CN112009383A - 道路拥堵预判装置、系统及方法 - Google Patents
道路拥堵预判装置、系统及方法 Download PDFInfo
- Publication number
- CN112009383A CN112009383A CN202011037308.5A CN202011037308A CN112009383A CN 112009383 A CN112009383 A CN 112009383A CN 202011037308 A CN202011037308 A CN 202011037308A CN 112009383 A CN112009383 A CN 112009383A
- Authority
- CN
- China
- Prior art keywords
- road
- congestion
- driving rod
- vehicle
- road congestion
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R1/00—Optical viewing arrangements; Real-time viewing arrangements for drivers or passengers using optical image capturing systems, e.g. cameras or video systems specially adapted for use in or on vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
- B60R11/04—Mounting of cameras operative during drive; Arrangement of controls thereof relative to the vehicle
-
- 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
- G06N3/08—Learning methods
- G06N3/082—Learning methods modifying the architecture, e.g. adding, deleting or silencing nodes or connections
-
- 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
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
-
- 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
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
- B60R2011/0001—Arrangements for holding or mounting articles, not otherwise provided for characterised by position
- B60R2011/004—Arrangements for holding or mounting articles, not otherwise provided for characterised by position outside the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
- B60R2011/0042—Arrangements for holding or mounting articles, not otherwise provided for characterised by mounting means
- B60R2011/008—Adjustable or movable supports
- B60R2011/0092—Adjustable or movable supports with motorization
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
- B60R2011/0094—Arrangements for holding or mounting articles, not otherwise provided for characterised by means for covering after user, e.g. boxes, shutters or the like
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
- B60R2300/80—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the intended use of the viewing arrangement
- B60R2300/804—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the intended use of the viewing arrangement for lane monitoring
-
- 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
- G06V2201/07—Target detection
-
- 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)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种道路拥堵预判装置、系统及方法,涉及路况监控技术领域,该道路拥堵预判装置设置在车辆中,包括:驱动杆、测距传感器、双目摄像头和保护壳;其中,驱动杆由可伸缩的驱动杆内管和不可伸缩的驱动杆外管组成;测距传感器设置在驱动杆内管的顶部;双目摄像头设置在测距传感器的下方。驱动杆用于将测距传感器和双目摄像头设置在高于车辆驾驶员视野的位置;测距传感器用于判断装置周围是否有障碍物;双目摄像头用于识别道路拥堵状况。通过道路拥堵预判装置中设置在高于车辆驾驶员位置的双目摄像头获取的道路拥堵情况,并结合测距传感器获取的障碍物信息,能够比驾驶员更早的获取道路的拥堵原因,增加了驾驶员躲避拥堵的操作时间。
Description
技术领域
本发明涉及路况监控技术领域,尤其是涉及一种道路拥堵预判装置、系统及方法。
背景技术
车辆在行驶过程中常会遇到拥堵情况,由于车辆驾驶员的视野不够,通常在车辆行驶至拥堵路段后才发现造成拥堵的原因,此时再进行变道躲避时往往造成更加拥堵的情况,进一步加深拥堵情况。在实际场景中,对于大客车之类的车辆,驾驶员由于处于较高的驾驶位置,视野更好,能够更早的发现道路拥堵的原因,相比于普通车辆而言具有更多的时间和空间来进行规避。可见,现有技术中的车辆由于视野较低的缘故,存在着道路拥堵的原因发现不及时的问题。
发明内容
有鉴于此,本发明的目的在于提供一种道路拥堵预判装置、系统及方法,通过道路拥堵预判装置中高于车辆驾驶员的位置设置的双目摄像头获取的道路拥堵情况,并结合测距传感器获取的障碍物信息,能够比驾驶员更早的获取道路的拥堵原因,增加了驾驶员躲避拥堵的操作时间,提升车辆在拥堵路段的通行效率。
第一方面,本发明实施例提供了一种道路拥堵预判装置,该装置设置在车辆中,包括:驱动杆、测距传感器、双目摄像头和保护壳;
驱动杆由可伸缩的驱动杆内管和不可伸缩的驱动杆外管组成;其中,驱动杆外管固定于保护壳中;驱动杆内管设置在驱动杆外管内;测距传感器设置在驱动杆内管的顶部;双目摄像头设置在测距传感器的下方;
驱动杆用于将测距传感器和双目摄像头设置在高于车辆驾驶员视野的位置;
测距传感器用于判断装置周围是否有障碍物;
双目摄像头用于识别道路拥堵状况;
保护壳用于对驱动杆、测距传感器和双目摄像头进行保护。
在一些实施方式中,上述驱动杆为电动芯轴驱动杆;电动芯轴驱动杆通过内置的电机和齿轮组驱动螺纹主轴进行移动;
其中,电机、齿轮组和螺纹主轴设置在驱动杆内管中;螺纹主轴在驱动杆外管的内侧设置的螺纹螺母上移动。
在一些实施方式中,上述驱动杆内管还包括内管弹簧,内管弹簧用于驱动杆内管的弹出。
在一些实施方式中,上述测距传感器包含激光雷达和超声波雷达;激光雷达用于探测车辆在水平方向上的障碍物;超声波雷达用于探测车辆上方的障碍物。
在一些实施方式中,上述装置安装在车辆的前机盖、车顶或者后备箱盖中。
在一些实施方式中,保护壳的顶部设置有可开关的保护盖,当驱动杆内管完全缩回到驱动杆外管时保护盖关闭。
第二方面,本发明实施例提供了一种道路拥堵预判系统,该系统包括控制器、显示屏以及如第一方面的道路拥堵预判装置;控制器的输入端与道路拥堵预判装置相连接;控制器的输出端与显示屏相连接;
控制器用于对道路拥堵预判装置采集的数据进行分析得到道路拥堵数据;还用于对道路拥堵预判装置的驱动杆的高度进行控制;
显示屏用于显示道路拥堵数据。
在一些实施方式中,上述显示屏为车辆内置的车机屏幕;道路拥堵数据通过车辆内置的扬声器进行播放。
第三方面,本发明实施例提供了一种道路拥堵预判方法,方法应用于第二方面提到的道路拥堵预判系统,方法包括:
通过道路拥堵预判装置中的双目摄像头,获取道路交通图像数据;
将道路交通图像数据输入至预设的道路拥堵分析模型中进行分析,输出道路的拥堵数据;其中,道路拥堵分析模型用于识别道路中的拥堵物体以及拥堵物体与道路拥堵预判装置之间的距离;拥堵数据包括道路拥堵原因以及拥堵位置;
将拥堵数据中的道路拥堵原因和拥堵位置通过道路拥堵预判系统的显示屏进行显示,完成道路的预判过程。
在一些实施方式中,上述将道路交通图像数据输入至预设的道路拥堵分析模型中进行分析,输出道路的拥堵数据的步骤,包括:
利用道路拥堵分析模型,判断道路中是否包含拥堵物体;其中拥堵物体包括:故障三角牌、道路施工警示牌以及开启双闪的故障车辆;
若道路中包含拥堵物体,则利用道路拥堵预判装置中测距传感器确定道路拥堵预判装置与拥堵物体之间的横向相对位置关系;并将横向相对位置关系以及拥堵物体作为道路的拥堵数据;
若道路中不包含拥堵物体,则利用道路拥堵分析模型实时计算道路的车流量;当道路的车流量达到预设阈值时确定道路中的车辆聚集区域,获取车辆聚集区域与道路拥堵预判装置之间的横向相对位置关系,并将横向相对位置关系以及车辆聚集区域作为道路的拥堵数据。
本发明实施例带来了以下有益效果:
本发明提供了一种道路拥堵预判装置、系统及方法,该道路拥堵预判装置设置在车辆中,包括:驱动杆、测距传感器、双目摄像头和保护壳;其中,驱动杆由可伸缩的驱动杆内管和不可伸缩的驱动杆外管组成;驱动杆外管固定于保护壳中;驱动杆内管设置在驱动杆外管内;测距传感器设置在驱动杆内管的顶部;双目摄像头设置在测距传感器的下方。驱动杆用于将测距传感器和双目摄像头设置在高于车辆驾驶员视野的位置;测距传感器用于判断装置周围是否有障碍物;双目摄像头用于识别道路拥堵状况;保护壳用于对驱动杆、测距传感器和双目摄像头进行保护。由于道路拥堵预判装置中的双目摄像头设置在高于车辆驾驶员的位置,并能利用驱动杆调整摄像头位置的高低,通过双目摄像头获取的道路拥堵情况并结合测距传感器获取的障碍物信息,能够比驾驶员更早的获取道路的拥堵原因,增加了驾驶员躲避拥堵的操作时间,有利于提升车辆在拥堵路段的通行效率。
本发明的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本发明的上述技术即可得知。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施方式,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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道路拥堵预判装置的结构示意图;
图2为本发明实施例提供的一种道路拥堵预判装置的驱动杆的结构示意图;
图3为本发明实施例提供的一种道路拥堵预判系统的结构示意图;
图4为本发明实施例提供的一种道路拥堵预判方法的流程图;
图5为本发明实施例提供的一种道路拥堵预判方法中步骤S402的流程图;
图6为本发明实施例提供的另一种道路拥堵预判方法的流程图;
图7为本发明实施例提供的另一种道路拥堵预判方法中所用的图像处理模型的迭代过程的流程图。
图标:
10-驱动杆;20-测距传感器;30-双目摄像头;40-保护壳;11-驱动杆内管;12-驱动杆外管;110-电机;120-齿轮组;130-螺纹主轴;140-螺纹螺母;150-内管弹簧;50-控制器;60-显示屏。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
车辆在行驶过程中常会遇到拥堵情况,主要包括:出现交通事故、车辆故障、绿化作业、缓行的清扫车占路、道路维修等,这些情况往往会占用1到2个行车道,导致道路通行效率降低。由于车辆驾驶员的视野不够高,通常在车辆行驶至拥堵路段后才能发现造成拥堵的原因,此时再进行变道躲避时往往造成更加拥堵的情况,进一步加深拥堵情况。
在实际场景中,对于大客车之类的车辆,驾驶员由于处于较高的驾驶位置,视野更好,能够更早的发现道路拥堵的原因,相比于普通车辆而言具有更多的时间和空间来进行规避。可见,现有技术中的车辆由于视野较低的缘故,存在着道路拥堵的原因发现不及时的问题。
基于此,本发明实施例提供了一种道路拥堵预判装置、系统及方法,可通过道路拥堵预判装置中高于车辆驾驶员的位置设置的双目摄像头获取的道路拥堵情况,并结合测距传感器获取的障碍物信息,能够比驾驶员更早的获取道路的拥堵原因,增加了驾驶员躲避拥堵的操作时间,提升车辆在拥堵路段的通行效率。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种道路拥堵预判装置进行详细介绍。
参见图1所示的一种道路拥堵预判装置的结构示意图,该装置设置在车辆中,包括:驱动杆10、测距传感器20、双目摄像头30和保护壳40。驱动杆10由可伸缩的驱动杆内管11和不可伸缩的驱动杆外管12组成;其中,驱动杆外管12固定于保护壳40中;驱动杆内管11设置在驱动杆外管12内;测距传感器20设置在驱动杆内管11的顶部;双目摄像头30设置在测距传感器20的下方。
驱动杆10用于将测距传感器20和双目摄像头30设置在高于车辆驾驶员视野的位置;通过驱动杆内管11的伸缩,调节驱动杆10中设置的测距传感器20和双目摄像头30的位置。
测距传感器20用于判断装置周围是否有障碍物。具体的说,测距传感器20是判断道路拥堵预判装置所安装的车辆周围是否有障碍物。由于驱动杆10设置在车辆外部且驱动杆顶部肯定高于驾驶员视野,因此在车辆经过限高杆、地下车库房顶等高度有限的区域时,需要利用测距传感器20来对障碍物进行判断,如果该障碍物影响驱动杆10的通过,此时驱动杆10可将驱动杆内管11进行缩回,降低驱动杆10的高度,保证驱动杆10可以顺利通过。
双目摄像头30用于识别道路拥堵状况。通过双目摄像头30获取实时的视频流和/或图像,利用相关分析算法对道路拥堵情况进行分析,获得道路拥堵原因以及位置数据。道路拥堵原因可通过识别道路中是否包含相关标志物来实现,标志物如:故障三角牌、道路施工警示牌、双闪的故障车辆等。具体的说,如果从双目摄像头30获取的视频流和/或图像中识别到故障三角牌、道路施工警示牌、双闪的故障车辆等,表明该条道路发生拥堵,无法通行,因此可对该条道路标记为拥堵道路,并提供该条道路的位置数据给驾驶员,引导驾驶员提前进行变道处理。由于双目摄像头30设置在高于驾驶员视野的位置,因此从双目摄像头30获得视频流和/或图像的视野要比驾驶员视野更广,能够更早的发现并识别道路拥堵情况。
保护壳40用于对驱动杆10、测距传感器20和双目摄像头30进行保护。由于驱动杆10、测距传感器20和双目摄像头30设置在车辆外部,因此需要通过保护壳40来对上述设备进行保护。
从该实施例中提到的道路拥堵预判装置可知,由于道路拥堵预判装置中的双目摄像头设置在高于车辆驾驶员的位置,并且能利用驱动杆调整摄像头位置的高低,能够获得比驾驶员更高更广的视野来对道路拥堵情况进行分析。因此通过道路拥堵预判装置中高于车辆驾驶员的位置设置的双目摄像头获取的道路拥堵情况,并结合测距传感器获取的障碍物信息,能够比驾驶员更早的获取道路的拥堵原因,增加了驾驶员躲避拥堵的操作时间,提升车辆在拥堵路段的通行效率。
在一些实施方式中,上述驱动杆为电动芯轴驱动杆,如图2所示。电动芯轴驱动杆通过内置的电机110和齿轮组120驱动螺纹主轴130进行移动;其中,电机110、齿轮组120和螺纹主轴130设置在驱动杆内管11中;螺纹主轴130在驱动杆外管12的内侧设置的螺纹螺母140上移动。
移动过程中,螺纹螺母140保持不动,而电机110通过驱动齿轮组120驱动螺纹主轴130进行移动,实现了驱动杆的伸缩功能。
为了能够尽快的实现驱动杆内管的弹出过程,在一些实施方式中,上述驱动杆内管11还包括内管弹簧150,内管弹簧150用于驱动杆内管11的弹出。
内管弹簧150固定在驱动杆内管11以及驱动杆外管12之间,内管弹簧150一直处于压缩的状态,可通过内管弹簧150的弹力实现驱动杆内管11的尽快弹出。
在一些实施方式中,上述测距传感器20包含激光雷达和超声波雷达;激光雷达用于探测车辆在水平方向上的障碍物;超声波雷达用于探测车辆在车辆上方的障碍物。
在汽车中使用的激光雷达具有探测距离较远、精度高等优点,因此探测车辆在水平方向上的障碍物时使用激光雷达更加合适。超声波雷达在汽车中比较常见,通常布置在汽车的四周,用于车辆在倒车或低速行驶时提供周围障碍物信息。由于车辆超声波雷达探测距离有限,但成本较低,适合对测距传感器上方的障碍物进行探测,主要探测测距传感器上方安全距离内是否包含限高杆、地下车库房顶等。
在一些实施方式中,上述道路拥堵预判装置安装在车辆的前机盖、车顶或者后备箱盖中。
安装在车辆的前机盖、车顶或者后备箱盖中的道路拥堵预判装置需尽可能的避免遮挡驾驶员视野,因此优先安装在车辆的车顶处。但为了方便对道路拥堵预判装置进行供电或者方便安装,也可以将道路拥堵预判装置安装在车辆的前机盖或者后备箱盖上面。
在一些实施方式中,保护壳的顶部设置有可开关的保护盖,当驱动杆内管完全缩回到驱动杆外管时保护盖关闭。
当道路拥堵预判装置不工作时,驱动杆内管可完全缩回到驱动杆外管内,即驱动杆处于最短的位置,此时的道路拥堵预判装置的整体高度为最低状态。为了对道路拥堵预判装置进行更好的保护,保护壳的顶部设置的可开关的保护盖关闭,以防止强光或雨雪对道路拥堵预判装置产生影响,提高道路拥堵预判装置的保护程度。
从该实施例中提到的道路拥堵预判装置可知,通过道路拥堵预判装置中高于车辆驾驶员的位置设置的双目摄像头获取的道路拥堵情况,并结合测距传感器获取的障碍物信息,能够比驾驶员更早的获取道路的拥堵原因,增加了驾驶员躲避拥堵的操作时间,提升车辆在拥堵路段的通行效率。
第二方面,本发明实施例提供了一种道路拥堵预判系统,该系统的结构示意图如图3所示,该系统包括:包括控制器50、显示屏60以及如上述实施方式中提到的道路拥堵预判装置;控制器50的输入端与道路拥堵预判装置相连接;控制器50的输出端与显示屏60相连接;控制器50用于对道路拥堵预判装置采集的数据进行分析得到道路拥堵数据;还用于对道路拥堵预判装置的驱动杆的高度进行控制;显示屏60用于显示道路拥堵数据。
控制器50中设置有相关计算单元,该计算单元通过相关算法用于对道路拥堵预判装置中双目摄像头采集的数据进行分析,得到拥堵原因和拥堵位置。计算单元的分析结果再通过控制器50发送给显示屏60,以显示道路的拥堵情况,引导驾驶员提前进行避让。
控制器50还将道路拥堵预判装置中的测距传感器采集的数据进行分析,得到障碍物信息,并控制道路拥堵预判装置的驱动杆进行伸缩以躲避该障碍物。
显示屏60中的道路拥堵数据与道路拥堵预判装置中双目摄像头采集的视频流相结合进行显示。该显示屏为独立的显示屏,也可设置在车辆的仪表盘或后视镜中。在一些实施方式中,上述显示屏60为车辆内置的车机屏幕;道路拥堵数据通过车辆内置的扬声器进行播放。
该实施例中的道路拥堵预判装置,与上述方法实施例中提供的道路拥堵预判装置具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。为简要描述,实施例部分未提及之处,可参考前述装置实施例中相应内容。
第三方面,本发明实施例还提供一种道路拥堵预判方法,该方法应用于上述实施方式中提到的道路拥堵预判系统,如图4所示,该方法包括:
步骤S401,通过道路拥堵预判装置中的双目摄像头,获取道路交通图像数据。
通过双目摄像头可获取道路中实时的视频流和/或图像,以此作为道路的交通图像数据。对于双目摄像头获得的视频流而言,对于后续处理过程时普遍是对视频流中的图像帧进行处理,因此也可将视频流作为图像数据。
步骤S402,将道路交通图像数据输入至预设的道路拥堵分析模型中进行分析,输出道路的拥堵数据。
预设的道路拥堵分析模型设置在控制器中的相关计算单元中,道路拥堵分析模型用于识别道路中的拥堵物体以及拥堵物体与道路拥堵预判装置之间的距离;拥堵物体可为故障三角牌、道路施工警示牌、双闪的故障车辆等。道路拥堵分析模型也可分析得到不拥堵的物体,如轿车、卡车、货车等正常行驶的道路车辆。当分析出拥堵物体时,即可通过道路拥堵预判装置中的测距传感器来测量拥堵物体与道路拥堵预测装置的距离。
拥堵数据包括道路拥堵原因以及拥堵位置,拥堵原因可分为:事故、施工、车流量多等;拥堵位置即为道路中发生拥堵的车道。
步骤S403,将拥堵数据中的道路拥堵原因和拥堵位置通过道路拥堵预判系统的显示屏进行显示,完成道路的预判过程。
将拥堵数据中的道路拥堵原因和拥堵位置,与车辆所处的位置进行比较,得到拥堵发生的区域与车辆的横向相对位置关系,并将横向相对位置关系通过方框、箭头等指示图案显示在道路拥堵预判系统的显示屏中。提醒车辆驾驶员提前操作车辆躲避拥堵路段,增加了驾驶员躲避拥堵的操作时间,提升车辆在拥堵路段的通行效率。
在一些实施方式中,上述将道路交通图像数据输入至预设的道路拥堵分析模型中进行分析,输出道路的拥堵数据的步骤S402,如图5所示,包括:
步骤S501,利用道路拥堵分析模型,判断道路中是否包含拥堵物体;其中拥堵物体包括:故障三角牌、道路施工警示牌以及开启双闪的故障车辆。
对于道路拥堵的判断过程中,发现拥堵物体至关重要,因为故障三角牌、道路施工警示牌以及开启双闪的故障车辆长期占据一个车道甚至多个车道,车辆行驶过程中只能躲开占据的车道,因此优先对这些拥堵物体进行分析判断。
步骤S502,若道路中包含拥堵物体,则利用道路拥堵预判装置中测距传感器确定道路拥堵预判装置与拥堵物体之间的横向相对位置关系;并将横向相对位置关系以及拥堵物体作为道路的拥堵数据。
如果道路拥堵分析模型发现了拥堵物体,利用道路拥堵预判装置中测距传感器确定道路拥堵预判装置与拥堵物体之间的横向相对位置关系,即拥堵物体位于行驶车辆的哪条车道。例如,拥堵物体占据了行驶车辆所处的车道以及左侧车道,因此将车辆所处的车道以及左侧车道作为拥堵车道;右侧车道作为躲避车道,将这三条车道以及距离拥堵物体的距离作为道路的拥堵数据。
步骤S503,若道路中不包含拥堵物体,则利用道路拥堵分析模型实时计算道路的车流量;当道路的车流量达到预设阈值时确定道路中的车辆聚集区域,获取车辆聚集区域与道路拥堵预判装置之间的横向相对位置关系,并将横向相对位置关系以及车辆聚集区域作为道路的拥堵数据。
如果道路中不包含拥堵物体,此时还需要对道路车流量较大时造成的拥堵情况进行分析。分析判断的依据是将实时获取的车流量与预设阈值进行判断。例如,通过道路拥堵分析模型对车辆的行驶道路、左侧道路、右侧道路进行实时车流量计算,如果发现车辆左侧道路中的车流量超过预设阈值,即认为左侧道路发生车辆聚集,将该车辆聚集区域作为道路的拥堵数据以及与车辆的横向位置作为道路的拥堵数据。
另一种道路拥堵预判方法的流程图如图6所示,该方法利用VOLO V3-Pocket图像处理模型来对双目摄像头获取的实时交通图像数据进行识别。
首先,利用VOLO V3-Pocket图像处理模型对交通图像数据进行处理,识别关键标志物及距离。具体的说,VOLO V3-Pocket图像处理模型是基于VOLO V3模型通过修剪后得到的最优化网络,可以识别拥堵标志物和普通车辆,拥堵标志物包括故障三角牌、道路施工警示牌、双闪的故障车辆等;普通车辆包括常见的轿车、卡车、货车等道路车辆。VOLO V3-Pocket图像处理模型还可以输出识别的物体名称和相对于摄像头的距离。
如果识别到拥堵的关键标志物,提取标志物在交通图像中的像素区域,并获取该标志物与车辆的纵向距离和横向位置关系。将上述分析结果发送给车辆的车机系统后,车机系统通过显示屏以及喇叭来对拥堵情况进行展示,提醒驾驶员提前动作。
如果没有识别到拥堵的关键标志物,根据道路宽度,将图像纵向划分成若干个区域,并分别对这些区域进行车辆识别。该过程主要是分析道路中的车流量,以判断道路是否发生拥堵,判断的依据是通过道路中的车流量是否超过预设阈值。如果是,则计算该道路区域与车辆的纵向距离以及横向位置关系,并将该结果发送给车辆的车机系统,车机系统通过显示屏以及喇叭来对拥堵情况进行展示,提醒驾驶员提前动作;如果否,则将图像实时发送给车机系统,此时不进行报警,车机系统的显示屏只显示此时道路的视频流。
VOLO V3-Pocket图像处理模型相比于传统VOLO V3模型而言,网络结构更加紧凑,模型的整体性能也更加高效。VOLO V3-Pocket图像处理模型是通过VOLO V3模型修剪迭代得到的,迭代过程的流程图如图7所示。
首先利用VOLO V3的目标检测算法的特性,设置网络训练参数,并选择数据集进行基础训练。训练过程使用稀疏训练的方式所执行,稀疏训练是为了便于剪枝策略对训练模型的修剪,相较于传统VOLO V3模型而言,本实施例中的VOLO V3-Pocket模型在每个通道中均加入一个比例因子便于通道修剪,这个比例因子的绝对值大小来表征通道的重要程度,具体的说就是除了检测报头外,每个卷积层之后的BN(Batch Normalization,批量归一化)层来改善泛化性能和加速收敛。
BN使用小批量统计来归一化内部激活,BN层的转换通过下式所实现:
上式中采用BN层的可训练比例因子γ作为衡量网络通道的重要性,将该比例因子与对应的通道相乘,联合训练权重和比例因子,然后通过γ进行L1正则化后开始信道稀疏训练,以此用来区分重要的信道和不重要的信道,上述过程通过下式所实现:
式中:η是用来平衡Tloss(表示网络中的正常训练损失)和X(·)(稀疏性引起的对比例因子的惩罚),X(s)=|s|表示L1正则化,采用次梯度法作为优化非光滑L1惩罚项的方法。
VOLO V3-Pocket图像处理模型是通过传统VOLO V3模型剪枝得到的,因此剪枝策略至关重要。剪枝策略是一种层剪枝和通道剪枝相结合的剪枝方法,主要是当稀疏训练完成之后引入全局阈值来确定是否需要修剪特征通道。除此之外,为了降低网络生成毁灭性的剪枝模型,引入了局部安全阈值。首先通过设置全局阈值为全部γ的ρ%,通过全局阈值的设置来调节剪枝率。为了避免过渡修剪提出局部安全阈值φ,对需要剪枝的层中设定全部γ的ν%。当该通道的比例因子小于与φ的最小值则满足剪枝的要求可以进行修剪。如果整层的比例因子都小于阈值的话为了避免整层被剪枝则留该层中比例因子最大的几个通道。除此之外在通道剪枝的基础上融合了层剪枝,主要是对shortcu层的前一个卷积层进行的评估,然后把各层的比例因子平均值排序,把最小值对应的层裁剪掉。之后会根据减掉shortcut层的同时减掉该层前面的两个卷积层,层剪枝主要精简shortcut结构,通过对shortcut结构的剪枝,精度只有微量的降低。剩下的upsample层和maxpool层由于与通道数不相关所以不对其进行处理。之后根据制定的阈值生成各个卷积层的剪枝掩膜。对于route层的处理是按顺序连接输入层中的剪枝掩膜就是该层的剪枝掩膜。以上操作即为VOLO V3-Pocket图像处理模型的剪枝策略。
通过剪枝策略对模型修剪之后,VOLO V3模型的性能会出现暂时性的下降,通过对VOLO V3模型进行微调,把修剪后的VOLO V3模型潜在性能进一步挖掘出来。具体操作是将修剪后的YOLO V3再次对危险场景数据集进行训练。
获得优化的新网络后,需要对新的网络按照评价指标进行评估,判断新网络是否达到最优的检测性能。达到最优检测性能之后不再进行剪枝,即生成YOLO V3-Pocket目标检测模型;如果没达到最佳的检测效果可以对该网络进行再次修剪,修剪过程会避免过度修剪的情况,因为过度修剪的模型是无法修复的。
通过上述描述得到的YOLO V3-Pocket目标检测模型,具有实时性高、精度高等特点,在道路拥堵预判过程中处理交通图像数据时具有更佳的性能表现。
该实施例中的道路拥堵预判系统,与上述实施例中提到的道路拥堵预判系统具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。为简要描述,实施例部分未提及之处,可参考前述实施例中相应内容。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、设备和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,设备或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以用软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种道路拥堵预判装置,所述装置设置在车辆中,其特征在于,所述装置包括:驱动杆、测距传感器、双目摄像头和保护壳;
所述驱动杆由可伸缩的驱动杆内管和不可伸缩的驱动杆外管组成;其中,所述驱动杆外管固定于所述保护壳中;所述驱动杆内管设置在所述驱动杆外管内;所述测距传感器设置在所述驱动杆内管的顶部;所述双目摄像头设置在所述测距传感器的下方;
所述驱动杆用于将所述测距传感器和双目摄像头设置在高于车辆驾驶员视野的位置;
所述测距传感器用于判断所述装置周围是否有障碍物;
所述双目摄像头用于识别道路拥堵状况;
所述保护壳用于对所述驱动杆、所述测距传感器和所述双目摄像头进行保护。
2.根据权利要求1所述的道路拥堵预判装置,其特征在于,所述驱动杆为电动芯轴驱动杆;所述电动芯轴驱动杆通过内置的电机和齿轮组驱动螺纹主轴进行移动;
其中,所述电机、所述齿轮组和所述螺纹主轴设置在所述驱动杆内管中;所述螺纹主轴在所述驱动杆外管的内侧设置的螺纹螺母上移动。
3.根据权利要求2所述的道路拥堵预判装置,其特征在于,所述驱动杆内管还包括内管弹簧,所述内管弹簧用于所述驱动杆内管的弹出。
4.根据权利要求1所述的道路拥堵预判装置,其特征在于,所述测距传感器包含激光雷达和超声波雷达;所述激光雷达用于探测所述车辆在水平方向上的障碍物;所述超声波雷达用于探测所述车辆上方的障碍物。
5.根据权利要求1所述的道路拥堵预判装置,其特征在于,所述装置安装在车辆的前机盖、车顶或者后备箱盖中。
6.根据权利要求1所述的道路拥堵预判装置,其特征在于,所述保护壳的顶部设置有可开关的保护盖,当所述驱动杆内管完全缩回到所述驱动杆外管时所述保护盖关闭。
7.一种道路拥堵预判系统,其特征在于,所述系统包括控制器、显示屏以及如权利要求1-6任一项所述的道路拥堵预判装置;所述控制器的输入端与所述道路拥堵预判装置相连接;所述控制器的输出端与所述显示屏相连接;
所述控制器用于对所述道路拥堵预判装置采集的数据进行分析得到道路拥堵数据;还用于对所述道路拥堵预判装置的驱动杆的高度进行控制;
所述显示屏用于显示所述道路拥堵数据。
8.根据权利要求7所述的道路拥堵预判系统,其特征在于,所述显示屏为车辆内置的车机屏幕;所述道路拥堵数据通过车辆内置的扬声器进行播放。
9.一种道路拥堵预判方法,其特征在于,所述方法应用于权利要求7至8任一项所述的道路拥堵预判系统,所述方法包括:
通过所述道路拥堵预判装置中的双目摄像头,获取道路交通图像数据;
将所述道路交通图像数据输入至预设的道路拥堵分析模型中进行分析,输出所述道路的拥堵数据;其中,所述道路拥堵分析模型用于识别所述道路中的拥堵物体以及所述拥堵物体与所述道路拥堵预判装置之间的距离;所述拥堵数据包括道路拥堵原因以及拥堵位置;
将所述拥堵数据中的所述道路拥堵原因和所述拥堵位置通过所述道路拥堵预判系统的显示屏进行显示,完成所述道路的预判过程。
10.根据权利要求9所述的道路拥堵预判方法,其特征在于,将所述道路交通图像数据输入至预设的道路拥堵分析模型中进行分析,输出所述道路的拥堵数据的步骤,包括:
利用所述道路拥堵分析模型,判断所述道路中是否包含拥堵物体;其中所述拥堵物体包括:故障三角牌、道路施工警示牌以及开启双闪的故障车辆;
若所述道路中包含拥堵物体,则利用所述道路拥堵预判装置中测距传感器确定所述道路拥堵预判装置与所述拥堵物体之间的横向相对位置关系;并将所述横向相对位置关系以及所述拥堵物体作为所述道路的拥堵数据;
若所述道路中不包含拥堵物体,则利用所述道路拥堵分析模型实时计算所述道路的车流量;当所述道路的车流量达到预设阈值时确定所述道路中的车辆聚集区域,获取所述车辆聚集区域与所述道路拥堵预判装置之间的横向相对位置关系,并将所述横向相对位置关系以及所述车辆聚集区域作为所述道路的拥堵数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011037308.5A CN112009383A (zh) | 2020-09-28 | 2020-09-28 | 道路拥堵预判装置、系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011037308.5A CN112009383A (zh) | 2020-09-28 | 2020-09-28 | 道路拥堵预判装置、系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112009383A true CN112009383A (zh) | 2020-12-01 |
Family
ID=73527796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011037308.5A Pending CN112009383A (zh) | 2020-09-28 | 2020-09-28 | 道路拥堵预判装置、系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112009383A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113284120A (zh) * | 2021-05-31 | 2021-08-20 | 北京经纬恒润科技股份有限公司 | 限高高度测量方法及装置 |
-
2020
- 2020-09-28 CN CN202011037308.5A patent/CN112009383A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113284120A (zh) * | 2021-05-31 | 2021-08-20 | 北京经纬恒润科技股份有限公司 | 限高高度测量方法及装置 |
CN113284120B (zh) * | 2021-05-31 | 2024-03-08 | 北京经纬恒润科技股份有限公司 | 限高高度测量方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9725040B2 (en) | Vehicle object detection system | |
CN110400478A (zh) | 一种路况通知方法及装置 | |
CN109634282A (zh) | 自动驾驶车辆、方法和装置 | |
KR101982298B1 (ko) | 차량에서의 돌발적으로 출현한 이동 객체를 탐지하는 방법 및 장치 | |
CN113487874B (zh) | 一种跟驰行为场景数据采集、识别、分类提取系统及方法 | |
US7504932B2 (en) | Method and device for monitoring blind spots of a motor vehicle | |
CN112349144B (zh) | 一种基于单目视觉的车辆碰撞预警方法及系统 | |
US9910157B2 (en) | Vehicle and lane detection method for the vehicle | |
CN111198371A (zh) | 前视障碍物检测系统 | |
CN1862620A (zh) | 高速公路汽车行驶智能检测预警方法及其预警系统 | |
CN106548659A (zh) | 一种前向碰撞预警方法及装置 | |
CN113763740A (zh) | 一种大数据交通导引系统及导引方法 | |
CN106203272A (zh) | 确定可移动对象的移动的方法和装置 | |
EP2642364A1 (en) | Method for warning the driver of a motor vehicle about the presence of an object in the surroundings of the motor vehicle, camera system and motor vehicle | |
US11132562B2 (en) | Camera system to detect unusual circumstances and activities while driving | |
CN115331328A (zh) | 用于记录车辆行车视频的设备和方法 | |
CN106585670A (zh) | 一种基于视频的城市轨道交通前向列车检测系统及方法 | |
CN113297881A (zh) | 一种目标检测方法及相关装置 | |
CN115019514B (zh) | 一种基于车联网的公路巡查系统 | |
CN112009383A (zh) | 道路拥堵预判装置、系统及方法 | |
KR102518662B1 (ko) | 주변소음을 이용한 주행안전 제어시스템 및 그의 제어방법 | |
KR101760261B1 (ko) | 블랙박스 기능을 갖는 avm 시스템 및 운용 방법 | |
EP3905121A1 (en) | Vehicle system with a safety mechanism and method of operation thereof | |
CN212556064U (zh) | 道路拥堵预判装置及系统 | |
CN113879211A (zh) | 预防渣土车右转过程与非机动车发生冲突的提醒方法及系统 |
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 |