CN110298308A - 一种自行车专用道车辆行人识别系统 - Google Patents
一种自行车专用道车辆行人识别系统 Download PDFInfo
- Publication number
- CN110298308A CN110298308A CN201910575088.2A CN201910575088A CN110298308A CN 110298308 A CN110298308 A CN 110298308A CN 201910575088 A CN201910575088 A CN 201910575088A CN 110298308 A CN110298308 A CN 110298308A
- Authority
- CN
- China
- Prior art keywords
- sensor
- identification
- vehicle
- machine
- feature
- 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
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- 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
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种自行车专用道车辆行人识别系统,包括:识别一体机组、几何量采集传感器、特征识别传感器及感应触发装置,识别一体机组包括多个识别一体机,相邻两个识别一体机间设有供车辆通行的通行区域;几何量采集传感器用于采集通过车辆的侧视图像信息和车轮的结构信息;特征识别传感器用于精确采集车辆局部图像进行特征提取;感应触发装置实时感应相邻两识别一体机间的通行区域内是否有车辆通过。本发明提出了一种融合了自行车、电动车等和行人的可量化特征计算以及上述目标的非量化特征计算的识别系统,在现有特征识别的系统基础上提高了识别率,同时在识别一体机中增加了传感器的冗余度和环境适应性,具备更强的实用性,便于系统的推广。
Description
技术领域
本发明涉及道路交通领域。更具体地,涉及一种自行车专用道车辆行人识别系统。
背景技术
为解决城市交通拥堵的难题,许多城市已开始规划自行车专用车道,拟通过自行车专用车道的建设而推进绿色环保的自行车出行(通勤)重新回归人们的视野。开辟自行车专用道可以让骑行者骑得更安全、更放心,营造友好的骑行环境。
但是自行车专用车道会面临被非自行车肆意占用的情况,同时,行人行走在自行车专用车道上的行为也因存在较大的安全隐患而应被禁止。因此,与自行车专用车道同步开发一种智能识别系统尤为必要,否则自行车专用道的实际使用效果将大打折扣,继而还会影响该类便民友好的基础建设陷入难以推广的尴尬境地。
电磁感应识别可主要针对电动车独有的电动机进行甄别,以此作为电动车的判据。但电动车的永磁式电机需要采用灵敏的高斯计进行磁场检测,而电动车上采用的永磁体磁场随距离的衰减很大,在不影响通行的情况下直接进行非接触式测量可能会采不到有效的读数而影响判断。同时该方式无法独立检测摩托车等内燃机车。
尾气检测可利用激光分析尾气团等方式进行,作为一种较为成熟的技术手段可识别机动车辆,但无法区分电动车和自行车。
现有的技术途径均不能单独实现该功能,因此有必要针对该应用场景设计一种综合的解决方案。
因此,需要提供一种自行车专用道车辆行人识别系统。
发明内容
本发明的目的在于提供一种自行车专用道车辆行人识别系统,。
为达到上述目的,本发明采用下述技术方案:
一种自行车专用道车辆行人识别系统,其特征在于,包括:识别一体机组、几何量采集传感器、特征识别传感器及感应触发装置,所述识别一体机组包括多个识别一体机,相邻两个识别一体机间设有供车辆通行的通行区域;所述几何量采集传感器用于采集通过车辆的侧视图像信息和车轮的结构信息;所述特征识别传感器用于精确采集车辆局部图像进行特征提取;所述感应触发装置实时感应相邻两识别一体机间的通行区域内是否有车辆通过。
进一步的,所述识别一体机包括壳体、底部安装板、传感器窗口和散热器,所述几何量采集传感器、特征识别传感器及感应触发装置设于所述传感器窗口内。
进一步的,所述几何量采集传感器包括几何量采集相机、第一激光测距传感器、第二激光测距传感器,所述几何量采集相机用于采集待检目标的侧视图像信息,所述第一激光测距传感器用于采集待检目标车轮宽度信息,所述第二激光测距传感器用于二次采集待检目标车轮宽度信息。
进一步的,所述系统内设置有自行车轮宽度的阈值信息,若所述几何量采集传感器测量的车轮宽度值超过所述设置的阈值范围,则可判定该车辆非自行车。
进一步的,所述特征识别传感器包括第一特征识别相机、第二特征识别相机,所述第一特征识别相机用于采集车辆中部侧视图像,所述第二特征识别相机用于采集车辆后部侧视图像。
进一步的,所述感应触发装置包括前置光幕传感器和后置光幕传感器,所述前置光幕传感器和后置光幕传感器分别安装于识别一体机前部和后部的两侧,并与相邻识别一体机上的安装位置两两对齐。
进一步的,所述系统还包括指示灯组件,包括通行指示灯、等待指示灯和示廓灯,分别指示车辆通行、等待和照亮识别一体机组附近的环境。
进一步的,所述系统还包括数据处理器,包括中央处理模块、I/O模块、AD模块、连接线缆。
进一步的,所述系统还包括信息传达组件,包括入口显示器、扩音器。
进一步的,所述系统还包括电源组件,包括电源、系统开关及保险,所述系统开关为识别一体机总开关,用于系统上电、重启、断电操作;所述保险用于系统电气防护。
本发明的有益效果如下:
本发明所述技术方案提出了一种融合了自行车、电动车等和行人的可量化特征计算以及上述目标的非量化特征计算的识别系统,在现有单一几何量判断或特征识别的系统基础上提高了识别率,同时在识别一体机的设计中增加了传感器的冗余度和环境适应性,具备更强的实用性,便于系统的推广。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明;
图1为本发明系统组成及功能框图;
图2为识别一体机组中边缘型识别一体机结构示意图;
图3为识别一体机组中中间型识别一体机结构示意图;
图4为本发明识别一体机车道入口安装布局示意图;
图5为本发明可用于后轮识别相机1的车辆中部特征区域;
图6为本发明可用于后轮识别相机2的车辆后部特征区域;
图7为本发明识别一体机识别工作流程简图。
具体实施方式
为了更清楚地说明本发明,下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解,下面所具体描述的内容是说明性的而非限制性的,不应以此限制本发明的保护范围。
如图1所示,本发明公开的一种自行车专用道车辆行人识别系统,包括:识别一体机组1、几何量采集传感器2、特征识别传感器3及感应触发装置5,所述识别一体机组1包括多个识别一体机,相邻两个识别一体机间设有供车辆通行的通行区域;所述几何量采集传感器2用于采集通过车辆的侧视图像信息和车轮的结构信息;所述特征识别传感器3用于精确采集车辆局部图像进行特征提取;所述感应触发装置5实时感应相邻两识别一体机间的通行区域内是否有车辆通过。
如图2和3所示,识别一体机(0)根据车辆通道的几何特点分为左边机(01),中间机(02)和右边机(03),以通向前进方向为正向;
所述的左边机(01)、中间机(02)和右边机(03)为适应通道的布局而在结构形式上有所区别。
所述识别一体机组(1)包括识别一体机结构壳体(11)、底部安装板(12)、传感器侧窗(13)、散热风道防护组件(14)、主动式风扇散热器(15)、密封件(16);因车辆一般设计为人员可在左侧推行,故为兼容车辆推行进入识别区域,识别所需的各类传感器均布置在车道的左侧,即设计在左边机(01)和中间机(02)的右侧,而右边机无侧视图像类传感器。
左边机(01)、中间机(02)、右边机(03)按照车道宽度进行布局安装,通过底部安装板(12)与车道地面固定,并具有一定的微调功能。因涉及到几何量测量,微调功能需可将左边机(01)、中间机(02)、右边机(03)调整至可接受的水平度和平行度范围内,以减小校准误差。识别一体机组(1)在安装并调整后需进行校准,一般可采用几何量量具,并在识别软件(8)中的校准模块(87)中记录校准值,该校准值可能因安装位置等的不同而有区别,即不同的车道具有不同的校准值。校准模块(87)主要功能为几何量初始值和关键参数,本身不参与软件识别计算。
所述识别一体机组(1)为识别一体机内部各设备和元器件等提供结构安装、环境适应及冲击防护等功能,同时为与车辆相匹配的各传感器的空间位置布局提供安装固定。识别一体机组(1)将识别一体机各个部件整合为一个具有完整功能的整体。
结合图5和图6,所述几何量采集传感器(2)包括几何量采集相机(21)、第一激光测距传感器(22)、第二激光测距传感器(23);所述几何量采集相机(21)安装在识别一体机左边机(01)、中间机(02)的右侧,垂直于车辆通道轴线,用于采集待检目标的侧视图像信息,由第一激光测距传感器(22)触发。
第一激光测距传感器(22)安装于识别一体机左边机(01)的底部右侧,中间机(02)底部两侧,右边机(03)底部左侧。第一激光测距传感器(22)用于触发几何量采集相机(21)采集图像和自身采集车轮宽度信息。
第二激光测距传感器(23)安装在激光测距传感器(22)沿车辆行进方向的后方,用于二次采集待检目标车轮宽度信息。
第一激光测距传感器(22)及第二激光测距传感器(23)需要成对使用。
所述几何量采集传感器(2)不仅限于采集车辆侧视图像,同样可采集行人侧视图像。结合图7的判断过程,行人在通过车道时其侧视图像与车辆通过时的侧视图像存在较为明显的区别,主要表现在车轮侧视图像具有圆弧边缘,而行人侧视图像主要为小腿和含鞋的足部侧视特征。行人以行走的方式通过车道,与车辆车轮连续滚转通过不同的是,行人可能会同时触发第一激光测距传感器(22)和第二激光测距传感器(23)、仅触发第一激光测距传感器(22)或第二激光测距传感器(23),而车辆通行时除极个别跳动的情况外均会依次触发第一激光测距传感器(22)及第二激光测距传感器(23)。此外,因鞋的宽度分布非一致,第一激光测距传感器(22)及第二激光测距传感器(23)所测量到的宽度值具有较大的偏差,而车辆车轮的宽度值在车轮倾斜通过时其偏差量也较小。因此,在侧视图像区别的同时增加触发逻辑判断和宽度值偏差逻辑判断可提高识别的准确率。几何量采集相机(21)为具有高清拍摄功能和较大视场角的相机,以确保大多数目标可在视场内被采集到有效的侧视图像。
几何量采集处理模块(82)在侧视图像中进行边缘锐化等处理,在识别出有效的车轮边缘后进行车轮轮径的计算。而若无法识别到类似圆弧的车轮边缘,且第一激光测距传感器(22)及第二激光测距传感器(23)测出较大偏差或明显不符合车辆标准的量值是可判断为行人。而在几何量采集处理模块(82)测量出车轮轮径后,结合第一激光测距传感器(22)及第二激光测距传感器(23)测出的宽度值,根据几何量算法计算几何量置信度而确定车辆分类。
所述特征识别传感器(3)包括第一特征识别相机(31)、第二特征识别相机(32);
所述第一特征识别相机(31)用于采集车辆中部侧视图像,第二特征识别相机(32)用于采集车辆后部侧视图像。
自行车、电动车、摩托车及踏板车在前轮的区分度较小,而车体主要特征分布在车辆中部及后轮位置。电动车中部一般安装有占据较大空间的电池组件,摩托车中部一般安装有发动机,踏板车中部基本完全空出而无任何实体,自行车中部一般为脚踏五通和车体梁单元。
自行车车体后部及后轮处主要为驱动链轮,电动车车体后部及后轮处主要为占据较大车轮轴心空间的电机,摩托车车体后部及后轮处被实体结构占据较大空间而镂空部位仅局限于轮毂位置,踏板车后部仅包含底部的小型车轮和条状横向车体底板。
由以上特征,第一特征识别相机(31)所采集和车辆中部侧视图像和第二特征识别相机(32)所采集的车辆后部侧视图像可采用神经网络算法进行识别。
特征识别相机(31)及特征识别相机(32)可选用相同的相机型号,因不涉及具体的测量用途,可选用分辨率相比几何量采集相机(21)为低的型号以降低系统成本。特征识别相机(31)及特征识别相机(32)可由后置光幕传感器(52)触发而进行采集。对于同一辆车,特征识别相机(31)和特征识别相机(32)所采集的图像不同,但在逻辑上可认定为同一目标的两类特征。
可用于特征识别相机(31)的车辆中部特征有车辆车座立杆区域(311),车辆车架下梁区域(312),车辆牙盘脚踏区域(313)。对于车辆车座立杆区域(311)和车辆车架下梁区域(312),电动车在此处可能存在电池组件,即两者中有一处明显在尺寸上大于另一处,或两处都显著大于自行车常规值域。对于车辆牙盘脚踏区域(313),自行车此处一般具有较大尺寸牙盘且具有较多镂空部位,而电动车在此处一般为较大的实体占位。
可用于特征识别相机(32)的车辆后部特征有车辆尾座区域(321),车辆车架后下梁区域(322),后车轮中心区域(323)。对于车辆尾座区域(321),电动车一般具有较大尾座,而具有较小尾座或没有尾座的一般为自行车。对于车辆车架后下梁区域(322),电动车在此处可能仍可能安装电池组件,该梁尺寸显著大于自行车常规值域。对于后车轮中心区域(323),电动车在该区域内一般安装轮毂电机,具有显著的实体占位,而自行车在此处一般为变速飞轮等小尺寸零部件,且在该区域存在较多镂空。
摩托车及踏板车的侧视非量化特征类似于上述区别。
由非量化特征的组合识别,根据一定数量的深度学习训练,神经网络处理模块(83)可相对有效的辨别车辆类别。
所述感应触发装置(5)包括前置光幕传感器(51)、后置光幕传感器(52);
所述前置光幕传感器(51)为对射式传感器组件,需要成对使用,安装于识别一体机左边机(01)前部的右侧,中间机(02)前部的两侧,右边机(03)前部的左侧,并两两对齐。
所述后置光幕传感器(52)为对射式传感器组件,需要成对使用,安装于识别一体机左边机(01)后部的右侧,中间机(02)后部的两侧,右边机(03)后部的左侧,并两两对齐。
自行车、电动车、踏板车的种类千差万别,其侧视特征存在较多镂空,在通过一般的点状对射式触发传感器时易产生漏报的情况。前置光幕传感器(51)、后置光幕传感器(52)可形成线密度较高的激光传感器阵列,类似“光幕”效果,以保证通过其感应范围的物理均可不被遗漏地感知。
前置光幕传感器(51)为识别一体机最前端传感器,其触发后系统开始进行识别程序。
后置光幕传感器(52)为识别一体机最后端传感器,其触发截至后系统认为待检车辆或行人通过识别一体机的区间而进入下一流程。
当前置光幕传感器(51)及后置光幕传感器(52)被依次触发的情况下,系统认为车辆或行人以正确的通行过程通过识别一体机,其余情况下系统视之为中途退出,非法车辆退出或流程未结束。
本实施例所述的系统还包括数据处理器(4)、指示灯组件(6)、电源组件(7)、识别软件(8)、信息传达组件(9)。
结合图4,所述数据处理器(4)包括中央处理模块(41)、I/O模块(42)、AD模块(43)、连接线缆(44);
中央处理模块(41)具有足够的I/O接口数量以连接识别一体机(0)内的各传感器。中央处理模块(42)可采用X86架构,需要同时具有CPU及GPU,以满足主程序对一般程序执行和神经网络程序执行的需求。中央处理模块(42)也可采用FPGA架构,对应的主程序需要在此环境下开发。
中央处理模块(41)内部包含数据存储单元,可存储系统至少一周工作所记录的各类信息,以便系统维护所需。
中央处理模块(41)为识别一体机(0)主要发热单元,其热量通过散热风道防护组件(14)和主动式风扇散热器(15)组成的风道散发,以具备持续工作能力。
I/O模块(42)为各传感器提供所需的接口。
AD模块(43)为提供模拟量输入或输出的传感器提供AD转换。
所述指示灯组件(6)包括通行指示灯带(61)、等待指示灯带(62)、示廓灯带(63);
所述通行指示灯带(61)带有动态指示功能,可实现由下及上的逐步点亮,用于提示沿行进方向车辆进入车道。
通行指示灯带(61)在待机状态下为常亮,在前置光幕传感器(51)被触发后暂时熄灭,而同时等待指示灯带(62)被激活,用于提示后车等待。
在后置光幕传感器(52)触发截至后,通行指示灯带(61)恢复原状态用于提示后车进入。
所述等待指示灯带(62)带有动态指示功能,可实现间歇式闪烁,用于提示后车保持车距,勿紧随前车;
所述通行指示灯带(61)和等待指示灯带(62)安装在识别一体机组(11)的前部,呈上下式布局,通行指示灯带(61)长度较长,位于下方,等待指示灯带(62)长度较短,位于上方。
所述通行指示灯带(61)和等待指示灯带(62)在识别一体机左边机(01)和右边机(03)上采用单列布局,在识别一体机中间机(02)上采用双列布局;
所述示廓灯带(63)安装于识别一体机组(11)的上部,位于其倒角位置,用于在夜间显示识别一体机的外部宽度及高度轮廓,同时也为识别区域提供补光照明。
所述电源组件(7)包括电源(71)、系统开关(72)、保险(73);
所述电源(71)主要将220V交流电转换为各元器件工作所需的直流电;
系统开关(72)为识别一体机总开关,用于系统上电、重启、断电等维护性操作,系统一般处于默认常开状态;
所述保险(73)为一般电气元件,用于系统电气防护。
所述识别软件(8)包括通行逻辑控制模块(81)、几何量采集处理模块(82)、神经网络处理模块(83)、数据通讯模块(84)、I/O控制模块(85)信息传达模块(86)、校准模块(87);
通行逻辑控制模块(81)为软件中控制通行逻辑的部分,硬件上主要关联前置光幕传感器(51)、后置光幕传感器(52)、第一激光测距传感器(22)、第二激光测距传感器(23)。
几何量采集处理模块(82)为软件中采集、计算目标几何量的部分,硬件上主要关联几何量采集相机(21)、第一激光测距传感器(22)、第二激光测距传感器(23)。
神经网络处理模块(83)为软件中采集、分析、处理目标非量化特征的部分,硬件上主要关联第一特征识别相机(31)、第二特征识别相机(32)。
神经网络处理模块(83)与几何量采集处理模块(82)一般为并行处理。
数据通讯模块(84)为软件中用于接收传感器所发送的信息,以及将处理后的数据发送至执行机构和系统上位软件的部分。
I/O控制模块(85)为软件中与各传感器、识别一体机外围执行机构进行输入输出控制的部分。
信息传达模块(86)为软件中与信息传达组件(9)进行通信的部分。
校准模块(87)为几何量采集处理模块(82)提供初始值和计量校准参数。
所述信息传达组件(9)包括入口显示器(91)、扩音器(92);
入口显示器(91)用于通行状态的显示,包括可通行、不可通行、请退出、请重试等文字或图像信息。
扩音器(92)用于通行状态的语音提示和安全提示的音频传达。
在几何量采集和非量化特征深度学习两者结合的基础上,该识别系统可相比单一体系实现更高的识别率,进而具有更高的实用性。
本领域的技术人员应明白,本申请的实施例可提供为方法、装置(设备)、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (10)
1.一种自行车专用道车辆行人识别系统,其特征在于,包括:识别一体机组、几何量采集传感器、特征识别传感器及感应触发装置,所述识别一体机组包括多个识别一体机,相邻两个识别一体机间设有供车辆通行的通行区域;所述几何量采集传感器用于采集通过车辆的侧视图像信息和车轮的结构信息;所述特征识别传感器用于精确采集车辆局部图像进行特征提取;所述感应触发装置实时感应相邻两识别一体机间的通行区域内是否有车辆通过。
2.根据权利要求1所述的系统,其特征在于,所述识别一体机包括壳体、底部安装板、传感器窗口和散热器,所述几何量采集传感器、特征识别传感器及感应触发装置设于所述传感器窗口内。
3.根据权利要求1所述的系统,其特征在于,所述几何量采集传感器包括几何量采集相机、第一激光测距传感器、第二激光测距传感器,所述几何量采集相机用于采集待检目标的侧视图像信息,所述第一激光测距传感器用于采集待检目标车轮宽度信息,所述第二激光测距传感器用于二次采集待检目标车轮宽度信息。
4.根据权利要求3所述的系统,其特征在于,所述系统内设置有自行车轮宽度的阈值信息,若所述几何量采集传感器测量的车轮宽度值超过所述设置的阈值范围,则可判定该车辆非自行车。
5.根据权利要求1所述的系统,其特征在于,所述特征识别传感器包括第一特征识别相机、第二特征识别相机,所述第一特征识别相机用于采集车辆中部侧视图像,所述第二特征识别相机用于采集车辆后部侧视图像。
6.根据权利要求1所述的系统,其特征在于,所述感应触发装置包括前置光幕传感器和后置光幕传感器,所述前置光幕传感器和后置光幕传感器分别安装于识别一体机前部和后部的两侧,并与相邻识别一体机上的安装位置两两对齐。
7.根据权利要求1所述的系统,其特征在于,所述系统还包括指示灯组件,包括通行指示灯、等待指示灯和示廓灯,分别指示车辆通行、等待和照亮识别一体机组附近的环境。
8.根据权利要求1所述的系统,其特征在于,所述系统还包括数据处理器,包括中央处理模块、I/O模块、AD模块、连接线缆。
9.根据权利要求1所述的系统,其特征在于,所述系统还包括信息传达组件,包括入口显示器、扩音器。
10.根据权利要求1所述的系统,其特征在于,所述系统还包括电源组件,包括电源、系统开关及保险,所述系统开关为识别一体机总开关,用于系统上电、重启、断电操作;所述保险用于系统电气防护。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910575088.2A CN110298308B (zh) | 2019-06-28 | 2019-06-28 | 一种自行车专用道车辆行人识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910575088.2A CN110298308B (zh) | 2019-06-28 | 2019-06-28 | 一种自行车专用道车辆行人识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110298308A true CN110298308A (zh) | 2019-10-01 |
CN110298308B CN110298308B (zh) | 2022-03-04 |
Family
ID=68029330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910575088.2A Active CN110298308B (zh) | 2019-06-28 | 2019-06-28 | 一种自行车专用道车辆行人识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110298308B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112595207A (zh) * | 2020-12-09 | 2021-04-02 | 北京无线电计量测试研究所 | 一种自行车轮胎宽度非接触式快速测量装置及方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120133497A1 (en) * | 2010-11-29 | 2012-05-31 | Denso Corporation | Object appearance frequency estimating apparatus |
CN104298971A (zh) * | 2014-09-28 | 2015-01-21 | 北京理工大学 | 一种3d点云数据中的目标识别方法 |
CN104343091A (zh) * | 2013-08-08 | 2015-02-11 | 胡成佑 | 闸机防逃票技术及装置 |
CN104598928A (zh) * | 2015-01-30 | 2015-05-06 | 南京邮电大学 | 一种基于类字典稀疏识别的车辆分类方法 |
CN105631414A (zh) * | 2015-12-23 | 2016-06-01 | 上海理工大学 | 一种基于贝叶斯分类器的车载多障碍物分类装置及方法 |
CN106781656A (zh) * | 2016-12-15 | 2017-05-31 | 北京无线电计量测试研究所 | 一种智能互联停车系统及方法 |
CN107447699A (zh) * | 2016-12-14 | 2017-12-08 | 北京无线电计量测试研究所 | 一种高适应性自行车专用车道智能闸机系统 |
CN107460837A (zh) * | 2016-12-14 | 2017-12-12 | 北京无线电计量测试研究所 | 一种自行车专用车道智能闸机系统 |
CN108052899A (zh) * | 2017-12-12 | 2018-05-18 | 成都睿码科技有限责任公司 | 一种通过视频区分电动自行车和摩托车的方法 |
CN108550218A (zh) * | 2018-06-01 | 2018-09-18 | 厦门市市政工程设计院有限公司 | 一种自行车专用道综合管控系统及其管控方法 |
WO2018206514A1 (en) * | 2017-05-11 | 2018-11-15 | Starship Technologies Oü | A signalling device and system for increasing visibility of a mobile robot |
CN109102598A (zh) * | 2018-07-13 | 2018-12-28 | 北京无线电计量测试研究所 | 一种自行车专用道综合管理系统 |
CN109544763A (zh) * | 2018-12-13 | 2019-03-29 | 广州欧翼盾智能科技有限公司 | 一种高适应性自行车专用车道智能闸机系统 |
US20190162532A1 (en) * | 2017-11-29 | 2019-05-30 | Robert Bosch Gmbh | Method and device for detecting a light-emitting object at a traffic junction for a vehicle |
-
2019
- 2019-06-28 CN CN201910575088.2A patent/CN110298308B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120133497A1 (en) * | 2010-11-29 | 2012-05-31 | Denso Corporation | Object appearance frequency estimating apparatus |
CN104343091A (zh) * | 2013-08-08 | 2015-02-11 | 胡成佑 | 闸机防逃票技术及装置 |
CN104298971A (zh) * | 2014-09-28 | 2015-01-21 | 北京理工大学 | 一种3d点云数据中的目标识别方法 |
CN104598928A (zh) * | 2015-01-30 | 2015-05-06 | 南京邮电大学 | 一种基于类字典稀疏识别的车辆分类方法 |
CN105631414A (zh) * | 2015-12-23 | 2016-06-01 | 上海理工大学 | 一种基于贝叶斯分类器的车载多障碍物分类装置及方法 |
CN107447699A (zh) * | 2016-12-14 | 2017-12-08 | 北京无线电计量测试研究所 | 一种高适应性自行车专用车道智能闸机系统 |
CN107460837A (zh) * | 2016-12-14 | 2017-12-12 | 北京无线电计量测试研究所 | 一种自行车专用车道智能闸机系统 |
CN106781656A (zh) * | 2016-12-15 | 2017-05-31 | 北京无线电计量测试研究所 | 一种智能互联停车系统及方法 |
WO2018206514A1 (en) * | 2017-05-11 | 2018-11-15 | Starship Technologies Oü | A signalling device and system for increasing visibility of a mobile robot |
US20190162532A1 (en) * | 2017-11-29 | 2019-05-30 | Robert Bosch Gmbh | Method and device for detecting a light-emitting object at a traffic junction for a vehicle |
CN108052899A (zh) * | 2017-12-12 | 2018-05-18 | 成都睿码科技有限责任公司 | 一种通过视频区分电动自行车和摩托车的方法 |
CN108550218A (zh) * | 2018-06-01 | 2018-09-18 | 厦门市市政工程设计院有限公司 | 一种自行车专用道综合管控系统及其管控方法 |
CN109102598A (zh) * | 2018-07-13 | 2018-12-28 | 北京无线电计量测试研究所 | 一种自行车专用道综合管理系统 |
CN109544763A (zh) * | 2018-12-13 | 2019-03-29 | 广州欧翼盾智能科技有限公司 | 一种高适应性自行车专用车道智能闸机系统 |
Non-Patent Citations (1)
Title |
---|
郝鹏飞等: ""自行车流视频识别判断方法研究"", 《交通科技与经济》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112595207A (zh) * | 2020-12-09 | 2021-04-02 | 北京无线电计量测试研究所 | 一种自行车轮胎宽度非接触式快速测量装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110298308B (zh) | 2022-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108806296B (zh) | 基于车路协同的道路交通事件检测预警方法及检测预警系统 | |
CN106781697B (zh) | 车载式不良天气实时感知及防碰撞预警方法 | |
CN107447699B (zh) | 一种高适应性自行车专用车道智能闸机系统 | |
CN105844222B (zh) | 基于视觉的前方车辆碰撞预警系统及方法 | |
CN109785633A (zh) | 危险路况提醒方法、装置、车载终端、服务器及介质 | |
US20110103647A1 (en) | Device and Method for Classifying Vehicles | |
CN103778670B (zh) | 基于dsrc的防跟车干扰方法、定位方法、etc方法及系统 | |
CN104509100B (zh) | 三维物体检测装置以及三维物体检测方法 | |
CN102747696B (zh) | 一种智能路标及其应用方法 | |
CN109353269A (zh) | 一种带有可变前照灯的无人驾驶汽车行驶控制系统 | |
CN103116908A (zh) | 载重汽车电子不停车收费系统装置 | |
CN102279040A (zh) | 双端嵌入轴计量设备的动态过车平台 | |
KR101121147B1 (ko) | 자전거 통행 표시 시스템 및 그 방법 | |
CN103164958B (zh) | 车辆监控方法及系统 | |
CN106781542A (zh) | 一种车辆排队长度检测系统、方法和装置 | |
CN108608942A (zh) | 一种汽车防追尾方法及预警系统 | |
CN106971626A (zh) | 一种行人闯红灯的警示方法 | |
CN110298308A (zh) | 一种自行车专用道车辆行人识别系统 | |
CN107460837A (zh) | 一种自行车专用车道智能闸机系统 | |
CN111882861A (zh) | 一种基于边云融合的在线交通事件感知系统 | |
CN203259667U (zh) | 直线地铁站台屏蔽门与列车间异物自动检测装置 | |
CN106448146A (zh) | 一种道路安全系统及控制方法 | |
CN109334356A (zh) | 一种胎压检测方法、装置和车辆 | |
KR102380638B1 (ko) | 차량 통행을 모니터링하기 위한 장치, 시스템 또는 방법 | |
JP2013238902A (ja) | 距離計測センサによる車種判別システム |
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 |