本發(fā)明屬于自動(dòng)駕駛
技術(shù)領(lǐng)域：
，具體涉及一種停車場(chǎng)場(chǎng)景下基于無人機(jī)的自動(dòng)糾偏方法。
背景技術(shù)：
：近年來，無人機(jī)發(fā)展很快，在交通、農(nóng)業(yè)等多種領(lǐng)域得到廣泛應(yīng)用。在車輛行駛過程中，無人機(jī)能給汽車提供全局視角，而這些視覺圖像中包含了車輛周圍的環(huán)境信息?；跓o人機(jī)的汽車導(dǎo)航將摒棄傳統(tǒng)汽車依靠車載單目/雙目攝像頭導(dǎo)航的方式，以第三視角代替第一視角，給汽車帶來更加全局性的視野，給自動(dòng)駕駛帶來新的可能性。在自動(dòng)駕駛領(lǐng)域，人們普遍采用車載攝像頭的方法為車輛提供視覺信息，達(dá)到導(dǎo)航與糾偏的目的。但是，一個(gè)車載攝像頭往往只能提供一個(gè)方向的視角，在自動(dòng)駕駛中往往需要多個(gè)攝像頭共同工作。同時(shí)，在車輛上大量裝載傳感器，無疑將提高車輛設(shè)計(jì)的復(fù)雜性，增加車輛的成本。湯一平等(湯一平,嚴(yán)海東,柳圣軍,賀武杰,金海明,周思宗.基于全方位計(jì)算機(jī)視覺的智能停車輔助裝置)提出一種基于視覺的智能停車輔助裝置。該裝置通過視覺傳感器獲取周圍環(huán)境信息，實(shí)現(xiàn)糾偏、避撞、停車的目的。其中，糾偏主要用于停車場(chǎng)的倒車過程。首先，需要根據(jù)優(yōu)秀駕駛員的駕駛經(jīng)驗(yàn)、倒車技巧做成一個(gè)有關(guān)倒車的知識(shí)庫(kù)。在倒車過程中，基于倒車知識(shí)庫(kù)，結(jié)合視覺傳感器獲得的車輛位置信息、目標(biāo)位置信息、障礙物等環(huán)境信息，形成倒車軌跡線。然后，車輛沿著倒車軌跡線進(jìn)行倒車。在整個(gè)倒車過程中，需要根據(jù)視覺傳感器獲取的信息不斷調(diào)整軌跡線，直到順利停車。此裝置主要存在以下不足：(1)整個(gè)裝置置于車上，需要對(duì)車輛進(jìn)行改裝，增加許多額外的裝置，增大車輛結(jié)構(gòu)的復(fù)雜性和車輛成本；(2)該裝置所涉及的糾偏方法需要事先建立完善的倒車知識(shí)庫(kù)，而知識(shí)庫(kù)的建立是一個(gè)復(fù)雜、漫長(zhǎng)的工作；(3)該裝置的倒車糾偏只能提供倒車軌跡線，真正的糾偏過程仍然需要駕駛員人工完成，并不能實(shí)現(xiàn)真正意義上的自動(dòng)化。此外，陳嘉延(陳嘉延.基于四旋翼無人機(jī)做引導(dǎo)的智能停車引導(dǎo)系統(tǒng))提出一種利用四旋翼無人機(jī)做引導(dǎo)的智能停車引導(dǎo)系統(tǒng)。該系統(tǒng)利用無人機(jī)為車輛提供停車引導(dǎo)服務(wù)，通過無人機(jī)的超聲波探測(cè)器獲取停車場(chǎng)車位狀況，引導(dǎo)車輛沿最優(yōu)路線從停車場(chǎng)入口進(jìn)入停車位，或從停車位到達(dá)停車場(chǎng)出口。此系統(tǒng)主要存在以下不足：(1)該系統(tǒng)能通過無人機(jī)引導(dǎo)車輛，但是車輛仍然是人工駕駛，在行駛過程中的偏移糾正仍然需要駕駛員實(shí)現(xiàn)；(2)該系統(tǒng)的無人機(jī)主要依靠超聲波，沒有視覺傳感器或視覺定位系統(tǒng)，無法保證無人機(jī)準(zhǔn)確的室內(nèi)定位與穩(wěn)定的室內(nèi)定點(diǎn)懸停。技術(shù)實(shí)現(xiàn)要素：鑒于上述，本發(fā)明提供了一種停車場(chǎng)場(chǎng)景下基于無人機(jī)的自動(dòng)糾偏方法，通過無人機(jī)獲取下方行駛在路面上的車輛圖像，結(jié)合圖像的Hog特征，利用SVM圖像分類模型將圖像歸類到某一圖像類型，然后通過兩種映射關(guān)系對(duì)應(yīng)到當(dāng)前所需的糾偏控制指令，并發(fā)送給車輛，車輛將控制指令翻譯成車輛控制命令并執(zhí)行，實(shí)現(xiàn)車輛糾偏。一種停車場(chǎng)場(chǎng)景下基于無人機(jī)的自動(dòng)糾偏方法，包括如下步驟：(1)無人機(jī)依靠機(jī)載攝像頭采集處于不同偏轉(zhuǎn)角度下的車輛的實(shí)景圖像，并對(duì)采集到的圖像進(jìn)行去噪、平滑以及視角變化處理，得到最后處理圖像；(2)確立不同偏轉(zhuǎn)角度下的車輛的圖像類型，并建立圖像類型-偏轉(zhuǎn)角度映射表和偏轉(zhuǎn)角度-控制指令映射表；(3)以最后處理圖像作為樣本圖像組成訓(xùn)練集，然后提取樣本圖像的Hog特征向量，并將Hog特征向量作為SVM模型的輸入，樣本圖像的圖像類型作為SVM模型輸出的真值標(biāo)簽，利用訓(xùn)練集中所有的樣本圖像及其Hog特征向量，訓(xùn)練和建立SVM分類模型；(4)利用無人機(jī)的機(jī)載攝像頭采集下方實(shí)景圖像，并根據(jù)步驟(1)的方法對(duì)實(shí)景圖像進(jìn)行處理，然后提取處理后實(shí)景圖像的Hog特征向量，將Hog特征向量輸入到SVM圖像分類模型中，經(jīng)計(jì)算得到實(shí)景圖像的圖像類型；(5)通過步驟(2)中建立的圖像類型-偏轉(zhuǎn)角度映射表，將實(shí)景圖像的圖像類型映射為偏轉(zhuǎn)角度；(6)通過步驟(2)中建立的偏轉(zhuǎn)角度-控制指令映射表，將當(dāng)前偏轉(zhuǎn)角度映射為控制指令；(7)將控制指令傳輸給目標(biāo)車輛，目標(biāo)車輛接收控制指令，將該控制指令翻譯成車輛控制命令并執(zhí)行。所述的步驟(1)的具體步驟為：(1-1)無人機(jī)依靠機(jī)載攝像頭采集下方處于不同偏轉(zhuǎn)角度下的車輛的實(shí)景圖像，對(duì)實(shí)景圖像進(jìn)行直方圖均衡化處理，調(diào)整圖像的飽和度和亮度，以便于后續(xù)處理；(1-2)對(duì)均衡化處理后的圖像進(jìn)行中值濾波，去除微小噪聲，并對(duì)連通區(qū)域邊緣進(jìn)行平滑處理；(1-3)通過逆透視變換，將非正俯視視角下濾波及平滑處理后的圖像映射到正俯視視角下濾波及平滑處理后的圖像，得到最后處理圖像。步驟(1-3)中所述的將非正俯視角度拍攝的已進(jìn)一步處理后的圖像映射到正俯視視角下的圖像的方法為：(1-3-1)建立濾波及平滑處理后的圖像坐標(biāo)系和世界坐標(biāo)系之間的對(duì)應(yīng)關(guān)系，將濾波及平滑處理后的圖像中的像素點(diǎn)映射到世界坐標(biāo)系下，得到世界坐標(biāo)系下圖像；(1-3-2)根據(jù)世界坐標(biāo)系與正俯視圖像坐標(biāo)系的比例尺，將世界坐標(biāo)系下圖像投射到正俯視視角下濾波及平滑處理后的圖像。步驟(2)中，圖像類型對(duì)應(yīng)車輛所處的偏轉(zhuǎn)狀態(tài)，根據(jù)需求自行定義的，定義標(biāo)準(zhǔn)規(guī)則為：車輛的偏轉(zhuǎn)角度處于某一偏轉(zhuǎn)角度區(qū)間的圖像屬于同一圖像類型或每一車輛的偏轉(zhuǎn)角度的圖像屬于一種圖像類型。例如：定義車輛的偏轉(zhuǎn)角度處于[1°,20°]內(nèi)的圖像類型為A。步驟(2)中所述的圖像類型-偏轉(zhuǎn)角度映射表是自行定義的，建立規(guī)則為：每一種圖像類型對(duì)應(yīng)一組偏轉(zhuǎn)角度，映射表的輸入為圖像類型，輸出為一組偏轉(zhuǎn)角度中任一偏轉(zhuǎn)角度；映射關(guān)系為一對(duì)多，其中，每組偏轉(zhuǎn)角度是由一定區(qū)間范圍內(nèi)的多個(gè)偏轉(zhuǎn)角度組成；或每一種圖像類型對(duì)應(yīng)一個(gè)偏轉(zhuǎn)角度，映射關(guān)系為一對(duì)一。步驟(2)中所述的偏轉(zhuǎn)角度-控制指令映射表是自行定義的，建立規(guī)則為：每一組偏轉(zhuǎn)角度對(duì)應(yīng)一個(gè)用來糾偏的控制指令，映射表的輸入為一組偏轉(zhuǎn)角度中任一偏轉(zhuǎn)角度，輸出為控制指令；映射關(guān)系為多對(duì)一，每組偏轉(zhuǎn)角度中的任一角度值對(duì)應(yīng)同一個(gè)用于糾偏的控制指令；或每一個(gè)偏轉(zhuǎn)角度對(duì)應(yīng)一個(gè)用來糾偏的控制指令，映射關(guān)系為一對(duì)一。步驟(3)中所述的Hog特征是一種在計(jì)算機(jī)視覺和圖像處理中用來進(jìn)行物體檢測(cè)的特征描述子，它通過計(jì)算和統(tǒng)計(jì)圖像局部區(qū)域的梯度方向直方圖來構(gòu)成特征。與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益技術(shù)效果：(1)本發(fā)明的車輛糾偏方法依靠無人機(jī)及其視覺傳感器，不需要對(duì)車輛進(jìn)行大幅度改裝，降低了車輛的復(fù)雜性與成本。(2)本發(fā)明的無人機(jī)裝載視覺傳感器與視覺定位系統(tǒng)，可以保證自身準(zhǔn)確的室內(nèi)定位與穩(wěn)定的室內(nèi)定點(diǎn)懸停，從而更好地為車輛糾偏。(3)本發(fā)明使用基于Hog特征向量的SVM方法建立圖像分類模型，并將糾偏過程分為圖像分類、圖像類型映射到偏轉(zhuǎn)角度、偏轉(zhuǎn)角度對(duì)應(yīng)到控制指令、執(zhí)行控制指令四個(gè)子過程，具有簡(jiǎn)單易行、實(shí)時(shí)高效的優(yōu)點(diǎn)；(4)本發(fā)明的糾偏過程，從無人機(jī)采集圖像，到目標(biāo)車輛執(zhí)行控制命令，全程無需人工參與，可以實(shí)現(xiàn)真正意義上的糾偏自動(dòng)化。附圖說明圖1為本發(fā)明停車場(chǎng)場(chǎng)景下基于無人機(jī)的自動(dòng)糾偏方法的流程圖；圖2為本發(fā)明中從無人機(jī)視角向下拍攝的視線示意圖；圖3為本發(fā)明中計(jì)算地面實(shí)物位置Y坐標(biāo)的示意圖；圖4為本發(fā)明中計(jì)算地面實(shí)物位置X坐標(biāo)的示意圖；圖5為本發(fā)明中世界坐標(biāo)系與正俯視視角坐標(biāo)系的映射示意圖。具體實(shí)施方式為了更為具體地描述本發(fā)明，下面結(jié)合附圖及具體實(shí)施方式對(duì)本發(fā)明的技術(shù)方案進(jìn)行詳細(xì)說明。如圖1所示，本發(fā)明一種停車場(chǎng)場(chǎng)景下基于無人機(jī)的自動(dòng)糾偏方法，包括如下步驟：步驟1：無人機(jī)依靠機(jī)載攝像頭采集下方處于不同偏轉(zhuǎn)角度下的車輛的實(shí)景圖像，對(duì)實(shí)景圖像進(jìn)行直方圖均衡化處理，調(diào)整圖像的飽和度和亮度，以便于后續(xù)處理。無人機(jī)裝載視覺傳感器，并且與車輛同步前行，可以通過視覺傳感器捕捉正下方包含車輛的原始像素圖；無人機(jī)搭載視覺定位系統(tǒng)，可以保證自身準(zhǔn)確的室內(nèi)定位與穩(wěn)定的室內(nèi)定點(diǎn)懸停；無人機(jī)采集的原始圖像需要進(jìn)行直方圖均衡化處理、飽和度調(diào)節(jié)以及亮度調(diào)節(jié)，以突出目標(biāo)區(qū)域的顏色特征便于后續(xù)識(shí)別。其中，直方圖均衡化是一種利用圖像直方圖對(duì)對(duì)比度進(jìn)行調(diào)整的方法，其基本思想是把原始圖像的直方圖變換為均勻分布的形式，對(duì)圖像進(jìn)行非線性拉伸，重新分配圖像像素值，使一定灰度范圍內(nèi)的像素?cái)?shù)量大致相同，這樣就增加了圖像灰度值的動(dòng)態(tài)范圍，從而可以用于增強(qiáng)局部的對(duì)比度而不影響整體的對(duì)比度。步驟2：對(duì)預(yù)處理圖像進(jìn)行中值濾波，去除微小噪聲，并對(duì)連通區(qū)域邊緣進(jìn)行平滑處理。中值濾波通過圖像中的像素按照灰度級(jí)進(jìn)行排序，然后選擇出這個(gè)輸入窗口中所有像素點(diǎn)的灰度值的中間值，并作為最后輸出的灰度值，從而有效抑制圖像噪聲，提高圖像信噪比。步驟3：通過逆透視變換，將非正俯視視角下濾波及平滑處理后的圖像映射到正俯視視角下濾波及平滑處理后的圖像，得到最后處理圖像。具體方法為：首先，通過建立原圖像坐標(biāo)系和世界坐標(biāo)系之間的對(duì)應(yīng)關(guān)系，將原圖像中的像素點(diǎn)映射到世界坐標(biāo)系下：如圖2所示，XY位于地平面，Z垂直地面，Y為視覺方向，X軸正向指向紙面；相機(jī)位于OZ軸，離地h的C處；相機(jī)光軸CP位于YOZ平面，光軸俯仰角θ；沿光軸CP，離C點(diǎn)f(焦距)的點(diǎn)A定義為原始圖像平面MN的中心；圖中兩虛線的夾角為相機(jī)的縱向視角，定義為2α。求Y坐標(biāo)(包含量綱)：如圖3所示，XOY平面上任意點(diǎn)Q(X，Y)，其Y軸對(duì)應(yīng)點(diǎn)為B，該點(diǎn)在圖像上的像點(diǎn)為b，像點(diǎn)b在圖像坐標(biāo)系下的y坐標(biāo)(包含量綱)為t，因此Q的Y坐標(biāo)為求X坐標(biāo)(包含量綱)：如圖4所示，世界坐標(biāo)系XOY平面上線段BQ在原始圖像上的的像是bq，像點(diǎn)q在圖像坐標(biāo)系下的坐標(biāo)(包含量綱)為(s，t)，Q的X坐標(biāo)為然后，再根據(jù)世界坐標(biāo)系與俯視圖像坐標(biāo)系的比例尺，將世界坐標(biāo)系下的圖像投射到正俯視圖像。如圖5所示，新圖像的像素坐標(biāo)系uv中，原點(diǎn)位于左上角點(diǎn)，u沿水平向右，v垂直向下；u方向m像素，v方向n像素；u向像素的物理長(zhǎng)度為Dx毫米/像素點(diǎn)，即橫向比例尺；v向像素的物理長(zhǎng)度為Dy毫米/像素點(diǎn)，即縱向比例尺；圖像的世界坐標(biāo)系xy中，原點(diǎn)位于像素為(u0,v0)；x平行于u，與u同向；y平行于v，與v反向；所以根據(jù)(1)中所求X與Y，計(jì)算坐標(biāo)系uv中各像素坐標(biāo)為步驟4：確立不同偏轉(zhuǎn)角度下的車輛的圖像類型，并建立圖像類型-偏轉(zhuǎn)角度映射表和偏轉(zhuǎn)角度-控制指令映射表。步驟5：以最后處理圖像作為樣本圖像組成訓(xùn)練集，然后提取樣本圖像的Hog特征向量，并將Hog特征向量作為SVM模型的輸入，樣本圖像的圖像類型作為SVM模型輸出的真值標(biāo)簽，利用訓(xùn)練集中所有的樣本圖像及其Hog特征向量，訓(xùn)練和建立SVM分類模型。Hog特征是一種在計(jì)算機(jī)視覺和圖像處理中用來進(jìn)行物體檢測(cè)的特征描述子，它通過計(jì)算和統(tǒng)計(jì)圖像局部區(qū)域的梯度方向直方圖來構(gòu)成特征。Hog特征結(jié)合SVM分類器已經(jīng)被廣泛應(yīng)用于圖像識(shí)別中。在訓(xùn)練過程中，根據(jù)風(fēng)險(xiǎn)最小化原則，利用Hog特征向量訓(xùn)練集構(gòu)造最優(yōu)超平面，使每一類別數(shù)據(jù)之間的分類間隔最大，從而使實(shí)際風(fēng)險(xiǎn)變小。步驟6：利用無人機(jī)依靠機(jī)載攝像頭采集下方實(shí)景圖像，并根據(jù)步驟1～3的方法對(duì)實(shí)景圖像進(jìn)行處理，然后提取處理后實(shí)景圖像的Hog特征向量，將Hog特征向量輸入到SVM圖像分類模型中，經(jīng)計(jì)算得到實(shí)景圖像的圖像類型；步驟7：通過步驟4中建立的圖像類型-偏轉(zhuǎn)角度映射表，將實(shí)景圖像的圖像類型映射為偏轉(zhuǎn)角度值；步驟8：通過步驟4中建立的偏轉(zhuǎn)角度-控制指令映射表，將當(dāng)前偏轉(zhuǎn)角度值映射為控制指令；步驟9：將控制指令傳輸給目標(biāo)車輛，目標(biāo)車輛接收控制指令，將該控制指令翻譯成車輛控制命令，并執(zhí)行，達(dá)到糾偏目的。實(shí)施例采集不同偏轉(zhuǎn)角度車輛的圖像共85000幅，并利用步驟1～3的方法進(jìn)行處理，得到處理后圖像；然后，建立圖像類型-偏轉(zhuǎn)角度映射表和偏轉(zhuǎn)角度-控制指令映射表，如表1和表2所示：表1圖像類型偏轉(zhuǎn)角度圖像類型偏轉(zhuǎn)角度圖像類型偏轉(zhuǎn)角度L1左偏1°～5°R1右偏1°～5°T0°L2左偏6°～10°R2右偏6°～10°FL左偏大于35°L3左偏11°～15°R3右偏11°～15°FR右偏大于35°L4左偏16°～20°R4右偏16°～20°L5左偏21°～25°R5右偏21°～25°L6左偏26°～30°R6右偏26°～30°L7左偏31°～35°R7右偏31°～35°表2偏轉(zhuǎn)角度控制指令偏轉(zhuǎn)角度控制指令偏轉(zhuǎn)角度控制指令左偏1～5°TurnRight(3)右偏1～5°TurnLeft(3)0°Noturningaction左偏6～10°TurnRight(8)右偏6～10°TurnLeft(8)左偏大于35°TurnRight(40)左偏11～15°TurnRight(13)右偏11～15°TurnLeft(13)右偏大于35°TurnLeft(40)左偏16～20°TurnRight(18)右偏16～20°TurnLeft(18)左偏21～25°TurnRight(23)右偏21～25°TurnLeft(23)左偏26～30°TurnRight(28)右偏26～30°TurnLeft(28)左偏31～35°TurnRight(33)右偏31～35°TurnLeft(33)采集新實(shí)景圖像，將提取的該圖像的Hog特征向量輸入到用85000幅樣本圖像訓(xùn)練得到的SVM圖像分類模型中，得到該實(shí)景圖像的圖像類型為L(zhǎng)2，經(jīng)過表1與表2的映射，得到此時(shí)需要的控制指令為TurnRight(8)，目標(biāo)車輛接受此控制指令后翻譯成車輛控制命令，完成對(duì)車輛的糾偏。以上所述的具體實(shí)施方式對(duì)本發(fā)明的技術(shù)方案和有益效果進(jìn)行了詳細(xì)說明，應(yīng)理解的是以上所述僅為本發(fā)明的最優(yōu)選實(shí)施例，并不用于限制本發(fā)明，凡在本發(fā)明的原則范圍內(nèi)所做的任何修改、補(bǔ)充和等同替換等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁(yè)1 2 3