1. 研究目的与意义
目前高速公路夜间货车司机违停应急车道现象比较严重，常规做法是高速巡逻大队安排司机和汽车24小时不间断巡逻高速公路，费时费力。尤其凌晨4点人在最疲劳的时候极其危险。近几年来随着无人机的快速发展，依托无人机航拍图像进行目标侦察或民用测绘作业相比人力巡逻具有高效、方便、安全等多方面优势。传统的算法识别通常采用特征提取加分类器选择的方式，虽然相对于人工方式效率较高但识别率偏低，容易造成误判、错判。
随着机器学习算法的快速发展，拟利用现代深度学习技术，对无人机采集的大量数据进行训练，自动学习到更深层次的特征，然后进行识别与检测，在数据量充分的情况下，能够大大提高识别与检测的准确率。将深度学习算法实现在机载计算平台，并集成到无人飞行器中，能够实现高速路交通状况自动检测，大大节省人力。
2. 研究内容和预期目标
研究内容：
一套基于无人机平台的目标识别与监测系统，利用机载图像传感器和计算机，进行图像采集、目标识别与检测，通过机载无线系统将检测结果发送到控制中心。算法设计方面，主要研究不同的深度学习算法对航拍图像的目标识别检测的性能；软件方面，主要是将算法实现在机载计算平台中。
3. 研究的方法与步骤
本课题主要是对无人机拍摄的视频进行处理判断，整个算法集成在英伟达jetson agx xavier上，最终将判断结果传输回控制中心。研究方法以及步骤如下：
1、研究yolo网络并实现其程序，再针对航拍图像或视频进行测试，从图像中检测并追踪车辆位置坐标；
2、采用边缘检测、hough变换对车道线进行检测；
4. 参考文献
[1] 肖金球. 单片机原理与接口技术[m]. 清华大学出版社, 2005.
[2] 谢自美. 电子线路设计·实验·测试-第3版[m]. 华中科技大学出版社, 2006.
[3] 燕庆明. 电路分析教程[m]. 高等教育出版社, 2012.
5. 计划与进度安排
1）2022年3月5日至2022年3月13日：理解毕业设计任务、查阅资料、撰写开题报告。
2）2022年3月14日至2022年3月19日：理解yolo算法原理，并了解ai的概念。
3）2022年3月20日至2022年4月23日：详细设引，参数计算，设计针对应急车道违章停车的识别算法。
