CN105700791A - 道路交通事故现场草图识别绘制方法 - Google Patents
道路交通事故现场草图识别绘制方法 Download PDFInfo
- Publication number
- CN105700791A CN105700791A CN201610122910.6A CN201610122910A CN105700791A CN 105700791 A CN105700791 A CN 105700791A CN 201610122910 A CN201610122910 A CN 201610122910A CN 105700791 A CN105700791 A CN 105700791A
- Authority
- CN
- China
- Prior art keywords
- road
- traffic accident
- sketch
- recognizing
- module
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
- G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/04845—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range for image manipulation, e.g. dragging, rotation, expansion or change of colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/32—Digital ink
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/32—Digital ink
- G06V30/36—Matching; Classification
- G06V30/387—Matching; Classification using human interaction, e.g. selection of the best displayed recognition candidate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/09—Recognition of logos
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于道路交通事故处理技术领域,尤其涉及一种道路交通事故现场草图识别绘制方法,按如下步骤实施:A、通过电子草图获取设备徒手绘制基于事故现场的路面形态和相关事故元素的现场记录草图;B、使用轨迹识别模块对用户每次输入的轨迹进行识别;完成对道路轮廓和道路元素的识别;C、使用道路整体形态识别模块和道路识别预览模块完成交通事故现场记录草图识别处理;D、根据识别后的结果,结合图例系统和辅助系统完成道路交通事故现场比例图的绘制。本发明可解决目前惯用的交通事故现场处理方法效率低、精度低、规范性差的瓶颈问题。
Description
技术领域
本发明属于道路交通事故处理技术领域,尤其涉及一种道路交通事故现场草图识别绘制方法。
背景技术
随着当今社会经济以及汽车制造业的迅猛发展,汽车在我国的保有量也在不断地攀升,不可避免的就造成了大量交通事故的发生,自2001年起连续数年死亡人数突破10万,使得我国成为汽车交通事故死亡人数最多的国家之一。据统计,我国交通车辆总数大约是全世界的3%,但全球交通事故的15%却发生在中国,直接财产损失达到上亿元。由于交通事故所造成的各种民事、刑事纠纷越来越复杂,而道路交通事故现场图作为处理交通事故的重要证据,应尽可能客观、全面、具体、准确、详实的记录事故信息,以便于快速、准确的认定事故责任,分析事故以及确定采取何种处理方式,因此,交通事故现场的勘查对于处理交通事故起着不可替代的作用。
目前国内外记录交通事故现场多以手工操作,以笔和纸为媒介的绘图方式为主,存在绘图时间长,工作效率低的缺点,事故现场无法尽快处理,进而就很容易造成道路拥塞的问题,那么为了尽快恢复道路的正常通行,交警会尽可能的缩短绘图记录证据的时间,这就可能会出现记录不详实等问题,但是在事故处理后现场即被清理,一旦出现证据遗漏缺失和错误,将无法还原现场,重新取证,此外,人工手绘存在不规范的缺点,这是无法弥补的。因此,传统的人工手绘图纸记录事故现场的方式并不能满足当今交通事故现场快速勘查处理的实际需要。
近年来,国内外开展了大量的实验和研究,一些新技术、新方法开始应用于交通事故现场的处理,如全站仪、全球定位系统、激光测量装置等,虽然这些新方法和新技术在提高事故现场勘测的效率和自动化程度方面起到了积极的作用,但由于测绘仪器价格过高,不便携带,测量人员需掌握专门的技术知识,因此难以得到普及。近年来,随着机器学习算法的不断改进,相应的识别算法也日益成熟,在良好应用环境下,识别的准确率可达到90%,鉴于此,本发明基于BOF算法,按照用户的习惯进行用户自适应学习,实现了交通事故现场勘查处理的廉价、简捷、准确和高效。
发明内容
本发明旨在克服现有技术的不足之处而提供一种道路交通事故现场草图识别绘制方法。该方法可解决目前惯用的交通事故现场处理方法效率低、精度低、规范性差的瓶颈问题。
为解决上述技术问题,本发明是这样实现的。
一种道路交通事故现场草图识别绘制方法,可按如下步骤实施。
A、通过电子草图获取设备徒手绘制基于事故现场的路面形态和相关事故元素的现场记录草图。
B、使用轨迹识别模块对用户每次输入的轨迹进行识别;完成对道路轮廓和道路元素的识别。
C、使用道路整体形态识别模块和道路识别预览模块完成交通事故现场记录草图识别处理。
D、根据识别后的结果,结合图例系统和辅助系统完成道路交通事故现场比例图的绘制。
作为一种优选方案,本发明所述步骤B中,轨迹识别模块中的轨迹图像经灰度化以及按标准等比例缩放后,通过Gabor滤波器完成特征提取,继而进行特征量化,最终经由特征匹配得到识别候选结果。
本发明实现了道路交通事故现场比例图的快速绘制,系统对用户无过多的技术要求,极大地提高了交通事故处理的工作效率。
本发明利用BOF算法,结合图像处理技术,辅助以数学计算几何运算,实现交通事故现场图的绘制。整个道路交通现场图绘制过程快速、准确,为交通事故现场处理提供了有力的帮助。
附图说明
下面结合附图和具体实施方式对本发明作进一步说明。本发明的保护范围不仅局限于下列内容的表述。
图1为本发明道路交通事故现场草图识别绘制系统的总体结构图。
图2为本发明道路交通事故现场草图识别绘制方法流程框图。
具体实施方式
如图所示,一种道路交通事故现场草图识别绘制方法,可按如下步骤实施。
A、通过电子草图获取设备徒手绘制基于事故现场的路面形态和相关事故元素的现场记录草图。
B、使用轨迹识别模块对用户每次输入的轨迹进行识别;完成对道路轮廓和道路元素的识别。
C、使用道路整体形态识别模块和道路识别预览模块完成交通事故现场记录草图识别处理。
D、根据识别后的结果,结合图例系统和辅助系统完成道路交通事故现场比例图的绘制。
本发明所述步骤B中,轨迹识别模块中的轨迹图像经灰度化以及按标准等比例缩放后,通过Gabor滤波器完成特征提取,继而进行特征量化,最终经由特征匹配得到识别候选结果。
参见图1所示,图1是本发明本发明道路交通事故现场草图识别绘制系统的总体结构图。本发明提供的道路交通事故现场记录草图识别系统,包括图例系统、草图识别系统和辅助系统。
其中,图例系统包括地面物体、交通事故元素、痕迹散落物、安全设施及交通现象等模块组成,用来显示事故现场记录草图和比例图必须的元素。
电子草图获取设备,用于记录用户现场绘制现场记录草图轨迹的输入设备。该设备提供多点触控式电磁屏,并提供电磁笔供用户选择绘图方式。也可以是如iPad,普通安卓平板的多点触控式电容屏完成草图绘制。
草图识别系统由轨迹识别模块、道路整体形态识别模块、道路元素识别模块、道路轮廓识别模块和道路识别预览模块五个模块组成,现分别阐述如下。
(1)轨迹识别模块,其用途是根据用户单步绘制的轨迹结果,识别出以之接近的事故元素,并使用BOF算法获取轨迹识别结果的候选列表,依据接近度的概率高低排列。提供学习功能,学习用户多次选中的事故元素,重新排列接近度的在概率表,提供给用户选择。
(2)道路元素识别模块,其用途是识别道路交通事故现场众多元素中的路面元素和路上元素,如人行道,导向标志,停止线等道路元素,识别后的道路元素根据所属道路形态动态自适应,并跟随所属道路形态的改变调整自身属性。
(3)道路轮廓识别模块,其用途是识别道路交通事故现场中的道路标线,如单实线,单虚线,双黄线,隔离桩,绿化带等各式线型。识别后的线型均已做曲线的平滑处理,并可通过其自身提供的曲线控制点,二次调整其形状,设置其自身属性。
(4)道路整体形态识别模块,其用途是根据道路轮廓识别模块识别后的各式道路标线,完成事故现场道路整体形态的识别,如十字路口,丁字路口,匝路,多岔路口等各种符合实际现场要求的道路形态。具体的识别过程如下所述。
曲线打断,通过计算每段曲线的曲率和绘制速度,通过计算曲线的拐点,和反复调试的阈值做几何运算,完成曲线打断功能。
曲线分组,通过计算曲线自身的趋势方向,划分成几组趋势方向接近的小组,并找出各组中长度单位最长的主干小组完成迭代式的反复分组,直到划分好各段曲线小组,即各个分支道路。
分组校直,通过各个分支道路的两侧路边线,校直小组内各条曲线的方向,并针对宽变窄,打断路面等特殊形态特殊处理,完成各道路曲线小组内的校直操作。
分组校正,通过各个分支道路内的分道间的标注宽度,完成各分支道路的路宽设置。到此,道路整体形态识别模块完成。
(5)道路识别预览模块,其用途是对道路整体形态识别后的结果,提供预览功能,用户可使用容错处理模块中的橡皮等工具,完成识别结果的局部调整,同时,也可修正系统自动识别结果中,不符合道路交通事故现场要求的错误连线以及不规范路口。用户在此模块操作下,确认无误后,即完成道路交通事故现场记录草图到比例图的转换。
辅助系统包括容错处理模块、操作处理模块、文字处理模块和属性设置模块;容错处理模块包括擦除、删除元素、清屏、撤销和重做单元,操作处理模块包括缩放、平移、旋转和局部放大单元,属性设置模块包括识别预测单元和图符属性单元,其用途是辅助草图识别系统中各模块操作,辅助图例系统中各模块的调用以及显示。
识别出的路上、路面等交通事故现场元素与图例系统中的相应元素兼容,草图场景与比例场景兼容,各模块支持任意顺序、协同、组合操作。
本发明所述系统运行的硬件平台是IPad2,Samsung700T1C,HUAWEI。本发明所述系统运行的软件平台是IOS5.0+,Windows8,Android4.x。
本发明BOF算法具体为根据Gabor滤波器提取的图像特征的检索算法。草图识别系统运行于Microsoft的Windows操作系统、Google的Android操作系统和Apple的IOS操作系统,依据BOF算法识别的道路整体形态和事故元素形成的记录图和比例图,符合国家规范的交通事故现场图,并实现现场图的保存和打印输出,并提供道路事故现场勘查笔录和事故认定书等功能。
本发明采用BOF算法结合图像处理技术,操作要求低,无需复杂的培训,便可由一名绘图员清晰完整的记录道路交通事故现场情况。整个系统成本低廉,并且测量精度高、草图绘制周期短、便于携带,相较于传统的交通事故现场处理方法具有明显的优势。
以上所述,仅为本发明较佳的具体实时方式,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该以权利要求的保护范围为准。
Claims (2)
1.一种道路交通事故现场草图识别绘制方法,其特征在于,按如下步骤实施:
A、通过电子草图获取设备徒手绘制基于事故现场的路面形态和相关事故元素的现场记录草图;
B、使用轨迹识别模块对用户每次输入的轨迹进行识别;完成对道路轮廓和道路元素的识别;
C、使用道路整体形态识别模块和道路识别预览模块完成交通事故现场记录草图识别处理;
D、根据识别后的结果,结合图例系统和辅助系统完成道路交通事故现场比例图的绘制。
2.根据权利要求1所述的道路交通事故现场草图识别绘制方法,其特征在于:步骤B中,轨迹识别模块中的轨迹图像经灰度化以及按标准等比例缩放后,通过Gabor滤波器完成特征提取,继而进行特征量化,最终经由特征匹配得到识别候选结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610122910.6A CN105700791A (zh) | 2016-03-04 | 2016-03-04 | 道路交通事故现场草图识别绘制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610122910.6A CN105700791A (zh) | 2016-03-04 | 2016-03-04 | 道路交通事故现场草图识别绘制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105700791A true CN105700791A (zh) | 2016-06-22 |
Family
ID=56220049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610122910.6A Pending CN105700791A (zh) | 2016-03-04 | 2016-03-04 | 道路交通事故现场草图识别绘制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105700791A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109636881A (zh) * | 2018-12-19 | 2019-04-16 | 沈阳天择智能交通工程有限公司 | 基于ai识别技术道路交通事故现场草图绘制方法 |
CN109816751A (zh) * | 2017-11-20 | 2019-05-28 | 南京模幻天空航空科技有限公司 | 基于无人机航摄和视觉识别技术的航道事故处理方法 |
WO2020192463A1 (zh) * | 2019-03-27 | 2020-10-01 | 阿里巴巴集团控股有限公司 | 一种展示方法及装置 |
CN113361643A (zh) * | 2021-07-02 | 2021-09-07 | 人民中科(济南)智能技术有限公司 | 基于深度学习的通用标志识别方法、系统、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001109875A (ja) * | 1999-10-05 | 2001-04-20 | Minolta Co Ltd | 位置計測作図システム |
CN101319895A (zh) * | 2008-07-17 | 2008-12-10 | 上海交通大学 | 手持式交通事故现场快速测绘仪 |
CN103366555A (zh) * | 2013-07-01 | 2013-10-23 | 中国人民解放军第三军医大学第三附属医院 | 基于航拍图像的交通事故现场图快速生成方法及系统 |
CN105371825A (zh) * | 2015-12-04 | 2016-03-02 | 天津振国信息科技有限公司 | 一种交通事故现场测绘系统 |
-
2016
- 2016-03-04 CN CN201610122910.6A patent/CN105700791A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001109875A (ja) * | 1999-10-05 | 2001-04-20 | Minolta Co Ltd | 位置計測作図システム |
CN101319895A (zh) * | 2008-07-17 | 2008-12-10 | 上海交通大学 | 手持式交通事故现场快速测绘仪 |
CN103366555A (zh) * | 2013-07-01 | 2013-10-23 | 中国人民解放军第三军医大学第三附属医院 | 基于航拍图像的交通事故现场图快速生成方法及系统 |
CN105371825A (zh) * | 2015-12-04 | 2016-03-02 | 天津振国信息科技有限公司 | 一种交通事故现场测绘系统 |
Non-Patent Citations (3)
Title |
---|
WYJ199299: "《"奥维交通事故现场绘图仪(v3.0)技术方案"》", 《HTTP://WWW.DOCIN.COM/P-1188960907.HTML》 * |
张婷婷: "《道路交通事故现场图绘制系统研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
欧阳丽清 等: "《基于笔画划分的手绘交通事故现场图识别》", 《计算机应用》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109816751A (zh) * | 2017-11-20 | 2019-05-28 | 南京模幻天空航空科技有限公司 | 基于无人机航摄和视觉识别技术的航道事故处理方法 |
CN109636881A (zh) * | 2018-12-19 | 2019-04-16 | 沈阳天择智能交通工程有限公司 | 基于ai识别技术道路交通事故现场草图绘制方法 |
WO2020192463A1 (zh) * | 2019-03-27 | 2020-10-01 | 阿里巴巴集团控股有限公司 | 一种展示方法及装置 |
CN111752557A (zh) * | 2019-03-27 | 2020-10-09 | 阿里巴巴集团控股有限公司 | 一种展示方法及装置 |
CN113361643A (zh) * | 2021-07-02 | 2021-09-07 | 人民中科(济南)智能技术有限公司 | 基于深度学习的通用标志识别方法、系统、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102142215B (zh) | 一种顾及位置与速度的地理信息自适应语音讲解方法 | |
CN105700791A (zh) | 道路交通事故现场草图识别绘制方法 | |
CN101714211B (zh) | 高分辨率遥感影像道路中心线的检测的方法 | |
CN108267747A (zh) | 基于激光点云的道路特征提取方法和装置 | |
CN102589443B (zh) | 一种基于图像识别的管片拼装质量的智能检测系统及其检测方法 | |
CN106840175A (zh) | 一种车辆行驶轨迹匹配路网的方法及装置 | |
CN103148881A (zh) | 利用视频自动对指针式仪表进行读数的方法及装置 | |
CN104020475A (zh) | 一种基于机载LiDAR数据的电力线提取及建模方法 | |
CN102506823B (zh) | 基于差分gps的交通事故现场勘查方法 | |
CN101319895A (zh) | 手持式交通事故现场快速测绘仪 | |
CN101853388B (zh) | 一种基于几何不变量的视角不变的行为识别方法 | |
CN109583505A (zh) | 一种多传感器的物体关联方法、装置、设备及介质 | |
CN104239910B (zh) | 一种联机手写汉字笔画续笔的识别方法 | |
CN115497036A (zh) | 一种内涝积水深度计算方法、系统及可读存储介质 | |
CN112883236A (zh) | 一种地图更新方法、装置、电子设备及存储介质 | |
Seybold | Robust map matching for heterogeneous data via dominance decompositions | |
CN114625744A (zh) | 电子地图的更新方法和装置 | |
CN105069162A (zh) | 一种勘探平洞编录的信息化数据采集系统和方法 | |
CN113742437A (zh) | 地图更新方法、装置、电子设备和存储介质 | |
CN108710967A (zh) | 基于数据融合和支持向量机的高速路交通事故严重度预测方法 | |
CN112052824A (zh) | 基于YOLOv3算法的煤气管道特定物体目标检测告警方法、装置、系统及存储介质 | |
CN113496182A (zh) | 基于遥感影像的道路提取方法及装置、存储介质及设备 | |
JP2014235551A (ja) | 検索装置、方法及びプログラム | |
US20240166243A1 (en) | Automatic driving-based riding method, apparatus and device, and storage medium | |
CN116336939A (zh) | 一种基于自动化检测的路面车辙指标即时分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160622 |