CN103149603A - 一种基于视频的道路气象检测方法 - Google Patents
一种基于视频的道路气象检测方法 Download PDFInfo
- Publication number
- CN103149603A CN103149603A CN2013100728264A CN201310072826A CN103149603A CN 103149603 A CN103149603 A CN 103149603A CN 2013100728264 A CN2013100728264 A CN 2013100728264A CN 201310072826 A CN201310072826 A CN 201310072826A CN 103149603 A CN103149603 A CN 103149603A
- Authority
- CN
- China
- Prior art keywords
- human eye
- visibility
- road
- video
- target
- 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.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于视频的道路气象检测方法,包括以下步骤:使用计算机标定技术恢复出图像中的距离信息;建立以路面为背景的虚拟目标物,避免了在道路两边架设带有距离信息的目标实体;摄像机开始跳转预置位;目标图像块匹配;摄像机到达预置位;采用小波变换手法去除噪声对目标物边缘的影响,提取出属于边缘的像素点;使用符合人眼对比度模型进行目标物特征提取;根据目标物的特征信息和距离信息进行人眼能见度曲线拟合;最后根据所得到的人眼能见度变换曲线,结合国际照明委员会(CIE)权威机构推荐的人眼对比度阈值0.05,得出能见度距离。
Description
技术领域
本发明涉及一种基于视频的道路气象检测方法。
背景技术
近年来我国高速公路里程不断增长,大雾、暴雨、冰雪等灾害性天气已成为影响交通安全和效率的主要因素。由于道路天气变化无常,再加上高速公路各种特定的地质状况,非常容易在道路上经常性地迅速产生局部短时或长时雨、雪、团雾等特殊气象状况,这种气象状况很难通过气象部门的预报获得,而驾驶员在高速公路高速行驶,由于得不到预警,对于前方道路状况一无所知,不可能采取相应的预防措施,极易发生追尾和碰撞事故。另外,高速公路车速较高,一旦由于能见度降低引发交通事故,经常会引起连锁反应,最终形成多车连续碰撞、群死群伤的严重交通事故,极大地影响了高速公路的行车安全。据统计,由于浓雾等恶劣天气影响造成的交通事故约占事故总数的1/4以上。
为了保证道路畅通,提高对于突发事件的处理能力,就要求道路管理者能够做到及时、准确、完整地收集道路的天气状况(特别是能见度指标)、各类异常事件等信息并及时发布各种预警引导信息,提高预防事故的能力,加快处理异常交通事件的反应速度。同时在发生气象突变及交通异常时,能及时确定事故位置或受阻区域位置,并实时发布相应的诱导和救援信息,从而最大程度地保证道路的安全畅通。
目前,国内外同类高速公路大都在机电系统中通过采用在道路沿线布设气象检测点以及视频监控点的方式来采集气象信息和视频图像信息,并由监控中心的监控员通过肉眼观察传到中心的视频图像和气象数据的方式来进行监控管理,当发现异常事件和恶劣气象状况后采取处理措施,同时由路政人员定时在沿线开车巡查以辅助发现事故并进行处理。
然而,这种方式存在着以下几个不足:
1、气象信息只能大范围预测,预报数据不精确,无法显示各路段的实际气象状况。目前,高速公路沿线区域内气象信息的获取主要通过气象部门的整点预报完成,同时,通过高速公路建设期间,在道路沿线布设的气象检测站和能见度检测仪完成气象信息的辅助采集。由于影响能见度的雾的形成、持续和消散的过程受多种条件影响,对其进行准确地预测预报和检测尚存在诸多技术难题。同时由于高速公路是线状走向,而气象部门的预报是大区域广范围预报,一般是以平方公里为单位,数据冗余非常大,仅具有宏观普适性和大时域概括性,而不具备高速公路的微观区域的实用性和实时性。另外,高速公路机电系统中沿线布设的气象检测站和能见度检测仪,如:目前基于光向前/向后散射检测原理的传统气象能见度仪,其检测采样空间有限,原理是以设备安装点的数十平方米内的区域的空气状况作为采集源,主要是依据对大气消光系数(或大气的光衰减系数)的精确测量,根据Koschmider原理,气象光学视距MOR与消光系数σ之间存在函数关系得出能见度数据的。但这个数据并不能真实代表检测传感器范围外的能见度状况,而是在应用中人为地将这一数据推算作为几公里或数十公里范围的能见度数据来使用的,由此就会出现如果能见度仪的安装点和雾区存在较大空间差异时,能见度仪的数据就根本不能反映其传感器检测范围以外的状况。同时由于气象检测站和能见度检测仪的价格非常昂贵、维护费用高、操作复杂等原因,难以沿路密集布设,通常一条100公里的高速公路只能安装2-3套能见度仪,由于站点相对较少,且许多观测站点离公路较远,不一定能够代表高速公路的路况气象实况,因此不能完全满足高速公路气象检测的需求。
2、目前的监控系统是人工被动监控方式。需由监控人员用肉眼去观察监视器,通过人的大脑判断以获得信息,若没有人工观察,就会对天气状况有漏报。道路上安装了近百个CCTV道路监控摄像机,图像也都传到了监控中心,但不可能同时配备同样数量的监视器和同样数量的监控人员实现一对一的看管。以一个道路监控分中心为例,一般只有10-20台监视器和1-2名工作人员,所以不可能做到近百路图像同时由人工24小时不间断地监视。因此,很难及时发现道路中产生的停车、逆行、物品遗撒等异常交通事件隐患,而往往一个细微的管理疏忽和麻痹大意都可能会造成交通隐患的放任和扩大,甚至最终酿成高速公路交通重大事故并造成不可估量的损失。
发明内容
本发明设计了一种基于视频的道路气象检测方法,其解决的技术问题是视频图像分析得出的能见度数据不是随着能见度的变化而变化的量化时时数据,无法真正反映视频区域内的整体能见度状况及变化。
为了解决上述存在的技术问题,本发明采用了以下方案:
一种基于视频的道路气象检测方法,包括以下步骤:步骤1:使用计算机标定技术恢复出图像中的距离信息;步骤2:建立带有距离信息的观测目标物;步骤3:摄像机开始跳转预置位;步骤4:目标图像块匹配;步骤5:摄像机到达预置位;步骤6:采用小波变换手法去除噪声对目标物边缘的影响,提取出属于边缘的像素点;步骤7:使用符合人眼对比度模型进行目标物特征提取;步骤8:根据目标物的特征信息和距离信息进行人眼能见度曲线拟合;步骤9:最后根据所得到的人眼能见度变换曲线,结合国际照明委员会(CIE)权威机构推荐的人眼对比度阈值0.05,得出能见度距离。
进一步,进行下一次检测时,重复步骤3至步骤9所有步骤。
该基于视频的道路气象检测方法与传统的基于视频的道路气象检测方法相比,具有以下有益效果:
本发明通过视频图像分析得出的能见度数据是随着能见度的变化而变化的量化时时数据,能真正反映视频区域内的整体能见度状况及变化,如人眼观看天气一样,能准确反映出1-2公里范围内的能见度状况,可由监控人员根据天气、路段的状况,任意设定不同区域的能见度阈值,能见度低于阈值即告警,这样就可以对团雾的产生迅速及时发现并报警。
附图说明
图1:本发明基于视频的道路气象检测方法的步骤流程图;
图2:本发明中摄像机标定模型示意图。
具体实施方式
下面结合图1和图2,对本发明做进一步说明:
由于人眼对亮度信息比对颜色信息更加敏感,所以目前只对图像的亮度信息进行分析和处理,暂时忽略颜色信息。在1924年,Koschmieder提出:以天空为背景,被观测的发光物体的观测亮度与距离的关系,如公式(1)所示,L为物体的观测亮度。L0为本身亮度。
式中:Lf为天空的亮度,k为大气的消光系数。
本发明在已有视频能见度研究基础上,考虑到检测算法及其系统可用性和稳定性,采用摄像机自标定技术恢复出图像中的距离信息,建立以路面为背景的虚拟目标物,避免了在道路两边架设带有距离信息的目标实体。采用小波变换手法去除噪声对目标物边缘的影响,提取出属于边缘的像素点,使用符合人眼对比度模型进行目标物特征提取。根据目标物的特征信息和距离信息进行人眼能见度曲线拟合,最后根据所得到的能见度变换曲线,结合国际照明委员会(CIE)等权威机构推荐的人眼对比度阈值0.05,得出能见度距离。
本系统检测算法流程如图1所示:使用计算机标定技术恢复出图像中的距离信息;建立带有距离信息的观测目标物;消除图像中冲击噪声的图像预处理;基于SAD算法的目标物检测;使用小波变换提取目标物中属于边缘的像素点;摄像机图像肉眼模拟的边缘特征的提取;所得对比度与距离映射关系的非线性拟合;本系统选取的对比阈值由国际照明委员会(CIE)等权威机构推荐,当对比度大于对比阈值0.05时,目标即为人眼可见。
具体来说,包括以下主要步骤:
1、图像距离信息恢复。
采用摄像机自标定技术,建立图像坐标至路面坐标的映射关系,将图像距离信息转换成路面距离信息。其工作步骤如下:
1.1、建立路况摄像机成像模型。
如图2所示,图中定义了三种坐标系,其中地面坐标系Xw–Yw–Zw和摄像机坐标系Xc–Yc–Zc用来表征三维空间;图像平面坐标系Xf–Yf表征成像平面。建立世界坐标系,其原点为摄像机光轴与地面交点。建立摄像机坐标系,原点为摄像机光心位置。设摄像机光心与世界坐标系原点距离为l,摄像机的俯仰角为t,偏角为p,旋角为s,以地平面上平行线间的区域来对应摄像机视域内的高速公路路面;
1.2、基于定义的摄像机空间方位参数,建立理想透视模型,地面坐标系与二维图像坐标系间的坐标变换关系;
1.3、以高速公路路面分道线为参照物建立摄像机未标定参数与图像特征参数之间的对应关系。在监控路段上选取基于分道线角点的平行四边形为标定模块。根据角点间平行对应关系,可以计算出未知的摄像机参数p,t,s,f,l。
2、图像虚拟目标块建立。
从上述步骤中1.3检测出的角点中选取4—8组,以每个角点为中心,划定一个矩形区域为虚拟目标物,并且计算出虚拟目标物的距离信息。
3、目标图像块匹配。
为了能准确地分割所有的物体,采用分割出离摄像机最近的一个目标物,并根据它与其它目标物在图像上相对固定的位置关系,确定所有目标物的分割。对20 m的目标物,采用基于模板的图像匹配方法—失配度量的绝对差和算法SAD,将其分割出来。
4、目标图像块边缘提取及去噪。
Marr从神经生理学和心理物理学出发,指出人的视觉处理过程相当于有多个分辨率的边缘算子在对图像进行分析处理,在图像像素梯度变化较大的区域使用分辨率较高的算子,而在图像像素梯度变化较小的区域使用分辨率较低的算子。因此模拟人的视觉心理需要在多尺度下对图像进行小波处理。
其中,B样条小波函数具有最小可能的支撑区长度,并且由于可以很好的近似高斯函数而便于算法的计算机处理与实时实现。三次样条函数是在小波变换中常用的B样条小波函数,同时其导数是二阶样条函数,是反对称函数,适合于阶跃型边缘的检测,因此选用三次样条函数作为二维平滑函数θ(x,y)。同时,小波变换尺度范围的选择要保证最小尺度下边缘信息比较准确,经过多次的实验,选择在尺度a=2、22、23和24下对图像进行处理。
根据不同尺度下小波变换提取出的图像边缘特征的不同,需要选择不同阈值来获得不同尺度下极大值点。因此在大尺度a=24的尺度空间中选择较高的阈值来减少噪声的影响;在a=2、2和23的尺度空间中选择较小的阈值尽量保持边缘信息的完整性。
由于检测的边缘点大多由离散点组成,连续性不好,在使用阈值滤取图像边缘后需要采用边缘跟踪补偿进行进一步处理,得到每一尺度下连续的边缘。
上面结合附图对本发明进行了示例性的描述,显然本发明的实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种改进,或未经改进将本发明的构思和技术方案直接应用于其它场合的,均在本发明的保护范围内。
Claims (2)
1.一种基于视频的道路气象检测方法,包括以下步骤:
步骤1:使用计算机标定技术恢复出图像中的距离信息;
步骤2:建立带有距离信息的观测目标物;
步骤3:摄像机开始跳转预置位;
步骤4:目标图像块匹配;
步骤5:摄像机到达预置位;
步骤6:采用小波变换手法去除噪声对目标物边缘的影响,提取出属于边缘的像素点;
步骤7:使用符合人眼对比度模型进行目标物特征提取;
步骤8:根据目标物的特征信息和距离信息进行人眼能见度曲线拟合;
步骤9:最后根据所得到的人眼能见度变换曲线,结合国际照明委员会(CIE)权威机构推荐的人眼对比度阈值0.05,得出能见度距离。
2.根据权利要求1所述基于视频的道路气象检测方法,其特征在于:进行下一次检测时,重复步骤3至步骤9之间所有步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310072826.4A CN103149603B (zh) | 2013-03-07 | 2013-03-07 | 一种基于视频的道路气象检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310072826.4A CN103149603B (zh) | 2013-03-07 | 2013-03-07 | 一种基于视频的道路气象检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103149603A true CN103149603A (zh) | 2013-06-12 |
CN103149603B CN103149603B (zh) | 2015-07-01 |
Family
ID=48547784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310072826.4A Active CN103149603B (zh) | 2013-03-07 | 2013-03-07 | 一种基于视频的道路气象检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103149603B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104240239A (zh) * | 2014-09-01 | 2014-12-24 | 西南交通大学 | 一种基于道路图像探测局域路段雾霾天气的检测方法 |
CN105629333A (zh) * | 2015-12-27 | 2016-06-01 | 安徽皖通科技股份有限公司 | 一种基于视频的道路气象检测方法 |
CN104297176B (zh) * | 2014-09-17 | 2017-03-08 | 武汉理工大学 | 全天候监测长江山区河段能见度的装置、系统和方法 |
CN108122243A (zh) * | 2016-11-26 | 2018-06-05 | 沈阳新松机器人自动化股份有限公司 | 用于机器人检测运动物体的方法 |
CN110097762A (zh) * | 2019-03-25 | 2019-08-06 | 南京微达电子科技有限公司 | 一种道路视频图像低能见度刻度估算方法及系统 |
CN114674817A (zh) * | 2022-05-30 | 2022-06-28 | 秦皇岛水熊科技有限公司 | 光谱滴定方法的色度值信号去噪和平滑处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080137911A1 (en) * | 2004-10-19 | 2008-06-12 | Laboratoire Central Des Ponts Et Chaussees | Sight Distance Measuring Device |
CN101281142A (zh) * | 2007-12-28 | 2008-10-08 | 深圳先进技术研究院 | 一种测量大气能见度的方法 |
CN101936900A (zh) * | 2010-06-12 | 2011-01-05 | 北京中科卓视科技有限责任公司 | 一种基于视频的能见度检测系统 |
-
2013
- 2013-03-07 CN CN201310072826.4A patent/CN103149603B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080137911A1 (en) * | 2004-10-19 | 2008-06-12 | Laboratoire Central Des Ponts Et Chaussees | Sight Distance Measuring Device |
CN101281142A (zh) * | 2007-12-28 | 2008-10-08 | 深圳先进技术研究院 | 一种测量大气能见度的方法 |
CN101936900A (zh) * | 2010-06-12 | 2011-01-05 | 北京中科卓视科技有限责任公司 | 一种基于视频的能见度检测系统 |
Non-Patent Citations (1)
Title |
---|
周庆逵 等: "基于视频的路况能见度检测系统的设计与实现", 《电子测量技术》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104240239A (zh) * | 2014-09-01 | 2014-12-24 | 西南交通大学 | 一种基于道路图像探测局域路段雾霾天气的检测方法 |
CN104240239B (zh) * | 2014-09-01 | 2018-05-01 | 西南交通大学 | 一种基于道路图像探测局域路段雾霾天气的检测方法 |
CN104297176B (zh) * | 2014-09-17 | 2017-03-08 | 武汉理工大学 | 全天候监测长江山区河段能见度的装置、系统和方法 |
CN105629333A (zh) * | 2015-12-27 | 2016-06-01 | 安徽皖通科技股份有限公司 | 一种基于视频的道路气象检测方法 |
CN108122243A (zh) * | 2016-11-26 | 2018-06-05 | 沈阳新松机器人自动化股份有限公司 | 用于机器人检测运动物体的方法 |
CN108122243B (zh) * | 2016-11-26 | 2021-05-28 | 沈阳新松机器人自动化股份有限公司 | 用于机器人检测运动物体的方法 |
CN110097762A (zh) * | 2019-03-25 | 2019-08-06 | 南京微达电子科技有限公司 | 一种道路视频图像低能见度刻度估算方法及系统 |
CN114674817A (zh) * | 2022-05-30 | 2022-06-28 | 秦皇岛水熊科技有限公司 | 光谱滴定方法的色度值信号去噪和平滑处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103149603B (zh) | 2015-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109716108B (zh) | 一种基于双目图像分析的沥青路面病害检测系统 | |
CN109377726B (zh) | 一种基于车联网的高速公路团雾精确警示、诱导系统及方法 | |
CN101382497B (zh) | 基于路况监控视频的能见度检测方法 | |
CN103176185B (zh) | 用于检测道路障碍物的方法及系统 | |
CN101918980B (zh) | 跑道监视系统和方法 | |
CN103149603B (zh) | 一种基于视频的道路气象检测方法 | |
Wu | An automatic procedure for vehicle tracking with a roadside LiDAR sensor | |
CN111461088B (zh) | 一种基于图像处理与目标识别的轨道交通避障系统 | |
CN104613892B (zh) | 融合视频检测技术和激光测距技术的复合雪深监测系统 | |
US20150371094A1 (en) | A road marking analyser and a method of analysis of road markings and an apparatus and method for detecting vehicle weave | |
CN105799740A (zh) | 一种基于物联网技术的轨道异物入侵自动检测与预警方法 | |
CN112562405A (zh) | 一种雷达视频智能融合与预警方法及系统 | |
CN102862574A (zh) | 基于智能手机实现车辆主动安全的方法 | |
CN104240239A (zh) | 一种基于道路图像探测局域路段雾霾天气的检测方法 | |
CN101936900A (zh) | 一种基于视频的能见度检测系统 | |
CN102162788A (zh) | 基于高清视频的能见度检测方法 | |
CN203606954U (zh) | 一种高速公路气象监测系统 | |
CN102445453B (zh) | 一种高速铁路线路护栏完整性自动检测装置及识别方法 | |
CN105261018A (zh) | 基于光学模型和暗原色先验理论的能见度检测方法 | |
CN102778701A (zh) | 一种机场跑道外来物检测系统 | |
CN114858214B (zh) | 一种城市道路性能监测系统 | |
CN103729908A (zh) | 铁路隧道智能巡检装置及其使用方法 | |
CN105021528A (zh) | 一种基于视频的道路气象检测装置 | |
CN105222752A (zh) | 一种使用结构光的移动式道面检测装置及方法 | |
CN114248819A (zh) | 基于深度学习的铁路侵限异物无人机检测方法、装置及系统 |
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 |