CN111753815A - 一种交通数据处理方法、装置及设备 - Google Patents
一种交通数据处理方法、装置及设备 Download PDFInfo
- Publication number
- CN111753815A CN111753815A CN201910245115.XA CN201910245115A CN111753815A CN 111753815 A CN111753815 A CN 111753815A CN 201910245115 A CN201910245115 A CN 201910245115A CN 111753815 A CN111753815 A CN 111753815A
- Authority
- CN
- China
- Prior art keywords
- traffic
- traffic data
- image
- camera
- coordinates
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 38
- 238000013507 mapping Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 5
- 230000003068 static effect Effects 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Abstract
本发明实施例提供了一种交通数据处理方法、装置及设备,方法包括:利用图像识别算法对交通图像进行识别,得到交通图像中的交通数据;根据预先获取的坐标映射关系,确定交通数据所属对象的地理坐标;根据地理坐标,将交通数据关联至电子地图中;可见,本方案实现了利用算法自动识别得到交通数据,根据映射关系自动将交通数据关联至电子地图中,节省了人力。
Description
技术领域
本发明涉及视频监控技术领域,特别是涉及一种交通数据处理方法、装置及设备。
背景技术
目前,电子地图中的数据越来越丰富,一些电子地图中可以显示各种交通数据。交通数据可以包括静态交通数据,比如信号灯、路标、或者各种交通标志线:车道线、车辆导向线、车道边界线等等;交通数据还可以包括动态交通数据,比如车流量、排除长度、以及一些交通异常事件。
在电子地图中配置交通数据的方案一般包括:图像采集设备针对交通场景采集交通图像,相关人员人工在交通图像中标注各种交通数据,并将人工标注结果关联至电子地图中。这种方案中,需要人工标注、人工将交通图像与电子地图进行关联,耗费较多人力资源。
发明内容
本发明实施例的目的在于提供一种交通数据处理方法、装置及设备,以节省人力。
为达到上述目的,本发明实施例提供了一种交通数据处理方法,包括:
利用图像识别算法对交通图像进行识别,得到所述交通图像中的交通数据;
根据预先获取的坐标映射关系,确定所述交通数据所属对象的地理坐标;
根据所述地理坐标,将所述交通数据关联至电子地图中。
可选的,所述利用图像识别算法对交通图像进行识别,得到所述交通图像中的交通数据,包括:
利用图像识别算法识别交通图像中的交通目标,得到交通目标的属性信息,所述交通目标包括以下任意一种或多种:交通标志线、信号灯、路标。
可选的,所述利用图像识别算法对交通图像进行识别,得到所述交通图像中的交通数据,包括:
利用图像识别算法,统计交通图像中的交通流量数据;
和/或,利用图像识别算法,判断交通图像中是否存在交通事件,得到包括判断结果的交通数据。
可选的,所述根据预先获取的坐标映射关系,确定所述交通数据所属对象的地理坐标,包括:
根据预先获取的图像坐标与地理坐标的映射关系,将所述交通数据所属对象在所述交通图像中的图像坐标转换为所述交通数据所属对象的地理坐标。
可选的,所述根据预先获取的坐标映射关系,确定所述交通数据所属对象的地理坐标,包括:
获取相机拍摄所述交通图像时的相机坐标;
根据预先获取的相机坐标与地理坐标的映射关系,将所述相机坐标转换为所述交通数据所属对象的地理坐标。
可选的,所述相机坐标包括:水平角度坐标和垂直角度坐标;所述根据预先获取的相机坐标与地理坐标的映射关系,将所述相机坐标转换为所述交通数据所属对象的地理坐标,包括:
基于所述水平角度坐标,确定所述交通数据所属对象与指定方向的水平夹角;
基于所述垂直角度坐标以及所述相机的高度,计算所述交通数据所属对象与所述相机的水平距离;
根据所述水平夹角和所述水平距离,通过三角函数计算所述交通数据所属对象与所述相机的经线方向距离和纬线方向距离;
基于所述相机的经纬度以及所述经线方向距离和所述纬线方向距离,计算所述交通数据所属对象的地理坐标。
可选的,所述根据所述地理坐标,将所述交通数据关联至电子地图中,包括:
针对每份交通数据,确定该份交通数据对应的图层;
根据该份交通数据所属对象的地理坐标,在电子地图中确定该份交通数据对应的展示位置;
基于所述图层对应的展示策略,在所确定的展示位置处展示所述交通数据。
为达到上述目的,本发明实施例还提供了一种交通数据处理装置,包括:
识别模块,用于利用图像识别算法对交通图像进行识别,得到所述交通图像中的交通数据;
确定模块,用于根据预先获取的坐标映射关系,确定所述交通数据所属对象的地理坐标;
关联模块,用于根据所述地理坐标,将所述交通数据关联至电子地图中。
可选的,所述识别模块,具体用于:
利用图像识别算法识别交通图像中的交通目标,得到交通目标的属性信息,所述交通目标包括以下任意一种或多种:交通标志线、信号灯、路标。
可选的,所述识别模块,具体用于:
利用图像识别算法,统计交通图像中的交通流量数据;
和/或,利用图像识别算法,判断交通图像中是否存在交通事件,得到包括判断结果的交通数据。
可选的,所述确定模块,具体用于:
根据预先获取的图像坐标与地理坐标的映射关系,将所述交通数据所属对象在所述交通图像中的图像坐标转换为所述交通数据所属对象的地理坐标。
可选的,所述确定模块,包括:
获取子模块,用于获取相机拍摄所述交通图像时的相机坐标;
转换子模块,用于根据预先获取的相机坐标与地理坐标的映射关系,将所述相机坐标转换为所述交通数据所属对象的地理坐标。
可选的,所述相机坐标包括:水平角度坐标和垂直角度坐标;所述转换子模块,具体用于:
基于所述水平角度坐标,确定所述交通数据所属对象与指定方向的水平夹角;
基于所述垂直角度坐标以及所述相机的高度,计算所述交通数据所属对象与所述相机的水平距离;
根据所述水平夹角和所述水平距离,通过三角函数计算所述交通数据所属对象与所述相机的经线方向距离和纬线方向距离;
基于所述相机的经纬度以及所述经线方向距离和所述纬线方向距离,计算所述交通数据所属对象的地理坐标。
可选的,所述关联模块,具体用于:
针对每份交通数据,确定该份交通数据对应的图层;
根据该份交通数据所属对象的地理坐标,在电子地图中确定该份交通数据对应的展示位置;
基于所述图层对应的展示策略,在所确定的展示位置处展示所述交通数据。
为达到上述目的,本发明实施例还提供了一种电子设备,包括处理器和存储器;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一种交通数据处理方法。
为达到上述目的,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种交通数据处理方法。
应用本发明所示实施例,利用图像识别算法对交通图像进行识别,得到交通图像中的交通数据;根据预先获取的坐标映射关系,确定交通数据所属对象的地理坐标;根据地理坐标,将交通数据关联至电子地图中;可见,本方案实现了利用算法自动识别得到交通数据,根据映射关系自动将交通数据关联至电子地图中,节省了人力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种交通数据处理方法的流程示意图;
图2为本发明实施例中垂直方向坐标转换示意图;
图3为本发明实施例中水平方向坐标转换示意图;
图4为本发明实施例提供的一种交通数据处理装置的结构示意图;
图5为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了解决上述技术问题,本发明实施例提供了一种交通数据处理方法、装置及设备,该方法及装置可以应用于相机,或者也可以应用于其他电子设备,比如,手机、电脑,等等,具体不做限定。下面首先对本发明实施例提供的交通数据处理方法进行详细介绍。
图1为本发明实施例提供的一种交通数据处理方法的流程示意图,包括:
S101:利用图像识别算法对交通图像进行识别,得到交通图像中的交通数据。
举例来说,如果执行主体为相机,相机可以针对交通场景进行图像采集,得到交通图像;如果执行主体为其他电子设备,该电子设备可以获取相机采集的交通图像。交通图像中可以包括道路、道路中的交通标志线、信号灯、车辆等等。
一种实施方式中,S101中识别得到的交通数据可以包括静态交通数据,静态交通数据也就是一些静态交通目标的相关数据。静态交通目标可以包括信号灯、路标、或者各种交通标志线:车道线、车辆导向线、车道边界线等等。静态交通目标的相关数据可以包括这些交通目标的属性信息,比如,这些交通目标具体是什么,是信号灯,还是车道线、还是车辆导向线、还是车道边界线,等等。
这种实施方式中,S101可以包括:利用图像识别算法识别交通图像中的交通目标,得到交通目标的属性信息,所述交通目标包括以下任意一种或多种:交通标志线、信号灯、路标。
举例来说,如果交通图像中包括交通标志线,交通标志线一般为黑色道路中的白色线或者黄色线,并且交通标志线具有特定的形状,比如为矩形或者箭头形状,因此,可以基于颜色特征或者形状特征,在图像中识别出交通标志线。再举一例,如果交通图像中包括信号灯,信号灯的形状一般是固定的,因此可以基于信号灯的形状特征,在图像中识别出信号灯。再举一例,如果交通图像中包括路标、路障等交通目标,这些交通目标的形状一般也是固定的,因此可以基于这些交通目标的形状特征,在图像中识别出这些交通目标。
本实施方式中采用的图像识别算法可以为基于深度学习的图像识别算法,这样识别效果更准确,或者也可以采用其他图像识别算法,具体不做限定。
另一种实施方式中,S101中识别得到的交通数据可以包括动态交通数据,动态交通数据可以包括交通流量数据,比如车流量、或者排队长度等等,还可以包括是否发生交通事件,比如车辆拥堵、交通事故等等。
这种实施方式中,S101可以包括:利用图像识别算法,统计交通图像中的交通流量数据;和/或,利用图像识别算法,判断交通图像中是否存在交通事件,得到包括判断结果的交通数据。
举例来说,交通流量数据可以为卡口或者道路交叉口或者其他位置处的车流量、或者车辆排队长度。交通图像可以为一段视频图像,可以利用图像识别算法统计一段视频图像中的车流量,作为交通流量数据。或者,也可以仅通过单张交通图像实时统计出路口排队车辆的数量或长度,作为交通流量数据。
再举一例,交通流量数据可以包括交通图像中是否存在交通事件的判断结果。比如,可以预先通过基于深度学习的图像识别算法,训练得到各种交通事件的识别模型,利用该识别模型判断交通图像中是否存在车辆拥堵、交通事故等交通事件,将判断结果作为交通数据。
S102:根据预先获取的坐标映射关系,确定该交通数据所属对象的地理坐标。
一种实施方式中,可以将图像坐标转换为地理坐标,具体来说,S102可以包括:根据预先获取的图像坐标与地理坐标的映射关系,将所述交通数据所属对象在所述交通图像中的图像坐标转换为所述交通数据所属对象的地理坐标。
本实施方式中,可以预先标定得到交通图像所在的图像坐标系与地理坐标系之间的映射关系,也就是图像坐标与地理坐标的映射关系。相机的位置一般是固定的,相机针对的交通场景一般也是固定的,可以在交通场景中选取多个标定点,根据标定点在交通场景中的地理坐标、以及标定点在交通图像中的图像坐标,求解得到该映射关系。
然后便可以根据该映射关系,将S101中得到的交通数据对应的图像坐标转换为地理坐标。举例来说,如果交通数据为静态交通数据,比如交通目标的属性信息,则交通数据所属对象即为该交通目标,交通数据所属对象在交通图像中的图像坐标也就是交通目标在交通图像中的图像坐标。
如果交通数据为动态交通数据,比如交通流量数据,则交通数据所属对象可以为交通流量数据所针对的卡口、或者交叉口、或者其他位置。再比如,如果交通数据包括交通图像中是否存在交通事件的判断结果,则交通数据所属对象可以为交通事件的发生地点。
另一种实施方式中,可以将相机坐标转换为地理坐标,具体来说,S102可以包括:获取相机拍摄所述交通图像时的相机坐标;根据预先获取的相机坐标与地理坐标的映射关系,将所述相机坐标转换为所述交通数据所属对象的地理坐标。
举例来说,相机坐标可以包括:水平角度坐标和垂直角度坐标,具体转换过程可以包括:
1、基于水平角度坐标,确定交通数据所属对象与指定方向的水平夹角。
举例来说,如果相机为球机,该水平角度坐标也就是球机拍摄上述交通图像时的P坐标,为了方便描述,将该P坐标称为第一P坐标。通过球机的电子罗盘,可以获取球机指向指定方向时的球机P坐标,为了方便描述,将该P坐标称为第二P坐标。计算第一P坐标与第二P坐标之差,作为交通数据所属对象与指定方向的水平夹角。该指定方向可以为正北方向,或者也可以为正南方向,也可以为正东方向,也可以为正西方向,具体不做限定。
或者相机也可以不为球机,比如相机可以为枪机,这种情况下,可以测量得到枪机的水平角度坐标和垂直角度坐标,具体测量方式不做限定。
2、基于该垂直角度坐标以及相机的高度,计算交通数据所属对象与相机的水平距离。
具体来说,可以计算该垂直角度坐标的正切值与相机的高度的乘积,作为交通数据所属对象与相机的水平距离。
举例来说,如果相机为球机,该垂直角度坐标也就是球机拍摄上述交通图像时的T坐标。参考图2可知,tanT*h=L,h表示球机的高度,L表示交通数据所属对象与球机的水平距离。水平距离也就是假设球机与交通数据所属对象高度相同的情况下,球机与交通数据所属对象的距离。
3、根据所述水平夹角和所述水平距离,通过三角函数计算交通数据所属对象与相机的经线方向距离和纬线方向距离。
具体来说,如果上述指定方向为正北,可以计算该水平夹角(交通数据所属对象与指定方向的水平夹角)的正弦值与所述水平距离的乘积,作为交通数据所属对象与相机的经线方向距离。
参考图3,图3为球机的俯视图,图3中未体现球机的高度,由图3可知,L*sinθ=Llon,L表示上述交通数据所属对象与球机的水平距离,θ表示交通数据所属对象与正北方向的水平夹角,Llon表示交通数据所属对象与球机的经线方向距离。
或者,上述指定方向为正东,这种情况下,可以计算该水平夹角的余弦值与该水平距离的乘积,作为交通数据所属对象与相机的经线方向距离。这种情况下,上述得到的交通数据所属对象与指定方向的水平夹角为图3中的α,L*sinα=Llon。或者,上述指定方向为正西或者正南,具体计算过程类似,不再赘述。
如果上述指定方向为正北,可以计算该水平夹角的余弦值与所述水平距离的乘积,作为所述交通数据所属对象与所述相机的纬线方向距离。
继续参考图3,由图3可知,L*cosθ=Llat,L表示上述交通数据所属对象与球机的水平距离,θ表示交通数据所属对象与正北方向的水平夹角,Llat表示交通数据所属对象与球机的纬线方向距离。
或者,上述指定方向为正东,这种情况下,可以计算所述水平夹角的正弦值与所述水平距离的乘积,作为交通数据所属对象与相机的纬线方向距离。这种情况下,上述得到的交通数据所属对象与正东方向的水平夹角为图3中的α,L*cosα=Llat。或者,上述指定方向为正西或者正南,具体计算过程类似,不再赘述。
4、基于相机的经纬度以及该经线方向距离和该纬线方向距离,计算交通数据所属对象的地理坐标。
相机通常具有GPS(Global Positioning System,全球定位系统)定位装置,可以基于该GPS定位装置得到相机的GPS坐标,GPS坐标中包括经纬度,这样,得到了相机的经纬度以及相机与交通数据所属对象的经线方向距离和纬线方向距离,便可以计算得到交通数据所属对象的经纬度,也就得到了交通数据所属对象的地理坐标。
S103:根据该地理坐标,将该交通数据关联至电子地图中。
电子地图可以为GIS(Geographic Information,地理信息系统)地图,或者也可以为其他地图,具体不做限定。电子地图中携带地理坐标信息,因此,可以基于S102中确定的地理坐标,将交通数据关联至电子地图中。
举例来说,可以将S102中确定的地理坐标关联至电子地图中的位置确定为交通数据对应的展示位置,在该展示位置处展示该交通数据。一种情况下,可以针对相机采集的每帧交通图像,都采用本实施例进行处理,这样,可以实时将交通数据展示到电子地图中。或者,另一种情况下,也可以每隔一段时间,采用本实施例对相机采集的交通图像进行处理,具体时间间隔不做限定。
或者,一种实施方式中,可以针对每份交通数据,确定该份交通数据对应的图层;根据该份交通数据所属对象的地理坐标,在电子地图中确定该份交通数据对应的展示位置;基于所述图层对应的展示策略,在所确定的展示位置处展示所述交通数据。
举例来说,可以针对不同种类的交通数据设置不同的图层,比如,不同种类的交通目标对应不同的图层,动态交通数据与静态交通数据对应不同的图层,等等,具体的图像设置策略不做限定。
再举一例,图层可以分为点图层、线图层、面图层,如果确定出交通图像中像素点的地理坐标,则可以针对该像素点生成点图层,如果确定出交通标志线的地理坐标,可以针对该交通标志线生成线图层,如果确定出交通事件的地理坐标,可以针对该交通事件生成面图层。
应用本发明所示实施例,利用图像识别算法对交通图像进行识别,得到交通图像中的交通数据;根据预先获取的坐标映射关系,确定交通数据所属对象的地理坐标;根据地理坐标,将交通数据关联至电子地图中;可见,本方案实现了利用算法自动识别得到交通数据,根据映射关系自动将交通数据关联至电子地图中,节省了人力。
一种实施方式中,将静态交通数据如车道线、以及动态交通数据如交通流量数据都关联至电子地图中;这种实施方式中,由于将车道线关联至电子地图中,可以在电子地图中区分不同的车道,又由于将交通流量数据也关联至电子地图中,可以进一步区分不同车道的交通流量数据,也就是说,能够将交通流量数据进行更精细的划分,划分到车道的级别。一些相关方案中,只能统计道路的整体流量数据,或者说,只能将交通流量数据划分到道路的级别;本实施方式相比于这种方案,实现了更精细的划分交通流量数据。
与上述方法实施例相对应,本发明实施例提供了一种交通数据处理装置,如图4所示,包括:
识别模块401,用于利用图像识别算法对交通图像进行识别,得到所述交通图像中的交通数据;
确定模块402,用于根据预先获取的坐标映射关系,确定所述交通数据所属对象的地理坐标;
关联模块403,用于根据所述地理坐标,将所述交通数据关联至电子地图中。
作为一种实施方式,识别模块401具体用于:
利用图像识别算法识别交通图像中的交通目标,得到交通目标的属性信息,所述交通目标包括以下任意一种或多种:交通标志线、信号灯、路标。
作为一种实施方式,识别模块401具体用于:
利用图像识别算法,统计交通图像中的交通流量数据;
和/或,利用图像识别算法,判断交通图像中是否存在交通事件,得到包括判断结果的交通数据。
作为一种实施方式,确定模块402具体用于:
根据预先获取的图像坐标与地理坐标的映射关系,将所述交通数据所属对象在所述交通图像中的图像坐标转换为所述交通数据所属对象的地理坐标。
作为一种实施方式,确定模块402包括:获取子模块和转换子模块(图中未示出),其中,
获取子模块,用于获取相机拍摄所述交通图像时的相机坐标;
转换子模块,用于根据预先获取的相机坐标与地理坐标的映射关系,将所述相机坐标转换为所述交通数据所属对象的地理坐标。
作为一种实施方式,所述相机坐标包括:水平角度坐标和垂直角度坐标;所述转换子模块,具体用于:
基于所述水平角度坐标,确定所述交通数据所属对象与指定方向的水平夹角;
基于所述垂直角度坐标以及所述相机的高度,计算所述交通数据所属对象与所述相机的水平距离;
根据所述水平夹角和所述水平距离,通过三角函数计算所述交通数据所属对象与所述相机的经线方向距离和纬线方向距离;
基于所述相机的经纬度以及所述经线方向距离和所述纬线方向距离,计算所述交通数据所属对象的地理坐标。
作为一种实施方式,关联模块403具体用于:
针对每份交通数据,确定该份交通数据对应的图层;
根据该份交通数据所属对象的地理坐标,在电子地图中确定该份交通数据对应的展示位置;
基于所述图层对应的展示策略,在所确定的展示位置处展示所述交通数据。
应用本发明所示实施例,利用图像识别算法对交通图像进行识别,得到交通图像中的交通数据;根据预先获取的坐标映射关系,确定交通数据所属对象的地理坐标;根据地理坐标,将交通数据关联至电子地图中;可见,本方案实现了利用算法自动识别得到交通数据,根据映射关系自动将交通数据关联至电子地图中,节省了人力。
本发明实施例还提供了一种电子设备,如图5所示,包括处理器501和存储器502,
存储器502,用于存放计算机程序;
处理器501,用于执行存储器502上所存放的程序时,实现上述任一种交通数据处理方法。
上述电子设备提到的存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种交通数据处理方法。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例、设备实施例、计算机可读存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种交通数据处理方法,其特征在于,包括:
利用图像识别算法对交通图像进行识别,得到所述交通图像中的交通数据;
根据预先获取的坐标映射关系,确定所述交通数据所属对象的地理坐标;
根据所述地理坐标,将所述交通数据关联至电子地图中。
2.根据权利要求1所述的方法,其特征在于,所述利用图像识别算法对交通图像进行识别,得到所述交通图像中的交通数据,包括:
利用图像识别算法识别交通图像中的交通目标,得到交通目标的属性信息,所述交通目标包括以下任意一种或多种:交通标志线、信号灯、路标。
3.根据权利要求1所述的方法,其特征在于,所述利用图像识别算法对交通图像进行识别,得到所述交通图像中的交通数据,包括:
利用图像识别算法,统计交通图像中的交通流量数据;
和/或,利用图像识别算法,判断交通图像中是否存在交通事件,得到包括判断结果的交通数据。
4.根据权利要求1所述的方法,其特征在于,所述根据预先获取的坐标映射关系,确定所述交通数据所属对象的地理坐标,包括:
根据预先获取的图像坐标与地理坐标的映射关系,将所述交通数据所属对象在所述交通图像中的图像坐标转换为所述交通数据所属对象的地理坐标。
5.根据权利要求1所述的方法,其特征在于,所述根据预先获取的坐标映射关系,确定所述交通数据所属对象的地理坐标,包括:
获取相机拍摄所述交通图像时的相机坐标;
根据预先获取的相机坐标与地理坐标的映射关系,将所述相机坐标转换为所述交通数据所属对象的地理坐标。
6.根据权利要求5所述的方法,其特征在于,所述相机坐标包括:水平角度坐标和垂直角度坐标;所述根据预先获取的相机坐标与地理坐标的映射关系,将所述相机坐标转换为所述交通数据所属对象的地理坐标,包括:
基于所述水平角度坐标,确定所述交通数据所属对象与指定方向的水平夹角;
基于所述垂直角度坐标以及所述相机的高度,计算所述交通数据所属对象与所述相机的水平距离;
根据所述水平夹角和所述水平距离,通过三角函数计算所述交通数据所属对象与所述相机的经线方向距离和纬线方向距离;
基于所述相机的经纬度以及所述经线方向距离和所述纬线方向距离,计算所述交通数据所属对象的地理坐标。
7.根据权利要求1所述的方法,其特征在于,所述根据所述地理坐标,将所述交通数据关联至电子地图中,包括:
针对每份交通数据,确定该份交通数据对应的图层;
根据该份交通数据所属对象的地理坐标,在电子地图中确定该份交通数据对应的展示位置;
基于所述图层对应的展示策略,在所确定的展示位置处展示所述交通数据。
8.一种交通数据处理装置,其特征在于,包括:
识别模块,用于利用图像识别算法对交通图像进行识别,得到所述交通图像中的交通数据;
确定模块,用于根据预先获取的坐标映射关系,确定所述交通数据所属对象的地理坐标;
关联模块,用于根据所述地理坐标,将所述交通数据关联至电子地图中。
9.一种电子设备,其特征在于,包括处理器和存储器;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-7任一所述的方法步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910245115.XA CN111753815A (zh) | 2019-03-28 | 2019-03-28 | 一种交通数据处理方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910245115.XA CN111753815A (zh) | 2019-03-28 | 2019-03-28 | 一种交通数据处理方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111753815A true CN111753815A (zh) | 2020-10-09 |
Family
ID=72672405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910245115.XA Pending CN111753815A (zh) | 2019-03-28 | 2019-03-28 | 一种交通数据处理方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111753815A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005098853A (ja) * | 2003-09-25 | 2005-04-14 | Toyota Motor Corp | 地図データ更新方法および地図データ更新装置 |
US10109185B1 (en) * | 2016-07-25 | 2018-10-23 | 360fly, Inc. | Method and apparatus for traffic monitoring based on traffic images |
-
2019
- 2019-03-28 CN CN201910245115.XA patent/CN111753815A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005098853A (ja) * | 2003-09-25 | 2005-04-14 | Toyota Motor Corp | 地図データ更新方法および地図データ更新装置 |
US10109185B1 (en) * | 2016-07-25 | 2018-10-23 | 360fly, Inc. | Method and apparatus for traffic monitoring based on traffic images |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108694882B (zh) | 用于标注地图的方法、装置和设备 | |
US10223816B2 (en) | Method and apparatus for generating map geometry based on a received image and probe data | |
US10127461B2 (en) | Visual odometry for low illumination conditions using fixed light sources | |
US10346683B2 (en) | Method and apparatus for object identification and location correlation based on received images | |
CN109785637B (zh) | 车辆违规的分析评价方法及装置 | |
CN111275960A (zh) | 一种交通路况分析方法、系统及摄像机 | |
CN112184890B (zh) | 一种应用于电子地图中的摄像头精准定位方法及处理终端 | |
CN113034566B (zh) | 高精度地图构建方法、装置、电子设备及存储介质 | |
CN109085821A (zh) | 自动驾驶车辆定位方法 | |
US11334756B2 (en) | Homography through satellite image matching | |
CN110838178B (zh) | 道路场景模型的确定方法及装置 | |
JP2019101499A (ja) | 画像特徴強調装置、路面特徴解析装置、画像特徴強調方法及び路面特徴解析方法 | |
CN112446915B (zh) | 一种基于图像组的建图方法及装置 | |
CN112749584B (zh) | 一种基于图像检测的车辆定位方法及车载终端 | |
CN111275765B (zh) | 一种确定目标gps的方法、装置及摄像机 | |
KR101047378B1 (ko) | 옥외광고물 측정시스템 | |
CN112255604B (zh) | 一种雷达数据准确性的判断方法、装置及计算机设备 | |
CN111316324A (zh) | 一种自动驾驶模拟系统、方法、设备及存储介质 | |
CN111435565A (zh) | 道路交通状态检测方法、装置、电子设备及存储介质 | |
CN111753815A (zh) | 一种交通数据处理方法、装置及设备 | |
CN111177297A (zh) | 一种基于视频和gis的动态目标速度计算优化方法 | |
JP6031915B2 (ja) | 画像処理装置及びプログラム | |
CN113284193B (zh) | Rs设备的标定方法、装置及设备 | |
CN113048988B (zh) | 一种导航地图对应场景的变化元素检测方法及装置 | |
CN113253619A (zh) | 一种船舶数据信息的处理方法及装置 |
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 |