[0001] 本
发明为原
申请号为201811463264.5、原申请日为2018年12月03日、原
发明名称为基于云计算的交通违停拍照控制方法的分案申请。
技术领域
[0002] 本发明涉及云计算以及交通巡检领域，尤其涉及一种基于云平台的交通违停判断方法。
背景技术
[0003] 随着我国各大城市车辆保有量的大幅上升，交通问题已逐步成为城市管理的难题，制约着城市经济的发展。忽略
汽车数量增多、道路窄等客观原因，警
力不足和车辆违章、违停是城市交通压力增大的主要原因。目前，在城市主干道和快速路布设了大量固定的交通检测设备，但这些设备存在监控盲区，无法全方位监控各相机获取的图像信息。这种传统的监控手段已无法满足城市快速发展的需求，急需更信息化的、更智能的监督手段来缓解交通压力。
[0004] 为了提高交管部
门处理车辆违停问题的效率，目前出现了通过无人机进行违停拍照的方案，其利用无人机空中机动灵活和响应快速的优势，将成像设备、影像传输模
块和处理器置于无人机上，实现了基于视觉的车辆违停快速检测功能，大幅提升交管部门的执法效率。
[0005] 然而，现有的无人机的
电池容量有限，并且飞行时的动力系统需要消耗大量的电量。将违停拍照的所有
数据处理和无人机的飞行控制放在无人机本身时，相关的电量消耗会非常大，导致无人机的工作时间大大缩短，不利于长期稳定工作。如果为了延长续航时间来增加电池容量的话，则无人机的自重会大幅增加，相关的飞行部件也需要改进，会明显增加无人机设备的开支。
[0006] 因此，如何减小用于交通违停巡检无人机的设备端电量消耗，即，有效降低无人机在违停拍照时的飞行控制计算功率，成为了亟待解决的技术问题。
发明内容
[0007] 针对
现有技术之不足，本发明提供了一种基于云计算的交通违停拍照控制方法，其包括：
[0008] 在到达
指定位置后，将无人机的机载
传感器所采集到的初始数据发送至交通违停云平台；
[0009] 交通违停云平台中的与机载传感器相关联的虚拟传感器将初始数据转化为初始重定向数据并将其输出至虚拟设备引擎；虚拟设备引擎将初始重定向数据转化为与拍照控制服务兼容的转换数据并将其发送至拍照控
制模块；
[0010] 拍照
控制模块对转换数据进行
图像识别与分析后生成虚拟动作命令；虚拟设备引擎接收虚拟动作命令，然后将其发送至虚拟交互
控制器，所述虚拟交互控制器与无人机的交互部件相关联；
[0011] 虚拟交互控制器将虚拟动作命令转换为与无人机的交互部件兼容的实际动作命令，然后通过网络发送实际动作命令，以使得无人机的交互部件执行违停拍照任务。
[0012] 根据一个优选实施方式，无人机的机载传感器包括影像传感器、
加速度计、
陀螺仪、电池寿命传感器、GPS传感器，机载传感器采集到的初始数据包括图像、无人机运动数据和电池寿命数据。无人机的交互部件包括螺旋桨、
马达、陀螺仪稳定器和
运动相机。
[0013] 根据一个优选实施方式，所述拍照控制模块包括无人机专用控制器、视觉API和导航API。
[0014] 根据一个优选实施方式，所述拍照控制模块提取转换数据中的目标区域的Haar特征，然后将Haar特征输入到AdaBoost分类器以进行车辆识别；
[0015] 在识别车辆后，基于车辆区域和存储的划线区域进行处理分析，然后生成虚拟动作命令以指示无人机采集违停车辆的图像数据。
[0016] 根据一个优选实施方式，违停拍照任务包括：移动靠近指定目标对象并拍照、采集目标对象的近视图和采集目标对象的车牌号；实际动作命令包括：升高/降低螺旋桨转速、运动相机拍照以及镜头缩放/聚焦。
[0017] 根据一个优选实施方式，无人机包括智能网关，智能网关用于对机载传感器所采集的初始数据进行优化处理和转发；智能网关根据数据类型和数据内容对数据流进行优先级排序，然后将高于预设优先级的数据传输至交通违停云平台。
[0018] 根据一个优选实施方式，所述智能网关分析影像传感器采集的视频数据，以确定图像内容是否已经从时间T1改变到时间T2；
[0019] 智能网关采用包含规则的
规则引擎，若在时间T2处的图像内容与在时间T1处的图像内容相同，则对时间T1处的视频数据赋予次优先级；在传输时省略已被识别为次优先级的数据。
[0020] 本发明具有以下有益效果：
[0021] 本发明利用云计算的计算能力来降低交通巡检无人机在进行违停拍照时的功率和处理要求。通过降低处理器功率要求，可以减小电池尺寸，减少设备的重量，并且由于无人机的推进系统的负担较小而增加交通巡检的有效工作范围。此外，基于云端的拍照控制服务具有更高的可拓展性和处理能力，能够显著降低交通巡检无人机自动化解决方案的部署成本。
[0022] 由于无人机的主要操作和控制
软件从无人机设备本身移动到云端的虚拟化控制服务，相应的用于无人机控制的软件更新和安全
补丁可以直接在云端执行，而不必直接在无人机上进行更新，因此避免了无人机进行软件和补丁更新失败而影响工作任务。相对应地，无人机的软件更新失败可能需要技术人员进行维护，而对托管虚拟化控制服务的云端
虚拟机的失败更新可能仅需要恢复虚拟机的备份。因此，本发明的技术方案具有更高的
稳定性和更低的维护成本。
附图说明
[0023] 图1示出了本发明的一个实施方式的方法
流程图；
[0024] 图2示出了用于运行本发明方法的交通违停巡检系统的系统
框图。
具体实施方式
[0025] 为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
[0026] 如图1所示，本发明的基于云计算的交通违停拍照控制方法包括：
[0027] 在到达指
定位置后，将无人机的机载传感器所采集到的初始数据发送至交通违停云平台。无人机的机载传感器包括影像传感器、加速度计、陀螺仪、电池寿命传感器、GPS传感器，机载传感器采集到的初始数据包括图像、无人机运动数据和电池寿命数据。
[0028] 交通违停云平台中的与机载传感器相关联的虚拟传感器将初始数据转化为初始重定向数据并将其输出至虚拟设备引擎；虚拟设备引擎将初始重定向数据转化为与拍照控制服务兼容的转换数据并将其发送至拍照控制模块；
[0029] 拍照控制模块对转换数据进行图像识别与分析后生成虚拟动作命令；虚拟设备引擎接收虚拟动作命令，然后将其发送至虚拟交互控制器，所述虚拟交互控制器与无人机的交互部件相关联；
[0030] 虚拟交互控制器将虚拟动作命令转换为与无人机的交互部件兼容的实际动作命令，然后通过网络发送实际动作命令，以使得无人机的交互部件执行违停拍照任务。无人机的交互部件包括螺旋桨、马达、陀螺仪稳定器和运动相机。
[0031] 本发明采用基于云端的拍照控制服务，其具有更高的可拓展性和处理能力，能够显著降低交通巡检无人机自动化解决方案的部署成本。由于无人机的主要操作和控制软件从无人机设备本身移动到云端的虚拟化控制服务，相应的用于无人机控制的软件更新和安全补丁可以直接在云端执行，而不必直接在无人机上进行更新，因此避免了无人机进行软件和补丁更新失败而影响工作任务。相对应地，无人机的软件更新失败可能需要技术人员进行维护，而对托管虚拟化控制服务的云端虚拟机的失败更新可能仅需要恢复虚拟机的备份。因此，本发明的技术方案具有更高的稳定性和更低的维护成本。
[0032] 下面对本发明的工作方式进行具体说明。
[0033] 在到达指定位置后，通过无人机上的处理器确定无人机是否具有活动网络连接。无人机可以尝试通过网络与云端的虚拟化控制服务建立安全通信会话。在确认已建立安全通信会话后，将无人机的机载传感器所采集到的初始数据发送至交通违停云平台。
[0034] 交通违停云平台中的虚拟传感器将初始数据转化为初始重定向数据，其中虚拟传感器与机载传感器相关联。然后，虚拟传感器将初始重定向数据输出到虚拟设备引擎。
[0035] 虚拟设备引擎将初始重定向数据转换为与拍照控制服务兼容的转换数据。例如，初始重定向数据可以是来自影像传感器的比特流，而经过转换后的转换数据为编码视频文件。在转换过程之后，虚拟设备引擎将转换数据发送到拍照控制模块。
[0036] 拍照控制模块对转换数据进行图像识别与分析后生成虚拟动作命令。具体地，拍照控制模块提取转换数据中的目标区域的Haar特征，然后将Haar特征输入到AdaBoost分类器以进行车辆识别。
[0037] 在识别车辆后，基于车辆区域和存储的划线区域进行处理分析，然后生成虚拟动作命令以指示无人机采集违停车辆的图像数据。虚拟动作命令包括调整无人机的飞行位置，接近目标对象以及拍照。
[0038] 与板载处理器相比，拍照控制模块能够提供极其优越的数据处理能力。例如，具有机载导航的全自动无人机从计算的
角度来看可能成本过高，或者可能由于电池和处理器设备的额外尺寸和重量而使其有效的活动范围受限。然而如果采用本发明方案的话，由于无人机的处理器仅需要打包数据用于网络传输并将实际动作命令发送到相应的交互部件，因此无人机需要具备的处理能力更小，有利于提高无人机的续航能力并且降低相关的部署成本。
[0039] 无人机能够在更恶劣的天气中
起飞和飞行，因为拍照控制服务能够处理来自各种传感器的更多数据以保持无人机
悬停。此外，拍照控制服务可以拥有用于更好地计算最佳行动过程的其他数据源。例如，可以结合天气报告以找到更优的计划路线。优选地，拍照控制服务还可以将来自周围其他无人机的机载传感器的初始数据用于路径规划。
[0040] 虚拟设备引擎从拍照控制模块接收虚拟动作命令。拍照控制模块可以包括用于特定类型的无人机的专用控制器以及用于配置视觉输入设置的可视API。此外，拍照控制模块可以包括视觉，音频和导航API。在拍照任务中，拍照控制模块经过分析后可以确定需要更近视图的目标对象。因此，拍照控制模块可以发出虚拟动作命令以使得无人机接近目标对象和/或放大影像传感器。在这种情况下，最终响应命令的交互部件实际上可以是无人机的动力部件和运动相机。
[0041] 虚拟设备引擎可以将虚拟动作命令发送到与无人机的交互部件相关联的虚拟交互控制器。示例性地，交互部件可以是与无人机的移动相关的组件，例如螺旋桨、马达、陀螺仪稳定器。在这样的示例中，虚拟设备引擎可以将虚拟动作命令中继到虚拟交互控制器。虚拟交互控制器能够解释来
自拍照控制模块的虚拟动作命令，以用于无人机中的交互元件。例如，虚拟动作命令可以是通用形式(例如，将高度下降到5米)。虚拟交互控制器可以将虚拟动作命令处理成实际动作命令，例如降低无人机螺旋桨的转速。
[0042] 虚拟交互控制器可以是交互部件的虚拟表示。例如，当虚拟设备引擎将虚拟动作命令发送到虚拟交互控制器时，虚拟设备引擎认为它正在向物理交互部件发送命令。
[0043] 虚拟交互控制器将虚拟动作命令转换为与交互部件兼容的实际动作命令。例如，在拍照任务完成后需要重新巡检时，虚拟动作命令可以指示“将高度增加到15米”，而实际动作命令可以指示“将螺旋桨的旋转速度增加到1800转/分钟，然后在高度计读数为15之后将旋转速度降低到900转/分钟。
[0044] 然后，交通违停云平台通过网络发送实际动作命令到无人机，使相应的无人机的交互部件执行违停拍照任务。违停拍照任务包括：移动靠近指定目标对象并拍照、采集目标对象的近视图和采集目标对象的车牌号。实际动作命令可以包括：升高/降低螺旋桨转速、运动相机拍照、镜头缩放或聚焦。
[0045] 在执行任务后，无人机将任务数据发送至交通违停云平台，交通违停云平台基于任务数据进行违停判断和违停信息记录及发送。
[0046] 优选地，无人机包括智能网关，智能网关用于对机载传感器所采集的初始数据进行优化处理和转发。在工作时，智能网关不是保留所有数据并将其发送到交通违停云平台，而是采用
决策逻辑来根据数据类型和数据内容对数据流进行优先级排序，并创建筛选后的数据流，从而将
选定的或高于预设优先级的数据传输到交通违停云平台。
[0047] 例如，智能网关分析影像传感器采集的视频数据，以确定图像内容是否已经从时间T1改变到时间T2。智能网关采用包含规则的规则引擎，若在时间T2处的图像内容与在时间T1处的图像内容相同，则对时间T1处的视频数据赋予次优先级；在传输时省略已被识别为次优先级的数据或降低
分辨率后再传输。通过这种方式，智能网关被用于选择性地优化数据，从而在不丢失重要信息的情况下减少传输数据所需的带宽，并提高传输效率。
[0048] 如图2所示，用于运行本发明方法的交通违停巡检系统包括交通违停云平台和多个用于违停巡检的无人机。用于违停巡检的无人机包括处理器、多个机载传感器和多个交互部件，其中交互部件和机载传感器均与处理器具有通信连接。无人机的机载传感器包括影像传感器、加速度计、陀螺仪、电池寿命传感器、GPS传感器。无人机的交互部件包括螺旋桨、马达、陀螺仪稳定器和运动相机。可选地，无人机采用带有运动相机的四旋翼无人机。
[0049] 交通违停云平台包括但不限于虚拟设备引擎、拍照控制模块、多个虚拟传感器和多个虚拟交互控制器，其中，虚拟传感器分别与无人机的机载传感器相关联，虚拟交互控制器分别与无人机的交互部件相关联。拍照控制服务属于虚拟化控制服务的一部分，虚拟化控制服务可以运行在云服务提供商的虚拟机上。
[0050] 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉
本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以
权利要求的保护范围为准。
