CN112446958A - 基于激光点云的道路交通事故辅助处理方法及系统 - Google Patents

基于激光点云的道路交通事故辅助处理方法及系统 Download PDF

Info

Publication number
CN112446958A
CN112446958A CN202011268227.6A CN202011268227A CN112446958A CN 112446958 A CN112446958 A CN 112446958A CN 202011268227 A CN202011268227 A CN 202011268227A CN 112446958 A CN112446958 A CN 112446958A
Authority
CN
China
Prior art keywords
point cloud
accident
road traffic
traffic accident
cloud data
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
Application number
CN202011268227.6A
Other languages
English (en)
Other versions
CN112446958B (zh
Inventor
陈小忠
张学辉
高桢
袁晓颖
邵明武
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.)
Shandong Industry Research Information And Artificial Intelligence Integration Research Institute Co ltd
Original Assignee
Shandong Industry Research Information And Artificial Intelligence Integration Research Institute 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 Shandong Industry Research Information And Artificial Intelligence Integration Research Institute Co ltd filed Critical Shandong Industry Research Information And Artificial Intelligence Integration Research Institute Co ltd
Priority to CN202011268227.6A priority Critical patent/CN112446958B/zh
Publication of CN112446958A publication Critical patent/CN112446958A/zh
Application granted granted Critical
Publication of CN112446958B publication Critical patent/CN112446958B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G01S17/894—3D imaging with simultaneous measurement of time-of-flight at a 2D array of receiver pixels, e.g. time-of-flight cameras or flash lidar
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • 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
    • G06T2207/30236—Traffic on road, railway or crossing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

本公开提供了一种基于激光点云的道路交通事故辅助处理方法及系统，包括以下步骤：根据道路交通事故现场的鉴定因子，得到事故现场的三维点云数据；根据获取的现场图像数据和三维点云数据，构建事故现场三维模型，根据事故现场三维模型得到至少一种执法要素；交通事故发生时，通过高精度三维激光扫描仪构建三维模型，将部分现场执法的部分转移到事后，缩短现场执行与争执时间，缩短车辆拥堵时间，提高事故处理效率。

Description

基于激光点云的道路交通事故辅助处理方法及系统
技术领域
本公开涉及交通控制技术领域，特别涉及一种基于激光点云的道路交通事 故辅助处理方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有 技术。
目前，汽车已逐渐走进广大用户的家庭生活中，在出行的路途中，由于路 况、天气、驾驶者的疏忽或车辆的拥堵等因素造成的交通事故时有发生，且事 故处理过程中存在较大危险性，事故处理时间越长危险性越高，易造成二次事 故以及交通拥堵。
如：在道路中间发生交通事故，按照常规的处理方法，首先将车辆打开双 闪、设立警戒标识，然后等待警方的处理等过程，当事故现场比较复杂时，处 理时间较长，极易造成二次交通事故及严重的交通拥堵。
本公开发明人发现，现有的交通事故处理中，大多还只是采用现场拍照和 现场测量的方式进行参数采集，首先对事故地用圆锥筒、警戒带等器材设立明 显的标志，然后对事故地进行拍照取证，处理过程繁琐，处理速度较慢，在遇 到交通高峰期时，会引起较长时间的拥堵，而如果为了快速缓解拥堵进行简单 的拍照处理又不利于后期的责任认定。
发明内容
为了解决现有技术的不足，本公开提供了一种基于激光点云的道路交通事 故辅助处理方法及系统，交通事故发生时，通过高精度三维激光扫描仪构建三 维模型，将部分现场执法的部分转移到事后，缩短现场执行与争执时间，缩短 车辆拥堵时间，提高事故处理效率。
为了实现上述目的，本公开采用如下技术方案：
本公开第一方面提供了一种基于激光点云的道路交通事故辅助处理方法。
一种基于激光点云的道路交通事故辅助处理方法，包括以下步骤：
根据道路交通事故现场的鉴定因子，得到事故现场的三维点云数据；
根据获取的现场图像数据和三维点云数据，构建事故现场三维模型，根据 事故现场三维模型得到至少一种执法要素。
作为可能的一些实现方式，根据事故现场布设的多个特征点进行鉴定因子 的提取。
作为进一步的限定，根据刹车痕迹两端布设的特征点进行车辆制动痕迹的 提取。
作为可能的一些实现方式，事故现场三维模型的构建方法，包括：
对通过扫描仪采集的点云数据与通过图像获取的点云数据进行预处理；
将扫描仪采集的点云数据与通过图像获取的点云数据进行配准及融合处 理；
对配准及融合后的点云数据进行切割和格式转换；
构建不规则三角网模型；
对图像与不规则三角网模型进行配准和贴图处理，得到带纹理信息的事故 现场三维模型。
作为进一步的限定，对点云数据进行高斯卷积降噪预处理。
作为进一步的限定，对点云数据进行去噪预处理或者平滑预处理或者抽稀 预处理。
作为进一步的限定，用三角网格对原始点云进行最佳逼近得到不规则三角 网模型。
作为进一步的限定，直接利用切割和格式转换后的点云数据构建TIN模型。
作为可能的一些实现方式，根据事故现场三维模型进行车痕量测，估算碰 撞前的瞬时速度，包括：
根据布设的特征点计算车痕距离，至少包括碰撞车、被碰撞车碰撞后的滑 移距离；
根据得到的车痕距离，得到各碰撞车的碰撞前瞬时速度。
本公开第二方面提供了一种基于激光点云的道路交通事故辅助处理系统。
一种基于激光点云的道路交通事故辅助处理系统，包括：
数据获取模块，被配置为：根据道路交通事故现场的鉴定因子，得到事故 现场的三维点云数据；
模型构建模块，被配置为：根据获取的现场图像数据和三维点云数据，构 建事故现场三维模型，根据事故现场三维模型得到至少一种执法要素。
本公开第三方面提供了一种计算机可读存储介质，其上存储有程序，该程 序被处理器执行时实现如本公开第一方面所述的基于激光点云的道路交通事故 辅助处理方法中的步骤。
本公开第四方面提供了一种电子设备，包括存储器、处理器及存储在存储 器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开第 一方面所述的基于激光点云的道路交通事故辅助处理方法中的步骤。
与现有技术相比，本公开的有益效果是：
1、本公开所述的方法、系统、介质或电子设备，交通事故发生时，通过高 精度三维激光扫描仪的点云数据构建三维模型，将部分现场执法的部分转移到 事后，缩短了现场执行与争执时间，缩短了车辆拥堵时间，提高了事故处理效 率。
2、本公开所述的方法、系统、介质或电子设备，对通过扫描仪采集的点云 数据与通过图像获取的点云数据进行预处理，将扫描仪采集的点云数据与通过 图像获取的点云数据进行配准及融合处理，提高了得到的三维模型的准确度。
3、本公开所述的方法、系统、介质或电子设备，根据得到的事故三维模型 实现了刹车距离、滑移距离或者瞬时碰撞速度的计算，极大的提高了后续事故 处理结果的准确度。
本公开附加方面的优点将在下面的描述中部分给出，部分将从下面的描述 中变得明显，或通过本公开的实践了解到。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公 开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1为本公开实施例1提供的基于激光点云的道路交通事故辅助处理方法 的流程示意图。
图2为本公开实施例1提供的的三维场景模型构建方法的示意图。
图3为本公开实施例1提供的特征点与刹车距离示意图。
图4为本公开实施例1提供的车辆塑性变形量的近似值计算方法示意图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。 除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的 普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图 限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确 指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说 明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器 件、组件和/或它们的组合。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
实施例1：
本公开实施例1提供了一种辅助处理交通事故的方法，实现流程如图1所示。
当交通事故发生后；
首先，判别事故现场，处理必须现场解决的事件要素，同时布设三维特征 点；
其次，通过激光扫描仪等设备对事故地进行无接触式信息采集，生成三维 点云，得到事故场景的三维模型，完成信息采集后，即可疏散车辆、恢复交通；
然后，通过点云模型进行执法要素补齐，如刹车长度的自动计算、车速推 算等，查清事故缘由，案件登记；
最后，将三维模型、纹理图片、视频等信息留档与备份，以备后用。
具体的，包括以下内容：
(1)特征点布设
基于图像进行三维重建构建的模型，不具有长度等信息，无法进行刹车痕 迹等距离量测，而点云是具有三维坐标点的集合，可推算长度、面积等信息。
通过激光点云构建三维模型还原事故现场，需要尽可能多地提取现场鉴定 因子，如：车辆制动痕迹。交通事故常根据制动痕迹长度估算速度来评价事故 的责任方，制动痕迹是轮胎与地面摩擦留下的印记，可以此来估算当时的车速。
扫描仪采集的是物体表面特征海量点的集合，基于无地表起伏的点云来量 测事故现场制动痕迹，会存在一定偏差，因此可通过改变物体表面起伏来实现 刹车痕迹的定位。根据点云分布的密度估算刹车长度，故需在刹车痕迹的两端 布设特征点。此外，该特征点还可作为贴图的特征标记点。
(2)交通事故现场三维模型构建
现场观察及特征点布设完毕后，转移到室内构建事故现场三维模型。模型 构建分为多种方式，如：一种是基于三维激光点云构建模型；一种是基于图像 进行三维重建。
基于图像构建三维模型：
首先，在拍摄照片的基础上，进行特征点提取与匹配，形成点云数据；
然后，构建TIN网进行三维模型构建。利用该方法构建的三维模型没有尺度 信息，无法进行量测。
因此，本实施例采用点云与图像进行三维重建，不仅有效地提升了激光点 云的密度、整体性，还可以进行量测与判别分析。通过扫描仪采集事故现场点 云数据并获取物体纹理贴图照片；采集完成后即可清理现场、疏导交通，剩余 的工作即可转到室内进行，包括对点云、纹理等数据的处理、三维模型的构建、 案件的分析与备案等，具体流程如图2所示，包括以下步骤：
S1：在数据采集的过程中，由于杂散光、背景光等一些因素会导致采集到 一些无关的信息，为了获得质量更高的点云数据，需要对通过扫描仪采集的点 云数据与通过照片获取的点云数据，进行去噪、平滑、抽稀等预处理。本次采 用高斯卷积降噪。
S2：将激光点云与通过图像获取的点云进行配准及融合处理。融合常用的 算法有4PCS算法、ICP算法、统一坐标系法等。本次采用ICP算法。
S3：对配准及融合后的点云数据进行切割、格式转换等处理。原始点云数 据为.txt、.las等格式，而3ds Max加载的数据格式为.rcp或.rcs，故需要进行格式 转换。
S4：构建TIN模型，包括两种方式：直接利用点云构建TIN模型；用三角网 格对原始点云进行最佳逼近。这里采用通用的三角格网构建方法即可。
S5：对图像与三维模型进行配准、贴图等处理，即可生成带纹理信息的三 维场景模型，本实施例采用点云着色法进行纹理贴图，将采集的图像与构建的 白模进行配准，选取图片特征点与点云特征点进行配准，对配准后将图片投影 到三维点云模型中，由于交通事故现场特征点较多，故配准时应选取均匀分布 的特征点。
采用此方法构建的三维场景模型，不仅具有高精度的几何特性，还包含了 丰富的纹理信息，可进行制动车痕等信息的量测及用于事故方责任的判别与分 析。
(3)固定违法检测项的三维模型自动识别
交通事故发生后，车速鉴定是评价事故责任方的主要依据，传统的方式使 用卷尺或激光测距仪测量制动距离，本发明直接基于三维模型进行车痕量测， 估算碰撞前的瞬时速度。具体步骤：根据布设的特征点计算刹车制动距离s，如 图3所示，然后根据《典型交通事故形态车辆行驶速度技术鉴定》中交通事故车 辆行驶速度鉴定常用公式推算事故前车辆的瞬时行驶速度，从而补充执法的参 考依据。
车辆追尾碰撞前的瞬时速度计算方式如下所示：
Figure BDA0002776857710000081
Figure BDA0002776857710000082
其中：m1、m2为碰撞车、被碰撞车质量，单位为kg；
Figure BDA0002776857710000083
为碰撞车纵滑附着 系数；k1为碰撞车附着系数修正值；s1、s2为碰撞车、被碰撞车碰撞后的滑移距 离，单位为m；f2为被碰撞车的滚动阻力系数；x2为被碰撞车塑性变形量，单位 为m；g为重力加速度，取9.8m/s2。
碰撞车纵滑附着系数、碰撞车附着系数修正值、被碰撞车的滚动阻力系数 可参照《典型交通事故形态车辆行驶速度技术鉴定》路面附着系数参考值表获 取，车辆塑性变形量的近似值计算方法，如图4所示。
Figure BDA0002776857710000084
图4为车辆各处变形在地面上的垂直投影，其中x1为车辆塑 性变形量最小值，x2为车辆塑性变形量最大值，y1为车辆塑性变形量处距最大 值处长度，yo为车辆被撞变形一侧的宽度，单位均为m。
根据三维点云模型，可计算不同行驶状态下，车辆碰撞前行驶瞬时速度， 从而判定事故的责任方，为交警执法提供参考依据。
(4)视频、图像、三维一体化执法及档案资料管理
构建的事故现场三维模型，可以直观还原现场真实情况，同时结合一些辅 助材料进行分析与展示，不仅提高交通事故的处理效率，而且增加交通事故案 例展示的手段。事后将这些材料存档与备份，方便后期查看、总结经验。
可以理解的，在其他一些实施方式中，现场数据的采集采用的设备包括但 不限于激光雷达、毫米波雷达等，或基于多种传感器融合进行道路交通事故的 辅助处理，本领域技术人员可以根据具体工况进行选择，这里不再赘述。
本实施例所述的方法应用于交通事故后车辆的及时疏散。事故发生后，通 过扫描仪等设备对现场进行扫描，获取点云数据，并对现场进行拍照。完成这 些事项后，即可清理现场，疏通后续车辆。
由于三维扫描仪可快速高效地获取数据，且获取的点云数据具有高密度、 高精度地表信息和物体外轮廓特征，可真实还原事故现场的三维场景，基于此 模型不仅可以创建目标的3D图像，还可以确定目标距离，便于警方梳理案发现 场、登记与备案、部分要素自动计算等。
相比原始处理方案，除了缩短道路占用时间、降低“二次事故”率、尽可 能减少道路拥堵，还可真实还原现场，直观回看事故现场，便于留档与备份。
实施例2：
本公开实施例2提供了一种基于激光点云的道路交通事故辅助处理系统，包 括：
数据获取模块，被配置为：根据道路交通事故现场的鉴定因子，得到事故 现场的三维点云数据；
模型构建模块，被配置为：根据获取的现场图像数据和三维点云数据，构 建事故现场三维模型，根据事故现场三维模型得到至少一种执法要素。
所述系统的工作方法与实施例1提供的基于激光点云的道路交通事故辅助 处理方法相同，这里不再赘述。
实施例3：
本公开实施例3提供了一种计算机可读存储介质，其上存储有程序，该程序 被处理器执行时实现如本公开实施例1所述的基于激光点云的道路交通事故辅 助处理方法中的步骤，所述步骤为：
根据道路交通事故现场的鉴定因子，得到事故现场的三维点云数据；
根据获取的现场图像数据和三维点云数据，构建事故现场三维模型，根据 事故现场三维模型得到至少一种执法要素。
详细步骤与实施例1提供的基于激光点云的道路交通事故辅助处理方法相 同，这里不再赘述。
实施例4：
本公开实施例4提供了一种电子设备，包括存储器、处理器及存储在存储器 上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施 例1所述的基于激光点云的道路交通事故辅助处理方法中的步骤，所述步骤为：
根据道路交通事故现场的鉴定因子，得到事故现场的三维点云数据；
根据获取的现场图像数据和三维点云数据，构建事故现场三维模型，根据 事故现场三维模型得到至少一种执法要素。
详细步骤与实施例1提供的基于激光点云的道路交通事故辅助处理方法相 同，这里不再赘述。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计 算机程序产品。因此，本公开可采用硬件实施例、软件实施例、或结合软件和 硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算 机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储 器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产 品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或 方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结 合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或 其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可 编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个 流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备 以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的 指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流 程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使 得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处 理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个 流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程， 是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算 机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。 其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory， ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领 域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则 之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之 内。

Claims (10)

1.一种基于激光点云的道路交通事故辅助处理方法，其特征在于，包括以下步骤：
根据道路交通事故现场的鉴定因子，得到事故现场的三维点云数据；
根据获取的现场图像数据和三维点云数据，构建事故现场三维模型，根据事故现场三维模型得到至少一种执法要素。
2.如权利要求1所述的基于激光点云的道路交通事故辅助处理方法，其特征在于，根据事故现场布设的多个特征点进行鉴定因子的提取。
3.如权利要求2所述的基于激光点云的道路交通事故辅助处理方法，其特征在于，根据刹车痕迹两端布设的特征点进行车辆制动痕迹的提取。
4.如权利要求1所述的基于激光点云的道路交通事故辅助处理方法，其特征在于，事故现场三维模型的构建方法，包括：
对通过扫描仪采集的点云数据与通过图像获取的点云数据进行预处理；
将扫描仪采集的点云数据与通过图像获取的点云数据进行配准及融合处理；
对配准及融合后的点云数据进行切割和格式转换；
构建不规则三角网模型；
对图像与不规则三角网模型进行配准和贴图处理，得到带纹理信息的事故现场三维模型。
5.如权利要求4所述的基于激光点云的道路交通事故辅助处理方法，其特征在于，对点云数据进行高斯卷积降噪预处理；
或者，
对点云数据进行去噪预处理或者平滑预处理或者抽稀预处理。
6.如权利要求4所述的基于激光点云的道路交通事故辅助处理方法，其特征在于，用三角网格对原始点云进行最佳逼近得到不规则三角网模型；
或者，
直接利用切割和格式转换后的点云数据构建TIN模型。
7.如权利要求1所述的基于激光点云的道路交通事故辅助处理方法，其特征在于，根据事故现场三维模型进行车痕量测，估算碰撞前的瞬时速度，包括：
根据布设的特征点计算车痕距离，至少包括碰撞车、被碰撞车碰撞后的滑移距离；
根据得到的车痕距离，得到各碰撞车的碰撞前瞬时速度。
8.一种基于激光点云的道路交通事故辅助处理系统，其特征在于，包括：
数据获取模块，被配置为：根据道路交通事故现场的鉴定因子，得到事故现场的三维点云数据；
模型构建模块，被配置为：根据获取的现场图像数据和三维点云数据，构建事故现场三维模型，根据事故现场三维模型得到至少一种执法要素。
9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的基于激光点云的道路交通事故辅助处理方法中的步骤。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于激光点云的道路交通事故辅助处理方法中的步骤。
CN202011268227.6A 2020-11-13 2020-11-13 基于激光点云的道路交通事故辅助处理方法及系统 Active CN112446958B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011268227.6A CN112446958B (zh) 2020-11-13 2020-11-13 基于激光点云的道路交通事故辅助处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011268227.6A CN112446958B (zh) 2020-11-13 2020-11-13 基于激光点云的道路交通事故辅助处理方法及系统

Publications (2)

Publication Number Publication Date
CN112446958A true CN112446958A (zh) 2021-03-05
CN112446958B CN112446958B (zh) 2023-07-28

Family

ID=74737275

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011268227.6A Active CN112446958B (zh) 2020-11-13 2020-11-13 基于激光点云的道路交通事故辅助处理方法及系统

Country Status (1)

Country Link
CN (1) CN112446958B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117095540A (zh) * 2023-10-18 2023-11-21 四川数字交通科技股份有限公司 道路二次事故的预警方法、装置、电子设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102034013A (zh) * 2010-12-30 2011-04-27 长安大学 汽车斜碰撞事故分析计算与模拟再现计算机系统
CN104021588A (zh) * 2014-06-18 2014-09-03 公安部第三研究所 一种实时恢复车辆三维真实模型的系统及方法
CN104463842A (zh) * 2014-10-23 2015-03-25 燕山大学 一种基于运动视觉的车祸过程重现方法
CN105389849A (zh) * 2015-11-23 2016-03-09 公安部交通管理科学研究所 基于三维重建技术的车辆碰撞角度分析系统
CN107194989A (zh) * 2017-05-16 2017-09-22 交通运输部公路科学研究所 基于无人机飞机航拍的交通事故现场三维重建系统及方法
CN110795813A (zh) * 2019-08-14 2020-02-14 腾讯科技（深圳）有限公司 一种交通仿真方法及装置
CN111275816A (zh) * 2020-02-25 2020-06-12 华为技术有限公司 获取点云数据的方法及相关设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102034013A (zh) * 2010-12-30 2011-04-27 长安大学 汽车斜碰撞事故分析计算与模拟再现计算机系统
CN104021588A (zh) * 2014-06-18 2014-09-03 公安部第三研究所 一种实时恢复车辆三维真实模型的系统及方法
CN104463842A (zh) * 2014-10-23 2015-03-25 燕山大学 一种基于运动视觉的车祸过程重现方法
CN105389849A (zh) * 2015-11-23 2016-03-09 公安部交通管理科学研究所 基于三维重建技术的车辆碰撞角度分析系统
CN107194989A (zh) * 2017-05-16 2017-09-22 交通运输部公路科学研究所 基于无人机飞机航拍的交通事故现场三维重建系统及方法
CN110795813A (zh) * 2019-08-14 2020-02-14 腾讯科技（深圳）有限公司 一种交通仿真方法及装置
CN111275816A (zh) * 2020-02-25 2020-06-12 华为技术有限公司 获取点云数据的方法及相关设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
丁正林等: "基于三维激光扫描的交通事故现场信息采集", 《交通与计算机》 *
张晓云等: "基于刹车印迹的典型碰撞事故再现分析", 《应用基础与工程科学学报》 *
李振宇: "三维激光扫描技术的交通事故现场重建", 《激光杂志》 *
闫阳阳等: "三维激光点云联合无人机影像的三维场景重建研究", 《测绘通报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117095540A (zh) * 2023-10-18 2023-11-21 四川数字交通科技股份有限公司 道路二次事故的预警方法、装置、电子设备及存储介质
CN117095540B (zh) * 2023-10-18 2024-01-23 四川数字交通科技股份有限公司 道路二次事故的预警方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN112446958B (zh) 2023-07-28

Similar Documents

Publication Publication Date Title
DE102017123515B4 (de) Verfahren, Vorrichtung, Speichermedium und Programmprodukt zur seitlichen Fahrzeugpositionsbestimmung
DE102006048578B4 (de) Verfahren und Vorrichtung zum Bestimmen der Veränderung der Form eines dreidimensionalen Objektes
EP2329222B1 (de) Verfahren und messanordnung zum bestimmen der rad- oder achsgeometrie eines fahrzeugs
Labayrade et al. In-vehicle obstacles detection and characterization by stereovision
CN108399403B (zh) 一种基于车牌尺寸计算的车距检测方法
CN108437893B (zh) 一种汽车偏离车道的预警方法及装置
DE102015117535A1 (de) Vorrichtung und Verfahren zur Fahrerassistenz
DE102014012285A1 (de) Verfahren und Achsenzähl-Vorrichtung zur berührungslosen Achsenzählung eines Fahrzeugs sowie Achsenzählsystem für den Straßenverkehr
CN104236478A (zh) 一种基于视觉的车辆外廓尺寸自动测量系统及方法
US10944958B2 (en) Method and device for detecting height-limiting rod, and automatic driving system
CN110738150B (zh) 相机联动抓拍方法、装置以及计算机存储介质
CN111209780A (zh) 车道线属性检测方法、装置、电子设备及可读存储介质
CN111209777A (zh) 车道线检测方法、装置、电子设备及可读存储介质
CN103413325B (zh) 一种基于车身特征点定位的车速鉴定方法
CN110619674B (zh) 用于事故和警情场景还原的三维增强现实设备及方法
CN107798293A (zh) 一种道路裂缝检测装置
CN106128089A (zh) 一种基于行车记录仪的交通事故快速处理方法
DE112017007347T5 (de) Objekterkennungsvorrichtung und fahrzeug
CN113470357B (zh) 一种道路交通事故信息处理系统及处理方法
CN114419143A (zh) 深度测量方法、深度测量设备及存储介质
DE102020105649A1 (de) Verfahren und vorrichtung zur parallelen verfolgung und lokalisierung mittels eines multimodalen schmelzverfahrens
CN115527364B (zh) 一种基于雷视数据融合的交通事故溯源方法及系统
CN110991264A (zh) 前方车辆检测方法和装置
EP2579228A1 (de) Verfahren und System zur Erstellung einer digitalen Abbildung eines Fahrzeugumfeldes
CN112446958A (zh) 基于激光点云的道路交通事故辅助处理方法及系统

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
GR01 Patent grant
GR01 Patent grant