CN109615880B - 一种基于雷达图像处理的车流量测量方法 - Google Patents

Abstract

本发明公开了一种基于雷达图像处理的车流量测量方法。该方法中所用的雷达为毫米波雷达系统。本发明利用毫米波雷达检测出目标车辆的跟踪信息，并根据其中的距离信息画出各目标车辆的轨迹图，进而转化为二值图，利用二值图统计检测区域内目标车辆的数量。经过实际测试并与人工计数方法进行比较，本发明方法对目标车辆的数量进行测量的准确度可以达到85%以上。

Description

一种基于雷达图像处理的车流量测量方法

技术领域

本发明涉及一种毫米波交通雷达系统以及车流量的测量方法，属于智能交通领域。

背景技术

智能交通是未来交通发展的方向，交通监控传感器作为获取交通数据的设备，在智能交通系统中起到非常大的作用，数据的可靠性将直接影响到智能交通的控制。随着城市中汽车数量攀升，道路已经变得越来越拥挤，利用智能交通系统合理控制道路，可以有效利用道路资源，缓解交通堵塞问题。车流量作为智能交通中一个非常重要的数据，如何准确和可靠获得交通流量数据变得非常有意义。智能交通中的红绿灯控制系统，可以根据各方向车道的车流量，控制交通信号灯，更加有效地解决交通拥堵问题。

传统的车流量测量技术主要采用环形线圈检测、基于视频的车辆检测技术和微波雷达技术等。环形线圈埋设于每个车道路面下，利用车辆经过时，造成磁感线圈磁场的变化来探测车辆的存在。磁感线圈法技术成熟，流量统计准确，优点是不受气候和光照等外界条件影响。但是安装与维修时需要破坏路面，道路在受车辆重压情况下容易导致环形线圈损坏，维护成本高，摄像头对外界环境要求较高，在雾霾、暴雨和夜晚等情况下，车流量测量精度并不高，传统的微波雷达技术用于统计车流量，误差较大；另外对于某些特殊路段如桥梁和隧道难以安装。

基于视频的车辆检测技术主要利用差分图像的方法，差分图像可以分为帧间差分和背景差分两种。帧间差分是将连续的两帧图像进行做差得到差分图像，然后对差分图像进行分割提取目标的运动信息。帧间差分会将静止目标滤掉，只检测运动的目标。但是连续两帧图像中的同一目标的重叠部分会被滤掉，导致特征信息减少。背景差法是将道路上没有车辆时的一帧图像当做背景帧，检测时将当前帧与背景帧做差。此方法比较依赖背景帧，当背景帧选取不当时，会造成较大的检测误差。基于视频的车辆检测技术在环境视线较好的情况下，检测误差较小，而恰恰是在雾霾、暴雨、夜晚等情况下，图像特征信息较少导致检测误差较大，但在这些环境下，流量的准确率更为重要。

基于微波雷达技术的传统车流量测量方法是：先将各车道或者径向距离划分为不同段，通过目标检测算法后，可以分析频谱，从而计算出目标的运动信息。道路上的汽车反射较强，当车辆通过雷达检测区域时，会在相应的频谱图上出现尖峰，利用恒虚警检测技术，若频谱幅度超过门限，则认为有车辆通过，统计出每个车道的流量数。该方法只有在检测概率很高且无杂波干扰的情况下，统计的流量准确率才会高。但是在复杂的城市交通环境中，路边的树木、建筑物、路上指示牌都会产生很大的干扰，检测中会出现虚警和漏检现象，用传统的车流量检测方法会产生较大误差。

发明内容

本发明的目的是提供一种新的基于雷达图像处理的车流量测量方法，可获得较高的准确度。

为实现上述目的，本发明所采取的技术方案是：本发明基于雷达图像处理的车流量测量方法中所用的雷达为毫米波雷达系统，所述毫米波雷达系统包含射频模块和信息处理器；所述车流量测量方法包括：

所述射频模块发射射频信号，经过各目标车辆反射后被射频模块中的接收天线接收，射频模块中的混频器对接收到的信号进行下变频得到中频信号；由所述信号处理器执行以下步骤：

1)所述信号处理器对中频信号进行信息跟踪处理，得到各目标车辆的跟踪信息，所述跟踪信息包括距离、速度和角度；

2)根据步骤1)中得到的各目标车辆的距离信息，画出各目标车辆的轨迹图；所述轨迹图以时间为横坐标，以距离为纵坐标；

3)将所述轨迹图转化为二值图；

4)将二值图按照时间间隔T划分成子图像[M₁，M₂，M₃，...，M_N]，其中，M_i表示划分后的各子图像，i表示子图像的计数值，i＝1，2，…N，N表示子图像的总数量；

5)对每个子图像M_i按照距离进行划分，仅保留每个子图像中的距离段[R₁，R₂]所在的区域C_i，计算当前区域C_i中黑色像素点值的总和ΔS_i；其中，R₁表示雷达检测区域的起始位置，R₂表示雷达检测区域的结束位置，i的初始值为1；

6)按照式(1)更新目标车辆的计数值count后返回执行步骤5)；当i＝N时，执行步骤7)；

count＝count+floor[ΔS_i/th] (1)

式(1)中，count表示目标车辆的计数值，其初始值为0；ΔS_i表示当前区域C_i中的黑色像素点值的总和；th表示选取的阈值，th＝T/τ；其中，T表示划分二值图的时间间隔，τ表示雷达处理数据的周期，floor[]表示对(ΔS_i)/th值向下取整；

7)输出count。

进一步地，本发明优选τ＝0.098s。

进一步地，本发明中，ΔS_i＝S-S_i，其中，S表示当前区域C_i中白色像素点值和黑色像素点值的总和，S_i表示当前区域C_i中白色像素点值的总和。

与现有技术相比，本发明测量方法具有抗干扰能力强、分辨率高，可以全天候工作，同时架设维护方便，降低维护成本，避免了现有技术的缺点。并且，本发明的方法对目标数量统计的准确度可以达到85％以上。

附图说明

图1是测量过程中某一分钟的距离数据；

图2是将某一分钟的轨迹图转化后得到的二值图。

具体实施方式

以下结合附图以具体的实施例详细说明本发明的技术方案。

在需要测量车流量的地方架设雷达。本发明所用的雷达为毫米波雷达系统，包含射频模块和信息处理器。信息处理器可以是DSP、微控制器、单片机等。

测量时，射频模块发射射频信号，经过各目标车辆反射后被射频模块中的接收天线接收，射频模块中的混频器对接收到的信号进行下变频得到中频信号；再由信号处理器执行以下步骤：

1)信号处理器对中频信号进行信息跟踪处理，得到各目标车辆的跟踪信息，所述跟踪信息包括距离、速度和角度。

2)根据步骤1)中得到的各目标车辆的距离信息，画出各目标车辆的轨迹图，轨迹图以时间为横坐标，以距离为纵坐标。图1是以测量过程中某一分钟的交通数据为例，画出的这一分钟内的目标车辆的距离随着时间变化的轨迹图，轨迹图以时间为横坐标、距离为纵坐标。

3)将步骤2)得到的轨迹图转化为二值图(参见图2)。

4)将二值图按照时间间隔T划分成子图像[M₁，M₂，M₃，...，M_N]，其中，M_i表示划分后的各子图像，i表示子图像的计数值，i＝1，2，…N，此处的N表示子图像的总数量。

例如，以10秒为时间间隔，对图2中的二值图进行划分，可以划分为六个子图像[M₁，M₂，M₃，M₄，M₅，M₆]。

₅)对每个子图像M_i按照距离进行划分，仅保留每个子图像中的距离段[R₁，R₂]所在的区域C_i；计算当前区域C_i中白色像素点值的总和S_i，通过计算(S-S_i)可求得当前区域C_i中的黑色像素点值的总和ΔS_i；对(ΔS_i)/th的值向下取整，得到当前区域C_i中的目标车辆的数量。其中，R₁表示雷达检测区域的起始位置，R₂表示雷达检测区域的结束位置，S表示当前区域C_i中白色像素点值和黑色像素点值的总和，S_i表示当前区域C_i中白色像素点值的总和，(S-S_i)为当前区域C_i中的黑色像素点值的总和ΔS_i，对(ΔS_i)/th的值向下取整可表示为floor[ΔS_i/th]，i的初始值为1。

需要说明的是，本发明亦可直接获得当前区域C_i中的黑色像素点值的总和。

在具体实施例中，可取R₁＝30m，R₂＝40m，仅保留每个子图像中的距离段[30m，40m]所在的区域C_i作为检测区域，从而将六个子图像[M₁，M₂，M₃，M₄，M₅，M₆]中相应地转换为六个区域[C₁，C₂，C₃，C₄，C₅，C₆]，进而计算当前区域C_i中黑色像素点值的总和S_i。

6)按照式(1)更新目标车辆的计数值count后返回执行步骤5)；当i＝N时，执行步骤7)；

count＝count+floor[(ΔS_i)/th] (1)

式(1)中，count表示目标车辆的计数值，其初始值为0；ΔS_i表示当前区域C_i中的黑色像素点值的总和；th表示选取的阈值，th＝T/τ，T表示划分二值图的时间间隔；τ为雷达的内部参数，表示雷达处理数据的周期，优选τ＝0.098s，floor[]表示对(ΔS_i)/th的值向下取整。

对(ΔS_i)/th的值向下取整，得到的是当前区域C_i中的目标车辆的数量。按照式(1)更新目标车辆的计数值count后返回执行步骤5)，直至i＝N(N＝6)，即可得到六个区域C_i中的目标车辆的总数量。

7)输出count，count表示目标车辆的总计数。

按照以上实施例的测量方法，取时间间隔T＝10s，可分别得到六个区域C_i中的黑色像素点(值为0)的总个数ΔS_i。按照时间间隔T＝10s、雷达处理数据的周期τ＝0.098s，根据th＝T/τ，即可求得th的值，然后对ΔS_i的值向下取整(可表示为floor[ΔS_i/th])，则这一分钟中六个区域C_i的目标车辆的数量分别为4、2、5、7、9，总计数count为：count＝count+floor[ΔS_i/th]＝4+2+5+7+9+3＝30。由此，检测出这一分钟中雷达检测区域内的目标车辆的数量为30辆。

可将上述目标车辆的数量存储到电脑本地，录制的视频和人工的车辆计数也可以相同的时间间隔存储到电脑本地。将使用本发明方法测量的目标车辆的数量与通过人工计数的方法得到的结果相比较可知，利用本发明方法的误差率在10％内(参见表1)。

表1实测目标车辆的数量及误差

Claims (3)

1.一种基于雷达图像处理的车流量测量方法，其特征是：所用的雷达为毫米波雷达系统，所述毫米波雷达系统包含射频模块和信息处理器；所述车流量测量方法包括：

所述射频模块发射射频信号，经过各目标车辆反射后被射频模块中的接收天线接收，射频模块中的混频器对接收到的信号进行下变频得到中频信号；由所述信号处理器执行以下步骤：

1)所述信号处理器对中频信号进行信息跟踪处理，得到各目标车辆的跟踪信息，所述跟踪信息包括距离、速度和角度；

2)根据步骤1)中得到的各目标车辆的距离信息，画出各目标车辆的轨迹图；所述轨迹图以时间为横坐标，以距离为纵坐标；

3)将所述轨迹图转化为二值图；

4)将二值图按照时间间隔T划分成子图像[M₁，M₂，M₃，...，M_N]，其中，M_i表示划分后的各子图像，i表示子图像的计数值，i＝1，2，…N，N表示子图像的总数量；

5)对每个子图像M_i按照距离进行划分，仅保留各子图像中的距离段[R₁，R₂]所在的区域C_i，计算当前区域C_i中黑色像素点值的总和ΔS_i；其中，R₁表示雷达检测区域的起始位置，R₂表示雷达检测区域的结束位置，i的初始值为1；

6)按照式(1)更新目标车辆的计数值count后返回执行步骤5)；当i＝N时，执行步骤7)；

count＝count+floor[ΔS_i/th] (1)

式(1)中，count表示目标车辆的计数值，其初始值为0；ΔS_i表示当前区域C_i中的黑色像素点值的总和；th表示选取的阈值，th＝T/τ，T表示划分二值图的时间间隔，τ表示雷达处理数据的周期，floor[]表示对ΔS_i/th的值向下取整；

7)输出count。

2.根据权利要求1所述的基于雷达图像处理的车流量测量方法，其特征是：τ＝0.098s。

3.根据权利要求1或2所述的基于雷达图像处理的车流量测量方法，其特征是：ΔS_j＝S-S_i，其中，S表示当前区域C_i中白色像素点值和黑色像素点值的总和，S_i表示当前区域C_i中白色像素点值的总和。

Images