CN112053571A - 一种高速公路车辆轨迹跟踪方法及跟踪系统 - Google Patents
一种高速公路车辆轨迹跟踪方法及跟踪系统 Download PDFInfo
- Publication number
- CN112053571A CN112053571A CN202010865410.8A CN202010865410A CN112053571A CN 112053571 A CN112053571 A CN 112053571A CN 202010865410 A CN202010865410 A CN 202010865410A CN 112053571 A CN112053571 A CN 112053571A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- route
- module
- speed
- image
- 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
-
- 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
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- 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
-
- 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
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
- G06V10/30—Noise filtering
-
- 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
- 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
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明属于辅助驾驶技术领域,公开了一种高速公路车辆轨迹跟踪方法及跟踪系统,包括:高速路线获取模块、车辆位置确定模块、图像采集模块、中央控制模块、图像分析模块、测速模型构建模块、车速测定模块、高速路线分析模块、路线重叠恢复模块、轨迹更新模块、运营管理模块以及显示模块。本发明通过对构建的测速模型实现对车辆某一时间点的车速的测定以及对该区间的平均车速的测定,能够实现对车辆驾驶的综合评定;通过对高速公路线路图的分析,得到高速公路的多个区间,进行驾驶的评价更方便,能够减少路线遗漏,轨迹跟踪更准确。本发明的系统结构简单,实现功能多样,能够实现对高速公路车辆轨迹的准确且方便的获取。
Description
技术领域
本发明属于辅助驾驶技术领域,尤其涉及一种高速公路车辆轨迹跟踪方法及跟踪系统。
背景技术
目前:无人驾驶车辆是通过车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标的智能车辆。它是利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。集自动控制、体系结构、人工智能、视觉计算等众多技术于一体,是计算机科学、模式识别和智能控制技术高度发展的产物,也是衡量一个国家科研实力和工业水平的一个重要标志,在国防和国民经济领域具有广阔的应用前景。
路径跟踪控制是无人驾驶车研究的关键技术之一,目前路径跟踪问题的提法有很多,它们有一个共同点:控制目的是使被控对象能精确地沿着期望的几何路径行走。可将无人驾驶车的路径跟踪问题描述为:在一定的体系结构下,能够精确跟踪传感器给出的道路信息,或在无道路信息下跟踪虚拟的期望路径的控制策略的研究。国内外在路径跟踪控制方面已经做了大量研究,目前面临的主要问题是:由于驾驶员驾驶特性的非线性、时变性等特征以及车辆的动力学特性,这样得到的车辆模型对输入信号的响应与真实车辆的实际响应相比会有差距。
通过上述分析,现有技术存在的问题及缺陷为:现有的路径跟踪系统的功能单一,无法对驾驶进行综合评价,并且进行路径跟踪的准确性较差。同时现有的高速管理系统并无路径跟踪功能,路径跟踪方法与高速管理无法结合,现有的高速管理技术也不能基于车辆的轨迹以及相应信息进行养护判断以及超速预警。
发明内容
针对现有技术存在的问题,本发明提供了一种高速公路车辆轨迹跟踪方法及跟踪系统。
本发明是这样实现的,一种高速公路车辆轨迹跟踪方法,所述高速公路车辆轨迹跟踪方法包括以下步骤:
步骤一,通过高速路线获取模块利用高速路线获取程序从数据库中获取高速路线图;
所述通过高速路线获取模块利用高速路线获取程序从数据库中获取高速路线图,包括:
响应于检测到应用准备针对至少一个数据提取规则来查询数据库,而访问包括与新添加到数据库的数据相关的信息的高速缓冲存储器;相对于高速缓冲存储器中的信息来评估至少一个数据提取规则中的每一个,以确定该信息是否与至少一个数据提取规则相关;响应于从至少一个数据提取规则中检测到与该信息相关的至少一个特定数据提取规则,通过应用仅向数据库发送针对所述至少一个特定数据提取规则的查询,获取高速路线图;
步骤二,通过车辆位置确定模块利用车辆定位程序连接车内定位装置对车辆的位置进行确定;通过图像采集模块利用图像采集程序对行驶中的车辆图像进行多次采集;
步骤三,通过图像分析模块利用图像分析程序通过对不同时刻采集的图像进行分析,得到车辆在图像拍摄时的通过速度;
所述通过图像分析模块利用图像分析程序通过对不同时刻采集的图像进行分析,得到车辆在图像拍摄时的通过速度,包括以下步骤:
(3.1)对采集到的灰度值图像进行滤波处理,平滑修正边缘,减小运动目标和背景的抖动,得到锐化后的灰度图像;
(3.2)对锐化后的灰度图像用Sobel算子提取图像的边缘信息;对边缘图像进行凹型模板滤波处理去除噪音得到处理过的边缘系数图像;对边缘系数图像做差分处理将图像中灰度变化大的点突出来;
(3.3)将图像按初始设定的阈值进行二值化处理,达到边缘的精确定位;利用边缘检测对原始图像进行更新,然后将更新的图像做二值化处理;
(3.4)二值化后提取图像做数学形态学的优化,清晰检测图像边缘,将与检测目标连通的背景点合并到目标图像中;
(3.5)采用占空比来对机动车进行分割识别,对运动车辆进行跟踪,得到车辆在图像拍摄时的通过速度;
步骤四,通过测速模型构建模块利用测速模型构建程序构建车辆测速模型;通过车速测定模块利用车速测的程序依照构建的测速模型进行车辆车速测定,得到车辆通过时的瞬时车速以及行驶中的平均车速;
所述通过测速模型构建模块利用测速模型构建程序构建车辆测速模型,具体包括:
(4.1)将车辆运动速度V的测量问题转化为序列图像匹配位置的搜索问题;
(4.2)依次从特征提取、相似性度量、搜索空间和搜索策略4个方面对序列图像匹配方法进行分析,并设计序列图像匹配算法;
(4.3)将测定的某一位点的车辆车速与车辆平均车速进行结合分析;
(4.4)依照匹配算法结合分析结果,得到车辆测速模型;
步骤五,通过高速路线分析模块利用高速路线分析程序进行多条高速路线的分析,得到高速路线交汇点;
步骤六,通过路线重叠恢复模块利用路线重叠恢复程序依照高速路线交汇点沿高速路线进行延伸,得到上层路线与下层路线的重叠部分,对被遮挡的下层路线进行恢复;
步骤七,通过轨迹更新模块利用轨迹更新程序按照预先设定的更新频率进行车辆轨迹更新;通过运营管理模块基于获取的信息进行高速公路的运营管理;通过显示模块利用显示器进行更新后的车辆轨迹的更新。
进一步,步骤(4.3)中,所述依照匹配算法结合分析结果,得到车辆测速模型,具体为:
假定车辆在路面上做刚体运动,成像设备安装在车辆左侧靠近后轮位置处;相机坐标系以成像设备瞬时成像点为原点,X轴与车辆瞬时运动方向相同,Z轴向下,始终与地面垂直;成像设备采集地面的瞬时图像信息,相邻两帧序列图像的成像间隔恒定不变;
假设p为地面上某点,点O和O’是相邻两帧图像的成像点,A’和B’分别是从成像点O和O’处拍摄的相邻帧图像,相邻帧图像之间拥有共同的地面成像区域,即点p在A’和B’中均有像点;对成像设备进行标定,再结合成像设备的内外参数,可以确定成像设备透镜放大倍率β,得到车辆测速模型。
进一步,步骤五中,所述通过高速路线分析模块利用高速路线分析程序进行多条高速路线的分析,得到高速路线交汇点,具体为:
找到一高速入口,沿着高速线进行顺向行驶,与另一高速路的重合区域可视为一个交汇点。
进一步,步骤六中,所述通过路线重叠恢复模块利用路线重叠恢复程序依照高速路线交汇点沿高速路线进行延伸,得到上层路线与下层路线的重叠部分,包括:
当第一路线与第二路线在路线图上完全重合,或者,当第一路线为第二路线的子集时,确定第一线路重合于第二线路。
进一步,步骤六中,所述通过路线重叠恢复模块利用路线重叠恢复程序依照高速路线交汇点沿高速路线进行延伸,得到上层路线与下层路线的重叠部分,还包括:
(1)侦测汽车是否由匝道口进入高架道路;
(2)当侦测到汽车由匝道口进入高架道路时,判断在预定时间内所接收到的GPS信号是否持续处于衰减状态;
(3)若在预定时间内GPS信号持续处于衰减状态,则确定汽车在高架道路下即地面上行驶;
(4)由导航装置取得当前状态下的定位信息为汽车在高架道路下的地面道路上。
进一步,步骤六中,所述对被遮挡的下层路线进行恢复,具体为:
将上层路线与下层路线的重叠部分进行确定,在路线图上进行加深标注,注明重叠部分为两层重叠或是多层重叠。
本发明的另一目的在于提供一种实施所述高速公路车辆轨迹跟踪方法的高速公路车辆轨迹跟踪系统,所述高速公路车辆轨迹跟踪系统包括:
高速路线获取模块、车辆位置确定模块、图像采集模块、中央控制模块、图像分析模块、测速模型构建模块、车速测定模块、高速路线分析模块、路线重叠恢复模块、轨迹更新模块、运营管理模块以及显示模块;
高速路线获取模块,与中央控制模块连接,用于通过高速路线获取程序从数据库中获取高速路线图;
车辆位置确定模块,与中央控制模块连接,用于通过车辆定位程序连接车内定位装置对车辆的位置进行确定;
图像采集模块,与中央控制模块连接,用于通过图像采集程序对行驶中的车辆图像进行多次采集;
中央控制模块,与高速路线获取模块、车辆位置确定模块、图像采集模块、图像分析模块、测速模型构建模块、车速测定模块、高速路线分析模块、路线重叠恢复模块、轨迹更新模块、运营管理模块以及显示模块连接,用于通过主控机控制各个模块正常运行;
图像分析模块,与中央控制模块进行连接,用于通过图像分析程序通过对不同时刻采集的图像进行分析,得到车辆在图像拍摄时的通过速度;
测速模型构建模块,与中央控制模块连接,用于通过测速模型构建程序构建车辆测速模型;
车速测定模块,与中央控制模块连接,用于通过车速测的程序依照构建的测速模型进行车辆车速测定,得到车辆通过时的瞬时车速以及行驶中的平均车速;
高速路线分析模块,与中央控制模块连接,用于通过高速路线分析程序进行多条高速路线的分析,得到高速路线交汇点;
路线重叠恢复模块,与中央控制模块连接,用于通过路线重叠恢复程序依照高速路线交汇点沿高速路线进行延伸,得到上层路线与下层路线的重叠部分,对被遮挡的下层路线进行恢复;
轨迹更新模块,与中央控制模块连接,用于通过轨迹更新程序按照预先设定的更新频率进行车辆轨迹更新;
运营管理模块,与中央控制模块连接,包括收费管理单元、养护管理单元、超速标记单元以及超速提醒单元,用于基于获取的信息进行高速公路的运营管理;
显示模块,与中央控制模块连接,用于通过显示器进行更新后的车辆轨迹的更新。
进一步,所述运营管理模块包括:
收费管理单元,用于基于获取的车辆轨迹数据进行高速路费计算,并提供第三方支付接口;
养护管理单元,用于基于获取的图像信息、路线分析结果以及车辆轨迹判断高速公路是否需要养护管理,并确定养护管理位置;
超速标记单元,用于基于获取的车辆速度数据结合高速公路路段信息判断车辆是否超速,若车辆超速,则对车辆信息以及相关超速时段信息进行记载,并汇总;
超速提醒单元,用于当车辆超速时,利用语音或其他方式进行提醒。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施所述高速公路车辆轨迹跟踪方法。
本发明的另一目的在于提供一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行所述高速公路车辆轨迹跟踪方法。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明通过对构建的测速模型实现对车辆某一时间点的车速的测定以及对该区间的平均车速的测定,能够实现对车辆驾驶的综合评定;通过对高速公路线路图的分析,得到高速公路的多个区间,进行驾驶的评价更方便,能够减少路线遗漏,轨迹跟踪更准确。本发明的系统结构简单,实现功能多样,能够实现对高速公路车辆轨迹的准确且方便的获取。
本发明能够根据驶向车辆速度是否超速进行测速辨识,对于超速车辆进行减速提醒并标记,同时将轨迹跟踪与公路养护管理相结合能够基于轨迹自动计算路费,并基于相关信息进行养护判断;提高了公路养护管理的自动化、智能化。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,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是本发明实施例提供的高速公路车辆轨迹跟踪方法的流程图。
图2是本发明实施例提供的高速公路车辆轨迹跟踪系统的结构框图。
图3是本发明实施例提供的通过图像分析模块利用图像分析程序通过对不同时刻采集的图像进行分析,得到车辆在图像拍摄时的通过速度的流程图。
图4是本发明实施例提供的通过测速模型构建模块利用测速模型构建程序构建车辆测速模型的流程图。
图5是本发明实施例提供的通过路线重叠恢复模块利用路线重叠恢复程序依照高速路线交汇点沿高速路线进行延伸,得到上层路线与下层路线的重叠部分的流程图。
图2中:1、高速路线获取模块;2、车辆位置确定模块;3、图像采集模块;4、中央控制模块;5、图像分析模块;6、测速模型构建模块;7、车速测定模块;8、高速路线分析模块;9、路线重叠恢复模块;10、轨迹更新模块;11、运营管理模块;12、显示模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种高速公路车辆轨迹跟踪方法及跟踪系统,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的高速公路车辆轨迹跟踪方法包括以下步骤:
S101,通过高速路线获取模块利用高速路线获取程序从数据库中获取高速路线图;
S102,通过车辆位置确定模块利用车辆定位程序连接车内定位装置对车辆的位置进行确定;
S103,通过图像采集模块利用图像采集程序对行驶中的车辆图像进行多次采集;通过图像分析模块利用图像分析程序通过对不同时刻采集的图像进行分析,得到车辆在图像拍摄时的通过速度;
S104,通过测速模型构建模块利用测速模型构建程序构建车辆测速模型;通过车速测定模块利用车速测的程序依照构建的测速模型进行车辆车速测定,得到车辆通过时的瞬时车速以及行驶中的平均车速;
S105,通过高速路线分析模块利用高速路线分析程序进行多条高速路线的分析,得到高速路线交汇点;
S106,通过路线重叠恢复模块利用路线重叠恢复程序依照高速路线交汇点沿高速路线进行延伸,得到上层路线与下层路线的重叠部分,对被遮挡的下层路线进行恢复;
S107,通过轨迹更新模块利用轨迹更新程序按照预先设定的更新频率进行车辆轨迹更新;通过运营管理模块基于获取的信息进行高速公路的运营管理;通过显示模块利用显示器进行更新后的车辆轨迹的更新。
如图2所示,本发明实施例提供的高速公路车辆轨迹跟踪系统包括:
高速路线获取模块1、车辆位置确定模块2、图像采集模块3、中央控制模块4、图像分析模块5、测速模型构建模块6、车速测定模块7、高速路线分析模块8、路线重叠恢复模块9、轨迹更新模块10、运营管理模块11以及显示模块12;
高速路线获取模块1,与中央控制模块4连接,用于通过高速路线获取程序从数据库中获取高速路线图;
车辆位置确定模块2,与中央控制模块4连接,用于通过车辆定位程序连接车内定位装置对车辆的位置进行确定;
图像采集模块3,与中央控制模块4连接,用于通过图像采集程序对行驶中的车辆图像进行多次采集;
中央控制模块4,与高速路线获取模块1、车辆位置确定模块2、图像采集模块3、图像分析模块5、测速模型构建模块6、车速测定模块7、高速路线分析模块8、路线重叠恢复模块9、轨迹更新模块10、运营管理模块11以及显示模块12连接,用于通过主控机控制各个模块正常运行;
图像分析模块5,与中央控制模块4进行连接,用于通过图像分析程序通过对不同时刻采集的图像进行分析,得到车辆在图像拍摄时的通过速度;
测速模型构建模块6,与中央控制模块4连接,用于通过测速模型构建程序构建车辆测速模型;
车速测定模块7,与中央控制模块4连接,用于通过车速测的程序依照构建的测速模型进行车辆车速测定,得到车辆通过时的瞬时车速以及行驶中的平均车速;
高速路线分析模块8,与中央控制模块4连接,用于通过高速路线分析程序进行多条高速路线的分析,得到高速路线交汇点;
路线重叠恢复模块9,与中央控制模块4连接,用于通过路线重叠恢复程序依照高速路线交汇点沿高速路线进行延伸,得到上层路线与下层路线的重叠部分,对被遮挡的下层路线进行恢复;
轨迹更新模块10,与中央控制模块4连接,用于通过轨迹更新程序按照预先设定的更新频率进行车辆轨迹更新;
运营管理模块11,与中央控制模块4连接,包括收费管理单元、养护管理单元、超速标记单元以及超速提醒单元,用于基于获取的信息进行高速公路的运营管理;
显示模块12,与中央控制模块4连接,用于通过显示器进行更新后的车辆轨迹的更新。
本发明实施例提供的运营管理模块11包括:
收费管理单元,用于基于获取的车辆轨迹数据进行高速路费计算,并提供第三方支付接口;
养护管理单元,用于基于获取的图像信息、路线分析结果以及车辆轨迹判断高速公路是否需要养护管理,并确定养护管理位置;
超速标记单元,用于基于获取的车辆速度数据结合高速公路路段信息判断车辆是否超速,若车辆超速,则对车辆信息以及相关超速时段信息进行记载,并汇总;
超速提醒单元,用于当车辆超速时,利用语音或其他方式进行提醒。
下面结合具体实施例对本发明的技术方案作进一步说明。
实施例1
本发明实施例提供的高速公路车辆轨迹跟踪方法如图1所示,作为优选实施例,本发明实施例提供的通过高速路线获取模块利用高速路线获取程序从数据库中获取高速路线图,包括:
响应于检测到应用准备针对至少一个数据提取规则来查询数据库,而访问包括与新添加到数据库的数据相关的信息的高速缓冲存储器;相对于高速缓冲存储器中的信息来评估至少一个数据提取规则中的每一个,以确定该信息是否与至少一个数据提取规则相关;响应于从至少一个数据提取规则中检测到与该信息相关的至少一个特定数据提取规则,通过应用仅向数据库发送针对所述至少一个特定数据提取规则的查询,获取高速路线图。
实施例2:
本发明实施例提供的高速公路车辆轨迹跟踪方法如图1所示,作为优选实施例,如图3所示,步骤S103中,本发明实施例提供的通过图像分析模块利用图像分析程序通过对不同时刻采集的图像进行分析,得到车辆在图像拍摄时的通过速度,包括以下步骤:
S201,对采集到的灰度值图像进行滤波处理,平滑修正边缘,减小运动目标和背景的抖动,得到锐化后的灰度图像;
S202,对锐化后的灰度图像用Sobel算子提取图像的边缘信息;对边缘图像进行凹型模板滤波处理去除噪音得到处理过的边缘系数图像;对边缘系数图像做差分处理将图像中灰度变化大的点突出来;
S203,将图像按初始设定的阈值进行二值化处理,达到边缘的精确定位;利用边缘检测对原始图像进行更新,然后将更新的图像做二值化处理;
S204,二值化后提取图像做数学形态学的优化,清晰检测图像边缘,将与检测目标连通的背景点合并到目标图像中;
S205,采用占空比来对机动车进行分割识别,对运动车辆进行跟踪,得到车辆在图像拍摄时的通过速度。
实施例3:
本发明实施例提供的高速公路车辆轨迹跟踪方法如图1所示,作为优选实施例,如图4所示,步骤S104中,本发明实施例提供的通过测速模型构建模块利用测速模型构建程序构建车辆测速模型,具体包括:
S301,将车辆运动速度V的测量问题转化为序列图像匹配位置的搜索问题;
S302,依次从特征提取、相似性度量、搜索空间和搜索策略4个方面对序列图像匹配方法进行分析,并设计序列图像匹配算法;
S303,将测定的某一位点的车辆车速与车辆平均车速进行结合分析;
S304,依照匹配算法结合分析结果,得到车辆测速模型。
步骤S304中,本发明实施例提供的依照匹配算法结合分析结果,得到车辆测速模型,具体为:
假定车辆在路面上做刚体运动,成像设备安装在车辆左侧靠近后轮位置处;相机坐标系以成像设备瞬时成像点为原点,X轴与车辆瞬时运动方向相同,Z轴向下,始终与地面垂直;成像设备采集地面的瞬时图像信息,相邻两帧序列图像的成像间隔恒定不变;
假设p为地面上某点,点O和O’是相邻两帧图像的成像点,A’和B’分别是从成像点O和O’处拍摄的相邻帧图像,相邻帧图像之间拥有共同的地面成像区域,即点p在A’和B’中均有像点;对成像设备进行标定,再结合成像设备的内外参数,可以确定成像设备透镜放大倍率β,得到车辆测速模型。
实施例4:
本发明实施例提供的高速公路车辆轨迹跟踪方法如图1所示,作为优选实施例,步骤S105中,本发明实施例提供的通过高速路线分析模块利用高速路线分析程序进行多条高速路线的分析,得到高速路线交汇点,具体为:
找到一高速入口,沿着高速线进行顺向行驶,与另一高速路的重合区域可视为一个交汇点。
实施例5:
本发明实施例提供的高速公路车辆轨迹跟踪方法如图1所示,作为优选实施例,步骤S106中,本发明实施例提供的通过路线重叠恢复模块利用路线重叠恢复程序依照高速路线交汇点沿高速路线进行延伸,得到上层路线与下层路线的重叠部分,包括:
当第一路线与第二路线在路线图上完全重合,或者,当第一路线为第二路线的子集时,确定第一线路重合于第二线路。
如图5所示,步骤S106中,本发明实施例提供的通过路线重叠恢复模块利用路线重叠恢复程序依照高速路线交汇点沿高速路线进行延伸,得到上层路线与下层路线的重叠部分,还包括:
S401,侦测汽车是否由匝道口进入高架道路;
S402,当侦测到汽车由匝道口进入高架道路时,判断在预定时间内所接收到的GPS信号是否持续处于衰减状态;
S403,若在预定时间内GPS信号持续处于衰减状态,则确定汽车在高架道路下即地面上行驶;
S404,由导航装置取得当前状态下的定位信息为汽车在高架道路下的地面道路上。
实施例6:
本发明实施例提供的高速公路车辆轨迹跟踪方法如图1所示,作为优选实施例,步骤S106中,本发明实施例提供的对被遮挡的下层路线进行恢复,具体为:
将上层路线与下层路线的重叠部分进行确定,在路线图上进行加深标注,注明重叠部分为两层重叠或是多层重叠。
以上所述,仅为本发明较优的具体的实施方式,但本发明的保护范围并不局限于此,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,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种高速公路车辆轨迹跟踪方法,其特征在于,所述高速公路车辆轨迹跟踪方法包括以下步骤:
步骤一,通过高速路线获取模块利用高速路线获取程序从数据库中获取高速路线图;
所述通过高速路线获取模块利用高速路线获取程序从数据库中获取高速路线图,包括:
响应于检测到应用准备针对至少一个数据提取规则来查询数据库,而访问包括与新添加到数据库的数据相关的信息的高速缓冲存储器;相对于高速缓冲存储器中的信息来评估至少一个数据提取规则中的每一个,以确定该信息是否与至少一个数据提取规则相关;响应于从至少一个数据提取规则中检测到与该信息相关的至少一个特定数据提取规则,通过应用仅向数据库发送针对所述至少一个特定数据提取规则的查询,获取高速路线图;
步骤二,通过车辆位置确定模块利用车辆定位程序连接车内定位装置对车辆的位置进行确定;通过图像采集模块利用图像采集程序对行驶中的车辆图像进行多次采集;
步骤三,通过图像分析模块利用图像分析程序通过对不同时刻采集的图像进行分析,得到车辆在图像拍摄时的通过速度;
所述通过图像分析模块利用图像分析程序通过对不同时刻采集的图像进行分析,得到车辆在图像拍摄时的通过速度,包括以下步骤:
(3.1)对采集到的灰度值图像进行滤波处理,平滑修正边缘,减小运动目标和背景的抖动,得到锐化后的灰度图像;
(3.2)对锐化后的灰度图像用Sobel算子提取图像的边缘信息;对边缘图像进行凹型模板滤波处理去除噪音得到处理过的边缘系数图像;对边缘系数图像做差分处理将图像中灰度变化大的点突出来;
(3.3)将图像按初始设定的阈值进行二值化处理,达到边缘的精确定位;利用边缘检测对原始图像进行更新,然后将更新的图像做二值化处理;
(3.4)二值化后提取图像做数学形态学的优化,清晰检测图像边缘,将与检测目标连通的背景点合并到目标图像中;
(3.5)采用占空比来对机动车进行分割识别,对运动车辆进行跟踪,得到车辆在图像拍摄时的通过速度;
步骤四,通过测速模型构建模块利用测速模型构建程序构建车辆测速模型;通过车速测定模块利用车速测的程序依照构建的测速模型进行车辆车速测定,得到车辆通过时的瞬时车速以及行驶中的平均车速;
所述通过测速模型构建模块利用测速模型构建程序构建车辆测速模型,具体包括:
(4.1)将车辆运动速度V的测量问题转化为序列图像匹配位置的搜索问题;
(4.2)依次从特征提取、相似性度量、搜索空间和搜索策略4个方面对序列图像匹配方法进行分析,并设计序列图像匹配算法;
(4.3)将测定的某一位点的车辆车速与车辆平均车速进行结合分析;
(4.4)依照匹配算法结合分析结果,得到车辆测速模型;
步骤五,通过高速路线分析模块利用高速路线分析程序进行多条高速路线的分析,得到高速路线交汇点;
步骤六,通过路线重叠恢复模块利用路线重叠恢复程序依照高速路线交汇点沿高速路线进行延伸,得到上层路线与下层路线的重叠部分,对被遮挡的下层路线进行恢复;
步骤七,通过轨迹更新模块利用轨迹更新程序按照预先设定的更新频率进行车辆轨迹更新;通过运营管理模块基于获取的信息进行高速公路的运营管理;通过显示模块利用显示器进行更新后的车辆轨迹的更新。
2.如权利要求1所述高速公路车辆轨迹跟踪方法,其特征在于,步骤(4.3)中,所述依照匹配算法结合分析结果,得到车辆测速模型,具体为:
假定车辆在路面上做刚体运动,成像设备安装在车辆左侧靠近后轮位置处;相机坐标系以成像设备瞬时成像点为原点,X轴与车辆瞬时运动方向相同,Z轴向下,始终与地面垂直;成像设备采集地面的瞬时图像信息,相邻两帧序列图像的成像间隔恒定不变;
假设p为地面上某点,点O和O’是相邻两帧图像的成像点,A’和B’分别是从成像点O和O’处拍摄的相邻帧图像,相邻帧图像之间拥有共同的地面成像区域,即点p在A’和B’中均有像点;对成像设备进行标定,再结合成像设备的内外参数,可以确定成像设备透镜放大倍率β,得到车辆测速模型。
3.如权利要求1所述高速公路车辆轨迹跟踪方法,其特征在于,步骤五中,所述通过高速路线分析模块利用高速路线分析程序进行多条高速路线的分析,得到高速路线交汇点,具体为:
找到一高速入口,沿着高速线进行顺向行驶,与另一高速路的重合区域可视为一个交汇点。
4.如权利要求1所述高速公路车辆轨迹跟踪方法,其特征在于,步骤六中,所述通过路线重叠恢复模块利用路线重叠恢复程序依照高速路线交汇点沿高速路线进行延伸,得到上层路线与下层路线的重叠部分,包括:
当第一路线与第二路线在路线图上完全重合,或者,当第一路线为第二路线的子集时,确定第一线路重合于第二线路。
5.如权利要求1所述高速公路车辆轨迹跟踪方法,其特征在于,步骤六中,所述通过路线重叠恢复模块利用路线重叠恢复程序依照高速路线交汇点沿高速路线进行延伸,得到上层路线与下层路线的重叠部分,还包括:
(1)侦测汽车是否由匝道口进入高架道路;
(2)当侦测到汽车由匝道口进入高架道路时,判断在预定时间内所接收到的GPS信号是否持续处于衰减状态;
(3)若在预定时间内GPS信号持续处于衰减状态,则确定汽车在高架道路下即地面上行驶;
(4)由导航装置取得当前状态下的定位信息为汽车在高架道路下的地面道路上。
6.如权利要求1所述高速公路车辆轨迹跟踪方法,其特征在于,步骤六中,所述对被遮挡的下层路线进行恢复,具体为:
将上层路线与下层路线的重叠部分进行确定,在路线图上进行加深标注,注明重叠部分为两层重叠或是多层重叠。
7.一种实施如权利要求1-6所述高速公路车辆轨迹跟踪方法的高速公路车辆轨迹跟踪系统,其特征在于,所述高速公路车辆轨迹跟踪系统包括:
高速路线获取模块、车辆位置确定模块、图像采集模块、中央控制模块、图像分析模块、测速模型构建模块、车速测定模块、高速路线分析模块、路线重叠恢复模块、轨迹更新模块、运营管理模块以及显示模块;
高速路线获取模块,与中央控制模块连接,用于通过高速路线获取程序从数据库中获取高速路线图;
车辆位置确定模块,与中央控制模块连接,用于通过车辆定位程序连接车内定位装置对车辆的位置进行确定;
图像采集模块,与中央控制模块连接,用于通过图像采集程序对行驶中的车辆图像进行多次采集;
中央控制模块,与高速路线获取模块、车辆位置确定模块、图像采集模块、图像分析模块、测速模型构建模块、车速测定模块、高速路线分析模块、路线重叠恢复模块、轨迹更新模块、运营管理模块以及显示模块连接,用于通过主控机控制各个模块正常运行;
图像分析模块,与中央控制模块进行连接,用于通过图像分析程序通过对不同时刻采集的图像进行分析,得到车辆在图像拍摄时的通过速度;
测速模型构建模块,与中央控制模块连接,用于通过测速模型构建程序构建车辆测速模型;
车速测定模块,与中央控制模块连接,用于通过车速测的程序依照构建的测速模型进行车辆车速测定,得到车辆通过时的瞬时车速以及行驶中的平均车速;
高速路线分析模块,与中央控制模块连接,用于通过高速路线分析程序进行多条高速路线的分析,得到高速路线交汇点;
路线重叠恢复模块,与中央控制模块连接,用于通过路线重叠恢复程序依照高速路线交汇点沿高速路线进行延伸,得到上层路线与下层路线的重叠部分,对被遮挡的下层路线进行恢复;
轨迹更新模块,与中央控制模块连接,用于通过轨迹更新程序按照预先设定的更新频率进行车辆轨迹更新;
运营管理模块,与中央控制模块连接,包括收费管理单元、养护管理单元、超速标记单元以及超速提醒单元,用于基于获取的信息进行高速公路的运营管理;
显示模块,与中央控制模块连接,用于通过显示器进行更新后的车辆轨迹的更新。
8.如权利要求7所述高速公路车辆轨迹跟踪系统,其特征在于,所述运营管理模块包括:
收费管理单元,用于基于获取的车辆轨迹数据进行高速路费计算,并提供第三方支付接口;
养护管理单元,用于基于获取的图像信息、路线分析结果以及车辆轨迹判断高速公路是否需要养护管理,并确定养护管理位置;
超速标记单元,用于基于获取的车辆速度数据结合高速公路路段信息判断车辆是否超速,若车辆超速,则对车辆信息以及相关超速时段信息进行记载,并汇总;
超速提醒单元,用于当车辆超速时,利用语音或其他方式进行提醒。
9.一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施如权利要求1-6任意一项所述高速公路车辆轨迹跟踪方法。
10.一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1-6任意一项所述高速公路车辆轨迹跟踪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010865410.8A CN112053571A (zh) | 2020-08-25 | 2020-08-25 | 一种高速公路车辆轨迹跟踪方法及跟踪系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010865410.8A CN112053571A (zh) | 2020-08-25 | 2020-08-25 | 一种高速公路车辆轨迹跟踪方法及跟踪系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112053571A true CN112053571A (zh) | 2020-12-08 |
Family
ID=73599808
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010865410.8A Pending CN112053571A (zh) | 2020-08-25 | 2020-08-25 | 一种高速公路车辆轨迹跟踪方法及跟踪系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112053571A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112927117A (zh) * | 2021-03-22 | 2021-06-08 | 上海京知信息科技有限公司 | 基于区块链的车辆管理通信方法、管理系统、设备及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102401660A (zh) * | 2010-09-17 | 2012-04-04 | 环达电脑(上海)有限公司 | 高架道路的定位方法 |
CN104063882A (zh) * | 2014-06-27 | 2014-09-24 | 四川大学 | 一种基于双目的车辆视频测速方法 |
CN106408678A (zh) * | 2016-08-24 | 2017-02-15 | 南京感动科技有限公司 | 一种公路养护巡查系统及其方法 |
CN106643772A (zh) * | 2016-12-30 | 2017-05-10 | 奇酷互联网络科技(深圳)有限公司 | 导航路径规划方法、装置以及导航终端 |
CN108470352A (zh) * | 2017-02-23 | 2018-08-31 | 南宁市富久信息技术有限公司 | 车载自主测速方法 |
KR101914103B1 (ko) * | 2017-12-08 | 2018-11-01 | 렉스젠(주) | 차로 자동 생성 장치 및 그 방법 |
CN109145065A (zh) * | 2017-06-19 | 2019-01-04 | 北京嘀嘀无限科技发展有限公司 | 车辆行驶轨迹的展示方法及装置、计算机可读存储介质 |
CN110780674A (zh) * | 2019-12-04 | 2020-02-11 | 哈尔滨理工大学 | 一种提高自动驾驶轨迹跟踪控制的方法 |
-
2020
- 2020-08-25 CN CN202010865410.8A patent/CN112053571A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102401660A (zh) * | 2010-09-17 | 2012-04-04 | 环达电脑(上海)有限公司 | 高架道路的定位方法 |
CN104063882A (zh) * | 2014-06-27 | 2014-09-24 | 四川大学 | 一种基于双目的车辆视频测速方法 |
CN106408678A (zh) * | 2016-08-24 | 2017-02-15 | 南京感动科技有限公司 | 一种公路养护巡查系统及其方法 |
CN106643772A (zh) * | 2016-12-30 | 2017-05-10 | 奇酷互联网络科技(深圳)有限公司 | 导航路径规划方法、装置以及导航终端 |
CN108470352A (zh) * | 2017-02-23 | 2018-08-31 | 南宁市富久信息技术有限公司 | 车载自主测速方法 |
CN109145065A (zh) * | 2017-06-19 | 2019-01-04 | 北京嘀嘀无限科技发展有限公司 | 车辆行驶轨迹的展示方法及装置、计算机可读存储介质 |
KR101914103B1 (ko) * | 2017-12-08 | 2018-11-01 | 렉스젠(주) | 차로 자동 생성 장치 및 그 방법 |
CN110780674A (zh) * | 2019-12-04 | 2020-02-11 | 哈尔滨理工大学 | 一种提高自动驾驶轨迹跟踪控制的方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112927117A (zh) * | 2021-03-22 | 2021-06-08 | 上海京知信息科技有限公司 | 基于区块链的车辆管理通信方法、管理系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111551958B (zh) | 一种面向矿区无人驾驶的高精地图制作方法 | |
CN102208012B (zh) | 风景匹配参考数据生成系统及位置测量系统 | |
CN109284348B (zh) | 一种电子地图的更新方法、装置、设备和存储介质 | |
CN102208035B (zh) | 图像处理系统及位置测量系统 | |
CN102208013B (zh) | 风景匹配参考数据生成系统和位置测量系统 | |
CN104296756B (zh) | 运行机动车的方法和机动车 | |
CN106184220B (zh) | 一种基于车辆定位轨迹的车道内异常驾驶检测方法 | |
CN105718710A (zh) | 一种驾驶行为分析方法及设备 | |
CN107909012B (zh) | 一种基于视差图的实时车辆跟踪检测方法与装置 | |
CN104724121B (zh) | 用于识别车辆的行驶领域的装置和方法 | |
CN112053559A (zh) | 一种高速公路安全态势评估方法及评估系统 | |
Zinoune et al. | Detection of missing roundabouts in maps for driving assistance systems | |
Avşar et al. | Moving vehicle detection and tracking at roundabouts using deep learning with trajectory union | |
CN112053571A (zh) | 一种高速公路车辆轨迹跟踪方法及跟踪系统 | |
CN113532418A (zh) | 一种停车场地图单车采集方法 | |
KR20210077043A (ko) | 주행 차로 판단 장치 및 그의 주행 차로 판단 방법 | |
CN114896820A (zh) | 基于虚拟场景的汽车列车行驶通过性及性能分析预测方法 | |
CN117859041A (zh) | 用于在泊车空间中支持车辆功能的方法和辅助装置和机动车 | |
CN114684197A (zh) | 避障场景的检测方法、装置、设备及存储介质 | |
CN114895274A (zh) | 一种护栏识别方法 | |
CN114510037A (zh) | 一种基于无人驾驶的路况智能分析方法及系统 | |
CN113762030A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
Kreibich et al. | Lane-level matching algorithm based on GNSS, IMU and map data | |
Choi et al. | Vehicle localization using road marking image matching (iccas 2018) | |
CN115985109B (zh) | 一种无人驾驶矿车环境感知方法和系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201208 |