CN109141595A - 一种通过视频识别车辆尺寸信息获取交通轴载信息的方法 - Google Patents
一种通过视频识别车辆尺寸信息获取交通轴载信息的方法 Download PDFInfo
- Publication number
- CN109141595A CN109141595A CN201810618741.4A CN201810618741A CN109141595A CN 109141595 A CN109141595 A CN 109141595A CN 201810618741 A CN201810618741 A CN 201810618741A CN 109141595 A CN109141595 A CN 109141595A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- pixel
- load
- class
- length
- 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
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/02—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles
- G01G19/025—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles wheel-load scales
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
Abstract
本发明公开了一种通过视频识别车辆尺寸信息获取交通轴载信息的方法,包括在监测交通轴载的目标路段安装并调试摄像机,获取目标车道上车辆行车视频信息;通过视频识别方法获取通过监测路段的车辆长度信息:通过车辆行车视频信息提取经过监测路段的行车车辆二维图像,计算通过监测路段目标车辆的长度信息、车头高度信息和车尾高度信息;基于目标车辆的长度信息值将车辆车型进行分类;基于目标车辆的车头高度信息值和车尾高度信息值将车辆荷载状态进行分类;基于车型分类和车辆荷载状态划分得到车辆荷载,通过轴载换算从而获得目标车道的交通轴载信息。本发明在快速较准确地获取各目标车道的交通轴载的同时,不需要破坏原有路面,节约成本。
Description
技术领域
本发明涉及获取交通轴载信息的方法,尤其涉及一种通过视频识别车辆尺寸信息获取交通轴载信息的方法。
背景技术
截止2017年底,我国机动车保有量已经达到3.1亿辆。交通轴载是沥青路面损坏尤其是路面车辙产生的主要诱因之一,它也是路面结构设计中一个非常重要的输入参数。我国《沥青路面设计规范》(JTG D50-2017)给出了交通轴载的统计及换算方法,AASHTO设计方法、壳牌设计法和美国地沥青协会设计法都提出了相应的轴载换算公式,而轴载换算的前提是对交通轴载的准确统计。交通轴载的准确性直接影响了沥青路面的使用过程中的舒适性和沥青路面的使用寿命。
我国的高速公路里程已经是世界第一,路面的维修养护是当前的重要课题之一,路面的维修养护主要针对不同车道的不同损坏程度进行。针对不同的车道制定不同的养护策略需要对该车道的交通轴载有较为全面的考察,对于每一个车道的交通轴载统计仍然存在一定的困难,最直接的方式是在路面安装荷载称重设备,这种方法一方面需要破坏路面,另外,高速行车条件下的车重误差较大,更为突出的问题是设备费用很高,安装于高速公路上检查维修较为困难。
因此,亟待解决上述问题。
发明内容
发明目的:本发明的目的是提供的一种可避免破坏原有路面且对合理利用现有资源减少费用、针对任一车道且兼具快捷方便的通过视频识别车辆尺寸信息获取交通轴载信息的方法。
技术方案:为实现以上目的,本发明公开了一种通过视频识别车辆尺寸信息获取交通轴载信息的方法,包括如下步骤:
(1)在监测交通轴载的目标路段安装并调试摄像机,获取目标车道上车辆行车视频信息;
(2)通过视频识别方法获取通过监测路段的车辆长度信息:通过车辆行车视频信息提取经过监测路段的行车车辆二维图像,计算通过监测路段目标车辆的长度信息、车头高度信息和车尾高度信息;
(3)基于目标车辆的长度信息值将车辆车型进行分类:第一类:长度为6m以下,宽度2m及以下的小汽车;第二类:长度为6m~9m的二轴货车;第三类:长度为9m~11m的三轴货车;第四类:长度为11m~13m的四轴货车;第五类:长度为13m~15m的五轴货车;第六类:长度为15m及以上的六轴及以上货车;
(4)基于目标车辆的车头高度信息值和车尾高度信息值将车辆荷载状态进行分类;
(5)、基于步骤(3)和(4)的车型分类和车辆荷载状态划分得到车辆荷载,将车重均匀分配至每一轴,通过轴载换算从而获得目标车道的交通轴载信息。
其中,所述步骤(1)中在监测交通轴载的目标路段间隔一定间距安装前端摄像机和后端摄像机,并进行调试,获取目标车道上车辆行车视频信息,摄像机的位置在目标车道的正中间,摄像机的高度H≥6m,前端摄像机和后端摄像机两者之间的间距为30~50m,且前端摄像机和后端摄像机的倾角相同。
优选的,所述步骤(2)中通过二维图像计算通过监测路段目标车辆的长度信息、车头高度信息和车尾高度信息的具体方法为:
(2.1)、获取目标车行道分界线之间的间隔距离和车道宽度,在二维图像目标车道上选取由间隔距离和车道宽度围成的矩形框,其四个顶点分别为A、B、E、F四个像素点,获取二维图像上A、B、E、F四个像素点所一一对应的像素坐标(xa,ya)、(xb,yb)、(xe,ye)和(xf,yf);实际路面以A点为实际坐标原点,由目标车行道分界线长度、目标车行道分界线之间的间隔距离和车道宽度得到A、B、E、F四个像素点的实际二维坐标(Xa,Ya)、(Xb,Yb)、(Xe,Ye)和(Xf,Yf),其中A(Xa,Ya)即为(0,0);
(2.2)、二维图像中,像素坐标(x,y)和世界坐标(X,Y)之间的齐次坐标转换关系式为下式(1)和其转换公式(2)所示,其中k为比例系数,l1、l2、l3、l4、l5、l6、l7和l8为转换向量中的参数;
k=l7*x+l8*y+1 (3)
将A、B、E、F四个像素点的像素坐标(xa,ya)、(xb,yb)、(xe,ye)(xf,yf)和实际二维坐标(0,0)、(Xb,Yb)、(Xe,Ye)和(Xf,Yf)代入到上述公式中可得到相应的具体参数l1、l2、l3、l4、l5、l6、l7和l8;
(2.3)、由前端摄像头拍摄目标车辆车头即将离开前端摄像头视线时的照片,标记为二维图像1,如图2所示;标记二维图像1上目标车辆的车头和车尾各位置点分别为I像素点、J像素点、K像素点、M像素点和L像素点,获取二维图像1上I像素点、J像素点、K像素点、M像素点和L像素点所一一对应的像素坐标(xi,yi)、(xj,yj)、(xk,yk)、(xm,ym)和(xl,yl),根据步骤(2.2)中的坐标转换关系式(2)得到I像素点、J像素点、K像素点、M像素点和L像素点的实际二维坐标(Xi,Yi)、(Xj,Yj)、(Xk,Yk)、(Xm,Ym)和(Xl,Yl);
(2.4)、由I、J、K、M、L五个像素点的实际二维坐标(Xi,Yi)、(Xj,Yj)、(Xk,Yk)、(Xm,Ym)和(Xl,Yl),计算I、K两个像素点之间的长度计算L、J两个像素点之间的长度计算M、K两个像素点之间的长度
(2.5)、由后端摄像头拍摄目标车辆车尾刚刚进入后端摄像头视线时的照片,标记为二维图像2,如图3所示;标记二维图像2上目标车辆的车头和车尾各位置点分别为I像素点、J像素点、K像素点、M像素点和L像素点,获取二维图像2上I像素点、J像素点、K像素点、M像素点和L像素点所一一对应的像素坐标(xi',yi')、(xj',yj')、(xk',yk')、(xm',ym')和(xl',yl'),根据步骤(2.2)中的坐标转换关系式(2)得到I像素点、J像素点、K像素点、M像素点和L像素点的实际二维坐标(Xi',Yi')、(Xj',Yj')、(Xk',Yk')、(Xm',Ym')和(Xl',Yl');
(2.6)、由I、J、K、M、L五个像素点的实际二维坐标(Xi',Yi')、(Xj',Yj')、(Xk',Yk')、(Xm',Ym')和(Xl',Yl'),计算I、K两个像素点之间的长度计算L、J两个像素点之间的长度计算M、K两个像素点之间的长度
(2.7)二维图像1中I、K两个像素点之间的长度Lik与二维图像2中I、K两个像素点之间的长度Lik'的绝对差值不大于10%,计算两者平均值即为目标车辆的长度信息值;二维图像1中L、J两个像素点之间的长度Hlj与二维图像2中L、J两个像素点之间的长度Hlj'的绝对差值不大于10%,计算两者平均值即为目标车辆的车头高度信息值;二维图像1中M、K两个像素点之间的长度Hmk与二维图像2中M、K两个像素点之间的长度Hmk'的绝对差值不大于10%,计算两者平均值即为目标车辆的车尾高度信息值。
进一步,所述步骤(4)中车辆荷载状态的具体分类方法为:第1类:车头高度信息值与车尾高度信息值之间的绝对差值小于10%,视为车头高度信息值与车尾高度信息值一致,视为满载;或当车尾高度信息值大于车头高度信息值时也视为满载;第2类:车尾高度信息值为车头高度信息值的0.5倍到0.9倍之间时,视为半载;其余类型为第3类,视为空载。
再者,所述步骤(5)中具体划分方法为:
第一类车型,长度在5m及以下的车重按1800kg计,长度为5m~6m的车重按2500kg计;
第二类车型、第1类,载重轴荷载为10000kg,驱动轴荷载为5000kg;第二类车型、第2类,载重轴荷载为5000kg,驱动轴荷载为3500kg;第二类车型、第3类,载重轴荷载为2500kg,驱动轴荷载为2500kg;
第三类车型、第1类,载重轴荷载为9000kg,驱动轴荷载为5000kg;第三类车型、第2类,载重轴荷载为4500kg,驱动轴荷载为3500kg;第三类车型、第3类,载重轴荷载为2500kg,驱动轴荷载为2500kg;
第四类车型、第1类,载重轴荷载为8500kg,驱动轴荷载为5000kg;第四类车型、第2类,载重轴荷载为4500kg,驱动轴荷载为3500kg;第四类车型、第3类,载重轴荷载为2500kg,驱动轴荷载为2500kg;
第五类车型和第六类车型、第1类,载重轴荷载为8500kg,驱动轴荷载为5000kg;第五类车型和第六类车型、第2类,载重轴荷载为4000kg,驱动轴荷载为3000kg;第五类车型和第六类车型、第3类,载重轴荷载为2500kg,驱动轴荷载为2500kg。
有益效果:与现有技术相比,本发明具有以下显著优点:
(1)本发明基于已有的交通视频监控设备,在快速较准确地获取各目标车道的交通轴载的同时,不需要破坏原有路面,节约了成本,对交通视频监控设备进行了资源再利用;
(2)本发明通过交通视频并利用二维坐标与实际坐标之间的关系可以快速实时的获取目标车道的交通轴载信息,为及时快速的分析车道各车辆分布提供了有力的工具。
附图说明
图1为本发明中交通视频监控设备的示意图;
图2为本发明中前端摄像头拍摄目标车辆车头即将离开前端摄像头视线时的照片;
图3为本发明中后端摄像头拍摄目标车辆车尾刚刚进入后端摄像头视线时的照片。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
本发明公开一种通过视频识别车辆尺寸信息获取交通轴载信息的方法,包括如下步骤:
(1)在监测交通轴载的目标路段间隔一定间距安装前端摄像机和后端摄像机,并进行调试,获取目标车道上车辆行车视频信息,摄像机的位置在目标车道的正中间,摄像机的高度H≥6m,前端摄像机和后端摄像机两者之间的间距为30~50m,且前端摄像机和后端摄像机的倾角相同,如图1所示;
(2)通过视频识别方法获取通过监测路段的车辆长度信息:通过车辆行车视频信息提取经过监测路段的行车车辆二维图像,计算通过监测路段目标车辆的长度信息和高度信息;其中通过二维图像计算过监测路段目标车辆的长度信息和高度信息的具体方法为:
(2.1)、获取目标车行道分界线之间的间隔距离和车道宽度,在二维图像目标车道上选取由间隔距离和车道宽度围成的矩形框,其四个顶点分别为A、B、E、F四个像素点,获取二维图像上A、B、E、F四个像素点所一一对应的像素坐标(xa,ya)、(xb,yb)、(xe,ye)和(xf,yf);实际路面以A点为实际坐标原点,由目标车行道分界线长度、目标车行道分界线之间的间隔距离和车道宽度得到A、B、E、F四个像素点的实际二维坐标(Xa,Ya)、(Xb,Yb)、(Xe,Ye)和(Xf,Yf),其中A(Xa,Ya)即为(0,0);
(2.2)、二维图像中,像素坐标(x,y)和世界坐标(X,Y)之间的齐次坐标转换关系式为下式(1)和其转换公式(2)所示,其中k为比例系数,l1、l2、l3、l4、l5、l6、l7和l8为转换向量中的参数;
k=l7*x+l8*y+1 (3)
将A、B、E、F四个像素点的像素坐标(xa,ya)、(xb,yb)、(xe,ye)(xf,yf)和实际二维坐标(0,0)、(Xb,Yb)、(Xe,Ye)和(Xf,Yf)代入到上述公式中可得到相应的具体参数l1、l2、l3、l4、l5、l6、l7和l8;
(2.3)、由前端摄像头拍摄目标车辆车头即将离开前端摄像头视线时的照片,标记为二维图像1,如图2所示;标记二维图像1上目标车辆的车头和车尾各位置点分别为I像素点、J像素点、K像素点、M像素点和L像素点,获取二维图像1上I像素点、J像素点、K像素点、M像素点和L像素点所一一对应的像素坐标(xi,yi)、(xj,yj)、(xk,yk)、(xm,ym)和(xl,yl),根据步骤(2.2)中的坐标转换关系式(2)得到I像素点、J像素点、K像素点、M像素点和L像素点的实际二维坐标(Xi,Yi)、(Xj,Yj)、(Xk,Yk)、(Xm,Ym)和(Xl,Yl);
(2.4)、由I、J、K、M、L五个像素点的实际二维坐标(Xi,Yi)、(Xj,Yj)、(Xk,Yk)、(Xm,Ym)和(Xl,Yl),计算I、K两个像素点之间的长度计算L、J两个像素点之间的长度计算M、K两个像素点之间的长度
(2.5)、由后端摄像头拍摄目标车辆车尾刚刚进入后端摄像头视线时的照片,标记为二维图像2,如图3所示;标记二维图像2上目标车辆的车头和车尾各位置点分别为I像素点、J像素点、K像素点、M像素点和L像素点,获取二维图像2上I像素点、J像素点、K像素点、M像素点和L像素点所一一对应的像素坐标(xi',yi')、(xj',yj')、(xk',yk')、(xm',ym')和(xl',yl'),根据步骤(2.2)中的坐标转换关系式(2)得到I像素点、J像素点、K像素点、M像素点和L像素点的实际二维坐标(Xi',Yi')、(Xj',Yj')、(Xk',Yk')、(Xm',Ym')和(Xl',Yl');
(2.6)、由I、J、K、M、L五个像素点的实际二维坐标(Xi',Yi')、(Xj',Yj')、(Xk',Yk')、(Xm',Ym')和(Xl',Yl'),计算I、K两个像素点之间的长度计算L、J两个像素点之间的长度计算M、K两个像素点之间的长度
(2.7)二维图像1中I、K两个像素点之间的长度Lik与二维图像2中I、K两个像素点之间的长度Lik'的绝对差值不大于10%,计算两者平均值即为目标车辆的长度信息值;二维图像1中L、J两个像素点之间的长度Hlj与二维图像2中L、J两个像素点之间的长度Hlj'的绝对差值不大于10%,计算两者平均值即为目标车辆的车头高度信息值;二维图像1中M、K两个像素点之间的长度Hmk与二维图像2中M、K两个像素点之间的长度Hmk'的绝对差值不大于10%,计算两者平均值即为目标车辆的车尾高度信息值;
(3)基于目标车辆的长度信息值将车辆车型进行分类:第一类:长度为6m以下,宽度2m及以下的小汽车;第二类:长度为6m~9m的二轴货车;第三类:长度为9m~11m的三轴货车;第四类:长度为11m~13m的四轴货车;第五类:长度为13m~15m的五轴货车;第六类:长度为15m及以上的六轴及以上货车;
(4)基于目标车辆的车头高度信息值和车尾高度信息值将车辆荷载状态进行分类:第1类:车头高度信息值与车尾高度信息值之间的绝对差值小于10%,视为车头高度信息值与车尾高度信息值一致,视为满载;或当车尾高度信息值大于车头高度信息值时也视为满载;第2类:车尾高度信息值为车头高度信息值的0.5倍到0.9倍之间时,视为半载;其余类型为第3类,视为空载;
(5)、基于步骤(3)和(4)的车型分类和车辆荷载状态划分得到车辆荷载,将车重均匀分配至每一轴,通过轴载换算从而获得目标车道的交通轴载信息,其中具体划分方法为:
第一类车型,长度在5m及以下的车重按1800kg计,长度为5m~6m的车重按2500kg计;
第二类车型、第1类,载重轴荷载为10000kg,驱动轴荷载为5000kg;第二类车型、第2类,载重轴荷载为5000kg,驱动轴荷载为3500kg;第二类车型、第3类,载重轴荷载为2500kg,驱动轴荷载为2500kg;
第三类车型、第1类,载重轴荷载为9000kg,驱动轴荷载为5000kg;第三类车型、第2类,载重轴荷载为4500kg,驱动轴荷载为3500kg;第三类车型、第3类,载重轴荷载为2500kg,驱动轴荷载为2500kg;
第四类车型、第1类,载重轴荷载为8500kg,驱动轴荷载为5000kg;第四类车型、第2类,载重轴荷载为4500kg,驱动轴荷载为3500kg;第四类车型、第3类,载重轴荷载为2500kg,驱动轴荷载为2500kg;
第五类车型和第六类车型、第1类,载重轴荷载为8500kg,驱动轴荷载为5000kg;第五类车型和第六类车型、第2类,载重轴荷载为4000kg,驱动轴荷载为3000kg;第五类车型和第六类车型、第3类,载重轴荷载为2500kg,驱动轴荷载为2500kg。
实施例1
(1)在监测交通轴载的目标路段间隔50m分别安装前端摄像机和后端摄像机,并进行调试,获取目标车道上车辆行车视频信息,摄像机的位置在目标车道的正中间,摄像机的高度H为6m,且前端摄像机和后端摄像机的倾角相同;
(2)通过视频识别方法获取通过监测路段的车辆长度信息:通过车辆行车视频信息提取经过监测路段的行车车辆二维图像,计算通过监测路段目标车辆的长度信息和高度信息;其中通过二维图像计算过监测路段目标车辆的长度信息和高度信息的具体方法为:
(2.1)、采用MATLAB读取图2中A、B、E、F四点的像素坐标分别为(367,735),(592,735),(387,505),(507,505),而实际路面以A为原点(0,0),由车道宽度为3750mm,目标车行道分界线长度为6000mm,目标车行道分界线之间的间隔距离为90000mm,得到B,E,F三个像素点的实际二维坐标分别为(3750,0),(0,15000),(3750,15000),
(2.2)、利用式(1)和(2),
将A、B、E、F四个像素点的像素坐标(367,735),(592,735),(387,505),(507,505)和实际二维坐标(0,0)、(3750,0),(0,15000),(3750,15000)代入到式(2)中,得到l1=-11500/339,l2=-1000/339,l3=4955500/339,l4=0,l5=184000/2599,l6=-135240000/2599,l7=0,l8=-7/1695;
最后将l1=-11500/339,l2=-1000/339,l3=4955500/339,l4=0,l5=184000/2599,l6=-135240000/2599,l7=0,l8=-7/1695代入转换公式(2)中得到
(2.3)、采用MATLAB读取图2中I,J,K,M,L的像素坐标分别为(550,720),(547,685),(480,505),(465,510),(527,670),根据步骤(2.2)中的坐标转换关系式(2)得到I像素点、J像素点、K像素点、M像素点和L像素点的实际二维坐标(3123.3,538.1),(3258.1,1935.5),(2865.3,14400),(2437.5,15000),(2963.3,2604.3);
(2.4)、由I、J、K、M、L五个像素点的实际二维坐标(3123.3,538.1),(3258.1,1935.5),(2865.3,14400),(2437.5,15000),(2963.3,2604.3),计算I、K两个像素点之间的长度Lik=13864mm,计算L、J两个像素点之间的长度Hlj=730.9mm,计算M、K两个像素点之间的长度Hmk=736.9mm;
(2.5)、采用MATLAB读取图3中A,B,E,F的像素坐标分别为(260,627),(488,627),(283,399),(405,399),同样采用步骤(2.1)和(2.2)计算出l1=-7500/127,l2=-14375/2413,l3=2424375/127,l4=0,l5=305000/2413,l6=-10065000/127,l7=0,l8=-53/7239,采用MATLAB读取图3中I,J,K,M,L的像素坐标分别为(385,405),(401,437),(445,622),(420,606),(390,430);根据步骤(2.2)中的坐标转换关系式(2)得到I像素点、J像素点、K像素点、M像素点和L像素点的实际二维坐标分别为(3083.5,14278.8),(3271.2,10918.9),(3065.7,177.8),(2712.9,772.3),(3027.4,11591.2);
(2.6)、由I、J、K、M、L五个像素点的实际二维坐标(Xi',Yi')、(Xj',Yj')、(Xk',Yk')、(Xm',Ym')和(Xl',Yl'),计算I、K两个像素点之间的长度Lik'=14101.0mm,计算L、J两个像素点之间的长度Hlj'=715.2mm,计算M、K两个像素点之间的长度Hmk'=691.3mm;
(2.7)基于图2和图3所分别计算的实际长度的绝对差值不大于10%,可以认为计算结果合理,取二者平均值为最终值;图2中I、K两个像素点之间的长度Lik与图3中I、K两个像素点之间的长度Lik'的绝对差值为1.7%,计算两者平均值即为目标车辆的长度信息值;图2中L、J两个像素点之间的长度Hlj与图3中L、J两个像素点之间的长度Hlj'的绝对差值为2.2%,计算两者平均值即为目标车辆的车头高度信息值;图2中M、K两个像素点之间的长度Hmk与图3中M、K两个像素点之间的长度Hmk'的绝对差值为6.2%,计算两者平均值即为目标车辆的车尾高度信息值;基于以上分析,可知,I、K两个像素点之间的长度Lik为13982.6mm,L、J两个像素点之间的长度Hlj为723.1mm,M、K两个像素点之间的长度Hmk为714.1mm;
(3)基于目标车辆的长度信息值将车辆车型进行分类:第五类:长度为13m~15m的五轴货车;
(4)基于目标车辆的车头高度信息值和车尾高度信息值将车辆荷载状态进行分类:第1类:车头高度信息值与车尾高度信息值之间的绝对差值小于10%,视为车头高度信息值与车尾高度信息值一致,视为满载;
(5)、基于步骤(3)和(4)的车型分类和车辆荷载状态划分得到车辆荷载,将车重均匀分配至每一轴,通过轴载换算从而获得目标车道的交通轴载信息,即为:第五类车型、第1类,载重轴荷载为8500kg,驱动轴荷载为5000kg。
Claims (5)
1.一种通过视频识别车辆尺寸信息获取交通轴载信息的方法,其特征在于,包括如下步骤:
(1)在监测交通轴载的目标路段安装并调试摄像机,获取目标车道上车辆行车视频信息;
(2)通过视频识别方法获取通过监测路段的车辆长度信息:通过车辆行车视频信息提取经过监测路段的行车车辆二维图像,计算通过监测路段目标车辆的长度信息、车头高度信息和车尾高度信息;
(3)基于目标车辆的长度信息值将车辆车型进行分类:第一类:长度为6m以下,宽度2m及以下的小汽车;第二类:长度为6m~9m的二轴货车;第三类:长度为9m~11m的三轴货车;第四类:长度为11m~13m的四轴货车;第五类:长度为13m~15m的五轴货车;第六类:长度为15m及以上的六轴及以上货车;
(4)基于目标车辆的车头高度信息值和车尾高度信息值将车辆荷载状态进行分类;
(5)、基于步骤(3)和(4)的车型分类和车辆荷载状态划分得到车辆荷载,将车重均匀分配至每一轴,通过轴载换算从而获得目标车道的交通轴载信息。
2.根据权利要求1所述的一种通过视频识别车辆尺寸信息获取交通轴载信息的方法,其特征在于:所述步骤1中在监测交通轴载的目标路段间隔一定间距安装前端摄像机和后端摄像机,并进行调试,获取目标车道上车辆行车视频信息,摄像机的位置在目标车道的正中间,摄像机的高度H≥6m,前端摄像机和后端摄像机两者之间的间距为30~50m,且前端摄像机和后端摄像机的倾角相同。
3.根据权利要求1所述的一种通过视频识别车辆尺寸信息获取交通轴载信息的方法,其特征在于:所述步骤(2)中通过二维图像计算通过监测路段目标车辆的长度信息、车头高度信息和车尾高度信息的具体方法为:
(2.1)、获取目标车行道分界线之间的间隔距离和车道宽度,在二维图像目标车道上选取由间隔距离和车道宽度围成的矩形框,其四个顶点分别为A、B、E、F四个像素点,获取二维图像上A、B、E、F四个像素点所一一对应的像素坐标(xa,ya)、(xb,yb)、(xe,ye)和(xf,yf);实际路面以A点为实际坐标原点,由目标车行道分界线长度、目标车行道分界线之间的间隔距离和车道宽度得到A、B、E、F四个像素点的实际二维坐标(Xa,Ya)、(Xb,Yb)、(Xe,Ye)和(Xf,Yf),其中A(Xa,Ya)即为(0,0);
(2.2)、二维图像中,像素坐标(x,y)和世界坐标(X,Y)之间的齐次坐标转换关系式为下式(1)和其转换公式(2)所示,其中k为比例系数,l1、l2、l3、l4、l5、l6、l7和l8为转换向量中的参数;
k=l7*x+l8*y+1 (3)
将A、B、E、F四个像素点的像素坐标(xa,ya)、(xb,yb)、(xe,ye)(xf,yf)和实际二维坐标(0,0)、(Xb,Yb)、(Xe,Ye)和(Xf,Yf)代入到上述公式中可得到相应的具体参数l1、l2、l3、l4、l5、l6、l7和l8;
(2.3)、由前端摄像头拍摄目标车辆车头即将离开前端摄像头视线时的照片,标记为二维图像1,如图2所示;标记二维图像1上目标车辆的车头和车尾各位置点分别为I像素点、J像素点、K像素点、M像素点和L像素点,获取二维图像1上I像素点、J像素点、K像素点、M像素点和L像素点所一一对应的像素坐标(xi,yi)、(xj,yj)、(xk,yk)、(xm,ym)和(xl,yl),根据步骤(2.2)中的坐标转换关系式(2)得到I像素点、J像素点、K像素点、M像素点和L像素点的实际二维坐标(Xi,Yi)、(Xj,Yj)、(Xk,Yk)、(Xm,Ym)和(Xl,Yl);
(2.4)、由I、J、K、M、L五个像素点的实际二维坐标(Xi,Yi)、(Xj,Yj)、(Xk,Yk)、(Xm,Ym)和(Xl,Yl),计算I、K两个像素点之间的长度计算L、J两个像素点之间的长度计算M、K两个像素点之间的长度
(2.5)、由后端摄像头拍摄目标车辆车尾刚刚进入后端摄像头视线时的照片,标记为二维图像2,如图3所示;标记二维图像2上目标车辆的车头和车尾各位置点分别为I像素点、J像素点、K像素点、M像素点和L像素点,获取二维图像2上I像素点、J像素点、K像素点、M像素点和L像素点所一一对应的像素坐标(xi',yi')、(xj',yj')、(xk',yk')、(xm',ym')和(xl',yl'),根据步骤(2.2)中的坐标转换关系式(2)得到I像素点、J像素点、K像素点、M像素点和L像素点的实际二维坐标(Xi',Yi')、(Xj',Yj')、(Xk',Yk')、(Xm',Ym')和(Xl',Yl');
(2.6)、由I、J、K、M、L五个像素点的实际二维坐标(Xi',Yi')、(Xj',Yj')、(Xk',Yk')、(Xm',Ym')和(Xl',Yl'),计算I、K两个像素点之间的长度计算L、J两个像素点之间的长度计算M、K两个像素点之间的长度
(2.7)二维图像1中I、K两个像素点之间的长度Lik与二维图像2中I、K两个像素点之间的长度Lik'的绝对差值不大于10%,计算两者平均值即为目标车辆的长度信息值;二维图像1中L、J两个像素点之间的长度Hlj与二维图像2中L、J两个像素点之间的长度Hlj'的绝对差值不大于10%,计算两者平均值即为目标车辆的车头高度信息值;二维图像1中M、K两个像素点之间的长度Hmk与二维图像2中M、K两个像素点之间的长度Hmk'的绝对差值不大于10%,计算两者平均值即为目标车辆的车尾高度信息值。
4.根据权利要求1所述的一种通过视频识别车辆尺寸信息获取交通轴载信息的方法,其特征在于:所述步骤(4)中车辆荷载状态的具体分类方法为:第1类:车头高度信息值与车尾高度信息值之间的绝对差值小于10%,视为车头高度信息值与车尾高度信息值一致,视为满载;或当车尾高度信息值大于车头高度信息值时也视为满载;第2类:车尾高度信息值为车头高度信息值的0.5倍到0.9倍之间时,视为半载;其余类型为第3类,视为空载。
5.根据权利要求1所述的一种通过视频识别车辆尺寸信息获取交通轴载信息的方法,其特征在于:所述步骤(5)中具体划分方法为:
第一类车型,长度在5m及以下的车重按1800kg计,长度为5m~6m的车重按2500kg计;
第二类车型、第1类,载重轴荷载为10000kg,驱动轴荷载为5000kg;第二类车型、第2类,载重轴荷载为5000kg,驱动轴荷载为3500kg;第二类车型、第3类,载重轴荷载为2500kg,驱动轴荷载为2500kg;
第三类车型、第1类,载重轴荷载为9000kg,驱动轴荷载为5000kg;第三类车型、第2类,载重轴荷载为4500kg,驱动轴荷载为3500kg;第三类车型、第3类,载重轴荷载为2500kg,驱动轴荷载为2500kg;
第四类车型、第1类,载重轴荷载为8500kg,驱动轴荷载为5000kg;第四类车型、第2类,载重轴荷载为4500kg,驱动轴荷载为3500kg;第四类车型、第3类,载重轴荷载为2500kg,驱动轴荷载为2500kg;
第五类车型和第六类车型、第1类,载重轴荷载为8500kg,驱动轴荷载为5000kg;第五类车型和第六类车型、第2类,载重轴荷载为4000kg,驱动轴荷载为3000kg;第五类车型和第六类车型、第3类,载重轴荷载为2500kg,驱动轴荷载为2500kg。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810618741.4A CN109141595B (zh) | 2018-06-15 | 2018-06-15 | 一种通过视频识别车辆尺寸信息获取交通轴载信息的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810618741.4A CN109141595B (zh) | 2018-06-15 | 2018-06-15 | 一种通过视频识别车辆尺寸信息获取交通轴载信息的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109141595A true CN109141595A (zh) | 2019-01-04 |
CN109141595B CN109141595B (zh) | 2020-06-30 |
Family
ID=64802079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810618741.4A Active CN109141595B (zh) | 2018-06-15 | 2018-06-15 | 一种通过视频识别车辆尺寸信息获取交通轴载信息的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109141595B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112906647A (zh) * | 2021-03-24 | 2021-06-04 | 杭州鲁尔物联科技有限公司 | 小跨径桥梁载重监测方法、装置、计算机设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04270497A (ja) * | 1991-02-26 | 1992-09-25 | Matsushita Electric Ind Co Ltd | 車両諸元自動計測装置 |
CN1670490A (zh) * | 2005-04-14 | 2005-09-21 | 上海交通大学 | 汽车超载自动识别方法 |
US20130182908A1 (en) * | 2012-01-17 | 2013-07-18 | Oki Electric Industry Co., Ltd. | Vehicle type identification device |
CN103456172A (zh) * | 2013-09-11 | 2013-12-18 | 无锡加视诚智能科技有限公司 | 一种基于视频的交通参数测量方法 |
CN104036279A (zh) * | 2014-06-12 | 2014-09-10 | 北京联合大学 | 一种智能车行进控制方法及系统 |
CN105466370A (zh) * | 2015-11-18 | 2016-04-06 | 河海大学常州校区 | 一种固定龙门式车载物料体积测量系统及方法 |
CN105716530A (zh) * | 2016-03-04 | 2016-06-29 | 山东大学 | 一种基于双目立体视觉的车辆几何尺寸的测量方法 |
CN105809964A (zh) * | 2016-05-18 | 2016-07-27 | 深圳中兴力维技术有限公司 | 交通预警方法和装置 |
CN106898023A (zh) * | 2017-01-22 | 2017-06-27 | 中山大学 | 一种基于视频图像的车头间距测量方法及系统 |
CN107122740A (zh) * | 2017-04-26 | 2017-09-01 | 南京理工大学 | 一种基于双摄像机的车型识别装置及方法 |
CN107167090A (zh) * | 2017-03-13 | 2017-09-15 | 深圳市速腾聚创科技有限公司 | 车辆外廓尺寸测量方法及系统 |
US10109186B2 (en) * | 2015-03-06 | 2018-10-23 | Q-Free Asa | Vehicle detection |
-
2018
- 2018-06-15 CN CN201810618741.4A patent/CN109141595B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04270497A (ja) * | 1991-02-26 | 1992-09-25 | Matsushita Electric Ind Co Ltd | 車両諸元自動計測装置 |
CN1670490A (zh) * | 2005-04-14 | 2005-09-21 | 上海交通大学 | 汽车超载自动识别方法 |
US20130182908A1 (en) * | 2012-01-17 | 2013-07-18 | Oki Electric Industry Co., Ltd. | Vehicle type identification device |
CN103456172A (zh) * | 2013-09-11 | 2013-12-18 | 无锡加视诚智能科技有限公司 | 一种基于视频的交通参数测量方法 |
CN104036279A (zh) * | 2014-06-12 | 2014-09-10 | 北京联合大学 | 一种智能车行进控制方法及系统 |
US10109186B2 (en) * | 2015-03-06 | 2018-10-23 | Q-Free Asa | Vehicle detection |
CN105466370A (zh) * | 2015-11-18 | 2016-04-06 | 河海大学常州校区 | 一种固定龙门式车载物料体积测量系统及方法 |
CN105716530A (zh) * | 2016-03-04 | 2016-06-29 | 山东大学 | 一种基于双目立体视觉的车辆几何尺寸的测量方法 |
CN105809964A (zh) * | 2016-05-18 | 2016-07-27 | 深圳中兴力维技术有限公司 | 交通预警方法和装置 |
CN106898023A (zh) * | 2017-01-22 | 2017-06-27 | 中山大学 | 一种基于视频图像的车头间距测量方法及系统 |
CN107167090A (zh) * | 2017-03-13 | 2017-09-15 | 深圳市速腾聚创科技有限公司 | 车辆外廓尺寸测量方法及系统 |
CN107122740A (zh) * | 2017-04-26 | 2017-09-01 | 南京理工大学 | 一种基于双摄像机的车型识别装置及方法 |
Non-Patent Citations (1)
Title |
---|
翟乃斌: "基于计算机视觉的汽车整车尺寸测量系统的研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112906647A (zh) * | 2021-03-24 | 2021-06-04 | 杭州鲁尔物联科技有限公司 | 小跨径桥梁载重监测方法、装置、计算机设备及存储介质 |
CN112906647B (zh) * | 2021-03-24 | 2023-12-19 | 杭州鲁尔物联科技有限公司 | 小跨径桥梁载重监测方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109141595B (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103308056B (zh) | 一种道路标线检测方法 | |
CN103279996B (zh) | 一种多车道情况下的车辆信息检测与识别系统 | |
CN109064495B (zh) | 一种基于Faster R-CNN与视频技术的桥面车辆时空信息获取方法 | |
CN103714363B (zh) | 一种机动车尾气烟度视频识别系统 | |
CN103236191B (zh) | 一种基于视频的高速公路匝道车辆并入安全预警方法 | |
CN106530737A (zh) | 非现场执法高速动态称重检测系统及方法 | |
CN203260072U (zh) | 一种多车道情况下的车辆信息检测与识别系统 | |
CN104575003B (zh) | 一种基于道路监控视频的车辆速度检测方法 | |
CN110097762B (zh) | 一种道路视频图像低能见度刻度估算方法及系统 | |
CN111272139B (zh) | 一种基于单目视觉的车辆长度测量方法 | |
CN103794056A (zh) | 基于实时双路视频流的车型精确分类系统及方法 | |
CN103324920A (zh) | 基于车辆正面图像与模板匹配的车型自动识别方法 | |
CN102914290A (zh) | 地铁限界检测系统及其检测方法 | |
CN103473948B (zh) | 压电电缆布设结构及超载车辆轮迹线横向位置识别方法 | |
CN103810854B (zh) | 一种基于人工标定的智能交通参数检测方法 | |
CN107957259A (zh) | 轮迹横向分布测量系统及测量方法 | |
CN104951790B (zh) | 基于多源逆透视图像无缝拼接的车道线识别方法 | |
CN113356101A (zh) | 一种大型车辆右转盲区的城市道路警示标线设计方法 | |
CN111694011A (zh) | 一种摄像机和三维激光雷达数据融合的路沿检测方法 | |
CN112365741A (zh) | 一种基于多车道车距检测的安全预警方法及系统 | |
CN114926984A (zh) | 一种实时交通冲突收集与道路安全评价方法 | |
CN114882182A (zh) | 一种基于车路协同感知系统的语义地图构建方法 | |
CN103528531A (zh) | 小型车车辆参数的物联网图像智能检测系统 | |
CN109141595A (zh) | 一种通过视频识别车辆尺寸信息获取交通轴载信息的方法 | |
CN106327433A (zh) | 一种基于单俯视相机与后轴转向的车辆路径跟随方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |