CN111899512A - 结合天际线观测的车辆轨迹提取方法、系统及存储介质 - Google Patents
结合天际线观测的车辆轨迹提取方法、系统及存储介质 Download PDFInfo
- Publication number
- CN111899512A CN111899512A CN202010779264.7A CN202010779264A CN111899512A CN 111899512 A CN111899512 A CN 111899512A CN 202010779264 A CN202010779264 A CN 202010779264A CN 111899512 A CN111899512 A CN 111899512A
- Authority
- CN
- China
- Prior art keywords
- ground
- observation
- skyline
- image
- images
- 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
Images
Classifications
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明所提供的结合天际线观测的车辆轨迹提取方法、系统及存储介质,其中,所述方法包括:分别获取天际线对地面的观测数据和地面道路监控数据;按照预设规则对所获取的观测数据进行处理,得到基于天际线观测的地面地理坐标的正射影像;从所获取的地面道路监控数据中定位目标车辆,并将目标车辆的地理位置输入正射影像中对应的位置;通过定位不同时刻正射影像中目标车辆的位置,得到目标车辆的运行轨迹。通过融合天际线观测以及地面道路监控能够实现对地面道路的全路段进行监测,从而能够获取到目标车辆的运行轨迹,方便对进行车辆管理以及交通管制,提高了道路交通的服务水平。
Description
技术领域
本发明涉及车辆监测技术领域,尤其涉及的是结合天际线观测的车辆轨迹提取方法、系统及存储介质。
背景技术
在路段上大多设置有监控,以监控在该路段上行驶的车辆,进而查处车辆的违规行为、为车辆事故提供判定依据和追击嫌疑车辆等。
但监控的监测力度有限,不可避免地存在死角区域,导致不能提取到该路段的车辆所执行事件,同时,也不能够实现对一个目标车辆进行全路程的监控,无法获取到目标车辆的运行轨迹。
因此,现有技术存在缺陷,有待改进与发展。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供结合天际线观测的车辆轨迹提取方法、系统及存储介质,旨在解决现有技术中的目前道路监控受限,不能监测全路段车辆的问题。
本发明解决技术问题所采用的技术方案如下:
结合天际线观测的车辆轨迹提取方法,其中,包括:
分别获取天际线对地面的观测数据和地面道路监控数据;
按照预设规则对所获取的观测数据进行处理,得到基于天际线观测的地面地理坐标的正射影像;
从所获取的地面道路监控数据中定位目标车辆,并将目标车辆的地理位置输入正射影像中对应的位置;
通过定位不同时刻正射影像中目标车辆的位置,得到目标车辆的运行轨迹。
通过融合天际线观测和地面道路监控的手段,能够实现对地面道路的全方位监测,进而能够显示全路段的图像,以方便对目标车辆进行定位,且通过精准定位出目标车辆在不同时刻的位置,能够提取出目标车辆的运行轨迹,进而可以得知目标车辆在地面道路上的运行情况。
进一步地,所述按照预设规则对所获取的观测数据进行处理,得到基于天际线观测的地面地理坐标的正射影像,具体包括:
提取观测数据中的图像,并对所提取的图像进行逐帧纠偏,得到基于天际线观测的地面地理坐标的正射影像。
能够减小对地面道路状况观测和提取目标车辆运行轨迹的误差。
进一步地,所述提取观测数据中的图像,并对所提取的图像进行逐帧纠偏,得到基于天际线观测的地面地理坐标的正射影像,之后包括:
对同一时刻不同角度的多个正射影像进行全景拼接,得到基于天际线观测地面地理坐标全景的正射影像。
拓宽了观测地面道路的视野,利于展示地面道路全貌。
进一步地,所述对同一时刻不同角度的多个正射影像进行全景拼接,得到基于天际线观测地面地理坐标全景的正射影像,之后包括:
通过遥感技术采集地面控制点,根据地面控制点对全景的正射影像进行地面地理坐标配准。
通过对正射影像进行配准,提高了位置获取的准确度。
进一步地,所述通过遥感技术获取地面控制点,根据地面控制点对全景的正射影像进行地面地理坐标配准,之后包括:
以配准后的正射影像的地理坐标作为基准坐标,根据所采集地面控制点分别在正射影像上和道路监控数据中图像上的坐标信息,建立几何纠正模型对道路监控数据中的图像进行地理坐标配准。
通过对地面地理坐标配准,提高了地面地理坐标位置的准确度。
进一步地,所述以配准后的正射影像的地理坐标作为基准坐标,根据所采集地面控制点分别在正射影像上和道路监控数据中图像上的坐标信息,建立几何纠正模型对道路监控数据中的图像进行地理坐标配准,之前还包括:
对所获取道路监控数据中的图像进行逐帧纠偏,得到道路监控图像对应的正射影像。
能够避免后续提取目标车辆运行轨迹的误差。
进一步地,所述按照预设规则对所获取的观测数据进行处理,得到基于天际线观测的地面地理坐标的正射影像,之前包括:
通过暗通优先算法对所获取的观测数据中图像进行去雾处理;
通过图像增强算法对去雾后的图像进行视觉加强,得到对比度高的图像。
能够得到高精准且清晰的图像,利于得到正射影像,且提高了正射影像的精确度。
进一步地,所述通过定位不同时刻正射影像中目标车辆的位置,得到目标车辆的运行轨迹,具体包括:
按照时间次序排列不同时刻得到的正射影像,生成动态正射影像;
从所生成的动态正射影像中定位目标车辆的位置,提取出目标车辆的运行轨迹。
本发明还公开一种系统,其中,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如上所述的结合天际线观测的车辆轨迹提取方法。
本发明还公开一种存储介质,其中,所述存储介质存储有计算机程序,所述计算机程序能够被执行以用于实现如上所述的结合天际线观测的车辆轨迹提取方法。
本发明所提供的结合天际线观测的车辆轨迹提取方法、系统及存储介质,其中,所述方法包括:分别获取天际线对地面的观测数据和地面道路监控数据;按照预设规则对所获取的观测数据进行处理,得到基于天际线观测的地面地理坐标的正射影像;从所获取的地面道路监控数据中定位目标车辆,并将目标车辆的地理位置输入正射影像中对应的位置;通过定位不同时刻正射影像中目标车辆的位置,得到目标车辆的运行轨迹。通过融合天际线观测以及地面道路监控能够实现对地面道路的全路段进行监测,从而能够获取到目标车辆的运行轨迹,方便对进行车辆管理以及交通管制,提高了道路交通的服务水平。
附图说明
图1是本发明中结合天际线观测的车辆轨迹提取方法的较佳实施例的流程图。
图2是本发明图1中步骤S100的具体实施例的流程图。
图3是本发明图1中步骤S200的具体实施例的流程图。
图4是本发明图3中步骤S220中进行图像纠偏的具体实施例的流程图。
图5是本发明图1中在步骤S200之前对图像进行去雾处理的具体实施例的流程图。
图6是本发明图1中步骤S300的具体实施例的流程图。
图7是本发明图1中步骤S400的具体实施例的流程图。
图8是本发明中系统的较佳实施例的功能原理框图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
请参见图1,图1是本发明中结合天际线观测的车辆轨迹提取方法的流程图。如图1所示,本发明实施例所述的结合天际线观测的车辆轨迹提取方法包括以下步骤:
S100、分别获取天际线对地面的观测数据和地面道路监控数据。
具体地,通过天际线观测地面的道路,得到观测数据,能够原距离观测地面地理数据的全视角,且能够在多个角度对地面道路进行观测;而地面道路上在各路段设置了摄像头,能够对相应区域进行监控,进而近距离拍摄道路局部近景,且能够获得清晰度高且动态效果明显的图像,能够提取出图像中更多的特征点。
S200、按照预设规则对所获取的观测数据进行处理,得到基于天际线观测的地面地理坐标的正射影像。
具体地,通过对基于天际线所观测的地面道路数据进行处理,能够将基于天际线所观测到的图像处理成正射投影,即以经纬度坐标展示地面地理坐标,使得基于天际线所观测到的地面地理坐标能够精准。由于天际线从不同角度、远距离对地面道路进行观测,所观测到的大多为倾斜影像,且倾斜程度随天际线观测地面的距离而增大,致使获取地面地理坐标时会产生误差。通过对观测数据进行处理以得到对应的正射影像,能够避免上述误差的产生,保证观测到地面地理坐标的精准性。
S300、从所获取的地面道路监控数据中定位目标车辆,并将目标车辆的地理位置输入正射影像中对应的位置。
具体地,目标车辆在不同时刻所历经的监控区域均被设置于各路段的摄像所捕获,存在于地面道路监控数据中,通过对地面道路监控数据中的目标车辆进行定位,能够获得目标车辆在地面的位置信息,然后将目标车辆的位置信息输入正射影像中对应的目标车辆所在位置之后,能够全方位展示目标车辆所在的地面地理位置的全景图像,进而方便对对应道路路段进行全方位监测,也能够得知目标车辆的准确信息,利于对目标车辆及其所在道路情况进行观测与分析,方便进行道路交通监测和车辆管制。
S400、通过定位不同时刻正射影像中目标车辆的位置,得到目标车辆的运行轨迹。
通过将不同时刻的目标车辆的位置输入对应时刻的正射影像中,能够得到全路程的目标车辆图像以及全方位视角的图像,利于展示目标车辆运行的全路程,且方便对目标车辆进行追踪。
在一实施例中,如图2所示,所述步骤S100包括:
S110、基于天际线观测平台对地面上的道路数据进行观测。
具体地,选取利于观测地面车辆的高层建筑顶部作为观测平台,在观测平台上安装多个可见光相机同步拍摄地面道路情况,多个可见光相机分置于多处,以全方位、多视角拍摄地面道路状况。其中,用于搭建观测平台的高层建筑包括但不限于高层大厦、地平面的高处、山顶、天线塔处等,此处并不做过多限制。以观测平台为基准所安装的可见光相机所在基平线称为天际线,通过基于天际线观测平台对地面道路状况进行观测,具有地理位置高、观测视野广的优点,且能够观测到车辆的大尺度、高动态运行情况。
S120、在天际线观测区域内通过监控设备对地面道路情况进行监控。
在天际线观测平台所观测区域内的地面上设置有监控设备,所述监控设备的设置与常规的道路监控设置无异,用于检测道路上对应路段内车辆的运行情况。
其中,监控设备监测区域与天际线观测区域共同覆盖的区域为两者所能监测到的公共区域,而地面监控设备则在公共区域内进行地面道路情况的监控。通过设置地面监控设备对地面道路情况进行监控,能够近距离对车辆进行监控且能够拍摄到车辆行驶过程中的高动态且高清图像,能够准确获取到车辆的车牌号、车辆外形、车辆所载人数等情况。
在一实施例中,如图3所示,所述步骤S200包括:
S210、提取观测数据中的图像,并对所提取的图像进行逐帧纠偏,得到基于天际线观测的地面地理坐标的正射影像。
具体地,通过逐帧纠偏的方式对观测的道路图像进行处理,能够避免所观测的图像具有倾斜角度而产生地面地理坐标输出的误差,使得得到的地面地理情况为以垂直角度拍摄的图像。其中,如图4所示,执行逐帧纠偏的过程如下:
S211、获取所观测图像的帧率,根据帧率得到对应相邻帧图像间的时间间隔。
通过获取图像的时间间隔,能够通过相邻帧图像之间的时间间隔以将连续的图像按帧拆分成多帧图片,然后基于图片对图片中的特征图像进行处理。
S212、检测所观测图像的倾斜程度,并获取图像中的亮点;
由于拍摄角度和光线分布的不同,使得所拍摄图像上存在亮度值偏高的点,即为亮点。其中,可通过边缘检测技术检测亮点。
S213、根据图像的倾斜程度和其中的亮点,对图像进行二值化处理,得到灰度图像;
通过对图片上的图像进行二值化处理,能够得到以灰度值展示图像的多个像素点,通过像素点的灰度值可现实图像的轮廓,其中,以亮点作为灰度值的参考亮度,可知图像上黑色像素点的位置即为图像上的空白区域,而连续黑色像素点所围成区域称为黑边。
S214、对灰度图像中的黑边进行剪裁,通过改进的hough算法对图像进行纠偏。
通过对黑边进行裁剪,可以实现对图像的框选,进而对每帧图片中的图像分别进行校正,使其呈现垂直图像。
在一实施例中,如图3所示,在所述步骤S210之后包括:
S220、对同一时刻不同角度的多个正射影像进行全景拼接,得到基于天际线观测地面地理坐标全景的正射影像。
在观测平台上设置有多台可见光相机进行多角度拍摄,能够在相同时刻下拍摄到对应区域内地面道路不同视角的图像,通过对相邻观测区域内所观测图像进行拼接,能够得到更大区域的地面道路图像,进而得到地面道路的全景图,而通过对不同时刻所观测的图像进行拼接,即可得到不同时刻下地面道路的全景图。且通过对纠偏后的正射影像进行全景拼接,即可得到全视角的地面道路位置的正射影像,形成精准的地理位置坐标系统,以展示地面道路状况的全貌。其中,对上述得到的正射影像进行全景拼接的步骤如下:
其中,使用基于特征点的全自动无缝图像拼接方法获取全景拼接图像。具体地,对同一时刻下不同角度所观测的、且经处理后的多帧正射影像使用SIFT算法进行特征点提取和匹配;之后使用RANSAC算法对具有相同点的正射影像进行图像配准,以配准后的图像作为参照通过图像融合技术对对应正射影像进行拼接,进而得到全景的正射影像拼接图。
在一实施例中,如图3所示,在所述步骤S220之后包括:
S230、通过遥感技术采集地面控制点,根据地面控制点对全景的正射影像进行地面地理坐标配准。
为对拼接后的全景正射影像进一步校正,以保证全景的正射影像所展现的地面地理坐标的准确性,则通过遥感技术实现对全景的正射影像进行配准。具体地,通过遥感器、遥感平台、接收装置和发送装置等,能够准确获知地面地理位置,且信息准确可靠,通过遥感技术采集少量的地面控制点,即可以地面控制点为基准对正射影像进行地面地理坐标配准,以对正射影像所呈现的地面地理坐标进行校正,使其更加精准。
在一实施例中,如图3所示,在所述步骤S230之后包括:
S240、以配准后的正射影像的地理坐标作为基准坐标,根据所采集地面控制点分别在正射影像上和道路监控数据中图像上的坐标信息,建立几何纠正模型对道路监控数据中的图像进行地理坐标配准。
具体地,道路监控所拍摄的地面图像也需与天际线所观测的图像进行结合,以全方位展示地面道路状况,且从地面道路监控数据中准确提取出目标车辆的位置参数。其中,对地面坐标进行校准则与上述对全景的正射影像的地面地理坐标进行配准相同,具体如下:
以正射影像所呈现的地面地理坐标作为基准坐标,通过上述步骤S230中所采集的控制点对地面道路监控数据中的地面坐标进行配准,所述控制点的坐标与正射影像所呈现的坐标相同,皆为经纬度坐标,且控制点的坐标与其在基准坐标中的位置是相同的。根据控制点的经纬度坐标与在地面坐标中的位置进行配准,能够实现对地面坐标的校正。其中,地面坐标是由地面监控设备所拍摄的地面近景所呈现的,故而为与图像像素所对应的笛卡尔坐标,通过将控制点所在经纬度坐标与图像像素对应的笛卡尔坐标进行匹配,并基于基准坐标建立几何纠正模型,能够得到地面道路图像中每个像素点的地面坐标信息。
在一实施例中,在所述步骤S240之前还包括:
S231、对所获取道路监控数据中的图像进行逐帧纠偏,得到道路监控图像对应的正射影像。
具体地,地面监控所拍摄的地面道路图像也大多为倾斜图像,且车辆的倾斜度随着车辆速度而增大。故而,在执行上述步骤S240对道路监控数据中的图像进行地面坐标配准之前,需要对帧图像进行逐帧纠偏处理,所述处理方式与上述对所观测图像进行处理的方式相同,此处不再赘述。通过对地面监控所拍摄图像进行纠偏,使其成为正射影像,利于对地面运行车辆进行精准定位,减少由于拍摄倾斜度所带来的误差。
在一实施例中,如图5所示,在所述步骤S200之前还包括:
S201、通过暗通优先算法对所获取的观测数据中图像进行去雾处理。
具体地,比避免在雾霾天气时所拍摄到的图像受雾霾影响不清晰,对所观测数据进行去雾处理,对通过道路监控所拍摄图像也可进行去雾处理,两者采用的手段相同。
在执行暗通优先算法时,可先计算每帧图像中暗通道值,然后计算图像的透射率、全局大气光照和细投射率;最后将计算出的暗通道值、透射率、全局大气光照和细投射率带入大气物理模型公式中求解,得到去雾后的图像。
在一实施例中,如图5所示,在所述步骤S201之后还包括:
S202、通过图像增强算法对去雾后的图像进行视觉加强,得到对比度高的图像。
通过对图像进行对比度增强处理,能够增强图像的视觉效果,提升图像的清晰度与色彩对比度,使得图像更易被辨识。
具体地,通过图像加强算法可改变每一帧图片上图像的对比度,加强图像的视觉效果,之后通过直方图均衡方法对所有帧图片进行处理,能够使得所观测图像的整个图像的对比度加强。
在一实施例中,如图6所示,所述步骤S300具体包括:
S310、从所获取的地面道路监控数据中定位目标车辆,并提取目标车辆的正射影像,得到目标车辆的地面坐标;
S320、将目标车辆的地面坐标与地面地理坐标中对应的位置相匹配。
具体地,在步骤S240中可以得到道路监控数据中图像所显示的地面坐标信息,通过地面坐标信息即可获取到目标车辆的位置信息,而地面坐标是通过基准坐标配准的,从配准后的地面坐标中获取的目标车辆的位置是与作为基准坐标的地面地理坐标中对应的位置相同的。
在一实施例中,如图7所示,所述步骤S400具体包括:
S410、按照时间次序排列不同时刻得到的正射影像,生成动态正射影像。
S420、从所生成的动态正射影像中定位目标车辆的位置,提取出目标车辆的运行轨迹。
具体地,按照时间顺序对不同时刻得到的每一个正射影像进行排序,且赋予对应的时间间隔,即可得到连续的、动态的正射影像,而同一时刻的目标车辆的坐标是在同一时刻的正射影像坐标中所标记的,进而,通过动态正射影像即可显示出每个时刻所标记的目标车辆的坐标,进而得到目标车辆的运行轨迹。
本发明还公开一种系统,如图8所示,其中,包括有存储器20,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器20中,且经配置以由一个或者一个以上处理器10执行所述一个或者一个以上程序包含用于执行如上所述的结合天际线观测的车辆轨迹提取方法;具体如上所述。
本发明还公开一种存储介质,其中,所述存储介质存储有计算机程序,所述计算机程序能够被执行以用于实现如上所述的结合天际线观测的车辆轨迹提取方法;具体如上所述。
综上所述,本发明公开的结合天际线观测的车辆轨迹提取方法、系统及存储介质,其中,所述方法包括:分别获取天际线对地面的观测数据和地面道路监控数据;按照预设规则对所获取的观测数据进行处理,得到基于天际线观测的地面地理坐标的正射影像;从所获取的地面道路监控数据中定位目标车辆,并将目标车辆的地理位置输入正射影像中对应的位置;通过定位不同时刻正射影像中目标车辆的位置,得到目标车辆的运行轨迹。通过融合天际线观测以及地面道路监控能够实现对地面道路的全路段进行监测,从而能够获取到目标车辆的运行轨迹,方便对进行车辆管理以及交通管制,提高了道路交通的服务水平。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.结合天际线观测的车辆轨迹提取方法,其特征在于,包括:
分别获取天际线对地面的观测数据和地面道路监控数据;
按照预设规则对所获取的观测数据进行处理,得到基于天际线观测的地面地理坐标的正射影像;
从所获取的地面道路监控数据中定位目标车辆,并将目标车辆的地理位置输入正射影像中对应的位置;
通过定位不同时刻正射影像中目标车辆的位置,得到目标车辆的运行轨迹。
2.根据权利要求1所述的结合天际线观测的车辆轨迹提取方法,其特征在于,所述按照预设规则对所获取的观测数据进行处理,得到基于天际线观测的地面地理坐标的正射影像,具体包括:
提取观测数据中的图像,并对所提取的图像进行逐帧纠偏,得到基于天际线观测的地面地理坐标的正射影像。
3.根据权利要求2所述的结合天际线观测的车辆轨迹提取方法,其特征在于,所述提取观测数据中的图像,并对所提取的图像进行逐帧纠偏,得到基于天际线观测的地面地理坐标的正射影像,之后包括:
对同一时刻不同角度的多个正射影像进行全景拼接,得到基于天际线观测地面地理坐标全景的正射影像。
4.根据权利要求3所述的结合天际线观测的车辆轨迹提取方法,其特征在于,所述对同一时刻不同角度的多个正射影像进行全景拼接,得到基于天际线观测地面地理坐标全景的正射影像,之后包括:
通过遥感技术采集地面控制点,根据地面控制点对全景的正射影像进行地面地理坐标配准。
5.根据权利要求4所述的结合天际线观测的车辆轨迹提取方法,其特征在于,所述通过遥感技术获取地面控制点,根据地面控制点对全景的正射影像进行地面地理坐标配准,之后包括:
以配准后的正射影像的地理坐标作为基准坐标,根据所采集地面控制点分别在正射影像上和道路监控数据中图像上的坐标信息,建立几何纠正模型对道路监控数据中的图像进行地理坐标配准。
6.根据权利要求5所述的结合天际线观测的车辆轨迹提取方法,其特征在于,所述以配准后的正射影像的地理坐标作为基准坐标,根据所采集地面控制点分别在正射影像上和道路监控数据中图像上的坐标信息,建立几何纠正模型对道路监控数据中的图像进行地理坐标配准,之前还包括:
对所获取道路监控数据中的图像进行逐帧纠偏,得到道路监控图像对应的正射影像。
7.根据权利要求1所述的结合天际线观测的车辆轨迹提取方法,其特征在于,所述按照预设规则对所获取的观测数据进行处理,得到基于天际线观测的地面地理坐标的正射影像,之前包括:
通过暗通优先算法对所获取的观测数据中图像进行去雾处理;
通过图像增强算法对去雾后的图像进行视觉加强,得到对比度高的图像。
8.根据权利要求1所述的结合天际线观测的车辆轨迹提取方法,其特征在于,所述通过定位不同时刻正射影像中目标车辆的位置,得到目标车辆的运行轨迹,具体包括:
按照时间次序排列不同时刻得到的正射影像,生成动态正射影像;
从所生成的动态正射影像中定位目标车辆的位置,提取出目标车辆的运行轨迹。
9.一种系统,其特征在于,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如权利要求1-8任一项所述的结合天际线观测的车辆轨迹提取方法。
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序能够被执行以用于实现如权利要求1-8任一项所述的结合天际线观测的车辆轨迹提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010779264.7A CN111899512B (zh) | 2020-08-05 | 2020-08-05 | 结合天际线观测的车辆轨迹提取方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010779264.7A CN111899512B (zh) | 2020-08-05 | 2020-08-05 | 结合天际线观测的车辆轨迹提取方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111899512A true CN111899512A (zh) | 2020-11-06 |
CN111899512B CN111899512B (zh) | 2021-04-27 |
Family
ID=73246544
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010779264.7A Active CN111899512B (zh) | 2020-08-05 | 2020-08-05 | 结合天际线观测的车辆轨迹提取方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111899512B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112257683A (zh) * | 2020-12-07 | 2021-01-22 | 之江实验室 | 一种面向车辆运行轨迹监测的跨镜追踪方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5675327A (en) * | 1994-10-18 | 1997-10-07 | Sextant Avionique | Optoelectronic device for assistance in the piloting of an aircraft |
CN102084398A (zh) * | 2008-06-25 | 2011-06-01 | 微软公司 | 街道级图像到3d建筑物模型的对准 |
CN106371114A (zh) * | 2015-07-23 | 2017-02-01 | 现代自动车株式会社 | 用于车辆的定位设备和方法 |
CN109978851A (zh) * | 2019-03-22 | 2019-07-05 | 北京航空航天大学 | 一种红外视频空中弱小运动目标检测跟踪方法 |
CN111238490A (zh) * | 2018-11-29 | 2020-06-05 | 北京地平线机器人技术研发有限公司 | 视觉定位方法、装置以及电子设备 |
-
2020
- 2020-08-05 CN CN202010779264.7A patent/CN111899512B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5675327A (en) * | 1994-10-18 | 1997-10-07 | Sextant Avionique | Optoelectronic device for assistance in the piloting of an aircraft |
CN102084398A (zh) * | 2008-06-25 | 2011-06-01 | 微软公司 | 街道级图像到3d建筑物模型的对准 |
CN106371114A (zh) * | 2015-07-23 | 2017-02-01 | 现代自动车株式会社 | 用于车辆的定位设备和方法 |
CN111238490A (zh) * | 2018-11-29 | 2020-06-05 | 北京地平线机器人技术研发有限公司 | 视觉定位方法、装置以及电子设备 |
CN109978851A (zh) * | 2019-03-22 | 2019-07-05 | 北京航空航天大学 | 一种红外视频空中弱小运动目标检测跟踪方法 |
Non-Patent Citations (1)
Title |
---|
孟祥武 等: "基于用户轨迹数据的移动推荐系统研究", 《软件学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112257683A (zh) * | 2020-12-07 | 2021-01-22 | 之江实验室 | 一种面向车辆运行轨迹监测的跨镜追踪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111899512B (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106919915B (zh) | 基于adas系统的地图道路标记及道路质量采集装置及方法 | |
CN108694882B (zh) | 用于标注地图的方法、装置和设备 | |
CN107738612B (zh) | 基于全景视觉辅助系统的自动泊车停车位检测与识别系统 | |
CN107067794B (zh) | 一种基于视频图像处理的室内车辆定位导航系统及方法 | |
CN115439424B (zh) | 一种无人机航拍视频图像智能检测方法 | |
US8325979B2 (en) | Method and apparatus for detecting objects from terrestrial based mobile mapping data | |
Zheng et al. | A novel vehicle detection method with high resolution highway aerial image | |
CN112308913B (zh) | 一种基于视觉的车辆定位方法、装置及车载终端 | |
CN101689296A (zh) | 用于产生道路信息的方法及设备 | |
CN111141311B (zh) | 一种高精度地图定位模块的评估方法及系统 | |
US8547375B2 (en) | Methods for transferring points of interest between images with non-parallel viewing directions | |
CN109916415B (zh) | 道路类型确定方法、装置、设备及存储介质 | |
Murali et al. | Smartphone-based crosswalk detection and localization for visually impaired pedestrians | |
CN111444845A (zh) | 一种非机动车辆违停识别方法、装置及系统 | |
CN114973028B (zh) | 一种航拍视频图像实时变化检测方法及系统 | |
US11398054B2 (en) | Apparatus and method for detecting fog on road | |
CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
CN112749584B (zh) | 一种基于图像检测的车辆定位方法及车载终端 | |
US20220044027A1 (en) | Photography system | |
KR20130034528A (ko) | 도로시설물 자동 위치측정 방법 | |
CN111899512B (zh) | 结合天际线观测的车辆轨迹提取方法、系统及存储介质 | |
CN108195359B (zh) | 空间数据的采集方法及系统 | |
CN115249345A (zh) | 一种基于倾斜摄影三维实景地图的交通拥堵检测方法 | |
KR102492290B1 (ko) | 교통량 측정을 위한 딥러닝 기반의 드론 영상 분석 시스템 | |
CN110660113A (zh) | 特征地图的建立方法、装置、采集设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |