CN111627241B - 用于生成路口车辆排队信息的方法和装置 - Google Patents
用于生成路口车辆排队信息的方法和装置 Download PDFInfo
- Publication number
- CN111627241B CN111627241B CN202010460075.3A CN202010460075A CN111627241B CN 111627241 B CN111627241 B CN 111627241B CN 202010460075 A CN202010460075 A CN 202010460075A CN 111627241 B CN111627241 B CN 111627241B
- Authority
- CN
- China
- Prior art keywords
- image acquisition
- vehicle
- information
- image
- target intersection
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000033001 locomotion Effects 0.000 claims abstract description 19
- 230000015654 memory Effects 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 7
- 230000008676 import Effects 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 230000003068 static effect Effects 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- 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
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/095—Traffic lights
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了用于生成路口车辆排队信息的方法和装置,涉及智能交通技术领域。具体实现方案为:针对设置在目标路口的多个图像采集设备中的每个图像采集设备,基于该图像采集设备的标识和目标路口的标识,获取该图像采集设备的图像采集范围内的路网信息,以对应生成该图像采集设备的地图结构化数据;从该图像采集设备采集到图像中获取至少一个车辆的状态信息,其中,状态信息包括车辆所在车道的车道标识和车辆的运动信息;将所获取的状态信息导入地图结构化数据,得到结构化的图像采集设备数据;基于各图像采集设备的图像采集设备数据,生成目标路口的车辆排队信息。该实现方式提高生成的目标路口车辆排队信息的准确性。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及智能交通技术领域。
背景技术
随着国家城市化的不断改革与汽车的普遍程度加深,城市中的车辆越来越多,多数城市都出现不同程度的拥堵,给市民的出行带来极大不便。
相关技术中,交通信号灯主要采用固定配时的调控方式来维护交通秩序,此种方式无法随车流量的变动而调整交通信号灯的持续时长,这会降低绿灯的使用效率。为了提高绿灯的使用效率,可以根据交通信号灯所在路口的车辆排队量来调整交通信号灯的各色灯持续的时长。因此,如何准确地获取交通信号灯所在的路口的车辆排队量成为当前亟需解决的问题。
发明内容
提供了一种用于生成路口车辆排队信息的方法、装置、设备以及存储介质。
根据第一方面,提供了一种用于生成路口车辆排队信息的方法,该方法包括:针对设置在目标路口的多个图像采集设备中的每个图像采集设备,基于该图像采集设备的标识和目标路口的标识,获取该图像采集设备的图像采集范围内的路网信息,以对应生成该图像采集设备的地图结构化数据,其中,该图像采集设备用于对目标路口的内侧或外侧进行图像采集;从该图像采集设备采集到图像中获取至少一个车辆的状态信息,其中,状态信息包括车辆所在车道的车道标识和车辆的运动信息;将所获取的状态信息导入地图结构化数据,得到结构化的图像采集设备数据;基于各图像采集设备的图像采集设备数据,生成目标路口的车辆排队信息。
根据第二方面,提供了一种用于生成路口车辆排队信息的装置,该装置包括:路网信息获取单元,被配置成针对设置在目标路口的多个图像采集设备中的每个图像采集设备,基于该图像采集设备的标识和目标路口的标识,获取该图像采集设备的图像采集范围内的路网信息,以对应生成该图像采集设备的地图结构化数据,其中,该图像采集设备用于对目标路口的内侧或外侧进行图像采集;状态信息获取单元,被配置成从该图像采集设备采集到图像中获取至少一个车辆的状态信息,其中,状态信息包括车辆所在车道的车道标识和车辆的运动信息;导入单元,被配置成将所获取的状态信息导入地图结构化数据,得到结构化的图像采集设备数据;生成单元,被配置成基于各图像采集设备的图像采集设备数据,生成目标路口的车辆排队信息。
第三方面,提供了一种电子设备,该电子设备包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述方法。
第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行上述方法。
根据本申请的技术解决了现有无法准确获取路口车辆排队信息的问题,提高了获取到的路口车辆排队信息的准确性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请的用于生成路口车辆排队信息的方法的第一实施例的示意图;
图2是根据第一实施例中用于生成路口车辆排队信息的方法的应用场景的一个示意图;
图3是根据本申请的用于生成路口车辆排队信息的方法的第二实施例的示意图;
图4是根据本申请的用于生成路口车辆排队信息的装置的实施例的示意图;
图5是用来实现本申请实施例的用于生成路口车辆排队信息的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
请参考图1,其示出了根据本申请的用于生成路口车辆排队信息的方法的第一实施例的示意图。该用于生成路口车辆排队信息的方法,可以包括以下步骤:
步骤101,针对设置在目标路口的多个图像采集设备中的每个图像采集设备,基于该图像采集设备的标识和目标路口的标识,获取该图像采集设备的图像采集范围内的路网信息,以对应生成该图像采集设备的地图结构化数据。
在本实施例中,用于生成路口车辆排队信息的方法的执行主体可以为用于生成路口车辆排队信息的装置,该用于生成路口车辆排队信息的装置可以为一个电子实体(例如服务器),或者也可以为采用软件集成的应用程序。使用时,可以利用该用于生成路口车辆排队信息的装置可以对图像采集设备的标识和目标路口的标识进行处理,从而可以得到目标路口的车辆排队信息。该用于生成路口车辆排队信息的装置可以采用本实施例的用于生成路口车辆排队信息的方法,生成目标路口的车辆排队信息。
在本实施例中,对于待统计车辆排队信息的目标路口,该目标路口可以包括多个图像采集设备。这里,目标路口的图像采集设备可以用于采集目标路口不同区域的图像,对采集到的图像进行分析即可以得到上述目标路口的车辆排队信息。目标路口所设置的多个图像采集设备可以从不同的角度进行图像采集,以便于尽可能全面的拍摄到目标路口的图像信息。需要说明的是,对于目标路口的多个图像采集设备中的任一图像采集设备,该图像设备可以用于对目标路口的内侧或外侧进行图像采集。因此,多个图像采集设备进行协作,可以全面地对目标路口的内侧和外侧进行图像采集。作为示例,上述目标路口可以为十字路口,此时目标路口的内侧可以为构成十字路口的任一道路中指向道路交叉处的一侧,目标路口的外侧可以为构成十字路口的任一道路中与内侧相反的一侧。可以理解的是,上述目标路口不仅可以为十字路口,还可以为三叉路口等,这里没有具体的限定。
在本实施例中,针对设置在目标路口的对个图像采集设备中的任一图像采集设备,上述执行主体可以对该图像采集设备初始化,从而使得上述执行主体可以获取该图像采集设备的例如相机序列号等标识和目标路口的标识。而后,上述执行主体可以根据图像采集设备的标识和目标路口的标识从预设的路网文件中读取对应的路网信息。需要说明的是,所获取的路网信息可以为该图像采集设备可以拍摄区域范围内的路网信息。最后,上述执行主体对所获取的路网信息进行结构化,可以得到该图像采集设备对应的地图结构化数据。可以理解的是,针对设置在目标路口的多个图像采集设备,上述执行主体可以生成与每个图像采集设备对应的地图结构化数据。
在本实施例的一些可选的实现方式中,上述目标路口中可以设置至少两个交通信号灯,各交通信号灯可以对应设有用于安装监控设备的监控杆。在目标路口中,各图像采集设备可以安装在监控杆上。具体地,每个监控杆可以设有两个镜头分别朝向该目标路口内侧和外侧的图像采集设备。通常,目标路口设置的交通信号灯的数目可以根据目标路口的类型来确定。作为示例,在十字路口中,通常存在四个交通信号灯和与各交通信号灯对应的监控杆,每个监控杆上设置的两个朝向十字路口内侧和外侧的图像采集设备,因此在十字路口中可以设有八个图像采集设备。该实现方式公开的方案,将图像采集设备设置在已有的监控杆上,可以高效利用现有资源,并且监控杆足够高可以较大范围的拍摄目标路口的图像。进一步地,该实现方式中,对于每个交通信号灯设置两个镜头不同朝向的图像采集设备可以实现对目标路口的内外侧的全面拍摄,进而可以提高生成的车辆排队信息的准确性。
通常,路网(road network)可以称为道路网,指的是在一定区域内,由各种道路组成的相互联络、交织成网状分布的道路系统。在路网中,对于各道路交织构成的路口,可以设置有唯一的标识。在本实施例中,还可以为在路网的各路口对应设置该路口的图像采集设备的标识,因此上述图像采集设备初始化获取设备标识和目标路口的标识之后,可以从路网的路网文件中获取对应区域的路网信息。
步骤102,从该图像采集设备采集到图像中获取至少一个车辆的状态信息。
在本实施例中,针对步骤101中的图像采集设备,上述执行主体可以从该图像采集设备获取其采集得到的各帧图像。而后,针对所获取的任一图像帧,上述执行主体可以采用各种方式对该图像帧进行分析处理,从而得到该图像帧中的至少一个车辆的状态信息。其中,车辆的状态信息可以包括但不限于车辆所在车道的车道标识和车辆的运动信息,运动信息可以为车辆运动信息或车辆静止信息。作为示例,上述执行主体可以将该图像帧输入预先训练的图像处理模型来得到该帧图像中至少一个车辆的状态信息,该图像处理模型可以为采用深度学习的方式训练卷积神经网络等得到的模型。
在本实施例的一些可选的实现方式中,上述执行主体可以采用图像识别和目标跟踪的方式得到图像中各车辆的状态信息。具体地,对于所获取的图像帧,上述执行主体可以对该图像帧进行图像识别,从而可以在该图像中识别出每个车辆。可以理解的是,上述执行主体可以为识别出的各车辆设置不同的ID,并且上述执行主体还可以确定出不同的车辆所在车道的车道标识。而后,上述执行主体可以对该图像中的各车辆进行图像跟踪,从而可以确定出该图像帧中各车辆是运动的还是静止的,从而可以得到各车辆的运动信息。作为示例,上述执行主体可以通过将历史图像帧和该图像帧进行对比,得到各车辆的运动信息。在实现方式中,可以对图像采集设备采集到各帧图像分别进行图像识别和跟踪处理,提高了获取到的车辆状态信息的准确性。
在本实施例的一些可选的实现方式中,上述执行执行主体在对上述图像采集设备采集到的图像进行车辆识别之前,还可以对所获取的图像进行畸变校正,而后对校正后的图像进行车辆识别和跟踪。该实现方式公开的方案,在对图像进行车辆识别和跟踪之前,先对图像进行畸变校正,从而可以使得采集到的图像更贴近目标路口的真实路况,对畸变校正后的图像进行识别和跟踪可以提高图像识别和跟踪的效果,提高了所获取车辆的状态信息的准确性。
步骤103,将所获取的状态信息导入地图结构化数据,得到结构化的图像采集设备数据。
在本实施例,基于步骤101生成的图像采集设备的地图结构化数据和步骤102获取的该图像采集设备采集的各图像帧中车辆的状态信息,上述执行主体可以将所获取的车辆的状态信息导入对应的地图结构化数据。需要说明的是,针对步骤101中的图像采集设备,该图像采集设备可以持续采集图像,对于每帧图像均可以获取图像中的车辆的状态信息,并导入对应的地图结构化数据。而后,上述执行主体可以采用各种方式处理导入状态信息的地图结构化数据,得到该图像采集设备结构化的图像采集设备数据。作为示例,上述执行主体在获取导入车辆的状态信息的地图结构化数据之后,可以直接将所得到的结构化数据作为该图像采集设备的结构化的图像采集设备数据。可以理解的是,对于上述目标路口的各图像采集设备,通过执行上述步骤101~步骤103均可以得到对应的图像采集设备数据。
在本实施例的一些可选的实现方式中,上述执行主体在将所获取的状态信息导入地图结构化数据之后,可以更新该地图结构化数据。而后,上述执行主体可以判断更新后的地图结构化数据是否存在偏差。如果更新后的地图结构化数据存在偏差,则可以对更新后的结构化数据进行修正,从而得到该图像采集设备的结构化的图像采集设备数据。如果更新后的地图结构化数据没有偏差,则可以直接将更新后的结构化数据作为该图像采集设备的结构化的图像采集设备数据。作为示例,如果上述中执行主体在更新后的地图结构化数据中确定出存在不符合预设规则的车辆(例如,某一车辆为路边停靠车辆),则可以认为更新后的地图结构化数据存在偏差,此时上述执行主体可以将不符合预设规则的车辆的状态信息剔除。再例如,如果上述中执行主体在更新后的地图结构化数据中确定出某一车道仅存在位于中间位置的车辆为运动车辆,而该车道中的其余车辆均为静止车辆,此时上述执行主体可以确定出该运动车辆的运动信息判断失误,需要将该运动车辆的运动信息修改为静止。该实现方式公开的方案可以对导入地图结构化数据的状态信息进行修正,从而可以提高所得到结构化的图像采集设备数据的准确性。
步骤104,基于各图像采集设备的图像采集设备数据,生成目标路口的车辆排队信息。
在本实施例中,上述执行主体基于步骤103可以得到各图像采集设备结构化的图像采集设备数据。而后,上述执行主体可以采用各种方式处理各图像采集设备的图像采集设备数据,从而可以生成上述目标路口的车辆排队信息。作为示例,上述执行主体可以分别从各图像采集设备的图像采集设备数据中获取预设时间段(例如,该预设时间段可以为交通信号灯的红灯持续点亮的时间段)内在某一车道处于静止状态的车辆的数目,而后统计各车道中在预设时间段处于静止状态的车辆的数目,该数目可以在一定程度上表征目标路口的拥堵情况,因此可以将该数目确定为上述目标路口的车辆排队信息。
在本实施例的一些可选的实现方式中,上述车辆的状态信息除了可以包括车辆所在车道的车道标识和车辆的运动信息之外,还可以包括各车辆的车辆类型信息。车辆类型信息可以包括小汽车、公交车、大货车等。此种情况下,上述执行主体在对图像采集设备数据处理时,可以得到目标路口的标准车当量数,进而融合车辆的其它状态信息即可以生成目标路口的车辆排队信息。在本实现方式公开的方案中,所生成的车辆排队信息包括标准车当量数而非自然车辆数,从而使得生成的车辆排队信息可以更准确地体现出目标路口拥堵的真实情况。
继续参考图2,图2是根据本实施例的用于生成路口车辆排队信息的方法的应用场景的一个示意图。在图2的应用场景中,目标路口可以为如图2所示的十字路口,该十字路口可以包括多个可以用于对目标路口内侧和外侧(如图2所示)进行图像采集的图像采集设备,针对其中任一图像采集设备201,如图2所示,后台服务器可以基于该图像采集设备201的标识和十字路口的标识,获取该图像采集设备201的图像采集范围的路网信息,生成图像采集设备201的地图结构化数据;之后,后台服务器可以从该图像采集设备201采集到的图像中获取至少一个车辆的状态信息;而后,后台服务器将所获取的状态信息导入地图结构化数据,可以得到图像采集设备201结构化的图像采集设备数据;最后,后台服务器可以基于各图像采集设备的图像采集设备数据,生成目标路口的车辆排队信息。
本申请的上述实施例提供的用于生成路口车辆排队信息的方法,针对设置在目标路口的多个图像采集设备中的图像采集设备,可以基于该图像采集设备的标识和目标路口的标识,获取该图像采集设备的图像采集范围内的路网信息,以对应生成该图像采集设备的地图结构化数据,之后从该图像采集设备采集到图像中获取至少一个车辆的车道标识和运动信息等状态信息,而后将所获取的状态信息导入上述地图结构化数据,可以得到结构化的图像采集设备数据,最后基于各图像采集设备的图像采集设备数据,可以生成目标路口的车辆排队信息。本实施例公开的方案不仅将图像采集设备的数据与路网信息结合,还将目标路口的多个不同图像采集设备的结构化数据进行结合,从而可以准确地构建出各图像采集设备所在目标路口区域的所有车辆排队信息。
接下来请参考图3,图3是根据本申请的用于生成路口车辆排队信息的方法的第二实施例的示意图。该用于生成路口车辆排队信息的方法,可以包括以下步骤:
步骤301,针对设置在目标路口的多个图像采集设备中的每个图像采集设备,基于该图像采集设备的标识和目标路口的标识,获取该图像采集设备的图像采集范围内的路网信息,以对应生成该图像采集设备的地图结构化数据。
步骤302,从该图像采集设备采集到图像中获取至少一个车辆的状态信息。
步骤303,将所获取的状态信息导入地图结构化数据,得到结构化的图像采集设备数据。
在本实施例中,上述步骤301~步骤303所公开的内容,与上述实施例的步骤101~步骤103所公开的内容相同或相似,这里不再赘述。
步骤304,获取目标路口的各交通信号灯的控制信号。
在本实施中,上述目标路口可以设置至少两个交通信号灯。其中,目标路口的交通信号灯的数目可以根据目标路口的类型来确定。作为示例,如果目标路口为公路交叉形成的十字路口,则该目标路口通常可以设置四个交通信号灯,如果该目标路口为三叉路口,则该目标路口通常可以设置三个交通信号灯。进一步地,对于目标路口的任一交通信号灯,该目标路口中存在至少两个图像采集设备分别对该交通信号灯的路口内侧和路口外侧进行图像采集。
在本实施例中,上述执行主体可以获取目标路口的交通信号灯的控制信号。该交通信号灯的控制信号可以用于控制该目标路口的各交通信号灯点亮的灯色。
步骤305,响应于确定出各交通信号灯中存在灯色改变的目标交通信号灯,确定与目标交通信号灯对应的至少两个图像采集设备。
在本实施例中,基于步骤304获取的交通信号灯的控制信号,上述执行主体可以判断目标路口的各交通信号灯中是否存在灯色发生改变的交通信号灯。其中,灯色改变可以指交通信号灯的点亮灯色在红、黄、绿之间的转变(这里,还可以将交通信号灯的点亮灯色变化直接简化为红、绿之间的转变)。如果各交通信号灯中存在灯色发生改变的交通信号灯,上述执行主体可以将该灯色改变的交通信号灯确定为目标交通信号灯。此种情况下,上述执行主体可以在目标路口的各图像采集设备中确定出与目标信号灯对应的至少两个图像采集设备。这里,与目标信号灯对应的各图像采集设备可以用于对该目标交通信号灯两侧的区域进行图像采集。
可以理解的是,如果各交通信号灯中不存在灯色发生改变的交通信号灯,上述执行主体可以继续获取下一次控制信号。进而判断下一次控制信号中,目标路口的各交通信号灯中是否存在灯色发生改变的交通信号灯。
步骤306,从所确定的图像采集设备的图像采集设备数据中获取与目标交通信号灯的灯色改变时刻匹配的图像采集设备数据。
在本实施例中,上述执行主体可以确定出目标交通信号灯的灯色改变的时刻。基于步骤305确定的与目标交通信号灯对应的各图像采集设备,上述执行主体可以从所确定的图像采集设备的图像采集设备数据中获取数据生成时刻与所确定的灯色改变时刻相匹配的图像采集设备数据。这里,可以将所确定的图像采集设备的图像采集设备数据中数据生成时刻与灯色改变时刻最近的数据确定为与灯色改变时刻匹配的图像采集设备数据。可以理解的是,上述目标交通信号灯往往与至少两个图像采集设备对应。因此,上述执行主体在进行匹配之前,可以将与目标交通信号灯对应的各图像采集设备的结构化数据进行融合,而后从融合后的数据中获取与目标交通信号灯的灯色改变时刻匹配的图像采集设备数据。
步骤307,基于所获取的图像采集设备数据,确定目标交通信号灯的车辆排队信息。
在本实施例中,基于步骤306获取的与目标交通信号灯的灯色改变时刻匹配的图像采集设备数据,上述执行主体可以确定该目标交通信号灯的路口内侧和外侧的车辆在该次灯色变化时的车辆排队信息。可以理解的是,对于上述目标路口,在目标交通信号灯的灯色变化时刻,该目标交通信号灯控制区域的车辆排队数目可以体现出该控制区域的拥堵情况。
步骤308,获取各交通信号灯在不同灯色改变情况下的车辆排队信息,生成目标路口的车辆排队信息。
在本实施例中,上述执行主体采用步骤304~步骤307可以获取目标路口的各交通信号灯在不同灯色变化情况下的车辆排队信息。对目标路口的各交通信号灯在不同灯色变化情况下的车辆排队信息进行综合处理,即可以得到目标路口的车辆排队信息。所得到的目标路口的车辆排队信息可以表征各交通信号灯所控制区域的拥堵情况。可以理解的是,根据所生成的目标路口的车辆排队信息,可以对目标路口交通信号灯进行准确地调控,从而可以提高目标路口的通行效率。
从图3中可以看出,与图1对应的实施例相比,本实施例中的用于生成路口车辆排队信息的方法在得到目标路口的各图像采集设备的结构化的图像采集设备数据之后,可以结合交通信号灯的控制信号从所得到的图像采集设备数据中获取与灯色改变时刻匹配的结构化数据,并利用所匹配的结构化数据生成目标路口的车辆排队信息,从而实现了将路网信息、交通信号灯的控制信号和多图像采集设备的结构化数据联合来生成目标路口的车辆排队信息,进一步提高了所生成的车辆排队信息的准确性。
进一步参考图4,作为对上述各图所示方法的实现,本公开提供了一种用于生成路口车辆排队信息的装置的一个实施例,该装置实施例与图1所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,本实施例的用于生成路口车辆排队信息的装置400包括:路网信息获取单元401、状态信息获取单元402、导入单元403和生成单元404。其中,路网信息获取单元401被配置成针对设置在目标路口的多个图像采集设备中的每个图像采集设备,基于该图像采集设备的标识和目标路口的标识,获取该图像采集设备的图像采集范围内的路网信息,以对应生成该图像采集设备的地图结构化数据,其中,该图像采集设备用于对目标路口的内侧或外侧进行图像采集;状态信息获取单元402被配置成从该图像采集设备采集到图像中获取至少一个车辆的状态信息,其中,状态信息包括车辆所在车道的车道标识和车辆的运动信息;导入单元403被配置成将所获取的状态信息导入地图结构化数据,得到结构化的图像采集设备数据;生成单元404被配置成基于各图像采集设备的图像采集设备数据,生成目标路口的车辆排队信息。
在本实施例的一些可选的实现方式中,目标路口包括至少两个交通信号灯,针对至少两个交通信号灯中的交通信号灯,存在至少两个图像采集设备分别对该交通信号灯的两侧进行图像采集;生成单元404进一步被配置成:获取目标路口的各交通信号灯的控制信号,其中,控制信号用于控制交通信号灯点亮的灯色;响应于确定出各交通信号灯中存在灯色改变的目标交通信号灯,确定与目标交通信号灯对应的至少两个图像采集设备;从所确定的图像采集设备的图像采集设备数据中获取与目标交通信号灯的灯色改变时刻匹配的图像采集设备数据;基于所获取的图像采集设备数据,确定目标交通信号灯在灯色改变时刻的车辆排队信息;获取各交通信号灯在不同灯色改变情况下的车辆排队信息,生成目标路口的车辆排队信息。
在本实施例的一些可选的实现方式中,状态信息获取单元402包括:识别模块,被配置成对该图像采集设备采集到的图像进行车辆识别,确定各车辆所在车道的车道标识;跟踪模块,被配置成对所识别的各车辆进行图像跟踪,得到各车辆的运动信息。
在本实施例的一些可选的实现方式中,状态信息获取单元402还包括:校正模块,被配置成对该图像采集设备采集到的图像进行畸变校正。
在本实施例的一些可选的实现方式中,导入单元403进一步被配置成:将所获取的状态信息导入地图结构化数据,更新地图结构化数据;响应于确定出更新后的地图结构化数据存在偏差,对更新后的结构化数据进行修正,得到该图像采集设备结构化的图像采集设备数据。
在本实施例的一些可选的实现方式中,状态信息还包括车辆类型信息;生成单元404进一步被配置成:基于各图像采集设备的图像采集设备数据,确定目标路口的标准车当量数,以生成目标路口的车辆排队信息。
在本实施例的一些可选的实现方式中,目标路口设有与各交通信号灯对应的监控杆;每个监控杆设有两个镜头分别朝向目标路口内侧和外侧的图像采集设备。
装置400中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作和特征同样适用于装置400及其中包含的单元,在此不再赘述。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图5所示,是根据本申请实施例的用于生成路口车辆排队信息的装置的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示,该电子设备包括:一个或多个处理器501、存储器502,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的用于生成路口车辆排队信息的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的用于生成路口车辆排队信息的方法。
存储器502作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的用于生成路口车辆排队信息的方法对应的程序指令/模块(例如,附图4所示的路网信息获取单元401、状态信息获取单元402、导入单元403和生成单元404)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的用于生成路口车辆排队信息的方法。
存储器502可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据用于生成路口车辆排队信息的电子设备的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器502可选包括相对于处理器501远程设置的存储器,这些远程存储器可以通过网络连接至用于生成路口车辆排队信息的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
用于生成路口车辆排队信息的方法的电子设备还可以包括:输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接,图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息,以及产生与用于生成路口车辆排队信息的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,针对设置在目标路口的多个图像采集设备中的图像采集设备,可以基于该图像采集设备的标识和目标路口的标识,获取该图像采集设备的图像采集范围内的路网信息,以对应生成该图像采集设备的地图结构化数据,之后从该图像采集设备采集到图像中获取至少一个车辆的车道标识和运动信息等状态信息,而后将所获取的状态信息导入上述地图结构化数据,可以得到结构化的图像采集设备数据,最后基于各图像采集设备的图像采集设备数据,可以生成目标路口的车辆排队信息。本实施例公开的方案不仅将图像采集设备的数据与路网信息结合,还将目标路口的多个不同图像采集设备的结构化数据进行结合,从而可以准确地构建出各图像采集设备所在目标路口区域的所有车辆排队信息。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (14)
1.一种用于生成路口车辆排队信息的方法,包括:
针对设置在目标路口的多个图像采集设备中的每个图像采集设备,基于该图像采集设备的标识和所述目标路口的标识,获取该图像采集设备的图像采集范围内的路网信息,以对应生成该图像采集设备的地图结构化数据,其中,该图像采集设备用于对所述目标路口的内侧或外侧进行图像采集;
从该图像采集设备采集到图像中获取至少一个车辆的状态信息,包括:对该图像采集设备采集到的图像进行车辆识别,得到图像中的车辆,为不同的所述车辆设置不同的ID,确定各所述车辆所在车道的车道标识;对所识别的各所述车辆进行图像跟踪,得到各所述车辆的运动信息,其中,所述状态信息包括车辆所在车道的车道标识和车辆的运动信息;
将所获取的状态信息导入所述地图结构化数据,得到结构化的图像采集设备数据;
基于各所述图像采集设备的图像采集设备数据,生成所述目标路口的车辆排队信息,包括:分别从各所述图像采集设备的图像采集设备数据中获取交通信号灯的红灯持续点亮的时间段内在各车道处于静止状态的车辆的数目;根据各车道处于静止状态的车辆的数目,确定所述目标路口的车辆排队信息;
基于所述车辆排队信息,调整所述交通信号灯的各色灯持续的时长。
2.根据权利要求1所述的方法,其中,所述目标路口包括至少两个交通信号灯,针对所述至少两个交通信号灯中的交通信号灯,存在至少两个图像采集设备分别对该交通信号灯的两侧进行图像采集;
所述基于各所述图像采集设备的图像采集设备数据,生成所述目标路口的车辆排队信息,包括:
获取所述目标路口的各交通信号灯的控制信号,其中,所述控制信号用于控制所述交通信号灯点亮的灯色;
响应于确定出各所述交通信号灯中存在灯色改变的目标交通信号灯,确定与所述目标交通信号灯对应的至少两个图像采集设备;
从所确定的图像采集设备的图像采集设备数据中获取与所述目标交通信号灯的灯色改变时刻匹配的图像采集设备数据;
基于所获取的图像采集设备数据,确定所述目标交通信号灯在灯色改变时刻的车辆排队信息;
获取各所述交通信号灯在不同灯色改变情况下的车辆排队信息,生成所述目标路口的车辆排队信息。
3.根据权利要求1所述的方法,其中,在对该图像采集设备采集到的图像进行车辆识别之前,所述方法还包括:
对该图像采集设备采集到的图像进行畸变校正。
4.根据权利要求1所述的方法,其中,所述将所获取的状态信息导入所述地图结构化数据,得到结构化的图像采集设备数据,包括:
将所获取的状态信息导入所述地图结构化数据,更新所述地图结构化数据;
响应于确定出更新后的地图结构化数据存在偏差,对更新后的结构化数据进行修正,得到该图像采集设备结构化的图像采集设备数据。
5.根据权利要求1所述的方法,其中,所述状态信息还包括车辆类型信息;
所述生成所述目标路口的车辆排队信息,包括:
基于各所述图像采集设备的图像采集设备数据,确定所述目标路口的标准车当量数,以生成所述目标路口的车辆排队信息。
6.根据权利要求1所述的方法,其中,所述目标路口设有与各交通信号灯对应的监控杆;
每个所述监控杆设有两个镜头分别朝向所述目标路口内侧和外侧的图像采集设备。
7.一种用于生成路口车辆排队信息的装置,包括:
路网信息获取单元,被配置成针对设置在目标路口的多个图像采集设备中的每个图像采集设备,基于该图像采集设备的标识和所述目标路口的标识,获取该图像采集设备的图像采集范围内的路网信息,以对应生成该图像采集设备的地图结构化数据,其中,该图像采集设备用于对所述目标路口的内侧或外侧进行图像采集;
状态信息获取单元,被配置成从该图像采集设备采集到图像中获取至少一个车辆的状态信息,所述状态信息获取单元包括:识别模块,被配置成对该图像采集设备采集到的图像进行车辆识别,得到图像中的车辆,为不同的所述车辆设置不同的ID,确定各所述车辆所在车道的车道标识;跟踪模块,被配置成对所识别的各所述车辆进行图像跟踪,得到各所述车辆的运动信息,其中,所述状态信息包括车辆所在车道的车道标识和车辆的运动信息;
导入单元,被配置成将所获取的状态信息导入所述地图结构化数据,得到结构化的图像采集设备数据;
生成单元,被配置成基于各所述图像采集设备的图像采集设备数据,生成所述目标路口的车辆排队信息,所述生成单元进一步被配置成:分别从各所述图像采集设备的图像采集设备数据中获取交通信号灯的红灯持续点亮的时间段内在各车道处于静止状态的车辆的数目;根据各车道处于静止状态的车辆的数目,确定所述目标路口的车辆排队信息;
调整单元,被配置成基于所述车辆排队信息,调整所述交通信号灯的各色灯持续的时长。
8.根据权利要求7所述的装置,其中,所述目标路口包括至少两个交通信号灯,针对所述至少两个交通信号灯中的交通信号灯,存在至少两个图像采集设备分别对该交通信号灯的两侧进行图像采集;
所述生成单元进一步被配置成:
获取所述目标路口的各交通信号灯的控制信号,其中,所述控制信号用于控制所述交通信号灯点亮的灯色;
响应于确定出各所述交通信号灯中存在灯色改变的目标交通信号灯,确定与所述目标交通信号灯对应的至少两个图像采集设备;
从所确定的图像采集设备的图像采集设备数据中获取与所述目标交通信号灯的灯色改变时刻匹配的图像采集设备数据;
基于所获取的图像采集设备数据,确定所述目标交通信号灯在灯色改变时刻的车辆排队信息;
获取各所述交通信号灯在不同灯色改变情况下的车辆排队信息,生成所述目标路口的车辆排队信息。
9.根据权利要求7所述的装置,其中,所述状态信息获取单元还包括:
校正模块,被配置成对该图像采集设备采集到的图像进行畸变校正。
10.根据权利要求7所述的装置,其中,所述导入单元进一步被配置成:
将所获取的状态信息导入所述地图结构化数据,更新所述地图结构化数据;
响应于确定出更新后的地图结构化数据存在偏差,对更新后的结构化数据进行修正,得到该图像采集设备结构化的图像采集设备数据。
11.根据权利要求7所述的装置,其中,所述状态信息还包括车辆类型信息;
所述生成单元进一步被配置成:
基于各所述图像采集设备的图像采集设备数据,确定所述目标路口的标准车当量数,以生成所述目标路口的车辆排队信息。
12.根据权利要求7所述的装置,其中,所述目标路口设有与各交通信号灯对应的监控杆;
每个所述监控杆设有两个镜头分别朝向所述目标路口内侧和外侧的图像采集设备。
13.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010460075.3A CN111627241B (zh) | 2020-05-27 | 2020-05-27 | 用于生成路口车辆排队信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010460075.3A CN111627241B (zh) | 2020-05-27 | 2020-05-27 | 用于生成路口车辆排队信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111627241A CN111627241A (zh) | 2020-09-04 |
CN111627241B true CN111627241B (zh) | 2024-04-09 |
Family
ID=72271182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010460075.3A Active CN111627241B (zh) | 2020-05-27 | 2020-05-27 | 用于生成路口车辆排队信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111627241B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112102630B (zh) * | 2020-09-22 | 2021-11-12 | 北京主线科技有限公司 | 集装箱卡车的通行管控方法及装置 |
CN112712712B (zh) * | 2020-12-21 | 2022-05-20 | 阿波罗智联(北京)科技有限公司 | 确定车辆排队信息的方法、装置、路侧设备和云控平台 |
CN112699747A (zh) * | 2020-12-21 | 2021-04-23 | 北京百度网讯科技有限公司 | 用于确定车辆状态的方法、装置、路侧设备和云控平台 |
CN112699773B (zh) * | 2020-12-28 | 2023-09-01 | 阿波罗智联(北京)科技有限公司 | 交通灯识别方法、装置及电子设备 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110064814A (ko) * | 2009-12-09 | 2011-06-15 | (주) 서돌 전자통신 | 영상처리기술을 이용한 좌회전 대기차량감응 신호 제어시스템 |
CN102142197A (zh) * | 2011-03-31 | 2011-08-03 | 汤一平 | 基于全方位计算机视觉的智能交通信号灯控制装置 |
CN103258425A (zh) * | 2013-01-29 | 2013-08-21 | 中山大学 | 一种交叉口车辆排队长度检测方法 |
CN105321342A (zh) * | 2015-12-07 | 2016-02-10 | 北京航空航天大学 | 一种基于航拍视频的交叉口车辆排队长度检测方法 |
CN105608912A (zh) * | 2016-01-21 | 2016-05-25 | 湖南拓天节能控制技术股份有限公司 | 城市道路交通智能控制方法及城市道路交通智能控制系统 |
CN105809982A (zh) * | 2016-06-02 | 2016-07-27 | 西安费斯达自动化工程有限公司 | 基于图像检测与自由流状态电子空穴约束模型的交通信号控制方法 |
CN106373410A (zh) * | 2016-09-21 | 2017-02-01 | 青岛大学 | 一种城市交通信号优化控制方法 |
CN107025792A (zh) * | 2017-05-05 | 2017-08-08 | 深圳市哈工大交通电子技术有限公司 | 基于车辆排队长度的车道及信号灯周期的调整方法及装置 |
CN107644529A (zh) * | 2017-08-03 | 2018-01-30 | 浙江浩腾电子科技股份有限公司 | 一种基于运动检测的车辆排队长度检测方法 |
CN108074406A (zh) * | 2016-11-16 | 2018-05-25 | 杭州海康威视数字技术股份有限公司 | 一种信号控制方法及系统 |
CN108550258A (zh) * | 2018-03-29 | 2018-09-18 | 东软集团股份有限公司 | 车辆排队长度检测方法、装置、存储介质和电子设备 |
CN108898839A (zh) * | 2018-09-13 | 2018-11-27 | 武汉摩尔数据技术有限公司 | 一种实时动态交通信息数据系统及其更新方法 |
CN109272482A (zh) * | 2018-07-20 | 2019-01-25 | 浙江浩腾电子科技股份有限公司 | 一种基于序列图像的城市路口车辆排队检测系统 |
CN109410578A (zh) * | 2018-11-09 | 2019-03-01 | 浙江浩腾电子科技股份有限公司 | 一种基于计算机视觉的交通路口断面车流量检测方法 |
CN109426788A (zh) * | 2017-08-31 | 2019-03-05 | 浙江宇视科技有限公司 | 排队长度检测方法、装置及服务器 |
CN110164152A (zh) * | 2019-07-03 | 2019-08-23 | 西安工业大学 | 一种用于单交叉路口交通信号灯控制系统 |
CN110379174A (zh) * | 2019-07-24 | 2019-10-25 | 中电科新型智慧城市研究院有限公司 | 一种基于5g定位和视频分析技术的交通管控系统 |
CN110610118A (zh) * | 2018-06-15 | 2019-12-24 | 杭州海康威视数字技术股份有限公司 | 交通参数采集方法及装置 |
CN110766936A (zh) * | 2018-07-25 | 2020-02-07 | 高德软件有限公司 | 基于多源数据融合的交通运行状态感知方法和系统 |
CN110910653A (zh) * | 2019-11-15 | 2020-03-24 | 上海电科智能系统股份有限公司 | 一种基于视频检测的Scats信号路口排队长度模型构建方法 |
-
2020
- 2020-05-27 CN CN202010460075.3A patent/CN111627241B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110064814A (ko) * | 2009-12-09 | 2011-06-15 | (주) 서돌 전자통신 | 영상처리기술을 이용한 좌회전 대기차량감응 신호 제어시스템 |
CN102142197A (zh) * | 2011-03-31 | 2011-08-03 | 汤一平 | 基于全方位计算机视觉的智能交通信号灯控制装置 |
CN103258425A (zh) * | 2013-01-29 | 2013-08-21 | 中山大学 | 一种交叉口车辆排队长度检测方法 |
CN105321342A (zh) * | 2015-12-07 | 2016-02-10 | 北京航空航天大学 | 一种基于航拍视频的交叉口车辆排队长度检测方法 |
CN105608912A (zh) * | 2016-01-21 | 2016-05-25 | 湖南拓天节能控制技术股份有限公司 | 城市道路交通智能控制方法及城市道路交通智能控制系统 |
CN105809982A (zh) * | 2016-06-02 | 2016-07-27 | 西安费斯达自动化工程有限公司 | 基于图像检测与自由流状态电子空穴约束模型的交通信号控制方法 |
CN106373410A (zh) * | 2016-09-21 | 2017-02-01 | 青岛大学 | 一种城市交通信号优化控制方法 |
CN108074406A (zh) * | 2016-11-16 | 2018-05-25 | 杭州海康威视数字技术股份有限公司 | 一种信号控制方法及系统 |
CN107025792A (zh) * | 2017-05-05 | 2017-08-08 | 深圳市哈工大交通电子技术有限公司 | 基于车辆排队长度的车道及信号灯周期的调整方法及装置 |
CN107644529A (zh) * | 2017-08-03 | 2018-01-30 | 浙江浩腾电子科技股份有限公司 | 一种基于运动检测的车辆排队长度检测方法 |
CN109426788A (zh) * | 2017-08-31 | 2019-03-05 | 浙江宇视科技有限公司 | 排队长度检测方法、装置及服务器 |
CN108550258A (zh) * | 2018-03-29 | 2018-09-18 | 东软集团股份有限公司 | 车辆排队长度检测方法、装置、存储介质和电子设备 |
CN110610118A (zh) * | 2018-06-15 | 2019-12-24 | 杭州海康威视数字技术股份有限公司 | 交通参数采集方法及装置 |
CN109272482A (zh) * | 2018-07-20 | 2019-01-25 | 浙江浩腾电子科技股份有限公司 | 一种基于序列图像的城市路口车辆排队检测系统 |
CN110766936A (zh) * | 2018-07-25 | 2020-02-07 | 高德软件有限公司 | 基于多源数据融合的交通运行状态感知方法和系统 |
CN108898839A (zh) * | 2018-09-13 | 2018-11-27 | 武汉摩尔数据技术有限公司 | 一种实时动态交通信息数据系统及其更新方法 |
CN109410578A (zh) * | 2018-11-09 | 2019-03-01 | 浙江浩腾电子科技股份有限公司 | 一种基于计算机视觉的交通路口断面车流量检测方法 |
CN110164152A (zh) * | 2019-07-03 | 2019-08-23 | 西安工业大学 | 一种用于单交叉路口交通信号灯控制系统 |
CN110379174A (zh) * | 2019-07-24 | 2019-10-25 | 中电科新型智慧城市研究院有限公司 | 一种基于5g定位和视频分析技术的交通管控系统 |
CN110910653A (zh) * | 2019-11-15 | 2020-03-24 | 上海电科智能系统股份有限公司 | 一种基于视频检测的Scats信号路口排队长度模型构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111627241A (zh) | 2020-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111627241B (zh) | 用于生成路口车辆排队信息的方法和装置 | |
CN110579216B (zh) | 测试场景库构建方法、装置、电子设备和介质 | |
CN111723768B (zh) | 车辆重识别的方法、装置、设备和存储介质 | |
CN110929639B (zh) | 用于确定图像中障碍物位置的方法、装置、设备和介质 | |
WO2021238062A1 (zh) | 车辆跟踪方法、装置及电子设备 | |
JP2021503414A (ja) | 知的運転制御方法および装置、電子機器、プログラムならびに媒体 | |
CN111428663B (zh) | 红绿灯状态的识别方法、装置、电子设备和存储介质 | |
CN111246091B (zh) | 一种动态自动曝光控制方法和装置及电子设备 | |
CN110991320A (zh) | 路况检测方法和装置、电子设备、存储介质 | |
CN111832568B (zh) | 车牌识别方法、车牌识别模型的训练方法和装置 | |
CN112528786B (zh) | 车辆跟踪方法、装置及电子设备 | |
US20210110168A1 (en) | Object tracking method and apparatus | |
CN112149636A (zh) | 用于检测目标物体的方法、装置、电子设备及存储介质 | |
CN111767831B (zh) | 用于处理图像的方法、装置、设备及存储介质 | |
EP3842995A1 (en) | Method and apparatus for generating map | |
EP3933674A1 (en) | Method, apparatus, device, storage medium and program for processing image | |
CN115540894B (zh) | 车辆轨迹规划方法、装置、电子设备和计算机可读介质 | |
CN111536984A (zh) | 定位方法和装置、车端设备、车辆、电子设备和定位系统 | |
JP2021168174A (ja) | 車両整列情報を特定する方法及び装置、電子機器、路側機器、クラウド制御プラットフォーム、記憶媒体並びにコンピュータプログラム製品 | |
CN111652112A (zh) | 一种车道流向的识别方法、装置、电子设备及存储介质 | |
US20230278587A1 (en) | Method and apparatus for detecting drivable area, mobile device and storage medium | |
CN112634631A (zh) | 交通信号灯的控制方法、装置、系统以及电子设备 | |
CN112131414A (zh) | 信号灯的图像的标注方法、装置、电子设备以及路侧设备 | |
CN111950345A (zh) | 摄像头的识别方法、装置、电子设备和存储介质 | |
CN112528932B (zh) | 用于优化位置信息的方法、装置、路侧设备和云控平台 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211009 Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, economic and Technological Development Zone, Daxing District, Beijing Applicant after: Apollo Zhilian (Beijing) Technology Co.,Ltd. Address before: 2 / F, baidu building, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |