，从而导致违章取证效率低下且打击力度不足易漏检。近年来，随着人工智能技术和无人机技术的逐渐成熟，无人机逐渐代替人工巡检高速公路应急车道违章，但是无人机巡检的单一摄像头方案存在一些先天不足，比如：摄像头需要兼顾目标跟踪和变焦拍照等业务，变焦拍照和目标跟踪的图像视频流无法同时输出，从而产生系统紊乱，使得巡检业务效率低下，降低了车辆违章检测的精确性。

技术实现思路

[0003]本专利技术提供一种道路自巡检方法、装置、无人机及存储介质，以实现道路的无人巡检，提高巡检效率，增加巡检的准确性。
[0004]第一方面，本专利技术实施例提供了一种道路自巡检方法，该方法应用于无人机，所述无人机包括图像采集设备以及雷达采集设备，所述方法包括：
[0005]在所述无人机沿预设巡检航线飞行的过程中控制所述图像采集设备以及所述雷达采集设备分别采集数据；
[0006]根据采集时间和车辆位置对所述图像采集设备和所述雷达采集设备采集的所述数据进行数据融合；
[0007]基于融合数据判断所述车辆的违章情况。
[0008]第二方面，本专利技术实施例还提供了一种道路自巡检装置，该装置应用于无人机，所述无人机包括图像采集设备以及雷达采集设备，所述装置包括：
[0009]数据采集模块，用于在所述无人机沿预设巡检航线飞行的过程中控制所述图像采集设备以及所述雷达采集设备分别采集数据；
[0010]数据融合模块，用于根据采集时间和车辆位置对所述图像采集设备和所述雷达采集设备采集的所述数据进行数据融合；
[0011]违章判断模块，用于基于融合数据判断所述车辆的违章情况。
[0012]第三方面，本专利技术实施例还提供了一种无人机，包括：固定设置于所述无人机上的图像采集设备以及雷达采集设备，还包括：一个或多个控制器；
[0013]存储器，用于存储一个或多个程序，
[0014]当所述一个或多个程序被所述一个或多个控制器执行，使得所述一个或多个控制器实现如第一方面所述的道路自巡检方法。
[0015]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如第一方面任一所述的道路自巡检方法。
[0016]本专利技术实施例上述技术方案，通过在无人机沿预设巡检航线飞行的过程中控制图像采集设备以及雷达采集设备分别采集数据；根据采集时间和车辆位置对图像采集设备和雷达采集设备采集的数据进行数据融合；基于融合数据判断车辆的违章情况。本专利技术实施例，根据采集时间和车辆位置对图像采集设备和雷达采集设备采集的数据进行数据融合；基于融合数据判断车辆的违章情况，解决了无人机巡检的单一摄像头方案存在的先天不足问题，避免出现漏检的情况，提高车辆巡检的精确性，增加巡检的视野范围，同时使得巡检更快速，提高了巡检效率。
附图说明
[0017]图1为本专利技术实施例一提供的一种道路自巡检方法的流程图；
[0018]图2为本专利技术实施例二提供的一种道路自巡检方法的流程图；
[0019]图3为本专利技术实施例二提供的一种道路自巡检方法的流程示意图；
[0020]图4为本专利技术实施例三提供的一种道路自巡检装置的结构示意图；
[0021]图5为本专利技术实施例四提供的一种无人机的结构示意图。
具体实施方式
[0022]下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。
[0023]实施例一
[0024]图1为本专利技术实施例一提供的一种道路自巡检方法的流程图，本实施例可适用于对道路进行无人巡检时的情况，该方法可以由一种道路自巡检装置来执行，该装置可以采用硬件和/或软件的方式来实现，通常可配置于无人机设备中。该方法应用于无人机，无人机包括图像采集设备以及雷达采集设备，该方法具体包括如下步骤：
[0025]S110、在无人机沿预设巡检航线飞行的过程中控制图像采集设备以及雷达采集设备分别采集数据。
[0026]其中，预设巡检航线可以理解为预先采集并制作的相关巡检路段的高精度地图中的巡检航线，高精度地图在云端服务器中存放。在无人机沿预设高精度地图中的巡检航线飞行的过程中，将无人机将要进行巡检路段的起飞的起始点以及位置与云端服务器中的高精度地图一一对应，沿着高精度地图提前设置的巡检路径进行路段巡检。
[0027]在本实施例中，数据可以理解为图像采集设备以及雷达采集设备分别所实时采集的视野范围内中的所有数据，可以包括车辆相关图像数据以及点云数据，例如可以是车辆的车身颜色、车牌号、车型以及车辆的位置信息、车辆的运动状态信息，以及车辆的运动行为等相关的数据信息；也可以包括非交通参与者，如路牙、绿化灌木、标识标牌等的相关数据，本实施例在此不做限制。需要说明的是，图像采集设备以及雷达采集设备分别实时采集的数据进入到数据处理单元，可以通过特定的神经网络算法以判断出采集的数据是否是车
辆相关数据。
[0028]在本实施例中，图像采集设备可以为摄像头、摄像机、相机、视频采集卡以及具有图像采集功能的设备，图像采集设备可以提供车辆的详细外观信息，例如可以是车身颜色、车牌号以及车型等。雷达采集设备可以为激光雷达采集设备以及毫米波雷达采集设备，毫米波雷达具有高可靠性，全天候工作，可以提供目标的位置、速度等信息，激光雷达采集设备可以理解为激光技术与雷达技术相结合的产物，激光雷达的作用是能精确测量目标的位置、运动状态和形状，探测、识别、分辨和跟踪目标。
[0029]具体的，在无人机沿预先采集并制作的相关巡检路段的高精度地图中的巡检航线进行飞行的过程中，可以控制图像采集设备实时采集的数据，以及控制雷达采集设备所采集的数据，可以先采用特定的神经网络算法，例如可以是卷积神经网络，可以判断出采集的数据是否是车辆相关数据。需要说明的是，图像采集设备以及雷达采集设备实时采集的数据是同时进行的。
[0030]在本实施例中，无人机在到达巡检路径的起点时，开始起飞，沿着高精度地图提前设置的巡检路径巡飞的过程中，控制图像采集设备以及雷达采集设备分别实时沿巡检路径，采集同一区域中的数据，可以为车辆数据，也可以为非交通参与者的相关数据。
[0031]S120、根据采集时间和车辆位置对图像采集设备和雷达采集设备采集的数据进行数据融合。
[0032]其中，采集时间可以理解为图像采集设备以及雷达采集设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种道路自巡检方法，其特征在于，应用于无人机，所述无人机包括图像采集设备以及雷达采集设备，所述方法包括：在所述无人机沿预设巡检航线飞行的过程中控制所述图像采集设备以及所述雷达采集设备分别采集数据；根据采集时间和车辆位置对所述图像采集设备和所述雷达采集设备采集的所述数据进行数据融合；基于融合数据判断所述车辆的违章情况。2.根据权利要求1所述方法，其特征在于，所述控制所述图像采集设备以及所述雷达采集设备分别采集数据，包括：控制所述图像采集设备采集图像数据；控制所述雷达采集设备采集点云数据，并在高精度地图中过滤出感兴趣区域车道的所述点云数据。3.根据权利要求1或2所述的方法，其特征在于，所述根据采集时间和车辆位置对所述图像采集设备和所述雷达采集设备采集的所述数据进行数据融合，包括：针对各所述图像数据分别确定具有相同的所述采集时间的所述目标点云数据；将所述图像数据从所述图像采集设备坐标系转换到所述雷达采集设备坐标系下；按照所述目标点云数据中所述车辆位置将所述图像数据叠加到所述目标点云数据以实现数据融合。4.根据权利要求1所述的方法，其特征在于，所述基于融合数据判断所述车辆的违章情况，包括：在所述融合数据提取至少一个所述车辆的运动行为数据；使用预设违章行为集中的判别规则确定所述运动行为数据是否满足违章条件；若满足，则对所述车辆的违章行为进行取证，若不满足，则控制所述无人机继续巡检直到所述无人机巡检航线终点。5.根据权利要求4所述方法，其特征在于，所述使用预设违章行为集中的判别规则确定所述运动行为数据是否满足违章条件，包括：存在至少两帧所述运动行为数据对应的车辆位置相同，确定所述车辆为静止违章；存在至少两帧所述运动行为数据对...

【专利技术属性】
技术研发人员：邓刚林，严雪飞，苏阔，江晓鹏，胡冬，程亮，曹亚兵，
申请(专利权)人：复亚智能科技太仓有限公司，
类型：发明
国别省市：