空地协同研究1

研究目的

本文针对在复杂危险救援环境中地面机器人对环境感知的局限性提出通过借助无人机的高空视野支持构建空地协同系统，为地面机器人提供大范围的全局环境以及导航信息，以弥补地面机器人自主导航能力不足的缺陷。

无人机与小车协作流程

无人机目标检测

模拟场景：

目标区域提取：角点检测（采用harris角点检测）
Harris角点检测算法的原理是：在图像上滑动一个形状大小固定的窗口，然后比较窗口滑动前后其中所包围的像素灰度值的变化，进而将目标区域提取出来。
障碍物提取：图像分割（本文采用全局的阈值分割的Otsu算法）
图像分割是把图像根据图像处理要求的不同特征将图像分为若干个特定区域，然后从分割后的图像中识别并提取出所需目标的过程。
处理过程：首先将图片进行灰度处理，然后用滤波过滤噪音，最后利用阈值分割实现图像二值化。

目标提取：基于HSV颜色提取
HSV模型

无人机与小车通信

使用TCP／IP协议，通过创建socket套接字建立连接的方式进行通信。
通信流程：

小车路径规划

Dijkstra算法

其中d[i]为从原点到第i个点的最短距离，e[k,i]为从k点到i的距离

Floyd算法
该算法通过一个图的权值矩阵利用十字交叉法求出它每两点间的最短路径矩阵。

比较：
Dijkstra算法是通过从原点向外层层扩展，让每个节点记录它到起点的最短路径；而Floyd算法是求得两目标顶点间的所有可行路径，通过比较得出最短路径。通过比较选择dijkstra算法。
dijkstra算法流程

实验结果

小车到达目的后，采用基于统计学习法的人脸检测算法进行目标检测，如发现幸存者则向监控终端发射SOS求救信号。

总结

无人机目标检测所用方法均为现成，小车路径规划部分仅仅只是套用算法，没有对算法进行优化处理，此处理过程不够新颖。创新点在于将两者结合应用于救援过程钟。