本發(fā)明涉及交通技術(shù)領(lǐng)域，具體而言，涉及一種越障識別系統(tǒng)及方法。

背景技術(shù)：

飛行汽車是一種新型陸空兩用的交通工具，由于其具有直升機機動靈活和汽車的地面快速行駛的特點，已經(jīng)成為各國研究熱點。

在飛行汽車飛行的過程中，由于飛行汽車的飛行速度極快，以至于飛行汽車可能無法及時避開前方的障礙物而造成安全事故。因此，如何提供一種安全有效的越障方案是目前飛行汽車行業(yè)所面臨的一大難題。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明實施例的目的在于提供一種越障識別系統(tǒng)及方法以改善上述問題。

第一方面，本發(fā)明實施例提供了一種越障識別系統(tǒng)，應(yīng)用于飛行汽車，所述飛行汽車包括飛控模塊，所述越障識別系統(tǒng)包括：

前視攝像機，用于采集所述飛行汽車前方障礙物的第一視頻圖像；

激光雷達，用于檢測所述障礙物與所述飛行汽車的第一距離；

越障識別處理器，用于根據(jù)所述飛行汽車當前的航向角度、所述飛行汽車的飛行速度以及所述激光雷達相鄰兩次獲得所述第一距離的時間差，計算出所述飛行汽車的補償位移；以及

根據(jù)所述補償位移、所述第一視頻圖像分析出所述障礙物的類型、所述障礙物與所述飛行汽車的第二距離和所述飛行汽車的飛行速度，以及將所述第一距離、所述障礙物的類型、所述第二距離和所述飛行速度發(fā)送給所述飛控模塊，以使所述飛控模塊控制所述飛行汽車進行越障；

計算所述補償位移的公式為：

x(t)＝(x(t-δt)-v(t)·cos(ω(t)δt)·δt)·cos(ω(t)δt)

+(y(t-δt)-v(t)·sin(ω(t)δt)·δt)·sin(ω(t)δt)

y(t)＝-(x(t-δt)-v(t)·cos(ω(t)δt)·δt)·sin(ω(t)δt)

+(y(t-δt)-v(t)·sin(ω(t)δt)·δt)·cos(ω(t)δt)

其中，x(t)表示在t時刻沿基礎(chǔ)坐標系中x軸方向上的位移，y(t)表示在t時刻沿基礎(chǔ)坐標系中y軸方向上的位移，ω(t)表示在t時刻所述飛行汽車的航向角度，v(t)表示在t時刻所述飛行汽車的飛行速度，δt表示所述激光雷達相鄰兩次獲得所述第一距離的時間差，x(t-δt)表示在t-δt時刻沿基礎(chǔ)坐標系中x軸方向上的位移，y(t-δt)表示在t-δt時刻沿基礎(chǔ)坐標系中y軸方向上的位移。

優(yōu)選地，越障識別系統(tǒng)還包括：

下視攝像機，用于采集所述飛行汽車下方區(qū)域的第二視頻圖像；

所述越障識別處理器還用于根據(jù)所述第二視頻圖像識別出所述飛行汽車的降落區(qū)域和所述降落區(qū)域的位置信息，以及將所述降落區(qū)域的位置信息發(fā)送給所述飛控模塊，以使所述飛控模塊控制所述飛行汽車降落。

優(yōu)選地，越障識別系統(tǒng)還包括所述飛控模塊，所述飛控模塊用于根據(jù)所述障礙物的類型判斷是否需要進行越障，所述飛控模塊還用于當需要進行越障時根據(jù)所述第一距離與第二距離中的最短距離以及所述飛行速度計算出越障的時間點，并在所述時間點控制所述飛行汽車進行越障。

優(yōu)選地，所述越障識別處理器用于根據(jù)所述第一視頻圖像得到所述障礙物的圖像輪廓，并根據(jù)hsv顏色模型對所述障礙物進行分類，得到所述障礙物的類型。

優(yōu)選地，所述越障識別處理器用于根據(jù)所述第一視頻圖像基于單目視覺測距算法分析出所述第二距離，以及根據(jù)不同時間點對應(yīng)的所述第二距離分析出所述飛行汽車的飛行速度。

第二方面，本發(fā)明實施例提供了一種越障識別方法，應(yīng)用于飛行汽車，所述飛行汽車包括飛控模塊，所述越障識別方法包括：

采集所述飛行汽車前方障礙物的第一視頻圖像；

檢測所述障礙物與所述飛行汽車的第一距離；

根據(jù)所述飛行汽車當前的航向角度、所述飛行汽車的飛行速度以及所述激光雷達相鄰兩次獲得所述第一距離的時間差，計算出所述飛行汽車的補償位移；以及

根據(jù)所述補償位移、所述第一視頻圖像分析出所述障礙物的類型、所述障礙物與所述飛行汽車的第二距離和所述飛行汽車的飛行速度，以及將所述第一距離、所述障礙物的類型、所述第二距離和所述飛行速度發(fā)送給所述飛控模塊，以使所述飛控模塊控制所述飛行汽車進行越障；

計算所述補償位移的公式為：

x(t)＝(x(t-δt)-v(t)·cos(ω(t)δt)·δt)·cos(ω(t)δt)

+(y(t-δt)-v(t)·sin(ω(t)δt)·δt)·sin(ω(t)δt)

y(t)＝-(x(t-δt)-v(t)·cos(ω(t)δt)δt)·sin(ω(t)δt)

+(y(t-δt)-v(t)·sin(ω(t)δt)·δt)·cos(ω(t)δt)

其中，x(t)表示在t時刻沿基礎(chǔ)坐標系中x軸方向上的位移，y(t)表示在t時刻沿基礎(chǔ)坐標系中y軸方向上的位移，ω(t)表示在t時刻所述飛行汽車的航向角度，v(t)表示在t時刻所述飛行汽車的飛行速度，δt表示所述激光雷達相鄰兩次獲得所述第一距離的時間差，x(t-δt)表示在t-δt時刻沿基礎(chǔ)坐標系中x軸方向上的位移，y(t-δt)表示在t-δt時刻沿基礎(chǔ)坐標系中y軸方向上的位移。

優(yōu)選地，所述方法還包括：

采集所述飛行汽車下方區(qū)域的第二視頻圖像；

根據(jù)所述第二視頻圖像識別出所述飛行汽車的降落區(qū)域和所述降落區(qū)域的位置信息，以及將所述降落區(qū)域的位置信息發(fā)送給所述飛控模塊，以使所述飛控模塊控制所述飛行汽車降落。

優(yōu)選地，所述方法還包括：

根據(jù)所述障礙物的類型判斷是否需要進行越障；

當需要進行越障時根據(jù)所述第一距離與第二距離中的最短距離以及所述飛行速度計算出越障的時間點，并在所述時間點控制所述飛行汽車進行越障。

優(yōu)選地，所述根據(jù)所述第一視頻圖像分析出所述障礙物的類型的步驟包括：

根據(jù)所述第一視頻圖像得到所述障礙物的圖像輪廓，并根據(jù)hsv顏色模型對所述障礙物進行分類，得到所述障礙物的類型。

優(yōu)選地，所述根據(jù)所述第一視頻圖像分析出所述障礙物的步驟包括：

根據(jù)所述第一視頻圖像基于單目視覺測距算法分析出所述第二距離；

所述根據(jù)所述第一視頻圖像分析出所述飛行汽車的飛行速度的步驟包括：

根據(jù)不同時間點對應(yīng)的所述第二距離分析出所述飛行汽車的飛行速度。

對于現(xiàn)有技術(shù)，本發(fā)明提供的越障識別系統(tǒng)及方法具有如下的有益效果：

本發(fā)明提供的越障識別系統(tǒng)及方法通過越障識別處理器對前視攝像機采集到的第一視頻圖像進行分析得到障礙物的類型、障礙物與飛行汽車的第二距離以及飛行汽車的飛行速度，并將計算出的補償位移、障礙物的類型、第二距離、飛行速度以及激光雷達檢測到的障礙物與飛行汽車的第一距離發(fā)送給飛行汽車的飛控模塊，以便飛控模塊控制飛行汽車進行越障。如此，即可實現(xiàn)飛行汽車的自動越障功能，避免飛行汽車在飛行過程中因無法及時避開前方障礙物而造成安全事故的發(fā)生，為飛行汽車的飛行提供安全保障。

為使本發(fā)明的上述目的、特征和優(yōu)點能更明顯易懂，下文特舉較佳實施例，并配合所附附圖，作詳細說明如下。

附圖說明

為了更清楚地說明本發(fā)明實施例的技術(shù)方案，下面將對實施例中所需要使用的附圖作簡單地介紹，應(yīng)當理解，以下附圖僅示出了本發(fā)明的某些實施例，因此不應(yīng)被看作是對范圍的限定，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他相關(guān)的附圖。

圖1為本發(fā)明第一實施例提供的越障識別系統(tǒng)的功能模塊圖。

圖2為本發(fā)明第一實施例提供的又一越障識別系統(tǒng)的功能模塊圖。

圖3為本發(fā)明第二實施例提供的越障識別方法的流程圖。

圖4為本發(fā)明第二實施例提供的又一越障識別方法的流程圖。

圖標：100-前視攝像機；200-激光雷達；300-越障識別處理器；400-飛控模塊；500-下視攝像機。

具體實施方式

下面將結(jié)合本發(fā)明實施例中附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。通常在此處附圖中描述和示出的本發(fā)明實施例的組件可以以各種不同的配置來布置和設(shè)計。因此，以下對在附圖中提供的本發(fā)明的實施例的詳細描述并非旨在限制要求保護的本發(fā)明的范圍，而是僅僅表示本發(fā)明的選定實施例。基于本發(fā)明的實施例，本領(lǐng)域技術(shù)人員在沒有做出創(chuàng)造性勞動的前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

應(yīng)注意到：相似的標號和字母在下面的附圖中表示類似項，因此，一旦某一項在一個附圖中被定義，則在隨后的附圖中不需要對其進行進一步定義和解釋。同時，在本發(fā)明的描述中，術(shù)語“第一”、“第二”等僅用于區(qū)分描述，而不能理解為指示或暗示相對重要性。

第一實施例

圖1示出了本發(fā)明實施例提供的一種越障識別系統(tǒng)的功能模塊圖，本發(fā)明實施例提供的越障識別系統(tǒng)應(yīng)用于飛行汽車，飛行汽車包括有用于控制其飛行的飛控模塊400，越障識別系統(tǒng)包括有前視攝像機100、激光雷達200、越障識別處理器300和該飛控模塊400，越障識別處理器300分別與前視攝像機100、激光雷達200以及飛控模塊400電性連接以進行數(shù)據(jù)交互。

前視攝像機100用于采集飛行汽車前方障礙物的第一視頻圖像。

在本發(fā)明實施例中，前視攝像機100可安裝于飛行汽車的前端，在飛行汽車飛行狀態(tài)下開啟。飛行汽車在飛行的過程中，前視攝像機100被設(shè)置為開啟狀態(tài)，當前方出現(xiàn)有障礙物時，前視攝像機100即可獲取到前方障礙物的第一視頻圖像。

激光雷達200用于檢測障礙物與飛行汽車的第一距離。

激光雷達200安裝于飛行汽車上，飛行汽車在飛行的過程中，激光雷達200向飛行汽車前方發(fā)射激光探測信號，激光探測信號遇障礙物被反射回來并被激光雷達200所接收，進而檢測到障礙物與飛行汽車的第一距離。

越障識別處理器300用于根據(jù)飛行汽車當前的航向角度、飛行汽車的飛行速度以及激光雷達相鄰兩次獲得第一距離的時間差，計算出飛行汽車的補償位移。

飛行汽車自身可記錄有飛行汽車當前的航向角度、飛行速度及激光雷達相鄰兩次獲得第一距離的時間差。越障識別處理器300根據(jù)飛行汽車當前的航向角度、飛行速度及激光雷達相鄰兩次獲得第一距離的時間差計算出補償位移，用于補償由于時間差而導致的位于誤差。計算補償位移的公司為：

x(t)＝(x(t-δt)-v(t)·cos(ω(t)δt)·δt)·cos(ω(t)δt)

+(y(t-δt)-v(t)·sin(ω(t)δt)·δt)·sin(ω(t)δt)

y(t)＝-(x(t-δt)-v(t)·cos(ω(t)δt)·δt)·sin(ω(t)δt)

+(y(t-δt)-v(t)·sin(ω(t)δt)·δt)·cos(ω(t)δt)

其中，x(t)表示在t時刻沿基礎(chǔ)坐標系中x軸方向上的位移，y(t)表示在t時刻沿基礎(chǔ)坐標系中y軸方向上的位移，ω(t)表示在t時刻所述飛行汽車的航向角度，v(t)表示在t時刻所述飛行汽車的飛行速度，δt表示所述激光雷達相鄰兩次獲得所述第一距離的時間差，x(t-δt)表示在t-δt時刻沿基礎(chǔ)坐標系中x軸方向上的位移，y(t-δt)表示在t-δt時刻沿基礎(chǔ)坐標系中y軸方向上的位移。

越障識別處理器300還用于根據(jù)第一視頻圖像分析出所述障礙物的類型、障礙物與飛行汽車的第二距離和飛行汽車的飛行速度。

前視攝像機100獲取到前方障礙物的第一視頻圖像后，將第一視頻圖像發(fā)送給越障識別處理器300。越障識別處理器300首先對視頻圖像中的每幀圖片或部分幀圖片進行預處理，提取出圖片的圖像特征，圖像特征包括有障礙物的圖像輪廓及圖像顏色，并根據(jù)hsv顏色模型對障礙物進行分類，識別出障礙物的類型。

需要說明的是，本發(fā)明實施例中，對障礙物的也可僅根據(jù)圖像輪廓進行識別。例如，對于人體的識別可直接將圖片中障礙物的圖像輪廓與預存儲的人體圖像輪廓進行比對，當兩者的特征匹配度超過設(shè)定閾值即判斷該障礙物為人體。又例如，對于顏色較為固定的植物、建筑物等，則根據(jù)圖像輪廓及hsv顏色模型對障礙物進行分類，當圖片中的障礙物的圖像輪廓與預存儲的建筑物或植物的圖像輪廓匹配且hsv顏色模型中的參數(shù)色調(diào)(h)、飽和度(s)和明度(v)均在對應(yīng)的預設(shè)區(qū)間范圍內(nèi)時才判定該障礙物為對應(yīng)的建筑物或植物。

進一步的，為確保能有效識別出第一視頻圖像中的障礙物，在根據(jù)hsv顏色模型對障礙物進行分類之前，越障識別處理器300還可以對第一視頻圖像中的每幀圖像進行去噪處理。

同時，越障識別處理器300根據(jù)第一視頻圖像基于單目視覺測距算法分析出障礙物與飛行汽車的第二距離。其原理為：對于不在前視攝像機100鏡頭的ccd像面(物體透過鏡頭能清晰成像的面)對準平面上的空間物點，其像在ccd上會產(chǎn)生彌散斑，從而障礙物在ccd上成像后會變得模糊，障礙物與前視攝像機100的距離不同，得到的圖像的模糊度不同，利用圖像處理算法檢測圖像的模糊度，即可根據(jù)圖像的模糊度得到障礙物與前視攝像機100的距離，即障礙物與飛行汽車的距離。

飛行汽車飛行的過程中，在不同時間點障礙物與飛行汽車的距離也不同，在測得障礙物與飛行汽車的距離后，越障識別處理器300可得到不同時間點對應(yīng)的第二距離的距離差值，并根據(jù)該距離差值與對應(yīng)的時間差的比值得到飛行汽車的飛行速度。

越障識別處理器300在得到補償位移、障礙物的類型、障礙物與飛行汽車的第二距離和飛行汽車的飛行速度后，將補償位移、障礙物的類型、第二距離、飛行汽車的飛行速度以及激光雷達200當前檢測到的第一距離一并發(fā)送給飛行汽車的飛控模塊400。需要說明的是，激光雷達200當前檢測到的第一距離也可由激光雷達200直接發(fā)送給飛行汽車的飛控模塊400，本發(fā)明實施例中不做具體限定。

飛控模塊400用于根據(jù)補償位移、障礙物的類型、飛行速度以及第一距離與第二距離中的最短距離控制飛行汽車進行越障。

獲得補償位移、障礙物的類型、第二距離、飛行汽車的飛行速度以及第一距離后，飛控模塊400根據(jù)障礙物的類型判定是否需要進行越障，如需要進行越障，則取第一距離和第二距離中的最短距離作為飛行汽車與障礙物的距離，然后根據(jù)該距離、補償位移與飛行汽車的飛行速度計算出越障的具體時間點，并在該時間點控制飛行汽車進行越障。

請參閱圖2，本發(fā)明實施例還提供了另一種越障識別系統(tǒng)，與圖1所示的越障識別系統(tǒng)不同的是，該越障識別系統(tǒng)還包括有下視攝像機500，下視攝像機500與越障識別處理器300電性連接以進行數(shù)據(jù)交互，下視攝像機500可安裝于飛行汽車的底部，用于在飛行汽車飛行時采集飛行汽車下方區(qū)域的第二視頻圖像。越障識別處理器300還用于根據(jù)第二視頻圖像識別出飛行汽車的降落區(qū)域和降落區(qū)域的位置信息。

飛行汽車降落區(qū)域可設(shè)置表示飛行汽車可降落的降落標識，在飛行汽車飛行的過程中，下視攝像機500實時采集飛行汽車下方區(qū)域的第二視頻圖像并發(fā)送給越障識別處理器300，如果第二視頻圖像中出現(xiàn)相應(yīng)的降落標識，越障識別處理器300可根據(jù)圖像輪廓識別原理識別出第二視頻圖像中的降落區(qū)域，并基于單目視覺測距算法分析出飛行汽車與降落局域的距離，然后根據(jù)降落標識在第二視頻圖像中的所在位置以及飛行汽車與降落局域的距離計算出降落區(qū)域的位置信息并將該位置信息發(fā)送給飛控模塊400。

如果此時需要在降落區(qū)域進行降落，可由用戶向飛控模塊400發(fā)出觸發(fā)控制信號，飛控模塊400接收到該觸發(fā)控制信號后即控制飛行汽車飛行至該降落區(qū)域進行降落。

綜上，本發(fā)明實施例提供的越障識別系統(tǒng)通過越障識別處理器300對前視攝像機100采集到的第一視頻圖像進行分析得到障礙物的類型、障礙物與飛行汽車的第二距離以及飛行汽車的飛行速度，并將計算出的補償位移、障礙物的類型、第二距離、飛行速度以及激光雷達200檢測到的障礙物與飛行汽車的第一距離發(fā)送給飛行汽車的飛控模塊400，然后由飛控模塊400根據(jù)補償位移、障礙物的類型、飛行速度以及第一距離與第二距離中的最短距離控制飛行汽車進行越障。如此，即可實現(xiàn)飛行汽車的自動越障功能，避免飛行汽車在飛行過程中因無法及時避開前方障礙物而造成安全事故的發(fā)生，為飛行汽車的飛行提供安全保障。同時，還可根據(jù)下視攝像機500采集到飛行汽車下方區(qū)域的第二視頻圖像識別出飛行汽車的降落區(qū)域和降落區(qū)域的位置信息以控制飛行汽車降落，如此，方便飛行汽車的自動降落，避免飛行汽車在降落時出現(xiàn)無法準確降落至降落區(qū)域的問題。

第二實施例

請參閱圖3，是本發(fā)明實施例提供的應(yīng)用于圖1所示的越障識別系統(tǒng)的越障識別方法的流程圖。下面將對圖3所示的具體流程進行詳細闡述。

步驟s101，采集飛行汽車前方障礙物的第一視頻圖像。

在本發(fā)明實施例中，前視攝像機100可安裝于飛行汽車的前端，在飛行汽車飛行狀態(tài)下開啟。飛行汽車在飛行的過程中，當前方出現(xiàn)有障礙物時，越障識別系統(tǒng)通過前視攝像機100獲取到前方障礙物的第一視頻圖像。

可以理解的，步驟s101可以由上述第一實施例中的前視攝像機100執(zhí)行。

步驟s102，檢測障礙物與飛行汽車的第一距離。

激光雷達200安裝于飛行汽車上，飛行汽車在飛行的過程中，越障識別系統(tǒng)通過激光雷達200向飛行汽車前方發(fā)射激光探測信號，激光探測信號遇障礙物被反射回來并被激光雷達200所接收進而檢測到障礙物與飛行汽車的第一距離。

需要說明的是，本發(fā)明實施例中，步驟s101與步驟s102無順序限定。

可以理解的，步驟s102可以由上述第一實施例中的激光雷達200執(zhí)行。

步驟s103，根據(jù)航向角度、飛行速度以及激光雷達相鄰兩次獲得第一距離的時間差，計算出補償位移。

飛行汽車自身可記錄有飛行汽車當前的航向角度、飛行速度及激光雷達相鄰兩次獲得第一距離的時間差。越障識別處理器300根據(jù)飛行汽車當前的航向角度、飛行速度及激光雷達相鄰兩次獲得第一距離的時間差計算出補償位移，用于補償由于時間差而導致的位于誤差。計算補償位移的公司為：

x(t)＝(x(t-δt)-v(t)·cos(ω(t)δt)·δt)·cos(ω(t)δt)

+(y(t-δt)-v(t)·sin(ω(t)δt)·δt)·sin(ω(t)δt)

y(t)＝-(x(t-δt)-v(t)·cos(ω(t)δt)·δt)·sin(ω(t)δt)

+(y(t-δt)-v(t)·sin(ω(t)δt)·δt)·cos(ω(t)δt)

其中，x(t)表示在t時刻沿基礎(chǔ)坐標系中x軸方向上的位移，y(t)表示在t時刻沿基礎(chǔ)坐標系中y軸方向上的位移，ω(t)表示在t時刻所述飛行汽車的航向角度，v(t)表示在t時刻所述飛行汽車的飛行速度，δt表示所述激光雷達相鄰兩次獲得所述第一距離的時間差，x(t-δt)表示在t-δt時刻沿基礎(chǔ)坐標系中x軸方向上的位移，y(t-δt)表示在t-δt時刻沿基礎(chǔ)坐標系中y軸方向上的位移。

可以理解的，步驟s103可以由上述第一實施例中的越障識別處理器300執(zhí)行。

步驟s104，根據(jù)第一視頻圖像分析出障礙物的類型、障礙物與飛行汽車的第二距離和飛行汽車的飛行速度。

前視攝像機100獲取到前方障礙物的第一視頻圖像后，將第一視頻圖像發(fā)送給越障識別系統(tǒng)中的越障識別處理器300。此時，越障識別系統(tǒng)通過越障識別處理器300首先對視頻圖像中的每幀圖片或部分幀圖片進行預處理，提取出圖片的圖像特征，圖像特征包括有障礙物的圖像輪廓及圖像顏色，并根據(jù)hsv顏色模型對障礙物進行分類，識別出障礙物的類型。

同時，越障識別處理器300根據(jù)第一視頻圖像基于單目視覺測距算法分析出障礙物與飛行汽車的第二距離。并根據(jù)不同時間點對應(yīng)的第二距離的距離差值與對應(yīng)的時間差的比值得到飛行汽車的飛行速度。

可以理解的，步驟s104可以由上述第一實施例中的越障識別處理器300執(zhí)行。

步驟s105，將補償位移、第一距離、障礙物的類型、第二距離和飛行速度發(fā)送給飛控模塊400。

在得到補償位移、障礙物的類型、障礙物與飛行汽車的第二距離和飛行汽車的飛行速度后，越障識別系統(tǒng)通過越障識別處理器300將補償位移、障礙物的類型、第二距離、飛行汽車的飛行速度以及激光雷達200當前檢測到的第一距離一并發(fā)送給飛行汽車的飛控模塊400。

可以理解的，步驟s105可以由上述第一實施例中的越障識別處理器300執(zhí)行。

步驟s106，根據(jù)補償位移、障礙物的類型、飛行速度以及第一距離與第二距離中的最短距離進行越障。

在獲得補償位移、障礙物的類型、第二距離、飛行汽車的飛行速度以及第一距離后，越障識別系統(tǒng)通過飛控模塊400依據(jù)補償位移、障礙物的類型、飛行速度以及第一距離與第二距離中的最短距離控制飛行汽車進行越障。

可以理解的，步驟s106可以由上述第一實施例中的飛控模塊400執(zhí)行。

請參閱圖4，是本發(fā)明實施例提供的應(yīng)用于圖2所示的越障識別系統(tǒng)的越障識別方法的流程圖。下面將對圖4所示的具體流程進行詳細闡述。

步驟s201，采集飛行汽車前方障礙物的第一視頻圖像。

步驟s202，檢測障礙物與飛行汽車的第一距離。

步驟s203，根據(jù)航向角度、飛行速度以及激光雷達相鄰兩次獲得第一距離的時間差，計算出補償位移。

步驟s204，根據(jù)第一視頻圖像分析出障礙物的類型、障礙物與飛行汽車的第二距離和飛行汽車的飛行速度。

步驟s205，將補償位移、第一距離、障礙物的類型、第二距離和飛行速度發(fā)送給飛控模塊400。

步驟s206，根據(jù)補償位移、障礙物的類型、飛行速度以及第一距離與第二距離中的最短距離進行越障。

步驟s207，采集所述飛行汽車下方區(qū)域的第二視頻圖像。

飛行汽車降落區(qū)域可設(shè)置表示飛行汽車可降落的降落標識，在飛行汽車飛行的過程中，越障識別系統(tǒng)通過下視攝像機500實時采集飛行汽車下方區(qū)域的第二視頻圖像并發(fā)送給越障識別處理器300。

需要說明的是，本發(fā)明實施例中，步驟s201、步驟s202及步驟s207無順序限定。

可以理解的，步驟s207可以由上述第一實施例中的下視攝像機500執(zhí)行。

步驟s208，根據(jù)第二視頻圖像識別出飛行汽車的降落區(qū)域和降落區(qū)域的位置信息。

越障識別系統(tǒng)通過越障識別處理器300根據(jù)圖像輪廓識別原理識別出第二視頻圖像中的降落區(qū)域，并基于單目視覺測距算法分析出飛行汽車與降落局域的距離，然后根據(jù)降落標識在第二視頻圖像中的所在位置以及飛行汽車與降落局域的距離計算出降落區(qū)域的位置信息并將該位置信息發(fā)送給飛控模塊400。

可以理解的，步驟s208可以由上述第一實施例中的越障識別處理器300執(zhí)行。

步驟s209，控制飛行汽車降落。

如果此時需要在降落區(qū)域進行降落，可由用戶向越障識別系統(tǒng)的飛控模塊400發(fā)出觸發(fā)控制信號，越障識別系統(tǒng)的飛控模塊400接收到該觸發(fā)控制信號后即控制飛行汽車飛行至該降落區(qū)域進行降落。

可以理解的，步驟s209可以由上述第一實施例中的飛控模塊400執(zhí)行。

綜上，本發(fā)明實施例提供的越障識別方法通過對前視攝像機100采集到的第一視頻圖像進行分析得到障礙物的類型、障礙物與飛行汽車的第二距離以及飛行汽車的飛行速度，并根據(jù)計算出的補償位移、障礙物的類型、飛行速度以及第一距離與第二距離中的最短距離控制飛行汽車進行越障。如此，即可實現(xiàn)飛行汽車的自動越障功能，避免飛行汽車在飛行過程中因無法及時避開前方障礙物而造成安全事故的發(fā)生，為飛行汽車的飛行提供安全保障。同時，還可根據(jù)下視攝像機500采集到飛行汽車下方區(qū)域的第二視頻圖像識別出飛行汽車的降落區(qū)域和降落區(qū)域的位置信息以控制飛行汽車降落，如此，方便飛行汽車的自動降落，避免飛行汽車在降落時出現(xiàn)無法準確降落至降落區(qū)域的問題。

在本申請所提供的幾個實施例中，應(yīng)該理解到，所揭露的裝置和方法，也可以通過其它的方式實現(xiàn)。以上所描述的裝置實施例僅僅是示意性的，例如，附圖中的流程圖和框圖顯示了根據(jù)本發(fā)明的多個實施例的裝置、方法和計算機程序產(chǎn)品的可能實現(xiàn)的體系架構(gòu)、功能和操作。在這點上，流程圖或框圖中的每個方框可以代表一個模塊、程序段或代碼的一部分，所述模塊、程序段或代碼的一部分包含一個或多個用于實現(xiàn)規(guī)定的邏輯功能的可執(zhí)行指令。也應(yīng)當注意，在有些作為替換的實現(xiàn)方式中，方框中所標注的功能也可以以不同于附圖中所標注的順序發(fā)生。例如，兩個連續(xù)的方框?qū)嶋H上可以基本并行地執(zhí)行，它們有時也可以按相反的順序執(zhí)行，這依所涉及的功能而定。也要注意的是，框圖和/或流程圖中的每個方框、以及框圖和/或流程圖中的方框的組合，可以用執(zhí)行規(guī)定的功能或動作的專用的基于硬件的系統(tǒng)來實現(xiàn)，或者可以用專用硬件與計算機指令的組合來實現(xiàn)。

另外，在本發(fā)明各個實施例中的各功能模塊可以集成在一起形成一個獨立的部分，也可以是各個模塊單獨存在，也可以兩個或兩個以上模塊集成形成一個獨立的部分。

所述功能如果以軟件功能模塊的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，可以存儲在一個計算機可讀取存儲介質(zhì)中?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻的部分或者該技術(shù)方案的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機設(shè)備(可以是個人計算機，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質(zhì)包括：u盤、移動硬盤、只讀存儲器(rom，read-onlymemory)、隨機存取存儲器(ram，randomaccessmemory)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。

以上所述僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，對于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。應(yīng)注意到：相似的標號和字母在下面的附圖中表示類似項，因此，一旦某一項在一個附圖中被定義，則在隨后的附圖中不需要對其進行進一步定義和解釋。

以上所述，僅為本發(fā)明的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應(yīng)所述以權(quán)利要求的保護范圍為準。