CN111652112B - 一种车道流向的识别方法、装置、电子设备及存储介质 - Google Patents
一种车道流向的识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111652112B CN111652112B CN202010476885.8A CN202010476885A CN111652112B CN 111652112 B CN111652112 B CN 111652112B CN 202010476885 A CN202010476885 A CN 202010476885A CN 111652112 B CN111652112 B CN 111652112B
- Authority
- CN
- China
- Prior art keywords
- lane
- target vehicle
- determining
- video image
- flow direction
- 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 39
- 230000003068 static effect Effects 0.000 claims description 28
- 230000015654 memory Effects 0.000 claims description 19
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000008859 change Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了车道流向的识别方法、装置、电子设备及存储介质,涉及计算机视觉领域。具体实现方案为:基于至少一帧视频图像,确定视频图像包含的至少一个第一目标车辆的行驶轨迹;根据行驶轨迹,确定视频图像中的至少一条车道;根据视频图像中包含的第二目标车辆在车道上的行驶方向,确定车道的流向。通过上述方案,可以利用车辆识别和追踪技术,实现车道以及车道流向的全自动识别,节省人力成本,提高识别效率。另外,可以不依赖于车道线的识别即可确定车道,对于车道线模糊的情况依然可以准确的识别出不同车道。
Description
技术领域
本申请涉及计算机视觉领域,尤其涉及车道流向的识别方法、装置、电子设备及存储介质。
背景技术
在智慧交通等应用场景中,需要对图像采集设备所采集到的视频图像中的车道进行流向标注,以确定各条车道的流向,形成完整的电子地图模型。
传统的车道流向的识别方式多采用人工识别,从而进行标注。但人工标注的方式劳动量大,用人成本高。
发明内容
为了克服现有技术的缺陷,本申请提供一种车道流向的识别方法、装置、电子设备及存储介质。
第一方面,本申请提供一种车道流向的识别方法,包括:
基于至少一帧视频图像,确定视频图像包含的至少一个第一目标车辆的行驶轨迹;
根据行驶轨迹,确定视频图像中的至少一条车道;
根据视频图像中包含的第二目标车辆在车道上的行驶方向,确定车道的流向。
通过上述方案,可以利用车辆的识别和追踪技术,实现车道以及车道流向的全自动识别,节省人力成本,提高识别效率。另外,上述识别过程可以不依赖于车道线即可确定车道,对于车道线模糊的情况依然可以准确的识别出车道。
在一种实施方式中,第二目标车辆在车道上的行驶方向的确定方式包括:
确定在车道上行驶的第二目标车辆;
在视频图像包括的至少两帧静态图像中,分别确定第二目标车辆所处的位置;
根据至少两帧静态图像对应的时间以及第二目标车辆所处的位置,确定第二目标车辆在车道上的行驶方向。
通过上述方案,在已获取到无方向性的行驶轨迹的情况下,可以根据目标车辆在行驶轨迹上的位置变化自动确定出目标车辆的行驶方向,从而降低人工识别的劳动量。
在一种实施方式中,确定车道的流向,包括:
将第二目标车辆在车道上的行驶方向换算至世界坐标系下,得到世界坐标系下的行驶方向;
根据世界坐标系下的行驶方向,确定车道的流向。
通过上述方案,可以结合世界坐标系下的行驶方向,对车道的流向进行自动标注,较低人工标注的工作量。
在一种实施方式中,确定第一目标车辆的行驶轨迹,包括:
在视频图像中,确定检测到第一目标车辆的各帧静态图像;
分别在各帧静态图像中,确定第一目标车辆的位置;
根据确定的各位置,得到第一目标车辆的行驶轨迹。
通过上述方案,利用车辆识别技术,可以确认识别出的第一目标车辆在各帧静态图像中的位置,根据位置情况可以实现自动对行驶轨迹的识别。节省了人工识别的工作量。
在一种实施方式中,还包括:
在第一目标车辆为多个的情况下,将各第一目标车辆的行驶轨迹进行统计,将统计结果作为第一目标车辆的行驶轨迹。
通过上述方案,对多个第一目标车辆的行驶轨迹进行统计,利用大数据的优势可以过滤掉无效轨迹,或者可以对行驶过程中由于频繁变道等情况造成的不规则行驶轨迹进行纠正,从而提高确定出的第一目标车辆行驶轨迹的准确性。
在一种实施方式中,根据行驶轨迹,确定视频图像中的至少一条车道,包括:
利用车道宽度阈值对行驶轨迹进行宽度扩展,得到至少一条车道。
通过上述方案,可以使得行驶轨迹接近真实的道路宽度。
第二方面,本申请提供一种车道流向的识别装置,包括:
行驶轨迹确定模块,用于基于至少一帧视频图像,确定视频图像包含的至少一个第一目标车辆的行驶轨迹;
车道确定模块,用于根据行驶轨迹,确定视频图像中的至少一条车道;
车道的流向确定模块,用于根据视频图像中包含的第二目标车辆在车道上的行驶方向,确定车道的流向。
在一种实施方式中,车道的流向确定模块,包括:
第二目标车辆确定子模块,用于确定在车道上行驶的第二目标车辆;
第二目标车辆位置确定子模块,用于在视频图像包括的至少两帧静态图像中,分别确定第二目标车辆所处的位置;
行驶方向确定子模块,用于根据至少两帧静态图像对应的时间以及第二目标车辆所处的位置,确定第二目标车辆在车道上的行驶方向。
在一种实施方式中,车道的流向确定模块,还包括:
世界坐标系下的行驶方向确定子模块,用于将第二目标车辆在车道上的行驶方向换算至世界坐标系下,得到世界坐标系下的行驶方向;
车道的流向确定执行子模块,用于根据世界坐标系下的行驶方向,确定车道的流向。
在一种实施方式中,行驶轨迹确定模块,包括:
静态图像确定子模块,用于在视频图像中,确定检测到第一目标车辆的各帧静态图像;
第一目标车辆的位置确定子模块,用于分别在各帧静态图像中,确定第一目标车辆的位置;
行驶轨迹确定执行子模块,用于根据确定的各位置,得到第一目标车辆的行驶轨迹。
在一种实施方式中,行驶轨迹确定执行子模块还用于:
在第一目标车辆为多个的情况下,将各第一目标车辆的行驶轨迹进行统计,将统计结果作为第一目标车辆的行驶轨迹。
在一种实施方式中,车道确定模块还用于:
利用车道宽度阈值对行驶轨迹进行宽度扩展,得到车道。
第三方面,本申请实施例提供一种电子设备,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本申请任意一项实施例所提供的方法。
第四方面,本申请实施例提供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,计算机指令用于使计算机执行本申请任意一项实施例所提供的方法。
第五方面,本申请实施例提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如上所述的方法。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
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是根据本申请车道流向的识别方法的流程图;
图2是根据本申请行驶方向的确定方式的流程图;
图3是根据本申请确定车道的流向的流程图;
图4是根据本申请行驶轨迹获取的流程图;
图5是根据本申请车道流向的识别装置的示意图;
图6是根据本申请车道的流向确定模块的示意图;
图7是根据本申请车道的流向确定模块的示意图;
图8是根据本申请行驶轨迹确定模块的示意图;
图9是用来实现本申请实施例的车道流向的识别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。
如图1所示,在一种实施方式中,提供一种车道流向的识别方法,包括以下步骤:
S101:基于至少一帧视频图像,确定视频图像包含的至少一个第一目标车辆的行驶轨迹。
S102:根据行驶轨迹,确定视频图像中的至少一条车道。
S103:根据视频图像中包含的第二目标车辆在车道上的行驶方向,确定车道的流向。
本申请可以通过服务器或云处理器等数据处理设备实现上述方法,并可以应用于图像采集设备所采集的视频图像,进行车道流向的识别。
以图像采集设备为电警相机为例进行说明。数据处理设备接收到电警相机所采集的视频图像,可以利用目标车辆的不同特征,对不同目标车辆进行识别。不同特征可以包括目标车辆的车牌号、车辆类型、车身颜色和/或车身图案等。
对于识别出的第一目标车辆,可以根据第一目标车辆在视频图像的每帧静态图像中的位置,得到该第一目标车辆的行驶轨迹。例如,在第N帧静态图像中第一次检测到第一目标车辆,则可以在第N帧静态图像之后的包含该第一目标车辆的其他帧静态图像中,分别确定出该第一目标车辆的位置。每一个位置可以抽象为一个像素点或像素块,对各位置进行拟合,可以得到一条没有方向属性的线段,该线段即为该第一目标车辆的行驶轨迹。
在第一预定时间内,例如一天或一周等,可以获取到多个第一目标车辆的行驶轨迹。通过对多个第一目标车辆的行驶轨迹进行聚类,可以得到N个聚类结果。N为正整数。
在视频图像中,N个聚类结果对应N条线段。通过对N条线段进行宽度扩展,可以对应得到N条车道。例如,车道可以包括直线型车道(直行车道)、U型车道(掉头车道)、弧线形车道(左转或右转车道)。
在确定出视频图像中的车道的情况下,利用第二目标车辆在车道上的行驶方向,可以对各车道的流向进行标注。
在第一方面,可以采用与第一目标车辆相同的方式,确定第二目标车辆的行驶轨迹。将确定的行驶轨迹与各条车道进行匹配,从而可以确定第二目标车辆行驶的车道。
另一方面,根据第二目标车辆在视频图像中的位置变化情况,得到第二目标车辆的行驶方向。例如,行驶方向可以包括第二目标车辆从视频图像的下边缘向上边缘直线行驶;从视频图像的下边缘向左边缘左转行驶;从视频图像的下边缘输入,再从下边缘驶出的掉头行驶等。
根据第二目标车辆行驶的车道以及行驶方向,可以对车道的流向进行确定。进一步的,还可以对各车道的流向进行标注。可以采用预定数量的第二目标车辆在同一车道上的行驶方向进行统计,根据统计结果确定车道的流向。从而可以过滤掉违规行驶或者采集的错误数据,以便更准确的识别出车道的流向。
在一种实施方式中,第一目标车辆和第二目标车辆可以是相同的目标车辆,也可以是不同的目标车辆。
通过上述方案,可以利用车辆识别和追踪技术,实现车道以及车道流向的全自动识别,节省人力成本,提高识别效率。另外,上述方案可以不依赖于车道线即可确定车道,对于车道线模糊或者被遮挡的情况依然可以准确的识别出车道。
如图2所示,在一种实施方式中,行驶方向的确定方式可以包括:
S201:确定在车道上行驶的第二目标车辆。
S202:在视频图像包括的至少两帧静态图像中,分别确定第二目标车辆所处的位置。
S203:根据至少两帧静态图像对应的时间以及第二目标车辆所处的位置,确定第二目标车辆在车道上的行驶方向。
可以在视频图像中获取任意一帧静态图像,确定获取的静态图像中所包含的第二目标车辆。例如,获取的静态图像中包含一个第二目标车辆,该第二目标车辆可以标识为ID1。在与获取的任意一帧静态图像相邻的其他各帧静态图像中,依次对各帧静态图像所包含的目标车辆进行识别,以确定出包含标识为ID1的第二目标车辆的各帧静态图像。根据标识为ID1的第二目标车辆的在确定出的各帧静态图像中的位置,可以得到标识为ID1的第二目标车辆的行驶轨迹。将该行驶轨迹与之前已确认出的各车道进行匹配,即可确认出标识为ID1的第二目标车辆所行驶的车道。
根据包含标识为ID1的第二目标车辆的各帧静态图像的时间序列,分别确定标识为ID1的第二目标车辆在至少两帧静态图像中的位置变化,从而确定标识为ID1的第二目标车辆的行驶方向。例如,在t1时刻所对应的静态图像中,标识为ID1的第二目标车辆的位置为L1,在t2时刻所对应的静态图像中,标识为ID1的第二目标车辆的位置为L2。其中,t2时刻在t1时刻之后,由此可以确定行驶方向为由L1驶向L2。
或者,也可以根据第一次与最后一次检测到同一个第二目标车辆时,该第二目标车辆的位置变化,确定该第二目标车辆的行驶方向。在确定出行驶方向的情况下,即相当于确定出车道的流向。
通过上述方案,在已知行驶轨迹的情况下,可以根据同一目标车辆在行驶轨迹上的位置变化自动确定行驶方向,降低人工识别的劳动量。
如图3所示,在一种实施方式中,确定车道的流向,包括以下步骤:
S301:将第二目标车辆在车道上的行驶方向换算至世界坐标系下,得到世界坐标系下的行驶方向。
S302:根据世界坐标系下的行驶方向,确定车道的流向。
在视频图像在前、后两帧静态图像中检测到同一第二目标车辆的情况下,可以分别获取该第二目标车辆在两帧静态图像中的位置。利用电警相机的内参数可以将第二目标车辆在静态图像中的位置转换至电警相机的坐标系下。进一步利用标定好的电警相机的外参数,可以将电警相机的坐标系下的位置转换至世界坐标系下,从而获得第二目标车辆在世界坐标系下的坐标。
根据第二目标车辆在前、后两帧静态图像中的位置变化情况,可以得出该第二目标车辆的行驶方向。基于该行驶方向,即可确定车道的流向,例如由南向北直线行驶的车道、由南向东右拐的车道等。
通过上述方案,可以结合世界坐标系下的行驶方向对车道的流向进行自动标注,较低人工标注的工作量。
如图4所示,在一种实施方式中,确定第一目标车辆的行驶轨迹,包括:
S401:在视频图像中,确定检测到第一目标车辆的各帧静态图像。
S402:分别在各帧静态图像中,确定第一目标车辆的位置。
S403:根据确定的各位置,得到第一目标车辆的行驶轨迹。
例如,以第N帧静态图像中包含一个第一目标车辆为例进行说明。对该第一目标车辆分配标识,例如标识可以为ID2。
分别对与第N帧静态图像前、后相邻的多帧静态图像中的各第一目标车辆进行识别,确定出包含标识为ID2的第一目标车辆的各帧静态图像。
确定出标识为ID2的第一目标车辆在各帧静态图像中的位置。将各位置进行拟合得到一条线段,该线段即对应为标识为ID2的第一目标车辆的行驶轨迹。
通过上述方案,利用车辆识别技术可以实现自动对行驶轨迹的识别。节省了人工识别的工作量。
在一种实施方式中,还包括:
在第一目标车辆为多个的情况下,将各第一目标车辆的行驶轨迹进行统计,将统计结果作为第一目标车辆的行驶轨迹。
例如,行驶轨迹以函数表达式的呈现的情况下,统计可以是将各行驶轨迹的参数进行均值计算,根据统计结果得到的函数表达式作为第一目标车辆的行驶轨迹的函数表达式。又例如,行驶轨迹以像素点呈现的情况下,统计可以是对各第一目标车辆的行驶轨迹的像素点进行交集运算等,将统计结果对应的像素点作为第一目标车辆的行驶轨迹。
在统计过程中,可以将与大多数行驶轨迹偏差较大的行驶轨迹作为无效轨迹,从而滤除无效轨迹。
通过上述方案,可以利用大数据的优势过滤掉无效轨迹,或者可以对行驶过程中由于频繁变道等情况造成的不规则行驶轨迹进行纠正。从而提高确定出的第一目标车辆行驶轨迹的准确性。
在一种实施方式中,步骤S102可以包括:
利用车道宽度阈值对行驶轨迹进行宽度扩展,得到至少一条车道。
可以预先对电警相机所采集的视频图像进行人工标注,确定视频图像中车道的宽度。可以将已经标注的视频图像作为视频图像样本,利用视频图像样本中已确定的车道宽度作为车道宽度阈值。
利用车道宽度阈值对行驶轨迹进行扩展,从而可以使得行驶轨迹接近真实道路宽度。
如图5所示,本申请还提供一种车道流向的识别装置,该装置包括:
行驶轨迹确定模块501,用于基于至少一帧视频图像,确定视频图像包含的至少一个第一目标车辆的行驶轨迹。
车道确定模块502,用于根据行驶轨迹,确定视频图像中的至少一条车道。
车道的流向确定模块503,用于根据视频图像中包含的第二目标车辆在车道上的行驶方向,确定车道的流向。
如图6所示,在一种实施方式中,车道的流向确定模块503,包括:
第二目标车辆确定子模块5031,用于确定在车道上行驶的第二目标车辆。
第二目标车辆位置确定子模块5032,用于在视频图像包括的至少两帧静态图像中,分别确定第二目标车辆所处的位置。
行驶方向确定子模块5033,用于根据至少两帧静态图像对应的时间以及第二目标车辆所处的位置,确定第二目标车辆在车道上的行驶方向。
如图7所示,在一种实施方式中,车道的流向确定模块503,还包括:
世界坐标系下的行驶方向确定子模块5034,用于将第二目标车辆在车道上的行驶方向换算至世界坐标系下,得到世界坐标系下的行驶方向。
车道的流向确定执行子模块5035,用于根据世界坐标系下的行驶方向,确定车道的流向。
如图8所示,在一种实施方式中,行驶轨迹确定模块501,包括:
静态图像确定子模块5011,用于在视频图像中,确定检测到第一目标车辆的各帧静态图像。
第一目标车辆的位置确定子模块5012,用于分别在各帧静态图像中,确定第一目标车辆的位置。
行驶轨迹确定执行子模块5013,用于根据确定的各位置,得到第一目标车辆的行驶轨迹。
在一种实施方式中,行驶轨迹确定执行子模块5013还用于:
在第一目标车辆为多个的情况下,将各第一目标车辆的行驶轨迹进行统计,将统计结果作为第一目标车辆的行驶轨迹。
在一种实施方式中,车道确定模块502还用于:
利用车道宽度阈值对行驶轨迹进行宽度扩展,得到至少一条车道。
本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述,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、一种可读存储介质和一种计算机程序产品。
如图9所示,是根据本申请实施例的车道流向的识别方法的电子设备的框图。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9所示,该电子设备包括:一个或多个处理器910、存储器920,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)上显示图形用户界面(Graphical User Interface,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9中以一个处理器910为例。
存储器920即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的车道流向的识别方法。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车道流向的识别方法。
存储器920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车道流向的识别方法对应的程序指令/模块(例如,附图5所示的行驶轨迹确定模块501、车道确定模块502和车道的流向确定模块503)。处理器910通过运行存储在存储器920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车道流向的识别方法。
存储器920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车道流向的识别方法的电子设备的使用所创建的数据等。此外,存储器920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920可选包括相对于处理器910远程设置的存储器,这些远程存储器可以通过网络连接至上述电子设备。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。
上述电子设备还可以包括:输入装置930和输出装置940。处理器910、存储器920、输入装置930和输出装置940可以通过总线或者其他方式连接,图9中以通过总线连接为例。
输入装置930可接收输入的数字或字符信息,以及产生与上述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940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(Liquid Crystal Display,LCD)、发光二极管(Light Emitting Diode,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、专用集成电路(Application Specific Integrated Circuits,ASIC)、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(programmable logic device,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(Cathode Ray Tube,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(Local Area Network,LAN)、广域网(Wide Area Network,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。
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 (12)
1.一种车道流向的识别方法,其特征在于,包括:
基于至少一帧视频图像,确定所述视频图像包含的至少一个第一目标车辆的行驶轨迹;
根据所述行驶轨迹,确定所述视频图像中的至少一条车道;
根据所述视频图像中包含的第二目标车辆在所述车道上的行驶方向,确定所述车道的流向;
所述根据所述行驶轨迹,确定所述视频图像中的至少一条车道,包括:
利用车道宽度阈值对所述行驶轨迹进行宽度扩展,得到所述至少一条车道。
2.根据权利要求1所述的方法,其特征在于,所述第二目标车辆在所述车道上的行驶方向的确定方式包括:
确定在所述车道上行驶的第二目标车辆;
在所述视频图像包括的至少两帧静态图像中,分别确定所述第二目标车辆所处的位置;
根据所述至少两帧静态图像对应的时间以及所述第二目标车辆所处的位置,确定所述第二目标车辆在所述车道上的行驶方向。
3.根据权利要求1或2所述的方法,其特征在于,所述确定所述车道的流向,包括:
将所述第二目标车辆在所述车道上的行驶方向换算至世界坐标系下,得到世界坐标系下的行驶方向;
根据所述世界坐标系下的行驶方向,确定所述车道的流向。
4.根据权利要求1所述的方法,其特征在于,确定第一目标车辆的行驶轨迹,包括:
在所述视频图像中,确定检测到所述第一目标车辆的各帧静态图像;
分别在所述各帧静态图像中,确定所述第一目标车辆的位置;
根据确定的各所述位置,得到所述第一目标车辆的行驶轨迹。
5.根据权利要求4所述的方法,其特征在于,还包括:
在所述第一目标车辆为多个的情况下,将各所述第一目标车辆的行驶轨迹进行统计,将统计结果作为所述第一目标车辆的行驶轨迹。
6.一种车道流向的识别装置,其特征在于,包括:
行驶轨迹确定模块,用于基于至少一帧视频图像,确定所述视频图像包含的至少一个第一目标车辆的行驶轨迹;
车道确定模块,用于根据所述行驶轨迹,确定所述视频图像中的至少一条车道;
车道的流向确定模块,用于根据所述视频图像中包含的第二目标车辆在所述车道上的行驶方向,确定所述车道的流向;
所述车道确定模块还用于:
利用车道宽度阈值对所述行驶轨迹进行宽度扩展,得到所述至少一条车道。
7.根据权利要求6所述的装置,其特征在于,所述车道的流向确定模块,包括:
第二目标车辆确定子模块,用于确定在所述车道上行驶的第二目标车辆;
第二目标车辆位置确定子模块,用于在所述视频图像包括的至少两帧静态图像中,分别确定所述第二目标车辆所处的位置;
行驶方向确定子模块,用于根据所述至少两帧静态图像对应的时间以及所述第二目标车辆所处的位置,确定所述第二目标车辆在所述车道上的行驶方向。
8.根据权利要求6或7所述的装置,其特征在于,所述车道的流向确定模块,还包括:
世界坐标系下的行驶方向确定子模块,用于将所述第二目标车辆在所述车道上的行驶方向换算至世界坐标系下,得到世界坐标系下的行驶方向;
车道的流向确定执行子模块,用于根据所述世界坐标系下的行驶方向,确定所述车道的流向。
9.根据权利要求6所述的装置,其特征在于,所述行驶轨迹确定模块,包括:
静态图像确定子模块,用于在所述视频图像中,确定检测到所述第一目标车辆的各帧静态图像;
第一目标车辆的位置确定子模块,用于分别在所述各帧静态图像中,确定所述第一目标车辆的位置;
行驶轨迹确定执行子模块,用于根据确定的各所述位置,得到所述第一目标车辆的行驶轨迹。
10.根据权利要求9所述的装置,其特征在于,所述行驶轨迹确定执行子模块还用于:
在所述第一目标车辆为多个的情况下,将各所述第一目标车辆的行驶轨迹进行统计,将统计结果作为所述第一目标车辆的行驶轨迹。
11.一种电子设备,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至5中任一项所述的方法。
12.一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至5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010476885.8A CN111652112B (zh) | 2020-05-29 | 2020-05-29 | 一种车道流向的识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010476885.8A CN111652112B (zh) | 2020-05-29 | 2020-05-29 | 一种车道流向的识别方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111652112A CN111652112A (zh) | 2020-09-11 |
CN111652112B true CN111652112B (zh) | 2023-06-30 |
Family
ID=72348052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010476885.8A Active CN111652112B (zh) | 2020-05-29 | 2020-05-29 | 一种车道流向的识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111652112B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112163475B (zh) * | 2020-09-15 | 2024-07-26 | 北京三快在线科技有限公司 | 一种确定车道线方向的方法及装置 |
CN112700643A (zh) * | 2020-12-21 | 2021-04-23 | 北京百度网讯科技有限公司 | 输出车辆流向的方法、装置、路侧设备以及云控平台 |
CN112712708A (zh) * | 2020-12-28 | 2021-04-27 | 上海眼控科技股份有限公司 | 信息检测方法、装置、设备及存储介质 |
CN115727834B (zh) * | 2022-11-16 | 2024-08-09 | 新石器慧通(北京)科技有限公司 | 边界线的反向检查处理方法、地图制作方法、设备及介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530699A (zh) * | 2016-11-21 | 2017-03-22 | 中兴软创科技股份有限公司 | 一种可变车道导向车道的识别方法与系统 |
CN107730904A (zh) * | 2017-06-13 | 2018-02-23 | 银江股份有限公司 | 基于深度卷积神经网络的多任务车辆逆向行驶视觉检测系统 |
CN109427191A (zh) * | 2017-09-01 | 2019-03-05 | 中移物联网有限公司 | 一种行驶检测方法及装置 |
KR20190036844A (ko) * | 2017-09-28 | 2019-04-05 | 삼성전자주식회사 | 주행 차로를 식별하는 방법 및 장치 |
CN109583151A (zh) * | 2019-02-20 | 2019-04-05 | 百度在线网络技术(北京)有限公司 | 车辆的行驶轨迹预测方法及装置 |
CN110533925A (zh) * | 2019-09-04 | 2019-12-03 | 上海眼控科技股份有限公司 | 车辆违法视频的处理方法、装置、计算机设备及存储介质 |
CN110570658A (zh) * | 2019-10-23 | 2019-12-13 | 江苏智通交通科技有限公司 | 基于层次聚类的路口异常车辆轨迹识别分析方法 |
CN110728842A (zh) * | 2019-10-23 | 2020-01-24 | 江苏智通交通科技有限公司 | 基于路口车辆合理行驶范围的异常行驶预警方法 |
CN110807915A (zh) * | 2019-09-26 | 2020-02-18 | 腾讯大地通途(北京)科技有限公司 | 路况信息计算方法、装置、存储介质和计算机设备 |
CN110909699A (zh) * | 2019-11-28 | 2020-03-24 | 北京以萨技术股份有限公司 | 视频车辆非导向行驶检测方法、装置及可读存储介质 |
CN111091591A (zh) * | 2019-12-23 | 2020-05-01 | 百度国际科技(深圳)有限公司 | 一种碰撞检测方法、装置、电子设备及存储介质 |
-
2020
- 2020-05-29 CN CN202010476885.8A patent/CN111652112B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530699A (zh) * | 2016-11-21 | 2017-03-22 | 中兴软创科技股份有限公司 | 一种可变车道导向车道的识别方法与系统 |
CN107730904A (zh) * | 2017-06-13 | 2018-02-23 | 银江股份有限公司 | 基于深度卷积神经网络的多任务车辆逆向行驶视觉检测系统 |
CN109427191A (zh) * | 2017-09-01 | 2019-03-05 | 中移物联网有限公司 | 一种行驶检测方法及装置 |
KR20190036844A (ko) * | 2017-09-28 | 2019-04-05 | 삼성전자주식회사 | 주행 차로를 식별하는 방법 및 장치 |
CN109583151A (zh) * | 2019-02-20 | 2019-04-05 | 百度在线网络技术(北京)有限公司 | 车辆的行驶轨迹预测方法及装置 |
CN110533925A (zh) * | 2019-09-04 | 2019-12-03 | 上海眼控科技股份有限公司 | 车辆违法视频的处理方法、装置、计算机设备及存储介质 |
CN110807915A (zh) * | 2019-09-26 | 2020-02-18 | 腾讯大地通途(北京)科技有限公司 | 路况信息计算方法、装置、存储介质和计算机设备 |
CN110570658A (zh) * | 2019-10-23 | 2019-12-13 | 江苏智通交通科技有限公司 | 基于层次聚类的路口异常车辆轨迹识别分析方法 |
CN110728842A (zh) * | 2019-10-23 | 2020-01-24 | 江苏智通交通科技有限公司 | 基于路口车辆合理行驶范围的异常行驶预警方法 |
CN110909699A (zh) * | 2019-11-28 | 2020-03-24 | 北京以萨技术股份有限公司 | 视频车辆非导向行驶检测方法、装置及可读存储介质 |
CN111091591A (zh) * | 2019-12-23 | 2020-05-01 | 百度国际科技(深圳)有限公司 | 一种碰撞检测方法、装置、电子设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
Autonomous path tracking control of intelligent electric vehicles based on lane detection and optimal preview method;ZhangXizheng等;《Expert Systems with Applications》;20190501;第121卷;38-48 * |
Detection and classification of highway lanes using vehicle motion trajectories;J. Melo等;《IEEE Transactions on Intelligent Transportation Systems》;20060530;第7卷(第02期);188-200 * |
动量与能量守恒下的交叉口安全评价模型;覃鹏等;《城市交通》;20190325;第17卷(第02期);102-113 * |
城市道路近距离交叉口交通组织设计研究;张达;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20190815;C034-206 * |
Also Published As
Publication number | Publication date |
---|---|
CN111652112A (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111652112B (zh) | 一种车道流向的识别方法、装置、电子设备及存储介质 | |
CN111797187B (zh) | 地图数据的更新方法、装置、电子设备和存储介质 | |
US20210350146A1 (en) | Vehicle Tracking Method, Apparatus, and Electronic Device | |
US11741690B2 (en) | Method for generating parking model, electronic device, and storage medium | |
JP7204823B2 (ja) | 車両制御方法、車両制御装置及び車両 | |
CN112132109B (zh) | 车道线处理和车道定位方法、装置、设备及存储介质 | |
JP7110310B2 (ja) | 画像収集設備の監視方法、装置、電子設備、記憶媒体、及びプログラム | |
CN112415552A (zh) | 车辆位置的确定方法、装置及电子设备 | |
CN110968718B (zh) | 目标检测模型负样本挖掘方法、装置及电子设备 | |
CN111767360B (zh) | 路口虚拟车道标注的方法及装置 | |
US11380035B2 (en) | Method and apparatus for generating map | |
CN111292531B (zh) | 交通信号灯的跟踪方法、装置、设备及存储介质 | |
CN111428663A (zh) | 红绿灯状态的识别方法、装置、电子设备和存储介质 | |
JP7263308B2 (ja) | 車両が位置する車線を決定する方法、装置、機器、および記憶媒体 | |
US11761788B2 (en) | Method and apparatus for generating offline map, electronic device and storage medium | |
CN111540010B (zh) | 一种道路监测的方法、装置、电子设备及存储介质 | |
CN112131335B (zh) | 车道级地图数据处理方法、装置、电子设备及存储介质 | |
CN110866504B (zh) | 标注数据的获取方法、装置和设备 | |
CN111597287B (zh) | 地图生成方法、装置及设备 | |
CN113673281B (zh) | 限速信息确定方法、装置、设备以及存储介质 | |
CN111597986B (zh) | 用于生成信息的方法、装置、设备和存储介质 | |
CN111640301B (zh) | 故障车辆检测方法及包括路侧单元的故障车辆检测系统 | |
CN113011298B (zh) | 截断物体样本生成、目标检测方法、路侧设备和云控平台 | |
CN113361303B (zh) | 临时交通标志牌识别方法、装置及设备 | |
CN113255404A (zh) | 车道线识别方法、装置、电子设备和计算机可读存储介质 |
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: 20211011 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 Intelligent Connectivity (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 |