CN110097762B - 一种道路视频图像低能见度刻度估算方法及系统 - Google Patents
一种道路视频图像低能见度刻度估算方法及系统 Download PDFInfo
- Publication number
- CN110097762B CN110097762B CN201910227038.5A CN201910227038A CN110097762B CN 110097762 B CN110097762 B CN 110097762B CN 201910227038 A CN201910227038 A CN 201910227038A CN 110097762 B CN110097762 B CN 110097762B
- Authority
- CN
- China
- Prior art keywords
- road
- distance
- visibility
- video image
- camera
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种道路视频图像低能见度刻度估算方法及系统,该方法运用运动学原理观察道路中的距离标志物在视频图像中的距离随路面距离移动的变化规律,基于距离标志物的已知信息,得出视频图像距离与路面距离的关系模型,并进一步计算出道路能见度和雾霾浓度数据之间的换算模型,可以通过视频流雾霾数据实时播报出道路能见度。本发明解决了高速公路雾情监测预警痛点和难点问题,实现了高速公路低能见度实时智能检测和预警,并且准确度高、误报率低,可大幅提升监控智能化水平。本发明可充分利用既有监控系统资源,无需架设专用传感设备,并且扩展性强,可通过分析数据的积累不断迭代更新,实现各类恶劣天气状况的能见度智能检测和实时预警。
Description
技术领域
本发明涉及一种道路视频图像低能见度刻度估算方法及系统,属于智能交通技术领域。
背景技术
道路(尤其是高速公路)低能见度对交通安全影响巨大。多年来,利用视频图像信息进行雾(尤其是团雾)能见度检测的研究及提出的方法很多,但其准确性、可靠性均很差,根本无法实际应用。能见度是反映大气透明度的一个指标,虽然有研究表明通过视频流数据可以测算出雾霾浓度的相对数据,但因摄像机地理位置、预置参数、运行环境、季节、气候和摄像机实际画面等的不同,相同的能见度条件下检测、计算出的雾浓度数据却存在显著差异,夜晚尤其如此,导致无法进行有效的实际应用。
能见度是反映大气透明度的一个指标,指具有正常视力的人在当时的天气条件下能够看清楚目标物轮廓并识别目标物的最大距离。一般情况下空气能见度与空气雾霾浓度数据线性相关。根据我国所实行高速公路能见度情况分级管制制度,能见度在100米以上200米以下时,实行三级管制;能见度在50米以上100米以下时,实行二级管制;能见度在30米以上50米以下时,实行一级管制。因此在能见度200以上和100-200、50-100、30-50米及以下时,对应交通安全分级管制将雾霾浓度区分为轻度雾(可忽略)、大雾、浓雾、强浓雾(霾)天气(见:江苏省公安厅、江苏省交通厅、江苏交通控股有限公司苏公通﹝2009﹞98号关于印发《恶劣天气条件下高速公路交通管制工作规范(试行)》的通知)。
从交通安全角度考量,驾驶人员实际行车中确定道路能见度的判据可以是:驾驶人员能够看清道路前方目标轮廓的最大距离,如在公路上要能看清前方车辆或行人的轮廓为基本道路能见度判断标准。因此,重点解决道路能见度低于200米时的视频图像识别及雾霾浓度与实际能见度换算问题,就能够解决利用现有摄像机视频数据推算(估算)影响道路交通安全的低能见度检测识别问题。
发明内容
发明目的:本发明目的在于提供一种道路视频图像低能见度刻度估算方法及系统,以提高能见度检测的准确性和可靠性。
技术方案:为实现上述发明目的,本发明所述的一种道路视频图像低能见度刻度估算方法,该方法运用运动学原理观察道路中的距离标志物在视频图像中的图像距离随路面距离移动的变化规律,基于距离标志物的已知信息,得出视频图像距离与路面距离的关系模型;具体包括:
(1)用三次方程形式表达道路方向平行的标志物视频图像距离随对应的路面距离的变化规律;
(2)利用三段距离标志物的路面距离坐标与图像距离坐标的对应关系,以及相邻距离标志物间的路面距离相等的特性,求解得到三次方程的四个多项式系数,从而得到视频图像距离与路面距离的关系模型;
(3)将获取的视频图像能见度刻度标线对应的图像距离带入视频图像距离与路面距离的关系模型,得到能见度刻度标线对应的路面距离;
(4)结合摄像机安装高度、路面距离标志物到摄像机立杆的垂直距离以及能见度刻度标线对应的路面距离之间的空间关系求解得到摄像机镜头到视频图像能见度刻度标线对应的路面景物距离。
在优选的实施方案中,所述步骤(2)中,以用运动学原理观察图像距离y随路面距离Z向前移动的规律,以变换Z坐标的参数,表示Z以单位时间ΔZ米的速度向道路前方匀速前进,用已知的及对应的y1,y2,y3,y4,以及t2=t1+1,t3=t1+2,t4=t1+3信息求解构建的三次方程y=at3+bt2+ct+d得到系数a、b、c、d,再将带入方程得到图像距离y与路面距离Z的关系模型;其中ΔZ为已知的距离标志物间隔,Z1,Z2为第一段距离标志物的始端和末端距离值,Z2,Z3为第二段距离标志物的始端和末端距离值,Z3,Z4为第二段距离标志物的始端和末端距离值,y1,y2,y3,y4分别为
Z1,Z2,Z3,Z4位置处对应的图像距离值。
在优选的实施方案中,所述步骤(4)中,根据如下公式计算摄像机镜头到路面景物的距离V:
其中,Z表示路面距离,H表示摄像机安装高度,X1表示路面距离标志物到摄像机立杆的垂直距离。
在优选的实施方案中,路面距离标志物为车道分界“一实一空”虚线,路面车道分界取样虚线到摄像机立杆的垂直距离基于车道宽度确定的特性,利用x=λX进行估算,其中x表示视频图像垂直道路方向的距离,X表示路面车道分离标线距离,λ表示比例系数。
在优选的实施方案中,摄像机立杆位于道路路边时,根据如下公式估算摄像机中心轴线与作为距离标志物的取样车道分界标线的夹角β:
其中,x交,y交为路面两条车道分离标线在视频图像上的相交点的坐标。
在优选的实施方案中,所述方法还包括计算道路能见度和雾霾浓度换算模型,根据雾霾浓度数据获取道路能见度,具体包括:
根据两组或多组雾霾浓度数据对应的能见度值求解系数并求均值得到道路能见度和雾霾浓度换算模型中的系数k;
根据给定的雾霾浓度数据结合道路能见度和雾霾浓度换算模型求得道路能见度。
在优选的实施方案中,所述方法还包括:在雾霾浓度数据受光照度和夜车灯光干扰时,取排除有车灯干扰后的统计均值作为雾霾浓度数据W值,对换算模型中的系数k进行修正;
在优选的实施方案中,所述方法还包括:对道路连续安装的多台摄像机的道路能见度和雾霾浓度换算模型中的系数k求平均值,换算系数k大于均值的摄像机进行误差修正;
在优选的实施方案中,所述方法还包括:当判断出连续安装的多台摄像机中有数台连续的能见度明显小于均值时,发出团雾预警。
本发明所述的一种道路视频图像低能见度刻度估算系统,包括至少一台计算机设备,若干部署在道路上的摄像机,所述计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述计算机程序被加载至处理器时实现所述的道路视频图像低能见度刻度估算方法。
有益效果:与现有技术相比,本发明具有如下优点:
(1)本发明通过建立视频图像距离和道路距离换算关系模型,不仅能有效解决高速公路上固定摄像机预置位难以判断和地理环境差异及不同环境光照干扰等计算困扰,而且能推算出摄像机预置位状态,准确度高,漏检率、误报率低,可大幅提升监控智能化水平。并且本发明基于运动学原理求解多项式方程方式有效简化了视频图像距离和道路距离的换算关系,更便于转化为计算机语言提升公路交通能见度人工智能检测规模化应用水平。
(2)便于项目实施部署,经济性和实用性强,可充分利用已有高速公路视频监控系统资源,应用成本低,可远程智能调测和建立监控摄像机算法模型,便于高速路网的快速、大面积推广应用。
(3)本发明扩展性强,可通过分析数据的积累不断迭代更新,最终能实现包含雾、雨、雪、沙尘、冰雹等各类恶劣天气状况的能见度智能检测和实时预警。
(4)本发明切实解决了高速公路雾情监测预警痛点和难点问题,实现了团雾(雾霾)视频图像智能识别和道路能见度智能分析有机结合,创新实现了高速公路团雾(雾霾)与低能见度24小时不间断实时智能检测和预警,可通过高速公路监控指挥调度系统、车载终端、移动应用等多种应用场景,在第一时间向交通公路、公安交管部门和道路运管单位及驾乘人员提供准确的团雾(雾霾)与能见度监测信息,有效减少团雾与大雾天气引发重特大交通事故,全方位提升低能见度天气高速公路行车安全管理水平。
附图说明
图1为道路视频图像坐标及道路图像能见度刻度标线示意图。
图2为实际路面立体空间关系示意图。
图3为摄像机安装位置参数示意图。
图4为图像能见度与道路能见度刻度对照示意图。
图5为摄像机安装位置参数β计算示意图。
具体实施方式
下面结合附图和具体实施例,对本发明做进一步的说明。
图1为道路视频图像坐标及道路图像能见度刻度标线示意图,如图1建立图像平面二维直角坐标系(x,y),图中0为坐标原点,x为道路视频图像(成像平面)纵向坐标,y为道路视频图像(成像平面)横向坐标(用图像高度表示路面距离,称为:图像距离)。其中能见度刻度标线可由用户在视频图像中划定或由图像处理算法自动得到的图像清晰或模糊的分界线。
图2为实际路面立体空间关系示意图,如图2建立三维坐标系(X,Y,Z),图中,O为坐标原点,X为路面车道分离标线距离(坐标),Y为沿立杆方向距路面的垂直距离(坐标),Z为平行道路取样虚线距离(坐标),H为摄像机安装高度,V为摄像机镜头到景物的距离(AP)。如图3,摄像机A安装位置参数θ、β分别为摄像机图像下视角(与Y坐标的夹角)以及摄像机光心轴线投影与Z坐标的夹角。
图1中摄像机光心轴线与图像中心线y及在地面投影都重合,此时β=0,摄像机光心轴线与两侧车道虚标线平行。图2中摄像机光心轴线与图像中心线y及在地面投影都不重合,此时AO与Z坐标夹角β>0。已知:(1)高速公路固定监控摄像机一般立在道路左、右侧或道路中央,立杆高度;(2)摄像机光心轴线正(立杆安装于道路中央)或侧(立杆安装于道路两侧)指向道路前方,车道宽度3.75米;(3)车道分界“一实一空”虚线长15米(本发明实施例中以车道分界“一实一空”虚线作为距离标志物做具体说明,实际应用时根据场景视频画面情况,亦可采用高速公路防撞护栏立柱间隔数据等作为目标距离标志物)。
一、道路视频图像距离和道路路面距离关系模型
本发明实施例公开的一种道路视频图像低能见度刻度估算方法,其主要工作是建立道路视频图像距离和道路路面距离关系模型,采用运动学原理观察道路中的距离标志物在视频图像中的图像距离随路面距离移动的变化规律,基于距离标志物的已知信息,从而得出视频图像距离与路面距离的对应关系。
首先观察图像距离(图像高度y)随取样虚线(道路距离)Z等量移动ΔZ=15米的变化规律。如图4所示,建立一组y值与道路距离Z对应的刻度标线,以三段“一实一空”取样虚标线距离表示Z4-Z3=Z3-Z2=Z2-Z1=15m(米),Z1Z2Z3Z4分别对应y1y2y3y4值。其中,β≈0时,Z0=tanθ×H,y0=0。用运动学原理观察视频图像y随着Z向前移动而向上移动的规律:以变换Z坐标的参数,表示Z以单位时间15米的速度向道路前方匀速前进,则满足t2=t1+1,t3=t1+2,t4=t1+3,对应y=y0,y1,y2,y3,y4;y0=0,y≤ymax( ymax为视频图像在y坐标上最大取值)。
显然,在Z1≤Z≤Z4即t1≤t≤t4区间,y2-y1>y3-y2>y4-y3,y向上移动速度vy是随着t增加而减少的,用y=f(t),vy=y'=f'(t)表示,且t=t2,t3,t4时vy4<vy3<vy2。
通过计算发现:vy3-vy2≠vy4-vy3,即f"(t)非常数。
因此y在Z1≤Z≤Z4即t1≤t≤t4区间时随t变化规律可以方程表达:
y=at3+bt2+ct+d (1)
求a、b、c、d:
y'=f'(t)=3at2+2bt+c和公式(1),解得:b=b1,c=c1,d=d1。
将a=a1,b=b1,c=c1,d=d1代入(1)得
y=a1t3+b1t2+c1t+d1 (2)
y=a2Z3+b2Z2+c2Z+d1 (3)
假设:β>0,将(3)变换:
y=a2(Zcosβ)3+b2(Zcosβ)2+c2(Zcosβ)+d1,并简化
y=a3Z3+b3Z2+c3Z+d1 (4)
根据公式(4),知y值便可计算Z,再计算V
其中,X1为路面车道分界取样虚线到摄像机立杆的垂直距离。
一般X<10m,图像x与实际地面X之间可用x=λX估算,即:
已知x0<x1<xmax(xmax为视频图像在x坐标上最大取值)和X1-X0=3.75m(车道宽度)代入公式(6)得
由于选择靠摄像机立杆较近取样虚线,用公式(6)估算出X值的误差值相对道路前方能见度V值的影响较小,可忽略。在具体应用时,X1可以是已知值,若缺少该值也可以按照公式(6)进行估算。
在摄像机立在道路左、右侧,β>0不可忽略时,也可采用几何光学方法估算β。如图5所示,在视频图像上寻找一条垂直图像x坐标与路面两条车道分离标线在视频图像上的相交点A'(x交,y交)重合的直线(相交点A'可以由用户在视频图像中标定或由图像处理算法提取多条车道分离标线直线拟合并求交点获得),摄像机位置点A和A'相对称,AA'与每一条车道分离标线平行,与每一条车道分离标线成相同夹角β>0。图5对应的摄像机图像(β>0)与图4对应的摄像机图像(β=0)比较,图5摄像机不仅横向平移而且光心轴线左偏了β角度。摄像机光心轴线在图像上的投影与线重合,与其它车道标线平行。那么:
二、求道路能见度和雾(霾)浓度换算系数k
假设道路能见度数据(区间)与雾(霾)浓度数据(区间)换算关系用公式表示:
通过视频流分析记录的雾(霾)浓度数据W(用图像清晰度检测数据表示雾(霾)浓度W或空气透视度相对数据),在图2坐标y上观察视频雾(霾)能见度两个对应值yw1和yw2,同时记录对应的W1和W2。
公式(8)为该摄像机在固定安装位置和预置参数θ和β条件下道路能见度数据和雾(霾)浓度数据换算模型。
k1表示对应固定摄像机测雾数据和道路能见度的换算系数。一般白天是常量。夜晚和雨雪天气空气透视度数据受光照度和夜车灯光干扰会发生偏差,可用同样方法计算出夜晚或雨雪天气的转换系数,如观察统计高速公路红外摄像机夜晚视频图像清晰度发现以下规律:无车灯干扰时统计图像清晰度数据(雾霾浓度数据)随着雾浓度增加而减小,有车灯干扰时无雾和小雾时图像清晰度值明显大于无车灯干扰时数值但随着雾浓度增加则出行明显衰减,此时取排除强车灯干扰后的统计均值为夜晚W值,再用公式(7)对k进行修正。
三、误差修正方法
对于单台道路摄像机,如果通过能见度刻度标线法找出yw1、yw2在y1和y4即三个虚实线对应刻度数据区间或区间附近,那么计算出的k值其误差可忽略不计;如果yw1、yw2大于y4较多,有二个修正方法:一是在后续的视频距离数据出现yw1、yw2落在三个虚实线对应刻度数据区间或区间附近时及时计算并对系数修正,二是比对道路相邻摄像机同时段计算的k值进行比较修正(一般道路相邻摄像机同时段的能见度环境是相同的)。
对道路连续安装的n台摄像机,假设计算出ki(i=1,2,3,.....n),求平均值:
四、团雾预警
综上,本发明能够满足道路交通能见度分级管制要求,利用现有高速公路视频监控图像数据和车道宽度、选择靠摄像机立杆最近的车道分界“一实一空”虚线长15米等规范数据,通过创建道路视频图像刻度标线方法表示道路摄像机图像距离与道路距离(里程)对应关系,进而对道路每一台摄像机推导出视频图像距离与道路距离关系模型(方程),并以此计算出道路能见度和雾霾浓度之间的换算系数,并提出校验和修正能见度及雾霾浓度的算法,进而通过视频流雾霾数据实时播报出道路能见度,解决了国内外长期以来面临的通过分析道路监控摄像机视频数据推算道路实际能见度值的难题。
基于相同的发明构思,本发明实施例公开的一种道路视频图像低能见度刻度估算系统,包括至少一台计算机设备,若干部署在道路上的摄像机,所述计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述计算机程序被加载至处理器时实现所述的道路视频图像低能见度刻度估算方法。本系统中实现路视频图像低能见度刻度估算方法的计算机程序可作为独立的数据处理单元,也可与现有的视频流处理、监控调度处理、交互处理等软件单元模块集成。
以上所述为本发明的优选实施例,本领域技术人员应该了解,本发明不受上述实施例的限制,在不脱离本发明的基本原理、主要结构、使用领域范围及使用目的的前提下,本发明还会有各种类似的变化和改进,这些变化和改进都应属于本发明的保护范围之内。
Claims (10)
1.一种道路视频图像低能见度刻度估算方法,其特征在于,所述方法运用运动学原理观察道路中的距离标志物在视频图像中的图像距离随路面距离移动的变化规律,基于距离标志物的已知信息,得出视频图像距离与路面距离的关系模型;具体包括:
(1)用y=at3+bt2+ct+d三次多项式方程形式表达道路方向平行的标志物视频图像距离随对应的路面距离的变化规律;其中Z表示路面距离,ΔZ为已知的距离标志物间隔,y表示图像距离,a、b、c、d为多项式系数;
(2)利用三段距离标志物的路面距离坐标与图像距离坐标的对应关系,以及相邻距离标志物间的路面距离相等的特性,求解得到三次多项式方程的四个多项式系数,从而得到视频图像距离与路面距离的关系模型;
(3)将获取的视频图像能见度刻度标线对应的图像距离带入视频图像距离与路面距离的关系模型,得到能见度刻度标线对应的路面距离;
(4)结合摄像机安装高度、路面距离标志物到摄像机立杆的垂直距离以及能见度刻度标线对应的路面距离之间的空间关系求解得到摄像机镜头到视频图像能见度刻度标线对应的路面景物距离。
2.根据权利要求1所述的道路视频图像低能见度刻度估算方法,其特征在于,所述步骤(2)中,以用运动学原理观察图像距离y随路面距离Z向前移动的规律,以变换Z坐标的参数,表示Z以单位时间ΔZ米的速度向道路前方匀速前进,用已知的及对应的y1,y2,y3,y4,以及t2=t1+1,t3=t1+2,t4=t1+3信息求解构建的三次方程y=at3+bt2+ct+d得到系数a、b、c、d,再将带入方程得到图像距离y与路面距离Z的关系模型;其中Z1,Z2为第一段距离标志物的始端和末端距离值,Z2,Z3为第二段距离标志物的始端和末端距离值,Z3,Z4为第二段距离标志物的始端和末端距离值,y1,y2,y3,y4分别为Z1,Z2,Z3,Z4位置处对应的图像距离值。
4.根据权利要求1所述的道路视频图像低能见度刻度估算方法,其特征在于,路面距离标志物为车道分界“一实一空”虚线,路面车道分界取样虚线到摄像机立杆的垂直距离基于车道宽度确定的特性,利用x=λX进行估算,其中x表示视频图像垂直道路方向的距离,X表示路面车道分离标线距离,λ表示比例系数。
7.根据权利要求6所述的道路视频图像低能见度刻度估算方法,其特征在于,所述方法还包括:在雾霾浓度数据受光照度和夜车灯光干扰时,取排除有车灯干扰后的统计均值作为雾霾浓度数据W值,对换算模型中的系数k进行修正。
8.根据权利要求1所述的道路视频图像低能见度刻度估算方法,其特征在于,所述方法还包括:对道路连续安装的多台摄像机的道路能见度和雾霾浓度换算模型中的系数k求平均值,对换算系数k大于均值的摄像机进行误差修正。
9.根据权利要求1所述的道路视频图像低能见度刻度估算方法,其特征在于,所述方法还包括:当判断出连续安装的多台摄像机中有数台连续的能见度明显小于均值时,发出团雾预警。
10.一种道路视频图像低能见度刻度估算系统,包括至少一台计算机设备,若干部署在道路上的摄像机,所述计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于:所述计算机程序被加载至处理器时实现根据权利要求1-9任一项所述的道路视频图像低能见度刻度估算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910227038.5A CN110097762B (zh) | 2019-03-25 | 2019-03-25 | 一种道路视频图像低能见度刻度估算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910227038.5A CN110097762B (zh) | 2019-03-25 | 2019-03-25 | 一种道路视频图像低能见度刻度估算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110097762A CN110097762A (zh) | 2019-08-06 |
CN110097762B true CN110097762B (zh) | 2020-10-09 |
Family
ID=67442978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910227038.5A Active CN110097762B (zh) | 2019-03-25 | 2019-03-25 | 一种道路视频图像低能见度刻度估算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110097762B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112730345A (zh) * | 2019-10-28 | 2021-04-30 | 浙江宇视科技有限公司 | 一种能见度检测方法、装置、设备和介质 |
CN111736237A (zh) * | 2020-07-31 | 2020-10-02 | 上海眼控科技股份有限公司 | 辐射雾检测方法、装置、计算机设备和可读存储介质 |
CN111932560B (zh) * | 2020-09-21 | 2021-01-15 | 南京安通气象数据有限公司 | 一种道路交通低能见度视频图像距离计算方法与装置 |
CN112686164B (zh) * | 2020-12-30 | 2022-06-28 | 日照市气象局 | 一种发光目标物视频团雾监测预警方法 |
CN112784880B (zh) * | 2021-01-04 | 2023-04-07 | 安徽大学 | 基于自然特征统计方法标注高速公路雾天能见度等级 |
CN112465822B (zh) * | 2021-01-26 | 2021-05-28 | 长沙海信智能系统研究院有限公司 | 团雾检测方法、装置、设备及计算机可读存储介质 |
CN113435405B (zh) * | 2021-07-15 | 2023-09-08 | 山东交通学院 | 基于视频图像的高速公路夜间团雾监测方法及系统 |
CN113487901B (zh) * | 2021-07-30 | 2022-05-17 | 重庆长安汽车股份有限公司 | 基于摄像头感知的车道宽度校验方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102175613A (zh) * | 2011-01-26 | 2011-09-07 | 南京大学 | 基于图像亮度特征的ptz视频能见度检测方法 |
CN106123864A (zh) * | 2016-06-21 | 2016-11-16 | 徐贵力 | 基于成像原理及数据回归模型的图像测距方法 |
KR20170119260A (ko) * | 2016-04-18 | 2017-10-26 | 주식회사 월드텍 | 카메라를 이용한 기상관측 장치 및 이를 제어하는 방법 |
KR101795652B1 (ko) * | 2017-04-12 | 2017-11-09 | 주식회사 누리플랜 | 안개피해방지장치용 가시거리 측정장치 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4749142B2 (ja) * | 2005-01-14 | 2011-08-17 | 小糸工業株式会社 | 視認状況測定装置 |
CN101382497B (zh) * | 2008-10-06 | 2012-03-07 | 南京大学 | 基于路况监控视频的能见度检测方法 |
CN101409009B (zh) * | 2008-11-05 | 2010-10-13 | 青岛海信电子产业控股股份有限公司 | 路面标定方法和系统 |
CN102222332A (zh) * | 2011-05-19 | 2011-10-19 | 长安大学 | 一种线性模型下的摄像机几何标定方法 |
CN102592282B (zh) * | 2012-01-18 | 2014-06-18 | 衡彦儒 | 交通视频中道路实际距离与相应像素距离关系的标定方法 |
KR101364727B1 (ko) * | 2012-09-28 | 2014-02-20 | (주)한일에스티엠 | 촬영된 영상의 처리를 이용한 안개 감지 방법 및 장치 |
CN103149603B (zh) * | 2013-03-07 | 2015-07-01 | 安徽皖通科技股份有限公司 | 一种基于视频的道路气象检测方法 |
DE102013204597A1 (de) * | 2013-03-15 | 2014-09-18 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Bestimmen einer Sichtweite bei Nebel am Tag |
CN105629333A (zh) * | 2015-12-27 | 2016-06-01 | 安徽皖通科技股份有限公司 | 一种基于视频的道路气象检测方法 |
CN205538674U (zh) * | 2016-04-06 | 2016-08-31 | 任广勇 | 适用于高速公路团雾区能见度检测的视频传感器装置 |
CN108956397B (zh) * | 2018-05-23 | 2019-10-29 | 南京大学 | 一种基于迹范数的道路能见度检测方法 |
-
2019
- 2019-03-25 CN CN201910227038.5A patent/CN110097762B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102175613A (zh) * | 2011-01-26 | 2011-09-07 | 南京大学 | 基于图像亮度特征的ptz视频能见度检测方法 |
KR20170119260A (ko) * | 2016-04-18 | 2017-10-26 | 주식회사 월드텍 | 카메라를 이용한 기상관측 장치 및 이를 제어하는 방법 |
CN106123864A (zh) * | 2016-06-21 | 2016-11-16 | 徐贵力 | 基于成像原理及数据回归模型的图像测距方法 |
KR101795652B1 (ko) * | 2017-04-12 | 2017-11-09 | 주식회사 누리플랜 | 안개피해방지장치용 가시거리 측정장치 |
Non-Patent Citations (1)
Title |
---|
基于监控视频的高速公路能见度检测方法及系统;张昌利 等;《西南交通大学学报》;20180228;第53卷(第1期);136-145页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110097762A (zh) | 2019-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110097762B (zh) | 一种道路视频图像低能见度刻度估算方法及系统 | |
US11940290B2 (en) | Virtual stop line mapping and navigation | |
CN108961790B (zh) | 基于四维实景交通仿真的恶劣天气预警管理系统及方法 | |
EP4379675A2 (en) | Systems and methods for autonomous vehicle navigation | |
CN111223302B (zh) | 移动载具用外部坐标实时三维路况辅助装置及该系统 | |
DE112020004931T5 (de) | Systeme und verfahren zur bestimmung der verkehrssicherheit | |
CN113840765A (zh) | 用于车辆导航的系统和方法 | |
US20210341303A1 (en) | Clustering event information for vehicle navigation | |
CN106462727A (zh) | 用于车道尽头识别的系统和方法 | |
DE112020002764T5 (de) | Systeme und verfahren zur fahrzeugnavigation | |
KR20130127822A (ko) | 도로상 물체 분류 및 위치검출을 위한 이종 센서 융합처리 장치 및 방법 | |
CN112382085A (zh) | 适用于智能车辆交通场景理解与超视距感知系统及方法 | |
JP2023106536A (ja) | 画像分析に基づく車両ナビゲーションのためのシステム | |
CN102162788A (zh) | 基于高清视频的能见度检测方法 | |
CN112365741A (zh) | 一种基于多车道车距检测的安全预警方法及系统 | |
CN106448223B (zh) | 一种雾霾自动适应的高速公路行车车速预警装置及方法 | |
KR102227649B1 (ko) | 자율주행 기능 검증을 위한 데이터베이스를 이용한 자율주행 검증장치 및 방법 | |
CN112562061A (zh) | 一种基于激光雷达图像的驾驶视觉增强的系统及方法 | |
Yu et al. | MPP: A novel algorithm for estimating vehicle space headways from a single image | |
CN110874598B (zh) | 一种基于深度学习的高速公路水痕检测方法 | |
CN114299715A (zh) | 一种基于视频、激光雷达与dsrc的高速公路信息检测系统 | |
Wu | Data processing algorithms and applications of LiDAR-enhanced connected infrastructure sensing | |
CN105629333A (zh) | 一种基于视频的道路气象检测方法 | |
CN109147328B (zh) | 一种基于视频虚拟线圈的车流量检测方法 | |
CN116468755A (zh) | 一种车速检测方法 |
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 |