基于無人機模式的道路交通監(jiān)控

儲澤楠 趙凱 任俊軍

摘 要：交通狀況對城市的發(fā)展至關重要，因此，加強道路交通監(jiān)控尤為重要。但是，傳統(tǒng)的固定式交通檢測裝置不夠靈活方便。為此，本文提出采用無人機拍攝道路交通狀況，通過視頻實現(xiàn)道路狀況監(jiān)測。該無人機平臺以Pixhawk為飛行控制器，搭載高度計、陀螺儀、GPS模塊和羅盤等各種傳感器，可以實現(xiàn)定高定點拍攝。為保證飛行穩(wěn)定性，筆者還設計了專用的處理器用以保存和傳輸視頻，大大減輕了飛行控制器的工作壓力。同時，為了進一步提高視頻的質(zhì)量，筆者從飛行穩(wěn)定性、實時電子穩(wěn)像和后期電子穩(wěn)像三個方面進行優(yōu)化，消除視頻中的抖動現(xiàn)象。無人機拍攝的視頻由地面的專用計算機進行處理，從而得到道路交通狀況，并存入數(shù)據(jù)庫。

關鍵詞：無人機;道路交通監(jiān)測;車流量

中圖分類號：U495;TP274文獻標識碼：A文章編號：1003-5168（2020）04-0100-03

Abstract： The traffic condition is vital to the development of a city， so it is very important to strengthen the road traffic monitoring. However， the traditional fixed traffic detection device is not flexible and convenient. For this reason， the authors proposed to use UAV to take photos of road traffic conditions， and realize road condition monitoring through video. The UAV is designed with Pixhawk as the flight controller and equipped with various sensors such as altimeter， gyroscope， GPS and compass. Therefore， the videos can be shot at fixed height and fixed position. In order to ensure the flight stability， we adopt a special processor to save and transmit videos， which greatly reduced the working pressure of the flight controller. In order to further improve the quality of videos， we optimize video processing to eliminate the jitter phenomenon in videos from three aspects： flight stability， real-time electronic image stabilization and post electronic image stabilization. The videos captured by the UAV are processed by a special computer on the ground， and then the road traffic conditions are obtained and stored in the database.

Keywords： UAV;road traffic monitoring;vehicle flow

近年來，城市交通在城市發(fā)展過程中占據(jù)越來越重要的地位，各種智能交通手段被應用于城市交通中。其中最重要的一項技術就是通過拍攝和處理交通視頻，獲取交通參數(shù)，為相關部門提供技術依據(jù)。董天陽等[1]針對前向和后向車輛的表觀特征不同，單純使用主流的HOG或者Haar-like特征來識別車輛存在對某一方向行駛的車輛識別率低或者誤識率高的問題，提出了一種Haar-like和HOG特征結(jié)合的交通視頻車輛識別方法，并應用于高速公路車輛的識別中。王雪鋒等[2]針對基于監(jiān)控視頻的車輛檢測識別問題，給出了一種基于視頻監(jiān)控的面包車識別算法。該方法對于監(jiān)控視頻中已跟蹤的車輛，提取車輛的方向梯度直方圖（HOG）特征作為支持向量機（SVM）分類檢測的輸入，分類識別該車輛是否為面包車。王相森[3]介紹了實時視頻車輛識別和分類的幾種常用方法，并對其優(yōu)缺點進行分析。然而，固定式的視頻拍攝不夠靈活，許多研究人員將無人機作為拍攝視頻的一種手段，并將這些視頻用于檢測或識別。舒威等[4]使用無人機對大型儲罐進行視頻巡檢，并通過高質(zhì)量的拍攝視頻識別儲罐表面缺陷，大大減輕了常規(guī)檢查方法對罐體的損害。彭博等[5]針對懸停無人機視頻提出了基于形態(tài)分析的車輛自動識別方法，且取得了較好的效果。本文借鑒無人機設計和基于視頻的車輛參數(shù)提取方法等內(nèi)容，設計了一套基于無人機視頻的車輛交通參數(shù)提取方案。該方案包括無人機設計、視頻拍攝穩(wěn)像方法和交通參數(shù)提取方法。通過該方案設計的無人機拍攝了兩段交通視頻，并將這兩段視頻用于交通參數(shù)提取，取得了較好的效果。

1 交通無人機設計

作為道路交通監(jiān)控的主體，無人機的設計非常重要，需要兼顧飛行穩(wěn)定性和視頻數(shù)據(jù)采樣處理。因此，筆者在設計無人機平臺時，將飛行控制與視頻采集處理分開設計，以保證無人機的穩(wěn)定性。

無人機飛行控制采用Pixhawk飛控平臺，搭載開源的飛行控制固件，成熟穩(wěn)定且利于二次開發(fā)。為了能夠充分利用Pixhawk飛行控制模塊的功能，除了利用該飛行控制模塊自帶的傳感器外，還配置了以下部件：外部GPS和羅盤用于定位、定高和測量角度，外部數(shù)字空速傳感器用于檢測失速，電源管理模塊用于分配鋰電池提供電力和驅(qū)動電機，PPM接收機用于接收遙控器的信號，外部蜂鳴器、安全開關、LED等用于輔助調(diào)試和控制。

無人機平臺視頻采集處理采用高性能32位處理器STM32F407，連接攝像頭模塊，將拍攝的視頻保存到SD卡中存儲。另外，如果需要實時傳輸視頻，還可以通過2.4G無線傳輸模塊將視頻直接傳輸至地面接收計算機。該無人機總體設計方案如圖1所示。

2 攝像機防抖動

受風力或轉(zhuǎn)向等因素的影響，無人機在飛行過程中會不可避免地出現(xiàn)抖動，從而直接影響攝像頭拍攝到的畫面質(zhì)量。抖動特別厲害的視頻將無法被用于后續(xù)處理。因此，為保證攝像畫面的質(zhì)量，消除畫面中的抖動，筆者在無人機平臺設計過程中采用了三步視頻防抖動策略。

2.1 無人機飛行姿態(tài)平穩(wěn)控制

四旋翼無人機的模型具有非線性、強耦合、干擾敏感等特性，控制難度較大，因此，可以將其看成近似線性的。在這里，筆者采用小擾動線性化理論對四旋翼無人機模型進行線性化。線性化后的小擾動運動方程組為：

其中，狀態(tài)變量[x=[u，v，w，p，q，r，θ，?，ψ]]，表征三個方向上的相應分量;控制變量[u=[u1，u2，u3，u4]]，表征對四個旋轉(zhuǎn)電機的控制。經(jīng)過線性化后的四旋翼模型的非線性特征明顯降低，可以采用較為常規(guī)的PD控制算法進行控制。圖2是在該線性化模型基礎上，無人機跟蹤圓形路徑的仿真結(jié)果，除[Z]軸方向上略有偏差，其他兩個軸的跟蹤效果良好。

2.2 實時電子穩(wěn)像

實時電子穩(wěn)像是指在視頻拍攝過程中，實時對拍攝的視頻進行處理，消除拍攝時的抖動，達到穩(wěn)定畫面的目的。因為強調(diào)實時性，所以對算法的復雜度有較高的要求，筆者選擇灰度投影算法。

灰度投影算法實際上是將二維的圖像信息轉(zhuǎn)換為一維的數(shù)據(jù)進行處理。該算法根據(jù)標準的幀間計算獲得相關性，然后再進行運動補償。一般情況下需要經(jīng)過圖像映射、投影濾波和相關性計算三個步驟。圖3是視頻參考幀行和列的投影曲線。

2.3 后續(xù)電子穩(wěn)像

后續(xù)電子穩(wěn)像是在地面接收計算機獲得視頻數(shù)據(jù)后，再次對視頻進行穩(wěn)像處理。這時，實時拍攝已經(jīng)結(jié)束，對實時性的要求并不高，而要求穩(wěn)像的質(zhì)量和魯棒性。因此，筆者選擇較為穩(wěn)定和精度更高的算法。盛安等提出了一種基于模糊聚類的運動估計方法，從而分割出前景和背景運動分量。該方法能提取出全局的最優(yōu)運動矢量，極大地提高了視頻質(zhì)量。筆者在后續(xù)電子穩(wěn)像中使用了該算法。

3 交通參數(shù)提取

在道路交通中，最為看重的是路口通行的車流量參數(shù)。如果通過無人機拍攝的視頻計算路口車流量，首先需要識別出視頻中的車輛個數(shù)，進而才能計算車流量。無人機拍攝的視頻經(jīng)過三步穩(wěn)像以后，基本上可以達到識別車輛的要求。在車輛識別算法中，為了提高運算速度，減少車輛識別時間，筆者使用了較為簡單的背景差法提取圖片中的車輛。另外，為了能計算通過路口的車輛數(shù)和平均車速，筆者在視頻中指定了區(qū)域，以通過此區(qū)域的時間計算平均車速。

4 結(jié)論

與固定的攝像設備相比，無人機拍攝具有較高的靈活性。如果能將無人機拍攝的視頻進行穩(wěn)像和優(yōu)化處理，保證后續(xù)視頻識別的要求，那么基于無人機視頻的交通參數(shù)提取將具有較高的性價比，可以隨時監(jiān)控任何地方的交通狀況。然而，無人機機載設備的運算能力有限，不能實時處理拍攝的視頻信息，具有一定的滯后性。因此，如何提高機載設備的運算能力，進一步簡化基于視頻的交通參數(shù)提取算法是下一步要研究的內(nèi)容。

參考文獻：

[1]董天陽，阮體洪，吳佳敏，等.一種Haar-like和HOG特征結(jié)合的交通視頻車輛識別方法研究[J].浙江工業(yè)大學學報，2015（5）：34-38.

[2]王雪鋒，葉飛.一種基于HOG與SVM的監(jiān)控視頻車輛識別方法[J].微型機與應用，2013（17）：38-41.

[3]王相森.基于視頻的實時車輛識別和分類的改進方法[J].微處理機，2003（1）：17-19.

[4]舒威，楊賢昭，楊艷華，等.基于無人機視覺的儲罐表面缺陷檢測方法[J].高技術通訊，2019（8）：799-807.

[5]彭博，蔡曉禹，周濤，等.基于形態(tài)分析的無人機視頻車輛自動識別算法[J].重慶交通大學學報（自然科學版），2019（4）：19-26.