CN115424442A - 基于雷达图的车辆行驶事件检测方法、装置、设备和介质 - Google Patents
基于雷达图的车辆行驶事件检测方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN115424442A CN115424442A CN202211066200.8A CN202211066200A CN115424442A CN 115424442 A CN115424442 A CN 115424442A CN 202211066200 A CN202211066200 A CN 202211066200A CN 115424442 A CN115424442 A CN 115424442A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- image
- detected
- radar image
- radar
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 17
- 238000009825 accumulation Methods 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims 1
- 238000004891 communication Methods 0.000 description 8
- 238000003708 edge detection Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000000877 morphologic effect Effects 0.000 description 4
- 230000010339 dilation Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 239000011521 glass Substances 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
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
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于雷达图的车辆行驶事件检测方法、装置、设备和介质。该方法包括:获取雷达检测区域的当前雷达图像,并对所述当前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;根据所述目标雷达图像和历史雷达图像对所述目标雷达图像中的待检测车辆进行航迹跟踪,得到所述待检测车辆的航迹跟踪结果;根据所述航迹跟踪结果确定所述待检测车辆的行驶事件检测结果。本申请技术方案通过对待检测车辆的航迹跟踪结果进行分析,实现了精准且快速地对车辆行驶事件的检测,从而确保了道路行驶安全。
Description
技术领域
本发明涉及图像检测技术领域,尤其涉及一种基于雷达图的车辆行驶事件检测方法、装置、设备和介质。
背景技术
交通异常事件的发生,很容易引起一连串的交通事故,例如在城市道路、隧道公路、高速公路、铁路、水运等交通应用场景下,容易发生逆行、停车、倒车或掉头等违规行驶行为,严重时易影响交通通行能力,带来道路行驶安全问题。
数字交通是数字经济发展的重要领域,如何数字化的解决交通异常事件是当下时代的主题。相关方案,针对车辆行驶事件检测,利用扫描雷达生成全景雷达图来进行车辆行驶事件检测。但是,道路上的影像因素很多,很难快速准确地分析出车辆的行驶事件。因此,如何精准且快速地实现车辆行驶事件检测越来越重要。
发明内容
本发明提供了一种基于雷达图的车辆行驶事件检测方法、装置、设备和介质,以实现精准且快速地对车辆行驶事件的检测,从而确保道路行驶安全。
根据本发明的一方面,提供了一种基于雷达图的车辆行驶事件检测方法,所述方法包括:
获取雷达检测区域的当前雷达图像,并对所述当前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;
根据所述目标雷达图像和历史雷达图像对所述目标雷达图像中的待检测车辆进行航迹跟踪,得到所述待检测车辆的航迹跟踪结果;
根据所述航迹跟踪结果确定所述待检测车辆的行驶事件检测结果。
根据本发明的另一方面,提供了一种基于雷达图的车辆行驶事件检测装置,所述装置包括:
图像确定模块,用于获取雷达检测区域的当前雷达图像并对所述当前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;
第一结果确定模块,用于根据所述目标雷达图像和历史雷达图像对所述目标雷达图像中的待检测车辆进行航迹跟踪,得到所述待检测车辆的航迹跟踪结果;
第二结果确定模块,用于根据所述航迹跟踪结果确定所述待检测车辆的行驶事件检测结果。
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雷达图的车辆行驶事件检测方法。
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雷达图的车辆行驶事件检测方法。
本发明实施例的技术方案,通过获取雷达检测区域的当前雷达图像,根据当前雷达图像和历史雷达图像对当前雷达图像中的待检测车辆进行航迹跟踪,得到待检测车辆的航迹跟踪结果,根据航迹跟踪结果确定待检测车辆的行驶事件检测结果,实现了精准且快速地对车辆行驶事件的检测,从而确保了道路行驶安全。
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雷达图的车辆行驶事件检测方法的流程图;
图2是根据本发明实施例二提供的一种基于雷达图的车辆行驶事件检测装置的结构示意图;
图3是实现本发明实施例的基于雷达图的车辆行驶事件检测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“目标”、“第一”、“第二”和“第三”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为根据本发明实施例一提供的一种基于雷达图的车辆行驶事件检测方法的流程图,本实施例可适用于对不同交通应用场景下的车辆行驶事件进行检测的情况,该方法可以由基于雷达图的车辆行驶事件检测装置来执行,该基于雷达图的车辆行驶事件检测装置可以采用硬件和/或软件的形式实现,该基于雷达图的车辆行驶事件检测装置可配置于基于雷达图的车辆行驶事件检测方法的电子设备中。如图1所示,该方法包括:
S110、获取雷达检测区域的当前雷达图像,并对所述当前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,当前雷达图像是指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灰度图像。当前雷达图像中各个像素点与雷达检测区域中各个检测位置点存在对应关系,即把当前雷达图像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各个检测位置点的信息特征,即可通过表示各个像素点的位置、颜色和亮度等信息,表示出当前雷达图像,以实现获取各个检测位置点的信息,例如各个检测位置点的信号强度。雷达检测区域可以配置于城市道路、隧道公路、高速公路、铁路、水运等交通应用场景下。
具体的,在当前时刻,通过雷达对雷达检测区域进行扫描,获取雷达在检测位置点扫描时的雷达反射波的信号强度,并通过像素点取值在雷达图像中表示出来,进而获得雷达检测区域的当前雷达图像,同时将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。
在一个可行的实施例中,对所述当前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A1-A3:
步骤A1、确定采集当前雷达图像之前在雷达检测区域采集的预设数量的上一雷达图像;所述上一雷达图像包括在采集当前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。
步骤A2、对预设个上一雷达图像进行图像累加平均,得到上一雷达图像对应的累加平均图像。
步骤A3、依据累加平均图像对当前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,预设数量可以是根据实际需求确定的在采集当前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数量数。上一雷达图像可以是在采集当前雷达图像之前的临近时间内通过雷达扫描雷达检测区域所获得的所有雷达图像的集合;或者是对雷达检测区域进行封闭使得雷达检测区域内无车辆等干扰因素下通过雷达扫描雷达检测区域所采集的图像。其中,雷达为微波雷达,如毫米波雷达。
具体的,利用雷达扫描雷达检测区域获取预设数量的上一雷达图像,且每一个图像可记为F,再对预设数量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,获取当前时刻通过雷达扫描雷达检测区域获取的当前雷达图像,并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得到背景去除后的目标雷达图像。
可选的,利用自学习去除背景方法,也可以将当前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,具体过程如下:
针对当前雷达图像中待识别像素点,确定待识别像素点映射在雷达检测区域对应的目标检测位置点以及雷达在目标检测位置点扫描时对应的预设信号强度概率分布模型,再检测待识别像素点取值与目标检测位置点对应的预设信号强度概率分布模型的匹配结果,即检测待识别像素点取值与目标检测位置点对应预设信号强度概率分布模型中至少一个正态分布模型是否满足预设匹配条件,若存在至少一个满足预设匹配条件的正态分布模型,则确定待识别像素点在当前雷达图像中属于背景像素;若不存在满足预设匹配条件的正态分布模型,则确定待识别像素点在当前雷达图像中属于前景像素,进而可以准确获得当前雷达图像中背景去除后的目标雷达图像。
其中,待识别像素点可以是当前雷达图像中需要进行检测的像素点。目标检测位置点可以是当前雷达图像中待识别像素点对应的雷达检测区域中的检测位置,当前雷达图像中各个像素点与雷达检测区域中的各个目标检测位置点存在一一对应关系。预设信号强度概率分布模型用于描述在雷达检测区域未包括前景情况下对目标检测位置点扫描时雷达反射波的信号强度概率分布,且预设信号强度概率分布模型中有多个正态分布模型。预设匹配条件包括待识别像素点取值与正态分布模型的均值满足预设拉依达准则。
本技术方案,通过对预设数量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,同时,利用自学习去除背景方法也可以将当前雷达图像中背景与前景进行分离得到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当前雷达图像的当前航迹跟踪结果。
可选的,依据累加平均图像对当前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-B2:
步骤B1、将当前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,得到图像差值处理后图像;
步骤B2、通过对图像差值处理后图像进行二值化处理,对当前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,可通过如下公式进行二值化处理:
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。
具体的,当对预设数量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,并将当前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,将当前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。
本技术方案,通过当前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,对当前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,实现了将当前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当前雷达图像的当前航迹跟踪结果。
S120、根据所述目标雷达图像和历史雷达图像对所述目标雷达图像中的待检测车辆进行航迹跟踪,得到所述待检测车辆的航迹跟踪结果。
其中,历史雷达图像可以是针对当前时刻之前的历史时间段内,通过雷达扫描获取的雷达图像,可以用来描述待检测车辆的位置信息。
其中,航迹跟踪结果中包括航迹位置信息、航迹速度以及对应航迹标识信息,其中,航迹标识信息用于对待检测车辆进行唯一性标识,在航迹跟踪算法中可以根据待检测车辆特征进行识别来标识,避免由于对待检测车辆的错误识别导致对待检测车辆的行驶事件检测错误。当前航迹位置信息可以用来表示待检测车辆所处的位置坐标信息。
具体的,通过分析雷达检测区域的历史雷达图像,获取历史时间段内待检测车辆的若干个历史航迹跟踪结果,然后依据历史航迹跟踪结果预测待检测车辆的航迹跟踪结果,以获得待检测车辆的多个预测当前位置信息,同时分析当前雷达图像,以获得待检测车辆的当前位置信息,将若干个预测当前位置信息与当前位置信息之间的距离进行比较,距离最小的将作为待检测车辆的航迹跟踪结果。可选的,对于航迹跟踪算法可以采用现有技术中的任一种算法,在本发明实施例中并不限制。
在一个可行的实施例中,根据所述目标雷达图像和历史雷达图像对所述目标雷达图像中的待检测车辆进行航迹跟踪,得到所述待检测车辆的航迹跟踪结果,可包括如下步骤C1-C2:
步骤C1、根据所述目标雷达图像确定前景中待检测车辆的目标位置信息。
步骤C2、根据雷达检测区域的历史雷达图像对所述待检测车辆的目标位置信息进行航迹跟踪,得到待检测车辆的当前航迹跟踪结果。
其中,目标雷达图像的前景对应至少一个待检测车辆区域。
其中,背景可以是雷达检测区域中一直存在的不可移动的物体,例如路面、建筑物等。前景可以是雷达检测区域中出现的可移动物体,例如车辆。目标位置信息可以是目标雷达图像中用以表征待检测目标位置的信息。
可选的,根据目标雷达图像确定前景中待检测车辆的目标位置信息,可包括如下步骤B1-B4:
步骤B1、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;形态学膨胀运算用于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。
步骤B2、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。
步骤B3、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目标雷达图像的边缘检测图。
步骤B4、根据目标雷达图像的边缘检测图,确定前景中待检测车辆的目标位置信息。
具体的,由于在形成目标雷达图像的过程中,可能会出现待检测车辆区域被分成不同子区域,所以为了消除待检测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,并作为处理后雷达图像,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待检测车辆区域。此外,由于经过雷达扫描获取的图像不可避免会存在噪声,所以需要对处理后雷达图像进行高斯平滑处理,以消除部分小的噪声点,同时将经过平滑操作的处理后雷达图像进行边缘检测,以获得目标雷达图像的边缘检测图,进而依据目标雷达图像的边缘检测图上对应的各个像素点的信息,确定前景中待检测车辆的目标位置信息。
本技术方案,通过获取准确的背景去除后的目标雷达图像,再分析目标雷达图像中的各个像素点值,以准确确定前景中待检测车辆的目标位置信息,最后根据雷达检测区域的历史雷达图像对待检测车辆的目标位置信息进行航迹跟踪,得到准确的待检测车辆的当前航迹跟踪结果,有利于后续对待检测车辆的行驶事件进行准确判断。
S130、根据所述航迹跟踪结果确定所述待检测车辆的行驶事件检测结果。
其中,行驶事件检测结果可以是待检测车辆在雷达检测区域进行的行驶行为,如前进、倒车、停车、拐弯或掉头等行为。
可选的,根据所述航迹跟踪结果确定所述待检测车辆的行驶事件检测结果,可包括:
若所述车速信息等于0,则确定所述待检测车辆的行驶事件检测结果为停车事件。
其中,航迹跟踪结果中至少包括待检测车辆的车速信息。车速信息可以是车辆的速度、加速度以及车辆行驶方向等的信息。停车事件可以是停在待检测区域的正常位置,即不影响待检测区域其它车辆行驶;也可以是由于汽车故障停在待检测区域,即影响待检测区域其它车辆行驶,需要对待检测车辆的进行处理(如通过拖车将车辆移除)。
具体的,确定待检测车辆的航迹跟踪结果,并依据航迹跟踪结果确定车辆当前速度为0,则说明待检测车辆已经停止,那可以确定待检测车辆的行驶事件检测结果为停车事件,进而确定对待检测车辆的下一步处理,例如,若此时待检测车辆因为故障停在了马路中间,那通过航迹跟踪结果可以及时确定待检测车辆的这一停车事件,进而及时将待检测车辆移除,确保正常的交通通行。
本技术方案,通过航迹跟踪结果中的待检测车辆的车速信息,以及时确定待检测车辆的车速是否为0,若车速信息为0,则确定待检测车辆的行驶事件检测结果为停车事件,进而可及时确定是否需要对待检测车辆进行其它操作。
可选的,根据所述航迹跟踪结果确定所述待检测车辆的行驶事件检测结果,可包括:
若所述航迹形状信息为预设航迹形状,则确定所述待检测车辆的行驶事件检测结果为掉头事件;其中,所述预设航迹形状为U形。
其中,航迹跟踪结果中至少包括待检测车辆的航迹形状信息。航迹形状信息是待检测车辆的行驶轨迹。预设航迹形状是用来为了确定待检测车辆的行驶事件检测结果,所预先设定的检测车辆的行驶轨迹的形状。
本技术方案,通过分析航迹跟踪结果中待检测车辆的航迹形状信息,以获得待检测车辆的行驶轨迹,再与预设航迹形状进行比较,若符合预设航迹形状,则确定待检测车辆的行驶事件检测结果为掉头事件,实现了通过航迹跟踪结果对待检测车辆的行驶事件检测结果的精准确定。
可选的,根据所述航迹跟踪结果确定所述待检测车辆的行驶事件检测结果,包括:
若所述行驶方向信息与所在车道方向相反,则确定所述待检测车辆的行驶事件检测结果为逆行事件。
其中,航迹跟踪结果中至少包括待检测车辆的行驶方向信息,行驶方向信息是指检测车辆在道路上的行驶方向,可以依据车道方向进行确定,若车辆行驶方向与车道方向相同,说明车辆在正常行驶,若车辆行驶方向与车道方向相反,说明车辆在逆行。车道方向是依据道路交通指示所确定。
本技术方案,通过将航迹跟踪结果中待检测车辆的行驶方向信息与车道方向进行比较,准确判断车辆是否为逆行,进而准确确定待检测车辆的行驶事件检测结果。
可选的,根据所述航迹跟踪结果确定所述待检测车辆的行驶事件检测结果,包括:
若所述车速方向信息发生变化,则确定所述待检测车辆的行驶事件检测结果为倒车事件。
其中,车速信息中还包括车速方向信息,车速方向信息是指车辆的速度为正,即车辆按照车道方向正在向前行驶,若车速方向信息发生变化,说明车辆的速度为负,车辆沿车道正在倒车。
本技术方案,通过确定航迹跟踪结果中车速信息的车速方向信息是否发生变化,进而准确确定了检测车辆的行驶事件检测结果是否为倒车事件。
本发明实施例的技术方案,通过获取雷达检测区域的当前雷达图像,根据当前雷达图像和历史雷达图像对当前雷达图像中的待检测车辆进行航迹跟踪,以准确获得待检测车辆的航迹跟踪结果,再通过对待检测车辆的航迹跟踪结果中的车速信息、航迹形状信息或行驶方向信息进行分析,以判断待检测车辆的行驶事件检测结果是否为停车事件、掉头事件、逆行事件或倒车事件等事件,实现了精准且快速地对车辆行驶事件的检测,从而确保了道路行驶安全。
实施例二
图2为根据本发明实施例二提供的一种基于雷达图的车辆行驶事件检测装置的结构示意图。如图2所示,该装置包括:
图像确定模块210,用于获取雷达检测区域的当前雷达图像,并对所述当前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。
第一结果确定模块220,用于根据所述目标雷达图像和历史雷达图像对所述目标雷达图像中的待检测车辆进行航迹跟踪,得到所述待检测车辆的航迹跟踪结果。
第二结果确定模块230,用于根据所述航迹跟踪结果确定所述待检测车辆的行驶事件检测结果。
可选的,图像确定模块,具体用于:
确定采集当前雷达图像之前在雷达检测区域采集的预设数量的上一雷达图像;所述上一雷达图像包括在采集当前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;
对预设数量的上一雷达图像进行图像累加平均,得到上一雷达图像对应的累加平均图像;
依据累加平均图像对当前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,图像确定模块包括图像处理单元,具体用于:
将当前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,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,对当前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,所述航迹跟踪结果中至少包括所述待检测车辆的车速信息;
可选的,第二结果确定模块包含第一事件确定单元,具体用于:
若所述车速信息等于0,则确定所述待检测车辆的行驶事件检测结果为停车事件。
其中,所述航迹跟踪结果中至少包括所述待检测车辆的航迹形状信息;
可选的,第二结果确定模块包含第二事件确定单元,具体用于:
若所述航迹形状信息为预设航迹形状,则确定所述待检测车辆的行驶事件检测结果为掉头事件;其中,所述预设航迹形状为U形。
其中,所述航迹跟踪结果中至少包括所述待检测车辆的行驶方向信息;
可选的,第二结果确定模块包含第三事件确定单元,具体用于:
若所述行驶方向信息与所在车道方向相反,则确定所述待检测车辆的行驶事件检测结果为逆行事件。
其中,所述车速信息中还包括车速方向信息;
可选的,第一事件确定单元包含倒车事件确定单元,具体用于:
若所述车速方向信息发生变化,则确定所述待检测车辆的行驶事件检测结果为倒车事件。
可选的,第一结果确定模块,具体用于:
根据所述目标雷达图像确定前景中待检测车辆的目标位置信息;
根据雷达检测区域的历史雷达图像对所述待检测车辆的目标位置信息进行航迹跟踪,得到待检测车辆的当前航迹跟踪结果;
其中,所述目标雷达图像的前景对应至少一个待检测车辆区域。
本发明实施例所提供的基于雷达图的车辆行驶事件检测装置可执行本发明任意实施例所提供的基于雷达图的车辆行驶事件检测方法,具备执行方法相应的功能模块和有益效果。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定,且不违背公序良俗。
实施例三
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。
图3示出了可以用来实现本发明实施例的基于雷达图的车辆行驶事件检测方法的电子设备的结构示意图。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3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,例如基于雷达图的车辆行驶事件检测方法。
在一些实施例中,基于雷达图的车辆行驶事件检测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雷达图的车辆行驶事件检测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雷达图的车辆行驶事件检测方法。
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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(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 (11)
1.一种基于雷达图的车辆行驶事件检测方法,其特征在于,包括:
获取雷达检测区域的当前雷达图像,并对所述当前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;
根据所述目标雷达图像和历史雷达图像对所述目标雷达图像中的待检测车辆进行航迹跟踪,得到所述待检测车辆的航迹跟踪结果;
根据所述航迹跟踪结果确定所述待检测车辆的行驶事件检测结果。
2.根据权利要求1所述的方法,其特征在于,对所述当前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:
确定采集当前雷达图像之前在雷达检测区域采集的预设数量的上一雷达图像;所述上一雷达图像包括在采集当前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;
对预设数量的上一雷达图像进行图像累加平均,得到上一雷达图像对应的累加平均图像;
依据累加平均图像对当前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。
3.根据权利要求2所述的方法,其特征在于,依据累加平均图像对当前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:
将当前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,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,对当前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。
4.根据权利要求2或3所述的方法,其特征在于,所述航迹跟踪结果中至少包括所述待检测车辆的车速信息;
相应的,根据所述航迹跟踪结果确定所述待检测车辆的行驶事件检测结果,包括:
若所述车速信息等于0,则确定所述待检测车辆的行驶事件检测结果为停车事件。
5.根据权利要求2或3所述的方法,其特征在于,所述航迹跟踪结果中至少包括所述待检测车辆的航迹形状信息;
相应的,根据所述航迹跟踪结果确定所述待检测车辆的行驶事件检测结果,包括:
若所述航迹形状信息为预设航迹形状,则确定所述待检测车辆的行驶事件检测结果为掉头事件;其中,所述预设航迹形状为U形。
6.根据权利要求2或3所述的方法,其特征在于,所述航迹跟踪结果中至少包括所述待检测车辆的行驶方向信息;
相应的,根据所述航迹跟踪结果确定所述待检测车辆的行驶事件检测结果,包括:
若所述行驶方向信息与所在车道方向相反,则确定所述待检测车辆的行驶事件检测结果为逆行事件。
7.根据权利要求4所述的方法,其特征在于,所述车速信息中还包括车速方向信息;
相应的,根据所述航迹跟踪结果确定所述待检测车辆的行驶事件检测结果,包括:
若所述车速方向信息发生变化,则确定所述待检测车辆的行驶事件检测结果为倒车事件。
8.根据权利要求1所述的方法,其特征在于,根据所述目标雷达图像和历史雷达图像对所述目标雷达图像中的待检测车辆进行航迹跟踪,得到所述待检测车辆的航迹跟踪结果,包括:
根据所述目标雷达图像确定前景中待检测车辆的目标位置信息;
根据雷达检测区域的历史雷达图像对所述待检测车辆的目标位置信息进行航迹跟踪,得到待检测车辆的当前航迹跟踪结果;
其中,所述目标雷达图像的前景对应至少一个待检测车辆区域。
9.一种基于雷达图的车辆行驶事件检测装置,其特征在于,包括:
图像确定模块,用于获取雷达检测区域的当前雷达图像;
第一结果确定模块,用于根据所述当前雷达图像和历史雷达图像对所述当前雷达图像中的待检测车辆进行航迹跟踪,得到所述待检测车辆的航迹跟踪结果;
第二结果确定模块,用于根据所述航迹跟踪结果确定所述待检测车辆的行驶事件检测结果。
10.一种电子设备,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1-8中任一项所述的基于雷达图的车辆行驶事件检测方法。
11.一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1-8中任一项所述的基于雷达图的车辆行驶事件检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211066200.8A CN115424442A (zh) | 2022-08-31 | 2022-08-31 | 基于雷达图的车辆行驶事件检测方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211066200.8A CN115424442A (zh) | 2022-08-31 | 2022-08-31 | 基于雷达图的车辆行驶事件检测方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115424442A true CN115424442A (zh) | 2022-12-02 |
Family
ID=84201527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211066200.8A Pending CN115424442A (zh) | 2022-08-31 | 2022-08-31 | 基于雷达图的车辆行驶事件检测方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115424442A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116987A (zh) * | 2013-01-22 | 2013-05-22 | 华中科技大学 | 一种基于监控视频处理的车流统计和违规检测的方法 |
CN105184814A (zh) * | 2015-07-27 | 2015-12-23 | 成都天奥信息科技有限公司 | 基于多帧雷达图像的动目标检测跟踪方法 |
CN110570664A (zh) * | 2019-09-23 | 2019-12-13 | 山东科技大学 | 一种高速公路交通事件自动检测系统 |
CN111444854A (zh) * | 2020-03-27 | 2020-07-24 | 科大讯飞(苏州)科技有限公司 | 异常事件检测方法、相关设备及可读存储介质 |
CN112099040A (zh) * | 2020-09-15 | 2020-12-18 | 浙江省机电设计研究院有限公司 | 基于激光雷达网络的全程连续轨迹车辆追踪系统及方法 |
CN114488073A (zh) * | 2022-02-14 | 2022-05-13 | 中国第一汽车股份有限公司 | 激光雷达采集到的点云数据的处理方法 |
-
2022
- 2022-08-31 CN CN202211066200.8A patent/CN115424442A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116987A (zh) * | 2013-01-22 | 2013-05-22 | 华中科技大学 | 一种基于监控视频处理的车流统计和违规检测的方法 |
CN105184814A (zh) * | 2015-07-27 | 2015-12-23 | 成都天奥信息科技有限公司 | 基于多帧雷达图像的动目标检测跟踪方法 |
CN110570664A (zh) * | 2019-09-23 | 2019-12-13 | 山东科技大学 | 一种高速公路交通事件自动检测系统 |
CN111444854A (zh) * | 2020-03-27 | 2020-07-24 | 科大讯飞(苏州)科技有限公司 | 异常事件检测方法、相关设备及可读存储介质 |
CN112099040A (zh) * | 2020-09-15 | 2020-12-18 | 浙江省机电设计研究院有限公司 | 基于激光雷达网络的全程连续轨迹车辆追踪系统及方法 |
CN114488073A (zh) * | 2022-02-14 | 2022-05-13 | 中国第一汽车股份有限公司 | 激光雷达采集到的点云数据的处理方法 |
Non-Patent Citations (3)
Title |
---|
刘文亮;朱维红;陈涤;张泓泉;: "基于雷达图像的运动目标形态检测及跟踪技术", 山东大学学报(工学版), no. 03 * |
郝江凌;胡景峰;赵丽宁;史金余;: "基于嵌入式雷达的近海渔船分布式监控系统", 大连海事大学学报, no. 01, 15 February 2008 (2008-02-15) * |
黄琼丹;: "一种雷达视频弱小目标检测前跟踪方法", 科技信息, no. 12 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112581463B (zh) | 图像缺陷的检测方法、装置、电子设备、存储介质及产品 | |
Zhang et al. | Counting vehicles in urban traffic scenes using foreground time‐spatial images | |
CN115139303A (zh) | 一种栅格井盖检测方法、装置、设备及存储介质 | |
CN115526837A (zh) | 一种异常行车检测方法、装置、电子设备以及介质 | |
CN116990768A (zh) | 预测航迹处理方法、装置、电子设备及可读介质 | |
CN115436900A (zh) | 基于雷达图的目标检测方法、装置、设备和介质 | |
CN115861959A (zh) | 一种车道线识别方法、装置、电子设备及存储介质 | |
CN115330841A (zh) | 基于雷达图的抛洒物检测方法、装置、设备和介质 | |
CN115424442A (zh) | 基于雷达图的车辆行驶事件检测方法、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 | |
CN115546764A (zh) | 一种障碍物检测方法、装置、设备及存储介质 | |
CN116091450A (zh) | 一种障碍物检测方法、装置、设备、介质和产品 | |
CN112861701B (zh) | 违章停车识别方法、装置、电子设备以及计算机可读介质 | |
CN113139488B (zh) | 训练分割神经网络的方法及装置 | |
CN115376106A (zh) | 基于雷达图的车型识别方法、装置、设备及介质 | |
CN114565889B (zh) | 车辆压线状态的确定方法、装置、电子设备和介质 | |
CN115440057B (zh) | 基于雷达图的弯道车辆检测方法、装置、设备及介质 | |
CN115375666A (zh) | 一种交通事故检测方法、装置、电子设备以及存储介质 | |
CN115267782A (zh) | 基于微波雷达的危险区域预警方法、装置、设备及介质 | |
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 | |
CN114581890B (zh) | 确定车道线的方法、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 | |
CN115424441A (zh) | 基于微波雷达的道路弯道优化方法、装置、设备及介质 | |
CN115359030A (zh) | 基于雷达图的地面异物检测方法、装置、设备和介质 | |
CN115272984B (zh) | 占道经营检测方法、系统、计算机及可读存储介质 |
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 |