CN106022460A - 基于激光雷达的人群密度实时监测方法 - Google Patents
基于激光雷达的人群密度实时监测方法 Download PDFInfo
- Publication number
- CN106022460A CN106022460A CN201610349325.XA CN201610349325A CN106022460A CN 106022460 A CN106022460 A CN 106022460A CN 201610349325 A CN201610349325 A CN 201610349325A CN 106022460 A CN106022460 A CN 106022460A
- Authority
- CN
- China
- Prior art keywords
- crowd
- pixel
- image
- motor
- data
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
- G06M11/00—Counting of objects distributed at random, e.g. on a surface
- G06M11/02—Counting of objects distributed at random, e.g. on a surface using an electron beam scanning a surface line by line, e.g. of blood cells on a substrate
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明提出了一种基于激光雷达的人群密度实时监测方法,具体为:利用马达对激光雷达进行驱动,利用激光雷达对监控区域进行扫描;数据采集系统实时记录激光雷达的扫描结果并输出原始激光点云数据以及马达原始数据;结合马达原始数据对原始激光点云数据进行有效点云筛选,并生成pts文件;确认是否存在背景图像,若有,则对pts文件进行栅格化;若无,则先生成背景图像,再对pts文件进行栅格化;根据pts文件的栅格化图像、背景图,生成人群DEM图像,并对人群DEM图像进行二值化,生成二值化图像;根据二值化图像计算人数总和,得到人群数量估计值。该发明受光线、场所等条件变化的影响较小,可以对监控区域进行高精度实时监测。
Description
技术领域
本发明涉及模式识别技术领域,具体涉及一种基于激光雷达的人群密度实时监测方法。
背景技术
在商圈广场、地铁、火车站、机场等人员聚集场所,客流高峰时期经常会有事故发生。特别是在重大节假日,城市商圈往往聚集了大量的人群,容易发生全体性安全事件。例如在上海,在高峰期会有成千上万人经过车站或广场,这些地方变成各种意外事故多发地带。尽管在近年的基础建设和管理中,公安、地铁、火车站、机场等建设了大量监控系统,并实行人群疏导和限流措施,避免拥挤、踩踏等安全隐患,维护公共安全,但类似12.31上海外滩拥挤踩踏事件的发生仍然集中暴露了应急管理中存在的一些突出问题,在预防与应急准备、监测与预警、应急处置与救援、事后恢复与重建等管理流程,严重脱节。
目前,已有使用视频技术与图形识别技术来实时计算人群密度。但该方法在光线发生变化后,或者摄像头安装位置和朝向发生变化后,精度会大打折扣。另外,也有人使用手机基站的接入数量来估算聚集区域的人群密度,但该方法无法判断区分室内、室外的人员,也无法精确获得特定区域的人群密度。
发明内容
为了克服上述现有技术中存在的缺陷,本发明的目的是提供一种能快速准确地对人群密度进行实时监测的方法。
为了实现本发明的上述目的,本发明提供了一种基于激光雷达的人群密度实时监测方法,包括以下步骤:
S1、利用激光雷达对监控区域进行扫描,其扫描平面垂直于监控区域,利用马达对激光雷达进行驱动,使扫描平面进行顺时针和逆时针往返旋转;
S2、数据采集系统实时记录激光雷达的扫描结果并输出原始激光点云数据以及马达原始数据,其中,原始激光点云数据中每个点云数据包含反射点到激光雷达的距离、反射点所在激光束的发射角度和该束激光发射的时间;马达原始数据包括数据采集时间和马达旋转角度;
S3、结合马达原始数据对原始激光点云数据进行有效点云筛选,并将有效点云坐标转换到平台坐标下,生成pts文件;
S4、确认是否存在该监控区域的背景图像,若有,则对pts文件进行栅格化;若无,则先生成背景图像,再对pts文件进行栅格化;
S5、确认是否存在该监控区域的掩膜文件,若有,则在掩膜文件的约束下,结合pts文件的栅格化后图像及背景图生成人群DEM图像;若无,则直接根据pts文件的栅格化后图像及背景图生成人群DEM图像;然后对人群DEM图像进行二值化,生成二值化图像;
S6、根据二值化图像计算人数总和,得到人群数量估计值。
本方案使用2D激光雷达对监控区域进行扫描,其扫描平面垂直于监控区域,利用马达对激光雷达进行驱动,使其扫描平面进行顺时针和逆时针往返旋转,以覆盖整个监控区域。数据采集系统实时记录激光雷达输出的原始点云数据(包含每个点的角度、距离及时间信息),以及马达的原始数据(包含旋转角度、时间信息)。本方案可对监控区域实时监测,统计实时人群密度,并通过热力图形式直观体现人群分布。
进一步的,所述步骤S3包括以下步骤:
S3-1、计算马达有效脉冲:
马达有效脉冲为马达加速阶段结束时产生的脉冲数量p1和马达减速阶段开始时产生的脉冲数量p2,马达连续产生两个脉冲的旋转角度θ3计算方法为:θ3=360/p0,因此,马达加速阶段结束时产生的脉冲数量p1=θ0/θ3;马达开始减速时产生的脉冲数量p2=(θ2-θ0-θ1)/θ3;
其中,θ0为马达加速或减速阶段的旋转角度,p0为马达旋转一周的脉冲数量,θ1为马达开始旋转角度,θ2为马达结束旋转角度。
S3-2、计算有效采集时间:
马达连续产生两个脉冲的时间间隔t3=t0/((θ2-θ1)/θ3),则有效数据采集的开始时间t4和结束时间t5的计算方法为:其中,t0为一个采集周期,t1为马达实际开始旋转时间,t2为马达实际结束旋转时间;
S3-3、判断激光点云数据的有效性:
判断所有激光点云数据的采集时间t6是否满足t6∈[t4,t5],其中,满足条件的激光点云数据为有效点,将有效点执行步骤S3-4;不满足条件的激光点云数据则为无效数据;
S3-4、激光点云数据极坐标转换:
设雷达锥扫角为α0,有效点测距值为d1,角度值为α1,则其对应的设备坐标系下的三维坐标(x1,y1,z1)计算方法为:
S3-5、计算有效点相对于平台坐标系的旋转角度θ4,计算方法为:
S3-6、计算有效点的平台坐标系坐标(x2,y2,z2),计算方法为:其中,r为激光雷达相对于平台坐标中心距离;
S3-7、计算有效点最终相对于平台坐标原点的空间坐标(X1,Y1,Z1),其计算方法为:
其中,θ5为平台坐标系Y轴与正北向夹角;
S3-8、处理采样周期内所有的点云数据,完成点云数据的坐标转换,保存转换结果,生成pts文件。
由于当一个数据采集周期开始时,马达开始旋转,有一段加速过程,在该采集周期结束时,马达停止旋转,有一段减速过程。马达在加速或减速的过程中,激光雷达采集到的点云数据是不均匀的,因此需要将该部分数据过滤,筛选有效数据。通过对马达有效脉冲和有效采集时间的计算,从而得到了一个采样周期内所采集的有效点云。然后将有效点云经过一系列的坐标转换,从而得到有效点最终相对于平台坐标原点的空间坐标,得到pts文件。该计算方法简单且准确,能快速得到有效点,并完成点云数据的坐标转换,生成pts文件。
优选的,步骤S4中背景图像生成方法为:
首先在无人流量或人流量稀少时对监控区域采集若干次数据,所采集数据为背景图点云数据,将这些数据做垂直投影到二维平面上;
然后计算监控区域大小(x’min,y’min,x’max,y’max),其计算方法如下:其中,X’i为背景图点云的二维坐标的横坐标,Y’i表示背景图点云的二维坐标的纵坐标,i=1,2,…,m,m为背景图点云个数;
再计算背景图高度h’0和宽度w’0,计算方法为:其中ceil表示向上取整,λ’1为背景图分辨率;
最后计算背景图点云数据中每个点在背景图片中像素位置坐标(w’1,h’1),计算方法为:其中floor表示向下取整;背景图中(w′1,h′1)位置的像素值取所有点云数据中对应该像素的点云数据高程值的最小值,若背景图中某像素没有对应的点云数据,则取无效值Invalid。
该背景图像生成方法简单,且能准确的生成背景图像,提高了对监控区域实时监测精度。
优选的,步骤S4中对pts文件进行栅格化的方法为:
将pts文件中点云数据做垂直投影到二维平面上,点云的二维坐标表示为(Xi,Yi),(i=1,2,…,n),其中n为点云个数,计算监控区域大小(xmin,ymin,xmax,ymax),其计算方法如下:
图像高度h0和宽度w0的计算方法为:其中ceil表示向上取整,λ1为图像分辨率;
点云数据中每个点在图像中像素位置坐标(w1,h1)计算方法如下:栅格化图像中(w1,h1)位置的像素值取所有点云数据中对应该像素的点云数据高程值的最大值,若图像中某像素没有对应的点云数据,则取无效值Invalid,完成对pts文件的栅格化。
该pts文件栅格化方法简单,且能准确的生成背景图像,提高了对监控区域实时监测精度。
进一步的,步骤S5包括以下步骤:
S5-1、生成人群DEM图像:设栅格化后图像上某像素(c1,r1),像素值V1,对应的背景图像位置为(c2,r2),像素值V2,若存在掩膜文件,设对应掩膜文件位置为(c3,r3),像素值V3,则生成的人群DEM图像中对应像素(c4,r4)的像素值V4的计算方法为:若不存在掩膜文件,则生成的人群DEM图像中对应像素(c4,r4)的像素值V4的计算方法为:V4=abs(V1-V2),其中,abs表示绝对值,
按此计算人群DEM图像中所有像素的像素值,生成人群DEM图像;
S5-2、二值化人群DEM图像像素值,计算方法为:
二值化后图像像素值其中,V5为人群DEM图像中当前被二值化的像素的像素值;
S5-3、对人群DEM图像中所有像素的像素值进行二值化,生成二值化图像。
如果是初次对监控区域进行监测的话就需要生成监测区域的背景图像,如果不是初次对监控区域进行监测,那么就存在已经有背景图像的可能。所以如果原本就存在背景图像,那么栅格化后的图像上某像素在背景图像上坐标(c2,r2)和像素值V2则为已知量,如果原本不存在背景图像,那么在生成背景图像的过程中,背景图像上各像素坐标(c2,r2)和像素值V2则会被计算得到,因此,也为已知量。该计算方法简单有效,能快速生成人群DEM图像,并对人群DEM图像进行二值化。
进一步的,步骤S6包括以下步骤:
S6-1、根据二值化图像中像素的像素值计算该像素所表示的人数Nump,若该像素的像素值为0,则记Nump=0;若该像素的像素值为1,则执行步骤S6-2;
S6-2、计算二值化图像中像素值为1的像素对应的平面坐标(X5,Y5),其计算方法为:
S6-3、计算该像素平面坐标到平台中心的平面距离,计算方法为:其中(X0,Y0)为平台中心的平面坐标;
S6-4、按二值化图像中像素的平面坐标到平台中心的平面距离值分区域进行加权,确定每个区域所代表的人数;
S6-5、重复执行步骤S6-1至S6-4,计算二值化图像中所有像素对应的人数,计算人数总和得到人群数量估计值。
该计算方法简单有效,能快速准确的对人数总和进行计算,最终得到人群数量估计值。
进一步的,还包括步骤S7、将监测得到的人群密度数据进行存档,以供历史查询和统计分析,便于评估监控区域的人群密度变化趋势,为公共安全预警提供数据支撑。
进一步的,还包括步骤S8、生成人群热力图,具体为:
S8-1、在二值化图像上,按照n×n(n为正整数)的窗口大小,计算该窗口内像素对应的人数之和,将其作为窗口中心像素对应的人数;
S8-2、按步骤S8-1中的方法计算二值化图像中所有像素对应的人数,得到人群数量统计图,即人群热力图。
该人群热力图生成方法简单,同时通过人群热力图形式可直观体现人群分布。
进一步的,步骤S5中,如果掩膜文件不存在,则还包括掩膜文件生成步骤,具体为:
掩膜文件生成方法与背景图生成方法相同,首先计算监控区域范围大小,然后根据掩膜文件分辨率计算掩膜文件长度和宽度,生成初始掩膜文件,所述掩膜文件采用与背景图一致的大小和分辨率,所述掩膜文件通过图片编辑器进行人工编辑:人群无法抵达的区域用黑色表示,人群可抵达的区域用白色表示,黑色标记区域不参分析,白色标记区域参与分析。
该掩膜文件生成方法简单,可直接使用背景图的数据,受掩膜文件的约束,可提高数据处理的效率及人群数量估计的精度。
本发明的有益效果是:
(1)、该发明受光线、场所等条件变化的影响较小,可以对监控区域进行高精度实时监测。
(2)、该发明为公共安全预警提供了新的解决方案及数据支撑。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明的流程图;
图2是本发明的人群密度监控示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,除非另有规定和限定,需要说明的是,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
如图1-2所示,本发明提供了一种基于激光雷达的人群密度实时监测方法,包括以下步骤:
第一步,利用激光雷达对监控区域进行扫描,其扫描平面垂直于监控区域,利用马达对激光雷达进行驱动,使扫描平面进行顺时针和逆时针往返旋转。
具体为:使用2D激光雷达对监控区域进行扫描,其扫描平面垂直于监控区域,方案配置一台马达对激光雷达进行驱动,使其扫描平面进行顺时针和逆时针往返旋转,以覆盖整个监控区域。
第二步,数据采集系统实时记录激光雷达的扫描结果并输出原始激光点云数据以及马达原始数据,其中,原始激光点云数据中每个点云数据包含反射点到激光雷达的距离、反射点所在激光束的发射角度和该束激光发射的时间;马达原始数据包括数据采集时间和马达旋转角度。
第三步,结合马达原始数据对原始激光点云数据进行有效点云筛选,并将有效点云坐标转换到平台坐标下,生成pts文件。
该步骤主要分以下几个步骤:
S3-1、计算马达有效脉冲:
马达连续产生两个脉冲的旋转角度θ3计算方法为:θ3=360/p0,马达加速阶段结束时产生的脉冲数量p1为:p1=θ0/θ3;马达开始减速时产生的脉冲数量p2为:p2=(θ2-θ0-θ1)/θ3。
其中,θ0为马达加速或减速阶段的旋转角度,p0为马达旋转一周的脉冲数量,θ1为马达开始旋转角度,θ2为马达结束旋转角度,均为马达原始数据,是已知量。
S3-2、计算有效采集时间
马达连续产生两个脉冲的时间间隔t3=t0/((θ2-θ1)/θ3),则有效数据采集的开始时间t4和结束时间t5的计算方法为:其中,t0为一个采集周期,t1为马达实际开始旋转时间,t2为马达实际结束旋转时间,这三个参数均为马达原始数据,是已知量。
S3-3、判断激光点云数据的有效性
判断所有激光点云数据的采集时间t6是否满足t6∈[t4,t5],其中,满足条件的激光点云数据为有效点,将有效点执行步骤S3-4;不满足条件的激光点云数据则为无效数据。
S3-4、激光点云数据极坐标转换
设雷达锥扫角为α0,有效点测距值为d1,角度值为α1,则其对应的设备坐标系下的三维坐标(x1,y1,z1)计算方法为:
S3-5、计算有效点相对于平台坐标系的旋转角度θ4,计算方法为:
S3-6、计算有效点的平台坐标系坐标(x2,y2,z2),计算方法为:其中,r为激光雷达相对于平台坐标中心距离。
S3-7、计算有效点最终相对于平台坐标原点的空间坐标(X1,Y1,Z1),其计算方法为:
其中,θ5为平台坐标系Y轴与正北向夹角。
S3-8、处理采样周期内所有的点云数据,完成点云数据的坐标转换,保存转换结果,生成pts文件。
第四步,确认是否存在该监控区域的背景图像,若有,则对pts文件进行栅格化;若无,则先生成背景图像,再对pts文件进行栅格化。
背景图像的生成方法为:
首先在无人流量或人流量稀少时对监控区域采集若干次数据,所采集数据为背景图点云数据,将这些数据做垂直投影到二维平面上。
然后计算监控区域大小(x’min,y’min,x’max,y’max),其计算方法如下:
其中,X’i为背景图点云的二维坐标的横坐标,Y’i表示背景图点云的二维坐标的纵坐标,i=1,2,…,m,m为背景图点云个数。
再计算背景图高度h’0和宽度w’0,计算方法为:其中ceil表示向上取整,λ’1为背景图分辨率。
最后计算背景图点云数据中每个点在背景图片中像素位置坐标(w’1,h’1),计算方法为:其中floor表示向下取整;背景图中(w′1,h′1)位置的像素值取所有点云数据中对应该像素的点云数据高程值的最小值,若背景图中某像素没有对应的点云数据,则取无效值Invalid。
利用计算背景图像高度和宽度相同的方法,计算pts文件栅格化后生成的图像高度h0和宽度w0,并计算pts文件中每个点对应的像素位置,取对应同一像素的所有点的高程的最大值为该像素的像素值。若某像素没有对应的点,则该像素对应像素值取值Invalid。
具体如下:
将pts文件中点云数据做垂直投影到二维平面上,点云的二维坐标表示为(Xi,Yi),(i=1,2,…,n),其中n为点云个数,计算监控区域大小(xmin,ymin,xmax,ymax),其计算方法如下:
图像高度h0和宽度w0的计算方法为:其中ceil表示向上取整,λ1为图像分辨率。
点云数据中每个点在图像中像素位置坐标(w1,h1)的计算方法如下:栅格化图像中(w1,h1)位置的像素值取所有点云数据中对应该像素的点云数据高程值的最大值,若图像中某像素没有对应的点云数据,则取无效值Invalid,完成对pts文件的栅格化。
第五步,确认是否存在该监控区域的掩膜文件,若有,则在掩膜文件的约束下,结合pts文件的栅格化后图像及背景图生成人群DEM图像;若无,则直接根据pts文件的栅格化后图像及背景图生成人群DEM图像;然后对人群DEM图像进行二值化,生成二值化图像。
具体步骤为:
S5-1、生成人群DEM图像
设栅格化后图像上某像素(c1,r1),像素值V1,对应的背景图位置为(c2,r2),像素值V2,若存在掩膜文件,设对应掩膜文件位置为(c3,r3),像素值V3,则生成的人群DEM图像中对应像素(c4,r4)的像素值V4的计算方法为:若不存在掩膜文件,则生成的人群DEM图像中对应像素(c4,r4)的像素值V4的计算方法为:V4=abs(V1-V2),其中,abs表示绝对值,计算人群DEM图像中所有像素的像素值,生成人群DEM图像。
S5-2、二值化人群DEM图像像素值,计算方法为:
二值化后图像像素值其中,V5为人群DEM图像中当前被二值化的像素的像素值。
S5-3、对人群DEM图像中所有像素的像素值进行二值化,生成二值化图像。
第六步,根据二值化图像计算人数总和,得到人群数量估计值。
具体方法如下:
S6-1、根据二值化图像中像素的像素值计算该像素所表示的人数Nump,若该像素的像素值为0,则记Nump=0;若该像素的像素值为1,则执行步骤S6-2。
S6-2、计算二值化图像中像素值为1的像素对应的平面坐标(X5,Y5),其计算方法为:
S6-3、计算该像素平面坐标到平台中心的平面距离,计算方法为:其中(X0,Y0)为平台中心的平面坐标。
S6-4、按二值化图像中像素的平面坐标到平台中心的平面距离值分区域进行加权,确定每个区域所代表的人数,本实施例中采用以下加权:
S6-5、重复执行步骤S6-1至S6-4,计算二值化图像中所有像素对应的人数,计算人数总和得到人群数量估计值。
本实施例马达和激光雷达对监控区域进行扫描采样,并通过一系列坐标转换,将原始点云数据转化为相对于采集平台的XYZ三维空间坐标。这些带三维坐标的点,可以直观反映监控区域人和物的空间信息,如位置、高度、外形等。对这些点云数据进行数学分析,结合背景DEM数据及掩膜数据,垂直投影至规则网格,每个网格内符合人体特征的最高点作为特征点,得到人群DEM数据,该数据体现了人群在平面上的分布。在人群DEM数据与人群密度之间建立数学模型,达到统计人群数量及密度的目的。
为了直观体现人群的分布,可将统计结果通过热力图形式展示。
人群热力图生成方法具体为:
S8-1、在二值化图像上,按照n×n(n为正整数)的窗口大小,计算该窗口内像素对应的人数之和,将其作为窗口中心像素对应的人数。这里n通常取奇数。
S8-2、按步骤S8-1中的方法计算二值化图像中所有像素对应的人数,得到新的人群数量统计图,即人群热力图。
可使用不同的颜色,对人群数量统计图按照人数的不同进行标记,生成人群热力图,以反映监控区域人群的密集程度。
此外,可按照需要,对人群热力图进行重新采样,生成不同分辨率的人群热力图,以满足不同的需求。
为了能够更加准确的评估监控区域的人群密度变化趋势,为公共安全预警提供数据支撑,本实施例还包括将监测数据进行存档的步骤,以供相关部门进行历史查询和统计分析。
作为本实施例的优选方案,在掩膜文件不存在时,可生成掩膜文件,具体为:
掩膜文件生成方法与背景图生成方法相同,首先计算监控区域范围大小,然后根据掩膜文件分辨率计算掩膜文件长度和宽度,生成初始掩膜文件,所述掩膜文件采用与背景图一致的大小和分辨率,所述掩膜文件通过图片编辑器进行人工编辑,例如水池、树木和建筑物等人群无法抵达的区域用黑色表示,人群可抵达的区域用白色表示,黑色标记区域不参分析,白色标记区域参与分析。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (9)
1.一种基于激光雷达的人群密度实时监测方法,其特征在于,包括以下步骤:
S1、利用激光雷达对监控区域进行扫描,其扫描平面垂直于监控区域,利用马达对激光雷达进行驱动,使扫描平面进行顺时针和逆时针往返旋转;
S2、数据采集系统实时记录激光雷达的扫描结果并输出原始激光点云数据以及马达原始数据,其中,原始激光点云数据中每个点云数据包含反射点到激光雷达的距离、反射点所在激光束的发射角度和该束激光发射的时间;马达原始数据包括数据采集时间和马达旋转角度;
S3、结合马达原始数据对原始激光点云数据进行有效点云筛选,并将有效点云坐标转换到平台坐标下,生成pts文件;
S4、确认是否存在该监控区域的背景图像,若有,则对pts文件进行栅格化;若无,则先生成背景图像,再对pts文件进行栅格化;
S5、确认是否存在该监控区域的掩膜文件,若有,则在掩膜文件的约束下,结合pts文件的栅格化后图像及背景图生成人群DEM图像;若无,则直接根据pts文件的栅格化后图像及背景图生成人群DEM图像;然后对人群DEM图像进行二值化,生成二值化图像;
S6、根据二值化图像计算人数总和,得到人群数量估计值。
2.根据权利要求1所述的基于激光雷达的人群密度实时监测方法,其特征在于,所述步骤S3包括以下步骤:
S3-1、计算马达有效脉冲:
马达有效脉冲为马达加速阶段结束时产生的脉冲数量p1和马达减速阶段开始时产生的脉冲数量p2,马达连续产生两个脉冲的旋转角度θ3计算方法为:θ3=360/p0,因此,马达加速阶段结束时产生的脉冲数量p1=θ0/θ3;马达开始减速时产生的脉冲数量p2=(θ2-θ0-θ1)/θ3;
其中,θ0为马达加速或减速阶段的旋转角度,p0为马达旋转一周的脉冲数量,θ1为马达开始旋转角度,θ2为马达结束旋转角度;
S3-2、计算有效采集时间:
马达连续产生两个脉冲的时间间隔t3=t0/((θ2-θ1)/θ3),则有效数据采集的开始时间t4和结束时间t5的计算方法为:其中,t0为一个采集周期,t1为马达实际开始旋转时间,t2为马达实际结束旋转时间;
S3-3、判断激光点云数据的有效性:
判断所有激光点云数据的采集时间t6是否满足t6∈[t4,t5],其中,满足条件的激光点云数据为有效点,将有效点执行步骤S3-4;不满足条件的激光点云数据则为无效数据;
S3-4、激光点云数据极坐标转换:
设雷达锥扫角为α0,有效点测距值为d1,角度值为α1,则其对应的设备坐标系下的三维坐标(x1,y1,z1)计算方法为:
S3-5、计算有效点相对于平台坐标系的旋转角度θ4,计算方法为:
S3-6、计算有效点的平台坐标系坐标(x2,y2,z2),计算方法为:其中,r为激光雷达相对于平台坐标中心距离;
S3-7、计算有效点最终相对于平台坐标原点的空间坐标(X1,Y1,Z1),其计算方法为:
其中,θ5为平台坐标系Y轴与正北向夹角;
S3-8、处理采样周期内所有的点云数据,完成点云数据的坐标转换,保存转换结果,生成pts文件。
3.根据权利要求1所述的基于激光雷达的人群密度实时监测方法,其特征在于,步骤S4中背景图像生成方法为:
首先在无人流量或人流量稀少时对监控区域采集若干次数据,所采集数据为背景图点云数据,将这些数据做垂直投影到二维平面上;
然后计算监控区域大小(x′min,y′min,x′max,y′max),其计算方法如下:其中,X′i为背景图点云的二维坐标的横坐标,Yi′表示背景图点云的二维坐标的纵坐标,i=1,2,…,m,m为背景图点云个数;
再计算背景图高度h′0和宽度w′0,计算方法为:其中ceil表示向上取整,λ′1为背景图分辨率;
最后计算背景图点云数据中每个点在背景图片中像素位置坐标(w′1,h′1),计算方法为:其中floor表示向下取整;背景图中(w′1,h′1)位置的像素值取所有点云数据中对应该像素的点云数据高程值的最小值,若背景图中某像素没有对应的点云数据,则取无效值Invalid。
4.根据权利要求1所述的基于激光雷达的人群密度实时监测方法,其特征在于,步骤S4中对pts文件进行栅格化的方法为:
将pts文件中点云数据做垂直投影到二维平面上,点云的二维坐标表示为(Xi,Yi),(i=1,2,…,n),其中n为点云个数,计算监控区域大小(xmin,ymin,xmax,ymax),该区域大小与生成背景图时计算的区域大小保持一致,其计算方法如下:
图像高度h0和宽度w0的计算方法为:其中ceil表示向上取整,λ1为图像分辨率;
点云数据中每个点在图像中像素位置坐标(w1,h1)计算方法如下:栅格化图像中(w1,h1)位置的像素值取所有点云数据中对应该像素的点云数据高程值的最大值,若某像素没有对应的点云数据,则取无效值Invalid,完成对pts文件的栅格化。
5.根据权利要求1所述的基于激光雷达的人群密度实时监测方法,其特征在于,步骤S5包括以下步骤:
S5-1、生成人群DEM图像:设栅格化后图像上某像素(c1,r1),像素值V1,对应的背景图位置为(c2,r2),像素值V2,若存在掩膜文件,设对应掩膜文件位置为(c3,r3),像素值V3,则生成的人群DEM图像中对应像素(c4,r4)的像素值V4的计算方法为:若不存在掩膜文件,则生成的人群DEM图像中对应像素(c4,r4)的像素值V4的计算方法为:V4=abs(V1-V2),其中,abs表示绝对值,计算人群DEM图像中所有像素的像素值,生成人群DEM图像;
S5-2、二值化人群DEM图像像素值,计算方法为:
二值化后图像像素值其中,V5为人群DEM图像中当前被二值化的像素的像素值;
S5-3、对人群DEM图像中所有像素的像素值进行二值化,生成二值化图像。
6.根据权利要求1所述的基于激光雷达的人群密度实时监测方法,其特征在于,步骤S6包括以下步骤:
S6-1、根据二值化图像中像素的像素值计算该像素所表示的人数Nump,若该像素的像素值为0,则记Nump=0;若该像素的像素值为1,则执行步骤S6-2;
S6-2、计算二值化图像中像素值为1的像素对应的平面坐标(X5,Y5),其计算方法为:
S6-3、计算该像素平面坐标到平台中心的平面距离,计算方法为:其中(X0,Y0)为平台中心的平面坐标;
S6-4、按二值化图像中像素的平面坐标到平台中心的平面距离值分区域进行加权,确定每个区域所代表的人数;
S6-5、重复执行步骤S6-1至S6-4,计算二值化图像中所有像素对应的人数,计算人数总和得到人群数量估计值。
7.根据权利要求1所述的基于激光雷达的人群密度实时监测方法,其特征在于,还包括步骤S7、将监测得到的人群密度数据进行存档,以供历史查询和统计分析。
8.根据权利要求1所述的基于激光雷达的人群密度实时监测方法,其特征在于,还包括步骤S8、生成人群热力图,具体为:
S8-1、在二值化图像上,按照n×n(n为正整数)的窗口大小,计算该窗口内像素对应的人数之和,将其作为窗口中心像素对应的人数;
S8-2、按步骤S8-1中的方法计算二值化图像中所有像素对应的人数,得到人群数量统计图,即人群热力图。
9.根据权利要求3所述的基于激光雷达的人群密度实时监测方法,其特征在于,步骤S5中,掩膜文件生成步骤,具体为:
掩膜文件生成方法与背景图生成方法相同,首先计算监控区域范围大小,然后根据掩膜文件分辨率计算掩膜文件长度和宽度,生成初始掩膜文件,所述掩膜文件采用与背景图一致的大小和分辨率,所述掩膜文件通过图片编辑器进行人工编辑:人群无法抵达的区域用黑色表示,人群可抵达的区域用白色表示,黑色标记区域不参分析,白色标记区域参与分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610349325.XA CN106022460B (zh) | 2016-05-25 | 2016-05-25 | 基于激光雷达的人群密度实时监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610349325.XA CN106022460B (zh) | 2016-05-25 | 2016-05-25 | 基于激光雷达的人群密度实时监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106022460A true CN106022460A (zh) | 2016-10-12 |
CN106022460B CN106022460B (zh) | 2018-08-10 |
Family
ID=57093207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610349325.XA Active CN106022460B (zh) | 2016-05-25 | 2016-05-25 | 基于激光雷达的人群密度实时监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106022460B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106407466A (zh) * | 2016-10-17 | 2017-02-15 | 山东浪潮商用系统有限公司 | 一种基于人流量的税务大厅热力图显示方法 |
CN106570454A (zh) * | 2016-10-10 | 2017-04-19 | 同济大学 | 基于移动激光扫描的行人交通参数提取方法 |
CN107862656A (zh) * | 2017-10-30 | 2018-03-30 | 北京零壹空间科技有限公司 | 一种3d图像点云数据的规整化实现方法、系统 |
CN108710818A (zh) * | 2018-03-09 | 2018-10-26 | 唐义 | 一种基于三维激光雷达的人数实时监测统计系统及方法 |
CN109034355A (zh) * | 2018-07-02 | 2018-12-18 | 百度在线网络技术(北京)有限公司 | 致密人群的人数预测方法、装置、设备以及存储介质 |
CN109602344A (zh) * | 2019-01-10 | 2019-04-12 | 珠海格力电器股份有限公司 | 基于微波雷达的扫地机器人控制方法及装置、系统 |
CN109636894A (zh) * | 2018-10-31 | 2019-04-16 | 成都四方伟业软件股份有限公司 | 一种基于像素点栅格化的动态三维热力计算方法及系统 |
CN109785632A (zh) * | 2019-03-14 | 2019-05-21 | 济南浪潮高新科技投资发展有限公司 | 一种交通流量统计方法及装置 |
CN109839638A (zh) * | 2017-11-28 | 2019-06-04 | 保定市天河电子技术有限公司 | 铁路站台防护方法和设备 |
CN110376585A (zh) * | 2019-07-23 | 2019-10-25 | 交控科技股份有限公司 | 基于3d雷达扫描的车厢拥挤度检测方法及装置、系统 |
CN110688928A (zh) * | 2019-09-20 | 2020-01-14 | 北京海益同展信息科技有限公司 | 模型训练方法、装置、电子设备及计算机可读存储介质 |
WO2020125057A1 (zh) * | 2018-12-20 | 2020-06-25 | 北京海益同展信息科技有限公司 | 牲畜个数的识别方法及装置 |
CN114528730A (zh) * | 2022-01-25 | 2022-05-24 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种真实珊瑚砂颗粒离散元模型的构建方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101464944A (zh) * | 2007-12-19 | 2009-06-24 | 中国科学院自动化研究所 | 一种基于统计特征的人群密度分析方法 |
CN101644717A (zh) * | 2009-08-31 | 2010-02-10 | 北京大学 | 一种采用激光扫描的行人前进方向判断方法 |
CN102436536A (zh) * | 2011-07-27 | 2012-05-02 | 北京北大千方科技有限公司 | 一种客流密度的检测方法 |
CN102496200A (zh) * | 2011-12-12 | 2012-06-13 | 北京竞业达数码科技有限公司 | 基于激光测距的客流统计方法和装置 |
CN204480304U (zh) * | 2015-02-27 | 2015-07-15 | 北京镭塞智能科技有限公司 | 一种基于激光技术的智能客流监控系统 |
CN105303584A (zh) * | 2015-09-18 | 2016-02-03 | 南京航空航天大学 | 基于激光雷达的运动目标检测方法及装置 |
US20160133025A1 (en) * | 2014-11-12 | 2016-05-12 | Ricoh Company, Ltd. | Method for detecting crowd density, and method and apparatus for detecting interest degree of crowd in target position |
-
2016
- 2016-05-25 CN CN201610349325.XA patent/CN106022460B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101464944A (zh) * | 2007-12-19 | 2009-06-24 | 中国科学院自动化研究所 | 一种基于统计特征的人群密度分析方法 |
CN101644717A (zh) * | 2009-08-31 | 2010-02-10 | 北京大学 | 一种采用激光扫描的行人前进方向判断方法 |
CN102436536A (zh) * | 2011-07-27 | 2012-05-02 | 北京北大千方科技有限公司 | 一种客流密度的检测方法 |
CN102496200A (zh) * | 2011-12-12 | 2012-06-13 | 北京竞业达数码科技有限公司 | 基于激光测距的客流统计方法和装置 |
US20160133025A1 (en) * | 2014-11-12 | 2016-05-12 | Ricoh Company, Ltd. | Method for detecting crowd density, and method and apparatus for detecting interest degree of crowd in target position |
CN204480304U (zh) * | 2015-02-27 | 2015-07-15 | 北京镭塞智能科技有限公司 | 一种基于激光技术的智能客流监控系统 |
CN105303584A (zh) * | 2015-09-18 | 2016-02-03 | 南京航空航天大学 | 基于激光雷达的运动目标检测方法及装置 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570454A (zh) * | 2016-10-10 | 2017-04-19 | 同济大学 | 基于移动激光扫描的行人交通参数提取方法 |
CN106570454B (zh) * | 2016-10-10 | 2019-06-11 | 同济大学 | 基于移动激光扫描的行人交通参数提取方法 |
CN106407466A (zh) * | 2016-10-17 | 2017-02-15 | 山东浪潮商用系统有限公司 | 一种基于人流量的税务大厅热力图显示方法 |
CN107862656A (zh) * | 2017-10-30 | 2018-03-30 | 北京零壹空间科技有限公司 | 一种3d图像点云数据的规整化实现方法、系统 |
CN107862656B (zh) * | 2017-10-30 | 2020-11-06 | 北京零壹空间科技有限公司 | 一种3d图像点云数据的规整化实现方法、系统 |
CN109839638A (zh) * | 2017-11-28 | 2019-06-04 | 保定市天河电子技术有限公司 | 铁路站台防护方法和设备 |
CN108710818A (zh) * | 2018-03-09 | 2018-10-26 | 唐义 | 一种基于三维激光雷达的人数实时监测统计系统及方法 |
CN109034355B (zh) * | 2018-07-02 | 2022-08-02 | 百度在线网络技术(北京)有限公司 | 致密人群的人数预测方法、装置、设备以及存储介质 |
CN109034355A (zh) * | 2018-07-02 | 2018-12-18 | 百度在线网络技术(北京)有限公司 | 致密人群的人数预测方法、装置、设备以及存储介质 |
CN109636894B (zh) * | 2018-10-31 | 2022-10-25 | 成都四方伟业软件股份有限公司 | 一种基于像素点栅格化的动态三维热力计算方法及系统 |
CN109636894A (zh) * | 2018-10-31 | 2019-04-16 | 成都四方伟业软件股份有限公司 | 一种基于像素点栅格化的动态三维热力计算方法及系统 |
WO2020125057A1 (zh) * | 2018-12-20 | 2020-06-25 | 北京海益同展信息科技有限公司 | 牲畜个数的识别方法及装置 |
CN109602344A (zh) * | 2019-01-10 | 2019-04-12 | 珠海格力电器股份有限公司 | 基于微波雷达的扫地机器人控制方法及装置、系统 |
CN109602344B (zh) * | 2019-01-10 | 2021-04-30 | 珠海格力电器股份有限公司 | 基于微波雷达的扫地机器人控制方法及装置、系统 |
CN109785632B (zh) * | 2019-03-14 | 2021-05-04 | 浪潮集团有限公司 | 一种交通流量统计方法及装置 |
CN109785632A (zh) * | 2019-03-14 | 2019-05-21 | 济南浪潮高新科技投资发展有限公司 | 一种交通流量统计方法及装置 |
CN110376585A (zh) * | 2019-07-23 | 2019-10-25 | 交控科技股份有限公司 | 基于3d雷达扫描的车厢拥挤度检测方法及装置、系统 |
CN110688928A (zh) * | 2019-09-20 | 2020-01-14 | 北京海益同展信息科技有限公司 | 模型训练方法、装置、电子设备及计算机可读存储介质 |
CN114528730A (zh) * | 2022-01-25 | 2022-05-24 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种真实珊瑚砂颗粒离散元模型的构建方法 |
CN114528730B (zh) * | 2022-01-25 | 2022-11-29 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种真实珊瑚砂颗粒离散元模型的构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106022460B (zh) | 2018-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106022460A (zh) | 基于激光雷达的人群密度实时监测方法 | |
CN109934163B (zh) | 一种基于场景先验和特征再融合的航空图像车辆检测方法 | |
WO2018028103A1 (zh) | 一种基于人眼视觉特性的电力线路无人机巡检方法 | |
Meng et al. | Morphology-based building detection from airborne LIDAR data | |
CN104061907B (zh) | 基于步态三维轮廓匹配合成的视角大幅可变步态识别方法 | |
CN104156972B (zh) | 基于激光扫描测距仪与多相机融合的透视成像方法 | |
CN103902976B (zh) | 一种基于红外图像的行人检测方法 | |
CN103716579B (zh) | 视频监控方法及系统 | |
CN102970504A (zh) | 图像投影设备、图像处理设备、图像投影方法和计算机可读记录介质 | |
CN103268470B (zh) | 基于任意场景的视频对象实时统计方法 | |
CN110765528A (zh) | 一种基于虚拟仿真技术的三维重构变电站实现方法 | |
CN104134216B (zh) | 基于16维特征描述的激光点云自动配准方法及系统 | |
JP2011501301A (ja) | 地理的情報の複数のソースを用いた地理空間モデリングシステム及び関連する方法 | |
CN109741320A (zh) | 一种基于航拍图像的风电叶片故障检测方法 | |
CN102682442A (zh) | 基于光流场的运动目标超分辨率图像重建方法 | |
Cervantes et al. | Utilization of low cost, sky-imaging technology for irradiance forecasting of distributed solar generation | |
CN115937288A (zh) | 一种变电站三维场景模型构建方法 | |
CN106339657A (zh) | 基于监控视频的秸秆焚烧监测方法、装置 | |
CN114863357A (zh) | 一种输电线路外力破坏的识别告警方法及系统 | |
CN105096305A (zh) | 绝缘子状态分析的方法及装置 | |
JP2015005143A (ja) | データ解析装置、データ解析方法、及びプログラム | |
Esch et al. | The global urban footprint | |
CN111783690A (zh) | 基于车辆密度感知的城市可行驶区域cim信息处理方法 | |
JP6032678B2 (ja) | データ解析装置、データ解析方法、及びプログラム | |
CN110852208B (zh) | 一种人群密度估计方法及可读存储介质 |
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 |