CN114359845A - 道路拥挤度的检测方法、装置和电子设备 - Google Patents
道路拥挤度的检测方法、装置和电子设备 Download PDFInfo
- Publication number
- CN114359845A CN114359845A CN202111564232.6A CN202111564232A CN114359845A CN 114359845 A CN114359845 A CN 114359845A CN 202111564232 A CN202111564232 A CN 202111564232A CN 114359845 A CN114359845 A CN 114359845A
- Authority
- CN
- China
- Prior art keywords
- road
- determining
- detected
- vehicle
- information
- 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.)
- Withdrawn
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims description 40
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 17
- 239000000126 substance Substances 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000008447 perception Effects 0.000 abstract description 2
- 240000004050 Pentaglottis sempervirens Species 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000005516 engineering process 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
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 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
- 230000007547 defect Effects 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
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种道路拥挤度的检测方法、装置和电子设备,涉及环境感知、智能交通、无人驾驶等人工智能技术领域。具体实现方案为:在确定道路的拥挤度时,可以先获取待检测道路的道路图像;并基于道路图像确定待检测道路中的车辆信息,车辆信息包括车辆的数量和相邻两个车辆之间的距离;鉴于车辆的数量和相邻两个车辆之间的距离可以在一定程度上反映道路的拥挤情况,因此,基于确定出的待检测道路中的车道信息,可以准确地确定待检测道路的拥挤度,从而提高了检测结果的准确度。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及环境感知、智能交通、无人驾驶等人工智能技术领域,具体涉及一种道路拥挤度的检测方法、装置和电子设备。
背景技术
道路拥挤,给人们的出现造成很大的不便,重则诱发交通事故,造成路网瘫痪,对社会的公共安全造成严重的社会影响。
鉴于拥挤度是用于衡量一段路线、或路径上所有车辆对路线的影响,可以用于有效地评估道路的拥挤情况。因此,如何有效地检测道路的拥挤度是至关重要的。
发明内容
本公开提供了一种道路拥挤度的检测方法、装置和电子设备,可以准确地检测道路的拥挤度,提高了检测结果的准确度。
根据本公开的第一方面,提供了一种道路拥挤度的检测方法,该道路拥挤度的检测方法可以包括:
获取待检测道路的道路图像。
根据所述道路图像,确定所述待检测道路中的车辆信息,所述车辆信息包括车辆的数量和相邻两个车辆之间的距离。
根据所述车辆信息,确定所述待检测道路的拥挤度。
根据本公开的第二方面,提供了一种道路拥挤度的检测装置,该道路拥挤度的检测装置可以包括:
获取单元,用于获取待检测道路的道路图像。
处理单元,用于根据所述道路图像,确定所述待检测道路中的车辆信息,所述车辆信息包括车辆的数量和相邻两个车辆之间的距离。
确定单元,用于根据所述车辆信息,确定所述待检测道路的拥挤度。
根据本公开的第三方面,提供了一种电子设备,该电子设备可以包括:
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上述第一方面所述的道路拥挤度的检测方法。
根据本公开的第四方面,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,所述计算机指令用于使所述计算机执行上述第一方面所述的道路拥挤度的检测方法。
根据本公开的第五方面,提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序,所述计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的道路拥挤度的检测方法。
根据本公开的技术方案,可以准确地检测道路的拥挤度,提高了检测结果的准确度。
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是根据本公开第一实施例提供的道路拥挤度的检测方法的流程示意图;
图2是根据本公开第二实施例提供的确定待检测道路中的车辆信息的方法的流程示意图;
图3是本公开实施例提供的一种车道线信息的示意图;
图4是本公开实施例提供的一种对待检测道路的鸟瞰图进行检测,确定待检测道路中车辆信息的示意图;
图5是根据本公开第三实施例提供的根据车辆信息,确定待检测道路的拥挤度的方法的流程示意图;
图6是根据本公开第四实施例提供的道路拥挤度的检测装置的结构示意图;
图7是本公开实施例的提供的一种电子设备的示意性框图。
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。
在本公开的实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的访问关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,其中A,B可以是单数或者复数。在本公开的文字描述中,字符“/”一般表示前后关联对象是一种“或”的关系。此外,在本公开实施例中,“第一”、“第二”、“第三”、“第四”、“第五”以及“第六”只是为了区分不同对象的内容而已,并无其它特殊含义。
本公开实施例提供的技术方案可以应用于环境感知、智能交通、无人驾驶等场景中。以智能交通场景中的智能交通管制为例,准确地检测道路的拥挤情况,对于智能交通管制是至关重要的。鉴于拥挤度是用于衡量一段路线、或路径上所有车辆对路线的影响,因此,可以通过拥挤度有效地评估道路的拥挤情况。
现有技术中,在检测道路的拥挤度时,通常是基于道路上车辆的行驶速度确定的。通常情况下,行驶速度的快慢与拥挤程度成反比。但是采用这种拥挤度确定方法,需要工作人员在道路现场统计道路上车辆的行驶速度,之后,才能基于检测出的道路上车辆的行驶速度,计算确定道路的拥挤度,这样会存在检测场景限制。
因此,为了有效地检测道路的拥挤度,考虑到鸟瞰图像、卫星地图等道路图像易获取,且道路图像中包括的车辆的数量和相邻两个车辆之间的距离,可以在一定程度上反映道路的拥挤情况,因此,可以基于道路中车辆的数量和相邻两个车辆之间的距离,准确地检测待检测道路的拥挤度,而且无需工作人员在道路现场进行检测,避免了对检测场景的限制。
基于上述技术构思,本公开实施例提供了一种新的道路拥挤度的检测方法,下面,将通过具体的实施例对本公开提供的道路拥挤度的检测方法进行详细地说明。可以理解的是,下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
实施例一
图1是根据本公开第一实施例提供的道路拥挤度的检测方法的流程示意图,该道路拥挤度的检测方法可以由软件和/或硬件装置执行,例如,该硬件装置可以为终端或者服务器。示例的,请参见图1所示,该道路拥挤度的检测方法可以包括:
S101、获取待检测道路的道路图像。
示例的,在获取待检测道路的道路图像时,可以从其他电子设备接收待检测道路的道路图像,可以从本次存储中获取待检测道路的道路图像,也可以通过其它方式获取待检测道路的道路图像,具体可以根据实际需要进行设置,在此,对于待检测道路的道路图像的获取方式,本公开实施例不做进一步地限制。
在获取到待检测道路的道路图像后,就可以根据道路图像,确定待检测道路中的车辆信息,即执行下述S102:
S102、根据道路图像,确定待检测道路中的车辆信息,车辆信息包括车辆的数量和相邻两个车辆之间的距离。
示例的,待检测道路中包括一条车道,也可以包括多条车道。当待检测道路中包括多条车道时,车辆的数量为多条车道中车辆数量的总和。
需要说明的是,本公开实施例中,相邻两个车辆之间的距离,是指同一条车道中,按照车道的方向,前后两个相邻车辆之间的距离。
示例的,车辆信息中除了包括车辆的数量和相邻两个车辆之间的距离之外,还可以包括其他车辆信息,例如车辆的长度等,具体可以根据实际需要进行设置。
在确定出待检测道路中的车辆的数量和相邻两个车辆之间的距离后,鉴于车辆的数量和相邻两个车辆之间的距离,可以在一定程度上反映道路的拥挤情况,因此,可以基于道路中车辆的数量和相邻两个车辆之间的距离,确定待检测道路的拥挤度,即执行下述S103:
S103、根据车辆信息,确定待检测道路的拥挤度。
其中,拥挤度越高,说明待检测道路的拥挤情况越严重;拥挤度越低,说明待检测道路的拥挤情况越轻微。
可以看出,本公开实施例中,在确定道路的拥挤度时,可以先获取待检测道路的道路图像;并基于道路图像确定待检测道路中的车辆信息,车辆信息包括车辆的数量和相邻两个车辆之间的距离;鉴于车辆的数量和相邻两个车辆之间的距离可以在一定程度上反映道路的拥挤情况,因此,基于确定出的待检测道路中的车道信息,可以准确地确定待检测道路的拥挤度,从而提高了检测结果的准确度。
基于上述图1所示的实施例,为了便于理解在上述S102中,如何根据道路图像,确定待检测道路中的车辆信息,下面,将通过下述图2所示的实施例二进行详细描述。
实施例二
图2是根据本公开第二实施例提供的确定待检测道路中的车辆信息的方法的流程示意图,该方法同样可以由软件和/或硬件装置执行,例如,该硬件装置可以为终端或者服务器。示例的,请参见图2所示,该方法可以包括:
S201、对道路图像进行车道线识别,确定道路图像中的车道线信息。
示例的,道路图像包括鸟瞰图,也可以为其它俯视图,具体可以根据实际需要进行设置。本公开实施例只是以鸟瞰图为例进行说明,但并不代表本公开实施例仅局限于此。
示例的,在对道路图像进行车道线识别,确定道路图像中的车道线信息时,可以基于鸟瞰图中的灰度梯度特征,从鸟瞰图中提取多个第一像素;并基于鸟瞰图中的颜色特征,从鸟瞰图中提取多个第二像素;再根据多个第一像素和多个第二像素,确定图像信息中的车道线信息。
示例的,基于鸟瞰图中的灰度梯度特征,从鸟瞰图中提取多个第一像素时,可以通过openCV技术,基于sobelX,sobelY,sobelXY,direction四个信息,从鸟瞰图中提取四个信息同时满足灰度(180,255),(10,100),(0,60),以及(85,255)范围的像素,并将这些像素确定为多个第一像素,这样可以从鸟瞰图中提取多个第一像素。
示例的,基于鸟瞰图中的颜色特征,从鸟瞰图中提取多个第二像素时,可以先将鸟瞰图的通道转换成色相、亮度、饱和度(hue、luminance、saturation,HLS)通道,再确定鸟瞰图中的HLS像素值信息和,从鸟瞰图中提取出HLS像素信息值同时满足(180,255),(10,100),(0,60),(85,255)范围的像素,并将这些像素确定为多个第二像素,这样可以从鸟瞰图中提取多个第二像素。
这样分别从鸟瞰图中提取多个第一像素和多个第二像素后,就可以将多个第一像素和多个第二像素进行叠加处理,得到道路图像中的车道线信息。示例的,可参见图3所示,图3是本公开实施例提供的一种车道线信息的示意图,可以清晰地看出道路图像中的车道线信息。
在确定出车道线信息后,就可以进一步根据车道线信息,确定待检测道路中的车辆信息,即执行下述S202:
S202、根据车道线信息,确定待检测道路中的车辆信息。
示例的,根据车道线信息,确定待检测道路中的车辆信息时,可以先根据车道线信息,从道路图像中确定车道区域;再对车道区域内的对象进行轮廓检测,确定待检测道路中的车辆信息。其中,车辆信息包括车辆的数量和相邻两个车辆之间的距离。
通常情况下,车辆的轮廓为一个矩形轮框。示例的,在对车道区域内的对象进行轮廓检测时,可以采用轮廓检测算法,例如霍夫直线变换算法,检测车道区域内的对象的边,即线段;并根据检测出的线段集合判断其轮廓是否符合矩形轮廓特征;若某一个对象的轮廓符合矩形轮廓特征,则确定该对象为车辆,这样就可以进一步确定出待检测道路中车辆的数量,以及相邻两个车辆之间的距离。
示例的,根据检测出的线段集合判断其轮廓是否符合矩形轮廓特征时,可以通过OpenCV计算提供的线段检测方法,例如cv2.HoughLinesP线段检测方法检测矩形轮廓,具体代码实现如下:
#车道内车辆检测
#车道内矩形检测
def detectIng(img,width,height):
minLineLength=10
maxLineGap=4
#霍夫直线变换算法输出检测到的线段集合,可用线段数组表示
lines=cv2.HoughLinesP(img,1,np.pi/180,100,minLineLength,maxLineGap)
segments=lines.reshape(lines.shape[0],4)
#判断是否符合矩形轮廓特征
return detectIng(segments,width,height)
示例的,可参见图4所示,图4是本公开实施例提供的一种对待检测道路的鸟瞰图进行检测,确定待检测道路中车辆信息的示意图,其中,图4中左侧图表示待检测道路的鸟瞰图,对鸟瞰图中车道区域内的对象进行轮廓检测,可以确定待检测道路中的车辆信息,可参见图4中的右侧图。
可以看出,本公开实施例中,在确定待检测道路中的车辆信息时,可以先对待检测道路的道路图像进行车道线识别,确定道路图像中的车道线信息;再根据车道线信息,确定待检测道路中的车辆信息。这样通过图像识别技术对待检测道路的道路图像进行识别,可以准确地确定出待检测道路的车辆信息,提高了确定出的车辆信息的准确度。
基于上述任一实施例,在确定出待检测道路的车辆信息后,就可以进一步根据车辆信息,确定待检测道路的拥挤度。为了便于理解在上述S103中,如何根据车辆信息,确定待检测道路的拥挤度,下面,将通过下述图4所示的实施例三进行详细描述。
实施例三
图5是根据本公开第三实施例提供的根据车辆信息,确定待检测道路的拥挤度的方法的流程示意图,该方法同样可以由软件和/或硬件装置执行,例如,该硬件装置可以为终端或者服务器。示例的,请参见图5所示,该方法可以包括:
S501、根据相邻两个车辆之间的距离,确定待检测道路的间距信息。
示例的,根据相邻两个车辆之间的距离,确定待检测道路的间距信息时,可以包括下述至少两种可能的实现方式:
在一种可能的实现方式中,在确定待检测道路的间距信息时,可以先计算确定相邻两个车辆之间的距离的和值;将将计算得到的和值,确定为待检测道路的间距信息。
结合图4所示,假设待检测道路中包括12个车辆,其中,车辆1、车辆2以及车辆3在左侧第一个车道上,车辆4、车辆5以及车辆6在左侧第二个车道上,车辆7、车辆8以及车辆9在左侧第三个车道上,车辆10、车辆11以及车辆12在最右侧车道上。其中,车辆1和车辆2之间的距离,可记为s1,车辆2和车辆3之间的距离,可记为s2,车辆4和车辆5之间的距离,可记为s3,车辆5和车辆6之间的距离,可记为s4,车辆7和车辆8之间的距离,可记为s5,车辆8和车辆9之间的距离,可记为s6,车辆10和车辆11之间的距离,可记为s7,车辆11和车辆12之间的距离,可记为s8。
在根据12个车辆中,相邻两个车辆之间的距离,确定待检测道路的间距信息时,可以计算车辆1和车辆2之间的距离s1、车辆2和车辆3之间的距离s2、车辆4和车辆5之间的距离s3、车辆5和车辆6之间的距离s4、车辆7和车辆8之间的距离s5、车辆8和车辆9之间的距离s6、车辆10和车辆11之间的距离s7、以及车辆11和车辆12之间的距离s8的和值,并将计算得到的和值,确定为待检测道路的间距信息,可记为s,从而确定出待检测道路的间距信息。
在另一种可能的实现方式中,车辆信息还包括车辆的长度。在确定待检测道路的间距信息时,可以先计算确定车辆的长度和车辆与前一个车辆之间的距离的乘积;再将各车辆对应的乘积的和值,确定为待检测道路的间距信息。
继续结合上述图4所示,假设车辆1的长度为x1、车辆2的长度为x2、车辆3的长度为x3、车辆4的长度为x4、车辆5的长度为x5、车辆6的长度为x6、车辆7的长度为x7、车辆8的长度为x8、车辆9的长度为x9、车辆10的长度为x10、车辆11的长度为x11、车辆12的长度为x12。在确定待检测道路的间距信息时,可以计算车辆1的长度x1和车辆1与前一个车辆之间的距离的乘积f1,鉴于车辆1前面无车辆,因此,乘积f1的取值为0;计算车辆2的长度x2和车辆2与前一个车辆,车辆1之间的距离s1的乘积f2;计算车辆3的长度x3和车辆3与前一个车辆,车辆2之间的距离s2的乘积f3;计算车辆4的长度x4和车辆4与前一个车辆之间的距离的乘积f4,鉴于车辆4前面无车辆,因此,乘积f4的取值为0;计算车辆5的长度x5和车辆5与前一个车辆,车辆4之间的距离s3的乘积f5;计算车辆6的长度x6和车辆6与前一个车辆,车辆5之间的距离s4的乘积f6;计算车辆7的长度x7和车辆7与前一个车辆之间的距离的乘积f7,鉴于车辆7前面无车辆,因此,乘积f7的取值为0;计算车辆8的长度x8和车辆8与前一个车辆,车辆7之间的距离s5的乘积f8;计算车辆9的长度x9和车辆9与前一个车辆,车辆8之间的距离s6的乘积f9;计算车辆10的长度x10和车辆10与前一个车辆之间的距离的乘积f10,鉴于车辆10前面无车辆,因此,乘积f10的取值为0;计算车辆11的长度x11和车辆11与前一个车辆,车辆10之间的距离s7的乘积f11;计算车辆12的长度x12和车辆12与前一个车辆,车辆11之间的距离s8的乘积f12;再计算各个乘积f1、f2、f3、f4、f5、f6、f7、f8、f9、f10、f11以及f12的和值,将和值确定为待检测道路的间距信息s,从而确定出待检测道路的间距信息。
可以理解的是,在确定待检测道路的间距信息时,本公开实施例只是以上述两种可能的实现方式为例进行描述,但并不代表本公开实施例仅局限于此。
在确定出待检测道路的间距信息后,就可以在待检测道路的间距信息的基础上,结合车辆的数量确定待检测道路的拥挤度,即执行下述S502:
S502、根据待检测道路的间距信息和车辆的数量,确定待检测道路的拥挤度。
示例的,根据待检测道路的间距信息和车辆的数量,确定待检测道路的拥挤度时,可以先确定待检测道路的间距信息和车辆的数量的比值,并将比值确定为待检测道路的拥挤度。
示例的,在根据待检测道路的间距信息和车辆的数量的比值,确定待检测道路的拥挤度时,可参见下述公式3:
可以看出,本公开实施例中,在确定道路的拥挤度时,可以先根据相邻两个车辆之间的距离,确定待检测道路的间距信息;再根据待检测道路的间距信息和车辆的数量,确定待检测道路的拥挤度。鉴于待检测道路的间距信息和车辆的数量可以在一定程度上反映道路的拥挤情况,因此,基于待检测道路的间距信息和车辆的数量,可以准确地确定待检测道路的拥挤度,从而提高了检测结果的准确度。
实施例四
图6是根据本公开第四实施例提供的道路拥挤度的检测装置60的结构示意图,示例的,请参见图6所示,该道路拥挤度的检测装置60可以包括:
获取单元601,用于获取待检测道路的道路图像。
处理单元602,用于根据道路图像,确定待检测道路中的车辆信息,车辆信息包括车辆的数量和相邻两个车辆之间的距离。
确定单元603,用于根据车辆信息,确定待检测道路的拥挤度。
可选的,确定单元603包括第一确定模块和第二确定模块。
第一确定模块,用于根据相邻两个车辆之间的距离,确定待检测道路的间距信息。
第二确定模块,用于根据待检测道路的间距信息和车辆的数量,确定待检测道路的拥挤度。
可选的,第一确定模块包括第一确定子模块和第二确定子模块。
第一确定子模块,用于确定相邻两个车辆之间的距离的和值。
第二确定子模块,用于将和值,确定为待检测道路的间距信息。
可选的,车辆信息还包括车辆的长度,第一确定模块还包括第三确定子模块和第四确定子模块。
第三确定子模块,用于确定车辆的长度和车辆与前一个车辆之间的距离的乘积。
第四确定子模块,用于将各车辆对应的乘积的和值,确定为待检测道路的间距信息。
可选的,第二确定模块包括第五确定子模块和第六确定子模块。
第五确定子模块,用于确定待检测道路的间距信息和车辆的数量的比值。
第六确定子模块,用于将比值确定为待检测道路的拥挤度。
可选的,处理单元602包括第一处理模块和第二处理模块。
第一处理模块,用于对道路图像进行车道线识别,确定道路图像中的车道线信息。
第二处理模块,用于根据车道线信息,确定待检测道路中的车辆信息。
可选的,第二处理模块包括第一处理子模块和第二处理子模块。
第一处理子模块,用于根据车道线信息,从道路图像中确定车道区域。
第二处理子模块,用于对车道区域内的对象进行轮廓检测,确定待检测道路中的车辆信息。
可选的,道路图像包括鸟瞰图;第一处理模块包括第三处理子模块和第四处理子模块。
第三处理子模块,用于基于鸟瞰图中的灰度梯度特征,从鸟瞰图中提取多个第一像素;并基于鸟瞰图中的颜色特征,从鸟瞰图中提取多个第二像素。
第四处理子模块,用于根据多个第一像素和多个第二像素,确定图像信息中的车道线信息。
本公开实施例提供的道路拥挤度的检测装置60,可以执行上述任一实施例所示的道路拥挤度的检测方法的技术方案,其实现原理以及有益效果与道路拥挤度的检测方法的实现原理及有益效果类似,可参见道路拥挤度的检测方法的实现原理及有益效果,此处不再进行赘述。
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。
根据本公开的实施例,本公开还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图7是本公开实施例的提供的一种电子设备70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7所示,设备70包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备70操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备70中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备70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701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701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701执行上文所描述的各个方法和处理,例如道路拥挤度的检测方法。例如,在一些实施例中,道路拥挤度的检测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708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备70上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的道路拥挤度的检测方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行道路拥挤度的检测方法。
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,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。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 (19)
1.一种道路拥挤度的检测方法,包括:
获取待检测道路的道路图像;
根据所述道路图像,确定所述待检测道路中的车辆信息;所述车辆信息包括车辆的数量和相邻两个车辆之间的距离;
根据所述车辆信息,确定所述待检测道路的拥挤度。
2.根据权利要求1所述的方法,其中,所述根据所述车辆信息,确定所述待检测道路的拥挤度,包括:
根据所述相邻两个车辆之间的距离,确定所述待检测道路的间距信息;
根据所述待检测道路的间距信息和所述车辆的数量,确定所述待检测道路的拥挤度。
3.根据权利要求2所述的方法,其中,所述根据所述相邻两个车辆之间的距离,确定所述待检测道路的间距信息,包括:
确定所述相邻两个车辆之间的距离的和值;
将所述和值,确定为所述待检测道路的间距信息。
4.根据权利要求2所述的方法,其中,所述车辆信息还包括车辆的长度,所述根据所述相邻两个车辆之间的距离,确定所述待检测道路的间距信息,包括:
确定所述车辆的长度和所述车辆与前一个车辆之间的距离的乘积;
将各车辆对应的乘积的和值,确定为所述待检测道路的间距信息。
5.根据权利要求2-4任一项所述的方法,其中,所述根据所述待检测道路的间距信息和所述车辆的数量,确定所述待检测道路的拥挤度,包括:
确定所述待检测道路的间距信息和所述车辆的数量的比值,并将所述比值确定为所述待检测道路的拥挤度。
6.根据权利要求1-5任一项所述的方法,其中,所述根据所述道路图像,确定所述待检测道路中的车辆信息,包括:
对所述道路图像进行车道线识别,确定所述道路图像中的车道线信息;
根据所述车道线信息,确定所述待检测道路中的车辆信息。
7.根据权利要求6所述的方法,其中,所述根据所述车道线信息,确定所述待检测道路中的车辆信息,包括:
根据所述车道线信息,从所述道路图像中确定车道区域;
对所述车道区域内的对象进行轮廓检测,确定所述待检测道路中的车辆信息。
8.根据权利要求6或7所述的方法,其中,所述道路图像包括鸟瞰图;所述对所述图像信息进行车道线识别,确定所述图像信息中的车道线信息,包括:
基于所述鸟瞰图中的灰度梯度特征,从所述鸟瞰图中提取多个第一像素;并基于所述鸟瞰图中的颜色特征,从所述鸟瞰图中提取多个第二像素;
根据所述多个第一像素和所述多个第二像素,确定所述图像信息中的车道线信息。
9.一种道路拥挤度的检测装置,包括:
获取单元,用于获取待检测道路的道路图像;
处理单元,用于根据所述道路图像,确定所述待检测道路中的车辆信息;所述车辆信息包括车辆的数量和相邻两个车辆之间的距离;
确定单元,用于根据所述车辆信息,确定所述待检测道路的拥挤度。
10.根据权利要求9所述的装置,其中,所述确定单元包括第一确定模块和第二确定模块;
所述第一确定模块,用于根据所述相邻两个车辆之间的距离,确定所述待检测道路的间距信息;
所述第二确定模块,用于根据所述待检测道路的间距信息和所述车辆的数量,确定所述待检测道路的拥挤度。
11.根据权利要求10所述的装置,其中,所述第一确定模块包括第一确定子模块和第二确定子模块;
所述第一确定子模块,用于确定所述相邻两个车辆之间的距离的和值;
所述第二确定子模块,用于将所述和值,确定为所述待检测道路的间距信息。
12.根据权利要求10所述的装置,其中,所述车辆信息还包括车辆的长度,所述第一确定模块还包括第三确定子模块和第四确定子模块;
所述第三确定子模块,用于确定所述车辆的长度和所述车辆与前一个车辆之间的距离的乘积;
所述第四确定子模块,用于将各车辆对应的乘积的和值,确定为所述待检测道路的间距信息。
13.根据权利要求10-12任一项所述的装置,其中,所述第二确定模块包括第五确定子模块和第六确定子模块;
所述第五确定子模块,用于确定所述待检测道路的间距信息和所述车辆的数量的比值;
所述第六确定子模块,用于将所述比值确定为所述待检测道路的拥挤度。
14.根据权利要求9-13任一项所述的装置,其中,所述处理单元包括第一处理模块和第二处理模块;
所述第一处理模块,用于对所述道路图像进行车道线识别,确定所述道路图像中的车道线信息;
所述第二处理模块,用于根据所述车道线信息,确定所述待检测道路中的车辆信息。
15.根据权利要求14所述的装置,其中,所述第二处理模块包括第一处理子模块和第二处理子模块;
所述第一处理子模块,用于根据所述车道线信息,从所述道路图像中确定车道区域;
所述第二处理子模块,用于对所述车道区域内的对象进行轮廓检测,确定所述待检测道路中的车辆信息。
16.根据权利要求14或15所述的方法,其中,所述道路图像包括鸟瞰图;所述第一处理模块包括第三处理子模块和第四处理子模块;
所述第三处理子模块,用于基于所述鸟瞰图中的灰度梯度特征,从所述鸟瞰图中提取多个第一像素;并基于所述鸟瞰图中的颜色特征,从所述鸟瞰图中提取多个第二像素;
所述第四处理子模块,用于根据所述多个第一像素和所述多个第二像素,确定所述图像信息中的车道线信息。
17.一种电子设备,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1-8中任一项所述的道路拥挤度的检测方法。
18.一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所述计算机执行根据权利要求1-8中任一项所述的道路拥挤度的检测方法。
19.一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现权利要求1-8中任一项所述的道路拥挤度的检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111564232.6A CN114359845A (zh) | 2021-12-20 | 2021-12-20 | 道路拥挤度的检测方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111564232.6A CN114359845A (zh) | 2021-12-20 | 2021-12-20 | 道路拥挤度的检测方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114359845A true CN114359845A (zh) | 2022-04-15 |
Family
ID=81101837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111564232.6A Withdrawn CN114359845A (zh) | 2021-12-20 | 2021-12-20 | 道路拥挤度的检测方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114359845A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114999148A (zh) * | 2022-05-16 | 2022-09-02 | 国汽智图(北京)科技有限公司 | 拥堵程度监测方法、装置、计算机设备和存储介质 |
-
2021
- 2021-12-20 CN CN202111564232.6A patent/CN114359845A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114999148A (zh) * | 2022-05-16 | 2022-09-02 | 国汽智图(北京)科技有限公司 | 拥堵程度监测方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113657390B (zh) | 文本检测模型的训练方法和检测文本方法、装置和设备 | |
CN112560862B (zh) | 文本识别方法、装置及电子设备 | |
CN112560684B (zh) | 车道线检测方法、装置、电子设备、存储介质以及车辆 | |
CN113191256A (zh) | 车道线检测模型的训练方法、装置、电子设备及存储介质 | |
CN113674287A (zh) | 高精地图的绘制方法、装置、设备以及存储介质 | |
CN113887418A (zh) | 车辆违规行驶的检测方法、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 | |
US20220172376A1 (en) | Target Tracking Method and Device, and Electronic Apparatus | |
CN113205041A (zh) | 结构化信息提取方法、装置、设备和存储介质 | |
CN113392794A (zh) | 车辆跨线识别方法、装置、电子设备和存储介质 | |
CN113362420A (zh) | 道路标注生成方法、装置、设备以及存储介质 | |
CN114359845A (zh) | 道路拥挤度的检测方法、装置和电子设备 | |
CN113326766A (zh) | 文本检测模型的训练方法及装置、文本检测方法及装置 | |
CN114724113B (zh) | 道路标牌识别方法、自动驾驶方法、装置和设备 | |
CN113706705B (zh) | 用于高精地图的图像处理方法、装置、设备以及存储介质 | |
CN115761698A (zh) | 一种目标检测方法、装置、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 | |
CN115578431A (zh) | 图像深度处理方法、装置、电子设备及介质 | |
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 | |
CN113989300A (zh) | 车道线分割的方法、装置、电子设备和存储介质 | |
CN114495049A (zh) | 识别车道线的方法和装置 | |
CN113869147A (zh) | 目标检测方法及装置 | |
CN113535876A (zh) | 处理地图数据的方法、装置、电子设备和介质 | |
CN113378850B (zh) | 模型训练方法、路面损伤分割方法、装置和电子设备 | |
US20230162383A1 (en) | Method of processing image, device, and storage medium |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220415 |