CN112232285A - 一种高速公路急车道巡检的无人机系统 - Google Patents

一种高速公路急车道巡检的无人机系统 Download PDF

Info

Publication number
CN112232285A
CN112232285A CN202011226246.2A CN202011226246A CN112232285A CN 112232285 A CN112232285 A CN 112232285A CN 202011226246 A CN202011226246 A CN 202011226246A CN 112232285 A CN112232285 A CN 112232285A
Authority
CN
China
Prior art keywords
lane
lane line
image
pixel
module
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
Application number
CN202011226246.2A
Other languages
English (en)
Inventor
金国强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Dianchen Aviation Technology Co ltd
Original Assignee
Zhejiang Dianchen Aviation Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Dianchen Aviation Technology Co ltd filed Critical Zhejiang Dianchen Aviation Technology Co ltd
Priority to CN202011226246.2A priority Critical patent/CN112232285A/zh
Publication of CN112232285A publication Critical patent/CN112232285A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/182—Network patterns, e.g. roads or rivers
    • 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
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • 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)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种用于高速公路急车道巡检的无人机系统，包括无人机和地面站台，所述无人机设有视频采集模块和通讯模块，所述视频采集模块用于采集高速公路实况视频，所述通讯模块用于将所述视频采集模块采集到的视频数据传输回所述地面站台。本发明通过无人机获取高速路面实况视频后提取实况图片，通过对实况图片处理分别获得仅有应急车道的第一处理图像和仅有车辆轮廓的第二处理图像，并对应急车道和车辆轮廓赋予不同的像素值，在将第一处理图像与第二处理图像进行叠加得到第三处理图像，最后从特定位置扫描第三处理图像根据首先被扫描到的像素点的像素值判断应急车道是否被占用。

Description

一种高速公路急车道巡检的无人机系统
技术领域
本发明涉及一种高速公路急车道巡检的无人机系统。
背景技术
所谓的应急车道是指位于路面行驶方向最右侧、主要用于发生事故或故障时停车以及专为救险所用的车道，也就是人们通常所说的“硬路肩”。
高速公路应急车道是专门供工程救险、消防救援、医疗救护或民警执行紧急公务等处理应急事务的车辆使用、任何社会车辆禁止驶入或者以各种理由在车道内停留。
近年来，随着车辆保有量的持续上升，道路时常出现拥堵，车辆占用高速公路应急车道。当发生交通事故时，导致救援车辆无法及时到达现场，救援活动无法及时开展，也无法对恶意违法占用应急车道的车辆进行取证和处罚，以遏制该现象的再次发生。
随着无人机快速的发展，无人机被广泛运用于高速公路路况巡航抓拍应急车道违章，但现有技术中的无人机至少存在以下问题：应急车道是否被占用，需要通过人工阅读视频，很难实现自动识别。
发明内容
本发明的目的在于提出一种能够自动识别应急车道是否被占用的无人机巡检系统。
为解决上述问题，本发明提供了一种用于高速公路急车道巡检的无人机系统，包括无人机和地面站台，所述无人机设有视频采集模块和通讯模块，所述视频采集模块用于采集高速公路实况视频，所述通讯模块用于将所述视频采集模块采集到的视频数据传输回所述地面站台，其特征在于，所述地面站台设有：
图像获取模块，用于接收所述实况视频，并提取其中至少一帧实况图像；
语义分割模块，用于对所述实况图像进行语义分割，分离出车道区域和背景区域，同时将所述背景区域删除；
二值化处理模块，对删除背景区域的图像进行二值化处理，获得其二值化图像，在该二值化图像中，路面作为背景显示为黑色，车辆以及车道线为前景显示为白色；
车道线拟合模块，根据所述二值化图像中的应急车道像素点坐标拟合出应急车道线，并对该应急车道线像素点赋予第一像素值，从而获得第一处理图像；
车辆轮廓提取模块，对所述二值化图像处理，赋予图像中的车辆像素点第二像素值，获得第二处理图像；
叠加模块，将第二处理图像叠加在第一处理图像上，获得第三处理图像，若所述应急车道像素点叠加在车辆像素点上，则叠加后的像素点的像素值为第三像素值；
扫描识别模块，从所述第三处理图像横向靠近所述应急车道一侧向另一侧进行扫描，若首先扫描到的像素点的像素值为第二像素值或者第三像素值，则判断为应急车道被占用。
作为本发明的进一步改进，所述车道线拟合模块包括：
车道线轮廓获取单元，用于对所述二值化图像进行横向扫描，将横向连续N个像素点均为前景像素点的定义为车道线，保留被认定为车道线的前景像素点，并删除其余前景像素点，其中，所述车道线包括应急车道线和行车道线，N为车道线的宽度阈值；
车道线提取单元，纵向扫描上述图像，对纵向连续的前景像素点，通过最小二乘法进行曲线拟合，获得该行车道的二次抛物线曲线方程，根据获得的二次抛物线方程绘制拟合出来的车道线，并对绘制出来的行车道线上的像素点赋予第一像素值；
应急车道线提取单元，根据拟合出的所述车道线与车道区域轮廓边缘的距离区分出应急车道线和行车道线，并删除该行车道线，获得第一处理图像。
作为本发明的进一步改进，所述车辆轮廓提取模块包括：
车道线剔除单元，对所述二值化图像进行横向扫描，将横向连续N个像素点均为前景像素点的定义为车道线，并在该二值化图像中予以删除，其中N为车道宽度值；
车辆轮廓填充单元，对上述删除车道线后的二值化图像中的像素点依次进行扫描，若当前像素点为前景像素点，则扫描其邻域设定范围内的像素点，若其邻域中的前景像素点数量大于或者等于设定阈值，则将其邻域全部填充成前景像素点从而获得独立的汽车轮廓，并赋予该前景像素点第二像素值，以获得第二处理图像。
作为本发明的进一步改进，所述车辆轮廓填充单元通过洪水算法予以填充。
作为本发明的进一步改进，所述无人机上还设置有报警模块，当所述扫描识别模块判断为应急车道被占用后，所述报警模块向外发出报警声。
作为本发明的进一步改进，若所述扫描识别模块从靠近应急车道一侧开始扫描，当首先扫描到的像素点的像素值为第二像素值或者第三像素值时，判断为应急车道被占用；若所述扫描识别模块从远离应急车道一侧开始扫描，当扫描到的像素点为第一像素值（或者第三像素值）后仍然能够扫描到像素值为第二像素值的像素点时，判断为应急车道被占用。
本发明的有益效果在于，本发明通过无人机获取高速路面实况视频后提取实况图片，通过对实况图片处理分别获得仅有应急车道的第一处理图像和仅有车辆轮廓的第二处理图像，并对应急车道和车辆轮廓赋予不同的像素值，在将第一处理图像与第二处理图像进行叠加得到第三处理图像，最后从特定位置扫描第三处理图像根据首先被扫描到的像素点的像素值判断应急车道是否被占用。
附图说明
图1是本发明的结构示意图。
图中：1000--无人机；1010-视频采集模块；1020通讯模块；1030-报警模块；2000-地面站台；2010-图像获取模块；2020-语义分割模块；2030-二值化处理模块；2040-车道线拟合模块；2041-车道线轮廓获取单元；2042-车道线提取单元；2043-应急车道线提取单元；2050-车辆轮廓提取模块；2051-车道线剔除单元；2052-车辆轮廓填充单元；2060-叠加模块；2070-扫描识别模块。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
如图1所示，本发明包括无人机1000和地面站台2000，所述无人机1000设有视频采集模块1010和通讯模块1020，所述视频采集模块1010用于采集高速公路实况视频，所述通讯模块1020用于将所述视频采集模块1010采集到的视频数据传输回所述地面站台2000，其特征在于，所述地面站台2000设有：
图像获取模块2010，用于接收所述实况视频，并提取其中至少一帧实况图像；
语义分割模块2020，用于对所述实况图像进行语义分割，分离出车道区域和背景区域，同时将所述背景区域删除；
二值化处理模块2030，对删除背景区域的图像进行二值化处理，获得其二值化图像，在该二值化图像中，路面作为背景显示为黑色，车辆以及车道线为前景显示为白色；
车道线拟合模块2040，根据所述二值化图像中的应急车道像素点坐标拟合出应急车道线，并对该应急车道线像素点赋予第一像素值，从而获得第一处理图像；
车辆轮廓提取模块2050，对所述二值化图像处理，赋予图像中的车辆像素点第二像素值，获得第二处理图像；
叠加模块2060，将第二处理图像叠加在第一处理图像上，获得第三处理图像，若所述应急车道像素点叠加在车辆像素点上，则叠加后的像素点的像素值为第三像素值；
扫描识别模块2070，从所述第三处理图像横向靠近所述应急车道一侧向另一侧进行扫描，若首先扫描到的像素点的像素值为第二像素值或者第三像素值，则判断为应急车道被占用。
作为本发明的进一步改进，所述车道线拟合模块2040包括：
车道线轮廓获取单元2041，用于对所述二值化图像进行横向扫描，将横向连续N个像素点均为前景像素点的定义为车道线，保留被认定为车道线的前景像素点，并删除其余前景像素点，其中，所述车道线包括应急车道线和行车道线，N为车道线的宽度阈值；
车道线提取单元2042，纵向扫描上述图像，对纵向连续的前景像素点，通过最小二乘法进行曲线拟合，获得该行车道的二次抛物线曲线方程，根据获得的二次抛物线方程绘制拟合出来的车道线，并对绘制出来的行车道线上的像素点赋予第一像素值；
应急车道线提取单元2043，根据拟合出的所述车道线与车道区域轮廓边缘的距离区分出应急车道线和行车道线，并删除该行车道线，获得第一处理图像。
作为本发明的进一步改进，所述车辆轮廓提取模块2050包括：
车道线剔除单元2051，对所述二值化图像进行横向扫描，将横向连续N个像素点均为前景像素点的定义为车道线，并在该二值化图像中予以删除，其中N为车道宽度值；
车辆轮廓填充单元2052，对上述删除车道线后的二值化图像中的像素点依次进行扫描，若当前像素点为前景像素点，则扫描其邻域设定范围内的像素点，若其邻域中的前景像素点数量大于或者等于设定阈值，则将其邻域全部填充成前景像素点从而获得独立的汽车轮廓，并赋予该前景像素点第二像素值，以获得第二处理图像。
作为本发明的进一步改进，所述车辆轮廓填充单元2052通过洪水算法予以填充。
作为本发明的进一步改进，所述无人机1000上还设置有报警模块1030，当所述扫描识别模块2070判断为应急车道被占用后，所述报警模块1030向外发出报警声。
作为本发明的进一步改进，若所述扫描识别模块2070从靠近应急车道一侧开始扫描，当首先扫描到的像素点的像素值为第二像素值或者第三像素值时，判断为应急车道被占用；若所述扫描识别模块2070从远离应急车道一侧开始扫描，当扫描到的像素点为第一像素值（或者第三像素值）后仍然能够扫描到像素值为第二像素值的像素点时，判断为应急车道被占用。
本发明的具体原理如下：
（1）无人机1000视频采集模块1010对高速路面进行视频采集，获得实况视频；
（2）通过无人机1000的通讯模块1020将上述实况视频的视频信息传输至地面站台2000的图像获取模块2010；
（3）图像获取模块2010按设定时间从接收到的实况视频数据中提取至少一个帧图像，提取图像的时间间隔根据无人机1000的航速选取；
（4）对上述提取的图像进行二值化处理，处理后获得该图像的二值化图像，在该二值化图像中，路面作为背景显示为黑色，车辆以及车道线为前景显示为白色；
（5）提取应急车道线，删除汽车轮廓线获得第一处理图像，具体是：首先对二值化图像进行横向扫描，将横向连续N个像素点均为前景像素点的定义为车道线（车道线包括应急车道线和行车道线），N为车道线的宽度阈值；此后删除该图像上的其他前景像素点（车辆轮廓），再通过纵向对上述图像进行扫描，对纵向连续的前景像素点，通过最小二乘法进行曲线拟合，获得行车道的二次抛物线曲线方程，并根据获得的二次抛物线方程绘制拟合出来的车道线，同时赋予该前景像素点第一像素值，最后根据拟合出来的车道线到横向边缘（道路边缘）的距离判断该车道线为应急车道线还是行车道线，删除行车道线，经过此处理的图像为第一处理图像；
（6）提取车辆轮廓，删除行车道线获得，具体是：首先对二值化图像进行横向扫描，将横向连续N个像素点均为前景像素点的定义为车道线，并在该二值化图像中予以删除，其中N为车道宽度值，其次对上述删除车道线后的二值化图像中的像素点依次进行扫描，若当前像素点为前景像素点，则扫描其邻域设定范围内的像素点，若其邻域中的前景像素点数量大于或者等于设定阈值，则将其邻域全部填充成前景像素点从而获得独立的汽车轮廓（这里采用的填充方法为洪水填充法），并赋予该前景像素点第二像素值，以获得第二处理图像；
（7）将上述第二处理图像叠加在第一处理图像上，获得第三处理图像，在该第三处理图像上，作为应急车道线的像素点和作为车辆轮廓的第二像素点可能会有叠合，叠合后获得的像素点的像素值为第三像素值；
（8）横向扫描该第三处理图像，根据首先扫描到的像素点的像素值判断应急车道是否被占用，具体的，如果从靠近应急车道一侧开始扫描，当首先扫描到的像素点的像素值为第二像素值或者第三像素值时，判断为应急车道被占用，如果从远离应急车道一侧开始扫描，当扫描到的像素点为第一像素值（或者第三像素值）后仍然能够扫描到像素值为第二像素值的像素点时，判断为应急车道被占用。
（9）当地面站台2000图像处理后确定应急车道被占用后，与无人机1000报警模块1030进行通讯，由无人机1000发出报警信号，提醒应急车道内的车辆驶离应急车道。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。

Claims (6)

1.一种用于高速公路急车道巡检的无人机系统，包括无人机和地面站台，所述无人机设有视频采集模块和通讯模块，所述视频采集模块用于采集高速公路实况视频，所述通讯模块用于将所述视频采集模块采集到的视频数据传输回所述地面站台，其特征在于，所述地面站台设有：
图像获取模块，用于接收所述实况视频，并提取其中至少一帧实况图像；
语义分割模块，用于对所述实况图像进行语义分割，分离出车道区域和背景区域，同时将所述背景区域删除；
二值化处理模块，对删除背景区域的图像进行二值化处理，获得其二值化图像，在该二值化图像中，路面作为背景显示为黑色，车辆以及车道线为前景显示为白色；
车道线拟合模块，根据所述二值化图像中的应急车道像素点坐标拟合出应急车道线，并对该应急车道线像素点赋予第一像素值，从而获得第一处理图像；
车辆轮廓提取模块，对所述二值化图像处理，赋予图像中的车辆像素点第二像素值，获得第二处理图像；
叠加模块，将第二处理图像叠加在第一处理图像上，获得第三处理图像，若所述应急车道像素点叠加在车辆像素点上，则叠加后的像素点的像素值为第三像素值；
扫描识别模块，横向扫描苏搜第三处理图像，根据扫描到的像素点判断应急车道是否被占用。
2.根据权利要求1所述的一种用于高速公路急车道巡检的无人机系统，其特征在于，所述车道线拟合模块包括：
车道线轮廓获取单元，用于对所述二值化图像进行横向扫描，将横向连续N个像素点均为前景像素点的定义为车道线，保留被认定为车道线的前景像素点，并删除其余前景像素点，其中，所述车道线包括应急车道线和行车道线，N为车道线的宽度阈值；
车道线提取单元，纵向扫描上述图像，对纵向连续的前景像素点，通过最小二乘法进行曲线拟合，获得该行车道的二次抛物线曲线方程，根据获得的二次抛物线方程绘制拟合出来的车道线，并对绘制出来的行车道线上的像素点赋予第一像素值；
应急车道线提取单元，根据拟合出的所述车道线与车道区域轮廓边缘的距离区分出应急车道线和行车道线，并删除该行车道线，获得第一处理图像。
3.根据权利要求2所述的一种用于高速公路急车道巡检的无人机系统，其特征在于，所述车辆轮廓提取模块包括：
车道线剔除单元，对所述二值化图像进行横向扫描，将横向连续N个像素点均为前景像素点的定义为车道线，并在该二值化图像中予以删除，其中N为车道宽度值；
车辆轮廓填充单元，对上述删除车道线后的二值化图像中的像素点依次进行扫描，若当前像素点为前景像素点，则扫描其邻域设定范围内的像素点，若其邻域中的前景像素点数量大于或者等于设定阈值，则将其邻域全部填充成前景像素点从而获得独立的汽车轮廓，并赋予该前景像素点第二像素值，以获得第二处理图像。
4.根据权利要求3所述的一种用于高速公路急车道巡检的无人机系统，其特征在于，所述车辆轮廓填充单元通过洪水算法予以填充。
5.根据权利要求4所述的一种用于高速公路急车道巡检的无人机系统，其特征在于，所述无人机上还设置有报警模块，当所述扫描识别模块判断为应急车道被占用后，所述报警模块向外发出报警声。
6.根据权利要求5所述的述的一种用于高速公路急车道巡检的无人机系统，其特征在于，若所述扫描识别模块从靠近应急车道一侧开始扫描，当首先扫描到的像素点的像素值为第二像素值或者第三像素值时，判断为应急车道被占用；若所述扫描识别模块从远离应急车道一侧开始扫描，当扫描到的像素点为第一像素值（或者第三像素值）后仍然能够扫描到像素值为第二像素值的像素点时，判断为应急车道被占用。
CN202011226246.2A 2020-11-05 2020-11-05 一种高速公路急车道巡检的无人机系统 Pending CN112232285A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011226246.2A CN112232285A (zh) 2020-11-05 2020-11-05 一种高速公路急车道巡检的无人机系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011226246.2A CN112232285A (zh) 2020-11-05 2020-11-05 一种高速公路急车道巡检的无人机系统

Publications (1)

Publication Number Publication Date
CN112232285A true CN112232285A (zh) 2021-01-15

Family

ID=74122766

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011226246.2A Pending CN112232285A (zh) 2020-11-05 2020-11-05 一种高速公路急车道巡检的无人机系统

Country Status (1)

Country Link
CN (1) CN112232285A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113408413A (zh) * 2021-06-18 2021-09-17 苏州科达科技股份有限公司 应急车道的识别方法、系统及装置

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103295420A (zh) * 2013-01-30 2013-09-11 吉林大学 一种车道线识别的方法
CN103778790A (zh) * 2014-01-13 2014-05-07 杭州电子科技大学 一种基于视频序列的车流量方波统计法
CN104794907A (zh) * 2015-05-05 2015-07-22 江苏大为科技股份有限公司 使用车道分割合并方法的车流量检测方法
CN105005778A (zh) * 2015-08-14 2015-10-28 东南大学 一种基于视觉背景提取的高速公路车辆检测方法
CN205068798U (zh) * 2015-10-29 2016-03-02 长安大学 一种用于检测车辆违章占用应急车道的道路控制装置
CN105740836A (zh) * 2016-02-03 2016-07-06 安徽清新互联信息科技有限公司 一种违法占用应急车道的检测方法
CN107240268A (zh) * 2017-07-28 2017-10-10 西安因诺航空科技有限公司 一种面向无人机的高速应急车道违章车辆的检测方法
US20180293684A1 (en) * 2016-09-07 2018-10-11 Southeast University Supervision and penalty method and system for expressway emergency lane occupancy
CN108764075A (zh) * 2018-05-15 2018-11-06 北京主线科技有限公司 岸桥下集装箱卡车定位的方法
CN109637151A (zh) * 2018-12-31 2019-04-16 上海眼控科技股份有限公司 一种高速公路应急车道违章行驶的识别方法
CN110033622A (zh) * 2018-01-12 2019-07-19 南京模幻天空航空科技有限公司 基于无人机航摄技术的违法抓拍占用应急车道方法
CN110659539A (zh) * 2018-06-28 2020-01-07 杭州海康威视数字技术股份有限公司 一种信息处理方法及其装置
CN110718058A (zh) * 2019-09-26 2020-01-21 东南大学 一种基于主动安全终端的高速公路应急车道占用检测和处置方法
CN111242051A (zh) * 2020-01-16 2020-06-05 广州杰赛科技股份有限公司 一种车辆识别优化方法、装置及存储介质
CN111443716A (zh) * 2020-04-23 2020-07-24 西安智文琛软件有限公司 一种无人机巡检控制方法、系统、存储介质、程序、终端

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103295420A (zh) * 2013-01-30 2013-09-11 吉林大学 一种车道线识别的方法
CN103778790A (zh) * 2014-01-13 2014-05-07 杭州电子科技大学 一种基于视频序列的车流量方波统计法
CN104794907A (zh) * 2015-05-05 2015-07-22 江苏大为科技股份有限公司 使用车道分割合并方法的车流量检测方法
CN105005778A (zh) * 2015-08-14 2015-10-28 东南大学 一种基于视觉背景提取的高速公路车辆检测方法
CN205068798U (zh) * 2015-10-29 2016-03-02 长安大学 一种用于检测车辆违章占用应急车道的道路控制装置
CN105740836A (zh) * 2016-02-03 2016-07-06 安徽清新互联信息科技有限公司 一种违法占用应急车道的检测方法
US20180293684A1 (en) * 2016-09-07 2018-10-11 Southeast University Supervision and penalty method and system for expressway emergency lane occupancy
CN107240268A (zh) * 2017-07-28 2017-10-10 西安因诺航空科技有限公司 一种面向无人机的高速应急车道违章车辆的检测方法
CN110033622A (zh) * 2018-01-12 2019-07-19 南京模幻天空航空科技有限公司 基于无人机航摄技术的违法抓拍占用应急车道方法
CN108764075A (zh) * 2018-05-15 2018-11-06 北京主线科技有限公司 岸桥下集装箱卡车定位的方法
CN110659539A (zh) * 2018-06-28 2020-01-07 杭州海康威视数字技术股份有限公司 一种信息处理方法及其装置
CN109637151A (zh) * 2018-12-31 2019-04-16 上海眼控科技股份有限公司 一种高速公路应急车道违章行驶的识别方法
CN110718058A (zh) * 2019-09-26 2020-01-21 东南大学 一种基于主动安全终端的高速公路应急车道占用检测和处置方法
CN111242051A (zh) * 2020-01-16 2020-06-05 广州杰赛科技股份有限公司 一种车辆识别优化方法、装置及存储介质
CN111443716A (zh) * 2020-04-23 2020-07-24 西安智文琛软件有限公司 一种无人机巡检控制方法、系统、存储介质、程序、终端

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
谭晓军等: "一种基于视频的道路交通流量监测方法", 《计算机应用》 *
赵凯迪: "基于无人机的车辆和车道检测系统的设计与实现", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113408413A (zh) * 2021-06-18 2021-09-17 苏州科达科技股份有限公司 应急车道的识别方法、系统及装置

Similar Documents

Publication Publication Date Title
CN110659539B (zh) 一种信息处理方法、装置及机器可读存储介质
CN112258844B (zh) 一种使用无人机对高速公路急车道进行巡检的方法
CN103021177B (zh) 一种雾天交通监控视频图像的处理方法和系统
CN105741559B (zh) 一种基于车道线模型的违法占用应急车道检测方法
CN112163543A (zh) 一种车辆违法占道的检测方法及系统
CN111161543A (zh) 一种基于图像识别的公交前车违章行为自动抓拍方法及系统
KR101742490B1 (ko) 끼어들기 위반차량 단속 시스템 및 그 방법
CN112201051B (zh) 一种无人机端路面车辆违停检测及取证系统和方法
CN107886034B (zh) 行车提醒方法、装置及车辆
CN103500322A (zh) 基于低空航拍图像的车道线自动识别方法
CN102867417A (zh) 一种出租车防伪系统及方法
CN102054169B (zh) 车牌定位方法
CN111783666A (zh) 一种基于连续视频帧角点特征匹配的快速车道线检测方法
CN112232286A (zh) 一种道路巡检无人机图像识别系统及无人机
CN105740836B (zh) 一种违法占用应急车道的检测方法
Cho et al. License plate extraction method for identification of vehicle violations at a railway level crossing
CN109147393A (zh) 基于视频分析的车辆变道检测方法
Jiang et al. Car plate recognition system
CN111738203A (zh) 一种基于自动划线区域的站台行人越线检测方法
CN108284793A (zh) 一种车辆辅助控制装置
JP2009301495A (ja) 画像処理装置及び画像処理方法
CN112232285A (zh) 一种高速公路急车道巡检的无人机系统
CN108665712A (zh) 一种车辆越线违章行为监测方法及系统
CN112329631A (zh) 一种使用无人机对高速公路进行车流量统计的方法
CN114764853A (zh) 占道信息确定方法和装置

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210115

WD01 Invention patent application deemed withdrawn after publication