CN115424441B - 基于微波雷达的道路弯道优化方法、装置、设备及介质 - Google Patents

基于微波雷达的道路弯道优化方法、装置、设备及介质 Download PDF

Info

Publication number
CN115424441B
CN115424441B CN202211059070.5A CN202211059070A CN115424441B CN 115424441 B CN115424441 B CN 115424441B CN 202211059070 A CN202211059070 A CN 202211059070A CN 115424441 B CN115424441 B CN 115424441B
Authority
CN
China
Prior art keywords
historical
radar
road
image
road curve
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
Application number
CN202211059070.5A
Other languages
English (en)
Other versions
CN115424441A (zh
Inventor
章庆
朱大安
顾超
许孝勇
陶征
仇世豪
王长冬
张辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Hurys Intelligent Technology Co Ltd
Original Assignee
Nanjing Hurys Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Hurys Intelligent Technology Co Ltd filed Critical Nanjing Hurys Intelligent Technology Co Ltd
Priority to CN202211059070.5A priority Critical patent/CN115424441B/zh
Publication of CN115424441A publication Critical patent/CN115424441A/zh
Application granted granted Critical
Publication of CN115424441B publication Critical patent/CN115424441B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • 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
    • G08G1/09—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
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
    • 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
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于微波雷达的道路弯道优化方法、装置、设备及介质。所述方法包括：获取依据在雷达检测区域的历史时刻采集的多个历史雷达图像中历史车辆在道路弯道进行转弯时的历史行驶属性信息，依据历史车辆的历史行驶属性信息，确定历史车辆在道路弯道进行转弯时所采用的历史转弯半径；依据历史转弯半径与道路弯道的预设准许转弯半径，确定是否对道路交叉口的道路弯道进行优化调整。本申请技术方案通过依据对多个不同的历史雷达图像进行处理所获得的历史行驶属性信息，准确获取历史转弯半径，通过对历史转弯半径和预设准许转弯半径进行分析，以实现对道路交叉口弯道设计合理性进行快速准确地评估，以对道路弯道设计进行优化改进。

Description

基于微波雷达的道路弯道优化方法、装置、设备及介质
技术领域
本发明涉及车辆安全检测技术领域，尤其涉及一种基于微波雷达的道路弯道优化方法、装置、设备及介质。
背景技术
随着交通行业不断向智能化、数字化、信息化发展，车辆与道路带来了极大便利，但是在道路弯道处，可能由于弯道设计不合理导致车辆在进入弯道时稍不注意就很容易引发交通事故的发生，造成车辆倾覆。
相关方案中，道路弯道设计带有半经验性，半经验的弯道设计不可避免的会引入弯道通过性不合适，不符合实际通行需求的问题，可能会造成车辆通过弯道到时稍微增加速度就出现车辆倾覆，而一旦发生倾覆，那么就会造成不可估量的后果。因此，如何更好地实现对弯道进行优化，尽可能保证车辆在弯道安全通过变得尤为重要。
发明内容
本发明提供了一种基于微波雷达的道路弯道优化方法、装置、设备及介质，以实现对道路交叉口弯道设计合理性进行快速准确地评估，以对道路弯道设计进行优化改进。
根据本发明的一方面，提供了一种基于微波雷达的道路弯道优化方法，所述方法包括：
确定在雷达检测区域的历史时刻采集的多个历史雷达图像；所述雷达检测区域包括道路交叉口的道路弯道；
依据所述多个历史雷达图像，确定所述历史雷达图像中历史车辆在道路弯道进行转弯时的历史行驶属性信息；所述历史行驶属性信息包括历史车辆的行驶速度和行驶轨迹；
依据历史车辆在道路弯道进行转弯时的历史行驶属性信息，确定历史车辆在道路弯道进行转弯时所采用的历史转弯半径；
依据所述历史转弯半径与所述道路弯道的预设准许转弯半径，确定是否对道路交叉口的道路弯道进行优化调整。
根据本发明的另一方面，提供了一种基于微波雷达的道路弯道优化装置，所属装置包括：
图像确定模块，用于确定在雷达检测区域的历史时刻采集的多个历史雷达图像；所述雷达检测区域包括道路交叉口的道路弯道；
信息确定模块，用于依据所述多个历史雷达图像，确定所述历史雷达图像中历史车辆在道路弯道进行转弯时的历史行驶属性信息；所述历史行驶属性信息包括历史车辆的行驶速度和行驶轨迹；
半径确定模块，用于依据历史车辆在道路弯道进行转弯时的历史行驶属性信息，确定历史车辆在道路弯道进行转弯时所采用的历史转弯半径；
调整模块，用于依据所述历史转弯半径与所述道路弯道的预设准许转弯半径，确定是否对道路交叉口的道路弯道进行优化调整。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
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计算机程序，所述计算机程序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本发明任一实施例所述的基于微波雷达的道路弯道优化方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的基于微波雷达的道路弯道优化方法。
本发明实施例的技术方案，通过获取依据在雷达检测区域的历史时刻采集的多个历史雷达图像中历史车辆在道路弯道进行转弯时的历史行驶属性信息，依据历史车辆的历史行驶属性信息，确定历史车辆在道路弯道进行转弯时所采用的历史转弯半径；依据历史转弯半径与道路弯道的预设准许转弯半径，确定是否对道路交叉口的道路弯道进行优化调整。本申请技术方案通过依据对多个历史雷达图像进行处理所获得的历史行驶属性信息，准确获取历史转弯半径，通过对历史转弯半径和预设准许转弯半径进行分析，实现对道路交叉口弯道设计合理性进行快速准确地评估，以对道路弯道设计进行优化改进。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明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
为了更清楚地说明本发明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发明的一些实施例，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是根据本发明实施例一提供的一种基于微波雷达的道路弯道优化方法的流程图；
图2是根据本发明实施例提供的一种基于微波雷达的道路弯道优化方法的流程图；
图3是根据本发明实施例三提供的一种基于微波雷达的道路弯道优化装置的结构示意图；
图4是实现本发明实施例的基于微波雷达的道路弯道优化方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种基于微波雷达的道路弯道优化方法的流程图，本实施例可适用于对道路弯道进行优化的情况，该方法可以由基于微波雷达的道路弯道优化装置来执行，该基于微波雷达的道路弯道优化装置可以采用硬件和/或软件的形式实现，该基于微波雷达的道路弯道优化装置可配置于任何具有网络通信功能的电子设备中。如图1所示，该方法包括：
S110、确定在雷达检测区域的历史时刻采集的多个历史雷达图像；其中，雷达检测区域包括道路交叉口的道路弯道。
其中，历史雷达图像可以是雷达发射机向雷达检测区域发射无线电波，接收机接收散射回波所形成的雷达图像。历史雷达图像可以分割成若干个小方格,每个小方格可被称为一个像素点，通过对每个像素点的信息进行分析处理，就可以获取各个像素点对应的雷达检测区域中对应的各个检测位置点的信息特征，进而确定历史车辆的信息，例如，通过对历史雷达图像中各个像素点的位置、颜色和亮度等信息进行分析处理后，进而准确获取历史车辆在道路交叉口的道路弯道的情况。所述多个历史雷达图像的历史雷达图像数量达到预设数量，比如预设数量为1000个，100000个等。
在一个可行的实施例中，确定历史时刻在雷达检测区域的采集的多个历史雷达图像，包括：
通过微波雷达对在历史时刻进入雷达检测区域的历史车辆进行扫描，得到历史时刻包括历史车辆的历史雷达图像。
其中，历史雷达图像中各个像素点取值用于描述雷达在检测位置点扫描时的雷达反射波的信号强度，所述历史雷达图像属于灰度图像。
其中，灰度图像可以是每个像素只有一个采样颜色的图像，通常显示为从最暗黑色到最亮的白色的灰度，灰度图像中的纯白，代表了该色光在此处为最高亮度，亮度级别是255，灰度图像中最暗黑色的亮度级别是0，即灰度图像的灰度值为0-255。
具体的，微波雷达的雷达检测区域配置于道路交叉口的道路弯道，则通过微波雷达在历史时刻对雷达检测区域进行扫描后，将每个像素点查表填充灰度值，以确定历史雷达图像中各个像素点对应的各个像素点取值，进而准确得到用灰度图像表示的历史雷达图像，以便于后续通过历史雷达图像中的不同像素点取值准确确定历史车辆的历史行驶属性信息。
本技术方案，通过微波雷达对进入雷达检测区域的历史车辆进行扫描，从而获得了准确的历史雷达图像，便于后续对历史雷达图像的处理，实现对道路交叉口的道路弯道是否进行优化调整进行准确判断。
S120、依据多个历史雷达图像，确定历史雷达图像中历史车辆在道路弯道进行转弯时的历史行驶属性信息。
其中，历史行驶属性信息可以用来反映历史车辆的行驶状态信息，如速度、行驶轨迹等。历史行驶属性信息包括历史车辆的行驶速度和行驶轨迹。
具体的，当历史车辆进入雷达检测区域，微波雷达迅速获取历史雷达图像，并通过对历史雷达图像进行分析处理，以准确获取历史车辆的历史行驶属性信息，以便于准确获取历史车辆在道路弯道进行转弯时所采用的历史转弯半径。
在一个可行的实施例中，依据多个历史雷达图像，确定历史雷达图像中历史车辆在道路弯道进行转弯时的历史行驶属性信息，可包括如下步骤A1-A2：
步骤A1、针对多个历史雷达图像中每个历史雷达图像，对历史雷达图像中背景与前景进行分离得到背景去除后的目标雷达图像。
步骤A2、依据目标雷达图像，确定历史车辆进入雷达检测区域对应道路弯道进行转弯时的行驶速度和行驶轨迹。
其中，目标雷达图像的前景像素点对应描述至少一个历史车辆。
其中，背景可以是雷达图像中对应的雷达检测区域中固有物体的图像，例如雷达检测区域的道路或建筑物等。前景可以是雷达图像中对应的雷达检测区域中的历史车辆。
具体的，通过微波雷达获取历史雷达图像后，对历史雷达图像中的各个像素点取值进行分析处理，以使历史雷达图像的背景与前景进行分离，获得背景去除后的目标雷达图像，以方便依据目标雷达图像准确获取进入雷达检测区域的历史车辆的行驶速度和行驶轨迹。
本技术方案，通过将历史雷达图像中背景与前景进行分离得到背景去除后的目标雷达图像，使得雷达图像中历史车辆的行驶轨迹以及速度更加准确，从而可以更加准确的确定进入雷达检测区域的历史车辆的行驶速度和行驶轨迹。
在一个可行的实施例中，对历史雷达图像中背景与前景进行分离得到背景去除后的目标雷达图像，可包括如下步骤B1-B3：
步骤B1、确定在历史雷达图像之前在雷达检测区域采集的预设个数的上一雷达图像。
步骤B2、对预设个数的上一雷达图像进行图像累加平均，得到各个上一雷达图像对应的累加平均图像。
步骤B3、依据累加平均图像对历史雷达图像中背景与前景进行分离得到背景去除后的目标雷达图像。
其中，预设个数可以是根据实际需求确定的在采集历史雷达图像之前需要通过扫描雷达检测区域获取的雷达图像的个数。上一雷达图像包括在采集历史雷达图像之前邻近时间内采集的雷达图像或者对雷达检测区域进行封闭所采集的雷达图像。
具体的，利用微波雷达扫描雷达检测区域获取预设个数的上一雷达图像，且每一个图像可记为F，再对预设个数的上一雷达图像进行图像累加平均，得到上一雷达图像的累加平均图像，接下来，获取历史时刻通过微波雷达扫描雷达检测区域获取的历史雷达图像，因为历史雷达图像中的历史车辆并未出现在上一雷达图像中，所以上一雷达图像的累加平均图像/>可以作为雷达图像的背景图，那可以依据上一雷达图像的累加平均图像对历史雷达图像中背景与前景进行分离，以准确获取背景去除后的目标雷达图像。
本技术方案，通过对预设个数的上一雷达图像进行图像累加平均，使得获得的上一雷达图像的累加平均图像更加准确，从而使依据上一雷达图像的累加平均图像对当前雷达图像中背景与前景进行分离，以获得准确的背景去除后的目标雷达图像，有利于后续更加准确地获取历史车辆的行驶速度和行驶轨迹。
在一个可行的实施例中，依据累加平均图像对历史雷达图像中背景与前景进行分离得到背景去除后的目标雷达图像，可包括如下步骤C1-C2：
步骤C1、将历史雷达图像与各个上一雷达图像的累加平均图像进行图像差值处理，得到图像差值处理后图像。
步骤C2、通过对图像差值处理后图像进行二值化处理，对历史雷达图像中背景与前景进行分离得到背景去除后的目标雷达图像。
其中，图像差值处理可以是将两个类似的图像进行求差处理。二值化处理可以是图像上的每一个像素只有两种可能的取值或灰度等级状态，即图像中的任何像素点的灰度值均为0或者255，分别代表黑色和白色。
具体的，当对预设个数的上一雷达图像进行图像累加平均获得上一雷达图像的累加平均图像后，获取当前雷达图像F，并将历史雷达图像与上一雷达图像的累加平均图像进行图像差值处理，获得图像差值处理后图像FΔ，可表示为：
其中，F为当前雷达图像的灰度图。
接下来对图像差值处理后图像FΔ进行二值化处理，即将FΔ中每个像素点的像素值转化为0或者255，且像素值为0的像素点为背景，像素值为255的像素点为前景，因此可以依据进过二值化处理的图像差值处理后图像，将历史雷达图像中的背景与前景进行分离，从而获得背景去除后的目标雷达图像。
可通过如下公式对图像差值处理后图像FΔ进行二值化处理：
其中，fij'为雷达图像经过二值化处理后的对应像素点的灰度值，为雷达图像中对应像素点的灰度值，T为预设灰度值，预设灰度值可以是雷达图像中对应像素点的灰度值转化为0或255的临界值，当雷达图像中对应像素点的灰度值大于或等于预设灰度值，对应像素点的灰度值转化为255，反之转化为0。
本技术方案，通过历史雷达图像与上一雷达图像的累加平均图像进行图像差值处理，以获得图像差值处理后图像，再通过对图像差值处理后图像进行二值化处理，对历史雷达图像中背景与前景进行分离得到背景去除后的目标雷达图像，实现了将历史雷达图像的背景和前景准确分离，使背景去除后的目标雷达图像更加准确，可实现更加准确地获取历史车辆的历史行驶属性信息。
S130、依据历史车辆在道路弯道进行转弯时的历史行驶属性信息，确定历史车辆在道路弯道进行转弯时所采用的历史转弯半径。
具体的，通过对历史行驶属性信息中包括的历史车辆的行驶速度和行驶轨迹的准确计算，可得到准确的历史车辆的历史转弯半径，有利于后续通过历史转弯半径确定是否对道路交叉口的道路弯道进行优化调整。
在一个可行的实施例中，依据历史车辆在道路弯道进行转弯时的历史行驶属性信息，确定历史车辆在道路弯道进行转弯时所采用的历史转弯半径，可包括如下步骤D1-D2：
步骤D1、确定历史车辆在道路交叉口的道路弯道进行转弯时采用的横向力系数与弯道路面横坡度。
步骤D2、依据历史车辆在道路弯道进行转弯时的历史行驶属性信息包括的行驶速度、横向力系数与弯道路面横坡度，确定历史车辆在道路弯道进行转弯时所采用的历史转弯半径。
其中，横向力系数可以用来反应车辆在道路弯道进行转弯时的稳定、安全和舒适程度。弯道路面横坡度对无中央分隔带的道路是指路拱两侧直线部分的坡度，对有中央分隔带的道路是指路面与中央分隔带交界处及路面边缘与路肩交界处两点的高程差与水平距离的比值，以百分率表示。
具体的，车辆行驶在道路转弯处时，由于道路地面、车速与转弯半径等因素影响，会使车辆行驶不稳定，甚至会产生横向倾覆，所以需要准确的得出历史车辆在道路转弯处行驶时的转弯半径，才能准确对道路交叉口的道路弯道进行优化调整，进而确保车辆在弯道处安全行驶，那么则需要准确获取历史车辆在道路弯道进行转弯时的历史行驶属性信息包括的行驶速度v、横向力系数μ与弯道路面横坡度i，再通过计算准确获取历史转弯半径R0，公式可表示如下，
本技术方案，通过获取历史车辆在道路弯道进行转弯时的行驶速度、横向力系数与弯道路面横坡度，再利用公式进行精确计算，以获得准确的历史转弯半径，以便于后续通过历史转弯半径判断是否对道路交叉口的道路弯道进行优化调整。
在一个可行的实施例中，依据历史车辆在道路弯道进行转弯时的历史行驶属性信息，确定历史车辆在道路弯道进行转弯时所采用的历史转弯半径，可包括如下步骤E1-E2：
步骤E1、依据各个历史车辆在道路弯道进行转弯时的历史行驶属性信息包括的行驶轨迹，拟合生成历史车辆在道路弯道进行转弯所形成的历史转弯区域。
步骤E2、确定所述历史转弯区域的转弯区域外径与转弯区域内径，将转弯区域外径与转弯区域内径作为历史车辆在道路弯道进行转弯时采用的历史转弯半径。
具体的，通过对各个历史车辆在道路弯道进行转弯时的行驶轨迹进行分析处理，以准确依据各个历史车辆的行驶轨迹拟合生成历史车辆的历史转弯区域，进一步分析历史转弯区域以准确获得历史转弯区域的转弯区域外径与转弯区域内径，其中，转弯区域外径可以是历史车辆左轮转弯时的行驶轨迹，转弯区域内径可以是历史车辆右轮转弯时的行驶轨迹，并将转弯区域外径与转弯区域内径作为历史车辆在道路弯道进行转弯时采用的历史转弯半径，以准确获得历史车辆的历史转弯半径。
本技术方案，通过对各个历史车辆在道路弯道进行转弯时的行驶轨迹进行处理，准确获取了历史转弯区域，进而获得准确的转弯区域外径与转弯区域内径，并将转弯区域外径与转弯区域内径作为历史转弯半径，以准确获得历史车辆的历史转弯半径，有利于后续通过历史转弯半径判断是否对道路交叉口的道路弯道进行优化调整。
S140、依据历史转弯半径与道路弯道的预设准许转弯半径，确定是否对道路交叉口的道路弯道进行优化调整。
其中，预设准许转弯半径是用来判断道路弯道是否符合车辆行驶，根据实际所设定。
在一个可行的实施例中，依据所述历史转弯半径与所述道路弯道的预设准许转弯半径，确定是否对道路交叉口的道路弯道进行优化调整，可包括如下步骤F1-F2：
步骤F1、确定所述道路弯道的预设准许转弯半径与所述历史转弯半径之间的转弯半径差值；
步骤F2、依据到所述转弯半径差值，确定是否对道路交叉口的道路弯道进行优化调整。
具体的，上述实施例中准确获取了历史车辆在道路弯道上转弯时的历史转弯半径R0，同时，获取道路弯道的预设准许转弯半径R1，则可通过道路弯道的预设准许转弯半径R1与历史转弯半径R0之间的转弯半径差值R来判断否对道路交叉口的道路弯道进行优化调整，可用如下公式进行计算：
R＝R1-R0
当R小于预设值时，说明道路弯道存在风险，车辆在过弯道时，可能会倾覆，所以需要对道路交叉口的道路弯道进行优化调整。
本技术方案，通过利用道路弯道的预设准许转弯半径与历史转弯半径之间的转弯半径差值，准确判断了是否是由于道路弯道设计的不准确，导致车辆行驶在道路弯道时，出现倾覆风险，进而及时对道路弯道进行优化调整。
在一个可行的实施例中，依据到所述转弯半径差值，确定是否对道路交叉口的道路弯道进行优化调整，可包括如下步骤G1-G2：
步骤G1、确定道路交叉口的道路弯道上预设禁行标志物到所述历史转弯半径的最短距离；
步骤G2、依据到所述历史转弯半径的最短距离与转弯半径差值，确定是否对道路交叉口的道路弯道进行优化调整。
具体的，上述实施例中只考虑了历史转弯半径的情况，可能会出现误判的情况，所以需要进一步的考虑道路交叉口的道路弯道上预设禁行标志物到历史转弯半径的最短距离D，同时结合转弯半径差值R，以准确对道路交叉口的道路弯道进行评估，可依据如下公式：
M＝αD+βR
其中，α和β均为大于0的系数。当M值大于预设阈值时，说明道路交叉口的道路弯道设计合理，当M值小于预设阈值时，说明道路交叉口的道路弯道设计不合理，车辆在过道路弯道时可能存在倾覆危险，需要对道路交叉口的道路弯道进行优化调整。
本技术方案，通过公式准确的将历史转弯半径的最短距离与转弯半径差值结合在一起，进而同时对道路交叉口的道路弯道的评估，实现了更加准确的对道路交叉口的道路弯道的优化调整。
本发明实施例的技术方案，通过获取在雷达检测区域的历史时刻采集的多个历史雷达图像，通过对历史雷达图像进行二值化处理，以获得准确的目标雷达图像，在目标雷达图像进行分析处理，以获得准确的历史车辆在道路弯道进行转弯时的历史行驶属性信息，其中，历史行驶属性信息包括历史车辆的行驶速度和行驶轨迹，进一步，通过对历史车辆的历史行驶属性信息进行分析计算，以获取准确的历史车辆在道路弯道进行转弯时所采用的历史转弯半径；最后依据历史转弯半径与道路弯道的预设准许转弯半径，准确判断是否对道路交叉口的道路弯道进行优化调整，以实现对道路交叉口弯道设计合理性进行快速准确地评估，以对道路弯道设计进行优化改进。
实施例二
图2为本发明实施例提供的一种基于微波雷达的道路弯道优化方法的流程图，本实施例是对上述实施例中依据目标雷达图像，确定历史车辆进入雷达检测区域对应道路弯道进行转弯时的行驶速度和行驶轨迹的详细描述。如图2所示，该方法包括：
S210、确定在雷达检测区域的历史时刻采集的多个历史雷达图像，对历史雷达图像中背景与前景进行分离得到背景去除后的目标雷达图像。
S220、对目标雷达图像进行边缘检测得到目标雷达图像的边缘检测图。
具体的，获取目标雷达图像，并对目标雷达图像进行边缘检测，将目标雷达图像中真实和潜在的边缘进行区分，进而获得准确的目标雷达图像的边缘检测图。
在一个可行的实施例中，对所述目标雷达图像进行边缘检测得到所述目标雷达图像的边缘检测图，可包括如下步骤H1-H2：
步骤H1、对所述目标雷达图像进行形态学处理得到处理后雷达图像；目标雷达图像的前景对应历史车辆介于发生前景与背景分离而被分割到不同区域。
步骤H2、对处理后的雷达图像进行高斯平滑处理，并对高斯平滑后的处理后雷达图像进行边缘检测得到所述目标雷达图像的边缘检测图。
具体的，获取目标雷达图像，此过程中可能会出现历史车辆区域被分成不同子区域，所以需要对目标雷达图像进行形态学处理得到处理后雷达图像，再对处理后的雷达图像进行高斯平滑处理，以消除因为雷达探测引起的噪声，最后对高斯平滑后的处理后雷达图像进行边缘检测，以准确区分目标雷达图像中的历史车辆的边缘，进而准确得到目标雷达图像的边缘检测图。
本技术方案，通过对目标雷达图像进行形态学处理得到处理后雷达图像，使得处理后雷达图像更能准确表示出历史车辆区域，此外，对处理后的雷达图像进行高斯平滑处理，进一步的消除了因为雷达检测引起的部分小的噪声点，更加增强了图像的准确性，最后对高斯平滑后的处理后雷达图像进行边缘检测得到目标雷达图像的边缘检测图，有利于后续通过边缘检测图获得准确的历史车辆的历史行驶属性信息。
在一个可行的实施例中，对所述目标雷达图像进行形态学处理得到处理后雷达图像，可包括如下步骤I1-I2：
步骤I1、对目标雷达图像进行形态学膨胀运算得到膨胀后雷达图像；其中，所述形态学膨胀运算用于消除前景对应历史车辆被分割的不同区域之间的内部空洞和/或近邻区域空隙；
步骤I2、对膨胀后雷达图像形态学腐蚀运算得到腐蚀后雷达图像，并作为所述处理后雷达图像。
具体的，由于在形成目标雷达图像的过程中，可能会出现历史车辆区域被分成不同子区域，所以为了消除历史车辆区域对应的不同子区域之间的内部空洞和/或近邻区域空隙，需对目标雷达图像进行形态学膨胀运算获得膨胀后雷达图像。由于膨胀之后区域会变大，所以对膨胀后雷达图像进行形态学腐蚀运算得到腐蚀后雷达图像，可以让区域面积恢复到膨胀之前，这样使得处理后雷达图像能够更加准确的表征历史车辆区域。
本技术方案，通过对目标雷达图像进行形态学膨胀运算得到膨胀后雷达图像，消除了前景对应的不同子区域之间的内部空洞和/或近邻区域空隙，再对膨胀后雷达图像形态学腐蚀运算得到腐蚀后雷达图像，并作为处理后雷达图像，使得图像区域面积恢复到膨胀之前，更能准确表征历史车辆区域，有利于后续对历史车辆区域的分析。
S230、依据目标雷达图像的边缘检测图，确定目标雷达图像中前景像素点所描述历史车辆的行驶位置信息与行驶速度信息。
具体的，获取历史雷达图像，并对历史雷达图像中的前景和背景进行分离获得除去背景的目标雷达图像，再对目标雷达图像做边缘检测获得边缘检测图，依据边缘检测图获得目标雷达图像的前景所对应历史车辆的行驶位置信息与行驶速度信息，实现对历史车辆的历史行驶属性信息的准确获取。
在一个可行的实施例中，依据目标雷达图像的边缘检测图，确定目标雷达图像中前景像素点所描述历史车辆的行驶位置信息与行驶速度信息，可包括如下步骤J1-J3：
步骤J1、依据所述目标雷达图像的边缘检测图，提取所述目标雷达图像的前景对应历史车辆的外边界拐点位置；所述外边界拐点位置通过外边界拐点对应像素点所在行列标识描述。
步骤J2、依据所述目标雷达图像的前景对应历史车辆的外边界拐点位置，确定历史车辆的几何中心位置。
步骤J3、依据历史车辆的几何中心位置，确定所述目标雷达图像中前景像素点所描述历史车辆的行驶位置信息与行驶速度信息。
具体的，获取目标雷达图像的边缘检测图，依据边缘检测图提取目标雷达图像的前景中历史车辆的外边界拐点，以获取外边界拐点的位置。其中，对于外边界拐点提取方法可以采用现有技术中的任一种方法，在本发明实施例中并不限制。外边界拐点位置可如下表示：
其中，Di表示第i个目标区域的外边界拐点坐标集合，表示第i个目标区域外边界的第m个拐点的行、列几何像素坐标。
再依据目标雷达图像的前景中历史车辆区域的外边界拐点位置，计算获得历史车辆区域的几何中心位置，例如，将第i个历史车辆区域外边界的m个拐点的行几何像素坐标中的最大值和最小值求和，再将求和结果的二分之一作为历史车辆区域的几何中心位置的几何中心点行像素坐标ri；同理，将第i个历史车辆区域外边界的m个拐点的列几何像素坐标中的最大值和最小值求和，再将求和结果的二分之一作为历史车辆区域的几何中心位置的几何中心点列像素坐标ci，即历史车辆区域的几何中心位置可表示为：
因为一个像素表示边长为Δ米的正方形区域，而且笛卡尔坐标系原点位于图像中心，可计算出(ri，ci)对应的笛卡尔坐标系坐标：
则将历史车辆区域的几何中心位置转化为对应的笛卡尔坐标系坐标的集合为：
X＝{(x1，y1)，(x2，y2)，…，(xn，yn)
再将笛卡尔坐标系坐标的集合进行聚类处理，获取聚类后的历史车辆区域的几何中心位置对应的笛卡尔坐标系坐标的集合X′，避免了因为坐标位置不准确，导致历史车辆的行驶位置信息与行驶速度信息不准确。
本技术方案，依据目标雷达图像的边缘检测图提取的目标雷达图像的前景中历史车辆区域的外边界拐点位置，确定了历史车辆区域的几何中心位置，再根据历史车辆区域的几何中心位置，准确获取了历史车辆的行驶位置信息与行驶速度信息，避免了因为历史车辆的行驶位置信息与行驶速度信息的误差，导致对道路交叉口的道路弯道的优化调整不准确。
S240、依据历史车辆的行驶位置信息构建历史车辆进入雷达检测区域对应道路弯道进行转弯时行驶轨迹。
具体的，通过对目标雷达图像中各个像素点的分析，准确获取了历史车辆的行驶位置信息，再通过对各个像素点对应的历史车辆的行驶位置信息进行分析计算，进而可以准确构建出历史车辆在进入雷达检测区域对应道路弯道进行转弯时行驶轨迹，实现了对历史车辆行驶轨迹的准确获取。
S250、依据历史车辆在道路弯道进行转弯时的历史行驶属性信息，确定历史车辆在道路弯道进行转弯时所采用的历史转弯半径，再依据历史转弯半径与道路弯道的预设准许转弯半径，确定是否对道路交叉口的道路弯道进行优化调整。
本发明实施例的技术方案，通过确定雷达检测区域的历史雷达图像，并对历史雷达图像进行前景和背景的分离，准确获得去除背景的目标雷达图像，再对目标雷达图像进行形态学处理、高斯平滑处理以及边缘检测，消除前景对应的不同子区域之间的内部空洞和/或近邻区域空隙，以及图像中可能存在的噪声点，且能够准确的确定历史车辆区域的边界位置，使得图像可以更加准确的表征历史车辆区域，则依据目标雷达图像可以准确获取进入雷达检测区域的历史车辆的历史行驶属性信息，其中，历史行驶属性信息包括历史车辆的行驶速度和行驶轨迹；并依据历史车辆的历史行驶属性信息，计算获得历史车辆在道路弯道进行转弯时所采用的历史转弯半径，最后依据历史转弯半径与道路弯道的预设准许转弯半径，确定是否对道路交叉口的道路弯道进行优化调整，以实现对道路交叉口弯道设计合理性进行快速准确地评估，以对道路弯道设计进行优化改进。
实施例三
图3为根据本发明实施例三提供的一种基于微波雷达的道路弯道优化装置的结构示意图。如图3所示，该装置包括：
图像确定模块310，用于确定在雷达检测区域的历史时刻采集的多个历史雷达图像；所述雷达检测区域包括道路交叉口的道路弯道。
信息确定模块320，用于依据所述多个历史雷达图像，确定所述历史雷达图像中历史车辆在道路弯道进行转弯时的历史行驶属性信息；所述历史行驶属性信息包括历史车辆的行驶速度和行驶轨迹。
半径确定模块330，用于依据历史车辆在道路弯道进行转弯时的历史行驶属性信息，确定历史车辆在道路弯道进行转弯时所采用的历史转弯半径。
调整模块340，用于依据所述历史转弯半径与所述道路弯道的预设准许转弯半径，确定是否对道路交叉口的道路弯道进行优化调整。
可选的，图像确定模块，具体用于：
通过微波雷达对在历史时刻进入雷达检测区域的历史车辆进行扫描，得到历史时刻包括历史车辆的历史雷达图像；
其中，历史雷达图像中各个像素点取值用于描述雷达在检测位置点扫描时的雷达反射波的信号强度，所述历史雷达图像属于灰度图像。
可选的，信息确定模块，具体用于：
针对所述多个历史雷达图像中每个历史雷达图像，对历史雷达图像中背景与前景进行分离得到背景去除后的目标雷达图像；
依据所述目标雷达图像，确定历史车辆进入雷达检测区域对应道路弯道进行转弯时的行驶速度和行驶轨迹；其中，所述目标雷达图像的前景像素点对应描述至少一个历史车辆。
可选的，信息确定模块包括图像确定单元，具体用于：
确定在历史雷达图像之前在雷达检测区域采集的预设个数的上一雷达图像；所述上一雷达图像包括在采集历史雷达图像之前邻近时间内采集的雷达图像或者对雷达检测区域进行封闭所采集的雷达图像；
对预设个数的上一雷达图像进行图像累加平均，得到各个上一雷达图像对应的累加平均图像；
依据累加平均图像对历史雷达图像中背景与前景进行分离得到背景去除后的目标雷达图像。
可选的，图像确定单元包括图像分离单元，具体用于：
将历史雷达图像与各个上一雷达图像的累加平均图像进行图像差值处理，得到图像差值处理后图像；
通过对图像差值处理后图像进行二值化处理，对历史雷达图像中背景与前景进行分离得到背景去除后的目标雷达图像。
可选的，信息确定模块包括第一信息获取单元，具体用于：
对所述目标雷达图像进行边缘检测得到所述目标雷达图像的边缘检测图；
依据所述目标雷达图像的边缘检测图，确定所述目标雷达图像中前景像素点所描述历史车辆的行驶位置信息与行驶速度信息；
依据历史车辆的行驶位置信息构建历史车辆进入雷达检测区域对应道路弯道进行转弯时行驶轨迹。
可选的，第一信息获取单元包括图像处理单元：
对所述目标雷达图像进行形态学处理得到处理后雷达图像；目标雷达图像的前景对应历史车辆介于发生前景与背景分离而被分割到不同区域；
对处理后的雷达图像进行高斯平滑处理，并对高斯平滑后的处理后雷达图像进行边缘检测得到所述目标雷达图像的边缘检测图。
可选的，图像处理单元包括形态学处理单元，具体用于：
对目标雷达图像进行形态学膨胀运算得到膨胀后雷达图像；其中，所述形态学膨胀运算用于消除前景对应历史车辆被分割的不同区域之间的内部空洞和/或近邻区域空隙；
对膨胀后雷达图像形态学腐蚀运算得到腐蚀后雷达图像，并作为所述处理后雷达图像。
可选的，信息确定模块包括第二信息获取单元，具体用于：
依据所述目标雷达图像的边缘检测图，提取所述目标雷达图像的前景对应历史车辆的外边界拐点位置；所述外边界拐点位置通过外边界拐点对应像素点所在行列标识描述；
依据所述目标雷达图像的前景对应历史车辆的外边界拐点位置，确定历史车辆的几何中心位置；
依据历史车辆的几何中心位置，确定所述目标雷达图像中前景像素点所描述历史车辆的行驶位置信息与行驶速度信息。
可选的，半径确定模块包括第一历史半径确定单元，具体用于：
确定历史车辆在道路交叉口的道路弯道进行转弯时采用的横向力系数与弯道路面横坡度；
依据历史车辆在道路弯道进行转弯时的历史行驶属性信息包括的行驶速度、横向力系数与弯道路面横坡度，确定历史车辆在道路弯道进行转弯时所采用的历史转弯半径。
可选的，半径确定模块包括第二历史半径确定单元，具体用于：
依据各个历史车辆在道路弯道进行转弯时的历史行驶属性信息包括的行驶轨迹，拟合生成历史车辆在道路弯道进行转弯所形成的历史转弯区域；
确定所述历史转弯区域的转弯区域外径与转弯区域内径，将转弯区域外径与转弯区域内径作为历史车辆在道路弯道进行转弯时采用的历史转弯半径。
可选的，调整模块，具体用于：
确定所述道路弯道的预设准许转弯半径与所述历史转弯半径之间的转弯半径差值；
依据到所述转弯半径差值，确定是否对道路交叉口的道路弯道进行优化调整。
可选的，调整模块包括优化调整单元，具体用于：
确定道路交叉口的道路弯道上预设禁行标志物到所述历史转弯半径的最短距离；
依据到所述历史转弯半径的最短距离与转弯半径差值，确定是否对道路交叉口的道路弯道进行优化调整。
本发明实施例中所提供的基于微波雷达的道路弯道优化装置可执行上述本发明任意实施例中所提供的基于微波雷达的道路弯道优化方法，具备执行该基于微波雷达的道路弯道优化方法相应的功能和有益效果，详细过程参见前述实施例中基于微波雷达的道路弯道优化方法的相关操作。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。
处理器11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。处理器11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处理器、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。处理器11执行上文所描述的各个方法和处理，例如基于微波雷达的道路弯道优化方法。
在一些实施例中，基于微波雷达的道路弯道优化方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的基于微波雷达的道路弯道优化方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行基于微波雷达的道路弯道优化方法。
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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
在本发明的上下文中，计算机可读存储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计算机程序。计算机可读存储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。备选地，计算机可读存储介质可以是机器可读信号介质。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，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：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电子设备。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)、区块链网络和互联网。
计算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服务中，存在的管理难度大，业务扩展性弱的缺陷。
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，本发明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，只要能够实现本发明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，并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (14)

1.一种基于微波雷达的道路弯道优化方法，其特征在于，包括：
确定在雷达检测区域的历史时刻采集的多个历史雷达图像；所述雷达检测区域包括道路交叉口的道路弯道；
依据所述多个历史雷达图像，确定所述历史雷达图像中历史车辆在道路弯道进行转弯时的历史行驶属性信息；所述历史行驶属性信息包括历史车辆的行驶速度和行驶轨迹；
依据历史车辆在道路弯道进行转弯时的历史行驶属性信息，确定历史车辆在道路弯道进行转弯时所采用的历史转弯半径；
依据所述历史转弯半径与所述道路弯道的预设准许转弯半径，确定是否对道路交叉口的道路弯道进行优化调整；
其中，依据所述历史转弯半径与所述道路弯道的预设准许转弯半径，确定是否对道路交叉口的道路弯道进行优化调整，包括：
确定所述道路弯道的预设准许转弯半径与所述历史转弯半径之间的转弯半径差值；
依据到所述转弯半径差值，确定是否对道路交叉口的道路弯道进行优化调整；
其中，依据到所述转弯半径差值，确定是否对道路交叉口的道路弯道进行优化调整，包括：
确定道路交叉口的道路弯道上预设禁行标志物到所述历史转弯半径的最短距离；
依据到所述历史转弯半径的最短距离与转弯半径差值，确定是否对道路交叉口的道路弯道进行优化调整；
其中，依据公式M＝αD+βR，确定是否对道路交叉口的道路弯道进行优化调整，其中，D为道路交叉口的道路弯道上预设禁行标志物到历史转弯半径的最短距离，R为转弯半径差值，α和β均为大于0的系数；当M值大于预设阈值时，表明道路交叉口的道路弯道设计合理，当M值小于预设阈值时，表明道路交叉口的道路弯道设计不合理，车辆在过道路弯道时存在倾覆危险，需对道路交叉口的道路弯道进行优化调整。
2.根据权利要求1所述的方法，其特征在于，确定历史时刻在雷达检测区域的采集的多个历史雷达图像，包括：
通过微波雷达对在历史时刻进入雷达检测区域的历史车辆进行扫描，得到历史时刻包括历史车辆的历史雷达图像；
其中，所述历史雷达图像中各个像素点取值用于描述雷达在检测位置点扫描时的雷达反射波的信号强度，所述历史雷达图像属于灰度图像。
3.根据权利要求1所述的方法，其特征在于，依据所述多个历史雷达图像，确定所述历史雷达图像中历史车辆在道路弯道进行转弯时的历史行驶属性信息，包括：
针对所述多个历史雷达图像中每个历史雷达图像，对历史雷达图像中背景与前景进行分离得到背景去除后的目标雷达图像；
依据所述目标雷达图像，确定历史车辆进入雷达检测区域对应道路弯道进行转弯时的行驶速度和行驶轨迹；其中，所述目标雷达图像的前景像素点对应描述至少一个历史车辆。
4.根据权利要求3所述的方法，其特征在于，对历史雷达图像中背景与前景进行分离得到背景去除后的目标雷达图像，包括：
确定在历史雷达图像之前在雷达检测区域采集的预设个数的上一雷达图像；所述上一雷达图像包括在采集历史雷达图像之前邻近时间内采集的雷达图像或者对雷达检测区域进行封闭所采集的雷达图像；
对预设个数的上一雷达图像进行图像累加平均，得到各个上一雷达图像对应的累加平均图像；
依据累加平均图像对历史雷达图像中背景与前景进行分离得到背景去除后的目标雷达图像。
5.根据权利要求4所述的方法，其特征在于，依据累加平均图像对历史雷达图像中背景与前景进行分离得到背景去除后的目标雷达图像，包括：
将历史雷达图像与各个上一雷达图像的累加平均图像进行图像差值处理，得到图像差值处理后图像；
通过对图像差值处理后的图像进行二值化处理，对历史雷达图像中背景与前景进行分离得到背景去除后的目标雷达图像。
6.根据权利要求3所述的方法，其特征在于，依据所述目标雷达图像，确定历史车辆进入雷达检测区域对应道路弯道进行转弯时的行驶速度和行驶轨迹，包括：
对所述目标雷达图像进行边缘检测得到所述目标雷达图像的边缘检测图；
依据所述目标雷达图像的边缘检测图，确定所述目标雷达图像中前景像素点所描述历史车辆的行驶位置信息与行驶速度信息；
依据历史车辆的行驶位置信息构建历史车辆进入雷达检测区域对应道路弯道进行转弯时行驶轨迹。
7.根据权利要求6所述的方法，其特征在于，对所述目标雷达图像进行边缘检测得到所述目标雷达图像的边缘检测图，包括：
对所述目标雷达图像进行形态学处理得到处理后雷达图像；目标雷达图像的前景对应历史车辆介于发生前景与背景分离而被分割到不同区域；
对处理后的雷达图像进行高斯平滑处理，并对高斯平滑后的处理后雷达图像进行边缘检测得到所述目标雷达图像的边缘检测图。
8.根据权利要求7所述的方法，其特征在于，对所述目标雷达图像进行形态学处理得到处理后雷达图像，包括：
对目标雷达图像进行形态学膨胀运算得到膨胀后雷达图像；其中，所述形态学膨胀运算用于消除前景对应历史车辆被分割的不同区域之间的内部空洞和/或近邻区域空隙；
对膨胀后雷达图像形态学腐蚀运算得到腐蚀后雷达图像，并作为所述处理后雷达图像。
9.根据权利要求6所述的方法，其特征在于，依据所述目标雷达图像的边缘检测图，确定所述目标雷达图像中前景像素点所描述历史车辆的行驶位置信息与行驶速度信息，包括：
依据所述目标雷达图像的边缘检测图，提取所述目标雷达图像的前景对应历史车辆的外边界拐点位置；所述外边界拐点位置通过外边界拐点对应像素点所在行列标识描述；
依据所述目标雷达图像的前景对应历史车辆的外边界拐点位置，确定历史车辆的几何中心位置；
依据历史车辆的几何中心位置，确定所述目标雷达图像中前景像素点所描述历史车辆的行驶位置信息与行驶速度信息。
10.根据权利要求1所述的方法，其特征在于，依据历史车辆在道路弯道进行转弯时的历史行驶属性信息，确定历史车辆在道路弯道进行转弯时所采用的历史转弯半径，包括：
确定历史车辆在道路交叉口的道路弯道进行转弯时采用的横向力系数与弯道路面横坡度；
依据历史车辆在道路弯道进行转弯时的历史行驶属性信息包括的行驶速度、横向力系数与弯道路面横坡度，确定历史车辆在道路弯道进行转弯时所采用的历史转弯半径。
11.根据权利要求1所述的方法，其特征在于，依据历史车辆在道路弯道进行转弯时的历史行驶属性信息，确定历史车辆在道路弯道进行转弯时所采用的历史转弯半径，包括：
依据各个历史车辆在道路弯道进行转弯时的历史行驶属性信息包括的行驶轨迹，拟合生成历史车辆在道路弯道进行转弯所形成的历史转弯区域；
确定所述历史转弯区域的转弯区域外径与转弯区域内径，将转弯区域外径与转弯区域内径作为历史车辆在道路弯道进行转弯时采用的历史转弯半径。
12.一种基于微波雷达的道路弯道优化装置，其特征在于，包括：
图像确定模块，用于确定在雷达检测区域的历史时刻采集的多个历史雷达图像；所述雷达检测区域包括道路交叉口的道路弯道；
信息确定模块，用于依据所述多个历史雷达图像，确定所述历史雷达图像中历史车辆在道路弯道进行转弯时的历史行驶属性信息；所述历史行驶属性信息包括历史车辆的行驶速度和行驶轨迹；
半径确定模块，用于依据历史车辆在道路弯道进行转弯时的历史行驶属性信息，确定历史车辆在道路弯道进行转弯时所采用的历史转弯半径；
调整模块，用于依据所述历史转弯半径与所述道路弯道的预设准许转弯半径，确定是否对道路交叉口的道路弯道进行优化调整；
其中，所述调整模块，用于：
确定所述道路弯道的预设准许转弯半径与所述历史转弯半径之间的转弯半径差值；
依据到所述转弯半径差值，确定是否对道路交叉口的道路弯道进行优化调整；
其中，所述调整模块包括优化调整单元，所述优化调整单元用于：
确定道路交叉口的道路弯道上预设禁行标志物到所述历史转弯半径的最短距离；
依据到所述历史转弯半径的最短距离与转弯半径差值，确定是否对道路交叉口的道路弯道进行优化调整；
其中，依据公式M＝αD+βR，确定是否对道路交叉口的道路弯道进行优化调整，其中，D为道路交叉口的道路弯道上预设禁行标志物到历史转弯半径的最短距离，R为转弯半径差值，α和β均为大于0的系数；当M值大于预设阈值时，表明道路交叉口的道路弯道设计合理，当M值小于预设阈值时，表明道路交叉口的道路弯道设计不合理，车辆在过道路弯道时存在倾覆危险，需对道路交叉口的道路弯道进行优化调整。
13.一种电子设备，其特征在于，所述电子设备包括：
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计算机程序，所述计算机程序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1-11中任一项所述的基于微波雷达的道路弯道优化方法。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-11中任一项所述的基于微波雷达的道路弯道优化方法。
CN202211059070.5A 2022-08-31 2022-08-31 基于微波雷达的道路弯道优化方法、装置、设备及介质 Active CN115424441B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211059070.5A CN115424441B (zh) 2022-08-31 2022-08-31 基于微波雷达的道路弯道优化方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211059070.5A CN115424441B (zh) 2022-08-31 2022-08-31 基于微波雷达的道路弯道优化方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN115424441A CN115424441A (zh) 2022-12-02
CN115424441B true CN115424441B (zh) 2024-05-24

Family

ID=84201223

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211059070.5A Active CN115424441B (zh) 2022-08-31 2022-08-31 基于微波雷达的道路弯道优化方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115424441B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1439442A2 (en) * 2003-01-17 2004-07-21 Toyota Jidosha Kabushiki Kaisha Road curve radius estimation device
CN101944148A (zh) * 2010-09-10 2011-01-12 天津市市政工程设计研究院 基于元胞自动机的港区道路弯道圆曲线要素设计方法
CN103093088A (zh) * 2013-01-09 2013-05-08 西安费斯达自动化工程有限公司 陡坡和弯曲道路的安全评估方法
CN108446870A (zh) * 2018-01-30 2018-08-24 天津大学 一种大件货陆运安全综合决策方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1439442A2 (en) * 2003-01-17 2004-07-21 Toyota Jidosha Kabushiki Kaisha Road curve radius estimation device
CN101944148A (zh) * 2010-09-10 2011-01-12 天津市市政工程设计研究院 基于元胞自动机的港区道路弯道圆曲线要素设计方法
CN103093088A (zh) * 2013-01-09 2013-05-08 西安费斯达自动化工程有限公司 陡坡和弯曲道路的安全评估方法
CN108446870A (zh) * 2018-01-30 2018-08-24 天津大学 一种大件货陆运安全综合决策方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
公路平曲线半径的可靠性设计;陈富坚;郭忠印;陈富强;柳本民;;哈尔滨工业大学学报;20120430(第04期);全文 *
周海涛等.公路项目安全性评价指南JTG/T B05-2004.人民交通出版社,2004,正文第3.2-4.2、4.6章以及附录B. *
基于CAM的港口道路交叉口设计参数优化;庞明宝;吴淑香;蔡章辉;;公路交通科技;20160115(第01期);全文 *

Also Published As

Publication number Publication date
CN115424441A (zh) 2022-12-02

Similar Documents

Publication Publication Date Title
CN106778661A (zh) 一种基于形态学变换和自适应阈值的快速车道线检测方法
CN116469073A (zh) 目标识别方法、装置、电子设备、介质及自动驾驶车辆
CN115424441B (zh) 基于微波雷达的道路弯道优化方法、装置、设备及介质
CN115267782A (zh) 基于微波雷达的危险区域预警方法、装置、设备及介质
CN117036457A (zh) 一种屋顶面积的测量方法、装置、设备及存储介质
CN115376106A (zh) 基于雷达图的车型识别方法、装置、设备及介质
CN115436900A (zh) 基于雷达图的目标检测方法、装置、设备和介质
CN115995075A (zh) 一种车辆自适应导航方法、装置、电子设备及存储介质
CN116563802A (zh) 一种隧道场景判断方法、装置、设备及存储介质
CN115359026A (zh) 基于微波雷达的特种车辆行进方法、装置、电子设备及介质
CN114581890B (zh) 确定车道线的方法、装置、电子设备和存储介质
CN115440057B (zh) 基于雷达图的弯道车辆检测方法、装置、设备及介质
CN115526837A (zh) 一种异常行车检测方法、装置、电子设备以及介质
CN115330841A (zh) 基于雷达图的抛洒物检测方法、装置、设备和介质
CN117008136A (zh) 车辆前方障碍物的测距方法、装置、电子设备及存储介质
CN115140040B (zh) 一种跟车目标确定方法、装置、电子设备及存储介质
CN115032615B (zh) 一种激光雷达标定点确定方法、装置、设备及存储介质
CN114155508B (zh) 一种道路变化检测方法、装置、设备以及存储介质
CN117392000B (zh) 一种噪点去除方法、装置、电子设备及存储介质
CN115359030A (zh) 基于雷达图的地面异物检测方法、装置、设备和介质
CN115359087A (zh) 基于目标检测的雷达图背景去除方法、装置、设备及介质
CN117853971A (zh) 抛洒物检测方法、装置、设备及存储介质
CN117423091A (zh) 一种障碍物检测方法、装置、电子设备和存储介质
CN115410370A (zh) 一种异常停车检测方法、装置、电子设备及存储介质
CN117686986A (zh) 车辆识别方法、装置、电子设备及存储介质

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
GR01 Patent grant
GR01 Patent grant