CN112053563B - 可用于边缘计算平台、云控平台的事件检测方法及设备 - Google Patents
可用于边缘计算平台、云控平台的事件检测方法及设备 Download PDFInfo
- Publication number
- CN112053563B CN112053563B CN202010972805.8A CN202010972805A CN112053563B CN 112053563 B CN112053563 B CN 112053563B CN 202010972805 A CN202010972805 A CN 202010972805A CN 112053563 B CN112053563 B CN 112053563B
- Authority
- CN
- China
- Prior art keywords
- target vehicle
- target
- acceleration
- vehicle
- emergency
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/164—Centralised systems, e.g. external to vehicles
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
- 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
- G08G1/0104—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
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- 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
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- 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
-
- 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
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- 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
-
- 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
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
Abstract
本申请公开了可用于边缘计算平台、云控平台的事件检测方法、装置、设备和计算机存储介质,涉及智能交通及自动驾驶领域。具体实现方案为:根据目标区域的监控视频,检测到位于所述目标区域的目标车辆;确定针对所述目标车辆的采集时间,以及所述目标车辆在所述采集时间对应的图像帧中的位置信息;至少根据所述采集时间以及所述位置信息,得到所述目标车辆的加速度;根据所述目标车辆的加速度,判断所述目标车辆是否发生突发事件。本申请实施例计算获得的目标车辆的加速度具有较高的准确性,从而能够在后续判断目标车辆是否发生突发事件时,得到一个更为准确的判断结果,进而能够减少突发事件的误报率。
Description
技术领域
本申请涉及数据处理领域,尤其涉及智能交通领域。
背景技术
在自动驾驶场景中,自动驾驶车辆在行驶过程中,需要确定周围车辆的行驶状态,以便及时执行相应的操作避免交通事故。因此,如何通过视频数据对这些需要分析的目标车辆的行驶状态进行记录和分析,成为自动驾驶领域亟需解决的问题。
发明内容
为了解决现有技术中至少一个问题,本申请实施例提供一种可用于边缘计算平台、云控平台的事件检测方法、装置、设备和存储介质。
第一方面,本申请实施例提供一种可用于边缘计算平台、云控平台的事件检测方法,包括:
根据目标区域的监控视频,检测到位于目标区域的目标车辆;
确定针对目标车辆的采集时间,以及目标车辆在采集时间对应的图像帧中的位置信息;
至少根据采集时间以及位置信息,得到目标车辆的加速度;
根据目标车辆的加速度,判断目标车辆是否发生突发事件。
第二方面,本申请实施例提供一种可用于边缘计算平台、云控平台的事件检测装置,包括:
目标车辆检测模块,用于根据目标区域的监控视频,检测到位于目标区域的目标车辆;
位置信息模块,用于确定针对目标车辆的采集时间,以及目标车辆在采集时间对应的图像帧中的位置信息;
加速度模块,用于至少根据采集时间以及位置信息,得到目标车辆的加速度;
突发事件模块,用于根据目标车辆的加速度,判断目标车辆是否发生突发事件。
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,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。
第六方面,本申请实施例提供一种可用于边缘计算平台、云控平台的事件检测方法,包括:
从路侧设备获取目标区域的监控视频;
根据目标区域的监控视频,检测到位于所述目标区域的目标车辆;
确定针对所述目标车辆的采集时间,以及所述目标车辆在所述采集时间对应的图像帧中的位置信息;
至少根据所述采集时间以及所述位置信息,得到所述目标车辆的加速度;
根据所述目标车辆的加速度,判断所述目标车辆是否发生突发事件。
上述申请中的一个实施例具有如下优点或有益效果:根据获取的监控视频,对目标车辆的加速度进行计算,然后根据目标车辆的加速度,判断目标车辆是否发生突发事件,从而实现借助道路环境中大量的摄像头采集的数据对道路上各车辆进行突发事件的检测,以便于快速、准确地掌握道路交通场景中各车辆的突发状况。
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是根据本申请一实施例的可用于边缘计算平台、云控平台的事件检测方法的示意图;
图2是根据本申请实施例的逐差法计算加速度示意图;
图3A-3C是根据本申请实施例的紧急刹车事件速度和时间关系示意图;
图4是根据本申请另一实施例的可用于边缘计算平台、云控平台的事件检测方法的示意图;
图5是根据本申请另一实施例的可用于边缘计算平台、云控平台的事件检测装置的示意图;
图6是根据本申请另一实施例的可用于边缘计算平台、云控平台的事件检测装置的示意图;
图7是根据本申请另一实施例的可用于边缘计算平台、云控平台的事件检测装置的示意图;
图8是根据本申请另一实施例的可用于边缘计算平台、云控平台的事件检测装置的示意图;
图9是用来实现本申请实施例的事件检测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。
本申请实施例提供一种检测方法,通过道路或者其它环境中设置的摄像头获取其采集区域内的视频数据,基于视频数据,将采集区域内处于运动状态的对象确定为目标对象,并基于视频数据,确定目标对象的加速度信息。然后基于加速度信息确定目标对象是否发生突发事件。从而在某些场景下,例如在道路交通场景下,能够向目标对象周围的其它对象发送关于发生突发事件的预警信息。在道路交通场景下,由于道路上设置有大量的摄像头,因此,能够保证较为及时地检测出目标对象发生突发事件,然后根据突发事件的发生这一事实作出预警等后续操作。
本申请实施例首先提供一种可用于边缘计算平台、云控平台的事件检测方法,如图1所示,包括:
步骤S11:根据目标区域的监控视频,检测到位于目标区域的目标车辆;
步骤S12:确定针对目标车辆的采集时间,以及目标车辆在采集时间对应的图像帧中的位置信息;
步骤S13:至少根据采集时间以及位置信息,得到目标车辆的加速度;
步骤S14:根据目标车辆的加速度,判断目标车辆是否发生突发事件。
在本实施例中,监控视频包括多个图像帧,可以是设置在目标区域周围的视频拍摄装置获取的视频。例如,本实施例的方法应用于道路交通场景时,可通过布置在道路两侧、道路交叉口和道路周围建筑物等位置的摄像头获取视频数据;也可以通过设置于车辆等其它移动对象上的摄像头获取视频数据。本实施例中,检测目标区域的目标车辆,可采用任意目标检测算法对监控视频进行检测。
本实施例中,可以根据监控视频的拍摄范围,确定是否需要判断目标车辆有无发生突发事件。比如,根据高精地图的数据,监控视频的拍摄范围包括机动车道或路口,则执行步骤S11-S14,判断目标车辆是否发生突发事件。
在本实施例中,目标车辆可以监控视频中的各处于运动状态的车辆之一,如机动车辆、非机动车辆等。在一种实现方式中,目标车辆可以是监控视频中具有一定速度的车辆之一。可以基于监控视频,确定各视频帧中各对象的轮廓信息以及各视频帧中的运动区域和非运动区域。然后,基于各视频帧中各对象的轮廓信息和个视频帧中的运动区域和非运动区域,确定各对象中处于运动状态的对象。
在本申请实施例中,可以基于监控视频中的一个或几个视频帧来确定各对象的轮廓信息。例如,可以通过实例分割的方法获取视频帧中的每个对象的轮廓信息。例如,可以采用基于神经网络的分割方法,其中,分割的背景为对象之外的物体(例如,马路、天空等),分割的前景为各对象(例如,人、机动车、非机动车等)。
本实施例中,根据目标区域的监控视频,检测到位于目标区域的目标车辆,可以包括在确定目标对象运动方向的后方存在其它目标对象的情况下,进入步骤S12。具体可以包括,检测目标对象在目标区域中的具体车道信息;根据高精地图数据,获取车道信息对应的车流方向;根据周边视频获取装置提供的车辆信息和车流方向,确定目标车辆后方是否存在其它车辆,若存在,进入步骤S12。
本实施例中,目标区域可以是监控视频的覆盖区域,也可以是监控视频的覆盖区域中的兴趣区域。例如,本实施例的方法应用于道路交通场景时,目标区域可以是监控视频中的道路区域。
本实施例中,目标车辆的采集时间可以包括多个目标时间点,目标时间点可以是监控视频中包括的时间点。比如,监控视频的时间范围为t1-t100,那么目标时间点可以是t1-t100中的任意时间点。每个目标时间点可以对应一个具体的图像帧。针对一个目标对象,目标时间点可以是一个,也可以是多个,当目标时间点为多个时,目标时间点之间的间隔可以相同也可以不同。
本实施例中,确定针对目标车辆的采集时间,以及目标车辆在采集时间对应的图像帧中的位置信息,可以包括:确定在监控视频中,针对目标车辆的多个目标时间点;根据确定的目标时间点,获取对应的图像帧;确定目标车辆在图像帧中的像素位置信息;将像素位置信息作为目标车辆在图像帧中的位置信息。在具体实施例中,可以使用卡尔曼滤波器对获取的目标时间点对应的位置进行滤波,避免目标车辆的位置出现巨大抖动。
本实施例中,确定针对目标车辆的采集时间,以及目标车辆在采集时间对应的图像帧中的位置信息,还可以包括:确定在监控视频中,针对目标车辆的多个目标时间点;根据确定的目标时间点,获取对应的图像帧;确定目标车辆在图像帧中的像素位置信息;将目标车辆在图像帧中的位置信息转换为世界坐标系下的位置信息;将世界坐标系下的位置信息作为目标车辆在图像帧中的位置信息。
本实施例中,根据采集时间以及位置信息,得到目标车辆的加速度,其中采集时间可以包括多个目标时间点,多个目标时间点对应多个位置信息,从而根据多个目标时间点和对应的多个位置信息,可以得到时间和位置曲线,进而通过数学计算可获得目标车辆的加速度信息。比如,可以利用多个目标时间点和对应的多个位置信息,得到关于位移和时间的方程,进而获得加速度。
本实施例中,根据目标车辆的加速度,判断目标车辆是否发生突发事件,可以是至少根据目标车辆的加速度,判断目标车辆是否发生突发事件。具体的,突发事件可以是目标车辆的急刹事件、目标车辆的紧急加速事件或者其它任意与目标车辆加速度有关的驾驶事件。突发事件还可以是目标车辆在驾驶过程中在很短时间内发生、如果周围车辆反应不及时可能导致交通事故的事件。在其它实施例中,还可以根据目标车辆的其它参数,结合目标车辆的加速度,对目标车辆是否发生突发事件进行判断。例如,可以结合目标车辆的加速度和速度,对目标车辆是否发生突发事件进行判断。
在其它实施方式中,可根据加速度的数值大小和加速度的方向中的至少一个对目标车辆有无发生突发事件进行判断。比如,可通过加速度的方向突变,判断目标车辆发生紧急转弯、突然变道等突发事件。通过加速度的数值大小可以判断出目标车辆发生急刹、紧急加速事件。
本申请实施例中,根据获取的监控视频,对目标车辆的加速度进行计算,然后根据目标车辆的加速度,判断目标车辆是否发生突发事件,从而能够借助道路环境中大量的摄像头采集的数据对道路上各车辆进行突发事件的分析,从而能够快速、准确地掌握道路交通场景中各车辆的突发状况,有助于对自动驾驶车辆及时提供周边车辆的驾驶状态信息,也可以给普通车辆及时提供周围其它车辆的驾驶状态信息,帮助自动驾驶车辆以及普通车辆的驾驶员及时对道路环境中其它车辆的行驶状态突变事件进行掌握。比如,在目标车辆急刹状态下,后车可能由于反应不够及时而导致追尾等交通事故,通过本申请实施例提供的方法,可以将车辆急刹等突发事件快速检测出来,从而可以快速对目标车辆的周围车辆进行通知,有助于个车辆在道路交通场景中安全行驶。
本申请实施例的可用于边缘计算平台、云控平台的事件检测方法的执行主体可以是各种路侧设备,例如路侧感知设备、与路侧感知设备相连接的路侧计算设备,也可以是与路侧计算设备连接的服务器设备,或是与路侧感知设备直接相连的服务器设备等。本申请实施例中服务器设备例如是云控平台、车路协同管理平台、中心子系统、边缘计算平台、云计算平台等。
在一种实施方式中,至少根据采集时间以及位置信息,得到目标车辆的加速度,包括:
在采集时间中确定多个目标时间点;
根据目标时间点对应的图像帧中的位置信息,以及目标时间点之间的时间间隔,计算得到目标车辆在各目标时间点的加速度。
本实施例中,可以按照相等的时间间隔,在采集时间中确定多个目标时间点。比如,采集时间包括t1-t100之间的所有连续时间,即包括无限个目标时间点,在t1-t100之间,按照时间间隔t,确定目标时间点包括t1、t2、t3、t4、t5、t6和t7,根据这7个目标时间点对应的图像帧,获得在这7个目标时间点时,目标车辆的位置x1、x2、x3、x4、x5、x6和x7,然后可以将相邻目标时间点之间的运动拟合为匀变速运动。具体的,可根据两个目标时间点对应的目标车辆的位置,比如t1和t3所对应的目标车辆的位置x1、x3,计算出位置差x3-x1,即目标车辆在这两个目标时间点的时间间隔内的位移,然后根据匀变速运动的加速度计算方式,计算目标车辆在t1-t3的时间内匀变速运动的情况下的加速度,作为目标车辆在t1-t3的时间内的加速度。
在另外一种实施方式中,可以按照相等的时间间隔,在采集时间中确定多个目标时间点,相等的时间间隔可以为相邻图像帧之间的时间间隔。
在其它实施例中,还可以根据各目标时间点和各目标时间点对应的目标车辆的位置信息,获得时间和位移的拟合曲线,通过计算拟合曲线的斜率,得到目标车辆的加速度。
本实施例中,根据目标时间点对应的图像帧的位置信息和目标时间点之间的时间间隔,计算目标车辆在各目标时间点的加速度,计算时所使用的位置信息和时间间隔,可以直接从目标车辆的监控视频中获取,计算速度较快,计算结果准确性较高。
在一种实施方式中,根据目标时间点对应的图像帧中的位置信息,以及目标时间点之间的时间间隔,计算得到目标车辆在各目标时间点的加速度,包括:
根据前一目标时间点及其对应的位置信息,以及后一目标时间点及其对应的位置信息,计算得到目标车辆在中间目标时间点的拟合加速度,以得到目标车辆在中间目标时间点的加速度;
其中,中间目标时间点位于前一目标时间点与后一目标时间点之间。
在本实施例中,目标车辆运动的曲线可使用分段线性化方法近似于匀变速运动。由于目标车辆的速度-时间运动曲线为光滑曲线,对于曲线上的每一点都是连续可到的,可在每个点周围一定的连续区间内对它进行线性近似,将曲线划分成较小的分段,认为目标车辆在分段中做匀变速运动。因此,可采用逐差法计算目标车辆的加速度。如图2所示,在等间隔获取目标时间点t1、t2、t3、t4、t5、t6和t7的情况下,可以选择t3和t7、t2和t6、t1和t5及其各自对应的目标车辆位置中的任意一组,计算t4时间点的目标车辆的拟合加速度,作为t4时刻目标车辆的加速度。具体的,根据t3和t7及其对应的目标车辆的位置x3和x5计算的拟合加速度的公式为:a1=(x7-x3)/4△t2。根据t2和t6及其对应的目标车辆的位置x2和x6计算目标车辆的拟合加速度的公式为:a2=(x6-x2)/4△t2。根据t1和t5及其对应的目标车辆的位置x1和x5计算目标车辆的拟合加速度的公式为:a3=(x5-x1)/4△t2,其中,△t为相邻目标时间点之间的时间间隔。可以选择a4、a5和a6中任意一个作为目标车辆在t4时刻的加速度。
本实施例中,前一目标时间点及其对应的位置信息,以及后一目标时间点及其对应的位置信息,可以进行设定。比如,可以采用t1和t7机器各自对应的目标车辆的位置,计算t4时间点的目标车辆的拟合加速度,作为t4时刻目标车辆的加速度。具体的,根据t1和t7及其对应的目标车辆的位置x3和x5计算的拟合加速度a4的公式为:a4=(x7-x1)/6△t2。
在本实施例中,在时间间隔足够小的情况下,目标车辆在时间间隔内的运动可以被近似为匀变速运动,计算得到的加速度与实际加速度比较接近,这种计算方式具有较高的准确性,从而在后续对是否发生突发事件的判断起到有效的参考作用。
在一种实施方式中,得到目标车辆在中间目标时间点的加速度,包括:
将中间目标时间对应的多个拟合加速度的平均值作为中间目标时间点的加速度。
在一种实施方式中,将目标车辆在中间目标时间点周围较小区间内的运动拟合成匀变速运动,采用逐差法计算目标车辆的加速度。仍然参照图2,在等间隔获取目标时间点t1、t2、t3、t4、t5、t6和t7的情况下,可以分别根据t3和t7、t2和t6、t1和t5及其各自对应的目标车辆位置,计算t4时间的目标车辆的三个拟合加速度,然后计算平均值,得到t4时刻目标车辆的加速度。具体的,根据t3和t7及其对应的目标车辆的位置x3和x5计算的拟合加速度的公式为:a4=2×(x7-x3)/(t7-t3)2。根据t2和t6及其对应的目标车辆的位置x2和x6计算目标车辆的拟合加速度的公式为:a1=(x6-x2)/4△t2。根据t1和t5及其对应的目标车辆的位置x1和x5计算目标车辆的拟合加速度的公式为:a2=(x5-x1)/4△t2。然后可以将a4、a5和a6的平均值作为目标车辆的加速度,即t4时刻的加速度a的计算公式为:a=(x7+x6+t5-t1-x2-x3)/12△t2,其中,△t为相邻目标时间点之间的时间间隔。
本实施例中,前一目标时间点及其对应的位置信息,以及后一目标时间点及其对应的位置信息,可以进行设定。比如,可以采用t1和t7各自对应的目标车辆的位置,计算t4时间点的目标车辆的拟合加速度,作为t4时刻目标车辆的加速度。具体的,根据t1和t7及其对应的目标车辆的位置x3和x5计算的拟合加速度a4的公式为:a4=(x7-x1)/6△t2。
本实施例中,针对一个目标时间点,计算多个拟合加速度,然后获取多个拟合加速度的平均值,作为目标车辆在该目标时间点的加速度,能够进一步提高加速度计算数值的准确性。
在一种实施方式中,突发事件为目标车辆的紧急刹车事件;根据目标车辆的加速度,判断目标车辆发生预设的突发事件,包括:
在目标车辆的加速度的方差小于加速度方差阈值的情况下,满足下述条件中至少一个时,确定目标车辆发生预设的突发事件:
目标车辆的加速度的绝对值大于第一加速度阈值;
目标车辆的加速度的均值的绝对值大于第二加速度阈值;
目标车辆的加速度中绝对值大于第三加速度阈值的加速度的数量,大于数量阈值。
本实施例中,目标车辆在道路上驾驶的过程中发生的紧急刹车事件可能存在的情况如图3A-3C所示。图3A表示,车辆在启动加速的过程中发生紧急刹车事件。图3B表示,车辆在正常行驶过程中发生紧急刹车事件。图3C表示,车辆在任意状态下,发生紧急刹车事件之后,又马上加速。
在本实施例中,可以根据判断政策的宽松程度,设定满足上述多个判断条件中的一个或多个时,发生紧急刹车事件。比如,在宽松的判断政策下,满足上述多个判断条件中的任意一个,就可判定目标车辆发生紧急刹车事件。在适中的判断政策下,满足上述多个判断条件中的多于一条以上就可以判定目标车辆发生紧急刹车事件。在严格的判断政策下,满足上述多个判断条件中的全部条件时,判定目标车辆发生紧急刹车事件。
在目标车辆的加速度的方差小于加速度方差阈值的情况下,说明计算获得的加速度噪声小,加速度数值准确度较高。第一加速度阈值、第二加速度阈值和第三加速度阈值可以是相同的阈值。
本实施例中,根据加速度绝对值确定是否发生紧急刹车事件,避免了车辆主动上报急刹事件引起的上述问题,减小了预警延迟问题,且普适性高。
在一种实施方式中,可用于边缘计算平台、云控平台的事件检测方法如图4所示,在图1的可用于边缘计算平台、云控平台的事件检测方法的基础上,还包括:
步骤S41:根据突发事件,生成事件报告信息,发送事件报告信息。
本实施例中,事件报告信息的接收者可以是指定的服务器,指定的服务器接收到事件报告之后,可以向目标车辆周围的车辆发送事件报告信息,以使其他车辆可以及时执行相应的操作避免事故发生。
事件报告信息的接收者可以是目标车辆周围的其它车辆。可通过V2X(Vehicle ToEverything,车用无线通信技术)进行车辆间的通信,发送和获取关于突发事件的报告。对于设置车载单元(On board Unit,OBU)的车辆,可以通过一个平台获取预设事件的报告,也可以路边架设路侧单元(Road Side Unit,RSU),相互之间通过微波进行通讯,发送突发事件的报告到周围的车辆,该OBU表征自动驾驶车辆的身份。对于自动驾驶车辆而言,需要对交通事故发生的情况进行及时的信息获取,以在最短的时间内根据最新的道路交通状况进行行驶线路调整,避免在路线经过的路段发生交通事故的情况下再次发生交通事故。
在本实施例中,事件报告信息的接收者可以是目标车辆周围的其它车辆,通过车联网、车载的外部显示装置、OBU等,向周围车辆共享目标车辆发生突发事件的信息,以使其他车辆可以及时执行相应的操作避免事故发生。
在一种具体实现方式中,目标车辆为自动驾驶车辆。
在另一种具体实现方式中,报告信息的接收者为自动驾驶车辆。
在另一种具体实现方式中,报告信息的接收者为目标车辆周围设定范围内的自动驾驶车辆。可以使用V2X通信进行车辆的定位,确定目标车辆周围的车辆。即安装了OBU的车辆可以通过广播上报该车辆目前的唯一ID(如发动机号)和该车辆当前所在的位置以及当前上报时刻的时间戳。车辆的位置可以通过自身的定位系统获取,为了获取更高精度的定位可在车上安装差分GPS(Global Position System,全求定位系统)。边缘计算平台或者云计算平台在接收到车辆上报的信息后,首先使用卡尔曼滤波器对障碍物的上报位置进行滤波,提升障碍物上报位置的平滑性,避免障碍物位置的巨大抖动。然后根据各车辆上报的位置信息,确定目标车辆周围有哪些车辆。
在一种实施方式中,根据目标区域的监控视频,检测到位于目标区域的目标车辆,包括:
根据监控视频,确定目标区域中的对象的速度;
将速度大于速度阈值的对象作为目标车辆。
本实施例中,速度阈值可以根据安全要求确定。
可以理解,运动速度过低的对象几乎不会发生严重的急刹事件,并且在低速时,由于跟踪算法的惯性会导致其在低速时会产生一定的速度波动。有鉴于此,本实施例可以滤掉低速运动的对象,减少计算量,提高响应速度。
本申请实施例还提供一种可用于边缘计算平台、云控平台的事件检测装置,如图5所示,包括:
目标车辆检测模块51,用于根据目标区域的监控视频,检测到位于目标区域的目标车辆;
位置信息模块52,用于确定针对目标车辆的采集时间,以及目标车辆在采集时间对应的图像帧中的位置信息;
加速度模块53,用于至少根据采集时间以及位置信息,得到目标车辆的加速度;
突发事件模块54,用于根据目标车辆的加速度,判断目标车辆是否发生突发事件。
在一种实施方式中,如图6所示,加速度模块53包括:
目标时间点单元61,用于在采集时间中确定多个目标时间点;
计算单元62,用于根据目标时间点对应的图像帧中的位置信息,以及目标时间点之间的时间间隔,计算得到目标车辆在各目标时间点的加速度。
在一种实施方式中,计算单元还用于:
根据前一目标时间点及其对应的位置信息,以及后一目标时间点及其对应的位置信息,计算得到目标车辆在中间目标时间点的拟合加速度,以得到目标车辆在中间目标时间点的加速度;
其中,中间目标时间点位于前一目标时间点与后一目标时间点之间。
在一种实施方式中,计算单元还用于:
将中间目标时间对应的多个拟合加速度的平均值作为中间目标时间点的加速度。
在一种实施方式中,突发事件为目标车辆的紧急刹车事件;突发事件模块还用于:
在目标车辆的加速度的方差小于加速度方差阈值的情况下,满足下述条件中至少一个时,确定目标车辆发生预设的突发事件:
目标车辆的加速度的绝对值大于第一加速度阈值;
目标车辆的加速度的均值的绝对值大于第二加速度阈值;
目标车辆的加速度中绝对值大于第三加速度阈值的加速度的数量,大于数量阈值。
在一种实施方式中,如图7所示,还包括:
报告模块71,用于根据突发事件,生成事件报告信息,发送事件报告信息。
在一种实施方式中,如图8所示,目标车辆检测模51块包括:
速度单元81,用于根据监控视频,确定目标区域中的对象的速度;
目标车辆单元82,用于将速度大于速度阈值的对象作为目标车辆。
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。
本申请实施例可应用于智能交通车路协同的系统架构,智能交通车路协同的系统架构包括路侧设备。路侧设备进一步包括路侧感知设备和路侧计算设备,路侧感知设备(例如路侧相机)连接到路侧计算设备(例如路侧计算单元RSCU),路侧计算设备连接到服务器设备。在另一种系统架构中,路侧感知设备自身包括计算功能,则路侧感知设备直接连接到所述服务器设备。以上连接可以是有线或是无线;本申请中服务器设备例如是云控平台、车路协同管理平台、中心子系统、边缘计算平台、云计算平台等。
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可用于边缘计算平台、云控平台的事件检测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901、存储器902,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901为例。
存储器902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可用于边缘计算平台、云控平台的事件检测方法。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可用于边缘计算平台、云控平台的事件检测方法。
存储器902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可用于边缘计算平台、云控平台的事件检测方法对应的程序指令/模块(例如,附图5所示的目标车辆检测模块51、位置信息模块52、加速度模块53和突发事件模块54)。处理器901通过运行存储在存储器902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可用于边缘计算平台、云控平台的事件检测方法。
存储器902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可用于边缘计算平台、云控平台的事件检测方法的电子设备的使用所创建的数据等。此外,存储器902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902可选包括相对于处理器901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903和输出装置904。处理器901、存储器902、输入装置903和输出装置904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903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904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。
根据本申请实施例的技术方案,根据获取的监控视频,对目标车辆的加速度进行计算,然后根据目标车辆的加速度,判断目标车辆是否发生突发事件,从而能够借助道路环境中大量的摄像头采集的数据对道路上各车辆进行突发事件的分析,从而能够快速、准确地掌握道路交通场景中各车辆的突发状况,有助于对自动驾驶车辆及时提供周边车辆的驾驶状态信息,也可以给普通车辆及时提供周围其它车辆的驾驶状态信息,帮助自动驾驶车辆以及普通车辆的驾驶员及时对道路环境中其它车辆的行驶状态突变事件进行掌握。比如,在目标车辆急刹状态下,后车可能由于反应不够及时而导致追尾等交通事故,通过本申请实施例提供的方法,可以将车辆急刹等突发事件快速检测出来,从而可以快速对目标车辆的周围车辆进行通知,有助于个车辆在道路交通场景中安全行驶。
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 (13)
1.一种可用于边缘计算平台、云控平台的事件检测方法,包括:
从路侧设备获取目标区域的监控视频;
根据目标区域的监控视频,检测到位于所述目标区域的目标车辆;
确定针对所述目标车辆的采集时间,以及所述目标车辆在所述采集时间对应的图像帧中的位置信息;
至少根据所述采集时间以及所述位置信息,得到所述目标车辆的加速度;
根据所述目标车辆的加速度和速度,判断所述目标车辆自身是否发生突发事件;
响应于所述目标车辆发生突发事件,根据所述突发事件,生成事件报告信息,将所述事件报告信息发送至所述目标车辆周边的自动驾驶车辆;
所述根据所述目标车辆的加速度,判断所述目标车辆发生预设的突发事件,包括:
在所述目标车辆的加速度的方差小于加速度方差阈值的情况下,满足下述条件中至少一个时,确定所述目标车辆发生预设的突发事件:
所述目标车辆的加速度的绝对值大于第一加速度阈值;
所述目标车辆的加速度的均值的绝对值大于第二加速度阈值;
所述目标车辆的加速度中绝对值大于第三加速度阈值的加速度的数量,大于数量阈值;
在预设的宽松的判断政策下,满足上述条件中的任意一个,则判定所述目标车辆发生紧急刹车事件;在预设的适中的判断政策下,满足上述条件中多于一个,则判定所述目标车辆发生紧急刹车事件;在预设的严格的判断政策下,满足上述全部条件,则判定所述目标车辆发生紧急刹车事件。
2.根据权利要求1所述的方法,其中,所述至少根据所述采集时间以及所述位置信息,得到所述目标车辆的加速度,包括:
在所述采集时间中确定多个目标时间点;
根据所述目标时间点对应的图像帧中的位置信息,以及所述目标时间点之间的时间间隔,计算得到所述目标车辆在各所述目标时间点的加速度。
3.根据权利要求2所述的方法,其中,所述根据所述目标时间点对应的图像帧中的位置信息,以及所述目标时间点之间的时间间隔,计算得到所述目标车辆在各所述目标时间点的加速度,包括:
根据前一所述目标时间点及其对应的位置信息,以及后一所述目标时间点及其对应的位置信息,计算得到所述目标车辆在中间目标时间点的拟合加速度,以得到所述目标车辆在所述中间目标时间点的加速度;
其中,所述中间目标时间点位于前一所述目标时间点与后一所述目标时间点之间。
4.根据权利要求3所述的方法,其中,所述得到所述目标车辆在所述中间目标时间点的加速度,包括:
将所述中间目标时间对应的多个拟合加速度的平均值作为所述中间目标时间点的加速度。
5.根据权利要求1所述的方法,其中,所述根据目标区域的监控视频,检测到位于所述目标区域的目标车辆,包括:
根据所述监控视频,确定所述目标区域中的对象的速度;
将所述速度大于速度阈值的对象作为所述目标车辆。
6.一种可用于边缘计算平台、云控平台的事件检测装置,包括:
目标车辆检测模块,用于从路侧设备获取目标区域的监控视频;以及根据目标区域的监控视频,检测到位于所述目标区域的目标车辆;
位置信息模块,用于确定针对所述目标车辆的采集时间,以及所述目标车辆在所述采集时间对应的图像帧中的位置信息;
加速度模块,用于至少根据所述采集时间以及所述位置信息,得到所述目标车辆的加速度;
突发事件模块,用于根据所述目标车辆的加速度和速度,判断所述目标车辆自身是否发生突发事件;
报告模块,用于响应于所述目标车辆发生突发事件,根据所述突发事件,生成事件报告信息,将所述事件报告信息发送至所述目标车辆周边的自动驾驶车辆;
所述突发事件模块还用于:
在所述目标车辆的加速度的方差小于加速度方差阈值的情况下,满足下述条件中至少一个时,确定所述目标车辆发生预设的突发事件:
所述目标车辆的加速度的绝对值大于第一加速度阈值;
所述目标车辆的加速度的均值的绝对值大于第二加速度阈值;
所述目标车辆的加速度中绝对值大于第三加速度阈值的加速度的数量,大于数量阈值;
在预设的宽松的判断政策下,满足上述条件中的任意一个,则判定所述目标车辆发生紧急刹车事件;在预设的适中的判断政策下,满足上述条件中多于一个,则判定所述目标车辆发生紧急刹车事件;在预设的严格的判断政策下,满足上述全部条件,则判定所述目标车辆发生紧急刹车事件。
7.根据权利要求6所述的装置,其中,所述加速度模块包括:
目标时间点单元,用于在所述采集时间中确定多个目标时间点;
计算单元,用于根据所述目标时间点对应的图像帧中的位置信息,以及所述目标时间点之间的时间间隔,计算得到所述目标车辆在各所述目标时间点的加速度。
8.根据权利要求7所述的装置,其中,所述计算单元还用于:
根据前一所述目标时间点及其对应的位置信息,以及后一所述目标时间点及其对应的位置信息,计算得到所述目标车辆在中间目标时间点的拟合加速度,以得到所述目标车辆在所述中间目标时间点的加速度;
其中,所述中间目标时间点位于前一所述目标时间点与后一所述目标时间点之间。
9.根据权利要求6所述的装置,其中,还包括:
报告模块,用于根据所述突发事件,生成事件报告信息,发送所述事件报告信息。
10.根据权利要求6所述的装置,其中,所述目标车辆检测模块包括:
速度单元,用于根据所述监控视频,确定所述目标区域中的对象的速度;
目标车辆单元,用于将所述速度大于速度阈值的对象作为所述目标车辆。
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1-5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1-5中任一项所述的方法。
13.一种可用于边缘计算平台、云控平台的事件检测方法,包括:
从路侧设备获取目标区域的监控视频;
根据目标区域的监控视频,检测到位于所述目标区域的目标车辆;
确定针对所述目标车辆的采集时间,以及所述目标车辆在所述采集时间对应的图像帧中的位置信息;
至少根据所述采集时间以及所述位置信息,得到所述目标车辆的加速度;
根据所述目标车辆的加速度和速度,判断所述目标车辆是否发生突发事件;
响应于所述目标车辆发生突发事件,根据所述突发事件,生成事件报告信息,将所述事件报告信息发送至所述目标车辆周边的自动驾驶车辆;
所述根据所述目标车辆的加速度,判断所述目标车辆发生预设的突发事件,包括:
在所述目标车辆的加速度的方差小于加速度方差阈值的情况下,满足下述条件中至少一个时,确定所述目标车辆发生预设的突发事件:
所述目标车辆的加速度的绝对值大于第一加速度阈值;
所述目标车辆的加速度的均值的绝对值大于第二加速度阈值;
所述目标车辆的加速度中绝对值大于第三加速度阈值的加速度的数量,大于数量阈值;
在预设的宽松的判断政策下,满足上述条件中的任意一个,则判定所述目标车辆发生紧急刹车事件;在预设的适中的判断政策下,满足上述条件中多于一个,则判定所述目标车辆发生紧急刹车事件;在预设的严格的判断政策下,满足上述全部条件,则判定所述目标车辆发生紧急刹车事件。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010972805.8A CN112053563B (zh) | 2020-09-16 | 2020-09-16 | 可用于边缘计算平台、云控平台的事件检测方法及设备 |
US17/208,656 US20210224553A1 (en) | 2020-09-16 | 2021-03-22 | Event detection method and apparatus for cloud control platform, device, and storage medium |
EP21164699.7A EP3893221B1 (en) | 2020-09-16 | 2021-03-24 | Event detection method and apparatus for cloud control platform, device, and storage medium |
KR1020210038107A KR20210040320A (ko) | 2020-09-16 | 2021-03-24 | 클라우드 제어 플랫폼용 이벤트 검출방법, 장치, 기기와 저장매체 및 컴퓨터 프로그램 |
JP2021115399A JP2021180016A (ja) | 2020-09-16 | 2021-07-13 | クラウドコントロールプラットフォームに用いるイベント検出方法、装置、設備、記憶媒体、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010972805.8A CN112053563B (zh) | 2020-09-16 | 2020-09-16 | 可用于边缘计算平台、云控平台的事件检测方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112053563A CN112053563A (zh) | 2020-12-08 |
CN112053563B true CN112053563B (zh) | 2023-01-20 |
Family
ID=73603163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010972805.8A Active CN112053563B (zh) | 2020-09-16 | 2020-09-16 | 可用于边缘计算平台、云控平台的事件检测方法及设备 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210224553A1 (zh) |
EP (1) | EP3893221B1 (zh) |
JP (1) | JP2021180016A (zh) |
KR (1) | KR20210040320A (zh) |
CN (1) | CN112053563B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112581763A (zh) * | 2020-12-11 | 2021-03-30 | 北京百度网讯科技有限公司 | 道路事件检测的方法、装置、设备和存储介质 |
CN112729187B (zh) * | 2020-12-22 | 2023-02-17 | 阿波罗智联(北京)科技有限公司 | 用于生成车辆长度信息的方法、装置、路侧设备和云控平台 |
CN113240909B (zh) * | 2021-06-17 | 2022-11-29 | 阿波罗智联(北京)科技有限公司 | 车辆监测方法、设备、云控平台和车路协同系统 |
CN113793523B (zh) * | 2021-08-06 | 2023-01-13 | 华为技术有限公司 | 一种指挥交通的方法、装置、车载设备及车辆 |
CN114241430A (zh) * | 2021-12-22 | 2022-03-25 | 杭州海康威视系统技术有限公司 | 一种事件检测方法、装置、系统、电子设备及存储介质 |
CN114596650B (zh) * | 2022-05-11 | 2022-08-09 | 中电科创智联(武汉)有限责任公司 | 一种用于汽车紧急事件记录的系统 |
CN115223092B (zh) * | 2022-07-15 | 2023-11-14 | 广东万龙科技有限公司 | 一种大数据场景下的视频监控系统及方法 |
CN116691626B (zh) * | 2023-08-08 | 2023-10-31 | 徐州奥特润智能科技有限公司 | 基于人工智能的车辆制动系统及方法 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030080878A1 (en) * | 2001-10-30 | 2003-05-01 | Kirmuss Charles Bruno | Event-based vehicle image capture |
JP4725565B2 (ja) * | 2007-09-11 | 2011-07-13 | 住友電気工業株式会社 | 情報提供装置、情報提供システム及び情報提供方法 |
JP5895162B2 (ja) * | 2010-10-28 | 2016-03-30 | パナソニックIpマネジメント株式会社 | 交通事故検出装置及び交通事故検出方法 |
CN102164270A (zh) * | 2011-01-24 | 2011-08-24 | 浙江工业大学 | 具有异常事件发掘功能的智能视频监控方法及系统 |
CN102622886B (zh) * | 2012-03-23 | 2014-04-30 | 长安大学 | 一种基于视频的车辆违章变道事件检测方法 |
CN105809954B (zh) * | 2014-12-30 | 2018-03-16 | 清华大学 | 交通事件检测方法以及系统 |
CN107644475B (zh) * | 2016-07-21 | 2020-09-01 | 深圳零一智能科技有限公司 | 一种车辆碰撞检测的方法和装置以及obd盒子 |
CN106548142A (zh) * | 2016-11-01 | 2017-03-29 | 浙江大学 | 一种基于信息熵的视频中人群突发事件检测与评估方法 |
JP6801384B2 (ja) * | 2016-11-08 | 2020-12-16 | 住友電気工業株式会社 | 交通情報提供装置、交通情報提供プログラム、交通情報提供方法および交通情報提供システム |
WO2018106608A1 (en) * | 2016-12-05 | 2018-06-14 | Ring Inc. | Passing vehicle filters for audio/video recording and communication devices |
CN108256380A (zh) * | 2016-12-28 | 2018-07-06 | 南宁市浩发科技有限公司 | 道路交通异常自动检测方法 |
CN109278747B (zh) * | 2017-07-21 | 2021-05-07 | 鸿富锦精密电子(天津)有限公司 | 车辆监控系统及方法 |
CN107818312A (zh) * | 2017-11-20 | 2018-03-20 | 湖南远钧科技有限公司 | 一种基于异常行为识别的嵌入式系统 |
CN108230616A (zh) * | 2018-02-02 | 2018-06-29 | 辽宁友邦网络科技有限公司 | 一种危险驾驶识别警报方法及系统 |
CN110164130B (zh) * | 2019-04-29 | 2021-06-15 | 北京北大千方科技有限公司 | 交通事件检测方法、装置、设备及存储介质 |
CN111598009B (zh) * | 2020-05-19 | 2023-08-04 | 阿波罗智联(北京)科技有限公司 | 监控急刹车辆的方法、装置、电子设备和存储介质 |
CN111767851A (zh) * | 2020-06-29 | 2020-10-13 | 北京百度网讯科技有限公司 | 突发事件的监控方法、装置、电子设备和介质 |
CN111767850A (zh) * | 2020-06-29 | 2020-10-13 | 北京百度网讯科技有限公司 | 突发事件的监控方法、装置、电子设备和介质 |
-
2020
- 2020-09-16 CN CN202010972805.8A patent/CN112053563B/zh active Active
-
2021
- 2021-03-22 US US17/208,656 patent/US20210224553A1/en active Pending
- 2021-03-24 KR KR1020210038107A patent/KR20210040320A/ko not_active Application Discontinuation
- 2021-03-24 EP EP21164699.7A patent/EP3893221B1/en active Active
- 2021-07-13 JP JP2021115399A patent/JP2021180016A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
KR20210040320A (ko) | 2021-04-13 |
CN112053563A (zh) | 2020-12-08 |
JP2021180016A (ja) | 2021-11-18 |
EP3893221B1 (en) | 2024-02-07 |
EP3893221A1 (en) | 2021-10-13 |
US20210224553A1 (en) | 2021-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112053563B (zh) | 可用于边缘计算平台、云控平台的事件检测方法及设备 | |
CN111649739B (zh) | 定位方法和装置、自动驾驶车辆、电子设备和存储介质 | |
CN112572462B (zh) | 自动驾驶的控制方法、装置、电子设备及存储介质 | |
CN113741485A (zh) | 车路协同自动驾驶的控制方法、装置、电子设备及车辆 | |
CN108776481B (zh) | 一种平行驾驶控制方法 | |
CN112419722B (zh) | 交通异常事件检测方法、交通管控方法、设备和介质 | |
CN111862593B (zh) | 交通类事件的上报方法、装置、电子设备及存储介质 | |
CN111739344A (zh) | 一种预警方法、装置及电子设备 | |
CN112581763A (zh) | 道路事件检测的方法、装置、设备和存储介质 | |
CN111666891B (zh) | 用于估计障碍物运动状态的方法和装置 | |
CN111311906B (zh) | 路口距离的检测方法、装置、电子设备和存储介质 | |
EP3754449A1 (en) | Vehicle control method, related device, and computer storage medium | |
CN111703371B (zh) | 交通信息的显示方法、装置、电子设备和存储介质 | |
CN112101223A (zh) | 检测方法、装置、设备和计算机存储介质 | |
CN111540023A (zh) | 图像采集设备的监测方法、装置、电子设备及存储介质 | |
CN113844463A (zh) | 基于自动驾驶系统的车辆控制方法、装置及车辆 | |
CN111540010A (zh) | 一种道路监测的方法、装置、电子设备及存储介质 | |
CN110764509A (zh) | 任务调度方法、装置、设备及计算机可读存储介质 | |
US20210215791A1 (en) | Real-time and dynamic calibration of active sensors with angle-resolved doppler information for vehicles | |
CN115489536A (zh) | 一种驾驶辅助方法、系统、设备及可读存储介质 | |
CN111598009B (zh) | 监控急刹车辆的方法、装置、电子设备和存储介质 | |
CN111596086B (zh) | 一种自动驾驶中障碍物的速度估计方法、装置和电子设备 | |
CN111563046B (zh) | 用于生成信息的方法和装置 | |
CN111611902B (zh) | 车辆违章检测方法、装置、设备以及存储介质 | |
CN112802347B (zh) | 通过交通路口车辆的行驶速度确定方法、装置和设备 |
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 |
Effective date of registration: 20211019 Address after: 100176 Room 101, 1st floor, 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, 10 Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |