CN114166132A - 一种车辆高度抓拍测量方法及装置 - Google Patents
一种车辆高度抓拍测量方法及装置 Download PDFInfo
- Publication number
- CN114166132A CN114166132A CN202111334886.XA CN202111334886A CN114166132A CN 114166132 A CN114166132 A CN 114166132A CN 202111334886 A CN202111334886 A CN 202111334886A CN 114166132 A CN114166132 A CN 114166132A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- image
- coordinate system
- license plate
- height
- 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
- 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
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
- G01B11/0608—Height gauges
-
- 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
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
- G01B11/0691—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material of objects while moving
-
- 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
Abstract
本申请涉及车辆监测识别的技术领域,特别涉及一种车辆高度抓拍测量方法及装置,该车辆高度抓拍测量方法包括以下步骤:获取车辆的图像;根据图像坐标系与桥面立体坐标系的转换关系,将图像中车辆对应的图像坐标转换为桥面立体坐标;根据车辆的桥面立体坐标,确定车辆的高度。能够解决现有技术中采用限高架限高,会导致剐蹭碰撞事故,甚至导致人员伤亡,造成了恶劣社会影响的问题。
Description
技术领域
本申请涉及车辆监测识别的技术领域,特别涉及一种车辆高度抓拍测量方法及装置。
背景技术
近年来,由于部分桥梁桥下净空不足和超高车辆违规通行,导致车辆桥下通行时与桥梁底部发生剐蹭或撞击,出于避免此类事故的目的,同时也为了禁止超高超重车辆上桥,众多桥梁管理单位在关键路口和上桥位置安装了限高架,但物理限高的方式也引发了许多限高架剐蹭甚至碰撞事故,甚至导致人员伤亡,造成了恶劣的社会影响。因此需要以电子限高的方式对超高车辆进行控制。
当前主流的桥上空间监测主要是通过视频监测的方式进行,目前,大多技术是可以通过单目视觉技术识别车辆的平面位置,但是无法判断车辆的高度。
发明内容
针对现有技术中存在的缺陷,本发明的目的在于提供一种车辆高度抓拍测量方法及装置,能够解决现有技术中采用限高架限高,会导致剐蹭碰撞事故,甚至导致人员伤亡,造成了恶劣的社会影响的问题。
为达到以上目的,本发明采取的技术方案是:
本发明提供一种车辆高度抓拍测量方法,包括以下步骤:
获取车辆的图像;
根据图像坐标系与桥面立体坐标系的转换关系,将图像中车辆对应的图像坐标转换为桥面立体坐标;
根据车辆的桥面立体坐标,确定车辆的高度。
在一些可选的方案中,所述的根据图像坐标系与桥面立体坐标系的转换关系,将图像中车辆对应的图像坐标转换为桥面立体坐标,具体包括:
利用车辆检测模型,从图像中获取车辆轮廓;
获取车辆轮胎与地面接触点的车辆平面位置图像坐标;
根据车辆轮胎与地面接触点位置和车辆轮廓,获取车辆高度位置图像坐标;
根据图像坐标系与桥面立体坐标系的转换关系、车辆平面位置图像坐标以及车辆高度位置图像坐标,将图像中车辆对应的图像坐标转换为桥面立体坐标。
在一些可选的方案中,在所述获取车辆在设定位置的图像之前,还包括标定图像坐标系与桥面立体坐标系的转换关系。
在一些可选的方案中,所述的标定图像坐标系与桥面立体坐标系的转换关系,包括:
建立图像坐标系与桥面立体坐标系之间的转化关系式;
获取多个已知桥面立体坐标,以及在固定拍摄位置和拍摄角度拍摄图片中多个对应的图像坐标;
将已知桥面立体坐标和对应的图像坐标带入转化关系式中求解,得到图像坐标系与桥面立体坐标系的转换关系。
在一些可选的方案中,所述获取车辆的图像,具体包括:当车辆经过设定位置后,立即抓拍或者延时设定时间后抓拍车辆图片。
在一些可选的方案中,在将图像中车辆对应的图像坐标转换为桥面立体坐标时,还获取车辆的车牌号码。
在一些可选的方案中,所述获取车辆的车牌号码,包括:
利用车牌检测模型,从图像中获取车牌区域;
确定车牌区域宽度和高度方向的像素长度;
判断车牌区域宽度和高度方向的像素长度比例是否超过阈值,若否,直接识别车牌号码,若是,将车牌区域矫正后再进行识别。
在一些可选的方案中,所述将车牌区域矫正,包括:
对车牌区域进行清晰化处理后,再进行二值化处理;
扫描二值化处理后的车牌区域图像,筛选出车牌边缘图像;
根据车牌边缘图像中四角的像素坐标和车牌正视图像中的四角正视坐标,确定车牌区域坐标系与车牌正视图像坐标系的关系;
根据车牌区域坐标系与车牌正视图像坐标系的关系,将车牌区域的图像进行矫正。
在一些可选的方案中,在所述确定车辆的高度后,还判断车辆高度是否超过阈值,当车辆高度超过阈值时,发出报警。
另一方面,本发明还提供一种车辆高度抓拍测量装置,包括:
图像采集模块,其用于获取车辆的图像;
图像处理模块,其用于根据图像坐标系与桥面立体坐标系的转换关系,将图像中车辆对应的图像坐标转换为桥面立体坐标;
高度确定模块,其用于根据车辆的桥面立体坐标,确定车辆的高度。与现有技术相比,本发明的优点在于:该方法通过标定获取桥面立体坐标与图像坐标的转换关系,在固定位置安装摄像头,并保持摄像头的角度固定,利用该摄像头抓拍设定位置为车辆图像,通过图像处理模块根据图像坐标系与桥面立体坐标系的转换关系,将图像中车辆对应的图像坐标转换为桥面立体坐标,最后根据车辆的桥面立体坐标,确定车辆的高度。以非物理限高的方法合理控制超高车辆通行,避免了现有技术中采用限高架限高,会导致剐蹭碰撞事故,甚至导致人员伤亡,造成了恶劣的社会影响的问题。另外,本申请综合考虑了当前桥梁设备安装便捷度、视觉识别技术应用特点,使整个方法和系统更接近实际应用场景,更加合理。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中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为本发明实施例中车辆高度抓拍测量方法的流程图;
图2为本发明实施例中抓拍图像的示意图;
图3为本发明实施例中获取车牌号码的流程图;
图4为本发明实施例中提取车辆最高点和最低点的示意图。
图中:1、桥面;2、第一应变监测断面;3、第二应变监测断面;4、抓拍摄像机。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图对本发明的实施例作进一步详细说明。
图1为本发明实施例中车辆高度抓拍测量方法的流程图,如图1所示,一方面,本发明提供一种车辆高度抓拍测量方法,包括以下步骤:
S0:标定图像坐标系与桥面立体坐标系的转换关系。固定桥上抓拍摄像头安装位置、拍摄角度及相关参数,通过已知特殊点的标定,获取拍摄场景下的桥面立体坐标系和图像坐标系的转换关系。
具体包括以下步骤:
S01:建立图像坐标系与桥面立体坐标系之间的转化关系式。
令抓拍图像坐标系中的图像坐标为(u,v),即抓拍图像中的平面坐标位置;对应的桥面立体坐标系中的坐标为(Xw,Yw,Zw),即桥面上的空间坐标位置,本发明中,令抓拍桥面为Xw-Yw平面,垂直桥面向上为Zw轴正方向。可根据摄影测量学基本原理构建如下转化关系:
其中,(Xwi,Ywi,Zwi)为桥面立体坐标系中的第i个点的坐标,(ui,vi)为图像坐标系中的第i个点的坐标,m11、m12、m13、m14、m21、m22、m23、m24、m31、m32、m33、m34为相机参数,消去未知参数Zci,化简得:
Xwi11+Ywim12+Zwim13+m14-Xwim31ui-Ywim32ui-Zwim33ui=m34ui
Xwim21+Ywim22+Zwim23+m24-Xwim31vi-Ywim32vi-Zwim33vi=m34vi。
上式可转化为:
S02:获取多个已知桥面立体坐标,以及在固定拍摄位置和拍摄角度拍摄图片中多个对应的图像坐标。
图2为本发明实施例中抓拍图像的示意图,如图2所示,根据转换关系,对于桥面立体坐标,选取n个标定点,即已知桥面立体坐标,另外获取对应的图像坐标,可得2n个方程,为求解矩阵M中的11个未知参数,至少需要6个标定点。
S03:将已知桥面立体坐标和对应的图像坐标带入转化关系式中求解,得到图像坐标系与桥面立体坐标系的转换关系。
为方便实际标定,本发明中,在桥面立体坐标系中取4个以上Xw-Yw平面即桥面上的平面标定点,外加2个以上Zw≠0的空间标定点。通常标定点的数目越多,M求解结果越准确,可根据实际情况确定标定点的个数。选取n个标定点,可得:
为方便表达,将上式写为B=AM,利用奇异值分解(SVD)求解M矩阵,步骤如下:
矩阵A的SVD分解为:
利用SVD可求解出左奇异矩阵U1、U2、奇异值矩阵∑、右奇异矩阵V,令B1=U1 TB,B2=U2 TB,Q=VTM,由于正交变换下范数不变,残差向量r=B-AM可转化为:
||r||2=||B1-∑Q||2+||B2||2
则||r||2最小问题可转化为条件Q=∑-1B1,通过下式即可求解M。
M=VQ=V∑-1B1=V∑-1U1 TB
得到桥面立体坐标与图像坐标的转换关系,完成标定。
在完成桥面立体坐标与图像坐标的转换关系的标定后,在车辆抓拍检测时,包括以下步骤:
如图2所示,S1:获取车辆的图像。具体的,当车辆经过设定位置后,立即抓拍或者延时设定时间后抓拍车辆图片。
在本实施例中,在车辆上桥位置或监测初始位置安装布置两个动应变监测断面,两个断面间距为L,动应变传感器均布置于桥梁梁底。当车辆在桥面1上行驶,先后行驶过两个动应变监测断面后,第一应变监测断面2和第二应变监测断面3的应变峰值记录时间分别为t1和t2,采用时间差识别车速V,其中,V=L/(t2-t1)。在第二应变监测断面设置应变触发值,当车辆通过该断面并且该断面应变超过触发值时,通过网络通讯传输指令给抓拍摄像机4,经过抓拍延时td后进行固定场景图像抓拍,固定抓拍场景中心位置距第二应变监测断面沿桥梁纵向的距离为S,则抓拍延时td=S/V。
S2:根据图像坐标系与桥面立体坐标系的转换关系,将图像中车辆对应的图像坐标转换为桥面立体坐标。
S21:利用车辆检测模型,从图像中获取车辆轮廓。
在本实施例中,建立初始车辆检测模型。利用开源yolov4算法,采用DarkNet53骨干网络,对标定的样本进行训练,得到车辆检测模型。待训练完成后,当给定一张照片时,模型能检测出车辆轮廓和轮胎。具体训练流程如下:
获取样本交通视频流数据;将视频流通过跳帧的方式采样,得到一系列图片;采用labelImg对得到的图片进行人工标注,作为训练样本;对训练样本进行随机缩放、裁剪、翻转、旋转和Mosaic等处理,增强模型对不同场景的识别能力;将训练图像输入至预设的YOLOv4神经网络模型进行训练,得到车辆检测模型;
在利用车辆检测模型,从图像中获取车辆轮廓时:首先获取实时交通视频流数据;将实时车辆视频数据分割为帧图像,降采样后输入车辆检测模型中,获取车辆轮廓和轮胎。
本例中,直接从在固定位置和角度拍摄的图像,降采样后输入车辆检测模型中,获取车辆轮廓和轮胎。
S22:获取车辆轮胎与地面接触点的车辆平面位置图像坐标。
在本例中,利用canny边缘检测算法,获取轮胎与地面接触点D的像素坐标,为车辆在Xw-Yw平面即桥面上对应的图像坐标。
S23:根据车辆轮胎与地面接触点位置和车辆轮廓,获取车辆高度位置图像坐标。
如图4所示,在本例中,利用mask掩码,将车辆轮廓区域之外的部分全部屏蔽,消除噪声和干扰,然后边缘检测,得到车辆上边缘的轮廓线L。从轮胎与地面接触点D点出发,作平行于车辆轮廓高度方向的平行线,交上边缘的轮廓线L于点H,则可以认为点D为点H在地面方向上的投影,获取点H的像素坐标,即为车辆高度位置对应的图像坐标。
S24:根据图像坐标系与桥面立体坐标系的转换关系、车辆平面位置图像坐标以及车辆高度位置图像坐标,将图像中车辆对应的图像坐标转换为桥面立体坐标。
具体地,将识别到的轮胎与地面接触点D点对应的图像坐标(uc-1,vc-1)代入下式:
其中,轮胎与地面接触点D点对应的Zw-c=0,即可求解出桥面立体坐标中车辆桥面坐标(Xw-c,Yw-c,0)。
将识别到的车辆高度位置H点对应的图像坐标(uc-2,vc-2)及车辆桥面坐标(Xw-c,Yw-c,0)代入下式:
即可求解出车辆高度位置H在桥面立体坐标中车辆立体坐标(Xw-c,Yw-c,Zw-c)。其中Zw-c即为通行车辆高度。
S3:根据车辆的桥面立体坐标,确定车辆的高度。
在本例中,车辆高度位置H在桥面立体坐标中车辆立体坐标(Xw-c,Yw-c,Zw-c)中的Zw-c即为通行车辆高度。
S4:在所述确定车辆的高度后,还判断车辆高度是否超过阈值,当车辆高度超过阈值时,发出报警。
在本实施例中,根据相关规范及政策要求,也可根据经验或统计结果,设置车辆高度阈值,当识别的车辆高度超过阈值时,发出报警。
如图3所示,另外,在将图像中车辆对应的图像坐标转换为桥面立体坐标时,还获取车辆的车牌号码。包括以下步骤:
A:利用车牌检测模型,从图像中获取车牌区域.
在本实施例中,建立初始车牌检测模型。利用开源yolov4算法,采用DarkNet53骨干网络,对标定的样本进行训练,得到车牌检测模型。待训练完成后,当给定一张照片时,模型能检测出车牌区域。
B:确定车牌区域宽度和高度方向的像素长度。
在本实施例中,利用车牌检测模型,将车牌区域ROI_Plate截取出来后;即可计算车牌区域ROI_Plate宽度和高度方向的像素长度w_plate、h_plate。
C:判断车牌区域宽度和高度方向的像素长度比例是否超过阈值,若否,直接识别车牌号码,若是,将车牌区域矫正后再进行识别。
在本实施例中,当车牌区域宽度和高度方向的像素长度比例不超过阈值时,则证明车牌区域较正,可以进行直接的号码识别。当车牌区域宽度和高度方向的像素长度比例超过阈值时,则证明车牌区域需要矫正后再进行号码识别。
本例中,将车牌区域矫正,包括以下步骤:
C1:对车牌区域进行清晰化处理后,再进行二值化处理。
将车牌区域进行清晰化处理,具体包括:对车牌区域ROI_Plate图像灰度化;灰度化后的图像进行自适应中值滤波,消除部分噪声;自适应图像增强,增加图像的对比度,让图像特征更明显;边缘检测,获取车牌的轮廓区域;进行腐蚀和膨胀运算,消除细小噪点。将图像二值化,轮廓区域内部点为255,外部为0。
C2:扫描二值化处理后的车牌区域图像,筛选出车牌边缘图像。
具体地,对图形每一列元素进行扫描,从上往下遇到的第一个非0元素判断为车牌上边界、从下往上遇到的第一个非0元素判断为车牌下边界。理论上,车牌上边缘或下边缘像素点会在一条直线上,但实际上,边缘像素点会在直线两侧分布,且由于噪声干扰,会存在部分远离直线的异常点,因此采用随机抽样一致算法,对边缘像素点进行拟合,以消除异常点的影响;
C3:根据车牌边缘图像中四角的像素坐标和车牌正视图像中的四角正视坐标,确定车牌区域坐标与车牌正视图像坐标的关系。
在本例中,根据直线的斜率和车牌的左右边界点,可以确定车牌边缘图像中四角的像素坐标;正视图的4个角点是已知的(即矩阵4个端点),车牌的四个角点也是已知的,即车牌正视图像中的四角正视坐标,每个点有如下的变换关系:
上式矩阵[H]为单应矩阵,将式子展开后可得到如下的两个方程:
x2(H31x1+H32y1+H33)=H11x1+H12y1+H13
y2(H31x1+H32y1+H33)=H21x1+H22y1+H23
这里采用的是齐次坐标系,可以令H33=1,故一共有8个未知数。每个角点能构造2个方程,四个角点构造8个方程,即可以得到唯一解的单应矩阵[H]。
C4:根据车牌区域坐标与车牌正视图像坐标的关系,将车牌区域的图像进行矫正。
在得到单应矩阵[H],即确定了车牌区域坐标与车牌正视图像坐标的关系,即可将车牌区域的各个像素坐标矫正为车牌正视图像的坐标。
识别车牌号码包括以下步骤:首先要对矫正后的车牌区域进行图像灰度化、图像滤波、图像增强、腐蚀和膨胀、轮廓区域填充、二值化(轮廓内为1,轮廓外为0)等操作。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值,因此可以统计图像不同位置垂直方向上像素为1的个数,得到一系列点(x,y)。将得到的点(x,y)用分段二次曲线拟合,设置合理的阈值和间隔,寻找极小值点,即为对应的字符分割点。将车牌分隔为单独字符后,基于模板匹配的OCR方法,对字符进行识别。首先需要建立字符模板库,其次将单字符图片尺寸大小缩放为模板的大小,然后与所有的模板进行匹配,最后选最佳匹配模板作为结果。
另一方面,本发明提供了一种车辆高度抓拍测量装置,包括:图像采集模块、图像处理模块和高度确定模块。
其中,图像采集模块用于获取车辆的图像;图像处理模块用于根据图像坐标系与桥面立体坐标系的转换关系,将图像中车辆对应的图像坐标转换为桥面立体坐标;高度确定模块用于根据车辆的桥面立体坐标,确定车辆的高度。
整个系统还包括:传输网络,其用于在不同设备间传输指令和数据,并可将最终的抓拍识别结果上传云服务器;存储器,其用于存储可执行指令及抓拍识别结果。车辆高度抓拍测量装置与所述存储器连接,用于运行所述可执行指令以执行如上述的车辆高度抓拍测量方法。
综上所述,该方法通过标定获取桥面立体坐标与图像坐标的转换关系,在固定位置安装摄像头,并保持摄像头的角度固定,利用该摄像头抓拍设定位置为车辆图像,通过图像处理模块根据图像坐标系与桥面立体坐标系的转换关系,将图像中车辆对应的图像坐标转换为桥面立体坐标,最后根据车辆的桥面立体坐标,确定车辆的高度。并且给出了将车牌矫正后识别的方法,可对超高的车辆进行记录,并且发出报警信息,以非物理限高的方法合理控制超高车辆通行。另外,本申请综合考虑了当前桥梁设备安装便捷度、视觉识别技术应用特点,使整个方法和系统更接近实际应用场景,更加合理。
在本申请的描述中,需要说明的是,术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
需要说明的是,在本申请中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种车辆高度抓拍测量方法,其特征在于,包括以下步骤:
获取车辆的图像;
根据图像坐标系与桥面立体坐标系的转换关系,将图像中车辆对应的图像坐标转换为桥面立体坐标;
根据车辆的桥面立体坐标,确定车辆的高度。
2.如权利要求1所述的车辆高度抓拍测量方法,其特征在于,所述的根据图像坐标系与桥面立体坐标系的转换关系,将图像中车辆对应的图像坐标转换为桥面立体坐标,具体包括:
利用车辆检测模型,从图像中获取车辆轮廓;
获取车辆轮胎与地面接触点的车辆平面位置图像坐标;
根据车辆轮胎与地面接触点位置和车辆轮廓,获取车辆高度位置图像坐标;
根据图像坐标系与桥面立体坐标系的转换关系、车辆平面位置图像坐标以及车辆高度位置图像坐标,将图像中车辆对应的图像坐标转换为桥面立体坐标。
3.如权利要求1所述的车辆高度抓拍测量方法,其特征在于,在所述获取车辆在设定位置的图像之前,还包括标定图像坐标系与桥面立体坐标系的转换关系。
4.如权利要求3所述的车辆高度抓拍测量方法,其特征在于,所述的标定图像坐标系与桥面立体坐标系的转换关系,包括:
建立图像坐标系与桥面立体坐标系之间的转化关系式;
获取多个已知桥面立体坐标,以及在固定拍摄位置和拍摄角度拍摄图片中多个对应的图像坐标;
将已知桥面立体坐标和对应的图像坐标带入转化关系式中求解,得到图像坐标系与桥面立体坐标系的转换关系。
5.如权利要求1所述的车辆高度抓拍测量方法,其特征在于,所述获取车辆的图像,具体包括:当车辆经过设定位置后,立即抓拍或者延时设定时间后抓拍车辆图片。
6.如权利要求1所述的车辆高度抓拍测量方法,其特征在于,在将图像中车辆对应的图像坐标转换为桥面立体坐标时,还获取车辆的车牌号码。
7.如权利要求6所述的车辆高度抓拍测量方法,其特征在于,所述获取车辆的车牌号码,包括:
利用车牌检测模型,从图像中获取车牌区域;
确定车牌区域宽度和高度方向的像素长度;
判断车牌区域宽度和高度方向的像素长度比例是否超过阈值,若否,直接识别车牌号码,若是,将车牌区域矫正后再进行识别。
8.如权利要求7所述的车辆高度抓拍测量方法,其特征在于,所述将车牌区域矫正,包括:
对车牌区域进行清晰化处理后,再进行二值化处理;
扫描二值化处理后的车牌区域图像,筛选出车牌边缘图像;
根据车牌边缘图像中四角的像素坐标和车牌正视图像中的四角正视坐标,确定车牌区域坐标系与车牌正视图像坐标系的关系;
根据车牌区域坐标系与车牌正视图像坐标系的关系,将车牌区域的图像进行矫正。
9.如权利要求1所述的车辆高度抓拍测量方法,其特征在于,在所述确定车辆的高度后,还判断车辆高度是否超过阈值,当车辆高度超过阈值时,发出报警。
10.一种车辆高度抓拍测量装置,其特征在于,包括:
图像采集模块,其用于获取车辆的图像;
图像处理模块,其用于根据图像坐标系与桥面立体坐标系的转换关系,将图像中车辆对应的图像坐标转换为桥面立体坐标;
高度确定模块,其用于根据车辆的桥面立体坐标,确定车辆的高度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111334886.XA CN114166132A (zh) | 2021-11-11 | 2021-11-11 | 一种车辆高度抓拍测量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111334886.XA CN114166132A (zh) | 2021-11-11 | 2021-11-11 | 一种车辆高度抓拍测量方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114166132A true CN114166132A (zh) | 2022-03-11 |
Family
ID=80478877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111334886.XA Pending CN114166132A (zh) | 2021-11-11 | 2021-11-11 | 一种车辆高度抓拍测量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114166132A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117553695A (zh) * | 2024-01-11 | 2024-02-13 | 摩斯智联科技有限公司 | 基于宽高比抑制噪声计算车辆高度的方法、装置及计算机存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107588732A (zh) * | 2016-07-07 | 2018-01-16 | 苏州华兴致远电子科技有限公司 | 轨边列车零部件高度测量方法和系统 |
CN109373928A (zh) * | 2018-10-31 | 2019-02-22 | 广东泓胜科技股份有限公司 | 一种车辆外廓尺寸测量系统 |
CN109900220A (zh) * | 2018-12-29 | 2019-06-18 | 武汉万集信息技术有限公司 | 待测车辆外廓尺寸的测量方法、装置及系统 |
CN111310754A (zh) * | 2019-12-31 | 2020-06-19 | 创泽智能机器人集团股份有限公司 | 一种分割车牌字符的方法 |
CN112529001A (zh) * | 2020-11-03 | 2021-03-19 | 创泽智能机器人集团股份有限公司 | 一种基于神经网络的车牌识别方法 |
CN113191239A (zh) * | 2021-04-23 | 2021-07-30 | 武汉理工大学 | 一种基于计算机视觉的车辆外廓尺寸动态检测系统 |
-
2021
- 2021-11-11 CN CN202111334886.XA patent/CN114166132A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107588732A (zh) * | 2016-07-07 | 2018-01-16 | 苏州华兴致远电子科技有限公司 | 轨边列车零部件高度测量方法和系统 |
CN109373928A (zh) * | 2018-10-31 | 2019-02-22 | 广东泓胜科技股份有限公司 | 一种车辆外廓尺寸测量系统 |
CN109900220A (zh) * | 2018-12-29 | 2019-06-18 | 武汉万集信息技术有限公司 | 待测车辆外廓尺寸的测量方法、装置及系统 |
CN111310754A (zh) * | 2019-12-31 | 2020-06-19 | 创泽智能机器人集团股份有限公司 | 一种分割车牌字符的方法 |
CN112529001A (zh) * | 2020-11-03 | 2021-03-19 | 创泽智能机器人集团股份有限公司 | 一种基于神经网络的车牌识别方法 |
CN113191239A (zh) * | 2021-04-23 | 2021-07-30 | 武汉理工大学 | 一种基于计算机视觉的车辆外廓尺寸动态检测系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117553695A (zh) * | 2024-01-11 | 2024-02-13 | 摩斯智联科技有限公司 | 基于宽高比抑制噪声计算车辆高度的方法、装置及计算机存储介质 |
CN117553695B (zh) * | 2024-01-11 | 2024-05-03 | 摩斯智联科技有限公司 | 计算车辆高度的方法、装置及计算机存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109241985B (zh) | 一种图像识别方法及装置 | |
CN111308448B (zh) | 图像采集设备与雷达的外参确定方法及装置 | |
CN105512660B (zh) | 车牌号码识别方法及装置 | |
KR101565978B1 (ko) | 원거리 캡처 영상으로 복수의 차량번호를 인식하고 복수의 증거사진을 동시에 추출하는 방법 | |
CN108229475B (zh) | 车辆跟踪方法、系统、计算机设备及可读存储介质 | |
CN110033431B (zh) | 钢桥表面锈蚀区域检测的非接触式检测装置及检测方法 | |
JPH07250319A (ja) | 車両周辺監視装置 | |
US6625300B1 (en) | Car sensing method and car sensing apparatus | |
KR101731804B1 (ko) | 차량 번호판 인식 장치 및 방법 | |
CN117094914B (zh) | 基于计算机视觉的智慧城市道路监控系统 | |
Arulmozhi et al. | Image refinement using skew angle detection and correction for Indian license plates | |
JPH11175880A (ja) | 車輌高さ計測装置およびこの装置を用いた車輌監視システム | |
CN111753749A (zh) | 一种基于特征匹配的车道线检测方法 | |
CN114166132A (zh) | 一种车辆高度抓拍测量方法及装置 | |
CN106874897A (zh) | 一种车牌识别方法和装置 | |
Barua et al. | An Efficient Method of Lane Detection and Tracking for Highway Safety | |
JP4224328B2 (ja) | 車番認識装置 | |
CN111242051A (zh) | 一种车辆识别优化方法、装置及存储介质 | |
JP6126849B2 (ja) | 車線識別装置および車線識別方法 | |
JP3244850B2 (ja) | ナンバープレート読み取り装置 | |
CN115512310A (zh) | 一种基于视频监控下车脸特征的车型识别方法及系统 | |
CN116030430A (zh) | 铁轨识别方法、装置、设备及存储介质 | |
CN115457489A (zh) | 一种基于视频监控的车型识别方法 | |
CN114724119A (zh) | 车道线提取方法、检测设备及存储介质 | |
CN114708532A (zh) | 一种监控视频质量评估方法、系统及存储介质 |
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 |