CN113392794A - 车辆跨线识别方法、装置、电子设备和存储介质 - Google Patents
车辆跨线识别方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113392794A CN113392794A CN202110718240.5A CN202110718240A CN113392794A CN 113392794 A CN113392794 A CN 113392794A CN 202110718240 A CN202110718240 A CN 202110718240A CN 113392794 A CN113392794 A CN 113392794A
- Authority
- CN
- China
- Prior art keywords
- road condition
- position information
- target
- target vehicle
- images
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了车辆跨线识别方法、装置、电子设备和存储介质,涉及人工智能领域,具体涉及计算机视觉和深度学习技术。具体实现方案为:在多个路况图像中的每个路况图像中,确定目标车道线的位置信息和目标车辆的位置信息;基于目标车道线的位置信息和目标车辆的位置信息,确定每个路况图像所对应的目标车辆和目标车道线的相对位置关系;在多个路况图像所对应的相对位置关系符合预设条件的情况下,确定目标车辆跨线。根据本公开的技术,能够提高识别车辆跨线的准确性。
Description
技术领域
本公开涉及人工智能领域,具体涉及计算机视觉和深度学习技术,具体可用于智慧城市和智能交通场景下。
背景技术
在智能交通场景中,需要对车辆违章事件进行分析。实线变道是其中比较重要的一种违章事件。识别实线变道需要判断车辆是否跨线。目前,一般通过视觉分析方法判断车辆是否跨线。相关技术中,基于对单个路况图像中的车辆的位置和车道线的位置判断车辆是否跨线。
发明内容
本公开提供了一种车辆跨线识别方法、装置、电子设备和存储介质。
根据本公开的一方面,提供了一种车辆跨线识别方法,包括:
在多个路况图像中的每个路况图像中,确定目标车道线的位置信息和目标车辆的位置信息;
基于目标车道线的位置信息和目标车辆的位置信息,确定每个路况图像所对应的目标车辆和目标车道线的相对位置关系;
在多个路况图像所对应的相对位置关系符合预设条件的情况下,确定目标车辆跨线。
根据本公开的另一方面,提供了一种车辆跨线识别装置,包括:
位置信息确定模块,用于在多个路况图像中的每个路况图像中,确定目标车道线的位置信息和目标车辆的位置信息;
相对位置关系确定模块,用于基于目标车道线的位置信息和目标车辆的位置信息,确定每个路况图像所对应的目标车辆和目标车道线的相对位置关系;
识别模块,用于在多个路况图像所对应的相对位置关系符合预设条件的情况下,确定目标车辆跨线。
根据本公开的另一方面,提供了一种电子设备,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公开实施例中任意一种车辆跨线识别方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行本公开实施例中任意一种车辆跨线识别方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现本公开实施例中任意一种车辆跨线识别方法。
本公开的技术方案中,基于每个路况图像中目标车辆的位置信息和目标车道线的位置信息,能够准确的确定在每个路况图像中目标车辆和目标车道线的相对位置关系。然后基于多个路况图像所对应的准确的相对位置关系,确定目标车辆是否跨线。由于综合多个路况图像进行判断,并且基于准确的相对位置关系进行判断,因此,能够提高识别目标车辆跨线的准确性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开一实施例的车辆跨线识别方法的流程图;
图2是根据本公开另一实施例的车辆跨线识别方法的流程图;
图3是根据本公开另一实施例的车辆跨线识别方法的流程图;
图4是根据本公开一实施例的车辆跨线识别装置的框图;
图5是根据本公开另一实施例的车辆跨线识别装置的框图;
图6是用来实现本公开实施例的车辆跨线识别方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
图1是根据本公开一实施例的车辆跨线识别方法的流程图。如图1所示,该方法可以包括:
S101、在多个路况图像中的每个路况图像中,确定目标车道线的位置信息和目标车辆的位置信息;
S102、基于目标车道线的位置信息和目标车辆的位置信息,确定每个路况图像所对应的目标车辆和目标车道线的相对位置关系。
S103、在多个路况图像所对应的相对位置关系符合预设条件的情况下,确定目标车辆跨线。
在步骤S101中,示例性地,可以采用图像采集设备拍摄路况图像。其中,图像采集设备例如是无人机或道路上的球机、枪机等摄像头。
示例性地,目标车辆可以是任一车辆,也可以是指定车辆,还可以是检测到的每个车辆。目标车道线可以是任一车道线、指定车道线或检测到的每个车道线。目标车道线还可以是与目标车辆相关的车道线,例如距离目标车辆最近的车道线。因此,也可以根据目标车辆确定目标车道线。
示例性地,目标车辆的位置信息可以是车辆中心点或车辆中某个预定的角点在图像坐标系中的坐标。目标车道线的位置信息可以是在图像坐标系中的曲线方程或直线方程。
在步骤S102中,示例性地,目标车辆和目标车道线的相对位置关系可以用于表征目标车辆在目标车道线的左侧或右侧。在确定目标车道线的位置信息和目标车辆的位置信息后,再判断目标车辆位于目标车道线的左侧或右侧,从而便于判断目标车辆是否跨线。
在步骤S103中,示例性地,预设条件包括:多个路况图像所对应的相对位置关系相反。例如,在一些路况图像中,目标车辆位于目标车道线的左侧;在另一些路况图像中,目标车辆位于目标车道线的右侧;如此,可以确定多个路况图像所对应的相对位置关系符合预设条件。
示例性地,通过比对目标车辆和目标车道线在第一路况图像中的相对位置关系和目标车辆和目标车道线在第二路况图像中的相对位置关系,若第一路况图像中的相对位置关系与在第二路况图像中的相对位置关系相反,则确定目标车辆跨线。
本公开的技术方案中,基于每个路况图像中目标车辆的位置信息和目标车道线的位置信息,能够准确的确定在每个路况图像中目标车辆和目标车道线的相对位置关系。然后基于多个路况图像所对应的准确的相对位置关系,确定目标车辆是否跨线。由于综合多个路况图像进行判断,并且基于准确的相对位置关系进行判断,因此,能够提高识别目标车辆跨线的准确性。
在一种实施方式中,方法还包括:利用无人机采集多个路况图像。
示例性地,图像采集设备可以是无人机,可以是利用无人机对高速场景下的路况连续拍照,从而获取多个连续的路况图像。还可以是利用无人机对高速场景下的路况进行摄像,得到视频,在视频中获取多帧的路况视频图像帧。相比于通过多个图像拟合车辆轨迹,再根据车辆轨迹与单个图像中的车道线的比较结果判断车辆是否跨线。本方案在无人机晃动的情况下,依然能够基于相对位置关系准确地进行目标车辆的跨线识别。
在一种实施方式中,上述步骤S101可以包括:
根据目标车道线在多个路况图像中的第一路况图像中的位置信息以及预设的跟踪策略,在多个路况图像中的第二路况图像中确定目标车道线的位置信息。
示例性地,在无人机拍摄场景中,第一路况图像与第二路况图像的拍摄偏移距离(即无人机偏移距离)小于相邻两个车道线的距离。其中,预设的跟踪策略可以将在第二路况图像中的位置信息与目标车道线在第一路况图像中的位置信息之间的偏移量小于预设阈值的车道线,确定为第二路况图像中的目标车道线。
示例性地,第一路况图像和第二路况图像可以是连续的图像,例如是第i个路况图像和第i+1个图像。
由于图像采集设备的前后两张路况图像间隔时间短例如不到一秒,因此通过预设的跟踪策略对连续的两个路况图像进行处理,即可对车道线进行跟踪,从而在第二路况图像中能够准确的识别目标车道线,有助于确定目标车辆和目标车道线的相对位置关系,进而提高识别目标车辆跨线的准确性。
例如,在车道线跟踪的过程中在第一路况图像中为每一个车道线赋予ID,并通过跟踪策略前后两个路况图像进行处理,即可在后面的路况图像中跟踪此ID,如果下一个路况图像中出现新的车道线则赋予新的ID,若某个ID在后面的路况图像都未出现则认为此车道线已经消失,不再对此车道线进行跟踪。
在一种实施方式中,上述步骤S103可以包括:
若多个路况图像中的连续M个路况图像所对应的相对位置关系与多个路况图像中的连续N个路况图像所对应的相对位置关系相反,则确定目标车辆跨线;
其中,M个路况图像为N个路况图像之前的图像,且M个路况图像与N个路况图像连续;M和N均为大于等于1的整数。
具体地,若多个路况图像中的连续M个路况图像所对应的相对位置关系为第一相对位置关系例如目标车辆在目标车道线的左侧,多个路况图像中的连续N个路况图像所对应的相对位置关系为第二相对位置关系例如目标车辆在目标车道线的右侧,且第一相对位置关系和第二相对位置关系相反,则确定目标车辆跨线。
也就是说,M个路况图像所对应的相对位置关系相同,N个路况图像所对应的相对位置关系相同,但M个路况图像所对应的相对位置关系与N个路况图像所对应的相对位置关系不同,则确定符合预设条件,目标车辆跨线。
示例性地,M和N可以相同,也可以不同。
例如,若无人机拍摄了五个连续的路况图像,在前三个(即M=3)路况图像中目标车辆与目标车道线的第一相对位置关系为目标车辆位于目标车道线的左侧,在后两个(即N=2)路况图像中目标车辆与目标车道线的第二相对位置关系为目标车辆位于目标车道线的右侧,则确定目标车辆跨线。
由于在连续的路况图像中确定连续M个路况图像所对应的一相对位置关系和连续N个路况图像所对应的相对位置关系,保证了在连续M个路况图像中目标车辆与目标车道线的相对位置关系是一致的,连续N个路况图像中目标车辆与目标车道线的相对位置关系是一致的,从而在目标车辆和目标车道线的相对位置关系出现变化的情况下,能够准确的识别目标车辆是否跨线。
图2根据本公开另一实施例的车辆跨线识别方法的流程图。该实施例的车辆跨线识别方法可以包括上述实施例的各步骤。在本实施例中,在S101中,在多个路况图像中的每个路况图像中,确定目标车道线的位置信息和目标车辆的位置信息,包括:
S201、在每个路况图像中,确定目标车辆的位置信息和多个车道线的位置信息;
S202、基于每个路况图像中目标车辆的位置信息和多个车道线的位置信息,确定在每个路况图像中目标车辆与多个车道线之间的距离;
S203、若在多个路况图像中的第i个路况图像中,目标车辆与多个车道线中的第j个车道线的距离小于预设阈值,则将第j个车道线确定为目标车道线,并从每个路况图像中的多个车道线的位置信息中确定目标车道线的位置信息;其中,i和j均为大于等于1的整数。
具体地,在获取图像采集设备拍摄的路况图像后,通过实例分割(例如,目标检测、语义分割等)对路况图像进行识别,确定目标车辆的位置信息和多个车道线的位置信息。基于目标车辆的位置信息和多个车道线的位置信息确定目标车辆与多个车道线之间的距离。
可以理解的是,当车辆需要跨线时,均需要靠近车道线。因此当目标车辆与任一车道线之间的距离小于预设阈值时,将该车道线确定为目标车道线,从而无需确定所有目标车辆与每个车道线的相对位置关系,即可确定目标车道线,进而提高车辆跨线识别的效率。需要说明的是,预设阈值可以根据实际需要进行设置,在此不作限定。
在一种实施方式中,上述步骤S202可以包括:
基于每个路况图像中目标车辆的中心点位置和多个车道线的直线方程,确定在每个路况图像中目标车辆与多个车道线之间的距离。
示例性地,在对每个路况图像进行实例分割后,对多个车道线分别进行拟合,使得每一个车道线得到对应的直线方程。例如,y=ax+b。能够通过计算目标车辆的中心点位置与多个车道线对应的直线方程,便于目标车辆与多个车道线之间距离的计算,从而快速确定目标车道线,而且能够提高识别目标车辆跨线的准确性。
在一种实施方式中,从每个路况图像中的多个车道线的位置信息中确定目标车道线的位置信息,包括:
根据第i个路况图像中第j个车道线(目标车道线)的位置信息以及预设的跟踪策略,在多个路况图像中的第i+1个路况图像中的多个车道线的位置信息中选取出目标车道线的位置信息。其中,第i+1个路况图像与第i个路况图像的拍摄偏移距离小于相邻两个车道线的距离。
示例性地,若有五个路况图像,进行实例分割后确定第一个路况图像中存在五条车道线,分别确定五条车道线的直线方程,并对每一个车道线赋予一个ID,分别设置ID为1、2、3、4、5,若在第一个图像中第3个车道线与目标车辆接近,则在后面四个路况图像中提取出第3个车道线的位置信息。如此,能够在每个路况图像中确定目标车道线的位置信息,保证了在每个路况图像中均能准确识别目标车道线,进而能够准确识别目标车辆是否跨线。
图3是根据本公开另一实施例的车辆跨线识别方法的流程图。该实施例的车辆跨线识别方法可以包括
S301、在每个路况图像中,确定目标车辆的位置信息和多个车道线的位置信息;
S302、基于每个路况图像中目标车辆的位置信息和多个车道线的位置信息,确定在每个路况图像中目标车辆与多个车道线之间的距离;
S303、若在多个路况图像中的第i个路况图像中,目标车辆与多个车道线中的第j个车道线的距离小于预设阈值,则将第j个车道线确定为目标车道线,并从每个路况图像中的多个车道线的位置信息中确定目标车道线的位置信息;其中,i和j均为大于等于1的整数。
S304、基于目标车道线的位置信息和目标车辆的位置信息,确定每个路况图像所对应的目标车辆和目标车道线的相对位置关系。
S305、若多个路况图像中的连续M个路况图像所对应的相对位置关系与多个路况图像中的连续N个路况图像所对应的相对位置关系相反,则确定目标车辆跨线;
其中,M个路况图像为N个路况图像之前的图像,且M个路况图像与N个路况图像连续;M和N均为大于等于1的整数。
具体地,若多个路况图像中的连续M个路况图像所对应的相对位置关系为第一相对位置关系,多个路况图像中的连续N个路况图像所对应的相对位置关系为第二相对位置关系,且第一相对位置关系和第二相对位置关系相反,则确定目标车辆跨线;其中,M个路况图像为N个路况图像之前的图像,且M个路况图像与N个路况图像连续。由于在连续的路况图像中确定连续M个路况图像中的第一相对位置关系和连续N个路况图像的第二相对位置关系,保证了在连续M个路况图像的目标车辆与目标车道线的相对位置关系是一致的,连续N个路况图像的第二相对位置关系是一致的,从而基于第一相对位置关系与第二相对位置关系,能够准确的识别目标车辆是否跨线。
示例性地,在无人机拍摄了多个路况图像后,通过实例分割(例如,目标检测、语义分割等)对路况图像进行识别,对多个车道线分别进行拟合,使得每一个车道线得到对应的直线方程。例如,y=ax+b。通过计算目标车辆的中心点位置与多个车道线对应的直线方程的距离,选择距离小于预设阈值的车道线为目标车道线,并确定目标车道线对应的直线方程。基于多个路况图像中连续M个路况图像中目标车辆与目标车道线的第一相对位置关系为目标车辆位于目标车道线的左侧,在连续N个路况图像中目标车辆与目标车道线的第二相对位置关系为目标车辆位于目标车道线的右侧,且M个路况图像与N个路况图像连续,则根据第一相对位置关系和第二相对位置关系则能够确定目标车辆跨线。
图4是根据本公开一实施例的车辆跨线识别装置的框图。如图4所示,该装置可以包括:
位置信息确定模块401,用于在多个路况图像中的每个路况图像中,确定目标车道线的位置信息和目标车辆的位置信息;
相对位置关系确定模块402,用于基于目标车道线的位置信息和目标车辆的位置信息,确定每个路况图像所对应的目标车辆和目标车道线的相对位置关系;
识别模块403,用于在多个路况图像所对应的相对位置关系符合预设条件的情况下,确定目标车辆跨线。
在一种实施方式中,如图5所示,该装置还包括:
图像获取模块501,用于利用无人机采集多个路况图像。
在一种实施方式中,如图5所示,位置信息确定模块502,包括:
第一处理单元503,用于在每个路况图像中,确定目标车辆的位置信息和多个车道线的位置信息;
第二处理单元504,用于基于每个路况图像中目标车辆的位置信息和多个车道线的位置信息,确定在每个路况图像中目标车辆与多个车道线之间的距离;
第三处理单元505,用于若在多个路况图像中的第i个路况图像中,目标车辆与多个车道线中的第j个车道线的距离小于预设阈值,则将第j个车道线确定为目标车道线,并从每个路况图像中的多个车道线的位置信息中确定目标车道线的位置信息;其中,i和j均为大于等于1的整数。
在一种实施方式中,如图5所示,其中,位置信息确定模块502,包括:
跟踪单元506,用于根据目标车道线在多个路况图像中的第一路况图像中的位置信息以及预设的跟踪策略,在多个路况图像中的第二路况图像中确定目标车道线的位置信息。
在一种实施方式中,如图5所示,识别模块,包括:
跨线识别单元507,用于若多个路况图像中的连续M个路况图像所对应的相对位置关系与多个路况图像中的连续N个路况图像所对应的相对位置关系相反,则确定目标车辆跨线;
其中,M个路况图像为N个路况图像之前的图像,且M个路况图像与N个路况图像连续;M和N均为大于等于1的整数。
在一种实施方式中,其中,第二处理单元用于:
基于每个路况图像中目标车辆的中心点位置和多个车道线的直线方程,确定在每个路况图像中目标车辆与多个车道线之间的距离。
这样,本公开实施例的装置基于每个路况图像中目标车辆的位置信息和目标车道线的位置信息,能够准确的确定在每个路况图像中目标车辆和目标车道线的相对位置关系。然后基于多个路况图像所对应的准确的相对位置关系,确定目标车辆是否跨线。由于综合多个路况图像进行判断,并且基于准确的相对位置关系进行判断,因此,能够提高识别目标车辆跨线的准确性。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开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。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。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/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如车辆跨线识别方法。例如,在一些实施例中,车辆跨线识别方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的车辆跨线识别方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行车辆跨线识别方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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(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(LAN)、广域网(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。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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,本发公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种车辆跨线识别方法,包括:
在多个路况图像中的每个路况图像中,确定目标车道线的位置信息和目标车辆的位置信息;
基于所述目标车道线的位置信息和所述目标车辆的位置信息,确定所述每个路况图像所对应的目标车辆和目标车道线的相对位置关系;
在所述多个路况图像所对应的所述相对位置关系符合预设条件的情况下,确定所述目标车辆跨线。
2.根据权利要求1所述的方法,所述在所述多个路况图像所对应的所述相对位置关系符合预设条件的情况下,确定所述目标车辆跨线,包括:
若所述多个路况图像中的连续M个路况图像所对应的所述相对位置关系与所述多个路况图像中的连续N个路况图像所对应的所述相对位置关系相反,则确定所述目标车辆跨线;
其中,所述M个路况图像为所述N个路况图像之前的图像,且所述M个路况图像与所述N个路况图像连续;M和N均为大于等于1的整数。
3.根据权利要求1或2所述的方法,所述在多个路况图像中的每个路况图像中,确定目标车道线的位置信息和目标车辆的位置信息,包括:
在所述每个路况图像中,确定所述目标车辆的位置信息和多个车道线的位置信息;
基于所述每个路况图像中所述目标车辆的位置信息和所述多个车道线的位置信息,确定在所述每个路况图像中所述目标车辆与所述多个车道线之间的距离;
若在所述多个路况图像中的第i个路况图像中,所述目标车辆与所述多个车道线中的第j个车道线的距离小于预设阈值,则将所述第j个车道线确定为所述目标车道线,并从所述每个路况图像中的多个车道线的位置信息中确定所述目标车道线的位置信息;其中,i和j均为大于等于1的整数。
4.根据权利要求3所述的方法,其中,所述基于所述每个路况图像中所述目标车辆的位置信息和所述多个车道线的位置信息,确定在所述每个路况图像中所述目标车辆与所述多个车道线之间的距离,包括:
基于所述每个路况图像中所述目标车辆的中心点位置和所述多个车道线的直线方程,确定在所述每个路况图像中所述目标车辆与所述多个车道线之间的距离。
5.根据权利要求1所述的方法,其中,所述在多个路况图像中的每个路况图像中,确定目标车道线的位置信息,包括:
根据所述目标车道线在所述多个路况图像中的第一路况图像中的位置信息以及预设的跟踪策略,在所述多个路况图像中的第二路况图像中确定所述目标车道线的位置信息。
6.根据权利要求1-5中任一项所述的方法,还包括:
利用无人机采集所述多个路况图像。
7.一种车辆跨线识别装置,包括:
位置信息确定模块,用于在多个路况图像中的每个路况图像中,确定目标车道线的位置信息和目标车辆的位置信息;
相对位置关系确定模块,用于基于所述目标车道线的位置信息和所述目标车辆的位置信息,确定所述每个路况图像所对应的目标车辆和目标车道线的相对位置关系;
识别模块,用于在所述多个路况图像所对应的所述相对位置关系符合预设条件的情况下,确定所述目标车辆跨线。
8.根据权利要求7所述的装置,所述识别模块,包括:
跨线识别单元,用于若所述多个路况图像中的连续M个路况图像所对应的所述相对位置关系与所述多个路况图像中的连续N个路况图像所对应的所述相对位置关系相反,则确定所述目标车辆跨线;
其中,所述M个路况图像为所述N个路况图像之前的图像,且所述M个路况图像与所述N个路况图像连续;M和N均为大于等于1的整数。
9.根据权利要求7或8所述的装置,所述位置信息确定模块,包括:
第一处理单元,用于在所述每个路况图像中,确定所述目标车辆的位置信息和多个车道线的位置信息;
第二处理单元,用于基于所述每个路况图像中所述目标车辆的位置信息和所述多个车道线的位置信息,确定在所述每个路况图像中所述目标车辆与所述多个车道线之间的距离;
第三处理单元,用于若在所述多个路况图像中的第i个路况图像中,所述目标车辆与所述多个车道线中的第j个车道线的距离小于预设阈值,则将所述第j个车道线确定为所述目标车道线,并从所述每个路况图像中的多个车道线的位置信息中确定所述目标车道线的位置信息;其中,i和j均为大于等于1的整数。
10.根据权利要求9所述的装置,其中,所述第二处理单元用于:
基于所述每个路况图像中所述目标车辆的中心点位置和所述多个车道线的直线方程,确定在所述每个路况图像中所述目标车辆与所述多个车道线之间的距离。
11.根据权利要求7所述的装置,其中,所述位置信息确定模块,包括:
跟踪单元,用于根据所述目标车道线在所述多个路况图像中的第一路况图像中的位置信息以及预设的跟踪策略,在所述多个路况图像中的第二路况图像中确定所述目标车道线的位置信息。
12.根据权利要求7-11所述的装置,还包括:
图像获取模块,用于利用无人机采集所述多个路况图像。
13.一种电子设备,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1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行根据权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110718240.5A CN113392794B (zh) | 2021-06-28 | 2021-06-28 | 车辆跨线识别方法、装置、电子设备和存储介质 |
KR1020227027485A KR20220119167A (ko) | 2021-06-28 | 2022-01-29 | 차량의 차선 이탈 식별 방법 및 장치,전자 기기, 및 저장매체 |
PCT/CN2022/075117 WO2023273344A1 (zh) | 2021-06-28 | 2022-01-29 | 车辆跨线识别方法、装置、电子设备和存储介质 |
JP2022546572A JP2023535661A (ja) | 2021-06-28 | 2022-01-29 | 車両の車線区画線踏み越え認識方法、装置、電子機器、記憶媒体及びコンピュータプログラム |
US17/880,931 US20220375118A1 (en) | 2021-06-28 | 2022-08-04 | Method and apparatus for identifying vehicle cross-line, electronic device and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110718240.5A CN113392794B (zh) | 2021-06-28 | 2021-06-28 | 车辆跨线识别方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113392794A true CN113392794A (zh) | 2021-09-14 |
CN113392794B CN113392794B (zh) | 2023-06-02 |
Family
ID=77624276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110718240.5A Active CN113392794B (zh) | 2021-06-28 | 2021-06-28 | 车辆跨线识别方法、装置、电子设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113392794B (zh) |
WO (1) | WO2023273344A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114565889A (zh) * | 2022-02-25 | 2022-05-31 | 阿波罗智联(北京)科技有限公司 | 车辆压线状态的确定方法、装置、电子设备和介质 |
WO2023273344A1 (zh) * | 2021-06-28 | 2023-01-05 | 北京百度网讯科技有限公司 | 车辆跨线识别方法、装置、电子设备和存储介质 |
CN116110216A (zh) * | 2022-10-21 | 2023-05-12 | 中国第一汽车股份有限公司 | 车辆跨线时间确定方法、装置、存储介质及电子装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107688764A (zh) * | 2016-08-03 | 2018-02-13 | 浙江宇视科技有限公司 | 检测车辆违章的方法及装置 |
CN107909007A (zh) * | 2017-10-27 | 2018-04-13 | 上海识加电子科技有限公司 | 车道线检测方法及装置 |
US20200082183A1 (en) * | 2018-09-07 | 2020-03-12 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method for position detection, device, and storage medium |
WO2020098286A1 (zh) * | 2018-11-13 | 2020-05-22 | 广州小鹏汽车科技有限公司 | 车道线检测方法及装置 |
CN111595253A (zh) * | 2020-05-13 | 2020-08-28 | 北京三快在线科技有限公司 | 车辆与车道线的距离确定方法、装置、设备及存储介质 |
CN112001216A (zh) * | 2020-06-05 | 2020-11-27 | 商洛学院 | 一种基于计算机的汽车行驶车道检测系统 |
CN112528786A (zh) * | 2020-11-30 | 2021-03-19 | 北京百度网讯科技有限公司 | 车辆跟踪方法、装置及电子设备 |
CN112541437A (zh) * | 2020-12-15 | 2021-03-23 | 北京百度网讯科技有限公司 | 车辆定位方法、装置、电子设备及存储介质 |
CN112668428A (zh) * | 2020-12-21 | 2021-04-16 | 北京百度网讯科技有限公司 | 车辆变道的检测方法、路侧设备、云控平台和程序产品 |
CN112785850A (zh) * | 2020-12-29 | 2021-05-11 | 上海眼控科技股份有限公司 | 车辆变道未打灯的识别方法及装置 |
CN112784724A (zh) * | 2021-01-14 | 2021-05-11 | 上海眼控科技股份有限公司 | 一种车辆变道检测方法、装置、设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018117538A1 (ko) * | 2016-12-23 | 2018-06-28 | 삼성전자 주식회사 | 차선 정보를 추정하는 방법 및 전자 장치 |
CN113392794B (zh) * | 2021-06-28 | 2023-06-02 | 北京百度网讯科技有限公司 | 车辆跨线识别方法、装置、电子设备和存储介质 |
-
2021
- 2021-06-28 CN CN202110718240.5A patent/CN113392794B/zh active Active
-
2022
- 2022-01-29 WO PCT/CN2022/075117 patent/WO2023273344A1/zh active Application Filing
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107688764A (zh) * | 2016-08-03 | 2018-02-13 | 浙江宇视科技有限公司 | 检测车辆违章的方法及装置 |
CN107909007A (zh) * | 2017-10-27 | 2018-04-13 | 上海识加电子科技有限公司 | 车道线检测方法及装置 |
US20200082183A1 (en) * | 2018-09-07 | 2020-03-12 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method for position detection, device, and storage medium |
WO2020098286A1 (zh) * | 2018-11-13 | 2020-05-22 | 广州小鹏汽车科技有限公司 | 车道线检测方法及装置 |
CN111595253A (zh) * | 2020-05-13 | 2020-08-28 | 北京三快在线科技有限公司 | 车辆与车道线的距离确定方法、装置、设备及存储介质 |
CN112001216A (zh) * | 2020-06-05 | 2020-11-27 | 商洛学院 | 一种基于计算机的汽车行驶车道检测系统 |
CN112528786A (zh) * | 2020-11-30 | 2021-03-19 | 北京百度网讯科技有限公司 | 车辆跟踪方法、装置及电子设备 |
CN112541437A (zh) * | 2020-12-15 | 2021-03-23 | 北京百度网讯科技有限公司 | 车辆定位方法、装置、电子设备及存储介质 |
CN112668428A (zh) * | 2020-12-21 | 2021-04-16 | 北京百度网讯科技有限公司 | 车辆变道的检测方法、路侧设备、云控平台和程序产品 |
CN112785850A (zh) * | 2020-12-29 | 2021-05-11 | 上海眼控科技股份有限公司 | 车辆变道未打灯的识别方法及装置 |
CN112784724A (zh) * | 2021-01-14 | 2021-05-11 | 上海眼控科技股份有限公司 | 一种车辆变道检测方法、装置、设备及存储介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023273344A1 (zh) * | 2021-06-28 | 2023-01-05 | 北京百度网讯科技有限公司 | 车辆跨线识别方法、装置、电子设备和存储介质 |
CN114565889A (zh) * | 2022-02-25 | 2022-05-31 | 阿波罗智联(北京)科技有限公司 | 车辆压线状态的确定方法、装置、电子设备和介质 |
CN114565889B (zh) * | 2022-02-25 | 2023-11-14 | 阿波罗智联(北京)科技有限公司 | 车辆压线状态的确定方法、装置、电子设备和介质 |
CN116110216A (zh) * | 2022-10-21 | 2023-05-12 | 中国第一汽车股份有限公司 | 车辆跨线时间确定方法、装置、存储介质及电子装置 |
CN116110216B (zh) * | 2022-10-21 | 2024-04-12 | 中国第一汽车股份有限公司 | 车辆跨线时间确定方法、装置、存储介质及电子装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113392794B (zh) | 2023-06-02 |
WO2023273344A1 (zh) | 2023-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113392794B (zh) | 车辆跨线识别方法、装置、电子设备和存储介质 | |
CN112560684B (zh) | 车道线检测方法、装置、电子设备、存储介质以及车辆 | |
CN112541437A (zh) | 车辆定位方法、装置、电子设备及存储介质 | |
CN112785625A (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN112863187B (zh) | 感知模型的检测方法、电子设备、路侧设备和云控平台 | |
CN112818792A (zh) | 车道线检测方法、装置、电子设备及计算机存储介质 | |
CN115641359B (zh) | 确定对象的运动轨迹的方法、装置、电子设备和介质 | |
CN113378857A (zh) | 目标检测方法、装置、电子设备及存储介质 | |
CN114005098A (zh) | 高精地图车道线信息的检测方法、装置和电子设备 | |
CN114429631B (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN112507957B (zh) | 一种车辆关联方法、装置、路侧设备及云控平台 | |
CN112507964B (zh) | 用于车道级事件的检测方法和装置、路侧设备和云控平台 | |
CN115131315A (zh) | 一种图像的变化检测方法、装置、设备及存储介质 | |
CN114549584A (zh) | 信息处理的方法、装置、电子设备及存储介质 | |
CN114495049A (zh) | 识别车道线的方法和装置 | |
CN114064745A (zh) | 一种确定交通提示距离的方法、装置及电子设备 | |
CN114694138B (zh) | 一种应用于智能驾驶的路面检测方法、装置及设备 | |
US20220375118A1 (en) | Method and apparatus for identifying vehicle cross-line, electronic device and storage medium | |
CN114359513A (zh) | 障碍物位置的确定方法、装置和电子设备 | |
CN114820700B (zh) | 对象跟踪方法及装置 | |
CN112966606B (zh) | 图像识别方法、相关装置及计算机程序产品 | |
CN115810270A (zh) | 车辆转向检测的方法、装置、电子设备及存储介质 | |
CN112541465A (zh) | 一种车流量统计方法、装置、路侧设备及云控平台 | |
CN114091587A (zh) | 用于高精地图的确定对象类别的方法、装置、设备和介质 | |
CN113887331A (zh) | 图像处理方法、事件检测方法、装置、设备和存储介质 |
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 |