无人机载的路面检测系统及检测方法
专利汇可以提供无人机载的路面检测系统及检测方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了无人机载的路面检测系统及检测方法，包括无人机，所述无人机上设置有GPS系统及无人机飞行高度控制系统；所述无人机上搭载有摄像头，所述摄像头连接图像 传感器 ；所述图像传感器的输出端连接至 信号 放大 电路 的输入端，所述信号放大电路的输出端连接至信号转换电路的输入端；所述信号转换电路的输出端连接至无线数传电台；所述信号放大电路的输入端连接信号检测及处理电路的输出端，信号检测及处理电路的输入端连接 控制器 ；地面无线数传电台由电平转接板连接地面 服务器 ，搭载在无人机上的无线数传电台与地面无线数传电台通过无线方式通信。能够采集不同的路面信息并分别进行 图像处理 ，建立相应的模型，能够实时动态对路面进行检测。，下面是无人机载的路面检测系统及检测方法专利的具体信息内容。
1.无人机载的路面检测系统，其特征是，包括无人机，所述无人机上设置有GPS系统及无人机飞行高度控制系统；
所述无人机上搭载有摄像头，所述摄像头连接图像传感器；所述图像传感器的输出端连接至信号放大电路的输入端，所述信号放大电路的输出端连接至信号转换电路的输入端；所述信号转换电路的输出端连接至无线数传电台；
所述信号放大电路的输入端连接信号检测及处理电路的输出端，信号检测及处理电路的输入端连接控制器；
地面无线数传电台由电平转接板连接地面服务器，搭载在无人机上的无线数传电台与地面无线数传电台通过无线方式通信；
在地面服务器中用于对采集的图像进行图像的处理，包括灰度化、图像平滑和锐化、图像灰度变换、图像分割；
将图像处理后的图片提取相应的物体特征；
针对拍摄的不同图像分别进行图像处理，获得图像数据集，对采集的数据集进行分类处理，使用图像数据集在卷积网络中进行预训练，对模型进行优化。
2.如权利要求1所述的无人机载的路面检测系统，其特征是，在卷积网络中进行预训练：将数据集中的每一幅图特征参数采用反向传播算法和随机梯度下降方法，根据前向传播的loss值的大小，来进行反向传播迭代更新每一层的权重，直到模型的loss值趋向于收敛时，停止训练模型，得到深度学习模型，在图像的倒数第二层全卷积层提取深度学习特征；
对于给定任意一幅待识别的图像，输入到训练好的深度学习模型中，提取样本的深度学习特征，判别该图像属于哪个类别。
3.如权利要求1所述的无人机载的路面检测系统，其特征是，图像数据集所包括的图像种类包括但不限于路面下陷图像，路面断裂图像，遗撒物体图像，施工中产生的固体废物未及时清理图像，道路中间停留的小动物图像。
4.无人机载的路面检测系统的检测方法，其特征是，包括：
定位无人机所在的位置，判断无人机所检测的道路，并控制无人机沿着所检测道路飞行；
无人机飞行高度控制系统根据垂直向下发射的电波以及由地面发射回来的电波控制无人机的输出功率，以调整无人机的飞行高度；
根据无人机所在的检测路面，由摄像头拍摄图像，使拍摄的道路图像能够前后对接连续，并将图像经过处理后发送给控制器，控制器将图像数字信号通过无线数传电台发送至地面无线数传电台，由地面无线数传电台传至地面服务器；
在地面服务器中进行图像的处理，包括灰度化、图像平滑和锐化、图像灰度变换、图像分割；
将图像处理后的图片提取相应的物体特征；
针对拍摄的不同图像分别进行图像处理，获得图像数据集，对采集的数据集进行分类处理，使用自制数据集在卷积网络中进行预训练，对模型进行优化。
5.如权利要求4所述的无人机载的路面检测系统的检测方法，其特征是，在卷积网络中进行预训练：将数据集中的每一幅图特征参数采用反向传播算法和随机梯度下降方法，根据前向传播的loss值的大小，来进行反向传播迭代更新每一层的权重，直到模型的loss值趋向于收敛时，停止训练模型，得到深度学习模型，在图像的倒数第二层全卷积层提取深度学习特征；
对于给定任意一幅待识别的图像，输入到训练好的深度学习模型中，提取样本的深度学习特征，判别该图像属于哪个类别。
6.如权利要求4所述的无人机载的路面检测系统的检测方法，其特征是，图像数据集所包括的图像种类包括但不限于路面下陷图像，路面断裂图像，遗撒物体图像，施工中产生的固体废物未及时清理图像，道路中间停留的小动物图像。
7.如权利要求4所述的无人机载的路面检测系统的检测方法，其特征是，灰度化具体为：
摄像机采集到计算机的图像是RGB格式的，转换后的灰度图像中，一个像素表示其灰度值，则据公式：
Y＝0.299R+0.587G+0.114B
R、G、B分别为每一点像素值红、绿、蓝的值，范围为0到255，这样将R、G、B都赋给Y，图像中的每一点的像素只有一个值。
进一步的技术方案，灰度处理后，进行灰度变换，令Y为变换前的灰度，S为变换后的灰度，采用对数变换的通用公式是：
S＝clog(1+Y)
其中，c是一个常数，Y≥0,对数变换将源图像中范围较窄的低灰度值映射到范围较宽的灰度区间，同时将范围较宽的高灰度值区间映射为较窄的灰度区间。
8.如权利要求4所述的无人机载的路面检测系统的检测方法，其特征是，图像平滑：在同一图像中勾选出区域，采用邻域平均法对图像进行处理。其原理是将原图中每一个像素的灰度值和它周围邻近8个像素的灰度值相加，然后将求得的平均值作为新图中该像素的灰度值，即:
M是所取邻域中各邻近像素的坐标，N是邻域中包含的邻近像素的个数；
图像锐化处理：采用线性锐化处理，线性高通滤波器是最常用的线性锐化滤波器，可在在MATLAB中可通过调用filter2函数和fspecial函数来实现。
9.如权利要求4所述的无人机载的路面检测系统的检测方法，其特征是，图像分割：基于边缘检测的图像分割方法，先确定图像中的边缘像素，然后再把这些像素连接在一起就构成所需的区域边界。
10.如权利要求4所述的无人机载的路面检测系统的检测方法，其特征是，将图像处理后的图片提取相应的物体特征，图像特征有颜色特征、纹理特征、形状特征、空间特征；
颜色特征：采用颜色矩的方法提取物体颜色特征，颜色分布信息主要集中在低阶矩中，采用颜色的一阶矩、二阶矩、三阶矩可以表达物体颜色特征；
纹理特征：图像纹理特征是提取图像区域内部灰度级变化的特征量化，采用统计方法，从图像的自相关函数即图像的能量谱函数提取纹理特征，即通过对图像的能量谱函数的计算，提取纹理的粗细度及方向性特征参数；
形状特征：傅里叶形状描述符法，用物体边界的傅里叶变换作为形状描述，利用区域边界的封闭性和周期性，将二维问题转化为一维问题，由边界点导出三种形状表达，分别是曲率函数、质心距离、复坐标函数；
空间特征：对分割的图像划分出图像中所包含的对象或颜色区域，然后根据这些区域提取图像特征，并建立索引。
无人机载的路面检测系统及检测方法
技术领域
背景技术
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于图像自学习的车辆排队消散时间预测方法 | 2020-08-19 | 0 |
| 一种管道采用开挖槽埋管施工方法 | 2020-10-20 | 0 |
| 一种市政道路的高清监控系统 | 2021-03-13 | 0 |
| 一种基于车载摄像机组的无人机起降监控方法及系统 | 2023-02-04 | 2 |
| 双摄双握自拍杆 | 2020-05-31 | 0 |
| 移动终端应用程序消息通知图标设置方法和装置 | 2021-03-15 | 0 |
| 自然场景中的车标识别方法 | 2020-06-05 | 1 |
| 一种手机随身拍 | 2021-01-02 | 0 |
| 一种基于互联网自助过磅装置 | 2021-09-11 | 0 |
| 电子设备 | 2020-11-28 | 2 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
