CN101320048A - 扇形排列的多电荷耦合器件图像传感器大视场车辆测速装置 - Google Patents
扇形排列的多电荷耦合器件图像传感器大视场车辆测速装置 Download PDFInfo
- Publication number
- CN101320048A CN101320048A CNA200810122777XA CN200810122777A CN101320048A CN 101320048 A CN101320048 A CN 101320048A CN A200810122777X A CNA200810122777X A CN A200810122777XA CN 200810122777 A CN200810122777 A CN 200810122777A CN 101320048 A CN101320048 A CN 101320048A
- Authority
- CN
- China
- Prior art keywords
- image sensors
- interface
- speed measuring
- ccd image
- self
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
扇形排列的多电荷耦合器件图像传感器大视场车辆测速装置包括传感器结构部分和测速信号处理部分;其中,传感器结构部分采用轴线共点呈扇形排列的多CCD图像传感器(31)组合装置,多CCD图像传感器(31)分布在一个半圆形的安装板(32)上,多CCD图像传感器(31)的信号线通过视频的同轴电缆(33)连接到计算机(U);测速信号处理部分以计算机主板(1)为核心,计算机主板分别通过自带的PCI接口接4路图像采集卡(2)、通过自带的PCI接口接图像采集卡(3)、通过自带的USB接口接无线局域网通信模块(4)、通过自带的USB接口接485通信模块(5)、通过自带的CF卡接口接程序存储卡(6)、通过自带的双列直插式存储模块接口接内存卡(7)、通过自带的电源接口接工业电源(8)。
Description
技术领域
本发明涉及扇形排列的多CCD图像传感器大视场车辆测速装置,属于视频监控技术和图像处理技术。
背景技术
智能交通系统(Intelligent Transportation Systems)的实施,其核心在于交通信息的快速采集、传输与处理及决策,也是是进行交通管理和控制的基础,是解决交通问题的根本保障。要解决城市交通问题,就必须准确掌握交通信息,即掌握汽车、自行车和行人等交通流的流量、速度和密度等特性参数,特别是对机动车辆的特性参数检测,目前在国内外常见的机动车辆的特性参数检测方法有环形线圈检测、激光/红外线检测、超声波/微波检测、地磁检测、交通流视频检测等。其各自的特点是:
环形线圈检测器:该方法造价较低、检测精度较高,目前广泛使用,但安装时对路面有破坏,且施工和安装过程中会干扰交通,其安装和拆除都不方便、线圈易损坏。
激光/红外线检测器:目前普遍使用激光二极管提供能量,该方法在雾天的穿透力强,性能好、检测精度高,但不适合雨、雪天使用,且使用代价高。
超声波/微波检测器:可全天候工作、车型分类较易实现,但易受行人和
遮挡物的影响、检测距离较短。
地磁检测器:价格低廉、精度很高,但无法检测静止车辆。
基于视频图像处理技术的交通信息采集方法与传以其安装维护便捷、费用较低、检测参数多和可以重现场景等优点而受到广泛关注,成为智能交通系统中最有前途的研究方法之一。基于视频图像处理技术能够进行车辆形体识别、运动跟踪等处理过程,可以提供多种交通流特性信息,因此视频图像检测器的研究引起国内外研究人员的极大兴趣。
目前,在国内智能交通系统中,大多数在十字路口实施基于视频图像处理技术的交通状况监测,能够对视频图像场景内发现交通拥挤、车辆逆行、停车、违章、超速等事件时报警,并自动录像,作为违章处罚和责任判定的依据,更加智能的系统向着多车道车辆的识别、跟踪以及获得多车道检测车辆数、车型、占有率、车速、停车时间、停车排队长度等交通信息的方向发展。
发明内容
技术问题:针对目前智能交通系统监视区域小、监视路段主要集中在十字路口的不足,本发明的目的是提供一种扇形排列的多电荷耦合器件图像传感器大视场车辆测速装置,大场景多目视觉模型,适用于道路等开阔平坦区域。
技术方案:本发明在研究当前智能交通系统的前沿技术的基础上,设计了一种新的大场景多目视觉模型,适用于道路等开阔平坦区域,而不限于十字路口,该模型使用一组轴线共点的呈扇形排列的多CCD图像传感器获得路面图像,运用几何透射关系将图像投影到道路平面,拼接在一起生成一幅大场景道路图像。该图像上的每一点已经与道路实际坐标建立了映射关系,可以确定道路上的车辆等运动目标的坐标位置,用同一目标在相邻帧上的距离差除以时间间隔,即可获得运动速度。
扇形排列的多电荷耦合器件图像传感器大视场车辆测速装置包括传感器结构部分和测速信号处理部分;其中,传感器结构部分采用轴线共点呈扇形排列的多CCD图像传感器组合装置,多CCD图像传感器分布在一个半圆形的安装板上,多CCD图像传感器的信号线通过视频的同轴电缆连接到计算机;测速信号处理部分以计算机主板为核心,计算机主板分别通过自带的PCI接口接4路图像采集卡、通过自带的PCI接口接图像采集卡、通过自带的USB接口接无线局域网通信模块、通过自带的USB接口接485通信模块、通过自带的CF卡接口接程序存储卡、通过自带的双列直插式存储模块接口接内存卡、通过自带的电源接口接工业电源;软件系统主要实现多CCD摄像机得到的图像映射变换到道路平面,根据车道线的特征来矫正图像和拼接。
所述的CCD图像传感器的数量只要能完全覆盖监控区域并保证相邻图像传感器的视野有一小部分重叠,以满足后期的拼接需要即可。
多CCD图像传感器采用扇形的排列方式,悬挂于路面的正上方,图像传感器的轴线相交于一点,视野可以覆盖整个路面。
具体的说,本发明使用一组轴线共点的呈扇形排列的多CCD图像传感器获得路面图像,运用几何透射关系将图像投影到道路平面,拼接在一起生成一幅大场景道路图像。该图像上的每一点已经与道路实际坐标建立了映射关系,可以确定道路上的车辆等运动目标的坐标位置,用同一目标在相邻帧上的距离差除以时间间隔,即可获得运动速度。为进一步获得多车道检测车辆数、车型、占有率、车速、停车时间、停车排队长度等交通特性参数提供大视场环境图像。
有益效果:采用扇形排列的多CCD图像传感器实现车辆测速,以其视野范围大;与分布式多目监控系统不同,图像传感器的相对位置固定,不依靠复杂的几何拓扑关系建立图像传感器视野之间的位置关系;合成后的图像画面排除了非感兴趣区域(如天空天等路面以外区域),有效利用显示设备(监视器)的显示区域;图像传感器采用集中放置的模式,便于安装及数据传输。
附图说明
图1是本发明的系统组成示意图;
图2是本发明的后端处理系统框图;
图3是本发明的大视场测速方案流程图;
图4是本发明的图像拼接流程图;
图5是本发明的运动目标检测的算法流程图。
以上的图中有:多CCD图像传感器31、半圆形的安装板32、视频的同轴电缆33、计算机U、计算机主板1、4路图像采集卡2、图像采集卡3、USB接口的无线局域网通信模块4、USB接口485通信模块5、程序存储卡6、内存卡7、工业电源8。
具体实施方式
下面结合附图对本发明作进一步详细描述。
所述的扇形排列的多电荷耦合器件图像传感器大视场车辆测速装置包括传感器结构部分和测速信号处理部分;其中,传感器结构部分采用轴线共点呈扇形排列的多CCD图像传感器31组合装置,多CCD图像传感器31分布在一个半圆形的安装板32上,多CCD图像传感器31的信号线通过视频的同轴电缆33连接到计算机U;测速信号处理部分以计算机主板1为核心,计算机主板1分别通过自带的PCI接口接4路图像采集卡2、通过自带的PCI接口接图像采集卡3、通过自带的USB接口接无线局域网通信模块4、通过自带的USB接口接485通信模块5、通过自带的CF卡接口接程序存储卡6、通过自带的双列直插式存储模块DIMM接口接内存卡7、通过自带的电源接口接工业电源8;软件系统主要实现多CCD摄像机得到的图像映射变换到道路平面,根据车道线的特征来矫正图像和拼接。将各摄像头输出的模拟视频传输到工业计算机,该工业计算机扩展两块基于PCI的视频采集卡,实现模拟视频到数字视频的转换,在工业计算机上运行该装置的软件,实现多CCD大视场车辆测速,其测速方案流程如图5所示,系统的输入为多个CCD摄像机的视频流,每个视频流的图像经过各自的透视变换模型被映射到大地平面上。根据各个新图像的位置关系,将它们拼接成一个完整的大视场图像。使用改进的减背景算法对大视场图像进行运动目标检测,确定目标的位置,得到目标的实际坐标。再运用Kalman跟踪算法取得目标在连续的图像帧的位置变化情况,结合每帧图像的间隔时间,求得运动目标的速度。
如图1所示,传输视频的同轴电缆,一端通过BNC视频接插件接入多CCD图像传感器大视场车辆测速装置,另一端接入工业计算机扩展的图像采集卡的视频输入接口。本发明所述的CCD图像传感器的数量并无明确要求,只要能完全覆盖监控区域并保证相邻图像传感器的视野有一小部分重叠,以满足后期的拼接需要。自上而下的视角减小了不同景深中目标相互遮挡的可能性;而各个图像传感器的相互位置的确定性保证了其几何空间模型在不同场景下是相同的,降低了分布式系统的拓扑结构的复杂度。所述的CCD图像传感器采用扇形的排列方式,悬挂于路面的正上方,图像传感器的轴线相交于一点,视野可以覆盖整个路面。
如图3所示,系统的输入为多个CCD图像传感器的视频流,每个视频流的图像经过各自的透视变换模型被映射到大地平面上。根据各个新图像的位置关系,将它们拼接成一个完整的大视场图像。使用减背景算法对大视场图像进行运动目标检测,确定目标的位置,得到目标的实际坐标。再运用Kalman跟踪算法取得目标在连续的图像帧的位置变化情况,结合每帧图像的间隔时间,求得运动目标的速度。
如图4所示,是发明的图像拼接流程,多个CCD摄像机得到的图像经过透视变换投影到道路平面后,在道路平面上的坐标就已经被确定下来,可以直接按位置拼接在一起,成为一个完整的大视场图像,具体实现步骤如下:
(1)图像拼接预处理,
对获取的图像初步定位、缩小匹配范围、提高匹配速度,对图像去噪声、平衡图像亮度,包括图像增强和预先对齐等,对图像的拼接部分采用频率域法对图像增强处理,将图像中感兴趣的特征有选择的突出,而衰减其次要信息。由于图像存在噪声,相邻图像样本的重叠部分在细节上是不完全相同的,为过滤图像噪声,先对灰度化图像选用高斯滤波器进行平滑处理和梯度锐化处理。
(2)图像配准
图像配准是图像拼接的过程的核心步骤,其目标是找出对齐的两幅或多幅重叠图像之间的位移情况。精确配准的关键就是要有能很好的描述两幅图像之间转化关系的模型,拼接采用对应匹配(Homographic Mapping)模型,即原始图像是透视变换得到的,CCD摄像机的运动主要是绕其光学中心的摇镜(pan)、平移、倾斜、旋转和缩放。
其中A是表示缩放和旋转,B表示平移,CT表示投影。
除透视变换外,CCD摄像机的运动模型还有仿射变换,可以表示为:
f(x)=Ax+b (2)
其中A是变换矩阵,b是平移矢量,矩阵A控制仿射的缩放、旋转和剪切效果。
(3)图像的融合
不同CCD摄像机拍摄到的图像,光强、色彩饱和度都会有差异,因此在图像拼接的边界处会有明显的缝隙,本发明使用加权平均方法对多CCD图像的融合处理。
如图5所示,将每个输入视频帧和一张背景图像相比较,如果同位置的像素特征、像素区域特征或其它特征存在一定程度的差别,则新视频帧中这些位置的像素点或像素区域就构成前景运动目标区域。若对这些前景像素点作进一步处理,即可得到运动目标位置、大小、形状等信息,以便进行目标跟踪和视频内容理解。具体的说要通过以下4个步骤:
1)预处理即对图像进行滤波,消除CCD图像传感器噪声和环境噪声,如果发生图像传感器振动,则在背景建模前,还需要对视频帧进行位置修正;
2)背景建模就是构建背景图像,这是减背景算法的核心所在;
3)前景检测即阈值分割,就是利用当前视频帧与背景模型的差异来检测出运动区域:如果差值大于一定阈值,则判定该像素为组成前景运动目标的像素;
4)后处理就是去除不属于真实运动目标的参考像素,以便得到真正的前景运动目标。本文使用膨胀-腐蚀算法将相近的像素点连接在一起,再使用区域生长法将像素点分类为不同的运动目标。
Claims (3)
1.一种扇形排列的多电荷耦合器件图像传感器大视场车辆测速装置,其特征在于该装置包括传感器结构部分和测速信号处理部分;其中,传感器结构部分采用轴线共点呈扇形排列的多CCD图像传感器(31)组合装置,多CCD图像传感器(31)分布在一个半圆形的安装板(32)上,多CCD图像传感器(31)的信号线通过视频的同轴电缆(33)连接到计算机(U);测速信号处理部分以计算机主板(1)为核心,计算机主板(1)分别通过自带的PCI接口接4路图像采集卡(2)、通过自带的PCI接口接图像采集卡(3)、通过自带的USB接口接无线局域网通信模块(4)、通过自带的USB接口接485通信模块(5)、通过自带的CF卡接口接程序存储卡(6)、通过自带的双列直插式存储模块(DIMM)接口接内存卡(7)、通过自带的电源接口接工业电源(8);软件系统主要实现多CCD摄像机得到的图像映射变换到道路平面,根据车道线的特征来矫正图像和拼接。
2.根据权利要求1所述的扇形排列的多CCD图像传感器大视场车辆测速装置,其特征在于,所述的CCD图像传感器的数量只要能完全覆盖监控区域并保证相邻图像传感器的视野有一小部分重叠,以满足后期的拼接需要即可。
3.根据权利要求1所述的扇形排列的多CCD图像传感器大视场车辆测速装置,其特征在于,多CCD图像传感器(33)采用扇形的排列方式,悬挂于路面的正上方,图像传感器的轴线相交于一点,视野可以覆盖整个路面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200810122777XA CN101320048A (zh) | 2008-06-30 | 2008-06-30 | 扇形排列的多电荷耦合器件图像传感器大视场车辆测速装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200810122777XA CN101320048A (zh) | 2008-06-30 | 2008-06-30 | 扇形排列的多电荷耦合器件图像传感器大视场车辆测速装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101320048A true CN101320048A (zh) | 2008-12-10 |
Family
ID=40180212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA200810122777XA Pending CN101320048A (zh) | 2008-06-30 | 2008-06-30 | 扇形排列的多电荷耦合器件图像传感器大视场车辆测速装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101320048A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833863A (zh) * | 2010-05-17 | 2010-09-15 | 瑞斯康达科技发展股份有限公司 | 车流速度检测方法及装置、交通信号灯控制方法及系统 |
CN105279983A (zh) * | 2015-12-07 | 2016-01-27 | 深圳市安网通信有限公司 | 叉车通道红绿灯警示系统及控制方法 |
CN105818742A (zh) * | 2015-01-05 | 2016-08-03 | 上海纵目科技有限公司 | 车辆预警方法及系统 |
CN105915850A (zh) * | 2016-05-06 | 2016-08-31 | 安徽伟合电子科技有限公司 | 一种基于图像拼接的视频播放系统 |
WO2017012396A1 (zh) * | 2015-07-21 | 2017-01-26 | 杭州海康威视数字技术股份有限公司 | 一种摄像机及集成电路板 |
CN106605154A (zh) * | 2016-05-24 | 2017-04-26 | 英华达(上海)科技有限公司 | 一种运动目标的监测方法、穿戴式装置及服务器 |
CN106960442A (zh) * | 2017-03-01 | 2017-07-18 | 东华大学 | 基于单目红外的夜间机器人视觉大视场三维构建方法 |
CN113223301A (zh) * | 2021-05-27 | 2021-08-06 | 佛冈县诚康商品混凝土有限公司 | 一种混凝土运输车的相对车速检测方法及其系统 |
-
2008
- 2008-06-30 CN CNA200810122777XA patent/CN101320048A/zh active Pending
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833863A (zh) * | 2010-05-17 | 2010-09-15 | 瑞斯康达科技发展股份有限公司 | 车流速度检测方法及装置、交通信号灯控制方法及系统 |
CN101833863B (zh) * | 2010-05-17 | 2013-09-11 | 瑞斯康达科技发展股份有限公司 | 车流速度检测方法及装置、交通信号灯控制方法及系统 |
CN105818742A (zh) * | 2015-01-05 | 2016-08-03 | 上海纵目科技有限公司 | 车辆预警方法及系统 |
CN105818742B (zh) * | 2015-01-05 | 2018-06-12 | 上海纵目科技有限公司 | 车辆预警方法及系统 |
WO2017012396A1 (zh) * | 2015-07-21 | 2017-01-26 | 杭州海康威视数字技术股份有限公司 | 一种摄像机及集成电路板 |
US10602060B2 (en) | 2015-07-21 | 2020-03-24 | Hangzhou Hikvision Digital Technology Co., Ltd. | Camera and integrated circuit board |
CN105279983A (zh) * | 2015-12-07 | 2016-01-27 | 深圳市安网通信有限公司 | 叉车通道红绿灯警示系统及控制方法 |
CN105915850A (zh) * | 2016-05-06 | 2016-08-31 | 安徽伟合电子科技有限公司 | 一种基于图像拼接的视频播放系统 |
CN106605154A (zh) * | 2016-05-24 | 2017-04-26 | 英华达(上海)科技有限公司 | 一种运动目标的监测方法、穿戴式装置及服务器 |
CN106605154B (zh) * | 2016-05-24 | 2019-05-24 | 英华达(上海)科技有限公司 | 一种运动目标的监测方法、穿戴式装置及服务器 |
CN106960442A (zh) * | 2017-03-01 | 2017-07-18 | 东华大学 | 基于单目红外的夜间机器人视觉大视场三维构建方法 |
CN113223301A (zh) * | 2021-05-27 | 2021-08-06 | 佛冈县诚康商品混凝土有限公司 | 一种混凝土运输车的相对车速检测方法及其系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110532896B (zh) | 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法 | |
CN111368706B (zh) | 基于毫米波雷达和机器视觉的数据融合动态车辆检测方法 | |
CN103176185B (zh) | 用于检测道路障碍物的方法及系统 | |
CN101320048A (zh) | 扇形排列的多电荷耦合器件图像传感器大视场车辆测速装置 | |
CN102693632B (zh) | 一种基于视觉图像的监控装置和监控方法 | |
CN114677446B (zh) | 基于路侧多传感器融合的车辆检测方法、装置及介质 | |
CN102867414B (zh) | 一种基于ptz摄像机快速标定的车辆排队长度测量方法 | |
CN103676829A (zh) | 基于视频的智能城市综合管理系统及其方法 | |
CN102867417A (zh) | 一种出租车防伪系统及方法 | |
CN103646544B (zh) | 基于云台和相机设备的车辆行为分析识别方法 | |
CN102789686B (zh) | 一种基于路面亮度组合模式识别的道路交通流检测方法 | |
CN101404119A (zh) | 利用遥感影像探测和计数城市道路车辆的方法 | |
CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
Wang et al. | Ips300+: a challenging multi-modal data sets for intersection perception system | |
CN113627373A (zh) | 一种基于雷视融合探测的车辆识别方法 | |
CN201266436Y (zh) | 移动车辆多视频联合检测装置 | |
CN112396000A (zh) | 一种多模态密集预测的深度信息传输模型的构建方法 | |
CN111311942A (zh) | 基于v2x技术的路况显示方法、系统、v2x终端及v2x服务器 | |
CN111429723B (zh) | 一种基于路侧设备的通信与感知数据融合方法 | |
Cheng et al. | Semantic segmentation of road profiles for efficient sensing in autonomous driving | |
CN116958763A (zh) | 特征-结果级融合的车路协同感知方法、介质及电子设备 | |
CN106960193A (zh) | 一种车道线检测装置和方法 | |
CN114627409A (zh) | 一种车辆异常变道的检测方法及装置 | |
Cui et al. | Optimizing Internet of Things-based intelligent transportation system’s information acquisition using deep learning | |
CN112697066A (zh) | 车辆部件定位方法、装置及计算机存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20081210 |