CN114530039A - 一种路口人流量与车流量的实时检测装置及方法 - Google Patents
一种路口人流量与车流量的实时检测装置及方法 Download PDFInfo
- Publication number
- CN114530039A CN114530039A CN202210098688.6A CN202210098688A CN114530039A CN 114530039 A CN114530039 A CN 114530039A CN 202210098688 A CN202210098688 A CN 202210098688A CN 114530039 A CN114530039 A CN 114530039A
- Authority
- CN
- China
- Prior art keywords
- data
- flow
- pedestrian
- intersection
- real
- 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
- 238000011897 real-time detection Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 title claims description 15
- 238000001514 detection method Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 12
- 208000023804 progressive myoclonic epilepsy type 7 Diseases 0.000 claims description 7
- 208000027021 progressive myoclonus epilepsy 7 Diseases 0.000 claims description 7
- 241000283070 Equus zebra Species 0.000 claims description 5
- 238000013136 deep learning model Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 2
- 230000005484 gravity Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- 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
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
Abstract
本发明属于交通安全技术领域,公开了一种路口人流量与车流量的实时检测装置,包括检测模块、算法模块、数据后台,所述检测模块连接算法模块,所述算法模块连接数据后台;所述检测模块安装在路口两边安全岛上对等待的行人进行人流量的检测与统计,同时对车流量进行检测与统计,所述算法模块用于将所述检测模块所测数据进行运算,所述数据后台用于将所述算法模块的数据进行展示。本发明装置通过使用激光雷达对路口等待的行人与路上的车辆进行检测扫描,收集完行人与车辆的数据后将数据输入算法模块中进行计算再将计算后的数据输出到数据后台中,再根据此数据对路口的信号灯进行路权分配,提高了工作效率,降低了车祸发生率。
Description
技术领域
本发明属于交通安全技术领域,尤其涉及一种路口人流量与车流量的实时检测装置及方法。
背景技术
交通安全是现代社会非常重视的一点,现有的路口斑马线信号灯只能进行红灯与绿灯的定时交替,无法对路口的人流量与车流量进行检测统计,也无法去根据路口的人流量与车流量进行路权分配,大大降低了工作效率,且有时会导致在绿灯结束后任会有人在斑马线上行走,增加了出现车祸的可能性,存在较大的交通安全隐患。
发明内容
本发明目的在于提供一种路口人流量与车流量的实时检测装置及方法,以解决现有的路口缺乏人流量和车流量的检测的技术问题。
为解决上述技术问题,本发明的一种路口人流量与车流量的实时检测装置及方法的具体技术方案如下:
一种路口人流量与车流量的实时检测装置,包括检测模块、算法模块、数据后台,所述检测模块连接算法模块,所述算法模块连接数据后台;所述检测模块安装在路口两边安全岛上对等待的行人进行人流量的检测与统计,同时对车流量进行检测与统计,所述算法模块用于将所述检测模块所测数据进行运算,所述数据后台用于将所述算法模块的数据进行展示。
进一步的,所述检测模块包括激光雷达,所述激光雷达对行人进行人流量的检测与统计,同时对车流量进行检测与统计。
进一步的,所述检测模块包括支架,所述激光雷达安装在所述支架上,所述支架用于固定激光雷达。
进一步的,所述激光雷达选配不同检测距离的型号。
进一步的,所述算法模块的接口、通讯协议与检测模块和数据后台的接口、通讯协议一致。
进一步的,所述数据后台融入管理平台,所述管理平台用于获得设备各类运行状态,同时远程进行系统更新和算法更新。
本发明还公开了一种路口人流量与车流量的实时检测方法,包括如下步骤:
步骤S1:激光雷达扫描并接受扫描数据;
步骤S2:将接收到的激光数据转换成(x,y)点坐标集合;
步骤S3:将(x,y)点坐标转换成标准的点云格式,对生成的点云数据进行集合;
步骤S4:对点云数据集合进行VOXELGRID滤波;
步骤S5:VOXELGRID滤波处理后在这个基础上再对点云数据进行处理;
步骤S6;对步骤S5处理好的点云数据扔入训练好的深度学习模型中进行运算。
进一步地,所述步骤S2包括如下具体步骤:
以激光雷达为中心建立直角坐标系,则x为横坐标,y为纵坐标,distance为行人与激光雷达间的距离,x(方位角)为行人和激光雷达的连线与斑马线之间的夹角,pi为圆周率,通过下列公式将激光雷达传输的数据进行提取并运算出所需的(x,y)坐标值,
x=((distance) * sin(x(方位角) * pi / 180))/ 100
y=((distance) * cos(x(方位角) * pi / 180))/ 100。
进一步地,所述步骤S4包括如下具体步骤:
在进行滤波时将输入的点云数据创建一个三维体素,然后在每个体素中用所有点的重心来近似显示体素中的其他点,对所有体素进行处理得到过滤后的点云。
进一步地,所述步骤S5包括如下具体步骤:
设定一个MEAK_K阈值和STD_DEV_MULT值,计算一个点云数据到附近MEAK_K个点的平均距离,如果平均距离大于STD_DEV_MULT值,被认为是离群点,将其剔除。
本发明的一种路口人流量与车流量的实时检测装置及方法具有以下优点:
本发明装置通过使用激光雷达对路口等待的行人与路上的车辆进行检测扫描,收集完行人与车辆的数据后将数据输入算法模块中进行计算再将计算后的数据输出到数据后台中,再根据此数据对路口的信号灯进行路权分配,提高了工作效率,降低了车祸发生率。
本发明的检测方法通过激光雷达来对行人进行检测,通过算法将接收的激光数据转换成坐标集合并将坐标集合转化为标准点云格式进行VoxelGrid滤波,并在之后进行点云数据处理,处理好的数据在模型中进行运行返回结果,这种方式进行检测其对于采样点对应曲面的表示更加准确,减少了检测难度,同时提高了检测效率。
附图说明
图1为本发明的路口人流量与车流量的实时检测装置模块示意图;
图2为本发明的路口人流量与车流量的实时检测方法流程图;
图中标记说明:101、检测模块;13、算法模块;14、数据后台;11、激光雷达;12、支架;15、管理平台。
具体实施方式
为了更好地了解本发明的目的、结构及功能,下面结合附图,对本发明一种路口人流量与车流量的实时检测装置及方法做进一步详细的描述。
如图1所示,本发明的一种路口人流量与车流量的实时检测装置及方法包括检测模块101、算法模块13、数据后台14,所述检测模块101连接算法模块13,所述算法模块13连接数据后台14;所述检测模块101安装在路口两边安全岛上对等待的行人进行人流量的检测与统计,同时对车流量进行检测与统计,所述算法模块13用于将所述检测模块101所测数据进行运算,所述数据后台14用于将所述算法模块13的数据进行展示。
具体的,所述检测模块101包括激光雷达11,所述激光雷达11对行人进行人流量的检测与统计,同时对车流量进行检测与统计。
所述检测模块101还包括支架12,所述激光雷达11安装在所述支架12上,所述支架12用于固定激光雷达11。
所述激光雷达11可选配不同检测距离的型号。
所述算法模块13的接口、通讯协议与检测模块101和数据后台14的接口、通讯协议一致。
所述数据后台14融入管理平台15,所述管理平台15用于获得设备各类运行状态,同时远程进行系统更新和算法更新。
使用时,激光雷达11对等待的行人进行人流量的检测与统计,同时对车流量进行检测与统计,并将数据输入算法模块13中进行处理,再通过算法模块13将数据输出到数据后台14中,数据后台14通过管理平台15将数据进行位置、时间、人流、车流的图表显示,数据的查询、数据的导出,以及根据平台的数据进行路权分配。
如图2所示,本发明的一种路口人流量与车流量的实时检测方法,包括如下步骤:
步骤S1:激光雷达扫描并接受扫描数据;
步骤S2:将接收到的激光数据转换成(x,y)点坐标集合;以激光雷达为中心建立直角坐标系,则x为横坐标,y为纵坐标,distance为行人与激光雷达间的距离,x(方位角)为行人和激光雷达的连线与斑马线之间的夹角,pi为圆周率,通过下列公式将激光雷达传输的数据进行提取并运算出所需的(x,y)坐标值,
x=((distance) * sin(x(方位角) * pi / 180))/ 100
y=((distance) * cos(x(方位角) * pi / 180))/ 100。
步骤S3:将(x,y)点坐标转换成标准的点云格式,对生成的点云数据进行集合;
步骤S4:对点云数据集合进行VOXELGRID滤波;在进行滤波时会将输入的点云数据创建一个三维体素,然后在每个体素中用所有点的重心来近似显示体素中的其他点,对所有体素进行处理得到过滤后的点云,这种方式对于采样点对应曲面的表示更加准确。
步骤S5:VOXELGRID滤波处理后在这个基础上再对点云数据进行处理;设定一个MEAK_K阈值和STD_DEV_MULT值,计算一个点云数据到附近MEAK_K个点的平均距离,如果平均距离大于STD_DEV_MULT值,被认为是离群点,将其剔除。
步骤S6;对步骤S5处理好的点云数据扔入训练好的深度学习模型中进行运算。
设备运行时,通过激光雷达对路口的行人进行扫描,扫描到行人后反射激光信号数据,激光接收激光数据,将接收的激光数据通过公式运算转换成所需的(x, y)点坐标集合,再将(x, y)点坐标集合转换成标准的点云格式,对生成的点云数据集合进行VoxelGrid滤波,通过输入的点云数据创建一个三维的体素(可把体素栅格想象为微小的空间三维立方体的集合),然后在每个体素(即,三维立方体)内,用体素中所有点的重心来近似显示体素中其他点,这样该体素就内所有点就用一个重心点最终表示,对于所有体素处理后得到过滤后的点云,这种方法对于采样点对应曲面的表示更为准确,VoxelGrid滤波处理之后,在这个基础上,再对点云数据处理,设定一个MEAK_K阈值和STD_DEV_MULT值,计算一个点到附近MEAN_K个点的平均距离,如果平均距离大于STD_DEV_MULT值,被认为是离群点,将其剔除,将处理好的点云数据,扔进训练好的深度学习模型当中,返回结果是人或是车,对人和车分别做一些相应的响应。
可以理解,本发明是通过一些实施例进行描述的,本领域技术人员知悉的,在不脱离本发明的精神和范围的情况下,可以对这些特征和实施例进行各种改变或等效替换。另外,在本发明的教导下,可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此,本发明不受此处所公开的具体实施例的限制,所有落入本申请的权利要求范围内的实施例都属于本发明所保护的范围内。
Claims (10)
1.一种路口人流量与车流量的实时检测装置,包括检测模块(101)、算法模块(13)、数据后台(14),所述检测模块(101)连接算法模块(13),所述算法模块(13)连接数据后台(14);其特征在于,所述检测模块(101)安装在路口两边安全岛上对等待的行人进行人流量的检测与统计,同时对车流量进行检测与统计,所述算法模块(13)用于将所述检测模块(101)所测数据进行运算,所述数据后台(14)用于将所述算法模块(13)的数据进行展示。
2.根据权利要求1所述的路口人流量与车流量的实时检测装置,其特征在于,所述检测模块(101)包括激光雷达(11),所述激光雷达(11)对行人进行人流量的检测与统计,同时对车流量进行检测与统计。
3.根据权利要求1所述的路口人流量与车流量的实时检测装置,其特征在于,所述检测模块(101)包括支架(12),所述激光雷达(11)安装在所述支架(12)上,所述支架(12)用于固定激光雷达(11)。
4.根据权利要求2所述的路口人流量与车流量的实时检测装置,其特征在于,所述激光雷达(11)选配不同检测距离的型号。
5.根据权利要求1所述的路口人流量与车流量的实时检测装置,其特征在于,所述算法模块(13)的接口、通讯协议与检测模块(101)和数据后台(14)的接口、通讯协议一致。
6.根据权利要求1所述的路口人流量与车流量的实时检测装置,其特征在于,所述数据后台(14)融入管理平台(15),所述管理平台(15)用于获得设备各类运行状态,同时远程进行系统更新和算法更新。
7.一种利用如权利要求1-6任一项所述的检测装置进行路口人流量与车流量的实时检测方法,其特征在于,包括如下步骤:
步骤S1:激光雷达扫描并接受扫描数据;
步骤S2:将接收到的激光数据转换成(x,y)点坐标集合;
步骤S3:将(x,y)点坐标转换成标准的点云格式,对生成的点云数据进行集合;
步骤S4:对点云数据集合进行VOXELGRID滤波;
步骤S5:VOXELGRID滤波处理后在这个基础上再对点云数据进行处理;
步骤S6;对步骤S5处理好的点云数据扔入训练好的深度学习模型中进行运算。
8.根据权利要求7所述的路口人流量与车流量的实时检测方法,其特征在于,所述步骤S2包括如下具体步骤:
以激光雷达为中心建立直角坐标系,则x为横坐标,y为纵坐标,distance为行人与激光雷达间的距离,x(方位角)为行人和激光雷达的连线与斑马线之间的夹角,pi为圆周率,通过下列公式将激光雷达传输的数据进行提取并运算出所需的(x,y)坐标值,
x=((distance) * sin(x(方位角) * pi / 180))/ 100,
y=((distance) * cos(x(方位角) * pi / 180))/ 100。
9.根据权利要求8所述的路口人流量与车流量的实时检测方法,其特征在于,所述步骤S4包括如下具体步骤:
在进行滤波时将输入的点云数据创建一个三维体素,然后在每个体素中用所有点的重心来近似显示体素中的其他点,对所有体素进行处理得到过滤后的点云。
10.根据权利要求9所述的路口人流量与车流量的实时检测方法,其特征在于,所述步骤S5包括如下具体步骤:
设定一个MEAK_K阈值和STD_DEV_MULT值,计算一个点云数据到附近MEAK_K个点的平均距离,如果平均距离大于STD_DEV_MULT值,被认为是离群点,将其剔除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210098688.6A CN114530039A (zh) | 2022-01-27 | 2022-01-27 | 一种路口人流量与车流量的实时检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210098688.6A CN114530039A (zh) | 2022-01-27 | 2022-01-27 | 一种路口人流量与车流量的实时检测装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114530039A true CN114530039A (zh) | 2022-05-24 |
Family
ID=81622275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210098688.6A Pending CN114530039A (zh) | 2022-01-27 | 2022-01-27 | 一种路口人流量与车流量的实时检测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114530039A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050279820A1 (en) * | 2004-06-16 | 2005-12-22 | Patrick Moynihan | Vehicle violation enforcement system and method |
CN207380901U (zh) * | 2017-09-20 | 2018-05-18 | 武汉万集信息技术有限公司 | 一种移动激光式车辆检测系统 |
CN108229366A (zh) * | 2017-12-28 | 2018-06-29 | 北京航空航天大学 | 基于雷达和图像数据融合的深度学习车载障碍物检测方法 |
WO2018154958A1 (ja) * | 2017-02-27 | 2018-08-30 | 株式会社Nttドコモ | 需要予測装置 |
CN109559528A (zh) * | 2019-01-18 | 2019-04-02 | 吉林大学 | 一种基于3d激光雷达的自感知交互式交通信号控制装置 |
CN111210642A (zh) * | 2018-11-21 | 2020-05-29 | 合肥林夏智能科技有限公司 | 一种具有高度警示性的智能化红绿灯 |
CN112347938A (zh) * | 2020-11-09 | 2021-02-09 | 南京机电职业技术学院 | 一种基于改进YOLOv3的人流检测方法 |
CN112348848A (zh) * | 2020-10-26 | 2021-02-09 | 国汽(北京)智能网联汽车研究院有限公司 | 一种交通参与者的信息生成方法及系统 |
CN113487759A (zh) * | 2021-07-16 | 2021-10-08 | 杭州海康汽车软件有限公司 | 一种停车巡检方法、装置、移动巡逻设备及巡检系统 |
-
2022
- 2022-01-27 CN CN202210098688.6A patent/CN114530039A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050279820A1 (en) * | 2004-06-16 | 2005-12-22 | Patrick Moynihan | Vehicle violation enforcement system and method |
WO2018154958A1 (ja) * | 2017-02-27 | 2018-08-30 | 株式会社Nttドコモ | 需要予測装置 |
CN207380901U (zh) * | 2017-09-20 | 2018-05-18 | 武汉万集信息技术有限公司 | 一种移动激光式车辆检测系统 |
CN108229366A (zh) * | 2017-12-28 | 2018-06-29 | 北京航空航天大学 | 基于雷达和图像数据融合的深度学习车载障碍物检测方法 |
CN111210642A (zh) * | 2018-11-21 | 2020-05-29 | 合肥林夏智能科技有限公司 | 一种具有高度警示性的智能化红绿灯 |
CN109559528A (zh) * | 2019-01-18 | 2019-04-02 | 吉林大学 | 一种基于3d激光雷达的自感知交互式交通信号控制装置 |
CN112348848A (zh) * | 2020-10-26 | 2021-02-09 | 国汽(北京)智能网联汽车研究院有限公司 | 一种交通参与者的信息生成方法及系统 |
CN112347938A (zh) * | 2020-11-09 | 2021-02-09 | 南京机电职业技术学院 | 一种基于改进YOLOv3的人流检测方法 |
CN113487759A (zh) * | 2021-07-16 | 2021-10-08 | 杭州海康汽车软件有限公司 | 一种停车巡检方法、装置、移动巡逻设备及巡检系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111223302B (zh) | 移动载具用外部坐标实时三维路况辅助装置及该系统 | |
CN103927904B (zh) | 利用智能手机的行人防碰撞预警系统的预警方法 | |
WO2022141911A1 (zh) | 一种基于路侧感知单元的动态目标点云快速识别及点云分割方法 | |
CN103287464B (zh) | 铁路道口智能视频监控系统及其实现方法 | |
KR101803891B1 (ko) | 셀영역별 교통인수와 객체추적 모듈로 이루어진 하이브리드형 셀영역 기반 교통상황 실시간 통보장치 및 방법 | |
CN105005959A (zh) | 一种具有特征属性的公交车客流量计算及统计分析方法 | |
CN103700261A (zh) | 一种基于视频的道路交通流特征参数监测及交通综合信息服务系统 | |
CN105894842A (zh) | 一种智能交通信号灯系统 | |
CN102592457A (zh) | 基于物联网技术的复合型区间测速系统及方法 | |
CN105070100A (zh) | 一种基于gps的交通预警方法及系统 | |
CN113838284A (zh) | 一种事故高发路段上的车辆预警方法、装置、存储介质及终端 | |
CN103714698A (zh) | 基于距离图像的公交车辆客流量统计系统 | |
CN209168403U (zh) | 超限高车辆预警系统 | |
CN116798272B (zh) | 基于车辆通信的道路十字路口盲区车辆预警系统及方法 | |
CN108717540A (zh) | 基于2d激光雷达区分行人和车辆的方法及装置 | |
CN110610153A (zh) | 一种用于自动驾驶的车道识别方法及系统 | |
CN113591941A (zh) | 一种基于多传感器融合的智能限高警示系统及方法 | |
CN114329074B (zh) | 一种匝道路段通行能效检测方法和系统 | |
CN106128109B (zh) | 一种基于北斗时空交通信号的殊域渣土车违章分析装置与方法 | |
CN104732768B (zh) | 信号灯所在路口通行数据采集方法 | |
JP2002190023A (ja) | 車種判別装置及び車種判別方法及び車種判別方法を行うプログラムをコンピュータ読み取り可能なように記憶させた記憶媒体 | |
CN114530039A (zh) | 一种路口人流量与车流量的实时检测装置及方法 | |
CN112349087B (zh) | 一种基于路口信息全息感知的可视化数据输入方法 | |
CN112216106A (zh) | 基于bim技术的智能交通管理系统 | |
CN115220035B (zh) | 一种道路空洞检测系统和检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220524 |
|
RJ01 | Rejection of invention patent application after publication |