CN103942959B - 一种车道检测方法及装置 - Google Patents
一种车道检测方法及装置 Download PDFInfo
- Publication number
- CN103942959B CN103942959B CN201410163327.0A CN201410163327A CN103942959B CN 103942959 B CN103942959 B CN 103942959B CN 201410163327 A CN201410163327 A CN 201410163327A CN 103942959 B CN103942959 B CN 103942959B
- Authority
- CN
- China
- Prior art keywords
- track
- image
- vehicle
- lane
- place
- 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
Abstract
本发明适用于智能交通技术领域，提供了一种车道检测方法及装置，所述方法包括：车辆通过视频采集装置获取道路的视频图像；在视频图像中，检测边界线以及车道线，并获取所述车道线的数量；根据边界线的像素坐标以及所述车道线的像素坐标，生成两者之间的图像距离，根据所述图像距离以及所述车道线的数量生成图像车道宽度；根据预设的车辆参考点的像素坐标以及所述车道线的像素坐标，生成两者之间的图像车辆距离；根据所述图像车道宽度、所述图像车辆距离以及预先建立的车道模型，确定所述车辆所在车道；将所述车辆所在车道上传至路况采集系统，以完成所述车辆所在车道的数据采集。本发明可以准确分析道路网交通运行状况，缓解了交通压力。
Description
技术领域
本发明属于智能交通技术领域，尤其涉及一种车道检测方法及装置。
背景技术
随着城市车辆数量的逐渐增多，同一条道路的车辆也越来越多，交通越来越堵塞，车辆进行车道定位，定位后得到车辆所在的车道，将车辆所在的车道上传至路况采集系统，以使交通管理部门可以通过路况采集系统，分析道路网交通运行状况，实现交通的管理，缓解交通压力，提供有效的信息服务方便大众的出行。
然而，现有的车道定位通常通过GPS数据进行分析和处理，其无法准确获取自身所在的车道。因为GPS数据通常由车载GPS提供，而车载GPS提供的GPS数据一般存在较大的误差，因此对误差较大数据进行的分析，得到车辆所处的车道也存在较大的误差，后续车辆会将存在较大误差的车道上传至路况采集系统，后续交通管理部门会根据较大误差的车道，分析道路网交通运行状况，从而导致分析道路网交通运行状况不准确，难以有效管理交通，难以有效缓解交通压力，难以提供有效的信息服务方便大众的出行。
发明内容
本发明实施例的目的在于提供一种车道检测方法，旨在解决现有的车道定位通常通过GPS数据进行分析和处理，其无法准确获取自身所在的车道，后续车辆会将存在较大误差的车道上传至路况采集系统，导致交通管理部门分析道路网交通运行状况不准确，难以实现交通的管理，难以缓解交通压力，难以提供有效的信息服务方便大众的出行的问题。
本发明实施例是这样实现的，一种车道检测方法，包括：
车辆通过视频采集装置获取道路的视频图像；
在所述视频图像中，检测边界线以及车道线，并获取所述车道线的数量；
根据所述边界线的像素坐标以及所述车道线的像素坐标，生成两者之间的图像距离，根据所述图像距离以及所述车道线的数量生成图像车道宽度；
根据预设的车辆参考点的像素坐标以及所述车道线的像素坐标，生成两者之间的图像车辆距离；
根据所述图像车道宽度、所述图像车辆距离以及预先建立的车道模型，确定所述车辆所在车道；
将所述车辆所在车道上传至路况采集系统，以完成所述车辆所在车道的数据采集；
其中，所述图像车道宽度为图像中两条车道线之间的水平距离。
本发明实施例的另一目的在于提供一种车道检测装置，包括：
获取单元，用于车辆通过视频采集装置获取道路的视频图像；
检测单元，用于在所述视频图像中，检测边界线以及车道线，并获取所述车道线的数量；
第一生成单元，用于根据所述边界线的像素坐标以及所述车道线的像素坐标，生成两者之间的图像距离，根据所述图像距离以及所述车道线的数量生成图像车道宽度；
第二生成单元，用于根据预设的车辆参考点的像素坐标以及所述车道线的像素坐标，生成两者之间的图像车辆距离；
确定单元，用于根据所述图像车道宽度、所述图像车辆距离以及预先建立的车道模型，确定所述车辆所在车道；
上传单元，用于将所述车辆所在车道上传至路况采集系统，以完成所述车辆所在车道的数据采集；
其中，所述图像车道宽度为图像中两条车道线之间的水平距离。
在本发明实施例中，根据所述图像车道宽度、所述图像车辆距离以及预先建立的车道模型，确定所述车辆所在车道；将所述车辆所在车道上传至路况采集系统，车辆无需与外界进行信息的交互，即可完成车辆的车道定位，车辆可以准确获取自身所在的车道，后续车辆不会将存在较大误差的车道上传至路况采集系统，从而交通管理部门可以准确分析道路网交通运行状况，实现了交通的管理，缓解了交通压力，并能提供有效的信息服务方便大众的出行。
附图说明
图1是本发明实施例提供的车道检测方法的实现流程图；
图2是本发明实施例提供的划分左边界线、右边界线的较佳样例图；
图3是本发明实施例提供的车道检测装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
图1示出了本发明实施例提供的一种车道检测方法的实现流程，详述如下：
在步骤S101中，车辆通过视频采集装置获取道路的视频图像；
其中，视频采集装置获取道路的视频图像，可通过安装车辆内/外的视频采集装置，通过镜头以固定的帧速率捕捉车辆道路的视频图像，将视频图像的像素的数据保存在存储设备中，便于后续从中提取数据进行图像检测。
在步骤S102中，在所述视频图像中，检测边界线以及车道线，并获取所述车道线的数量
其中，提取图像中包含边界线的图像，具体可对图像进行过滤，过滤后得到包含边界线的有效区域，再将有效区域缩小到一定大小，得到待检测图像，将待检测图像转化为灰度图，再检测边界线。
通过霍夫线变换来检测图像中直线，也可以通过图像轮廓的提取检测边界线，如果是在复杂的背景下，可以通过基于背景建立数学模型，检测边界轮廓实线。
获取两条边界线之间车道的车道宽度，具体地，获取图像的中心点，根据中心点的直线划分图像生成图像左区域和图像右区域，再获取图像左区域和图像右区域中权重最大的直线。
其中，边界线为实线。
其中，权重最大的直线为边界线。
其中，不连续的直线为车道线。
在步骤S103中，根据所述边界线的像素坐标以及所述车道线的像素坐标，生成两者之间的图像距离，根据所述图像距离以及所述车道线的数量生成图像车道宽度；
其中，所述图像车道宽度为图像中两条车道线之间的水平距离。
其中，根据图像的边界线和车道线的像素坐标，计算边界线和车道线之间的像素距离，从而获取到边界线与车道线之间的图像距离。
例如，车道的数量为四时，也就是四车道时，将边界线与车道线之间的图像距离除以四，生成车道宽度。
在步骤S104中，根据预设的车辆参考点的像素坐标以及所述车道线的像素坐标，生成两者之间的图像车辆距离；
获取车辆参考点与两条边界线的图像车辆距离，具体地，获取图像的中心点，以图像的中心点为车辆参考点，根据图像的中心点和边界线的像素坐标，计算图像的中心点与边界线之间的像素距离，从而获取到车辆参考点与两条边界线的图像车辆距离。
在步骤S105中，根据所述图像车道宽度、所述图像车辆距离以及预先建立的车道模型，确定所述车辆所在车道；
其中，确定所述车辆所在车道，在后续实施例进行说明，在此不做赘述。
在步骤S106中，将所述车辆所在车道上传至路况采集系统，以完成车辆所在车道的数据采集。
其中，采用现有的任意一种无线传输方式，将车辆所在车道上传至路况采集系统，以使路况采集系统可以得到车辆所在车道。
其中，采用图像识别替换通过GPS进行车道定位，与GPS数据定位相比，图像识别更加准确，避免了GPS数据的传输延迟的情况，也避免了GPS受到强电磁波信号的干扰的情况，同时车辆无需与外界进行信息的交互，即可完成车辆的车道定位，车辆可以准确获取自身所在的车道，后续车辆不会将存在较大误差的车道上传至路况采集系统，从而交通管理部门可以准确分析道路网交通运行状况，实现了交通的管理，缓解了交通压力，并能提供有效的信息服务方便大众的出行。
作为本发明的一个优选实施例，在确定所述车辆所在车道之前，包括：
建立车道模型，所述车道模型为：
车道N＝|L/d|+1
其中，L为图像车辆距离，d为图像车道宽度，N为车道序号。
其中，经过道路的交通的视频图像，通过图像分析与处理可以在图像上找到边界线，图像中任意一个车道的宽度也可以通过图像计算出来，大小为d。
L为图像车辆距离，图像车辆距离为车辆参考点与边界线的图像距离。
当具有两条边界线时，图像车辆距离为车辆参考点与所述两条边界线中任意一条边界线之间的图像距离，L包括L1和L2，L1为车辆的参考点距离左边界线的距离，L2为车辆的参考点距离右边界线的距离。
当L为车辆的参考点距离左边界线的长度为L1时，N为从左界线依次排列的车道序号。
当L为车辆的参考点距离右边界线的长度为L2时，N为从右界线依次排列的车道序号。
由于采用了准确的车道序号，因此车辆可以准确获取自身所在的车道，后续车辆不会将存在较大误差的车道上传至路况采集系统。
参考图2，图2是本发明实施例提供的划分左边界线、右边界线的较佳样例图。
其中，三角形表示车辆的参考点。虚线之间的距离表示车道宽度d。
车辆的参考点距离左边界线的长度为L1，车辆的参考点距离右边界线的长度为L2。
作为本发明的一个优选实施例，在所述视频图像中检测边界线，包括：
获取所述视频帧中的有效区域；
将所述有效区域划分为多个区域；
按预设顺序依序在所述区域内检测边界线。
获取视频帧中的有效区域，可对视频帧进行预处理，具体地，剔除视频帧上下部分区域、边缘部分区域，保留了视频帧中约1/2的高度区域，从而完成了视频帧中的有效区域的获取，并避免了由于边界线距离视频采集设备的镜头较远时，视频帧分辨率较低，边缘区域比较模糊，导致在边缘区域中检测出的边界线可靠程度低的情况。
按照有效的区域的宽度从上到下等分为多个区域，优选地，分为三个区域，分别是图像左区域、图像中区域、图像右区域。
按预设顺序依序在所述区域内对边界线进行检测。
由于在实际的车道中，边界线只会存在左区域和右区域，中区域不会有边界线，按预设顺序对区域进行边界线检测，预设顺序包括但不限于先在左区域内进行边界线检测再在右区域内进行边界线检测、先在右区域内进行边界线检测再在左区域内进行边界线检测。
在本实施例中，通过按预设顺序，对指定的中间区域内进行边界线检测，减少了检测的区域，节省了检测的时间，提高了边界线检测的效率。
作为本发明的一个优选实施例，将所述车辆所在车道上传至路况采集系统，具体为：
预先配置将所述车辆所在车道上传至路况采集系统的上传时间；
读取系统时间和配置的上传时间，判断上传时间是否到达；
在判断所述上传时间到达时，将所述车辆所在车道上传至路况采集系统。
其中，上传时间可以为用户自设，也可以为系统设定，在此不做限制。
其中，用户可以预先配置存储的视频图像的上传时间，例如配置为每10分钟上传一次等，系统监测上传时间，当上传时间到达时，自动将所述车辆所在车道上传至监控中心。
作为本发明的一个优选实施例，在确定所述车辆所在车道之后，包括：
接收路况采集系统下发的提醒信息，所述提醒信息包括车辆所在车道的交通事故信息、车辆所在车道的交通路况信息；
根据接收到的提醒信息，判断是否需要变道。
其中，车辆通过现有的任意一种无线接收方式，接收路况采集系统下发的提醒信息。用户可根据接收到的提醒信息，判断是否需要变道。
例如，当发生道路交通事故时，交通管理部门会下发道路交通事故所在的车道至车辆，车辆可以进行车道定位，获取车辆自身的车道，再判断车辆自身所在车道是否为道路交通事故所在的车道，是则进行变道。
图3示出了本发明实施例提供的一种车道检测装置的结构框图，该装置可以运行于安装有视频采集装置的各种车辆，包括但不限于出租车、公交车、货车、私人小汽车、警车等。为了便于说明，仅示出了与本实施例相关的部分。
参照图3，该车道检测装置，包括：
获取单元31，用于车辆通过视频采集装置获取道路的视频图像；
检测单元32，用于在所述视频图像中，检测边界线以及车道线，并获取所述车道线的数量图像车辆距离；
第一生成单元33，用于根据所述边界线的像素坐标以及所述车道线的像素坐标，生成两者之间的图像距离，根据所述图像距离以及所述车道线的数量生成图像车道宽度；
第二生成单元34，用于根据预设的车辆参考点的像素坐标以及所述车道线的像素坐标，生成两者之间的图像车辆距离；
确定单元，用于根据所述图像车道宽度、所述图像车辆距离以及预先建立的车道模型，确定所述车辆所在车道；
上传单元35，用于将所述车辆所在车道上传至路况采集系统，以完成所述车辆所在车道的数据采集；
其中，所述图像车道宽度为图像中两条车道线之间的水平距离。
进一步地，在该装置中，还包括：
建立单元，用于建立车道模型，所述车道模型为：
车道N＝|L/d|+1
其中，L为图像车辆距离，d为图像车道宽度，N为车道序号。
进一步地，在该装置中，所述第二获取单元，包括：
第一获取子单元，用于获取所述视频帧中的有效区域；
划分子单元，用于将所述有效区域划分为多个区域；
检测子单元，用于按预设顺序依序在所述区域内检测边界线。
进一步地，在该装置中，上传单元，还包括：
第二获取子单元，用于获取预先配置将所述车辆所在车道上传至路况采集系统的上传时间；
读取子单元，用于读取系统时间和配置的上传时间，判断上传时间是否到达；
上传子单元，用于在判断所述上传时间到达时，将所述车辆所在车道上传至路况采集系统。
进一步地，在该装置中，还包括：
接收单元，用于接收路况采集系统下发的提醒信息，所述提醒信息包括车辆所在车道的交通事故信息、车辆所在车道的交通路况信息；
判断单元，用于根据接收到的提醒信息，判断是否需要变道。
在本发明根据所述图像车道宽度、所述图像车辆距离以及预先建立的车道模型，确定所述车辆所在车道；将所述车辆所在车道上传至路况采集系统，车辆无需与外界进行信息的交互，即可完成车辆的车道定位，车辆可以准确获取自身所在的车道，后续车辆不会将存在较大误差的车道上传至路况采集系统，从而交通管理部门可以准确分析道路网交通运行状况，实现了交通的管理，缓解了交通压力，并能提供有效的信息服务方便大众的出行。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种车道检测方法，其特征在于，包括：
车辆通过视频采集装置获取道路的视频图像；
在所述视频图像中，检测边界线以及车道线，并获取所述车道线的数量；
根据所述边界线的像素坐标以及所述车道线的像素坐标，生成两者之间的图像距离，根据所述图像距离以及所述车道线的数量生成图像车道宽度；
根据预设的车辆参考点的像素坐标以及所述车道线的像素坐标，生成两者之间的图像车辆距离；
根据所述图像车道宽度、所述图像车辆距离以及预先建立的车道模型，确定所述车辆所在车道；
将所述车辆所在车道上传至路况采集系统，以完成所述车辆所在车道的数据采集；
其中，在确定所述车辆所在车道之前，建立车道模型，所述车道模型为：
车道N＝|L/d|+1
其中，L为图像车辆距离，d为图像车道宽度，N为车道序号；
其中，L/d的绝对值取整后加1得到车道序号；
其中，所述图像车道宽度为图像中两条车道线之间的水平距离；
其中，在所述视频图像中检测边界线，包括：
获取所述视频帧中的有效区域；
将所述有效区域划分为多个区域；
按预设顺序依序在所述区域内检测边界线。
2.如权利要求1所述的方法，其特征在于，将所述车辆所在车道上传至路况采集系统，具体为：
获取预先配置将所述车辆所在车道上传至路况采集系统的上传时间；
读取系统时间和配置的上传时间，判断上传时间是否到达；
在判断所述上传时间到达时，将所述车辆所在车道上传至路况采集系统。
3.如权利要求1至2任意一项所述的方法，其特征在于，在确定所述车辆所在车道之后，包括：
接收路况采集系统下发的提醒信息，所述提醒信息包括车辆所在车道的交通事故信息、车辆所在车道的交通路况信息；
根据接收到的提醒信息，判断是否需要变道。
4.一种车道检测装置，其特征在于，包括：
获取单元，用于车辆通过视频采集装置获取道路的视频图像；
检测单元，用于在所述视频图像中，检测边界线以及车道线，并获取所述车道线的数量
第一生成单元，用于根据所述边界线的像素坐标以及所述车道线的像素坐标，生成两者之间的图像距离，根据所述图像距离以及所述车道线的数量生成图像车道宽度；
第二生成单元，用于根据预设的车辆参考点的像素坐标以及所述车道线的像素坐标，生成两者之间的图像车辆距离；
建立单元，用于建立车道模型，所述车道模型为：
车道N＝|L/d|+1
其中，L为图像车辆距离，d为图像车道宽度，N为车道序号；
其中，L/d的绝对值取整后加1得到车道序号；
确定单元，用于根据所述图像车道宽度、所述图像车辆距离以及预先建立的车道模型，确定所述车辆所在车道；
上传单元，用于将所述车辆所在车道上传至路况采集系统，以完成所述车辆所在车道的数据采集；
其中，所述图像车道宽度为图像中两条车道线之间的水平距离；
其中，所述检测单元，包括：
第一获取子单元，用于获取所述视频帧中的有效区域；
划分子单元，用于将所述有效区域划分为多个区域；
检测子单元，用于按预设顺序依序在所述区域内检测边界线。
5.如权利要求4所述的装置，其特征在于，所述上传单元，还包括：
第二获取子单元，用于获取预先配置将所述车辆所在车道上传至路况采集系统的上传时间；
读取子单元，用于读取系统时间和配置的上传时间，判断上传时间是否到达；
上传子单元，用于在判断所述上传时间到达时，将所述车辆所在车道上传至路况采集系统。
6.如权利要求4至5任意一项所述的装置，其特征在于，还包括：
接收单元，用于接收路况采集系统下发的提醒信息，所述提醒信息包括车辆所在车道的交通事故信息、车辆所在车道的交通路况信息；
判断单元，用于根据接收到的提醒信息，判断是否需要变道。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410163327.0A CN103942959B (zh) | 2014-04-22 | 2014-04-22 | 一种车道检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410163327.0A CN103942959B (zh) | 2014-04-22 | 2014-04-22 | 一种车道检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103942959A CN103942959A (zh) | 2014-07-23 |
| CN103942959B true CN103942959B (zh) | 2016-08-24 |
Family
ID=51190603
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410163327.0A Active CN103942959B (zh) | 2014-04-22 | 2014-04-22 | 一种车道检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103942959B (zh) |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105702093B (zh) * | 2016-04-21 | 2018-01-02 | 江苏联盟信息工程有限公司 | 一种基于经纬度采集点的车道判定方法及定位装置 |
| CN106004661B (zh) * | 2016-05-31 | 2018-12-07 | 百度在线网络技术（北京）有限公司 | 外后视镜系统和应用于外后视镜系统的方法 |
| DE102016009304A1 (de) * | 2016-08-01 | 2018-02-01 | Lucas Automotive Gmbh | Steuerungs-System und Steuerungs-Verfahren zum Bestimmen einer Fahrbahn |
| CN106415603B (zh) * | 2016-09-26 | 2019-03-08 | 深圳市锐明技术股份有限公司 | 一种成对车道线的高效检测方法和装置 |
| FR3067144B1 (fr) * | 2017-06-06 | 2021-07-30 | Peugeot Citroen Automobiles Sa | Procede de determination du type de route sur laquelle evolue un vehicule |
| CN110751827B (zh) * | 2018-07-24 | 2021-03-02 | 东旭光电科技股份有限公司 | 输出提示信息的方法、装置、智能路灯及可读存储介质 |
| CN110879943B (zh) * | 2018-09-05 | 2022-08-19 | 北京嘀嘀无限科技发展有限公司 | 一种图像数据处理方法及系统 |
| CN110969837B (zh) * | 2018-09-30 | 2022-03-25 | 毫末智行科技有限公司 | 自动驾驶车辆的道路信息融合系统及方法 |
| CN109584706B (zh) * | 2018-10-31 | 2021-08-03 | 百度在线网络技术（北京）有限公司 | 电子地图车道线处理方法、设备及计算机可读存储介质 |
| CN111311902B (zh) * | 2018-12-12 | 2022-05-24 | 斑马智行网络(香港)有限公司 | 一种数据处理方法、装置、设备和机器可读介质 |
| CN111325811B (zh) * | 2018-12-14 | 2023-06-09 | 广东星舆科技有限公司 | 一种车道线数据的处理方法及处理装置 |
| CN109657641B (zh) * | 2018-12-29 | 2021-02-02 | 北京经纬恒润科技股份有限公司 | 一种车辆主辅路判断方法及装置 |
| CN110310499A (zh) * | 2019-05-15 | 2019-10-08 | 福瑞泰克智能系统有限公司 | 一种匝道限速识别的方法及装置 |
| CN111060123A (zh) * | 2019-06-13 | 2020-04-24 | 广东星舆科技有限公司 | 一种基于普通地图实现车道级导航的方法与系统 |
| JP7149234B2 (ja) * | 2019-07-22 | 2022-10-06 | 本田技研工業株式会社 | 車線データ生成装置、位置特定装置、車線データ生成方法および位置特定方法 |
| CN112325780B (zh) * | 2020-10-29 | 2022-01-25 | 青岛聚好联科技有限公司 | 一种基于社区监控的距离测算方法及装置 |
| CN112380956B (zh) * | 2020-11-10 | 2024-02-27 | 苏州艾氪英诺机器人科技有限公司 | 一种车道判断方法 |
| CN114333298B (zh) * | 2021-12-02 | 2024-02-23 | 河北雄安京德高速公路有限公司 | 一种基于交通雷达的车辆归属车道估计方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1267032A (zh) * | 1999-03-11 | 2000-09-20 | 现代自动车株式会社 | 用于监视车辆在道路的车道中的位置的方法 |
| CN203070525U (zh) * | 2012-11-15 | 2013-07-17 | 侯前勇 | 一种高速公路实时交通信息系统 |
| US8543254B1 (en) * | 2012-03-28 | 2013-09-24 | Gentex Corporation | Vehicular imaging system and method for determining roadway width |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8924078B2 (en) * | 2004-11-18 | 2014-12-30 | Gentex Corporation | Image acquisition and processing system for vehicle equipment control |
-
2014
- 2014-04-22 CN CN201410163327.0A patent/CN103942959B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1267032A (zh) * | 1999-03-11 | 2000-09-20 | 现代自动车株式会社 | 用于监视车辆在道路的车道中的位置的方法 |
| US8543254B1 (en) * | 2012-03-28 | 2013-09-24 | Gentex Corporation | Vehicular imaging system and method for determining roadway width |
| CN203070525U (zh) * | 2012-11-15 | 2013-07-17 | 侯前勇 | 一种高速公路实时交通信息系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103942959A (zh) | 2014-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103942959B (zh) | 一种车道检测方法及装置 | |
| Grassi et al. | Parkmaster: An in-vehicle, edge-based video analytics service for detecting open parking spaces in urban environments | |
| KR101758576B1 (ko) | 물체 탐지를 위한 레이더 카메라 복합 검지 장치 및 방법 | |
| US10699567B2 (en) | Method of controlling a traffic surveillance system | |
| Hautière et al. | Real-time disparity contrast combination for onboard estimation of the visibility distance | |
| US9047518B2 (en) | Method for the detection and tracking of lane markings | |
| CN110264495B (zh) | 一种目标跟踪方法及装置 | |
| CN111932901B (zh) | 道路车辆跟踪检测设备、方法及存储介质 | |
| KR101104625B1 (ko) | 지능형 교통 시스템의 교통정보를 산출하기 위한 장치 및 그 방법 | |
| CN107516423B (zh) | 一种基于视频的车辆行驶方向检测方法 | |
| KR101735557B1 (ko) | 실시간 목표 탐지에 의한 교통 정보 수집 시스템 및 방법 | |
| CN104616502A (zh) | 基于组合式车路视频网络的车牌识别与定位系统 | |
| KR20150112656A (ko) | 카메라 캘리브레이션 방법 및 그 장치 | |
| CN102915640A (zh) | 基于Hough变换的安全带检测方法 | |
| KR20160035121A (ko) | 깊이 영상정보에서 추출된 위치정보를 이용한 개체계수 방법 및 장치 | |
| CN109444872B (zh) | 行人与车辆的区分方法、装置、计算机设备及存储介质 | |
| CN103164958A (zh) | 车辆监控方法及系统 | |
| KR20150029551A (ko) | 도착 레인으로 합병되는 이동 아이템의 출발 레인을 결정 | |
| US20230085455A1 (en) | Vehicle condition estimation method, vehicle condition estimation device, and vehicle condition estimation program | |
| US11837084B2 (en) | Traffic flow estimation apparatus, traffic flow estimation method, traffic flow estimation program, and storage medium storing traffic flow estimation program | |
| KR101568683B1 (ko) | 영상 분석을 이용한 차간 거리 추정 방법 및 그 장치 | |
| CN110880205B (zh) | 一种停车收费方法及装置 | |
| KR20160125803A (ko) | 영역 추출 장치, 물체 탐지 장치 및 영역 추출 방법 | |
| CN104931024B (zh) | 障碍物检测装置 | |
| CN106257553A (zh) | 一种多功能智能化交通流量监测系统及方法 |
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 |