CN115083209B - 一种基于视觉定位的车路协同方法及系统 - Google Patents
一种基于视觉定位的车路协同方法及系统 Download PDFInfo
- Publication number
- CN115083209B CN115083209B CN202210883425.6A CN202210883425A CN115083209B CN 115083209 B CN115083209 B CN 115083209B CN 202210883425 A CN202210883425 A CN 202210883425A CN 115083209 B CN115083209 B CN 115083209B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- moving object
- video
- map
- precision
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/164—Centralised systems, e.g. external to vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/43—Determining position using carrier phase measurements, e.g. kinematic positioning; using long or short baseline interferometry
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
- G08G1/096783—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a roadside individual element
Abstract
本发明涉及一种基于视觉定位的车路协同方法及系统,所述方法包括包:获取固定场所的地图;获取移动物体的高精度GPS信息;将移动物体的高精度GPS信息通过地图投影,得到移动物体在地图上的坐标信息;将车辆附近的移动物体的坐标信息发送至车辆;实时根据车辆的位置和车速以及移动物体的位置和移动速度判断是否存在碰撞风险,若是,发送危险告警至车辆,以让车辆提前预警。本发明通过设置的带算力的边缘计算器MEC将所有摄像头拍摄的视频连接过来,对每个摄像头的视频进行栅格化,利用RTK设备对视频和高精度GPS进行事前标定,实现对人和车辆进行高精度的定位。本发明利用现有的场地监控摄像系统,降低了每辆车的上的摄像头和计算力设备的成本。
Description
技术领域
本发明涉及智能网联汽车技术领域,特别是涉及一种基于视觉定位的车路协同方法及系统。
背景技术
目前自动驾驶技术中,车辆使用摄像头对车辆周围的行人和车辆进行检测,达到避障的效果。对于每辆车,视觉感知算法都需要适配本车型,如果算法对上不同型号、不同款式的车,都需要对算法进行重新标定和重新测试等,成本和时间都耗费很高。
目前在很多固定场地,如驾校、室外停车场等区域,都部署了很多监控摄像头连接到监控室。该技术方案是在监控室部署一台带算力的设备将所有摄像头视频连接过来进行分析,能对人和车辆进行高精度的定位。且利用现有的场地监控摄像系统,不需要重新安装设备和人工布线,大大降低了部署成本和维护成本。
发明内容
本发明为克服上述现有技术中在车辆行驶避障过程中,如果算法对上不同型号、不同款式的车,都需要对算法进行重新标定和重新测试等,存在高耗时和高成本等问题,提供一种基于视觉定位的车路协同方法及系统。
为解决上述技术问题,本发明的技术方案如下:
一种基于视觉定位的车路协同方法,包括以下步骤:
获取固定场所的场地地图;
获取移动物体的高精度GPS信息;
将移动物体的高精度GPS信息通过地图投影,得到移动物体在场地地图上的坐标信息;
将车辆附近的移动物体的坐标信息发送至车辆;
实时根据车辆的位置和车速以及移动物体的位置和移动速度判断是否存在碰撞风险,若是,发送危险告警至车辆,以让车辆提前预警。
进一步的,作为优选技术方案,移动物体的高精度GPS信息的获取具体包括:
对摄像头获取的视频进行栅格化处理;
获取每个栅格点的高精度GPS信息,得到视频和GPS对应表;
根据移动物体的识别信息以及位于的视频区域位置,通过视频和GPS对应表得到移动物体相对应的高精度GPS信息。
进一步的,作为优选技术方案,对摄像头获取的视频进行栅格化处理具体包括:
根据摄像头的分辨率以及GPS精度要求,通过边缘计算器MEC对摄像头拍摄的视频进行栅格化处理。
进一步的,作为优选技术方案,视频和GPS对应表的获取具体包括:
通过RTK设备对视频中的所有栅格点进行取样,得到每个栅格点的GPS信息;
对取样的GPS信息进行分析,采用线性插值算法,得到每条栅格线的GPS信息;
根据每个栅格点和每条栅格线的GPS信息,遍历整个视频的所有像素点,采用线性插值算法,得到所有像素点的GPS信息,进而将视频与GPS进行绑定,得到视频和GPS对应表。
进一步的,作为优选技术方案,移动物体相对应的高精度GPS信息的获取具体包括:
移动物体进入到摄像头区域后,识别移动物体的类别;
根据类别对移动物体进行中心计算,同时获取移动物体位于的视频区域位置;
获取移动物体的中心点以及位于的视频区域位置的坐标;
查询视频和GPS对应表,得到该移动物体的高精度GPS信息。
进一步的,作为优选技术方案,固定场所的场地地图的获取具体包括:
通过RTK设备对固定场地进行高精度地图采集,生成场地地图。
进一步的,作为优选技术方案,移动物体在场地地图上的坐标信息的获取具体包括:
对场地地图的经纬度做高斯投影,以子午线和赤道线交点为基准点,将椭圆球面的经纬度转换成二维平面坐标;
在场地地图上选取某点作为场地原点,以该场地原点为基准点,将二维平面坐标做平移变换,得到基于场地原点的场地地图坐标;
将移动物体的高精度GPS信息通过地图投影,得到移动物体在场地地图上对应的坐标信息。
进一步的,作为优选技术方案,车辆附近的移动物体的坐标信息的获取具体包括:
所述移动物体包括本车辆、本车辆附近的人和相关车辆;
将地图上的本车辆附近的人和相关车辆的坐标信息发送至本车辆。
进一步的,作为优选技术方案,碰撞风险的判断具体包括:
车辆根据相邻时间接收的附近的移动物体的坐标信息计算移动物体的移动方向和移动速度;
结合车辆的坐标信息和移动速度对移动物体进行下一时间段的运动预测,以判断是否存在碰撞风险,若是,发送危险告警至车辆,以让车辆提前预警。
一种基于视觉定位的车路协同系统,采用上述的一种基于视觉定位的车路协同方法实现观察整个地图上所有的移动物体,达到整体调度、整体预警的效果;
所述系统包括:视觉定位模块、高精度地图模块、车路协同通讯模块以及车辆危险识别模块,所述视觉定位模块与所述高精度地图模块通讯连接,所述车路协同通讯模块分别与所述车辆危险识别模块和车辆通讯连接;
所述视觉定位模块用于通过摄像头获取固定场所以及进入固定场所的移动物体的视频,通过图像识别算法识别出移动物体的中心点,并获取中心点在视频像素上的坐标,根据坐标查询事前通过RTK设备标定好的视频和GPS对应表,进而获得移动物体的高精度GPS信息;
所述高精度地图模块利用RTK设备,对固定场所进行高精度地图采集,生成场地地图,同时对移动物体的高精度GPS信息进行投影,得到移动物体在场地地图上的坐标信息;
所述车路协同通讯模块用于将车辆附近的所有移动物体的坐标信息发送至车辆;
所述车辆危险识别模块用于根据相邻时间接收的附近的移动物体的坐标信息计算移动物体的移动方向和移动速度,并结合车辆的车标信息和移动速度判断是否存在碰撞风险,若是,发送危险告警至车辆,以让车辆提前预警。
与现有技术相比,本发明技术方案的有益效果是:
本发明事先通过设置的带算力边缘计算器MEC将所有摄像头拍摄的视频连接过来,对每个摄像头的视频进行栅格化,利用RTK设备采集场地地图以及采集视频上每个栅格点的高精度GPS信息,利用插值算法对视频和高精度GPS进行事前标定,从而能对人和车辆进行高精度的定位。本发明利用现有的场地监控摄像系统,降低了每辆车上的摄像头和计算力设备的成本,不需要重新安装设备和人工布线,大大降低了部署成本和维护成本。
同时基于固定场地,每个摄像头的拍摄位置是固定的,每个摄像头只需要适配一次算法即可,只要不移动摄像头就不需要重新更新。且从整个场地地图上观察场地地图上所有的移动物体,达到整体调度、整体预警的效果。
附图说明
图1为本发明一种基于视觉定位的车路协同方法流程示意图。
图2为本发明一种基于视觉定位的车路协同方法中的移动物体的高精度GPS信息的获取流程示意图。
图3为本发明一种基于视觉定位的车路协同系统框图。
附图仅用于示例性说明,不能理解为对本专利的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的;相同或相似的标号对应相同或相似的部件;附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的优点和特征更易被本领域技术人员理解,从而对本发明的保护范围作出更为清楚的界定。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”、“顶”、“底”、“内”、“外”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发明和简化描述,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,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制。
此外,若有“第一”、“第二”等术语仅用于描述目的,主要是用于区分不同的装置、元件或组成部分(具体的种类和构造可能相同也可能不同),并非用于表明或暗示所指示装置、元件或组成部分的相对重要性和数量,而不能理解为指示或者暗示相对重要性。
实施例1
本实施例为克服现有技术中在车辆行驶避障过程中,如果算法对上不同型号、不同款式的车,都需要对算法进行重新标定和重新测试等,存在高耗时和高成本等问题,公开了一种基于视觉定位的车路协同方法。
该一种基于视觉定位的车路协同方法基于设置在固定场所的摄像头,利用RTK设备采集固定场所的场地地图以及对摄像头拍摄的视频进行标定,使用边缘计算器MEC对所有摄像头拍摄的视频进行分析,从而实现对人和车辆进行高精度的定位。其利用现有的场地监控摄像系统,不需要重新安装设备和人工布线,大大降低了部署成本和维护成本。
本方法如图1所示,包括以下步骤:
S10. 获取固定场所的场地地图。
本步骤具体为:对固定场地进行高精度地图采集,生成场地地图。
在本步骤中,其采用RTK设备对需要监控的固定场所进行高精度地图采集,进而生成场地地图。
然后对场地地图经纬度做高斯投影,以子午线和赤道线交点为基准点,将椭圆球面的经纬度转换成二维平面坐标X,Y;
然后在场地地图上选取某点作为场地原点,以该场地原点为基准点,将二维平面坐标X,Y做平移变换,最后得到基于场地原点的场地地图坐标x,y。
S20. 获取移动物体的高精度GPS信息。
本步骤如图2所示,具体包括:
S201. 对摄像头获取的视频进行栅格化处理。
在本实施例中,由于在固定场所设置有多个摄像头,故此,对每个摄像头的获取的视频均进行栅格化处理。
本步骤具体为:
根据摄像头的分辨率以及GPS精度要求,通过边缘计算器MEC对每个摄像头拍摄的视频均进行栅格化处理。
S202. 获取每个栅格点的高精度GPS信息,得到视频和GPS对应表。
本步骤具体包括:
通过RTK设备对视频中的所有栅格点进行取样,得到每个栅格点的GPS信息;
对取样的GPS信息进行分析,采用线性插值算法,得到每条栅格线的GPS信息;
根据每个栅格点和每条栅格线的GPS信息,遍历整个视频的所有像素点,采用线性插值算法,得到所有像素点的GPS信息,进而将视频与GPS进行绑定,得到视频和GPS对应表。
S203. 根据移动物体的识别信息以及位于的视频区域位置,通过视频和GPS对应表得到移动物体相对应的高精度GPS信息。
本步骤具体包括:
移动物体进入到摄像头区域后,识别移动物体的类别,其包括人、车辆以及运动物体。
根据类别对移动物体进行中心计算,同时获取移动物体位于的视频区域位置。
获取移动物体的中心点以及位于的视频区域位置的坐标。
通过计算这几个点在视频区域的横坐标和纵坐标,再查询事先标定好的视频和GPS对应表,得到移动物体相对应的高精度GPS信息。
本步骤具体说明:
当移动物体进入到摄像头区域后,通过边缘识别算法对拍摄到的视频进行分析,进而识别到移动物体的类型,然后对移动物体进行标注。例如,通过在移动物体上画上矩形框完成对移动物体进行标注。
当识别的移动物体为人时,选取矩形框底部的中心点作为人当前位于的视频区域位置,当识别的移动物体为车辆时,选取矩形框的4个边界点作为车辆当前位于的视频区域位置。查询视频和GPS对应表,得到该移动物体的高精度GPS信息。
S30. 将移动物体的高精度GPS信息通过地图投影,得到移动物体在地图上的坐标信息。
本步骤具体为:
对场地地图经纬度做高斯投影,以子午线和赤道线交点为基准点,将椭圆球面的经纬度转换成二维平面坐标X,Y;
然后在场地地图上选取某点作为场地原点,以该场地原点为基准点,将二维平面坐标X,Y做平移变换,最后得到基于场地原点的场地地图坐标x,y;
将移动物体的高精度GPS信息通过地图投影,得到移动物体在地图上对应的坐标信息。
在本实施例中,由于设有固定场所设有多个摄像头,故此,可以得到整个地图上所述的移动物体的坐标信息。
S40. 将车辆附近的移动物体的坐标信息发送至车辆。
在本实施例中,由于移动物体包括人、车辆和运动物体。而车辆可区分为本车辆和本车辆附近的相关车辆。
故此,本步骤具体为:
RTK设备将地图上的本车辆附近的人和相关车辆的坐标信息发送至本车辆。
S50. 实时根据车辆的位置和车速以及移动物体的位置和移动速度判断是否存在碰撞风险,若是,发送危险告警至车辆,以让车辆提前预警。
在本步骤中,碰撞风险的判断具体包括:
车辆根据相邻时间接收的附近的移动物体的坐标信息计算移动物体的移动方向和移动速度。
结合车辆的坐标信息和移动速度对移动物体进行下一时间段的运动预测,以判断是否存在碰撞风险,若是,发送危险告警至车辆,以让车辆提前预警。例如,按喇叭对其附近的移动物体进行示警,提前让车辆减速等,以保证行车安全,进而达到避障的目的。
实施例2
本实施例公开了一种基于视觉定位的车路协同方法,其在实施例1的基础上进一步公开了步骤S20的具体实现方式。
在本实施例中,对实施例1中的步骤S20的实现过程具体说明。
步骤S20包括:
S201. 对摄像头获取的视频进行栅格化处理。
S202. 获取每个栅格点的高精度GPS信息,得到视频和GPS对应表。
S203. 根据移动物体的识别信息以及位于的视频区域位置,通过视频和GPS对应表得到移动物体相对应的高精度GPS信息。
举例说明:
横向间隔第一数量像素点画一根栅格线,纵向间隔第二数量像素点画一根栅格线,纵横交错实现对视频的栅格化。
提取每个相交点的GPS信息,对其进行横向、纵向的线性插值拟合,得到相交点上的横线和纵线上的GPS信息;然后对每个栅格点的像素点进行计算,通过像素点的横坐标、纵坐标推算出栅格点的高精度GPS信息;遍历整个视频图的所有像素点,得到所有栅格点的高精度GPS信息,进而实现将摄像头的视频跟GPS进行绑定,得到视频和GPS对应表。
当移动物体进入到摄像头区域后,识别移动物体的类别以及位于的视频区域位置,通过视频和GPS对应表得到移动物体相对应的高精度GPS信息。即,仅需要确定移动物体在哪个像素点,通过查视频和GPS对应表即可得到其高精度GPS信息。
在本实施例中,由于栅格的密度影响定位的精度,故此,需要根据定位需要,进行栅格化密度选定。且由于GPS精度要求很高,故此,栅格的数量比较多。
实施例3
本实施例公开了一种基于视觉定位的车路协同系统,其采用实施例1公开的一种基于视觉定位的车路协同方法实现观察整个地图上所有的移动物体,达到整体调度、整体预警的效果。
在本实施例中,该基于视觉定位的车路协同系统如图3所示,包括:视觉定位模块、高精度地图模块、车路协同通讯模块以及车辆危险识别模块,视觉定位模块与高精度地图模块通讯连接,车路协同通讯模块分别与车辆危险识别模块和车辆通讯连接。
在本实施例中,视觉识别模块包括摄像头,其用于获取固定场所以及进入固定场所的移动物体的视频信息,通过图像识别算法,识别出移动物体的中心点,获取中心点在视频像素上的横坐标和纵坐标,根据横纵坐标查事前使用RTK设备标定好的视频GPS对应表,进而获得移动物体的高精度GPS信息。
在本实施例中,移动物体的高精度GPS信息的获取过程参见实施例1,本实施例不再进行过多阐述。
在本实施例中,高精度地图模块利用RTK设备,对固定场所进行高精度地图采集,生成场地地图,同时对移动物体的高精度GPS信息进行投影,得到移动物体在场地地图上的坐标信息。
在本实施例中,车路协同通讯模块用于将车辆附近的所有移动物体的坐标信息发送至车辆,同时还发送告警信息至车辆。
在本实施例中,车辆危险识别模块用于根据相邻时间接收的附近的移动物体的坐标信息计算移动物体的移动方向和移动速度,并结合车辆的车标信息和移动速度判断是否存在碰撞风险,若是,发送危险告警至车辆,以让车辆提前预警。
在本实施例中,车辆危险识别模块对碰撞风险的判断参见实施例1,本实施例不再进行过多阐述。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (7)
1.一种基于视觉定位的车路协同方法,其特征在于,包括以下步骤:
通过RTK设备对固定场地进行高精度地图采集,生成固定场所的场地地图;
对摄像头获取的视频进行栅格化处理;获取每个栅格点的高精度GPS信息,得到视频和GPS对应表;根据移动物体的识别信息以及位于的视频区域位置,通过视频和GPS对应表得到移动物体相对应的高精度GPS信息;
对场地地图的经纬度做高斯投影,以子午线和赤道线交点为基准点,将椭圆球面的经纬度转换成二维平面坐标;在场地地图上选取某点作为场地原点,以该场地原点为基准点,将二维平面坐标做平移变换,得到基于场地原点的场地地图坐标;将移动物体的高精度GPS信息通过地图投影,得到移动物体在场地地图上对应的坐标信息;
将车辆附近的移动物体的坐标信息发送至车辆;
实时根据车辆的位置和车速以及移动物体的位置和移动速度判断是否存在碰撞风险,若是,发送危险告警至车辆,以让车辆提前预警。
2.根据权利要求1所述的一种基于视觉定位的车路协同方法,其特征在于,对摄像头获取的视频进行栅格化处理具体包括:
根据摄像头的分辨率以及GPS精度要求,通过边缘计算器MEC对摄像头拍摄的视频进行栅格化处理。
3.根据权利要求2所述的一种基于视觉定位的车路协同方法,其特征在于,视频和GPS对应表的获取具体包括:
通过RTK设备对视频中的所有栅格点进行取样,得到每个栅格点的GPS信息;
对取样的GPS信息进行分析,采用线性插值算法,得到每条栅格线的GPS信息;
根据每个栅格点和每条栅格线的GPS信息,遍历整个视频的所有像素点,采用线性插值算法,得到所有像素点的GPS信息,进而将视频与GPS进行绑定,得到视频和GPS对应表。
4.根据权利要求1所述的一种基于视觉定位的车路协同方法,其特征在于,移动物体相对应的高精度GPS信息的获取具体包括:
移动物体进入到摄像头区域后,识别移动物体的类别;
根据类别对移动物体进行中心计算,同时获取移动物体位于的视频区域位置;
获取移动物体的中心点以及位于的视频区域位置的坐标;
查询视频和GPS对应表,得到该移动物体的高精度GPS信息。
5.根据权利要求1所述的一种基于视觉定位的车路协同方法,其特征在于,车辆附近的移动物体的坐标信息的获取具体包括:
所述移动物体包括本车辆、本车辆附近的人和相关车辆;
将地图上的本车辆附近的人和相关车辆的坐标信息发送至本车辆。
6.根据权利要求5所述的一种基于视觉定位的车路协同方法,其特征在于,碰撞风险的判断具体包括:
车辆根据相邻时间接收的附近的移动物体的坐标信息计算移动物体的移动方向和移动速度;
结合车辆的坐标信息和移动速度对移动物体进行下一时间段的运动预测,以判断是否存在碰撞风险,若是,发送危险告警至车辆,以让车辆提前预警。
7.一种基于视觉定位的车路协同系统,其特征在于,采用权利要求1-6任一项所述的一种基于视觉定位的车路协同方法实现观察整个地图上所有的移动物体,达到整体调度、整体预警的效果;
所述系统包括:视觉定位模块、高精度地图模块、车路协同通讯模块以及车辆危险识别模块,所述视觉定位模块与所述高精度地图模块通讯连接,所述车路协同通讯模块分别与所述车辆危险识别模块和车辆通讯连接;
所述视觉定位模块用于通过摄像头获取固定场所以及进入固定场所的移动物体的视频,通过图像识别算法识别出移动物体的中心点,并获取中心点在视频像素上的坐标,根据坐标查询事前通过RTK设备标定好的视频和GPS对应表,进而获得移动物体的高精度GPS信息;
所述高精度地图模块利用RTK设备,对固定场所进行高精度地图采集,生成场地地图,同时对移动物体的高精度GPS信息进行投影,得到移动物体在场地地图上的坐标信息;
所述车路协同通讯模块用于将车辆附近的所有移动物体的坐标信息发送至车辆;
所述车辆危险识别模块用于根据相邻时间接收的附近的移动物体的坐标信息计算移动物体的移动方向和移动速度,并结合车辆的车标信息和移动速度判断是否存在碰撞风险,若是,发送危险告警至车辆,以让车辆提前预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210883425.6A CN115083209B (zh) | 2022-07-26 | 2022-07-26 | 一种基于视觉定位的车路协同方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210883425.6A CN115083209B (zh) | 2022-07-26 | 2022-07-26 | 一种基于视觉定位的车路协同方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115083209A CN115083209A (zh) | 2022-09-20 |
CN115083209B true CN115083209B (zh) | 2022-11-04 |
Family
ID=83242495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210883425.6A Active CN115083209B (zh) | 2022-07-26 | 2022-07-26 | 一种基于视觉定位的车路协同方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115083209B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116343433B (zh) * | 2023-05-30 | 2023-10-24 | 广州市德赛西威智慧交通技术有限公司 | 一种基于rtk的高精度驾校安全监控方法及系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8605947B2 (en) * | 2008-04-24 | 2013-12-10 | GM Global Technology Operations LLC | Method for detecting a clear path of travel for a vehicle enhanced by object detection |
CN104217615B (zh) * | 2014-09-16 | 2016-08-24 | 武汉理工大学 | 一种基于车路协同的行人防碰撞系统和方法 |
CN105761547A (zh) * | 2016-03-28 | 2016-07-13 | 安徽云森物联网科技有限公司 | 一种基于图像的交通碰撞预警技术及系统 |
KR102592825B1 (ko) * | 2018-08-31 | 2023-10-23 | 현대자동차주식회사 | 충돌 회피 제어 장치 및 그 방법 |
EP3839434A1 (en) * | 2019-12-20 | 2021-06-23 | Zenuity AB | Method and system for generating and updating digital maps |
CN113947946B (zh) * | 2021-10-15 | 2022-09-30 | 华东交通大学 | 一种基于车联网v2x与视频融合的港区行车安全监测方法 |
CN113791627B (zh) * | 2021-11-16 | 2022-02-11 | 中国科学院自动化研究所 | 一种机器人导航方法、设备、介质和产品 |
CN114360093B (zh) * | 2021-12-31 | 2024-03-08 | 江苏鸣实纯钧科技有限公司 | 基于北斗rtk、slam定位和图像分析的路侧停车位巡检方法 |
CN114734966B (zh) * | 2022-01-13 | 2023-12-22 | 天津大学 | 基于摄像头和云端实时地图的自动紧急制动系统及方法 |
-
2022
- 2022-07-26 CN CN202210883425.6A patent/CN115083209B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115083209A (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110174093B (zh) | 定位方法、装置、设备和计算机可读存储介质 | |
CN107274695B (zh) | 智能照明系统、智能车辆及其车辆辅助驾驶系统和方法 | |
CN106650705B (zh) | 区域标注方法、装置和电子设备 | |
CN108256413B (zh) | 可通行区域检测方法及装置、存储介质、电子设备 | |
CN102435174B (zh) | 基于混合式双目视觉的障碍物检测方法及装置 | |
CN107161141B (zh) | 无人驾驶汽车系统及汽车 | |
CN110648548A (zh) | 一种基于路侧设备的路面安全性检测系统及方法 | |
CN108594244B (zh) | 基于立体视觉和激光雷达的障碍物识别迁移学习方法 | |
CN115597659B (zh) | 一种变电站智能安全管控方法 | |
JP6736931B2 (ja) | 立体物検出方法及び立体物検出装置 | |
CN112308913B (zh) | 一种基于视觉的车辆定位方法、装置及车载终端 | |
CN115083209B (zh) | 一种基于视觉定位的车路协同方法及系统 | |
CN114755662A (zh) | 一种路车融合感知的激光雷达和gps的标定方法和装置 | |
CN114252884A (zh) | 路侧雷达定位监测方法、装置、计算机设备和存储介质 | |
CN111506069B (zh) | 一种全天候全地面起重机障碍识别系统及方法 | |
CN113791074A (zh) | 一种基于多传感器融合的无人机桥梁裂缝巡检系统及方法 | |
CN114252883B (zh) | 目标检测方法、装置、计算机设备和介质 | |
CN107607939B (zh) | 一种基于真实地图及影像的光学目标跟踪定位雷达装置 | |
CN113343933A (zh) | 一种基于视频目标识别定位的机场场面监视方法 | |
CN213518003U (zh) | 用于机场道面的巡检机器人以及巡检系统 | |
CN115409691A (zh) | 融合激光测距和监控图像的双模态学习边坡风险检测方法 | |
CN114252859A (zh) | 目标区域的确定方法、装置、计算机设备和存储介质 | |
CN114252868A (zh) | 激光雷达的标定方法、装置、计算机设备和存储介质 | |
CN114049580A (zh) | 一种机坪航空器定位系统 | |
CN103487035B (zh) | 基于车载影像的单目定位方法及系统 |
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 |