CN105225478B - 智能车辆行为记录及评价方法 - Google Patents
智能车辆行为记录及评价方法 Download PDFInfo
- Publication number
- CN105225478B CN105225478B CN201510498445.1A CN201510498445A CN105225478B CN 105225478 B CN105225478 B CN 105225478B CN 201510498445 A CN201510498445 A CN 201510498445A CN 105225478 B CN105225478 B CN 105225478B
- Authority
- CN
- China
- Prior art keywords
- driving
- vehicle
- intelligent vehicle
- information
- video
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 12
- 239000000284 extract Substances 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种智能车辆行为记录及评价方法，包括的步骤为，利用数据采集车辆上的行车记录仪采集智能车辆行驶视频，获取视频中车道线及智能车辆的位置坐标，计算该车辆的行驶路线状况信息；利用GPS模块采集行车记录仪行驶信息，提取智能车辆位置坐标，计算出智能车辆的实际行驶信息；在电子地图的任务位置设置触发器，通过行车记录仪对触发器进行触发，利用记录装置采集智能车辆的实时行驶信息，最后利用加权法计算出智能车辆的综合分数。本发明可以改变在无人车比赛中采用的主观、琐碎的评价方法，以一种客观、高效而且精确度更高的方法从采集到的视频中，自动分析出各项任务中参赛车辆状况，得出准确公正的比赛评分结果。
Description
技术领域
本发明属于车辆行驶记录技术领域，具体设计一种智能车辆行为记录及评价方法。
背景技术
智能车辆技术是涵盖智能控制、模式识别等学科前沿的热点研究领域，其研究与应用具有巨大的理论和现实意义。在交通安全方面，由无人驾驶车辆研究形成的辅助安全驾驶技术，可以通过传感器准确、可靠地感知车辆自身及周边环境信息，及时向驾驶员提供环境感知结果，从而有效地协助提高行车安全，同时也能降低驾驶员对车辆驾驶管理的复杂度，提高单个车辆的运行效率，可以缓解我国城市道路拥堵、交通系统运行效率较低的现状。在汽车产业自主创新方面，通过对无人驾驶车辆理论、技术研究，突破国外汽车行业专利壁垒，掌握具有核心竞争力的关键技术，可以为我国汽车产业自主创新和产业发展提供强有力的支撑。同时在国防科技方面，“快速、精确、高效”的地面智能化作战平台是未来陆军的重要力量，无人驾驶车辆将能代替人在高危险环境下完成各种任务，在保存有生力量、提高作战效能方面具有重要意义，也是无人作战系统的重要基础。
然而，如今在无人驾驶智能车辆的比赛中，评价的标准有四点，即安全性、智能、平稳性和速度，最终量化的成绩由对参赛车辆人工干预的时间和次数以及裁判对于车辆的主观评价三个环节的平均分决定，这样的成绩计算方法由于要统计很多比赛数据就很繁琐，而且凭裁判对于参赛车辆表现的主观评价难免有失偏颇，参赛车辆的综合成绩的评定亟需一个客观高效的评价方法。
发明内容
本发明的目的是设计一种智能车辆行为记录及评价方法，能够准确采集所需考察各项任务对应的视频，并处理所采集的视频图像来得到参赛车辆各项任务完成情况并给出最终成绩。
本发明采取的技术方案为：一种智能车辆行为记录及评价方法，包括如下步骤：
步骤S10，在数据采集车辆上安装行车记录仪，利用行车记录仪的摄像头采集前方智能车辆的行驶视频，获取所述行驶视频中车道线及智能车辆的位置坐标；
步骤S20，通过对比所述视频中车道线和智能车辆的位置坐标，计算智能车辆的行驶路线状况信息；
步骤S30，利用GPS模块实时采集所述行车记录仪的行驶信息，同时提取所述智能车辆在视频中的位置坐标，计算出智能车辆的实际行驶信息；
步骤S40，设置电子地图，在电子地图中的任务位置处设置触发器，若行车记录仪到达所述任务位置，触发器启动，利用任务位置安装的记录装置采集智能车辆的实时行驶信息；
步骤S50，结合步骤S20的行驶路线状况信息以及步骤S40采集的行驶信息，利用加权法计算出智能车辆的综合分数。
进一步的，所述行驶路线状况信息包括：所述智能车辆行驶路线与规定行驶路线的一致性以及压线的状况信息。
进一步的，所述步骤S20中，将所述车道线位置坐标与智能车辆后轮在地面的位置坐标进行对比，若有重合点则判定该车辆压线，并记录轮胎压线的时间。
进一步的，所述步骤S30中，所述行车记录仪中的GPS模块实时记录行车记录仪的行驶信息，同时提取所述智能车辆在视频中的位置坐标及车身宽度数据，基于实际场景和图像的映射关系，获取智能车辆与行车记录仪的实际距离信息，进而计算出智能车辆的实际行驶信息。
进一步的，所述行驶信息包括经度、纬度、速度、方向的信息。
进一步的，所述步骤S40中：
行车记录仪的GPS模块到达电子地图中标注的任务起始位置，触发起始触发器，通过记录装置采集智能车辆行驶记录；
行车记录仪的GPS模块到达电子地图中标注的任务终止位置，触发终止触发器，通过记录装置提取智能车辆的行驶记录。
进一步的，所述记录装置为摄像头或超声波测距装置。
进一步的，所述任务位置包括右转位置、泊车位置。
采用上述技术方案，产生的技术效果有：本发明可以改变目前在无人车比赛中采用的主观、琐碎的评价方法，以一种客观、高效而且精确度更高的方法从采集到的视频中，自动分析出所要求的各项任务中参赛车辆的表现情况，并给出最终成绩，从而得出准确公正的比赛评分结果。
附图说明
图1为本发明的原理框图；
图2为行车记录仪的结构示意图。
具体实施方式
下面结合附图对本发明应用在无人驾驶智能车辆比赛的实施例进行详细描述。
本发明在比赛中采用数据采集车辆(即裁判车辆)追踪参赛智能车辆行驶的形式，来记录参赛智能车辆的行驶信息，并以一种客观、高效而且精确度更高的方法自动分析出所要求的各项任务中参赛车辆的表现情况，并给出最终成绩。
如图1所示，本发明对智能车辆的行为记录及评价方法，具体包括如下步骤：
步骤S10，在数据采集车辆上安装行车记录仪，利用行车记录仪的摄像头采集前方智能车辆的行驶视频，采用视频图像处理方法，提取所述行驶视频中车道线及智能车辆的位置坐标；
上述提取车道线及智能车辆的位置坐标过程具体分为以下步骤：
S101，参赛智能车辆起动前，载有行车记录仪的裁判车也已到位，打开行车记录仪，行车记录仪的屏幕上就会显示采集到的视频信息，用鼠标选取跟踪区域，作为TLD跟踪算法的跟踪目标(这里跟踪区域就是参赛车辆的外接最小矩形，外接最小矩形下边界和两轮胎与地面的交点重和)。
S102，参赛智能车辆启动后，利用TLD算法实时跟踪初始选择的矩形跟踪区域，并把该矩形区域在视频图像中每帧的坐标信息(该矩形区域的四个顶点在图像坐标系中的坐标)记录下来。该矩形跟踪区域下边的两个顶点就是参赛智能车辆两轮胎与地面相交点在视频图像中对应的像素点，这样参赛参赛车辆两轮胎与地面相交点在视频图像中的坐标信息也就获取到并保存了下来。
S103，由于车道线是直线，采取在视频每一帧图像中寻找满足一定空间约束条件的直线坐标信息的方法，就可以得到在视频图像中车道线的坐标信息。
步骤S20，通过对比所述视频中车道线和智能车辆的位置坐标，计算智能车辆行驶路线与规定行驶路线的一致性以及压线的状况信息；
判断压线的方法为：将车道线位置坐标与智能车辆后轮在地面的位置坐标进行对比，若有重合点则判定该车辆压线，并记录下重合时间(轮胎压线的时间)。
步骤S30，利用行车记录仪中的GPS模块实时采集行车记录仪的经度、纬度、速度、方向等行驶信息，同时提取智能车辆在视频中的位置坐标及车身宽度数据，基于实际场景和图像的映射关系，获取智能车辆与行车记录仪的实际距离信息，进而计算出智能车辆的经度、纬度、速度、方向等实际行驶信息。
步骤S40，人工设置电子地图，在电子地图中设置相应的考察任务位置(包括右转位置、泊车位置等)，在任务位置处设置触发器；同时，在对应的实际比赛环境中安放摄像头或超声波测距装置等记录装置，所述摄像头或超声波测距装置实时采集路况信息；若行车记录仪到达相应的任务位置，触发器启动，所述任务位置安装的摄像头或超声波测距装置进行采集前方智能车辆的实时行驶信息；
具体的：
当行车记录仪的GPS模块到达电子地图中标注的任务起始位置，触发起始触发器，通过记录装置采集智能车辆行驶记录；
当行车记录仪的GPS模块到达电子地图中标注的任务终止位置，触发终止触发器，通过记录装置提取智能车辆的行驶记录。
步骤S50，结合步骤S20中的智能车辆行驶路线与规定行驶路线的一致性信息、压线的状况信息，以及步骤S40中采集的智能车辆在任务位置处的行驶信息，利用加权法计算出智能车辆的综合分数。
在本实施例中，相应的数据采集及处理过程可以在行车记录仪内完成。因此，本发明还提供了一种专门用于智能车辆行为记录及评价的行车记录仪；如图2所示，它包括：
摄像头，用于实时采集智能车辆的行驶视频；
视频处理模块；用于提取采集的行驶视频中车道线及智能车辆的位置坐标，并进行储存；
数据处理模块；用于计算智能车辆行驶路线与规定行驶路线的一致性以及压线的状况信息，并进行存储；
GPS模块，用于实时更新行车记录仪地理位置信息；
车辆位置解算模块，用于提取GPS模块的地理位置信息，再根据视频处理模块中记录的行车记录仪与参赛车辆的距离，计算参赛车辆的实时地理位置信息；
电子地图模块，用于模拟真实道路信息，并在电子地图中设置相应的任务考察位置(包括右转位置、泊车位置等)，在任务位置处设置触发器；
地图信息处理模块，用于提取车辆位置解算模块中的参赛车辆的地理位置信息，以及该车辆在电子地图模块中的视频信息。
综合评价模块，用于提取数据处理模块及地图信息处理模块中的信息，计算出智能车辆的综合分数。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (7)
1.一种智能车辆行为记录及评价方法，其特征在于，包括如下步骤：
步骤S10，在数据采集车辆上安装行车记录仪，利用行车记录仪的摄像头采集前方智能车辆的行驶视频，获取所述行驶视频中车道线及智能车辆的位置坐标；所述步骤S10中获取行驶视频中车道线及智能车辆的位置坐标包括下述步骤：
采用TLD跟踪算法实时跟踪初始选择的矩形跟踪区域，并记录所述矩形跟踪区域在视频图像中每帧的坐标信息；所述智能车辆的位置坐标为所述矩形跟踪区域下侧的两个顶点；其中，所述矩形跟踪区域为所述智能车辆的外接最小矩形，该外接最小矩形的下边界与智能车辆中轮胎与地面的交点重合；
获取所述行驶视频的每一帧图像中满足预设的空间约束条件的直线坐标信息，该直线坐标信息为所述车道线的位置坐标；
步骤S20，通过对比所述视频中车道线和智能车辆的位置坐标，计算智能车辆的行驶路线状况信息；
步骤S30，利用GPS模块实时采集所述行车记录仪的行驶信息，同时提取所述智能车辆在视频中的位置坐标，计算出智能车辆的实际行驶信息；
步骤S40，设置电子地图，在电子地图中的任务位置处设置触发器，若行车记录仪到达所述任务位置，触发器启动，利用任务位置安装的记录装置采集智能车辆的实时行驶信息；所述步骤S40具体包括：行车记录仪的GPS模块到达电子地图中标注的任务起始位置，触发起始触发器，通过记录装置采集智能车辆行驶记录；行车记录仪的GPS模块到达电子地图中标注的任务终止位置，触发终止触发器，通过记录装置提取智能车辆的行驶记录；
步骤S50，结合步骤S20的行驶路线状况信息以及步骤S40采集的行驶信息，利用加权法计算出智能车辆的综合分数。
2.根据权利要求1所述的智能车辆行为记录及评价方法，其特征在于，所述行驶路线状况信息包括：所述智能车辆行驶路线与规定行驶路线的一致性以及压线的状况信息。
3.根据权利要求2所述的智能车辆行为记录及评价方法，其特征在于：所述步骤S20中，将所述车道线位置坐标与智能车辆后轮在地面的位置坐标进行对比，若有重合点则判定该车辆压线，并记录轮胎压线的时间。
4.根据权利要求3所述的智能车辆行为记录及评价方法，其特征在于：所述步骤S30中，所述行车记录仪中的GPS模块实时记录行车记录仪的行驶信息，同时提取所述智能车辆在视频中的位置坐标及车身宽度数据，基于实际场景和图像的映射关系，获取智能车辆与行车记录仪的实际距离信息，进而计算出智能车辆的实际行驶信息。
5.根据权利要求4所述的智能车辆行为记录及评价方法，其特征在于：所述实际行驶信息包括经度、纬度、速度、方向的信息。
6.根据权利要求1所述的智能车辆行为记录及评价方法，其特征在于：所述记录装置为摄像头或超声波测距装置。
7.根据权利要求6所述的智能车辆行为记录及评价方法，其特征在于：所述任务位置包括右转位置、泊车位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510498445.1A CN105225478B (zh) | 2015-08-13 | 2015-08-13 | 智能车辆行为记录及评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510498445.1A CN105225478B (zh) | 2015-08-13 | 2015-08-13 | 智能车辆行为记录及评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105225478A CN105225478A (zh) | 2016-01-06 |
| CN105225478B true CN105225478B (zh) | 2018-09-14 |
Family
ID=54994411
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510498445.1A Active CN105225478B (zh) | 2015-08-13 | 2015-08-13 | 智能车辆行为记录及评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105225478B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105956519B (zh) * | 2016-04-21 | 2019-11-15 | 北京奇虎科技有限公司 | 关联存储视频提示辅助信息的方法、装置及终端设备 |
| CN107845160B (zh) * | 2017-10-30 | 2021-01-29 | 青岛慧拓智能机器有限公司 | 一种自动驾驶车辆数据采集系统 |
| CN108332979B (zh) * | 2018-02-08 | 2020-07-07 | 青岛平行智能产业管理有限公司 | 一种车辆压线检测方法 |
| CN109406167B (zh) * | 2018-10-30 | 2022-05-20 | 阿波罗智联(北京)科技有限公司 | 用于评估车辆的方法、装置、设备和计算机可读存储介质 |
| CN109711009B (zh) * | 2018-12-13 | 2023-06-27 | 北京掌行通信息技术有限公司 | 无人驾驶汽车性能评价方法、装置、电子设备及介质 |
| CN110285977B (zh) * | 2019-03-27 | 2020-12-08 | 北京智能车联产业创新中心有限公司 | 自动驾驶车辆的测试方法、装置、设备及存储介质 |
| CN112712703A (zh) * | 2020-12-09 | 2021-04-27 | 上海眼控科技股份有限公司 | 车辆视频的处理方法、装置、计算机设备和存储介质 |
| CN114998555A (zh) * | 2022-05-16 | 2022-09-02 | 中国地质大学（武汉） | 基于投影增强现实的智能车裁判方法及系统 |
| CN116251358B (zh) * | 2023-05-09 | 2023-07-21 | 深圳市卡妙思电子科技有限公司 | 一种基于图像识别的电竞赛车竞速管理系统 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002062936A (ja) * | 2000-08-22 | 2002-02-28 | Matsuda Plantec Kk | 無人搬送車の運行管理装置 |
| CN202892854U (zh) * | 2012-06-14 | 2013-04-24 | 北京理工大学 | 一种无人驾驶车辆比赛数据自动分析处理与自动评分装置 |
| CN103150786B (zh) * | 2013-04-09 | 2015-04-22 | 北京理工大学 | 一种非接触式无人驾驶车辆行驶状态测量系统及测量方法 |
| JP6204990B2 (ja) * | 2013-11-06 | 2017-09-27 | 株式会社サンプロス | ドリフト採点装置 |
| CN103942960B (zh) * | 2014-04-22 | 2016-09-21 | 深圳市宏电技术股份有限公司 | 一种车辆变道检测方法及装置 |
| CN204406496U (zh) * | 2014-12-30 | 2015-06-17 | 上海研亚软件信息技术有限公司 | 具有驾驶行为评分功能的行车记录器 |
| CN104502122B (zh) * | 2015-01-12 | 2017-01-25 | 交通运输部公路科学研究所 | 无人驾驶车辆遥控制动性能的测试评价方法 |
-
2015
- 2015-08-13 CN CN201510498445.1A patent/CN105225478B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN105225478A (zh) | 2016-01-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105225478B (zh) | 智能车辆行为记录及评价方法 | |
| US12163801B2 (en) | Aggregation and reporting of observed dynamic conditions | |
| CN111551958B (zh) | 一种面向矿区无人驾驶的高精地图制作方法 | |
| CN107031656B (zh) | 用于车轮止动器检测的虚拟传感器数据生成 | |
| CN105718750B (zh) | 一种车辆行驶轨迹的预测方法及系统 | |
| CN110688992A (zh) | 交通信号识别方法、装置、车辆导航设备和无人驾驶车辆 | |
| KR102517546B1 (ko) | 차량 주행 위험 예측 시스템 및 그 방법 | |
| WO2022233099A1 (zh) | 基于联网adas调查路域交通违法行为时空特征的方法 | |
| CN111231965B (zh) | 车辆控制模式的调整方法及装置、无人驾驶车辆 | |
| CN115223361A (zh) | 一种车路协同系统中路侧传感器的布设优化方法 | |
| US11181911B2 (en) | Control transfer of a vehicle | |
| CN115272300B (zh) | 一种路面病害检测方法、系统、装置、设备及介质 | |
| CN112818834B (zh) | 一种交叉口针对应急车辆的避让判定方法、设备及介质 | |
| KR20240158857A (ko) | 추적된 대상체의 트랙 세그먼트 클리닝 | |
| CN114972177A (zh) | 道路病害识别管理方法、装置及智能终端 | |
| CN116311131A (zh) | 一种基于多目环视的智能驾培增强方法、系统、装置 | |
| CN114926724B (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN114693722B (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
| CN118898920B (zh) | 一种公交车360度监控提示预警方法及装置 | |
| CN111985295A (zh) | 一种电动自行车行为识别方法、系统、工控机及摄像头 | |
| CN115394089A (zh) | 一种车辆信息融合展示的方法、无感通行系统及存储介质 | |
| WO2021138372A1 (en) | Feature coverage analysis | |
| Pahadia et al. | SKoPe3D: A Synthetic Dataset for Vehicle Keypoint Perception in 3D from Traffic Monitoring Cameras | |
| Radopoulou et al. | Parking camera calibration for assisting automated road defect detection | |
| CN120182935A (zh) | 一种地图生成方法、驾驶辅助系统及车辆 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |