【技术实现步骤摘要】
本专利技术涉及无人驾驶教育，特别涉及一种基于机器视觉的无人驾驶教具的定位方法及系统。
技术介绍
1、无人驾驶教具是用于教授和培训无人驾驶技术的工具和设备，目前无人驾驶教具主要采用摄像头、激光雷达、超声波雷达等车载传感器实现车辆定位(例如公开号为：cn110534009a、cn209103668u和cn212966762u的专利等)，难以实现微型化的全局定位。
2、为上述问题，现有技术提出了一种基于电容触控的无人驾驶教具(cn115691258a)，但是该教具存在触控压力波动导致定位信号不稳定、无法直接读取无人驾驶车辆模型航向、教具尺寸有限等问题。
技术实现思路
1、本申请旨在至少在一定程度上解决相关技术中的技术问题之一，本专利技术实施例提供了一种基于机器视觉的无人驾驶教具的定位方法及系统，技术方案如下：
2、一种基于机器视觉的无人驾驶教具的定位方法，包括：
3、s1、搭建遥控无人驾驶车辆模型、上位机和空中相机模组；
4、s2、基于机器视觉的检测算法，搭建目标定位算法；
5、s3、驱动所述上位机根据目标定位算法和所述空中相机模组的数据估算所述无人驾驶车辆模型的航向角；
6、s4、对估算的所述无人驾驶车辆模型的航向角进行矫正，得到当前所述无人驾驶车辆模型的实际航向角的数值。
7、优选的，所述s1的搭建遥控无人驾驶车辆模型、上位机和空中相机模组包括：
8、所述无人驾驶车辆模型上设置信号接收装置
9、所述无人驾驶车辆模型的外壳处理为黑色；
10、所述无人驾驶车辆模型的外壳的后桥中点上方设置红色信标；
11、所述无人驾驶车辆模型的外壳的前桥中点上方设置路色信标；
12、所述其中，所述红色信标的中心到所述后桥中点的距离小于0.1mm；所述绿色信标的中心到所述前桥中点的距离小于0.1mm；
13、所述空中相机模组用于实时拍摄地面上的所述无人驾驶车辆模型，所述空中相机模组实时将所述无人驾驶车辆模型的图片信息传送给所述上位机。
14、所述的空中相机模组采用单目相机，相机光轴与无人驾驶车辆模型上的信标所在的水平平面垂直，相机与无人驾驶车辆模型的信标所在的水平平面之间的距离已知，一般设置为2m。
15、其中，基于机器视觉的检测算法，得到目标定位算法且根据目标定位算法得到当前所述绿色信标的坐标和当前所述红色信标的坐标的具体实施方式包括：
16、首先对相机拍摄到的图片作畸变校正处理，使图片的每个像素坐标对应信标所在的水平平面上特定平方面积成固定比例，一般地，可以令一个像素对应平方面积0.01mm2。
17、然后将红色像素横坐标、纵坐标最小值的初始值置为较大值，具体的，可以设置为100000，将红色像素横坐标、纵坐标最大值的初始值置为较小值，具体的，可以设置为-100000。将绿色像素横坐标、纵坐标最小值的初始值置为较大值，具体的，可以设置为100000，将绿色像素横坐标、纵坐标最大值的初始值置为较小值，具体的，可以设置为-100000。
18、遍历所有像素，如果红色像素所在的坐标值小于等于最小值，令最小值等于该坐标值，否则最小值不变，如果红色像素所在的坐标值大于最大值，令最大值等于该坐标值，否则最大值不变，如果绿色像素所在的坐标值小于等于最小值，令最小值等于该坐标值，否则最小值不变，如果绿色像素所在的坐标值大于最大值，令最大值等于该坐标值，否则最大值不变。
19、如此可以获得红色像素横纵坐标的最大值和最小值，绿色像素横纵坐标的最大值和最小值。
20、对最大值和最小值求平均值，即可作为红色信标中心和绿色信标中心的坐标值。
21、红色信标中心和绿色信标中心的坐标值乘以前述固定比例(使图片的每个像素坐标对应信标所在的水平平面上特定平方面积成固定比例)，即可获得红色信标中心和绿色信标中心的实际坐标。
22、优选的，所述s3的驱动所述上位机根据目标定位算法和所述空中相机模组的数据估算所述无人驾驶车辆模型的航向角包括：
23、目标定位算法
24、根据目标定位算法得到当前所述绿色信标的坐标和当前所述红色信标的坐标；
25、根据当前所述绿色信标的坐标和当前所述红色信标的坐标得到当前所述绿色信标和当前所述红色信标所在线段的斜率；
26、根据当前所述绿色信标和当前所述红色信标所在线段的斜率得到估算的当前所述无人驾驶车辆模型的航向角。
27、优选的，所述当前所述绿色信标和当前所述红色信标所在线段的斜率k的计算公式为公式(1)：
28、
29、其中，所述红色信标的坐标为(x红，y红)，所述绿色信标的坐标为(x绿，y绿)；
30、所述估算的当前所述无人驾驶车辆模型的航向角的计算公式为公式(2)：
31、
32、其中，α为当前所述无人驾驶车辆模型的航向角的估算数值。
33、优选的，所述s4的对估算的所述无人驾驶车辆模型的航向角进行矫正，得到当前所述无人驾驶车辆模型的实际航向角的数值包括：
34、s401、通过上一时刻的向航角的数值对当前向航角的数值进行矫正，得到当前所述无人驾驶车辆模型的实际航向角的数值，其中，当前所述无人驾驶车辆模型的实际航向角的数值的计算公式为公式(3)：
35、
36、其中，为上一时刻的向航角的数值，为当前所述无人驾驶车辆模型的实际航向角的数值；
37、s402、判断所述当前所述无人驾驶车辆模型的实际航向角的数值与所述上一时刻的向航角的数值的差值：
38、当满足时，上位机输出所述当前所述无人驾驶车辆模型的实际航向角的数值
39、否则，将重复执行s401。
40、优选的，所述无人驾驶车辆模型的外壳为黑色，所述红色信标的直径在1cm以上，所述绿色信标的直径在1cm以上。
41、优选的，所述信号接收装置为蓝牙、wifi或红外装置。
42、优选的，所述上位机的芯片为stm32芯片或dspstm32芯片，所述上位机的芯片用于接收所述信号接收装置传入的信号，所述上位机的芯片用于控制所述无人驾驶车辆模型的行驶。
43、优选的，所述空中相机模组中的镜头距离地面的高度为2m至3m间。
44、一种基于机器视觉的无人驾驶教具的定位系统，包括：
45、搭建模块，用于搭建遥控无人驾驶车辆模型、上位机和空中相机模组；
46、算法模块，基于机器视觉的检测算法，搭建目标定位算法；
47、计算模块，驱动所述上位机根据目标定位算法和所述空中相机模组的数据估算所述无人驾驶车辆模型的航向角；
48、矫正模块，对估算的所述无人驾驶车辆模型的航向角进行矫正，得到当前所述无人驾驶车辆模型的本文档来自技高网...
【技术保护点】
1.一种基于机器视觉的无人驾驶教具的定位方法，其特征在于，包括：
2.根据权利要求1所述的基于机器视觉的无人驾驶教具的定位方法，其特征在于，所述S1的搭建遥控无人驾驶车辆模型、上位机和空中相机模组包括：
3.根据权利要求2所述的基于机器视觉的无人驾驶教具的定位方法，其特征在于，所述S3的驱动所述上位机根据目标定位算法和所述空中相机模组的数据估算所述无人驾驶车辆模型的航向角包括：
4.根据权利要求3所述的基于机器视觉的无人驾驶教具的定位方法，其特征在于，所述当前所述绿色信标和当前所述红色信标所在线段的斜率k的计算公式为公式(1)：
5.根据权利要求4所述的基于机器视觉的无人驾驶教具的定位方法，其特征在于，所述S4的对估算的所述无人驾驶车辆模型的航向角进行矫正，得到当前所述无人驾驶车辆模型的实际航向角的数值包括：
6.根据权利要求2所述的基于机器视觉的无人驾驶教具的定位方法，其特征在于，所述无人驾驶车辆模型的外壳为黑色，所述红色信标的直径在1cm以上，所述绿色信标的直径在1cm以上。
7.根据权利要求2所述的基于
8.根据权利要求7所述的基于机器视觉的无人驾驶教具的定位方法，其特征在于，所述上位机的芯片为STM32芯片或DSPSTM32芯片，所述上位机的芯片用于接收所述信号接收装置传入的信号，所述上位机的芯片用于控制所述无人驾驶车辆模型的行驶。
9.根据权利要求7所述的基于机器视觉的无人驾驶教具的定位方法，其特征在于，所述空中相机模组中的镜头距离地面的高度为2m至3m间。
10.一种基于机器视觉的无人驾驶教具的定位系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于机器视觉的无人驾驶教具的定位方法，其特征在于，包括：
2.根据权利要求1所述的基于机器视觉的无人驾驶教具的定位方法，其特征在于，所述s1的搭建遥控无人驾驶车辆模型、上位机和空中相机模组包括：
3.根据权利要求2所述的基于机器视觉的无人驾驶教具的定位方法，其特征在于，所述s3的驱动所述上位机根据目标定位算法和所述空中相机模组的数据估算所述无人驾驶车辆模型的航向角包括：
4.根据权利要求3所述的基于机器视觉的无人驾驶教具的定位方法，其特征在于，所述当前所述绿色信标和当前所述红色信标所在线段的斜率k的计算公式为公式(1)：
5.根据权利要求4所述的基于机器视觉的无人驾驶教具的定位方法，其特征在于，所述s4的对估算的所述无人驾驶车辆模型的航向角进行矫正，得到当前所述无人驾驶车辆模型的实际航向角的数值包括：
【专利技术属性】
技术研发人员：白国星，任帅，孟宇，顾青，刘立，刘绍冲，
申请(专利权)人：北京科技大学，
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。