CN103729892A - 车辆定位方法、装置及处理器 - Google Patents
车辆定位方法、装置及处理器 Download PDFInfo
- Publication number
- CN103729892A CN103729892A CN201310247562.1A CN201310247562A CN103729892A CN 103729892 A CN103729892 A CN 103729892A CN 201310247562 A CN201310247562 A CN 201310247562A CN 103729892 A CN103729892 A CN 103729892A
- Authority
- CN
- China
- Prior art keywords
- coordinate
- coordinate system
- moving target
- image
- track
- 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)
Abstract
本发明涉及智能交通领域,公开了一种车辆定位方法及装置,该方法应用于ETC系统中,首先接收与所述ETC系统相连接的摄像头拍摄的视频图像,建立图像坐标系,并建立相应的车道坐标系;获取所述视频图像中,各个运动目标在所述车道坐标系R中的坐标,其中各运动目标对应的是视频图像中的待定位车辆;最后根据电子标签定位技术,确定具有电子标签的车辆在所述车道坐标系R的坐标,并与各运动目标在所述车道坐标系R上的坐标相匹配,由于通过电子标签定位技术只能获取具有电子标签的车辆的坐标,通过二者的匹配,能够确定各个运动目标是否具有电子标签,以及有电子标签的运动目标和无电子标签的运动目标之间的前后位置关系,实现车辆定位。
Description
技术领域
本发明涉及智能交通领域,特别是涉及一种车辆定位方法、装置及处理器。
背景技术
智能交通,能够为交通参与者提供多样性的服务,是未来交通系统的发展方向,在这种趋势下,ETC(Electronic Toll Collection,电子不停车收费)系统得到广泛应用。
所述ETC系统包括后台系统、车道控制器、RSU(Rate-Sensor Unit,速率传感器装置)和OBU(On board Unit,车载单元)等,它是指车辆在通过收费站时,首先根据预先安装在车辆中的电子标签进行定位,以确定驶入ETC车道的车辆的位置,然后通过车载设备实现车辆信息的识别,并在识别成功后,自动从该车辆绑定的IC卡(Integrated Circuit Card,集成电路卡)或银行账户上扣除相应资金的一种电子收费系统。通过所述ETC系统,通过收费站时不需要人工缴费,也无须停车,高速费将从卡中自动扣除,从而能够实现不停车收费。
但是,发明人在本申请的研究过程中发现,通过ETC系统进行收费时,若进入ETC车道的车辆未安装电子标签,则ETC系统不能识别车道中车辆的前后位置关系,从而无法对车辆实现准确的定位。
发明内容
有鉴于此,本发明的目的在于提供一种车辆定位方法及装置,以解决现有技术中无法对车辆实现准确定位的问题,具体实施方案如下:
一种车辆定位方法,包括:
接收包含有待定位车辆的视频图像;
根据所述视频图像,建立图像坐标系T,并根据ETC车道,建立车道坐标系R;
根据所述图像坐标系T和所述车道坐标系R之间的映射关系,获取所述视频图像中,各个待定位车辆对应的运动目标在所述车道坐标R中的坐标;
通过电子标签定位技术确定具有电子标签的车辆在所述车道坐标系R的坐标,并将其与所述各个运动目标在所述车道坐标系R上的坐标相匹配,确定各个运动目标是否具有电子标签,以及有电子标签的运动目标和无电子标签的运动目标之间的前后位置关系。
优选的,所述获取所述视频图像中,各个待定位车辆对应的运动目标在所述车道坐标系R中的坐标,包括:
获取标定在所述车道坐标系R上,且已知坐标的四个以上的车道标识点,并根据所述图像坐标系T和车道坐标系R的对应关系,获取与所述车道标识点相对应的图像标识点在所述图像坐标系T中的坐标;
根据所述图像标识点在所述图像坐标系T中的坐标,确定各个运动目标在所述图像坐标系T中的运动轨迹方程L;
获取所述图像坐标系T中,所述各个运动目标的质心的坐标;
根据方程L获取所述各个运动目标的质心在所述运动轨迹上的投影点的坐标;
根据所述投影点的坐标确定所述各个运动目标在所述车道坐标系R上的坐标。
优选的,所述根据所述图像标识点在所述图像坐标系T中的坐标,确定各个运动目标在所述图像坐标系T中的运动轨迹方程L,包括:
根据确定所述运动轨迹的斜率k;
优选的,所述获取所述图像坐标系T中,所述各个运动目标的质心坐标包括:
获取各个所述运动目标在所述图像坐标系T中的位置;
对获取到的所述各个运动目标所在的位置进行轮廓提取,确定所述运动目标的轮廓内所包含的像素;
根据所述运动目标的轮廓内所包含的像素进行计算,获取所述运动目标的质心。
优选的,当所述视频图像为灰度图像时,获取所述运动目标的质心的算法为:
其中,(xi,yi)为所述运动目标的轮廓内所包含的像素的坐标;
i为所述像素的个数,当所述轮廓内共有n个像素时,i的取值为0、1、2……n;
mi为第i个像素对应的灰度值;
(xc,yc)为所述运动目标的质心的坐标。
优选的,获取所述运动目标的质心在所述运动轨迹上的投影点的坐标,包括:
获取垂直于L,并通过所述质心的直线对应的直线方程M;
根据L的方程,获取L和M的交点,所述交点即为所述投影点的坐标。
优选的,所述根据所述投影点的坐标确定所述各个运动目标在所述车道坐标系R上的坐标,包括:
获取所述车道坐标系R的原点O'对应在所述图像坐标系T中的图像标识点R0的坐标,并根据各个所述图像标识点在所述图像坐标系T中的坐标,确定所述图像坐标系T中,各个所述图像标识点与R0之间的距离;
根据所述各个图像标识点与R0之间的距离,以及与所述各个图像标识点相对应的标识点在所述车道坐标系R上的坐标,获取方程f(D),其中,D表示所述图像坐标系T中的点与R0的距离,f(D)表示与所述图像坐标系R中的点相对应的车道坐标系T中的点距原点的距离;
根据所述运动目标的投影点的坐标,获取各个所述运动目标的投影点与R0的距离,并根据所述方程f(D),获取各个所述运动目标在所述车道坐标系R上的坐标。
相应的,本发明还公开了一种车辆定位装置,包括:
接收模块,用于接收包含有待定位车辆的视频图像;
坐标系建立模块,用于根据所述视频图像,建立图像坐标系R,并根据ETC车道,建立车道坐标系R;
运动目标坐标确定模块,用于根据所述图像坐标系T和所述车道坐标系R之间的映射关系,获取所述视频图像中,各个待定位车辆对应的运动目标在所述车道坐标R中的坐标;
车辆定位模块,用于通过电子标签定位技术确定具有电子标签的车辆在所述车道坐标系R的坐标,并将其与所述各个运动目标在所述车道坐标系R上的坐标相匹配,确定各个运动目标是否具有电子标签,以及有电子标签的运动目标和无电子标签的运动目标之间的前后位置关系。
优选的,所述运动目标坐标确定模块包括:
图像标识点确定单元,用于获取标定在所述车道坐标系R上,且已知坐标的四个以上的车道标识点,并根据所述图像坐标系T和车道坐标系R的对应关系,获取与所述车道标识点相对应的图像标识点在所述图像坐标系T中的坐标;
轨迹方程确定单元,用于根据所述图像标识点在所述图像坐标系T中的坐标,确定各个运动目标在所述图像坐标系T中的运动轨迹方程L;
质心坐标确定单元,用于获取所述图像坐标系T中,所述各个运动目标的质心的坐标;
投影点坐标确定单元,用于根据方程L获取所述各个运动目标的质心在所述运动轨迹上的投影点的坐标;
运动目标坐标确定单元,用于根据所述投影点的坐标确定所述各个运动目标在所述车道坐标系R上的坐标。
优选的,所述轨迹方程确定单元包括:
优选的,所述质心坐标确定单元包括:
第三子单元,用于获取各个所述运动目标在所述图像坐标系T中的位置;
第四子单元,用于对获取到的所述各个运动目标所在的位置进行轮廓提取,确定所述运动目标的轮廓内所包含的像素;
第五子单元,用于根据所述运动目标的轮廓内所包含的像素进行计算,获取所述运动目标的质心。
优选的,所述投影点坐标确定单元包括:
第六子单元,用于获取垂直于L,并通过所述质心的直线对应的直线方程M;
第七子单元,用于根据L的方程,获取L和M的交点,所述交点即为所述投影点的坐标。
优选的,运动目标坐标确定单元包括:
第八子单元,用于获取所述车道坐标系R的原点O'对应在所述图像坐标系T中的图像标识点R0的坐标,并根据各个所述图像标识点在所述图像坐标系T中的坐标,确定所述图像坐标系T中,各个所述图像标识点与R0之间的距离;
第九子单元,用于根据所述各个图像标识点与R0之间的距离,以及与所述各个图像标识点相对应的标识点在所述车道坐标系R上的坐标,获取方程f(D),其中,D表示所述图像坐标系T中的点与R0的距离,f(D)表示与所述图像坐标系R中的点相对应的车道坐标系T中的点距原点的距离;
第十子单元,根据所述运动目标的投影点的坐标,获取各个所述运动目标的投影点与R0的距离,并根据所述方程f(D),获取各个所述运动目标在所述车道坐标系R上的坐标。
相应的,本发明还公开了一种处理器,
所述处理器的芯片上集成有上述的车辆定位装置。
优选的,
所述处理器设置在ETC系统中的RSU或与所述RSU相连接的后台控制器中。
本发明公开了一种车辆定位方法,首先接收与所述ETC系统相连接的摄像头拍摄的视频图像,所述视频图像中包括有各个待定位车辆,继而建立图像坐标系T,并根据实际的ETC车道,建立相应的车道坐标系R;然后获取所述视频图像中,各个运动目标在所述车道坐标系R中的坐标,其中,各个运动目标对应的是视频图像中的各个待定位车辆,在确定各个运动目标在车道坐标系R上的坐标时,相当于获取了ETC车道中各个待定位车辆的坐标;最后根据电子标签定位技术,确定具有电子标签的车辆在所述车道坐标系R的坐标,并与各个运动目标在所述车道坐标系R上的坐标相匹配,由于之前已经获取了各个待定位车辆的坐标,而通过电子标签定位技术,只能获取具有电子标签的车辆的坐标,通过二者的匹配,从而能够确定各个运动目标是否具有电子标签,以及有电子标签的运动目标和无电子标签的运动目标之间的前后位置关系。
通过上述车辆定位方法,能够监控ETC车道内车辆的运动变化,准确获知ETC车道中行驶的车辆是否安装了电子标签,并能确定设置有电子标签的车辆和没有设置有电子标签的车辆的前后位置关系,从而能够有效防止跟车干扰。
另外,使用本方案公开的车辆定位方法,即使有其他的车辆从旁道插入ETC车道,也能够及时检测出来,并重新确定车辆队列前后位置关系,而且只需在ETC门架上设置于RSU相连接的摄像头即可,实现方式简单,设备安装和维护便利,且不需要对ETC车道进行改动,具有广阔的应用前景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为现有技术公开的一种ETC系统安装示意图;
图2为本发明实施例公开的一种车辆定位方法的工作流程示意图;
图3为本发明实施例公开的一种车辆定位方法中图像坐标系T和车道坐标系R的对应关系示意图;
图4为本发明实施例公开的又一种车辆定位方法的工作流程示意图;
图5为本发明实施例公开的一种车辆定位方法中,获取各个运动目标的质心坐标的工作流程示意图;
图6为本发明实施例公开的一种车辆定位方法中,获取运动目标的质心在运动轨迹上的投影点的坐标工作流程示意图;
图7为本发明实施例公开的一种车辆定位方法中图像坐标系示意图中质心与投影点的对应关系示意图;
图8为本发明实施例公开的一种车辆定位方法中,获取各个运动目标在车道坐标系上的坐标工作流程示意图;
图9为本发明实施例公开的一种车辆定位装置的结构示意图;
图10为本发明实施例公开的一种车辆定位装置中,运动目标确定模块的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
当行驶在ETC车道上的车辆未安装有电子标签,或电子标签出现故障时,现有的ETC系统无法实现对车辆的准确定位。例如,当车辆驶入ETC的交易区域后,若前车未安装电子标签,则ETC系统不能准确判定前车的位置与状态,从而对后面安装有电子标签的车辆扣费,但对前车放行;或者,后车未安装电子标签,ETC系统对前面安装有电子标签的车辆扣费后,同时也对后车放行了,以致发生跟车干扰的情况。
为了解决现有技术中,无法对车辆实现准确定位的问题,本申请公开了一种车辆定位方法,所述车辆定位方法应用于ETC系统中的车辆定位装置上,参见图1所示的ETC系统安装示意图,所述ETC系统可以包括RSU和与所述RSU相连接的后台控制器,所述RSU与摄像头相连接,且所述RSU在ETC门架上。其中,RSU只能感应一定距离内的车辆,这段距离构成的区域通常被称为ETC系统的通信区域。其中,车辆定位装置所在的处理器则可以设置在ETC系统中的RSU上,也可以设置在与所述RSU相连接的后台控制器上。
实施例一
参见图2所示的工作流程示意图,所述车辆定位方法可以包括:
步骤S1、接收包含有待定位车辆的视频图像。
本申请中,设置有与ETC系统相连接的摄像头,用于摄录ETC车道上运行的车辆队列的视频图像。所述摄像头通常安装在ETC门架上,并将摄录获取的视频图像传输至ETC系统中的RSU。
当然,所述摄像头也可以设置在其他位置,只要能够获取到清晰的车辆队列的视频图像即可,本发明对此不做限定。
步骤S2、根据所述视频图像,建立图像坐标系T,并根据ETC车道,建立车道坐标系R。
所述视频图像由像素组成的二维矩阵表示。在本发明中,所述视频图像可以是灰度图像,也可以是彩色图像,本发明不做限定。接收到摄像头传输的视频图像后,其中的每帧图像均为二维图像,可由A×B矩阵表示,其中A与B分别为所述二维图像中行、列的个数。
在根据摄像头获取车辆道路监控状态的视频图像后,与ETC车道的真实场景进行几何建模与坐标映射,建立图像坐标系T和相应的车道坐标系R。
建立图像坐标系T的方法为:选择所述视频图像上的一点为原点O,以所述原点O所在的水平线对应的行为X轴,以通过所述原点O并与所述X轴相垂直的列为Y轴,建立图像坐标系T。为了便于后续的计算,通常选择图像矩阵左下角的顶点为原点。在这种情况下,以图像矩阵原点所在行为X轴,即横轴,以原点所在列为Y轴,即纵轴。
建立车道坐标系R的方法为:以所述RSU垂直映射到ETC车道的位置为原点O',以平行于所述ETC车道并穿过所述原点O'的直线为Y'轴,以垂直于所述Y'轴并穿过所述原点O'的直线为X'轴,建立车道坐标系R。为了直观,根据真实车道的情况建立车道坐标系R,这种情况下,以设置在ETC门架上的RSU垂直映射到ETC车道的位置为原点O',以平行与所述ETC车道并穿过该原点的直线为Y'轴,即纵轴,以垂直于Y'轴并穿过原点O'的直线为X'轴,即横轴。
步骤S3、根据所述图像坐标系T和车道坐标系R之间的映射关系,获取所述视频图像中,各个待定位车辆对应的运动目标在所述车道坐标R中的坐标。
其中,根据拍摄所述视频图像的摄像头所处的位置,以及ETC车道的实际位置间的对应关系,能够获取所述图像坐标系T和所述车道坐标系R之间的映射关系。例如,当所述摄像头安装在ETC门架上时,根据其安装的角度和高度,即能够获取图像坐标系T和车道坐标系R之间的映射关系。
参见图3所示的图像坐标系T和车道坐标系R的对应关系示意图,可知在图像坐标系T和车道坐标系R间的坐标存在一定的映射关系。
步骤S4、通过电子标签定位技术确定具有电子标签的车辆在所述车道坐标系R的坐标,并将其与所述各个运动目标在所述车道坐标系R上的坐标相匹配,确定各个运动目标是否具有电子标签,以及有电子标签的车辆和无电子标签的车辆之间的前后位置关系。
通过电子标签定位技术,能够确定当前时刻,具有电子标签的车辆在所述车道坐标系R中的坐标(x1,y1),(x2,y2),(x3,y3),...,(xS,yS),其中S为ETC车道的通信区域内,具有电子标签的车辆的总数目,其中,S<=K,K为ETC车道内所有车辆的数目。对应到ETC车道的纵轴线,所述具有电子标签的车辆在所述车道坐标系R中的坐标即为(0,y1),(0,y2),(0,y3),...,(0,yS)。
步骤S4中所应用的定位方法,本发明不做限定。通常可采用有源电子标签定位技术,例如有源RFID(Radio Frequency Identification,射频识别)电子标签定位技术。
通过步骤S3能够获取视频图像中各个运动目标在车道坐标系R上的坐标。由于视频图像中的各个运动目标分别对应的是ETC车道上行驶的车辆,因此,通过步骤S3,能够获取所有行驶车辆的坐标。而通过电子标签定位技术获取到的是具有电子标签的运动目标的坐标,即车辆队列中设置有电子标签的车辆的坐标。
在步骤S4中,在通过电子标签定位技术获取到具有电子标签的运动目标,即行驶在ETC车道中的车辆在所述车道坐标系R中的坐标后,将其与步骤S3中获取到的各个待定位车辆的坐标进行匹配。例如,对于某一具有电子标签的车辆,根据获取到的自身的坐标和各个运动目标在车道坐标系R上的坐标,获取其与各个运动目标的距离,采用最短距离则匹配的方法,即能获取电子标签车辆与各个运动目标中的匹配车辆,进而能够确定具有电子标签的车辆、无电子标签的车辆和各个车辆之间的前后位置关系。
本发明公开了一种车辆定位方法,首先接收与所述ETC系统相连接的摄像头拍摄的视频图像,所述视频图像中包括有各个待定位车辆,继而建立图像坐标系T,并根据实际的ETC车道,建立相应的车道坐标系R;然后获取所述视频图像中,各个运动目标在所述车道坐标系R中的坐标,其中,各个运动目标对应的是视频图像中的各个待定位车辆,在确定各个运动目标在车道坐标系R上的坐标时,相当于获取了ETC车道中各个待定位车辆的坐标;最后根据电子标签定位技术,确定具有电子标签的车辆在所述车道坐标系R的坐标,并与各个运动目标在所述车道坐标系R上的坐标相匹配,由于之前已经获取了各个待定位车辆的坐标,而通过电子标签定位技术,只能获取具有电子标签的车辆的坐标,通过二者的匹配,从而能够确定各个运动目标是否具有电子标签,以及有电子标签的运动目标和无电子标签的运动目标之间的前后位置关系。
通过上述车辆定位方法,能够监控ETC车道内车辆的运动变化,准确获知ETC车道中行驶的车辆是否安装了电子标签,并能确定设置有电子标签的车辆和没有设置有电子标签的车辆的前后位置关系,从而能够实现对车辆的准确定位。
另外,使用本方案公开的车辆定位方法,即使有其他的车辆从旁道插入ETC车道,也能够及时检测出来,并重新确定车辆队列前后位置关系,有效的防止跟车干扰,而且只需设置与RSU相连接的摄像头即可,实现方式简单,设备安装和维护便利,且不需要对ETC车道进行改动,具有广阔的应用前景。
实施例二
本发明还公开了一种车辆定位方法,参见图4所示的工作流程示意图,所述车辆定位方法可以包括:
步骤S11、接收包含有待定位车辆的视频图像。
步骤S12、根据所述视频图像,建立图像坐标系T,并根据ETC车道,建立车道坐标系R。
其中,步骤S11和步骤S12的具体实施方式,与步骤S1和步骤S2相同,对此不再赘述。
步骤S13、获取标定在所述车道坐标系R上且已知坐标的四个以上的车道标识点,并根据所述图像坐标系T和车道坐标系R的对应关系,获取与所述标识点相对应的图像标识点在所述图像坐标系T中的坐标。
参见图3所示的图像坐标系T和车道坐标系R的对应关系示意图,可知在获取车道坐标系R中的车道标识点后,根据所述摄像头安装实际位置,获取图像坐标系T和车道坐标系R之间的映射关系,能够获取与其相对应的图像标识点的坐标。
例如,在图3中,标定在所述车道坐标系R中的一组标识点为(0,1),(0,2),(0,3),(0,4),...,(0,P),为了便于计算,通常P选为正整数,对此本发明不做限定。另外,P的值要小于最大通信距离。
由于摄像装置的安装位置是固定的,而且车道坐标系R是根据真实车道建立的,据此能够获取所述车道坐标系R中的车道标识点对应在所述图像坐标系T中的坐标。参见图3,在所述图像坐标系T中对应的图像标识点为R1,R2,R3,R4,对应于原点O'的图像标识点为R0,根据所述摄像头安装的位置,获取车道坐标系R和图像坐标T的映射关系,即可获取R0和R1,R2,R3,R4的坐标。
步骤S14、根据所述图像标识点在所述图像坐标系T中的坐标,确定各个运动目标在所述图像坐标系T中的运动轨迹方程L。
确定所述运动轨迹方程L的方法如下:
首先,根据图像坐标系T中,已知坐标的图像标识点确定所述运动轨迹的斜率k。
步骤S15、获取所述图像坐标系T中,所述各个运动目标的质心坐标,并根据方程L获取所述各个运动目标的质心在所述运动轨迹上的投影点的坐标,根据所述投影点的坐标确定所述各个运动目标在所述车道坐标系R上的坐标。
在获取到摄像头传输的视频图像后,通常根据图像运动目标检测算法,即能够获取图像中各个运动目标的轮廓,继而根据该轮廓获取所述各个运动目标的质心坐标,根据方程L能够获取各个运动目标的质心在所述运动轨迹上的投影点的坐标。
所述运动目标的质心在所述运动轨迹上的投影点的坐标,对应在所述车道坐标系R上,得到的即为该运动目标沿车道轴线在车辆队列中的位置。
通过步骤S15的操作,本申请首先获取视频图像中运动目标的质心坐标,继而获取所述各个运动目标的质心在所述运动轨迹上的投影点的坐标,将所述投影点的坐标映射至车道坐标系R中,即获取所述运动目标在车道轴线中的位置坐标。
步骤S16、通过电子标签定位技术确定具有电子标签的车辆在所述车道坐标系R的坐标,并将其与所述各个运动目标在所述车道坐标系R上的坐标相匹配,确定各个运动目标是否具有电子标签,以及有电子标签的车辆和无电子标签的车辆之间的前后位置关系。
其中,步骤S16所公开的方法与实施例一中步骤S4所公开的方法相同,对此不在赘述。
本发明实施例二所公开的车辆定位方法,首先接收与所述ETC系统相连接的摄像头拍摄的视频图像,所述视频图像中包括有各个待定位车辆,继而建立图像坐标系T,并根据实际的ETC车道,建立相应的车道坐标系R;然后获取所述车道坐标系R上,已知坐标的四个以上的车道标识点,并根据摄像头安装的位置,获取车道坐标系R和图像坐标系T间的对应关系,获取所述车道标识点对应于所述图像坐标系T的图像标识点的坐标;根据所述图像标识点的坐标,获取运动目标在图像坐标系T中的运动轨迹方程L、各运动目标的质心坐标,据此获取质心在运动轨迹上的投影点的坐标,确定各个运动目标在车道坐标系R上的坐标,其中,各个运动目标对应的是视频图像中的各个待定位车辆,在确定各个运动目标在车道坐标系R上的坐标时,相当于获取了ETC车道中各个待定位车辆的坐标;最后根据电子标签定位技术,确定具有电子标签的车辆在所述车道坐标系R的坐标,并与各个运动目标在所述车道坐标系R上的坐标相匹配,由于之前已经获取了各个待定位车辆的坐标,而通过电子标签定位技术,只能获取具有电子标签的车辆的坐标,通过二者的匹配,从而能够确定各个运动目标是否具有电子标签,以及有电子标签的运动目标和无电子标签的运动目标之间的前后位置关系。
进一步的,参见图5所示的工作流程示意图,步骤S15中公开的所述获取所述图像坐标系T中,所述各个运动目标的质心坐标包括:
步骤S151、获取各个所述运动目标在所述图像坐标系T中的位置。
本申请所公开的车辆定位方法,通常采用图像运动目标检测算法检测当前时刻,ETC通信区域内各个运动目标,即行驶在ETC车道上的车辆的位置。其中,所述图像运动目标检测算法包括多种算法,本方案以背景差分法为例进行说明。
背景差分法的目的在于,先建立背景图像,当获取新图像后,用新图像减去背景图像,得到新图像与背景图像的区别,该区别能够表示新增加的运动目标。例如,背景图像中存在B车辆,当车辆驾驶A进入背景图像后,新图像中的车辆为(A+B),用新的图像(A+B)减去背景图像,即A+B-B=A,既得车辆A,说明所述车辆A为新驶入ETC车道的车辆。
摄像头传输的视频图像是以帧的形式录制与播放的。通过对上一时刻的背景图像与当前时刻的新图像进行加权平均,即可获取背景图像。其中加权值a一般根据现场实际图像质量设置,一般设置为0.03-0.1之间。初始的背景图像可为某时刻无车辆进入情况下的图像帧。假设背景图像由B(t)=α×I(t)+(1-a)×B(t-1)表示,I(t)为当前时刻图像,则差分图像为DF(t)=I(t)-B(t),据此,可获取各个运动目标在图像坐标系T中的位置。
步骤S152、对获取到的所述各个运动目标所在的位置进行轮廓提取,确定所述运动目标的轮廓内所包含的像素。
当确定运动目标的轮廓后,进行轮廓提取,进而可确定每个运动目标的轮廓内所包含的像素。
步骤S153、根据所述运动目标的轮廓内所包含的像素进行计算,获取所述运动目标的质心。
以灰度为例,根据所述像素,计算获取运动目标的质心的算法为:假设在图像坐标系T中,某一运动目标轮廓所包含的某一像素坐标为(xi,yi),则该运动目标在图像坐标系T中的质心的横坐标和纵坐标分别为:
其中,(xi,yi)为所述运动目标的轮廓内所包含的像素的坐标,i为所述运动目标的轮廓内像素的个数,当所述轮廓内共有n个像素时,i的取值为0、1、2......n,mi为第i个像素对应的灰度值,(xc,yc)为所述运动目标的质心的坐标。
根据步骤S151至步骤S153的操作,能够获取在图像坐标系R中,各个运动目标的质心的坐标。
进一步的,参见图6所示的工作流程示意图,步骤S15中,获取所述运动目标的质心在所述运动轨迹上的投影点的坐标,包括:
步骤S154、获取垂直于L,并通过所述质心的直线对应的直线方程M。
步骤S155、获取L和M的交点,所述交点即为所述投影点的坐标。
其中,L的方程为: M的方程为 时,解二元一次方程组,即可知所述交点为:
其中,xJ为所述交点的横坐标,yJ为所述交点的纵坐标,即(xJ,yJ)为L和M的交点坐标,也就是所述运动目标的质心在所述运动轨迹上的投影点的坐标,将所述投影点的坐标对应在车道坐标系R上就是该运动目标沿车道轴线在车辆队列中的位置。
参见图7所示的图像坐标系T中质心与投影点的对应关系示意图,其中,运动目标的质心为点C,根据上述步骤,车道轴线L和车道轴线L的垂线交点为点J,即为所述投影点的坐标。
进一步的,参见图8所示的工作流程示意图,在步骤S15中,根据所述投影点的坐标确定所述各个运动目标在所述车道坐标系R上的坐标,包括:
步骤S156、获取所述车道坐标系R的原点O'对应在所述图像坐标系T中的图像标识点R0的坐标,并根据各个所述图像标识点在所述图像坐标系T中的坐标,确定所述图像坐标系T中,各个所述图像标识点与R0之间的距离。
假设所述车道坐标系R的原点为O',映射在所述图像坐标系T中的图像标识点为R0。根据ETC车道的真实场景,以及摄像头安装的角度和高度,能够获取R0的坐标。
其中,所述图像标识点为所述图像坐标系T中已知坐标的点,根据所述图像标识点和点R0的坐标,能够确定各个图像标识点与R0之间的距离。
步骤S157、根据所述各个图像标识点与R0之间的距离,以及与所述各个图像标识点相对应的标识点在所述车道坐标系R上的坐标,获取方程f(D),其中,D表示所述图像坐标系T中的点与R0的距离,f(D)表示与所述图像坐标系R中的点相对应的车道坐标系T中的点距原点的距离。
步骤S158、根据所述运动目标的投影点的坐标,获取各个所述运动目标的投影点与R0的距离,并根据所述方程f(D),获取各个所述运动目标在所述车道坐标系R上的坐标。
参见图3,假设图3中,标定在所述图像坐标系T中的各个图像标识点分别为R1,R2,R3,R4至Rp,根据各点的坐标以及点R0的坐标,获取各个图像标识点到Ro的距离D1,D2,D3,...,Dp。由于f(D1),f(D2),f(D3),...,f(Dp)对应的值分别为与点R1,R2,R3,R4至Rp相对应的车道坐标系T中的点距原点的距离。
令P=f(D)=αD3+βD2+γD+η,将已知的D1,D2,D3,...,Dp的值和f(D1),f(D2),f(D3),...,f(Dp)的值代入,由最小二乘法可得参数值α,β,γ,η,从而能够获取f(D)的方程。
根据所述车道坐标系T中的点距原点的距离,再参照所述车道坐标系T,即能够确定与所述图像坐标系中的点相对应的,位于车道坐标系T中的点的坐标。例如,参见图3中的示例,求得R1与R0间的距离为D1,将D1的值代入f(D)中,获取f(D1)的值,f(D1)为点R1映射在车道坐标系R上的点距离原点O'的距离,即为该点的纵坐标值,该点的坐标即为(0,f(D1))。按照该算法可知,车道坐标系中车道轴线上各车辆的坐标分别为(0,f(D0)),(0,f(D1)),(0,f(D2)),...,(0,f(DK)),其中,K为ETC车道上的车辆队列中,车辆的总个数。
根据所述运动目标的投影点的坐标,获取各个所述运动目标的投影点与R0的距离,并将该距离值代入公式f(D)=αD3+βD2+γD+η,即能够获取所述各个运动目标在所述车道坐标系R上的坐标。
另外,上文中应用的公式f(D)=αD3+βD2+γD+η为申请人便于说明,所举得一个例子。根据插值原理,任意一维曲线都可用一元多项式插值进行平滑,获取其对应的函数。一般的插值方式为,先画出原有离散点的散布图,再根据散布图中点的趋势确定多项式的类型,可以用三次样条插值,多项式插值,分段插值等方法。本方案中,列举了一个一元三次多项式的例子,但也可以根据插值原理,获取其他的函数,本申请对此不做限定。
根据步骤S156到步骤S158的操作,能够根据图像坐标系T中的各运动目标的质心的投影点的坐标,与车道坐标系R相映射,获得各个运动目标在所述车道坐标R上的坐标。
通过上述方法,获取各个运动目标,即行驶在ETC车道中的车辆在车道坐标系R上的坐标。之后,通过电子标签定位技术,能够获取具有电子标签的车辆在所述车道坐标系R的坐标。将具有电子标签的车辆的坐标与各个车辆的坐标相匹配,即能确定各个运动目标是否具有电子标签,以及有电子标签的运动目标和无电子标签的运动目标之间的前后位置关系。
为了找出具有电子标签的车辆与步骤S15中获取到的ETC车道中各个车辆的对应关系,通常采用最短距离匹配的方式。假设根据电子标签定位技术,确定某一具有电子标签的车辆坐标为(0,ys),则其到车道坐标系中的各个车辆的距离分别为:|ys-f(D1)|,|ys-f(D2)|,|ys-f(D3)|,...,|ys-f(DK)|。对于所有设置有电子标签的车辆,可得到其与ETC车道上车辆队列中的各个车辆的距离矩阵为:
其中匹配对指的是在获取到多个运动目标a1,a2,a3后,搜寻与之配对的根据电子标签定位技术确定的车辆b1,b2,b3,其中b1,b2,b3均为设置有电子标签的车辆。原则上距离越近的一对为一个配对,其中表示的是选出的配对组合,这个组合的所有|ys-f(D1)|,|ys-f(D2)|,|ys-f(D3)|,...,|ys-f(DK)|之和最小。
采用最短路径算法,如Shortest Path Algorithm可计算实现匹配。但是,由于设置有电子标签的车辆具有前后顺序,为防止匹配后,电子标签车辆不具有原有顺序,则加重不具有原有顺序的匹配对距离。也就是说,根据计算可获知ys与f(Di)间的距离最短,则说明(0,ys)对应的具有电子标签的车辆与ETC车道中(0,f(Di))对应的车辆相匹配。
获取匹配对后,根据摄像头传输的视频图像,查看设置有电子标签的车辆是否具有原有顺序,若具有原有顺序,则说明坐标为(0,f(Di))的车辆为具有电子标签的车辆。否则,说明存在错乱的车辆配对,即(0,yi)匹配的车辆为(0,f(Dk1)),(0,yj)匹配的车辆为(0,f(Dk2)),但是yi<yj,Dk1>Dk2。
若某一匹配对匹配后,具有电子标签的车辆的顺序与原有顺序不同,则针对存在顺序错乱的车辆,对其在距离矩阵中原距离|ys-f(Di)|加上一个权重值σ,如0.5,获取到|yi-f(Dk1)|+σ,|yj-f(Dk2)|+σ,则该距离在距离矩阵中的值变大,再重复使用最短路径算法,选取距离最短的匹配对。之后再次判断设置有电子标签的车辆顺序是否变化,直至所述设置有电子标签的车辆的顺序和原有顺序是一样的。
当根据上述公开的匹配方式获取匹配对后,ETC车道内其余剩余的其他车辆即为未设置电子标签的车辆,则能够确定ETC车道上车辆队列中,哪些车辆设置有电子标签,哪些未设置有电子标签,以及各个车辆之间的前后位置关系。据此,可准确对设置有电子标签的车辆放行,对未设置有电子标签的车辆进行拦截,或进行其他人工处理,避免跟车干扰。
为了更清楚的描述本方案介绍车辆定位方法,公开了三个具体的实例。在这三个例子中,建立图像坐标系T的方法为:选择图像矩阵左下角的顶点为原点O,以所述原点O所在的水平线对应的行为X轴,以通过所述原点O并与所述X轴相垂直的列为Y轴;建立车道坐标系R的方法为:根据ETC车道的真实场景建立车道坐标系R,以设置在ETC门架上的RSU垂直映射到ETC车道的位置为原点O',以平行于所述ETC车道并穿过所述原点O'的直线,即车道轴线为Y'轴,以垂直于所述Y'轴并穿过所述原点O'的直线为X'轴,建立车道坐标系R。
实例一:
1、车道坐标系R中,标定ETC车道的轴线上的车道标识点的坐标为(0,0),(0,1),(0,2),(0,3),(0,4),(0,5),相应的各个车道标识点距离原点的距离为0,1,2,3,4,5,摄像头安装在ETC门架上,根据摄像头安装的角度和高度,对应到图像坐标系T中,与其相应的各个图像标识点到点Ro的距离为0,1,1.94,2.69,3.11。
2、根据最小二乘法,可获取关于f(D)的多项式为:f(D)=0.1254D3-0.3986D2+1.3059D-0.0056。
3、根据已知坐标的图像标识点的坐标可知,各车辆在图像坐标系T中的运动轨迹方程L,即ETC车道中的车道轴线映射在图像坐标系T中后,其斜率为-0.78,由图像运动物体检测所得运动目标之一的质心为(2.91,5.77),R0在图像坐标系中的坐标为(1.37,4.39)。则交点J的坐标经计算为:
交点J到R0的距离为:
f(D)=0.1254*(0.3685)3-0.3986*(0.3685)2+1.3059*0.3685-0.0056=0.4278,则其坐标为a1(0,0.4278)。
4、按照上述公开的算法继续计算,获取三个运动目标,即行驶在ETC车道中的车辆在车道坐标系R中的坐标,分别为a1(0,0.4278),a2(0,3.2356)和a3(0,4.4432)。
5、根据电子标签定位技术,获取在通信区域内存在两个设置有电子标签的车辆坐标,分别为b1(0.25,4.60),b2(0.05,0.33)。
a1 | a2 | a3 | |
b1 | 4.1722 | 1.3644 | 0.1568 |
b2 | 0.0978 | 2.9056 | 4.1132 |
最短路径是D(a1,b2)+D(a3,b1)=0.1568+0.0978=0.2564
则a1与b2相匹配,a3与b1相匹配,a1(b2),a3(b1)为有标签车辆,a2为无标签车辆,且车辆队列前后关系建立。
最终获取的车辆队列关系为:有(电子标签),无(电子标签),有(电子标签)。
实例二:
在本例中,前4个步骤及数据和实例一相同,但是在第5个步骤中,通过电子标签定位技术获取到的设置有电子标签的车辆的坐标分别为B1(0.25,4.60),B2(0.05,2.98)。
a1 | a2 | a3 | |
B1 | 4.1722 | 1.3644 | 0.1568 |
B2 | 2.5522 | 0.2556 | 1.4632 |
最短路径是D(a2,B2)+D(a3,B1)=0.2556+0.1568=0.4124
则a2(B2),a3(B1)为有标签车辆,a1为无标签车辆,车辆队列前后关系建立。
最终获取的车辆队列关系为:无(电子标签),有(电子标签),有(电子标签)。
实施例三:
在本例中,前4个步骤和实例一及实例二相同,但计算获取到的数据为:
A1 | A2 | A3 | |
B1 | 4.1722 | 0.3322 | 0.1568 |
B2 | 2.5522 | 0.2556 | 0.2890 |
其中,B1和B2为通过电子定位标签获取到的车辆,B1在前,B2在后;视频图像中,各运动目标分别为A1,A2和A3,其中,A1在前。
经计算,最短路径是D(A2,B2)+D(A3,B1)=0.2556+0.1568=0.4124
匹配后,A3在A2之前,与原有顺页序相反,则说明出现了车辆配对错乱的情况,增加D(A2,B2)与D(A3,B1)的距离,即为这两个距离增加权重,如选择权重为0.2,D’(A2,B2)=D(A2,B2)+0.2=0.4556,则如下表:
A1 | A2 | A3 | |
B1 | 4.1722 | 0.3322 | 0.3568 |
B2 | 2.5522 | 0.4556 | 0.2890 |
则根据上表,获取到的新的最短路径是D(A3,B2)+D(A2,B1)=0.3322+0.2890=0.6212
从而正确得出具有原有顺序的匹配对,且能够确定A3和A2为设置有电子标签的车辆。
本申请公开的车辆定位方法,通过对无标签车辆与有标签车辆进行定位并建立前后位置关系,实现了车辆前后位置的有效识别,即使其他车辆从旁道插入本ETC车道后,也能够及时确定其是否安装有电子标签,以及其在车辆队列中所在的位置,从而杜绝了跟车干扰。
相应的,本发明还公开了一种车辆定位装置,参见图9所示的结构示意图,所述车辆定位装置包括:接收模块11、坐标系建立模块12、运动目标坐标确定模块13和车辆定位模块14,其中,
所述接收模块11,用于接收包含有待定位车辆的视频图像;
所述坐标系建立模块12,用于根据所述视频图像,建立图像坐标系R,并根据ETC车道,建立车道坐标系R;
所述运动目标坐标确定模块13,用于根据所述图像坐标系T和所述车道坐标系R之间的映射关系,获取所述视频图像中,各个待定位车辆对应的运动目标在所述车道坐标R中的坐标;
所述车辆定位模块14,用于通过电子标签定位技术确定具有电子标签的车辆在所述车道坐标系R的坐标,并将其与所述各个运动目标在所述车道坐标系R上的坐标相匹配,确定各个运动目标是否具有电子标签,以及有电子标签的运动目标和无电子标签的运动目标之间的前后位置关系。
本发明公开了一种车辆定位装置,在接收摄像头拍摄的包括各个待定位车辆的视频图像后,建立图像坐标系T,并根据实际的ETC车道,建立相应的车道坐标系R;然后根据所述图像坐标系T和所述车道坐标系R之间的映射关系,获取所述视频图像中,各个待定位车辆对应的运动目标在所述车道坐标R中的坐标,其中,各个运动目标对应的是视频图像中的各个待定位车辆,在确定各个运动目标在车道坐标系R上的坐标时,相当于获取了ETC车道中各个待定位车辆的坐标;最后根据电子标签定位技术,确定具有电子标签的车辆在所述车道坐标系R的坐标,并与各个运动目标在所述车道坐标系R上的坐标相匹配,由于之前已经获取了各个待定位车辆的坐标,而通过电子标签定位技术,只能获取具有电子标签的车辆的坐标,通过二者的匹配,从而能够确定各个运动目标是否具有电子标签,以及有电子标签的运动目标和无电子标签的运动目标之间的前后位置关系。
通过上述车辆定位装置,能够监控ETC车道内车辆的运动变化,准确获知ETC车道中行驶的车辆是否安装了电子标签,并能确定设置有电子标签的车辆和没有设置有电子标签的车辆的前后位置关系,从而实现对车辆的准确定位。
另外,使用本方案公开的车辆定位装置,即使有其他的车辆从旁道插入ETC车道,也能够及时检测出来,并重新确定车辆队列前后位置关系,,有效的防止跟车干扰,而且只需设置与RSU相连接的摄像头即可,实现方式简单,设备安装和维护便利,且不需要对ETC车道进行改动,具有广阔的应用前景。
进一步的,参见图10所示的结构示意图,所述运动目标坐标确定模块13包括:图像标识点确定单元131、轨迹方程确定单元132、质心坐标确定单元133、投影点坐标确定单元134和运动目标坐标确定单元135,其中,
所述图像标识点确定单元131,用于获取标定在所述车道坐标系R上,且已知坐标的四个以上的车道标识点,并根据所述图像坐标系T和车道坐标系R的对应关系,获取与所述车道标识点相对应的图像标识点在所述图像坐标系T中的坐标;
所述轨迹方程确定单元132,用于根据所述图像标识点在所述图像坐标系T中的坐标,确定各个运动目标在所述图像坐标系T中的运动轨迹方程L;
所述质心坐标确定单元133,用于获取所述图像坐标系T中,所述各个运动目标的质心的坐标;
所述投影点坐标确定单元134,用于根据方程L获取所述各个运动目标的质心在所述运动轨迹上的投影点的坐标;
所述运动目标坐标确定单元135,用于根据所述投影点的坐标确定所述各个运动目标在所述车道坐标系R上的坐标。
进一步的,所述轨迹方程确定单元132包括:
进一步的,所述质心坐标确定单元133包括:
第三子单元,用于获取各个所述运动目标在所述图像坐标系T中的位置;
第四子单元,用于对获取到的所述各个运动目标所在的位置进行轮廓提取,确定所述运动目标的轮廓内所包含的像素;
第五子单元,用于根据所述运动目标的轮廓内所包含的像素进行计算,获取所述运动目标的质心。
进一步的,所述投影点坐标确定单元134包括:
第六子单元,用于获取垂直于L,并通过所述质心的直线对应的直线方程M;
当L的方程为时,根据直线的垂直关系可知,确定所述M的算法为:
第七子单元,用于根据L的方程,获取L和M的交点,所述交点即为所述投影点的坐标。
所述交点(xJ,yJ)即为所述投影点的坐标,
其中,(xc,yc)为所述运动目标的质心的坐标。
进一步的,所述运动目标坐标确定单元135包括:
第八子单元,用于获取所述车道坐标系R的原点O'对应在所述图像坐标系T中的图像标识点R0的坐标,并根据各个所述图像标识点在所述图像坐标系T中的坐标,确定所述图像坐标系T中,各个所述图像标识点与R0之间的距离;
第九子单元,用于根据所述各个图像标识点与R0之间的距离,以及与所述各个图像标识点相对应的标识点在所述车道坐标系R上的坐标,获取方程f(D),其中,D表示所述图像坐标系T中的点与R0的距离,f(D)表示与所述图像坐标系R中的点相对应的车道坐标系T中的点距原点的距离;
第十子单元,根据所述运动目标的投影点的坐标,获取各个所述运动目标的投影点与R0的距离,并根据所述方程f(D),获取各个所述运动目标在所述车道坐标系R上的坐标。
相应的,本发明还公开了一种处理器,所述处理器的芯片上集成有上述的车辆定位装置。也就是说,所述处理器的芯片上集成的车辆定位装置包括:接收模块11、坐标系建立模块12、运动目标坐标确定模块13和车辆定位模块14。
其中,所述处理器为设置在ETC系统中的RSU或与所述RSU相连接的后台控制器中。
在实际应用中,当所述处理器设置在RSU中时,在接收到摄像头传输的视频图像后,RSU分别建立图像坐标系T和车道坐标系R,并根据所述图像坐标系T和车道坐标系R,确定各个运动目标是否具有电子标签,以及有电子标签的运动目标和无电子标签的运动目标之间的前后位置关系。
当所述处理器设置在后台控制器中时,RSU在接收到所述摄像头传输的视频图像后,将其传输至后台控制器,所述后台控制器在接收到所述视屏图像后,确定各个运动目标是否具有电子标签,以及有电子标签的运动目标和无电子标签的运动目标之间的前后位置关系。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (15)
1.一种车辆定位方法,其特征在于,包括:
接收包含有待定位车辆的视频图像;
根据所述视频图像,建立图像坐标系T,并根据ETC车道,建立车道坐标系R;
根据所述图像坐标系T和所述车道坐标系R之间的映射关系,获取所述视频图像中,各个待定位车辆对应的运动目标在所述车道坐标R中的坐标;
通过电子标签定位技术确定具有电子标签的车辆在所述车道坐标系R的坐标,并将其与所述各个运动目标在所述车道坐标系R上的坐标相匹配,确定各个运动目标是否具有电子标签,以及有电子标签的运动目标和无电子标签的运动目标之间的前后位置关系。
2.根据权利要求1所述的方法,其特征在于,所述获取所述视频图像中,各个待定位车辆对应的运动目标在所述车道坐标系R中的坐标,包括:
获取标定在所述车道坐标系R上,且已知坐标的四个以上的车道标识点,并根据所述图像坐标系T和车道坐标系R的对应关系,获取与所述车道标识点相对应的图像标识点在所述图像坐标系T中的坐标;
根据所述图像标识点在所述图像坐标系T中的坐标,确定各个运动目标在所述图像坐标系T中的运动轨迹方程L;
获取所述图像坐标系T中,所述各个运动目标的质心的坐标;
根据方程L获取所述各个运动目标的质心在所述运动轨迹上的投影点的坐标;
根据所述投影点的坐标确定所述各个运动目标在所述车道坐标系R上的坐标。
4.根据权利要求2所述的方法,其特征在于,所述获取所述图像坐标系T中,所述各个运动目标的质心坐标包括:
获取各个所述运动目标在所述图像坐标系T中的位置;
对获取到的所述各个运动目标所在的位置进行轮廓提取,确定所述运动目标的轮廓内所包含的像素;
根据所述运动目标的轮廓内所包含的像素进行计算,获取所述运动目标的质心。
5.根据权利要求4所述的方法,其特征在于,当所述视频图像为灰度图像时,获取所述运动目标的质心的算法为:
其中,(xi,yi)为所述运动目标的轮廓内所包含的像素的坐标;
i为所述像素的个数,当所述轮廓内共有n个像素时,i的取值为0、1、2……n;
mi为第i个像素对应的灰度值;
(xc,yc)为所述运动目标的质心的坐标。
6.根据权利要求2所述的方法,其特征在于,获取所述运动目标的质心在所述运动轨迹上的投影点的坐标,包括:
获取垂直于L,并通过所述质心的直线对应的直线方程M;
根据L的方程,获取L和M的交点,所述交点即为所述投影点的坐标。
7.根据权利要求2所述的方法,其特征在于,所述根据所述投影点的坐标确定所述各个运动目标在所述车道坐标系R上的坐标,包括:
获取所述车道坐标系R的原点O'对应在所述图像坐标系T中的图像标识点R0的坐标,并根据各个所述图像标识点在所述图像坐标系T中的坐标,确定所述图像坐标系T中,各个所述图像标识点与R0之间的距离;
根据所述各个图像标识点与R0之间的距离,以及与所述各个图像标识点相对应的标识点在所述车道坐标系R上的坐标,获取方程f(D),其中,D表示所述图像坐标系T中的点与R0的距离,f(D)表示与所述图像坐标系R中的点相对应的车道坐标系T中的点距原点的距离;
根据所述运动目标的投影点的坐标,获取各个所述运动目标的投影点与R0的距离,并根据所述方程f(D),获取各个所述运动目标在所述车道坐标系R上的坐标。
8.一种车辆定位装置,其特征在于,包括:
接收模块,用于接收包含有待定位车辆的视频图像;
坐标系建立模块,用于根据所述视频图像,建立图像坐标系R,并根据ETC车道,建立车道坐标系R;
运动目标坐标确定模块,用于根据所述图像坐标系T和所述车道坐标系R之间的映射关系,获取所述视频图像中,各个待定位车辆对应的运动目标在所述车道坐标R中的坐标;
车辆定位模块,用于通过电子标签定位技术确定具有电子标签的车辆在所述车道坐标系R的坐标,并将其与所述各个运动目标在所述车道坐标系R上的坐标相匹配,确定各个运动目标是否具有电子标签,以及有电子标签的运动目标和无电子标签的运动目标之间的前后位置关系。
9.根据权利要求8所述的装置,其特征在于,所述运动目标坐标确定模块包括:
图像标识点确定单元,用于获取标定在所述车道坐标系R上,且已知坐标的四个以上的车道标识点,并根据所述图像坐标系T和车道坐标系R的对应关系,获取与所述车道标识点相对应的图像标识点在所述图像坐标系T中的坐标;
轨迹方程确定单元,用于根据所述图像标识点在所述图像坐标系T中的坐标,确定各个运动目标在所述图像坐标系T中的运动轨迹方程L;
质心坐标确定单元,用于获取所述图像坐标系T中,所述各个运动目标的质心的坐标;
投影点坐标确定单元,用于根据方程L获取所述各个运动目标的质心在所述运动轨迹上的投影点的坐标;
运动目标坐标确定单元,用于根据所述投影点的坐标确定所述各个运动目标在所述车道坐标系R上的坐标。
11.根据权利要求9所述的装置,其特征在于,所述质心坐标确定单元包括:
第三子单元,用于获取各个所述运动目标在所述图像坐标系T中的位置;
第四子单元,用于对获取到的所述各个运动目标所在的位置进行轮廓提取,确定所述运动目标的轮廓内所包含的像素;
第五子单元,用于根据所述运动目标的轮廓内所包含的像素进行计算,获取所述运动目标的质心。
12.根据权利要求9所述的装置,其特征在于,所述投影点坐标确定单元包括:
第六子单元,用于获取垂直于L,并通过所述质心的直线对应的直线方程M;
第七子单元,用于根据L的方程,获取L和M的交点,所述交点即为所述投影点的坐标。
13.根据权利要求9所述的装置,其特征在于,运动目标坐标确定单元包括:
第八子单元,用于获取所述车道坐标系R的原点O'对应在所述图像坐标系T中的图像标识点R0的坐标,并根据各个所述图像标识点在所述图像坐标系T中的坐标,确定所述图像坐标系T中,各个所述图像标识点与R0之间的距离;
第九子单元,用于根据所述各个图像标识点与R0之间的距离,以及与所述各个图像标识点相对应的标识点在所述车道坐标系R上的坐标,获取方程f(D),其中,D表示所述图像坐标系T中的点与R0的距离,f(D)表示与所述图像坐标系R中的点相对应的车道坐标系T中的点距原点的距离;
第十子单元,根据所述运动目标的投影点的坐标,获取各个所述运动目标的投影点与R0的距离,并根据所述方程f(D),获取各个所述运动目标在所述车道坐标系R上的坐标。
14.一种处理器,其特征在于,
所述处理器的芯片上集成有权利要求8到权利要求12任一项所述的车辆定位装置。
15.根据权利要求14所述的处理器,其特征在于,
所述处理器设置在ETC系统中的RSU或与所述RSU相连接的后台控制器中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310247562.1A CN103729892B (zh) | 2013-06-20 | 2013-06-20 | 车辆定位方法、装置及处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310247562.1A CN103729892B (zh) | 2013-06-20 | 2013-06-20 | 车辆定位方法、装置及处理器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103729892A true CN103729892A (zh) | 2014-04-16 |
CN103729892B CN103729892B (zh) | 2016-06-29 |
Family
ID=50453953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310247562.1A Active CN103729892B (zh) | 2013-06-20 | 2013-06-20 | 车辆定位方法、装置及处理器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103729892B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574540A (zh) * | 2014-12-24 | 2015-04-29 | 北京速通科技有限公司 | 电子不停车收费系统及方法 |
CN104835173A (zh) * | 2015-05-21 | 2015-08-12 | 东南大学 | 一种基于机器视觉的定位方法 |
CN105654558A (zh) * | 2015-12-28 | 2016-06-08 | 深圳市捷顺科技实业股份有限公司 | 一种停车场车辆管理系统及方法 |
CN106875530A (zh) * | 2017-03-03 | 2017-06-20 | 国网山东省电力公司泰安供电公司 | 一种用于库房门的自动挡鼠系统及在库房门处自动挡鼠的方法 |
CN107578483A (zh) * | 2017-08-21 | 2018-01-12 | 深圳市金溢科技股份有限公司 | 一种电子不停车收费交易方法、服务器及系统 |
CN109426791A (zh) * | 2017-09-01 | 2019-03-05 | 深圳市金溢科技股份有限公司 | 一种多站点多元车辆匹配方法、服务器及系统 |
CN109613920A (zh) * | 2018-12-27 | 2019-04-12 | 睿驰达新能源汽车科技(北京)有限公司 | 一种确定车辆位置的方法及装置 |
CN109636045A (zh) * | 2018-12-17 | 2019-04-16 | 杭州电子科技大学 | 基于蚁群算法求解泰森多边形最短路径的车辆拦截方法 |
CN109791736A (zh) * | 2016-09-28 | 2019-05-21 | 本田技研工业株式会社 | 车辆控制装置 |
CN110164135A (zh) * | 2019-01-14 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种定位方法、定位装置及定位系统 |
CN110213488A (zh) * | 2019-06-06 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 一种定位方法及相关设备 |
CN111065043A (zh) * | 2019-10-25 | 2020-04-24 | 重庆邮电大学 | 一种基于车路通信的隧道内车辆融合定位系统及方法 |
CN111243281A (zh) * | 2018-11-09 | 2020-06-05 | 杭州海康威视系统技术有限公司 | 一种道路多视频联合检测系统及检测方法 |
CN113436257A (zh) * | 2021-06-09 | 2021-09-24 | 同济大学 | 一种基于道路几何信息的车辆位置实时检测方法 |
CN113990064A (zh) * | 2021-09-14 | 2022-01-28 | 北京无限感测科技有限公司 | 一种交通数据采集方法、系统和计算机可读存储介质 |
CN114339861A (zh) * | 2020-09-30 | 2022-04-12 | 中国移动通信集团广东有限公司 | 一种室分设备故障定位方法、装置和系统 |
CN114608591A (zh) * | 2022-03-23 | 2022-06-10 | 小米汽车科技有限公司 | 车辆定位方法、装置、存储介质、电子设备、车辆及芯片 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1949292A (zh) * | 2006-10-31 | 2007-04-18 | 天津大学 | 高速公路上车辆的车速和相对位置实时测量系统及方法 |
US20080278347A1 (en) * | 2007-05-09 | 2008-11-13 | Thua Van Ho | Electronic toll collection system with multi-beam antennas |
CN101344988A (zh) * | 2008-06-16 | 2009-01-14 | 上海高德威智能交通系统有限公司 | 图像获取和处理装置及方法、车辆监测和记录系统 |
CN102097013A (zh) * | 2010-12-27 | 2011-06-15 | 北京握奇数据系统有限公司 | 一种etc系统中车载单元的定位装置和方法 |
CN102426349A (zh) * | 2011-11-07 | 2012-04-25 | 北京万集科技股份有限公司 | 一种etc系统的车辆定位方法、装置及不停车收费系统 |
CN102622783A (zh) * | 2012-03-29 | 2012-08-01 | 北京速通科技有限公司 | 一种基于精确位置匹配的多车道自由流电子收费方法 |
CN103150772A (zh) * | 2013-02-20 | 2013-06-12 | 北京速通科技有限公司 | 一种路侧设置的多车道自由流电子收费系统 |
-
2013
- 2013-06-20 CN CN201310247562.1A patent/CN103729892B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1949292A (zh) * | 2006-10-31 | 2007-04-18 | 天津大学 | 高速公路上车辆的车速和相对位置实时测量系统及方法 |
US20080278347A1 (en) * | 2007-05-09 | 2008-11-13 | Thua Van Ho | Electronic toll collection system with multi-beam antennas |
CN101344988A (zh) * | 2008-06-16 | 2009-01-14 | 上海高德威智能交通系统有限公司 | 图像获取和处理装置及方法、车辆监测和记录系统 |
CN102097013A (zh) * | 2010-12-27 | 2011-06-15 | 北京握奇数据系统有限公司 | 一种etc系统中车载单元的定位装置和方法 |
CN102426349A (zh) * | 2011-11-07 | 2012-04-25 | 北京万集科技股份有限公司 | 一种etc系统的车辆定位方法、装置及不停车收费系统 |
CN102622783A (zh) * | 2012-03-29 | 2012-08-01 | 北京速通科技有限公司 | 一种基于精确位置匹配的多车道自由流电子收费方法 |
CN103150772A (zh) * | 2013-02-20 | 2013-06-12 | 北京速通科技有限公司 | 一种路侧设置的多车道自由流电子收费系统 |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574540A (zh) * | 2014-12-24 | 2015-04-29 | 北京速通科技有限公司 | 电子不停车收费系统及方法 |
CN104835173A (zh) * | 2015-05-21 | 2015-08-12 | 东南大学 | 一种基于机器视觉的定位方法 |
CN104835173B (zh) * | 2015-05-21 | 2018-04-24 | 东南大学 | 一种基于机器视觉的定位方法 |
CN105654558A (zh) * | 2015-12-28 | 2016-06-08 | 深圳市捷顺科技实业股份有限公司 | 一种停车场车辆管理系统及方法 |
CN109791736A (zh) * | 2016-09-28 | 2019-05-21 | 本田技研工业株式会社 | 车辆控制装置 |
CN106875530A (zh) * | 2017-03-03 | 2017-06-20 | 国网山东省电力公司泰安供电公司 | 一种用于库房门的自动挡鼠系统及在库房门处自动挡鼠的方法 |
CN106875530B (zh) * | 2017-03-03 | 2021-04-27 | 国网山东省电力公司泰安供电公司 | 一种用于库房门的自动挡鼠系统及在库房门处自动挡鼠的方法 |
CN107578483A (zh) * | 2017-08-21 | 2018-01-12 | 深圳市金溢科技股份有限公司 | 一种电子不停车收费交易方法、服务器及系统 |
CN109426791A (zh) * | 2017-09-01 | 2019-03-05 | 深圳市金溢科技股份有限公司 | 一种多站点多元车辆匹配方法、服务器及系统 |
CN109426791B (zh) * | 2017-09-01 | 2022-09-16 | 深圳市金溢科技股份有限公司 | 一种多站点多元车辆匹配方法、服务器及系统 |
CN111243281A (zh) * | 2018-11-09 | 2020-06-05 | 杭州海康威视系统技术有限公司 | 一种道路多视频联合检测系统及检测方法 |
CN109636045A (zh) * | 2018-12-17 | 2019-04-16 | 杭州电子科技大学 | 基于蚁群算法求解泰森多边形最短路径的车辆拦截方法 |
CN109636045B (zh) * | 2018-12-17 | 2022-12-16 | 杭州电子科技大学 | 基于蚁群算法求解泰森多边形最短路径的车辆拦截方法 |
CN109613920A (zh) * | 2018-12-27 | 2019-04-12 | 睿驰达新能源汽车科技(北京)有限公司 | 一种确定车辆位置的方法及装置 |
CN109613920B (zh) * | 2018-12-27 | 2022-02-11 | 睿驰达新能源汽车科技(北京)有限公司 | 一种确定车辆位置的方法及装置 |
CN110164135A (zh) * | 2019-01-14 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种定位方法、定位装置及定位系统 |
CN110164135B (zh) * | 2019-01-14 | 2022-08-02 | 腾讯科技(深圳)有限公司 | 一种定位方法、定位装置及定位系统 |
CN110213488A (zh) * | 2019-06-06 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 一种定位方法及相关设备 |
CN110213488B (zh) * | 2019-06-06 | 2022-01-18 | 腾讯科技(深圳)有限公司 | 一种定位方法及相关设备 |
CN111065043A (zh) * | 2019-10-25 | 2020-04-24 | 重庆邮电大学 | 一种基于车路通信的隧道内车辆融合定位系统及方法 |
CN111065043B (zh) * | 2019-10-25 | 2021-03-19 | 重庆邮电大学 | 一种基于车路通信的隧道内车辆融合定位系统及方法 |
CN114339861A (zh) * | 2020-09-30 | 2022-04-12 | 中国移动通信集团广东有限公司 | 一种室分设备故障定位方法、装置和系统 |
CN113436257A (zh) * | 2021-06-09 | 2021-09-24 | 同济大学 | 一种基于道路几何信息的车辆位置实时检测方法 |
CN113990064A (zh) * | 2021-09-14 | 2022-01-28 | 北京无限感测科技有限公司 | 一种交通数据采集方法、系统和计算机可读存储介质 |
CN114608591A (zh) * | 2022-03-23 | 2022-06-10 | 小米汽车科技有限公司 | 车辆定位方法、装置、存储介质、电子设备、车辆及芯片 |
Also Published As
Publication number | Publication date |
---|---|
CN103729892B (zh) | 2016-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103729892A (zh) | 车辆定位方法、装置及处理器 | |
CN103489175B (zh) | 路面检测方法和装置 | |
CN103729629A (zh) | Etc车道中车型识别方法及装置 | |
CN106169244A (zh) | 利用人行横道识别结果的引导信息提供装置及方法 | |
CN105139425A (zh) | 一种人数统计方法及装置 | |
CN110718061B (zh) | 交通路口车流量统计方法、装置、存储介质及电子设备 | |
CN104574540A (zh) | 电子不停车收费系统及方法 | |
Kim et al. | Rear obstacle detection system with fisheye stereo camera using HCT | |
CN104376297A (zh) | 道路上的线型指示标志的检测方法和装置 | |
CN105405176A (zh) | 电子不停车系统及其处理方法、控制器、路侧单元 | |
CN111292432A (zh) | 基于车型识别和轮轴检测的车辆收费类型判别方法与装置 | |
CN110660211B (zh) | 使用占用行为异常检测器的停车区域地图改善 | |
WO2021036243A1 (zh) | 识别车道的方法、装置及计算设备 | |
CN114037924A (zh) | 一种基于图像识别技术的车辆过闸判断方法及相关装置 | |
CN104364796A (zh) | 用于处理立体数据的方法和设备 | |
CN112862856A (zh) | 违停车辆的识别方法、装置、设备及计算机可读存储介质 | |
CN113192217B (zh) | 逃费检测方法、装置、计算机设备和介质 | |
Cicek et al. | Fully automated roadside parking spot detection in real time with deep learning | |
CN114495509B (zh) | 基于深度神经网络监控隧道运行状态的方法 | |
CN113673288A (zh) | 空闲车位检测方法、装置、计算机设备及存储介质 | |
CN114332818B (zh) | 障碍物的检测方法、装置和电子设备 | |
CN104931024A (zh) | 障碍物检测装置 | |
CN115690697A (zh) | 目标距离检测装置及方法 | |
Dekkiche et al. | Vehicles detection in stereo vision based on disparity map segmentation and objects classification | |
TW201638887A (zh) | 電子收費異常交易防止方法及防止異常交易的電子收費系統 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C53 | Correction of patent of invention or patent application | ||
CB02 | Change of applicant information |
Address after: Nanshan District Keyuan Road Shenzhen city Guangdong province 518057 Tsinghua building A building 12 layer Applicant after: SHENZHEN GENVICT TECHNOLOGY CO., LTD. Address before: Nanshan District Keyuan Road Shenzhen city Guangdong province 518057 Tsinghua building A building 12 layer Applicant before: Shenzhen Jinyi Technologies Co., Ltd. |
|
COR | Change of bibliographic data |
Free format text: CORRECT: APPLICANT; FROM: SHENZHEN JINYI TECHNOLOGIES CO., LTD. TO: SHENZHEN GENVICT TECHNOLOGY CO., LTD. |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |