本发明属于道路车流量勘测，具体涉及一种道路车流量勘测无人机。
背景技术：
1、随着当前经济的飞速发展，越来越多的城市居民为享受生活和工作的便利选择购买私家车，然而车辆的增多给交通道路的运输带来较大的压力压力，特别是枢纽路口和繁忙路段拥堵现象频发，因此，如何改善和疏解现有的拥堵问题是近些年大家共同关心的问题。
2、智能交通系统，又称为智能运输系统，是将包括信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能的先进科学技术有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统，道路车流量勘测是智能交通系统的重要组成部分，其勘测数据能够辅助智能交通系统及时快速的缓解交通拥堵问题。
3、传统道路车流量勘测技术一般分为地磁勘测、微波勘测和红外线勘测三种，但上述三种勘测技术受包括天气变化以及车速变化等因素的影响较大，难以精准的勘测出道路车流量，为了解决这一问题，出现摄像头视频勘测技术，该种勘测技术虽然能够精准勘测出道路车流量，而且受环境因素影响小，但勘测面积有限，同样为了解决上述问题，出现无人机航测勘测技术。
4、现有无人机航测勘测技术一般是基于拍摄道路视频，再基于对拍摄的道路视频中的运动目标进行检测计数实现道路车流量勘测，但该种方法存在由于无人机勘测过程中晃动导致拍摄视频抖动造成车辆漏勘测的问题，鉴于此，设计一种道路车流量勘测无人机，以解决上述问题。
技术实现思路
1、为解决上述背景技术中提出的问题。本发明提供了一种道路车流量勘测无人机，具有能够避免无人机勘测过程中晃动导致拍摄视频抖动造成车辆漏勘测的问题发生，提高无人机道路车流量侦测效果的特点。
2、为实现上述目的，本发明提供如下技术方案：一种道路车流量勘测无人机，包括：
3、所述中央处理模块，解析无人机控制指令以及执行无人机包括飞行、拍摄、道路车流量勘测和勘测数据上传的控制指令；
4、所述无线收发模块，与中央处理模块通信连接，接收来自外界设备编辑的程序和设定参数数据以及发送勘测数据；
5、所述存储模块，与中央处理模块通信连接，存储外界设备编辑的程序；
6、所述驱动模块，与中央处理模块通信连接，通过中央处理模块的控制指令启动并进行相应驱动；
7、所述飞行模块，与驱动模块控制连接，执行驱动模块的驱动指令；
8、所述拍摄模组，由多个摄像头构成，均与中央处理模块通信连接，执行中央处理模块的控制指令启动并拍摄；
9、所述车流量勘测模块，与中央处理模块通信连接，接收由中央处理模块控制传输的来自于拍摄模组拍摄的视频数据并进行道路车流量勘测；
10、所述车流量勘测模块包括：
11、所述抖动倾向识别模块，与中央处理模块通信连接，接收来自于拍摄模组拍摄的视频数据进行抖动倾向识别；
12、所述道路车流量勘测模块，与抖动倾向识别模块通信连接，基于抖动倾向识别模块的不具有抖动倾向识别结果对视频数据进行运动车辆识别，再基于车辆识别数量进行道路车流量统计，得出道路车流量勘测数据；
13、所述多视频流融合模块，与抖动倾向识别模块和道路车流量勘测模块通信连接，基于抖动倾向识别模块的具有抖动倾向识别结果对多个摄像头拍摄的视频数据进行融合，生成视频数据，将视频数据发送至道路车流量勘测模块，通过道路车流量勘测模块进行运动车辆识别和道路车流量统计得出道路车流量勘测数据；
14、所述电源模块，与中央处理模块、无线收发模块、存储模块、驱动模块、飞行模块、拍摄模组、抖动倾向识别模块、道路车流量勘测模块和多视频流融合模块控制连接，独立供电，为无人机勘测运转提供电力。
15、优选的，所述抖动倾向识别模块的具体视频抖动倾向识别步骤是：
16、s1：设定视频数据每一帧中道路主体特定的点坐标为r0(x0,y0)；
17、s2：提取视频数据对应帧道路主体特定的点坐标r1(x1,y1)；
18、s3：判断r1(x1,y1)与r0(x0,y0)间是否存在差异，若不存在差异，则视频数据识别结果为不具有抖动倾向，进入，若存在差异且差异值大于％，则视频数据识别结果为具有抖动倾向，进行。
19、优选的，所述道路车流量勘测模块的运动车辆识别、车流量统计和侦测步骤是：
20、s4：设在t时刻保存一帧不含有静止或运动的车辆的图像作为背景图像，将该背景图像保存为backimage；
21、s5：循环从拍摄视频中提取一帧图像,设ti时刻取一帧临时图像，将该提取的临时图像保存为temp；
22、s6：将backimage和temp相减，得到差值图像difference，公式如下：
23、difference(x，y)＝temp(x，y)-backimage(x，y)；
24、s7：将difference进行灰度变换、二值变换处理，分离出运动车辆；
25、s8：将分离出的运动车辆数据进行统计，得到道路车流量勘测数据。
26、优选的，所述多视频流融合模块的多摄像头拍摄视频数据融合步骤为先基于时间戳后基于坐标值对多视频流进行融合。
27、优选的，还包括：
28、所述标准飞行参数数据库，与中央处理模块通信连接，存储外界设备设定的参数数据；
29、所述飞行环境数据采集模块，与中央处理模块通信连接，采集无人机的飞行环境数据并进行发送；
30、所述飞行数据采集模块，与中央处理模块通信连接，采集无人机的飞行数据并进行发送；
31、所述飞行状态预测模型模块，与中央处理模块通信连接，接收来自中央处理模块发送的关于无人机飞行环境数据和飞行数据进行飞行状态识别预测并输出识别预测结果；
32、所述飞行数据调整模块，与中央处理模块通信连接，基于飞行状态预测模型模块输出的识别预测结果进行飞行数据调整。
33、优选的，所述飞行环境数据采集模块采集的飞行环境数据包括温度、湿度、风力和周围建筑数据。
34、优选的，所述飞行数据采集模块采集的飞行数据包括飞行高度和飞行角度数据。
35、优选的，所述飞行状态预测模型模块是通过获取历史数据，再将历史数据分为训练集和验证集，对构建的模型进行训练和验证，在飞行状态数据识别预测准确率达标后建立而成。
36、优选的，所述飞行数据调整模块的飞行数据调整步骤是：
37、sa：获取当前环境下飞行状态预测模型模块输出的识别预测飞行状态数据；
38、sb：获取标准飞行参数数据库保存的标准飞行参数；
39、sc：计算出预测飞行状态数据和标准飞行参数间的各差距值，并计算出调整比例参数；
40、sd：将计算出的调整比例参数发送至中央处理模块，由中央处理模块控制驱动模块进行相应驱动调整，保证无人机勘测状态始终维持在最佳，最大程度避免抖动情况的发生。
41、优选的，还包括：
42、所述gps定位模块，与中央处理模块间通信连接，获取无人机位置信息并发送，方便与终端通信，以达到方便控制的目的。
43、与现有技术相比，本发明的有益效果是：
44、1、本发明通过拍摄模组的单个正对摄像头拍摄道路视频，再基于道路视频内容进行抖动倾向识别，若没有识别出抖动倾向，则对道路视频中的运动车辆进行识别，基于识别出的运动车辆数量进行统计得出道路车流量以完成勘测，若识别出抖动倾向，则开启拍摄模组的多个摄像头进行全方位道路视频拍摄，基于多视频流融合为整体道路视频，对道路视频中的运动车辆进行识别，基于识别出的运动车辆数量进行统计得出道路车流量以完成勘测，该种方法较现有技术而言，能够避免无人机勘测过程中晃动导致拍摄视频抖动造成车辆漏勘测的问题发生，提高无人机的道路车流量侦测效果。
45、2、本发明无人机道路车流量侦测过程中，实时采集无人机的飞行环境数据和飞行数据，基于飞行环境数据识别预测出在该环境数据下无人机的飞行状态数据，再将识别预测出的飞行状态数据与标准飞行数据进行对比，判断出差异值，再基于差异值与现有飞行数据值间的对比判断出调整值，后基于调整值进行无人机的飞行调整，该种方法较现有技术而言，能够从源头上解决无人机抖动造成道路数据缺失的问题发生，提高无人机的道路车流量侦测效果。
1.一种道路车流量勘测无人机，其特征在于，包括：
2.根据权利要求1所述的一种道路车流量勘测无人机，其特征在于：所述抖动倾向识别模块(51)的具体视频抖动倾向识别步骤是：
3.根据权利要求1所述的一种道路车流量勘测无人机，其特征在于：所述道路车流量勘测模块(52)的运动车辆识别、车流量统计和侦测步骤是：
4.根据权利要求1所述的一种道路车流量勘测无人机，其特征在于：所述多视频流融合模块(53)的多摄像头拍摄视频数据融合步骤为先基于时间戳后基于坐标值对多视频流进行融合。
5.根据权利要求1所述的一种道路车流量勘测无人机，其特征在于，还包括：
6.根据权利要求5所述的一种道路车流量勘测无人机，其特征在于：所述飞行环境数据采集模块(4)采集的飞行环境数据包括温度、湿度、风力和周围建筑数据。
7.根据权利要求5所述的一种道路车流量勘测无人机，其特征在于：所述飞行数据采集模块(3)采集的飞行数据包括飞行高度和飞行角度数据。
8.根据权利要求5所述的一种道路车流量勘测无人机，其特征在于：所述飞行状态预测模型模块(7)是通过获取历史数据，再将历史数据分为训练集和验证集，对构建的模型进行训练和验证，在飞行状态数据识别预测准确率达标后建立而成。
9.根据权利要求5所述的一种道路车流量勘测无人机，其特征在于：所述飞行数据调整模块(6)的飞行数据调整步骤是：
10.根据权利要求1所述的一种道路车流量勘测无人机，其特征在于，还包括：
