小型无人机交通辅助系统

　　2 无人机

　　开发过程中采用Parrot公司的ARDrone2代进行测试，官方提供开发SDK便于快速验证算法。ARDrone2是一架四旋翼无人机。启动无人机后它会创建一个独立的WiFi局域网网络，无人机的IP地址是192.168.1.1，接入的控制设备如手机、PC则自动获取IP，接着通过TCP和UDP协议控制。无人机的配置、控制指令使用UDP协议通过5556端口传输，每秒传输30次。无人机的飞行状况，如速度、高度、加速度等信息使用UDP协议通过5554端口传输回控制端的手机或者PC。在普通模式中，传输速度为每秒15次，而在调试模式，每秒200次数据传输。无人机上摄像头画面以H.264编码格式通过TCP 5559端口传输回控制端。这时候控制端的手机连接到了WiFi就自动关闭了3G数据网络，所以无法连接到Internet。在手机控制无人机的时候，可以采用UI界面按钮控制，也可以集成语音识别指令的功能。语音识别部分也是本项目一个重点，因为无法连接到Internet所以类似于Google、百度等在线语音识别引擎将无法使用。经过调查分析，最终采用的是科大讯飞的语音识别引擎，它支持在线语音识别和离线命令词识别功能，特别是离线命令词识别功能，非常适合本项目，在对无人机进行语音识别控制的时候，仅识别若干指令，节省计算资源，提高系统响应速度。开发的过程中只需要按照BNF(巴斯克范式)语法规范编写命令词语法文件即可。目前已经添加的命令词有“起飞”、“降落”、“向左”、“右移”、“前进”、“后退”、“上升”、“下降”、“倒转”、“顺时针”等指令，可以快速准确地识别并执行动作，在演示效果方面，额外增加了“前空翻”、“后空翻”、“左翻”、“右翻”等具有观赏性的动作。手机端应用完整界面如图4所示，提供多个动作按钮及语音识别功能。

　　从无人机摄像头中拍到的道路画面中提取图像特征值，进行特征值匹配区分出逃逸车辆，从而进行无人机自动跟踪目标。在道路干扰较少的情况下能够稳定地跟踪，难点在于如何在道路车辆较多、干扰严重的情况下自主飞行识别目标进行跟踪。目前没有彻底解决这个问题，因此在控制当中使用语音识别指令控制进行辅助。

　　3 项目研究现状及前景

　　本系统目前完成了人工神经网络自动车牌识别功能从Ubuntu操作系统到Android系统的移植，在Ubuntu中训练的SVM以及OCR可以直接在Android系统中使用，并能够准确识别车牌号码，在识别到指定的车牌之后自动跳转到无人机控制界面，可以语音控制或者按键操作控制无人机。但是在识别车牌的时候运算量很大，目前没有优化的效果是每三秒至四秒可以识别完一帧画面，正在研究如何使用OpenCL以及多线程编程方法提高识别的速度，做到高实时性和高可靠性。本系统若正式投入日常使用，在无人机的控制方面也需要提高，应当为无人机增加3G网络模块以增加无人机控制端的控制距离，使用大容量的电池以增加巡航时间，并使用飞行速度较大的无人机。

　　参考文献：
　　[1]Baggio D L,Escrilva D M,Mahmood N,et al.Mastering OpenCV with Practical Computer Vision Projects,UK:PACKT Publishing,2012
　　[2]OpenCV dev team.OpenCV4 Android SDK[R/OL].(2011).http://docs.opencv.org/doc/tutorials/introduction/android_binary_package/O4A_SDK.html
　　[3]科大讯飞.语音云•开放平台[R/OL].2013.https://open.voicecloud.cn
　　[4]Lang J P.ARDRONE open API platform[R/OL].(2009).https://projects.ardrone.org
　　[5]uni-hamburg.de.yadrone[R/OL].(2012).http://vsis-www.informatik.uni-hamburg.de/oldServer/teaching//projects/yadrone/