CN101514993B - 基于线阵ccd摄像机的车辆速度测量装置 - Google Patents
基于线阵ccd摄像机的车辆速度测量装置 Download PDFInfo
- Publication number
- CN101514993B CN101514993B CN200910119341XA CN200910119341A CN101514993B CN 101514993 B CN101514993 B CN 101514993B CN 200910119341X A CN200910119341X A CN 200910119341XA CN 200910119341 A CN200910119341 A CN 200910119341A CN 101514993 B CN101514993 B CN 101514993B
- Authority
- CN
- China
- Prior art keywords
- target
- vehicle
- track
- array ccd
- change step
- 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.)
- Active
Links
Images
Landscapes
- Image Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
基于线阵CCD摄像机的车辆速度测量装置,属于交通管理领域。利用与计算机连接的两架线阵CCD摄像机来测量车辆速度,其特征在于:两架前后相距2米的线阵CCD摄像机架设在路面上方,摄像机镜头垂直路面,两架线阵CCD摄像机同时对路面扫描;两架摄像机拍摄的图像送到计算机经过二值化处理及车辆分割算法确定目标区域,并根据两幅图像的时间差和两架线阵CCD摄像机的距离得到车辆的速度。本装置可以高可靠度和高精确度地测量车辆的速度;并且由线阵CCD摄像机的成像和车速计算出车长,以确定车型,为实现按相应的限速标准分别处罚超速车辆和实时超速处罚提供前提条件。
Description
技术领域
本发明属于交通管理领域,主要涉及车速的测量。
背景技术
智能交通系统(Intelligent Transportation System,ITS)作为新一代的交通信息管理和控制系统将先进的计算机处理技术、信息技术、数据通讯传输技术及电子自动控制技术等有效地综合运用于整个交通管理体系中,将人、路、车有机结合起来,以达到最佳的和谐统一,从而建立起一种在大范围内、全方位发挥作用的实时、准确、高效的交通运输综合管理系统,从而促进国民经济的持续发展。
作为智能交通系统的重要组成部分,瞬时速度检测是智能交通信息采集的关键内容之一,可以实现超速实时处罚功能和对不同车型按相应的限速标准分别处罚等功能。
目前的大多数车辆速度的检测是采用多普勒测速器,多普勒测速器装置虽然简单,但误差较大,而且很难留下依据,对超速车辆的处罚不能提供强有力的证据。另外还有交通信息采集仪测速法和视频测速法,交通信息采集仪测速法和视频测速法两者有各自的优点,也有缺点,交通信息采集仪测速法测速准确,但设施复杂;视频测速法由于目前主要采用面阵CCD成像,而面阵CCD成像分辨率和帧速率不高,所以测速精确度并不高。
基于线阵CCD成像的检测技术是利用线阵CCD摄像机获连续快速的记录通过检测断面的车辆图像(如图1),并从该序列线阵图像中获取各种交通参数和交通事件的描述。与传统的基于面阵CCD成像的视频检测方法相比,基于线阵CCD的检测技术具有如下重要优点:(1)线阵图像序列构成的图像中仅包含运动目标,而完全不存在复杂的背景目标,因此避免了复杂背景的干扰;(2)线阵CCD成像的空间分辨率、像素灰度级和采样速度可以较高(一般水平分辨率大于1000线,像素灰度级大于1024级,帧速率大于1000帧/秒),可以实现较高的检测精度;(3)线阵图像数据量相对较小,便于实现复杂的图像处理和分析算法;(4)线阵CCD成像系统的辅助照明可以采用红外线激光源,能够较好地解决夜间补光的问题,而面阵CCD需要大功率、大范围的补光照明;(5)线阵CCD器件具有灵敏度高、动态范围大和没有图像拖尾(Smear)的优点。
基于线阵CCD成像检测技术与传统的视频检测技术相比,具有检测精度高,稳定性和实时性好等优点,而这些优点正是在交通实际应用中最需要的。基于线阵CCD成像检测技术可以很好地用于交通量调查统计、车辆测速、图像抓拍触发、公路监控系统中的交通信息采集和公路及特殊路段(桥梁、隧道)的交通事件自动检测等,并有助于解决目前存在的许多实际问题,具有重要的理论和应用价值。
发明内容
本发明提供一种通过前后两个线阵CCD摄像机拍摄同一车辆来精确检测车辆速度的方法,来解决车速测量误差的问题。
本发明的解决方案是:两架线阵CCD摄像机前后相距2米架设在路面上方,摄像机镜头垂直路面,两架线阵CCD摄像机同时对路面扫描;两架摄像机拍摄的图像送到计算机经过二值化处理及车辆分割算法确定目标区域,并根据两幅图像的时间差和两架线阵CCD摄像机的距离得到车辆的速度。
所述的线阵CCD摄像机利用高密度的FPGA芯片产生一系列时序,驱动CCD传感器,把外界光信号转变成电信号,再经过DSP处理器信号处理电路,对电信号进行放大、滤波、AD转换,然后储存在FIFO里,再通过以太网传输到计算机。线阵CCD摄像机的帧速率大于1000帧/秒,分辨率大于1024线,且设置有与拍摄配合的红外线激光补光器。为了保证CCD成像光轴和补光光源光轴的对准、两个摄像机成像光轴之间的平行和成像光轴与道路路面的垂直,线阵CCD摄像机1和线阵CCD摄像机2分别安装在可调整的机械结构支架上。
所述的计算机安置在路边的防雨、防雷、防干扰的机柜中。计算机采用研华的工业控制机。
本发明的有益效果是:采用上述方法后,可以高可靠度和高精确度地测量车辆的速度。可以由线阵CCD摄像机的成像和车速计算出车长,以确定车型,为实现按相应的限速标准分别处罚超速车辆和实时超速处罚提供前提条件。
附图说明
图1是线阵CCD摄像机布局图,
图2是基于路面纹理特征的二值化算法流程图,
图3是车辆分割算法流程图白天采集的线阵CCD图像,
图4是车速测量匹配算法流程图,
图5是线阵CCD图像采集系统结构图,
图6是摄像机内部系统结构框图,
图7是两个CCD的图像序列,
图8是匹配时两个图像序列的区域,
图9是投影为一维波形图图像匹配时候区域段。
图1中,1、线阵CCD摄像机。
具体实施方式
一种适用于线阵CCD图像的车辆速度检测方法,用前后两个线阵CCD摄像机拍摄路面的同一个车辆(如图1),通过基于图像纹理特征的二值化算法和车辆分割算法检测是否有车辆出现及车辆的大小、类型、位置;然后算出两幅图像的时间差t,用速度公式v=s/t得到车辆的速度,s是两个摄像机的距离。该方法能精确测量车辆的速度,下面具体介绍测量过程。
两台线阵CCD摄像机及补光灯安装在防护罩里,分别用螺丝固定在2m长支架两端的空板上,可调整与路面垂直的角度;支架固定在龙门架上,使镜头垂直路面向下,可扫描下面的车道,扫描信息通过计算机进行二值化处理后判断是否有车辆出现。二值化处理采用小波变换:对线阵CCD摄像机拍摄的每帧图像进行小波变换,统计若干帧相邻像素灰度变化情况,将出现概率最大的情况作为背景纹理特征,并逐帧对数据进行二值化和分析处理。判断是否有车辆出现采用车辆分割算法:对二值化图像进行处理,其过程为:监测预触发标志、确认触发标志、空行计数器、目标存在计数器、目标左边界、目标右边界、目标开始行号、目标结束行号、预触发中点位置、目标水平投影计数器、触发的确切行数。通过以上算法判断是否有车辆出现和车辆的大小、类型、位置。下面对基于路面纹理特征的二值化算法和车辆分割算法在实例中的运用做具体介绍。
1、基于路面纹理特征的二值化算法
用小波变换提取路面的纹理特征,并以此作为二值化的依据:利用小波变换获取一行数据的小波系数,找出其中的局部极大点和极小点,并量化为仅包含1、-1和0的序列,每20行进行一次累加,统计5000行数据中累加和出现的频数最高的数值,作为新的背景纹理,以此每隔5000行更新一次背景;逐行进行二值化,获取当前行与前19行数据小波变化量化后的累加和,并将其逐段与背景纹理相比较,如果大于某个阈值,则认为该行中的该段为目标,置为1,否则置为0,以此对该行数据进行二值化,基于路面纹理特征的二值化算法流程图如图2所示。
为方便描述算法,把二值化结果为1的小段称为目标段,二值化结果为0的小段称为空段。基于图像纹理特征的二值化算法的具体实施步骤如下:
(1)变量初始化。找到背景标志bFindBack=false;当前行行号AL=0,背景行数计数器nBlock=0,20行数据按列累加的和nSum[]=0,统计各段数据出现的频数aBlockInfo[][]=0,二值化参数α=0.35,β=2.0;
(2)从内存中读取一行数据,置AL=AL+1,nBlock=nBlock+1;
(3)对该行数据进行三级小波变换,取出小波系数,存于数组pDWTData[]中;
(4)将数组pDWTData[]转化为只包含-1、0、1的序列,存于AR[]中。其中,将pDWTData[]中的局部极大点标记为1,局部极小点标记为-1,其他点标记为0;
(5)如果AL<20,转步骤(2);
(6)按列累加最新20行数据的AR值,并存于数组nSum[]中;
(7)取窗口大小为16,对nSum[]中的数据按窗口进行处理,在窗口范围内取一个最大值作为该窗口内所有像素点的值,并存于数组nSumAvg[]中,即一行数据被划分成64段;
(8)如果bFindBack=false,转步骤(11);
(9)根据背景aBack[],按如下条件进行二值化;
if (nSumAvg[j]<=α*aBack[j]&&nSumAvg[j]>=β*aBack[j])
该行第j段数据所对应的像素点二值化为1;
else
该行第j段数据所对应的像素点二值化为0;
(10)对一行数据的二值化结果进行进一步处理,如果位于两个目标段之间的空段长度≤2,则把该空段对应的像素填充为1,如果前一个目标段的长度≤2,并且它距离后一个目标段的距离≥7,则把前一个目标段对应的像素置为0;
(11)统计最新20行数据的AR值出现的频数,并存于数组aBlockInfo[][]中,该数组第一维代表AR的取值,第二维代表段号;
(12)如果nBlock<5000,转步骤(2);
(13)根据aBlockInfo[][]的统计信息,找出各段出现频数最多的数值作为新的背景,并存于aBack[]中,置nBlock=0,修改背景标志bFindBack=true,并置aBlockInfo[][]=0;
(14)如果收到终止指令,则停止数据处理,否则转步骤(2)。
2、车辆分割算法
为便于描述车辆分割算法,将线阵CCD视场按照近景摄像机视场划分成三个逻辑车道(对应于被监控的两个物理车道),每个车道包含若干信息:预触发标志、确认触发标志、空行计数器、目标存在计数器、目标左边界、目标右边界、目标开始行号、目标结束行号、预触发中点位置、目标水平投影计数器、触发的确切行数。
车辆分割算法的流程图如图3所示,具体实施步骤如下:
(1)车道信息初始化。将每个车道的预触发标志、确认触发标志置为false,将空行计数器、目标左边界、目标右边界、目标开始行号、目标结束行号、目标水平投影计数器、触发的确切行数置为0,定义目标段长度阈值n1,合并车辆的水平阈值n2,确定是车头的水平投影累加和阈值n3,确认触发的目标宽度阈值n4,确认触发的目标长度阈值n5,确认目标结束的空行数n6,目标最大长度n7,目标的最小长度n8,确定不是车头的水平投影累加和阈值n9;
(2)读取最新一行数据的二值化结果;
(3)定位下一个目标段的起始位置;
(4)如果连续的目标段个数超过n1转步骤(5),否则转步骤(3);
(5)判断该连续的目标段是否可以合并到已触发的车道,如果可以合并,则转步骤(6),否则转步骤(7)。根据连续目标段的中点判断其所属车道,为了防止误触发,需要判断该连续的目标段是否属于已预触发的车辆。定义目标段到已预触发车道的距离为:如果该连续的目标段与已触发车道的车辆水平范围有交集,则认为该目标段属于该车道已触发的车辆,其距离为0;否则,取连续的目标段的左右边界分别距离已触发车道的车辆的左右边界的最小距离作为其距离,如果该距离超过阈值n2,则认为该目标段不属于该车道已触发的车辆,否则认为该目标段属于该车道已触发的车辆;
(6)修改该车道车辆的边界信息。目标水平投影计数器逐段统计目标段的个数,修改目标的结束行号,如果该目标段的左右边界超出了该车道的左右边界范围,则修改目标的左右边界,转步骤(8);
(7)在连续目标段所属的车道上新建车辆信息,置预触发标志为true,开启目标水平投影计数器,并设置目标的左右边界、开始行号、结束行号;
(8)判断是否处理完该行数据的所有小段,如果处理完毕,转步骤(9),否则转步骤(3);
(9)逐车道处理车辆信息;
(10)如果该车道上有目标段出现,空行计数器置0,转步骤(11),否则转步骤(14);
(11)如果该车道还没有确认触发,转步骤(12),否则转步骤(15);
(12)判断是否满足确认触发的条件,如果满足,转步骤(13),否则转步骤(16)。确认触发条件为:车头信息的水平投影累加和超过阈值n3,并且目标的宽度超过阈值n4,目标的长度超过阈值n5;
(13)置确认触发标志为true,触发的确切行数置为目标的开始行数,转步骤(19);
(14)该车道空行计数器加1,如果空行长度超过阈值n6,则认为目标结束,转步骤(18),否则转步骤(19);
(15)判断目标长度是否超过阈值n7,如果超过,则认为目标结束,转步骤(18),否则转步骤(19);
(16)判断是否满足取消触发的条件,如果满足,则转步骤(17),否则转步骤(19)。取消触发条件为:目标长度超过阈值n8,或者目标长度超过n5并且车头信息的水平投影累加和小于阈值n9;
(17)取消触发,置预触发标志、确认触发标志置为false,将空行计数器、目标左边界、目标右边界、目标开始行号、目标结束行号、目标水平投影计数器、触发的确切行数置为0,转步骤(19);
(18)进行车辆分割。根据目标水平投影计数器确定车辆的左右边界,根据车辆的开始行号和结束行号确定车辆的前后边界,标识车辆范围,并且置预触发标志、确认触发标志置为false,将空行计数器、目标左边界、目标右边界、目标开始行号、目标结束行号、目标水平投影计数器、触发的确切行数置0;
(19)判断是否处理完所有车道,如果处理完毕,转步骤(20),否则转步骤(9);
(20)如果收到终止指令,则停止数据处理,否则转步骤(2)。
由于线阵CCD分辨率高,线阵图像序列车辆目标清晰、几乎不存在任何背景干扰。为了提高速度的计算精度,采用基于线阵CCD的图像序列的车辆测速法。该算法具体方法为:
两个CCD像机的图像序列进行相关匹配分析,从而获得同一个目标在两个图像序列中的时间差,利用该时间差和两个摄像机的距离,根据速度公式
即可以得到目标车辆的行进速度;匹配算法流程图如图3所示,其具体步骤如下:
①匹配过程是根据一个图像序列中的目标在另一个图像序列中进行滑动,找到它们相似度最大的时刻的位置,先对第一个CCD摄像机(称为CCD1)采集的图像序列进行二值化处理,分割出一个目标区域,利用目标区域的坐标所在图像序列的位置,根据高速公路车汽车行驶的速度特征,取36km/h为速度最小值,180km/h为速度的最大值,得到目标在第二个CCD摄像机(称为CCD2)采集来的图像序列中的可能目标区域。对两图像序列相应区域进行相关匹配计算。
②设CCD1图像序列的灰度函数为F,CCD2图像序列的灰度函数为G。且设CCD1图像序列的目标区域大小为M1×N1,CCD2图像可能目标区域大小为M2×N2,根据速度极限值取的可能目标区域,取M1=M2。设M1×N1开始于第m行,M2×N2开始于第n行,又由于速度最快的时候,以180km/h的速度通过2m的距离需要40ms,也即同步目标出现在两图像序列至少相差40行的距离,即
n=40+m (2)
令
F=f(x,y)x=0,1,2,L,M1 y=0,1,2,L,N1(3)
G=g(x,y)x=0,1,2,L,M2 y=0,1,2,L,N2(4)
定义:
式中ρ(x,y)为F与G的相关函数,DF、DG分别为F与G的方差,cov(F,G)为F与G的协方差。则有
③为了节省计算时间,在不影响公式性质的前提下对公式进行简化处理,根据本项目的实际情况,取出公式的关键部分:
分别对两个图像序列中的目标区域进行灰度的水平投影,两个目标区域由两维投影成一维。由(4.10)式等效于
根据实际情况,把投影后长度为N1的区域在长度为N2的区域中滑动,可得相关最大值。由(4.6)、(4.9)、(4.11)式可得到效果跟(4.9)式一样的简化公式
不断的滑动,最终得到R1(F,G)、R2(F,G)、...,
⑤找到R1(F,G)(1≤i≤N1)的最大值,此时的i表示匹配在M2×N2区域中的第i行。
⑥根据摄像机扫描频率,可求得扫描一线所花费的时间为i+40个单位。由时间跟两个摄像机的距离,根据速度公式即可求得目标车辆的瞬时速度。s=2000mm,t=(i+40)ms,从而求得目标车辆的瞬时速度。
本装置选择通用的线阵CCD摄像机和红外线激光补光器,配合工业控制计算机完成图像采集,系统构成框图如图5所示。其中线阵CCD摄像机组中的两个线阵CCD摄像机用于采集相邻一定距离(2m)的两个道路断面上的线阵图像数据,线阵CCD摄像机的帧速率大于1000帧/秒,分辨率大于1024线。摄像机是加拿大DALSA公司产的spyder3 Gige系列摄像机,型号为SG-10-01K40。该摄像机工作原理是利用高密度的FPGA芯片产生一系列复杂的时序,驱动CCD传感器,把外界光信号转变成电信号,再经过DSP处理器信号处理处理电路,对电信号进行一系列的放大、滤波、AD转换等,然后储存在FIFO里,再通过以太网传输出去,其内部结构框图如图6所示。成像系统利用线阵CCD芯片设计,处理电路基于高速DSP和FPGA器件。DSP处理器及其外围电路和硬件处理电路是系统的核心,它完成数据的暂存、处理、分析和算法的实现,并给出关于交通参数和交通事件描述的结果。接口电路采用局域网接口,并将处理分析结果上传。所有的图像处理、分割、目标描述和交通参数计算全部在工业控制计算机中完成。本装置采用高速DSP和FPGA硬件处理电路完成图像的采集和各种处理算法,不仅可以降低系统成本,而且可以满足实际应用中的实时性要求和可靠性要求。
下面验证采用上述装置和方法测速的效果
为了验证本算法的有效性,利用两个线阵CCD摄像机在不同时刻拍摄同一目标以获得两个CCD的图像序列,如图1,两个线阵CCD摄像机互相平行的安装在相距一定距离(s=2000mm)的支架上,指向垂直向下。图7所示为两个CCD图像序列。从图中可以看出,两个CCD图像序列中,同一目标车辆相隔一定距离。
利用图7中两个CCD的图像序列,利用图像分割算法,提取出车辆目标区域,如图8所示中的一个用细线方框框住的区域。首先对CCD1图像序列M1×N1区域的每行进行水平投影,对每行中每个单元的灰度值进行累加,从而每行累加得到一个灰度累加值。经过这样处理后,CCD1中的二维图像序列投影成一维。同理,对CCD2图像序列中的M2×N2区域进行投影,二维投影成一维。将两条投影线放在一起(CCD1中的投影线为白色,CCD2中的投影线为黑色),如图9所示,两条垂直线之间为CCD2图像序列中匹配后的实际区域的水平投影波形图。从图9中可以看出,两条波形图几乎完全吻合,说明该方法具有较高的匹配效果。
Claims (5)
1.基于线阵CCD摄像机的车辆速度测量装置,利用与计算机连接的两架线阵CCD摄像机来测量车辆速度,两架线阵CCD摄像机前后相距2米架设在路面上方,摄像机镜头垂直路面,两架线阵CCD摄像机同时对路面扫描;两架摄像机拍摄的图像送到计算机经过二值化处理及车辆分割算法确定目标区域,两个线阵CCD像机的图像序列进行相关匹配分析,从而获得同一个目标在两个图像序列中的时间差,利用该时间差和两个相机的距离,根据速度公式得到目标车辆的行进速度;其特征在于:
(一)所述二值化处理采用如下步骤完成:
用小波变换提取路面的纹理特征,并以此作为二值化的依据:利用小波变换获取一行数据的小波系数,找出其中的局部极大点和极小点,并量化为仅包含1、-1和0的序列,每20行进行一次累加,统计5000行数据中累加和出现的频数最高的数值,作为新的背景纹理,以此每隔5000行更新一次背景;逐行进行二值化,获取当前行与前19行数据小波变化量化后的累加和,并将其逐段与背景纹理相比较,如果大于某个阈值,则认为该行中的该段为目标,置为1,否则置为0,以此对该行数据进行二值化,基于路面纹理特征的二值化算法流程如下:
为方便描述算法,把二值化结果为1的小段称为目标段,二值化结果为0的小段称为空段,
1)变量初始化,找到背景标志bFindBack=false;当前行行号AL=0,背景行数计数器nBlock=0,20行数据按列累加的和nSum[]=0,统计各段数据出现的频数aBlockInfo[][]=0,二值化参数α=0.35,β=2.0;
2)从内存中读取一行数据,置AL=AL+1,nBlock=nBlock+1;
3)对该行数据进行三级小波变换,取出小波系数,存于数组pDWTData[]中;
4)将数组pDWTData[]转化为只包含-1、0、1的序列,存于AR[]中,其中,将pDWTData[]中的局部极大点标记为1,局部极小点标记为-1,其他点标记为0;
5)如果AL<20,转步骤2);
6)按列累加最新20行数据的AR值,并存于数组nSum[]中;
7)取窗口大小为16,对nSum[]中的数据按窗口进行处理,在窗口范围内取一个最大值作为该窗口内所有像素点的值,并存于数组nSumAvg[]中,即一行数据被划分成64段;
8)如果bFindBack=false,转步骤11);
9)根据背景aBack[],按如下条件进行二值化;
if(nSumAvg[j]<=α*aBack[j]&&nSumAvg[j]>=β*aBack[j])
该行第j段数据所对应的像素点二值化为1;
else
该行第j段数据所对应的像素点二值化为0;
10)对一行数据的二值化结果进行进一步处理,如果位于两个目标段之间的空段长度≤2,则把该空段对应的像素填充为1,如果前一个目标段的长度≤2,并且它距离后一个目标段的距离≥7,则把前一个目标段对应的像素置为0;
11)统计最新20行数据的AR值出现的频数,并存于数组aBlockInfo[][]中,该数组第一维代表AR的取值,第二维代表段号;
12)如果nBlock<5000,转步骤2);
13)根据aBlockInfo[][]的统计信息,找出各段出现频数最多的数值作为新的背景,并存于aBack[]中,置nBlock=0,修改背景标志bFindBack=true,并置aBlockInfo[][]=0;
14)如果收到终止指令,则停止数据处理,否则转步骤2);
(二)所述车辆分割算法采用如下步骤完成:
将线阵CCD视场按照近景摄像机视场划分成三个逻辑车道,每个车道包含若干信息:预触发标志、确认触发标志、空行计数器、目标存在计数器、目标左边界、目标右边界、目标开始行号、目标结束行号、预触发中点位置、目标水平投影计数器、触发的确切行数,其算法流程的具体实施步骤如下:
(1)车道信息初始化,将每个车道的预触发标志、确认触发标志置为false,将空行计数器、目标左边界、目标右边界、目标开始行号、目标结束行号、目标水平投影计数器、触发的确切行数置为0,定义目标段长度阈值n1,合并车辆的水平阈值n2,确定是车头的水平投影累加和阈值n3,确认触发的目标宽度阈值n4,确认触发的目标长度阈值n5,确认目标结束的空行数n6,目标最大长度n7,目标的最小长度n8,确定不是车头的水平投影累加和阈值n9;
(2)读取最新一行数据的二值化结果;
(3)定位下一个目标段的起始位置;
(4)如果连续的目标段个数超过n1转步骤(5),否则转步骤(3);
(5)判断该连续的目标段是否可以合并到已触发的车道,如果可以合并,则转步骤(6);否则转步骤(7),根据连续目标段的中点判断其所属车道,为了防止误触发,需要判断该连续的目标段是否属于已预触发的车辆,定义目标段到已预触发车道的距离为:如果该连续的目标段与已触发车道的车辆水平范围有交集,则认为该目标段属于该车道已触发的车辆,其距离为0,否则,取连续的目标段的左右边界分别距离已触发车道的车辆的左右边界的最小距离作为其距离,如果该距离超过阈值n2,则认为该目标段不属于该车道已触发的车辆,否则认为该目标段属于该车道已触发的车辆;
(6)修改该车道车辆的边界信息,目标水平投影计数器逐段统计目标段的个数,修改目标的结束行号,如果该目标段的左右边界超出了该车道的左右边界范围,则修改目标的左右边界,转步骤(8);
(7)在连续目标段所属的车道上新建车辆信息,置预触发标志为true,开启目标水平投影计数器,并设置目标的左右边界、开始行号、结束行号;
(8)判断是否处理完该行数据的所有小段,如果处理完毕,转步骤(9),否则转步骤(3);
(9)逐车道处理车辆信息;
(10)如果该车道上有目标段出现,空行计数器置0,转步骤(11),否则转步骤(14);
(11)如果该车道还没有确认触发,转步骤(12),否则转步骤(15);
(12)判断是否满足确认触发的条件,如果满足,转步骤(13),否则转步骤(16),确认触发条件为:车头信息的水平投影累加和超过阈值n3,并且目标的宽度超过阈值n4,目标的长度超过阈值n5;
(13)置确认触发标志为true,触发的确切行数置为目标的开始行数,转步骤(19);
(14)该车道空行计数器加1,如果空行长度超过阈值n6,则认为目标结束,转步骤(18),否则转步骤(19);
(15)判断目标长度是否超过阈值n7,如果超过,则认为目标结束,转步骤(18),否则转步骤(19);
(16)判断是否满足取消触发的条件,如果满足,则转步骤(17),否则转步骤(19),取消触发条件为:目标长度超过阈值n8,或者目标长度超过n5并且车头信息的水平投影累加和小于阈值n9;
(17)取消触发,置预触发标志、确认触发标志置为false,将空行计数器、目标左边界、目标右边界、目标开始行号、目标结束行号、目标水平投影计数器、触发的确切行数置为0,转步骤(19);
(18)进行车辆分割,根据目标水平投影计数器确定车辆的左右边界,根据车辆的开始行号和结束行号确定车辆的前后边界,标识车辆范围,并且置预触发标志、确认触发标志置为false,将空行计数器、目标左边界、目标右边界、目标开始行号、目标结束行号、目标水平投影计数器、触发的确切行数置0;
(19)判断是否处理完所有车道,如果处理完毕,转步骤(20),否则转步骤(9);
(20)如果收到终止指令,则停止数据处理,否则转步骤(2)。
2.根据权利要求1所述的基于线阵CCD摄像机的车辆速度测量装置,其特征在于:所述的线阵CCD摄像机利用高密度的FPGA芯片产生一系列时序,驱动CCD传感器,把外界光信号转变成电信号,再经过DSP处理器信号处理电路,对电信号进行放大、滤波、AD转换,然后储存在FIFO里,再通过以太网传输到计算机。
3.根据权利要求1所述的基于线阵CCD摄像机的车辆速度测量装置,其特征在于:所述的两架线阵CCD摄像机分别安装在可调整的机械结构支架上。
4.根据权利要求1所述的基于线阵CCD摄像机的车辆速度测量装置,其特征在于:所述的计算机安置在路边的防雨、防雷、防干扰的机柜中。
5.根据权利要求4所述的基于线阵CCD摄像机的车辆速度测量装置,其特征在于:所述的计算机采用研华的工控机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910119341XA CN101514993B (zh) | 2009-03-25 | 2009-03-25 | 基于线阵ccd摄像机的车辆速度测量装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910119341XA CN101514993B (zh) | 2009-03-25 | 2009-03-25 | 基于线阵ccd摄像机的车辆速度测量装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101514993A CN101514993A (zh) | 2009-08-26 |
CN101514993B true CN101514993B (zh) | 2011-06-29 |
Family
ID=41039531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910119341XA Active CN101514993B (zh) | 2009-03-25 | 2009-03-25 | 基于线阵ccd摄像机的车辆速度测量装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101514993B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103072537B (zh) * | 2013-02-05 | 2014-03-26 | 湖南大学 | 一种基于红外图像处理的汽车防撞安全保护方法 |
CN105806320B (zh) * | 2014-12-29 | 2020-04-21 | 同方威视技术股份有限公司 | 拍摄测量系统以及拍摄测量方法 |
CN104730280A (zh) * | 2015-04-10 | 2015-06-24 | 苏州大学 | 一种球类测速方法及系统 |
CN104766481A (zh) * | 2015-04-29 | 2015-07-08 | 深圳市保千里电子有限公司 | 一种无人机进行车辆跟踪的方法及系统 |
FI130492B (en) | 2018-01-26 | 2023-10-05 | Inst Of Atmospheric Physics Chinese Academy Of Sciences | Two-row diode array device and measurement method and particle velocity measurement device |
CN108227044B (zh) * | 2018-01-26 | 2020-03-27 | 中国科学院大气物理研究所 | 一种基于双线阵的雨滴测量装置及方法 |
CN110097763B (zh) * | 2018-01-30 | 2021-08-10 | 保定市天河电子技术有限公司 | 一种多车道车辆速度测量方法及系统 |
CN109059757A (zh) * | 2018-06-20 | 2018-12-21 | 安徽金赛弗信息技术有限公司 | 基于线阵视频检测技术的高空抛物智能识别系统 |
CN109374919B (zh) * | 2018-10-14 | 2020-12-01 | 深圳市能信安科技股份有限公司 | 一种基于单个拍摄设备确定移动速度的方法及装置 |
CN110361560B (zh) * | 2019-06-25 | 2021-10-26 | 中电科技(合肥)博微信息发展有限责任公司 | 一种船舶航行速度测量方法、装置、终端设备及计算机可读存储介质 |
CN110824188B (zh) * | 2019-10-17 | 2022-10-04 | 浙江大华技术股份有限公司 | 高速公路车辆的测速方法、装置、编解码器及存储装置 |
CN110794163A (zh) * | 2019-11-13 | 2020-02-14 | 佛山科学技术学院 | 一种测算车辆行驶速度的采集系统 |
CN111751569B (zh) * | 2020-06-24 | 2021-01-01 | 哈尔滨市科佳通用机电股份有限公司 | 车轮传感器性能检测装置、系统及方法 |
CN112857219B (zh) * | 2021-01-14 | 2021-11-16 | 青岛大学威海创新研究院 | 基于tof深度相机的体积测量方法及装置 |
-
2009
- 2009-03-25 CN CN200910119341XA patent/CN101514993B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN101514993A (zh) | 2009-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101514993B (zh) | 基于线阵ccd摄像机的车辆速度测量装置 | |
CN104700624B (zh) | 基于相敏光时域反射仪的车流量在线监测系统的监测方法 | |
CN111855664B (zh) | 一种可调节隧道病害三维检测系统 | |
CN103559791B (zh) | 一种融合雷达和ccd摄像机信号的车辆检测方法 | |
CN112433203A (zh) | 一种基于毫米波雷达数据的车道线形检测方法 | |
CN104063882B (zh) | 一种基于双目的车辆视频测速方法 | |
CN104021676A (zh) | 基于车辆动态视频特征的车辆定位及车速测量方法 | |
CN106128121B (zh) | 基于局部特征分析的车辆排队长度快速检测算法 | |
CN107845264A (zh) | 一种基于视频监控的交通量采集系统及方法 | |
CN104005325A (zh) | 基于深度和灰度图像的路面裂缝检测装置和方法 | |
CN103605978A (zh) | 基于三维实景数据的城市违章建筑识别系统及方法 | |
CN103456172A (zh) | 一种基于视频的交通参数测量方法 | |
CN104050818A (zh) | 基于目标跟踪和特征点匹配的运动车辆测速方法 | |
CN107274678B (zh) | 一种基于Kinect的夜间车流量统计及车型识别方法 | |
CN101425128A (zh) | 基于激光传感器深度图像的人流检测方法 | |
CN113505638B (zh) | 车流量的监测方法、监测装置及计算机可读存储介质 | |
CN107564285A (zh) | 基于微波的车辆排队长度检测方法及系统 | |
CN208271388U (zh) | 一种基于视频监控的交通量采集系统 | |
Zhiwei et al. | Models of vehicle speeds measurement with a single camera | |
CN116626706B (zh) | 轨道交通隧道侵限检测方法及系统 | |
CN102930618B (zh) | 一种基于测距原理的实时人数统计方法与系统 | |
CN202404111U (zh) | 基于dsp的视频测速系统 | |
KR100532058B1 (ko) | 카메라 캘리브레이션을 이용한 교통정보 추출 방법 및 장치 | |
CN112037536A (zh) | 一种基于视频特征识别的车辆测速方法及装置 | |
Yao et al. | Embedded technology and algorithm for video-based vehicle queue length detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |