CN105989709B - 一种基于音频的公路车道动态定位方法 - Google Patents
一种基于音频的公路车道动态定位方法 Download PDFInfo
- Publication number
- CN105989709B CN105989709B CN201510072795.1A CN201510072795A CN105989709B CN 105989709 B CN105989709 B CN 105989709B CN 201510072795 A CN201510072795 A CN 201510072795A CN 105989709 B CN105989709 B CN 105989709B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- detection section
- lane detection
- array
- audio
- 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
Landscapes
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于音频的公路车道动态定位方法,所述方法包括:步骤1)传声器阵列的各个阵元采集车辆噪声信号;步骤2)对车辆噪声信号进行处理,得到相关矩阵C;步骤3)构造车道检测断面,并根据相关矩阵C计算车道检测断面上的能量谱;步骤4)计算前景阈值α和背景阈值β;步骤5)根据前景阈值α和背景阈值β,对车道检测断面的能量谱进行归一化处理,并判断车辆是否进出车道检测断面;步骤6)统计进入车道检测断面的车辆的方位角,计算车道位置及宽度。本发明的基于音频的公路车道动态定位方法,具有更高的分辨率,在相同的条件下可以定位出更多的车道;而且算法整体的计算量更小,对硬件的要求更低。
Description
技术领域
本发明属于智能交通技术领域,具体涉及一种基于音频的公路车道动态定位方法。
背景技术
在现代公路交通运输系统建设过程中,通常会在道路沿线上部署大量的车辆监控设备,使得控制中心能够实时对各条道路上的交通状况进行监控,并根据不同的路况规划交通管制措施。作为控制中心的“眼睛”和“耳朵”,各种车辆监控传感器在智能交通系统中发挥着重要的作用。所以,研发更加先进、可靠、精确的监控设备将有助于人们作出更合理的交通控制决策,进而减少道路拥堵,降低运输成本,并提高公路交通的安全性。
针对不同的道路环境和监控需求,人们研制出了不同类型的车辆监控设备。其中,磁感线圈是一种经典的监控设备,至今已沿用超过了五十年。但是,这类设备需埋设在路面下方,所以会产生高昂的安装和维修成本。与磁感线圈不同,现代车辆监控设备的安装和维护大多都不会对路面造成破坏。根据其原理不同,可将现代车辆监控设备粗略的分为两大类:主动式和被动式。主动式监控设备主要基于激光、红外、雷达、超声等技术,这类设备通过对监控区域发射一种特定的信号并接收其回波,然后根据回波的特点来实现对车辆的定位和监控;被动式设备主要基于视频、被动式红外、音频处理等技术,该类设备直接通过车辆反射的信号(如可见光)或发出的信号(如红外、噪声等)来实现监控的目的。
与其他方法相比,基于音频的监控方法具有许多优点:首先,相比于其他类型的监控传感器来说,音频传感器(麦克风)的成本要低很多,并且音频监控属于被动式监控,不需要信号发射装置,这有利于降低整个监控设备的成本;第二,基于音频的特征不容易受到天气、光照等环境因素的影响,这有利于系统实现全天候稳定的车辆监控。然而,研制一种可靠的音频车辆监控装置也存在着许多难点:首先,由于汽车噪声的波长位于厘米这个数量级,这相比于其他类型的监控设备所使用的信号波长(例如雷达的毫米级,可见光的微米级)要大得多,所以,从理论上来说音频监控装置的分辨率要比基于其它信号的方法低;第二,由于外界环境中除了汽车噪声之外还含有其它各种类型的声响,而且实际道路上往往存在多辆车在同时行驶,即需要处理多声源、带噪声源的情形,如此复杂外界环境给通过汽车噪声实现车辆监控增加了难度。所以,在音频车辆监控装置的研制过程中需要突出使用音频信号作为媒介的优点,同时克服其不足,从而达到扬长避短的目的。
音频车辆监控在国外已有十多年的研究及应用历史,美国专利US 5,798,983(Acoustic Sensor System for Vehicle Detection and Multi-Lane HighwayMonitoring,John Patrick Kuhn)使用了基于方阵的传声器阵列结构,但是该专利的阵元数量偏多,而且其车道定位算法的分辨率不高。美国专利US 6,195,608 B1(AcousticHighway Monitor,Edward Fredrick Berliner)使用基于十字阵的阵列结构,该专利虽然降低了阵元数,但是不能实现自动车道定位,也不能估计车速。国内对音频车辆监控的研究和应用起步较晚,吴玺宏等人的中国专利CN 102682765 B,高速公路音频车辆检测装置及其方法,该方法不适用于车辆较多的环境,也不能实现自动定位车道。
如果音频车辆监控系统没有自动定位车道的功能,在将音频车辆监控装置安装在指定的公路旁时,需要人工将公路上每个车道的位置以及每个车道的宽度提前记录在音频车辆监控装置的监控模块中,这样才能对每个车道上车辆信息进行统计,这会降低整个音频车辆监控系统的通用性。
发明内容
本发明的目的在于克服目前音频车辆监控技术存在的不能动态定位车道的缺陷,提出了一种基于音频的公路车道动态定位方法,该方法能够根据实时采集的车辆噪声实现动态定位车道。
为了实现上述目的,本发明提供了一种基于音频的公路车道动态定位方法,所述方法包括如下具体步骤:
步骤1)传声器阵列的各个阵元采集车辆噪声信号;
步骤2)对车辆噪声信号进行处理,得到相关矩阵C;
步骤3)构造车道检测断面,并根据相关矩阵C计算车道检测断面上的能量谱;
步骤4)计算前景阈值α和背景阈值β;
步骤5)根据前景阈值α和背景阈值β,对车道检测断面的能量谱进行归一化处理,并判断车辆是否进出车道检测断面;
步骤6)统计进入车道检测断面的车辆的方位角,计算车道位置及宽度。
上述技术方案中,步骤1)中的所述传声器阵列采取十字阵列结构;横向和纵向子阵列都采用等间距的阵列结构,而两个子阵列的阵元数和阵元间距不同;横向与纵向子阵列的阵元间距应满足dh<λmin/2,dv<λmin,其中λmin为信号的最小波长;而且信号的最低频率fmin大于等于7kHz;由此确定传声器阵列所能处理信号的最大频率fmax、横向子阵列的阵元个数Mh和阵元间距dh、纵向子阵列的阵元个数Mv和阵元间距dv。
上述技术方案中,所述步骤1)进一步包括:
步骤101)传声器阵列的各个阵元采集车辆噪声的时域信号,经过模数转换后得到横向子阵列和纵向子阵列的时域数据xh(t)和xv(t);
步骤102)对时域数据xh(t)和xv(t)进行多通道短时傅里叶变换,得到频域数据xh(f,τ)和xv(f,τ),其中f为频段号,τ为数据帧的序号;
步骤103)选择子频带[f1,f2]以及时间区间Δτ计算横向和纵向子阵列对应的相关矩阵C:
其中,fmin<f1<f2<fmax,上标H表示共轭转置;fmin为传声器阵列处理信号的最低频率;fmax为传声器阵列处理信号的最高频率。
上述技术方案中,所述步骤3)进一步包括:
步骤301)构造车道检测断面;
将车辆监控装置安装在公路一边,装置的法线指向公路的中心;车辆监控装置的方位角的取值范围为:[-90°,90°],将此区间均匀划分为360个小区间,每个小区间对应一个细粒度检测区域;360个细粒度检测区域通过首尾叠加形成了一个检测断面,车道检测断面位于仰角θ=0°处;
步骤302)计算车道检测断面的横向子阵列数据z;
z=Cwv(θ)
其中,wv(θ)为纵向子阵列的波束形成器在仰角θ处的向量;
步骤303)计算噪声子空间;
U=N(zH)
其中,矩阵U的各列张成了噪声子空间;N(·)表示一个矩阵的零空间;
U的具体计算方法为:
设z=[z1,z2,…,zM]T,其中M=Mh,首先计算:
其中re(·)和im(·)分别表示复数的实部和虚部,可得:
u1m=re(u1m)+im(u1m)i
构造M-1个向量:
则:
U=[u1,u2,…,uM-1]
步骤304)计算车道检测断面上能量谱的最大值q;
由于矩阵U的列空间与声源方位的导向向量基本正交,所以可以利用U和计算断面能量谱以定位声源的方位,其中表示横向子阵列在方向上的导向向量;通过在进行扫描后,得到车道检测断面上的能量谱曲线,能量谱取曲线的最大值:
上述技术方案中,所述步骤4)进一步包括:
步骤401)从系统开始运行,每隔2秒,取该时间窗口内q的局部最大值为
步骤402)使用帕森窗估计的方法,通过各个拟合出系统观测得到的车辆噪声能量的概率密度曲线;
步骤403)在所述概率密度曲线上确定第二个波峰对应的能量谱大小,为前景阈值α;确定第一和第二个波峰之间的波谷所对应的能量谱大小,为背景阈值β。
上述技术方案中,所述步骤5)的具体实现过程为:
对能量谱进行归一化处理;
当时,判断有车辆进入车道检测断面;否则,判断没有车辆进入车道检测断面;其中γ为阈值。
上述技术方案中,所述步骤6)进一步包括:
步骤601)计算进入检测断面的第i辆车的方位角
第i辆车的方位角为第i辆车能量谱曲线上最大值对应的方位角:
步骤602)取当前时刻之前通过的N辆车为样本,计算每辆车的方位角通过帕森窗估计方法拟合出车辆方位角的概率密度曲线
统计从系统开始运行到当前时刻通过的车辆数N,如果N小于1000,取N辆车为样本;否则,取距离当前时刻最近的1000辆车为样本,即N=1000;
步骤603)利用概率密度曲线上的波峰和波谷,计算各个车道的位置和宽度;
在概率密度曲线上,每个波峰为车道中心,波谷为车道边界;根据两个波谷对应的方位角及两个方位角的差计算出车道的的位置及宽度。
本发明的基于音频的公路车道动态定位方法,具有更高的分辨率,在相同的条件下可以定位出更多的车道;而且算法整体的计算量更小,对硬件的要求更低。
附图说明
图1为本发明的球坐标系的示意图;
图2为本发明的传声器阵列在道路环境中的安装示意图;
图3为本发明的基于音频的公路车道动态定位方法的流程图;
图4为本发明的前景阈值和背景阈值的示意图;
图5为本发明的一个具体实施例的车道定位结果图。
具体实施方式
本发明的基本原理是利用波束形成(Beamforming)技术在不同的位置构造出车辆检测区域。由于波束形成的空间滤波特性,来自于检测区域之外的车辆噪声将受到波束形成算法抑制,所以,可以通过累加所得信号的能量来判断是否有车辆位于某个检测区域中。对于高速公路车辆监控来说,可以根据不同的监测目的构造出形状、大小、位置不同的多个车辆检测区域。将车辆监控装置安装在公路一边,装置的法线指向公路的中心,横跨车道构造多个细粒度区域用于定位车道。细粒度检测区域的宽度较小,位置固定,多个细粒度检测区域通过首尾叠加形成了一个检测断面,每当有车辆通过该检测断面时,车道检测模块就能检测出车辆的方位角,进而估计出车道的位置和宽度。
如图1所示,本发明所使用的坐标系为球坐标系,坐标系的原点为传声器阵列的中心,横坐标为方位角纵坐标为仰角θ,车辆的方位由和θ表示。由于传声器阵列的法线方向指向路面的中心,车辆的方位角的范围从-90°到90°,方位角0°位于路面的中心,-90°靠近公路的最右边,90°靠近公路的最左边。
下面结合附图和具体实施例对本发明做进一步的说明。
如图2所示,本发明的车辆监控装置安装于现有的路旁基础设施上,设备的法线方向指向需要监控的道路中心位置。车辆在道路上行驶时会发出噪声(包含引擎噪声、车胎噪声、排气噪声、气动噪声等成分),车辆噪声信号被音频监控装置捕获并处理,用于计算各种交通统计指标,进而用于监控道路上的车辆。
如图3所示,一种基于音频的公路车道动态定位方法,所述方法包括如下具体步骤:
步骤1)传声器阵列的各个阵元采集车辆噪声信号;
所述传声器阵列采取十字阵列结构;横向和纵向子阵列都采用等间距的阵列结构,而两个子阵列的阵元数和阵元间距不同;横向与纵向子阵列的阵元间距应满足dh<λmin/2,dv<λmin,其中λmin为信号的最小波长;而且信号的最低频率fmin大于等于7kHz;由此确定传声器阵列所能处理信号的最大频率fmax、横向子阵列的阵元个数Mh和阵元间距dh、纵向子阵列的阵元个数Mv和阵元间距dv。
在本实施例中,横向孔径尺寸为20cm,纵向孔径尺寸为32cm;δ=5°;取fmax=8kHz,横向子阵列的阵元个数Mh=11,阵元间距dh=2cm,纵向子阵列的阵元个数Mv=9,阵元间距dv=4cm。
步骤2)对车辆噪声信号进行处理,得到相关矩阵C;具体包括如下步骤:
步骤201)传声器阵列的各个阵元采集车辆噪声的时域信号,经过模数(A/D)转换后得到横向子阵列和纵向子阵列的时域数据xh(t)和xv(t);
在本实施例中,信号的采样率为20kHz。
步骤202)对时域数据xh(t)和xv(t)进行多通道短时傅里叶变换,得到频域数据xh(f,τ)和xv(f,τ),其中f为频段号,τ为数据帧的序号;
步骤203)选择子频带[f1,f2]以及时间区间Δτ计算横向和纵向子阵列对应的相关矩阵C:
其中,fmin<f1<f2<fmax,上标H表示共轭转置;fmin为传声器阵列处理信号的最低频率;fmax为传声器阵列处理信号的最高频率。
相关矩阵C为传声器阵列模块输出的数据;它随着时间的变化而变化,随着各个阵元采集到的车辆噪声信号不断更新,矩阵C也会不断更新,从而保证了数据的实时性。
步骤3)构造车道检测断面,并根据相关矩阵C计算车道检测断面上的能量谱;
步骤301)构造车道检测断面;
将车辆监控装置安装在公路一边,装置的法线指向公路的中心;车辆监控装置的方位角的取值范围为:[-90°,90°],将此区间均匀划分为360个小区间,每个小区间对应一个细粒度检测区域;360个细粒度检测区域通过首尾叠加形成了一个检测断面,车道检测断面位于仰角θ=0°处;
步骤302)计算车道检测断面的横向子阵列数据z;
z=Cwv(θ)
其中,wv(θ)为纵向子阵列的波束形成器(Beamformer)在仰角θ处的向量;
步骤303)计算噪声子空间;
U=N(zH)
其中,矩阵U的各列张成了噪声子空间;N(·)表示一个矩阵的零空间;
U的具体计算方法为:
设z=[z1,z2,…,zM]T,其中M=Mh,首先计算:
其中re(·)和im(·)分别表示复数的实部和虚部,可得:
u1m=re(u1m)+im(u1m)i
构造M-1个向量:
则:
U=[u1,u2,…,uM-1]
步骤304)计算车道检测断面上能量谱的最大值q;
由于矩阵U的列空间与声源方位的导向向量基本正交,所以可以利用U和计算断面能量谱以定位声源的方位,其中表示横向子阵列在方向上的导向向量;通过在进行扫描后,得到车道检测断面上的能量谱曲线,能量谱取曲线的最大值:
步骤4)计算前景阈值α和背景阈值β;
步骤401)从系统开始运行,每隔2秒,取该时间窗口内q的局部最大值为
步骤402)使用帕森窗估计(Parzen window estimation)的方法,通过各个拟合出系统观测得到的车辆噪声能量的概率密度曲线;
步骤403)在所述概率密度曲线上确定第二个波峰对应的能量谱大小,为前景阈值α;确定第一和第二个波峰之间的波谷所对应的能量谱大小,为背景阈值β。
如图4所示,所述概率密度曲线有两个峰值,第一个和第二个峰分别体现了无车辆和有车辆经过时的车辆噪声能量分布情况。
步骤5)根据前景阈值α和背景阈值β,对能量谱进行归一化处理,并判断车辆是否进出车道检测断面;
对能量谱进行归一化处理;
当时,判断有车辆进入车道检测断面;否则,判断没有车辆进入车道检测断面;其中γ为阈值;在本实施例中,γ=0.5。
步骤6)统计进入车道检测断面的车辆的方位角,计算车道位置及宽度;具体包括:
步骤601)计算进入检测断面的第i辆车的方位角
第i辆车的方位角为第i辆车能量谱曲线上最大值对应的方位角:
步骤602)取当前时刻之前通过的N辆车为样本,计算每辆车的方位角通过帕森窗估计的方法拟合出车辆方位角的概率密度曲线
统计从系统开始运行到当前时刻通过的车辆数N,如果N小于1000,取N辆车为样本;否则,取距离当前时刻最近的1000辆车为样本,即N=1000;
步骤603)利用概率密度曲线上的波峰和波谷,计算各个车道的位置和宽度;
如图5所示,在概率密度曲线上,每个波峰为车道中心,每个波峰的相邻的两个波谷为此车道的边界;根据两个波谷对应的方位角及两个方位角的差可计算出车道的位置及宽度。在本实施例中,系统定位出了四个车道。
Claims (7)
1.一种基于音频的公路车道动态定位方法,所述方法包括如下具体步骤:
步骤1)传声器阵列的各个阵元采集车辆噪声信号;
步骤2)对车辆噪声信号进行处理,得到相关矩阵C;
步骤3)构造车道检测断面,并根据相关矩阵C计算车道检测断面上的能量谱;
步骤4)计算前景阈值α和背景阈值β;
步骤5)根据前景阈值α和背景阈值β,对车道检测断面的能量谱进行归一化处理,并判断车辆是否进出车道检测断面;
步骤6)统计进入车道检测断面的车辆的方位角,计算车道位置及宽度。
2.根据权利要求1所述的基于音频的公路车道动态定位方法,其特征在于,所述步骤1)中的所述传声器阵列采取十字阵列结构;横向和纵向子阵列都采用等间距的阵列结构,而两个子阵列的阵元数和阵元间距不同;横向与纵向子阵列的阵元间距应满足dh<λmin/2,dv<λmin,其中λmin为信号的最小波长;而且信号的最低频率fmin大于等于7kHz;由此确定传声器阵列所能处理信号的最大频率fmax、横向子阵列的阵元个数Mh和阵元间距dh、纵向子阵列的阵元个数Mv和阵元间距dv。
3.根据权利要求2所述的基于音频的公路车道动态定位方法,其特征在于,所述步骤1)进一步包括:
步骤101)传声器阵列的各个阵元采集车辆噪声的时域信号,经过模数转换后得到横向子阵列和纵向子阵列的时域数据xh(t)和xv(t);
步骤102)对时域数据xh(t)和xv(t)进行多通道短时傅里叶变换,得到频域数据xh(f,τ)和xv(f,τ),其中f为频段号,τ为数据帧的序号;
步骤103)选择子频带[f1,f2]以及时间区间Δτ计算横向和纵向子阵列对应的相关矩阵C:
其中,fmin<f1<f2<fmax,上标H表示共轭转置;fmin为传声器阵列处理信号的最低频率;fmax为传声器阵列处理信号的最高频率。
4.根据权利要求3所述的基于音频的公路车道动态定位方法,其特征在于,所述步骤3)进一步包括:
步骤301)构造车道检测断面;
将车辆监控装置安装在公路一边,装置的法线指向公路的中心;车辆监控装置的方位角的取值范围为:[-90°,90°],将此区间均匀划分为360个小区间,每个小区间对应一个细粒度检测区域;360个细粒度检测区域通过首尾叠加形成了一个检测断面,车道检测断面位于仰角θ=0°处;
步骤302)计算车道检测断面的横向子阵列数据z;
z=Cwv(θ)
其中,wv(θ)为纵向子阵列的波束形成器在仰角θ处的向量;
步骤303)计算噪声子空间;
U=N(zH)
其中,矩阵U的各列生成噪声子空间;N(·)表示一个矩阵的零空间;
U的具体计算方法为:
设z=[z1,z2,…,zM]T,其中M=Mh,首先计算:
其中re(·)和im(·)分别表示复数的实部和虚部,可得:
u1m=re(u1m)+im(u1m)i
构造M-1个向量:
u1=[u11,-1,0,…,0]T
u2=[u12,0,-1,…,0]T
uM-1=[u1M-1,0,0,…,-1]T
则:
U=[u1,u2,…,uM-1]
步骤304)计算车道检测断面上能量谱的最大值q;
由于矩阵U的列空间与声源方位的导向向量基本正交,所以可以利用U和计算断面能量谱以定位声源的方位,其中表示横向子阵列在方向上的导向向量;通过在进行扫描后,得到车道检测断面上的能量谱曲线,能量谱取曲线的最大值:
5.根据权利要求4所述的基于音频的公路车道动态定位方法,其特征在于,所述步骤4)进一步包括:
步骤401)从系统开始运行,每隔2秒,取该时间窗口内q的局部最大值为
步骤402)使用帕森窗估计的方法,通过各个拟合出系统观测得到的车辆噪声能量的概率密度曲线;
步骤403)在所述概率密度曲线上确定第二个波峰对应的能量谱大小,为前景阈值α;确定第一和第二个波峰之间的波谷所对应的能量谱大小,为背景阈值β。
6.根据权利要求5所述的基于音频的公路车道动态定位方法,其特征在于,所述步骤5)的具体实现过程为:
对能量谱进行归一化处理;
当时,判断有车辆进入车道检测断面;否则,判断没有车辆进入车道检测断面;其中γ为阈值。
7.根据权利要求6所述的基于音频的公路车道动态定位方法,其特征在于,所述步骤6)进一步包括:
步骤601)计算进入检测断面的第i辆车的方位角
第i辆车的方位角为第i辆车能量谱曲线上最大值对应的方位角:
步骤602)取当前时刻之前通过的N辆车为样本,计算每辆车的方位角通过帕森窗估计方法拟合出车辆方位角的概率密度曲线
统计从系统开始运行到当前时刻通过的车辆数N,如果N小于1000,取N辆车为样本;否则,取距离当前时刻最近的1000辆车为样本,即N=1000;
步骤603)利用概率密度曲线上的波峰和波谷,计算各个车道的位置和宽度;
在概率密度曲线上,每个波峰为车道中心,波谷为车道边界;根据两个波谷对应的方位角及两个方位角的差计算出车道的位置及宽度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510072795.1A CN105989709B (zh) | 2015-02-11 | 2015-02-11 | 一种基于音频的公路车道动态定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510072795.1A CN105989709B (zh) | 2015-02-11 | 2015-02-11 | 一种基于音频的公路车道动态定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105989709A CN105989709A (zh) | 2016-10-05 |
CN105989709B true CN105989709B (zh) | 2018-08-07 |
Family
ID=57041973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510072795.1A Active CN105989709B (zh) | 2015-02-11 | 2015-02-11 | 一种基于音频的公路车道动态定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105989709B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590470B (zh) * | 2017-09-18 | 2020-08-04 | 浙江大华技术股份有限公司 | 一种车道线检测方法及装置 |
CN107957571B (zh) * | 2017-10-09 | 2021-09-10 | 中国南方电网有限责任公司调峰调频发电公司 | 水听器测向方法、装置、计算机可读存储介质及计算机设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5798983A (en) * | 1997-05-22 | 1998-08-25 | Kuhn; John Patrick | Acoustic sensor system for vehicle detection and multi-lane highway monitoring |
US6195608B1 (en) * | 1993-05-28 | 2001-02-27 | Lucent Technologies Inc. | Acoustic highway monitor |
US7471955B2 (en) * | 2003-02-19 | 2008-12-30 | Yamaha Corporation | Mobile terminal device having route guiding function and route guiding method utilizing mobile terminal device |
CN102682765A (zh) * | 2012-04-27 | 2012-09-19 | 中咨泰克交通工程集团有限公司 | 高速公路音频车辆检测装置及其方法 |
CN102707262A (zh) * | 2012-06-20 | 2012-10-03 | 太仓博天网络科技有限公司 | 一种基于麦克风阵列的声源定位系统 |
-
2015
- 2015-02-11 CN CN201510072795.1A patent/CN105989709B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6195608B1 (en) * | 1993-05-28 | 2001-02-27 | Lucent Technologies Inc. | Acoustic highway monitor |
US5798983A (en) * | 1997-05-22 | 1998-08-25 | Kuhn; John Patrick | Acoustic sensor system for vehicle detection and multi-lane highway monitoring |
US7471955B2 (en) * | 2003-02-19 | 2008-12-30 | Yamaha Corporation | Mobile terminal device having route guiding function and route guiding method utilizing mobile terminal device |
CN102682765A (zh) * | 2012-04-27 | 2012-09-19 | 中咨泰克交通工程集团有限公司 | 高速公路音频车辆检测装置及其方法 |
CN102707262A (zh) * | 2012-06-20 | 2012-10-03 | 太仓博天网络科技有限公司 | 一种基于麦克风阵列的声源定位系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105989709A (zh) | 2016-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105989710B (zh) | 一种基于音频的车辆监控装置及方法 | |
US6011515A (en) | System for measuring average speed and traffic volume on a roadway | |
US5798983A (en) | Acoustic sensor system for vehicle detection and multi-lane highway monitoring | |
WO2020103533A1 (zh) | 一种轨道和道路障碍物检测方法 | |
US8125350B2 (en) | Method and device for the multi-technology detection of vehicles | |
JPH06194443A (ja) | 1つ以上の車両交通調査パラメータの計算用システム | |
US20050046597A1 (en) | Traffic light signal system using radar-based target detection and tracking | |
CN105717514A (zh) | 利用激光雷达传感器的路面反射性检测 | |
CN111582160B (zh) | 基于分布式光纤传感系统的车辆轨迹提取方法及装置 | |
CN105390027B (zh) | 一种道路安全监控预警设备及方法 | |
WO2021077287A1 (zh) | 一种检测方法、检测装置以及存储介质 | |
CN101876705A (zh) | 基于单频连续波雷达的频域车辆检测方法 | |
CN114280322B (zh) | 基于光栅阵列传感器的车辆定位测速系统及方法 | |
Bystrov et al. | Road surface classification using automotive ultrasonic sensor | |
CN111830508A (zh) | 一种采用毫米波雷达的道闸防砸系统和方法 | |
CN113799852B (zh) | 一种支持动态模式切换的智能主动障碍物识别防护方法 | |
Akita et al. | Object tracking and classification using millimeter-wave radar based on LSTM | |
CN105989709B (zh) | 一种基于音频的公路车道动态定位方法 | |
CN202995036U (zh) | 一种基于雷达回波特征的铁路路障探测与告警方法的系统 | |
CN110146899A (zh) | 一种路端雷达障碍物感知系统 | |
WO2020154962A1 (zh) | 一种目标可信度确定方法、一种目标识别方法、系统、车辆及存储介质 | |
CN116660934A (zh) | 车辆、雨/雪天气识别方法、车辆控制方法和系统 | |
Segawa et al. | Preceding vehicle detection using stereo images and non-scanning millimeter-wave radar | |
JP2000099875A (ja) | 車両検出装置 | |
CN115294797A (zh) | 一种公路平交路口智能安全控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |