CN115440057B - 基于雷达图的弯道车辆检测方法、装置、设备及介质 - Google Patents
基于雷达图的弯道车辆检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115440057B CN115440057B CN202211057206.9A CN202211057206A CN115440057B CN 115440057 B CN115440057 B CN 115440057B CN 202211057206 A CN202211057206 A CN 202211057206A CN 115440057 B CN115440057 B CN 115440057B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- detected
- radar
- radar image
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000001514 detection method Methods 0.000 claims abstract description 136
- 238000012545 processing Methods 0.000 claims description 49
- 238000003708 edge detection Methods 0.000 claims description 37
- 238000010586 diagram Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 20
- 230000000877 morphologic effect Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 16
- 230000005484 gravity Effects 0.000 claims description 16
- 238000009499 grossing Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000009825 accumulation Methods 0.000 claims description 9
- 230000010339 dilation Effects 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 5
- 238000005260 corrosion Methods 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 5
- 230000000087 stabilizing effect Effects 0.000 claims description 5
- 230000007306 turnover Effects 0.000 claims description 3
- 238000007789 sealing Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 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
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change 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
- 230000003628 erosive effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000011521 glass Substances 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
- 238000005070 sampling Methods 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
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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- 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
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (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弯道车辆检测方法、装置、设备及介质。所述方法包括：确定雷达检测区域的当前雷达图像；所述雷达检测区域设置于道路弯道；依据所述当前雷达图像确定进入雷达检测区域的待检测车辆的车辆尺寸信息与车辆位置信息；依据所述待检测车辆的车辆尺寸信息与车辆位置信息，确定能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值；依据所述待检测车辆的车辆速度与对应的车辆速度上限值，确定所述待检测车辆在道路弯道区域是否存在车辆倾覆风险。本申请技术方案通过比较车辆的车辆速度与对应的车辆速度上限值，实现了快速准确地检测出弯道处的车辆倾覆风险。
Description
技术领域
本发明涉及车辆安全检测技术领域，尤其涉及一种基于雷达图的弯道车辆检测方法、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，但是在一些情况下仍存在着不小的安全隐患，比如在道路弯道处，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，通过使用雷达进行弯道处的检测，只能测出大概的几个点，且这些检测方法大多不够准确，很难准确判断是否有发生车辆倾覆的风险，而一旦发生倾覆且无法及时发现，那么就会造成不可估量的后果。因此，如何快速准确地实现弯道处的车辆倾覆风险检测变得尤为重要。
发明内容
本发明提供了一种基于雷达图的弯道车辆检测方法、装置、设备及介质，以实现快速准确地检测出弯道处的车辆倾覆风险。
根据本发明的一方面，提供了一种基于雷达图的弯道车辆检测方法，所述方法包括：
确定雷达检测区域的当前雷达图像；所述雷达检测区域设置于道路弯道；
依据所述当前雷达图像确定进入雷达检测区域的待检测车辆的车辆尺寸信息与车辆位置信息；
依据所述待检测车辆的车辆尺寸信息与车辆位置信息，确定能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值；
依据所述待检测车辆的车辆速度与对应的车辆速度上限值，确定所述待检测车辆在道路弯道区域是否存在车辆倾覆风险。
根据本发明的另一方面，提供了一种基于雷达图的弯道车辆检测装置，所述装置包括：
图像确定模块，用于确定雷达检测区域的当前雷达图像；所述雷达检测区域设置于道路弯道；
信息确定模块，用于依据所述当前雷达图像确定进入雷达检测区域的待检测车辆的车辆尺寸信息与车辆位置信息；
速度确定模块，用于依据所述待检测车辆的车辆尺寸信息与车辆位置信息，确定能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值；
判断模块，用于依据所述待检测车辆的车辆速度与对应的车辆速度上限值，确定所述待检测车辆在道路弯道区域是否存在车辆倾覆风险。
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弯道车辆检测方法。
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弯道车辆检测方法。
本发明实施例的技术方案，通过确定雷达检测区域的当前雷达图像，依据当前雷达图像确定进入雷达检测区域的待检测车辆的车辆尺寸信息与车辆位置信息，依据待检测车辆的车辆尺寸信息与车辆位置信息，确定能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值，依据待检测车辆的车辆速度与对应的车辆速度上限值，确定待检测车辆在道路弯道区域是否存在车辆倾覆风险。本申请技术方案通过准确对当前雷达图像经过处理后，准确获得了待检测车辆的车辆尺寸信息与车辆位置信息，进而可以依据待检测车辆的车辆尺寸信息与车辆位置信息精确计算出能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值，最后通过比较车辆的车辆速度与对应的车辆速度上限值，实现了快速准确地检测出待检测车辆在经过弯道处是否存在车辆倾覆风险的目的。
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弯道车辆检测方法的流程图；
图2是根据本发明实施例提供的一种基于雷达图的弯道车辆检测方法的流程图；
图3是根据本发明实施例提供的一种基于雷达图的弯道车辆检测方法的流程图；
图4是根据本发明实施例提供的车辆准静态模型的结构示意图；
图5是根据本发明实施例提供的一种基于雷达图的弯道车辆检测装置的结构示意图；
图6是实现本发明实施例的基于雷达图的弯道车辆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”和“当前”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弯道车辆检测方法的流程图。本实施例可适用于车辆在经过道路弯道时，通过采集弯道车辆的当前雷达图像，确定车辆在经过道路弯道区域不发生车辆倾覆的车辆速度上限值，并与当前弯道车辆的速度进行比对，确定车辆是否存在倾覆风险的情况，该方法可以由基于雷达图的弯道车辆检测装置来执行，该基于雷达图的弯道车辆检测装置可以采用硬件和/或软件的形式实现，该基于雷达图的弯道车辆检测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、确定雷达检测区域的当前雷达图像；所述雷达检测区域设置于道路弯道。
其中，当前雷达图像可以是车辆进入雷达检测区域后，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。当前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，进而确定待检测车辆的信息，例如，通过对当前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，进而准确获得弯道以及道路上车辆的情况。
在一个可行的实施例中，确定雷达检测区域的当前雷达图像，包括：
通过微波雷达在当前对进入雷达检测区域的待检测车辆进行扫描，得到当前时刻的当前雷达图像；
其中，所述当前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，所述当前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高速公路或者隧道公路上的弯道区域，则通过微波雷达在当前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，以确定当前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当前雷达图像，以便于后续通过当前雷达图像中的不同像素点取值准确确定车辆尺寸信息与车辆位置信息。
本技术方案，通过微波雷达对进入雷达检测区域的待检测车辆进行扫描，从而获得了准确的当前雷达图像，便于后续对当前雷达图像的处理，实现准确对进入雷达检测区域车辆的车辆信息进行检测。
S120、依据所述当前雷达图像确定进入雷达检测区域的待检测车辆的车辆尺寸信息与车辆位置信息。
其中，车辆尺寸信息可以用来描述车辆的平面轮廓和/或立体轮廓，例如，车辆的长、宽和高。车辆位置信息可以用来确定车辆。
具体的，当车辆进入雷达检测区域，微波雷达迅速获取当前雷达图像，并通过图像准确获取待检测车辆的车辆尺寸信息与车辆位置信息，以便于检测车辆是否存在倾覆风险。
在一个可行的实施例中，依据所述当前雷达图像确定进入雷达检测区域的待检测车辆的车辆尺寸信息与车辆位置信息，可包括如下步骤A1-A2：
步骤A1、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。
步骤A2、依据所述目标雷达图像，确定进入雷达检测区域的待检测车辆的车辆尺寸信息与车辆位置信息。
其中，所述目标雷达图像的前景对应包括至少一个待检测车辆区域。
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待检测车辆。
具体的，通过微波雷达获取当前雷达图像后，对当前雷达图像中的各个像素点取值进行分析处理，以使当前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待检测车辆的车辆尺寸信息与车辆位置信息。
本技术方案，通过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，使得雷达图像中待检测车辆的位置更加准确，从而可以更加准确的确定进入雷达检测区域的待检测车辆的车辆尺寸信息与车辆位置信息。
在一个可行的实施例中，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-B3：
步骤B1、确定在当前雷达图像之前采集的预设个数的上一雷达图像。
其中所述上一雷达图像包括在采集当前雷达图像之前的邻近时间内所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B2、对预设个数的上一雷达图像进行图像累加平均，得到上一雷达图像对应的累加平均图像。
步骤B3、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，预设个数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个数。上一雷达图像可以是在采集当前雷达图像之前通过微波雷达扫描雷达检测区域所获得的雷达图像的集合，且待检测车辆并未出现在上一雷达图像中；或者，对雷达检测区域进行封闭，雷达检测区域不再有其他干扰物，此时可通过微波雷达扫描雷达检测区域即可以得到上一雷达图像。
可选地，在雷达检测区域场景无车辆、行人等情况下，连续累计采集雷达检测区域的N帧雷达图像，即累计的N帧上一雷达图像后，求取累加图像的平均图像。其中，累加平均图像在确定后短时间不会再变化，除非雷达检测区域的场景改变，才需要重新再积累一次得到新的累加平均图像，比如隧道里面新安装了什么新的设备(比如栅栏等)。
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，获取当前时刻通过微波雷达扫描雷达检测区域获取的当前雷达图像，因为当前雷达图像中的待检测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当前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待检测车辆的车辆尺寸信息与车辆位置信息。
在一个可行的实施例中，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C1-C2：
步骤C1、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C2、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。
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。
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待检测车辆的车辆尺寸信息与车辆位置信息。
S130、依据所述待检测车辆的车辆尺寸信息与车辆位置信息，确定能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值。
其中，车辆速度上限值可以是在车辆经过道路弯道区域时，不会发生车辆倾覆的最大速度，一旦车辆速度超过车辆速度上限值，车辆会有很大可能发生倾覆。
具体的，为了确保车辆在经过道路弯道区域时，没有车辆倾覆风险，则必须清楚知道车辆在经过道路弯道区域时，车辆能够行驶的最大速度，即车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值，以确保车辆行驶安全。
S140、依据所述待检测车辆的车辆速度与对应的车辆速度上限值，确定所述待检测车辆在道路弯道区域是否存在车辆倾覆风险。
具体的，通过当前图像获取了待检测车辆的车辆尺寸信息与车辆位置信息，并依据待检测车辆的车辆尺寸信息与车辆位置信息确定能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值，将行驶进入道路弯道区域的待检测车辆的车辆速度与对应的车辆速度上限值进行比对，以确定待检测车辆是否存在车辆倾覆风险。
本发明实施例的技术方案，通过确定雷达检测区域的当前雷达图像，依据当前雷达图像确定进入雷达检测区域的待检测车辆的车辆尺寸信息与车辆位置信息，依据待检测车辆的车辆尺寸信息与车辆位置信息，确定能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值，依据待检测车辆的车辆速度与对应的车辆速度上限值，确定待检测车辆在道路弯道区域是否存在车辆倾覆风险。本申请技术方案通过对当前雷达图像经过二值化处理后，再对经过二值化处理后的当前雷达图像中各个像素点取值进行分析，以准确获得了待检测车辆的车辆尺寸信息与车辆位置信息，进而可以依据待检测车辆的车辆尺寸信息与车辆位置信息精确计算出能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值，最后通过比较车辆的车辆速度与对应的车辆速度上限值，实现了快速准确地检测出待检测车辆在经过弯道处是否出现车辆倾覆。
实施例二
图2为根据本发明实施例提供的一种基于雷达图的弯道车辆检测方法的流程图，本实施例对上述实施例中依据目标雷达图像，确定进入雷达检测区域的待检测车辆的车辆尺寸信息与车辆位置信息进行详细的描述。如图2所示，该方法包括：
S210、确定雷达检测区域的当前雷达图像，并将当前雷达图像中背景与前景进行分离获得背景去除后的目标雷达图像。
S220、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。
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D1-D2：
步骤D1、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中待检测车辆区域介于发生前景与背景分离而被分割到不同子区域。
步骤D2、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待检测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待检测车辆的边缘，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待检测车辆区域，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待检测车辆的车辆尺寸信息与车辆位置信息。
在一个可行的实施例中，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，可包括如下步骤E1-E2：
步骤E1、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E2、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待检测车辆区域。
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，更能准确表征待检测车辆区域，有利于后续对待检测车辆区域的分析。
S230、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的前景所对应待检测车辆的车辆位置信息。
具体的，获取当前雷达图像，并对当前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待检测车辆的车辆位置信息，实现对待检测车辆的车辆位置信息的准确获取。
在一个可行的实施例中，依据目标雷达图像的边缘检测图，确定目标雷达图像的前景所对应待检测车辆的车辆位置信息，可包括如下步骤F1-F3：
步骤F1、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中待检测车辆区域的外边界拐点位置；所述外边界拐点位置通过外边界拐点对应的像素行列标识描述；
步骤F2、依据所述目标雷达图像的前景中待检测车辆区域的外边界拐点位置，确定待检测车辆区域的几何中心位置；
步骤F3、依据待检测车辆区域的几何中心位置，确定待检测车辆的车辆位置信息。
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待检测车辆区域的外边界拐点，以获取外边界拐点的位置位置。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待检测车辆区域的外边界拐点位置，计算获得待检测车辆区域的几何中心位置，例如，将第i个待检测车辆区域外边界的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待检测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个待检测车辆区域外边界的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待检测车辆区域的几何中心位置的几何中心点列像素坐标ci，即待检测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：
则将待检测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，获取聚类后的待检测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，导致待检测车辆的车辆位置信息不准确。
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待检测车辆区域的外边界拐点位置，确定了待检测车辆区域的几何中心位置，再根据待检测车辆区域的几何中心位置，准确获取了待检测车辆的车辆位置信息，避免了因为待检测车辆的车辆位置信息的误差，导致对车辆倾覆风险的误判。
S240、依据所述目标雷达图像中各个像素点取值，确定所述目标雷达图像的前景所对应待检测车辆的车辆尺寸信息；所述像素点取值用于描述雷达在像素点对应检测位置点扫描时的雷达反射波的信号强度。
具体的，目标雷达图像中各个像素点取值用于描述雷达在像素点对应检测位置点扫描时的雷达反射波的信号强度，所以可以依据目标雷达图像中各个像素点取值构建待检测车辆的平面轮廓和/或立体轮廓，进而准确获取待检测车辆的车辆尺寸信息。
在一个可行的实施例中，依据所述目标雷达图像中各个像素点取值，确定所述目标雷达图像的前景所对应待检测车辆的车辆尺寸信息，可包括如下步骤G1-G3：
步骤G1、确定设置于道路弯道的雷达检测区域的雷达位置与检测角度。
步骤G2、依据所述目标雷达图像中各个像素点取值以及雷达检测区域的雷达位置与检测角度，对待检测车辆区域的像素点进行轮廓构建。
步骤G3、基于构建的像素点轮廓，确定待检测车辆区域对应待检测车辆的车辆尺寸信息。
具体的，对待检测车辆区域的像素点进行轮廓构建，可以包括对待检测车辆区域的像素点进行平面轮廓构建和/或立体轮廓构建。其中，因为雷达无法对整个车辆进行扫描，只能扫描车辆的局部，因此构建的平面轮廓为一个完整的轮廓，而构建的立体轮廓是一个车辆局部的立体轮廓，而非一个完整的轮廓。
目标雷达图像中不同雷达反射波的信号强度的像素点可以反映出雷达位置与待检测车辆的距离，获取待检测车辆区域对应的雷达检测区域的雷达位置与检测角度后，按照雷达检测角度可以确定雷达朝向每个像素点对应检测位置点的检测角度，按照朝向目标雷达图像中待检测车辆对应的各个像素点的检测角度与目标雷达图像中待检测车辆对应的各个像素点到雷达的相对距离(待检测车辆对应的各个像素点到雷达的相对距离可以根据各个像素点的灰度值进行估计，各个像素点灰度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，信号强度与相对距离呈反比)，可以解析出待检测车辆对应的各个像素点之间相对位置。同时，按照雷达位置可以确定雷达检测区域的路面起伏状况，结合路面起伏状况与可以构建待检测车辆在雷达检测区域的立体轮廓，实现通过将检测车辆区域对应的雷达检测区域的雷达位置、检测角度以及目标雷达图像中各个像素点取值通过计算，即可构建出像素点立体轮廓的目的，最终准确获得待检测车辆区域对应待检测车辆的车辆尺寸信息。
本技术方案，通过目标雷达图像中各个像素点取值以及雷达检测区域的雷达位置与检测角度，准确构建了待检测车辆区域的像素点的轮廓，再基于构建的像素点轮廓，确定待检测车辆区域对应待检测车辆的车辆尺寸信息，确保了车辆尺寸信息的准确性。
S250、依据所述待检测车辆的车辆尺寸信息与车辆位置信息，确定能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值。
S260、依据所述待检测车辆的车辆速度与对应的车辆速度上限值，确定所述待检测车辆在道路弯道区域是否存在车辆倾覆风险。
本发明实施例的技术方案，通过确定雷达检测区域的当前雷达图像，并对当前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，且能够准确的确定检测车辆区域的边界位置，使得图像可以更加准确的表征待检测车辆区域，则依据目标雷达图像可以准确获取进入雷达检测区域的待检测车辆的车辆尺寸信息与车辆位置信息，并依据待检测车辆的车辆尺寸信息与车辆位置信息，确定能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值，最后依据待检测车辆的车辆速度与对应的车辆速度上限值，确定待检测车辆在道路弯道区域是否存在车辆倾覆风险，实现了快速准确地检测出待检测车辆在经过弯道处是否出现车辆倾覆风险。
实施例三
图3为根据本发明实施例提供的一种基于雷达图的弯道车辆检测方法的流程图，本实施例对上述实施例中能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值以及车辆在道路弯道区域是否存在车辆倾覆风险做详细描述。如图3所示，该方法包括：
S310、依据确定的雷达检测区域的当前雷达图像，确定待检测车辆的车辆尺寸信息与车辆位置信息。
S320、依据所述待检测车辆的车辆尺寸信息，确定所述待检测车辆在道路弯道区域进行转弯时的车辆重心高度与车辆宽度。
具体的，根据当前雷达图像准确得出了待检测车辆的车辆尺寸信息后，则可以根据车辆尺寸信息确定待检测车辆在道路弯道区域进行转弯时的车辆重心高度hg与车辆宽度B，以方便后续计算不发生车辆倾覆的车辆速度上限值。
S330、依据所述待检测车辆的车辆位置信息，确定所述待检测车辆所在道路弯道区域的弯道半径与弯道倾斜角。
具体的，根据当前雷达图像准确得出了待检测车辆的车辆位置信息后，则可以依据待检测车辆的车辆位置信息，准确确定待检测车辆所在道路弯道区域的弯道半径R与弯道倾斜角θ，以方便后续计算不发生车辆倾覆的车辆速度上限值。
S340、依据所述车辆重心高度与车辆宽度以及所述弯道半径与弯道倾斜角，确定能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值。
具体的，为了检测出车辆在过弯道时的倾覆风险，那么必须清楚车辆的在道路弯道区域不发生车辆倾覆的车辆速度上限值，这样才能通过比对车辆的行驶车速与车辆速度上限值进行比较准确检测出车辆在过弯道时的倾覆风险。
在一个可行的实施例中，依据所述车辆重心高度与车辆宽度以及所述弯道半径与弯道倾斜角，确定能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值，可包括如下步骤H1-H2：
步骤H1、将所述车辆重心高度与车辆宽度以及所述弯道半径与弯道倾斜角对应的参数取值，代入预设的车辆速度上限值计算模型；所述预设的车辆速度上限值计算模型基于道路弯道区域转弯过程中的车辆准静态模型进行构建，所述车辆准静态模型满足车辆侧翻力矩小于车辆稳定力矩；
步骤H2、通过预设的车辆速度上限值计算模型，输出能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值。
具体的，图4是根据本发明实施例提供的车辆准静态模型的结构示意图，参见图4，车辆侧翻力矩小于稳定力矩时，车辆不会发生侧翻，进而构建车辆准静态模型，车辆准静态模型如下：
其中，(u为车辆速度上限值，R为弯道半径)，hg为车辆重心高度，B为车辆宽度，θ为弯道倾斜角。
则依据上述车辆准静态模型可计算获得预设的车辆速度上限值计算模型，即：
那么将待检测车辆的车辆重心高度与车辆宽度以及弯道半径与弯道倾斜角对应的参数取值输入到预设的车辆速度上限值计算模型中，则可以准确输出能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值，以便于对车辆是否有倾覆风险进行判断。
本技术方案，依据车辆准静态模型，通过精确的计算获得了预设的车辆速度上限值计算模型，当获取了待检测车辆的车辆重心高度与车辆宽度以及弯道半径与弯道倾斜角对应的参数取值后，通过预设的车辆速度上限值计算模型可精确获得车辆速度上限值，有利于后续对车辆倾覆风险的准确检测。
S350、依据所述待检测车辆的车辆速度与对应的车辆速度上限值，确定所述待检测车辆在道路弯道区域是否存在车辆倾覆风险。
具体的，为了避免车辆通过拐弯道路时发生倾覆，则需要准确获取车辆倾覆风险，则需要获取待检测车辆的车辆速度与对应的车辆速度上限值，将两者进行比较，从而准确得知待检测车辆在道路弯道区域是否存在车辆倾覆风险。
在一个可行的实施例中，依据所述待检测车辆的车辆速度与对应的车辆速度上限值，确定所述待检测车辆在道路弯道区域是否存在车辆倾覆风险，可包括如下步骤I1-I2：
步骤I1、若检测到所述待检测车辆在道路弯道区域转弯时的车辆速度大于对应的车辆速度上限值，则确定所述待检测车辆在道路弯道区域存在车辆倾覆风险；
步骤I2、若检测到所述待检测车辆在道路弯道区域转弯时的车辆速度小于或等于对应的车辆速度上限值，则确定所述待检测车辆在道路弯道区域不存在车辆倾覆风险。
具体的，获取待检测车辆的车辆速度与对应的车辆速度上限值，若检测到待检测车辆在道路弯道区域转弯时的车辆速度大于对应的车辆速度上限值，则确定待检测车辆在道路弯道区域存在车辆倾覆风险；若检测到待检测车辆在道路弯道区域转弯时的车辆速度小于或等于对应的车辆速度上限值，则确定所述待检测车辆在道路弯道区域存在车辆倾覆风险。
本技术方案，通过对比待检测车辆的车辆速度与对应的车辆速度上限值，实现了快速准确地确定了待检测车辆在道路弯道区域是否存在车辆倾覆风险。
本发明实施例的技术方案，通过确定雷达检测区域的当前雷达图像，依据当前雷达图像确定进入雷达检测区域的待检测车辆的车辆尺寸信息与车辆位置信息，依据待检测车辆的车辆尺寸信息与车辆位置信息，确定能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值，再将待检测车辆的车辆速度与对应的车辆速度上限值进行比较，可以得出，若检测到待检测车辆在道路弯道区域转弯时的车辆速度大于对应的车辆速度上限值，则确定待检测车辆在道路弯道区域存在车辆倾覆风险；若检测到待检测车辆在道路弯道区域转弯时的车辆速度小于或等于对应的车辆速度上限值，实现了快速准确地检测出待检测车辆在经过弯道处是否出现车辆倾覆风险。
实施例四
图5为根据本发明实施例提供的一种基于雷达图的弯道车辆检测装置的结构示意图。如图5所示，该装置包括：
图像确定模块410，用于确定雷达检测区域的当前雷达图像；所述雷达检测区域设置于道路弯道。
信息确定模块420，用于依据所述当前雷达图像确定进入雷达检测区域的待检测车辆的车辆尺寸信息与车辆位置信息。
速度确定模块430，用于依据所述待检测车辆的车辆尺寸信息与车辆位置信息，确定能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值。
判断模块440，用于依据所述待检测车辆的车辆速度与对应的车辆速度上限值，确定所述待检测车辆在道路弯道区域是否存在车辆倾覆风险。
可选的，图像确定模块，具体用于：
通过微波雷达在当前对进入雷达检测区域的待检测车辆进行扫描，得到当前时刻的当前雷达图像；
其中，所述当前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，所述当前雷达图像属于灰度图像。
可选的，信息确定模块，具体用于：
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；
依据所述目标雷达图像，确定进入雷达检测区域的待检测车辆的车辆尺寸信息与车辆位置信息；
其中，所述目标雷达图像的前景对应包括至少一个待检测车辆区域。
可选的，信息确定模块包含图像分离单元，具体用于：
确定在当前雷达图像之前采集的预设个数上一雷达图像；其中所述上一雷达图像包括在采集当前雷达图像之前的邻近时间内所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，图像分离单元，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。
可选的，信息确定模块包含图像信息确定单元，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的前景所对应待检测车辆的车辆位置信息；
依据所述目标雷达图像中各个像素点取值，确定所述目标雷达图像的前景所对应待检测车辆的车辆尺寸信息；所述像素点取值用于描述雷达在像素点对应检测位置点扫描时的雷达反射波的信号强度。
可选的，图像信息确定单元包含第一图像处理单元，具体用于：
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；目标雷达图像的前景中待检测车辆区域介于发生前景与背景分离而被分割到不同子区域；
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，图像信息确定单元包含第二图像处理单元，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；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；
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，图像信息确定单元包含位置信息确定单元，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中待检测车辆区域的外边界拐点位置；所述外边界拐点位置通过外边界拐点对应的像素行列标识描述；
依据所述目标雷达图像的前景中待检测车辆区域的外边界拐点位置，确定待检测车辆区域的几何中心位置；
依据待检测车辆区域的几何中心位置，确定待检测车辆的车辆位置信息。
可选的，图像信息确定单元包含尺寸信息确定单元，具体用于：
确定设置于道路弯道的雷达检测区域的雷达位置与检测角度；
依据所述目标雷达图像中各个像素点取值以及雷达检测区域的雷达位置与检测角度，对待检测车辆区域的像素点进行轮廓构建；
基于构建的像素点轮廓，确定待检测车辆区域对应待检测车辆的车辆尺寸信息。
可选的，速度确定模块，具体用于：
依据所述待检测车辆的车辆尺寸信息，确定所述待检测车辆在道路弯道区域进行转弯时的车辆重心高度与车辆宽度；
依据所述待检测车辆的车辆位置信息，确定所述待检测车辆所在道路弯道区域的弯道半径与弯道倾斜角；
依据所述车辆重心高度与车辆宽度以及所述弯道半径与弯道倾斜角，确定能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值。
可选的，速度确定模块包含计算单元，具体用于：
将所述车辆重心高度与车辆宽度以及所述弯道半径与弯道倾斜角对应的参数取值，代入预设的车辆速度上限值计算模型；所述预设的车辆速度上限值计算模型基于道路弯道区域转弯过程中的车辆准静态模型进行构建，所述车辆准静态模型满足车辆侧翻力矩小于车辆稳定力矩；
通过预设的车辆速度上限值计算模型，输出能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值。
可选的，判断模块，具体用于：
若检测到所述待检测车辆在道路弯道区域转弯时的车辆速度大于对应的车辆速度上限值，则确定所述待检测车辆在道路弯道区域存在车辆倾覆风险；
若检测到所述待检测车辆在道路弯道区域转弯时的车辆速度小于或等于对应的车辆速度上限值，则确定所述待检测车辆在道路弯道区域不存在车辆倾覆风险。
本发明实施例中所提供的基于雷达图的弯道车辆检测装置可执行上述本发明任意实施例中所提供的基于雷达图的弯道车辆检测方法，具备执行该基于雷达图的弯道车辆检测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雷达图的弯道车辆检测方法的相关操作。
实施例五
图6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6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，例如基于雷达图的弯道车辆检测方法。
在一些实施例中，基于雷达图的弯道车辆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弯道车辆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弯道车辆检测方法。
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)
1.一种基于雷达图的弯道车辆检测方法，其特征在于，包括：
确定雷达检测区域的当前雷达图像；所述雷达检测区域设置于道路弯道；
依据所述当前雷达图像确定进入雷达检测区域的待检测车辆的车辆尺寸信息与车辆位置信息；
依据所述待检测车辆的车辆尺寸信息与车辆位置信息，确定能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值；
依据所述待检测车辆的车辆速度与对应的车辆速度上限值，确定所述待检测车辆在道路弯道区域是否存在车辆倾覆风险；
其中，依据所述当前雷达图像确定进入雷达检测区域的待检测车辆的车辆尺寸信息与车辆位置信息，包括：
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；
依据所述目标雷达图像，确定进入雷达检测区域的待检测车辆的车辆尺寸信息与车辆位置信息；
其中，所述目标雷达图像的前景对应包括至少一个待检测车辆区域；
其中，依据所述待检测车辆的车辆尺寸信息与车辆位置信息，确定能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值，包括：
依据所述待检测车辆的车辆尺寸信息，确定所述待检测车辆在道路弯道区域进行转弯时的车辆重心高度与车辆宽度；
依据所述待检测车辆的车辆位置信息，确定所述待检测车辆所在道路弯道区域的弯道半径与弯道倾斜角；
依据所述车辆重心高度与车辆宽度以及所述弯道半径与弯道倾斜角，确定能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值。
2.根据权利要求1所述的方法，其特征在于，确定雷达检测区域的当前雷达图像，包括：
通过微波雷达在当前对进入雷达检测区域的待检测车辆进行扫描，得到当前时刻的当前雷达图像；
其中，所述当前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，所述当前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，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：
确定在当前雷达图像之前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当前雷达图像之前的邻近时间内所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。
4.根据权利要求3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。
5.根据权利要求1所述的方法，其特征在于，依据所述目标雷达图像，确定进入雷达检测区域的待检测车辆的车辆尺寸信息与车辆位置信息，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的前景所对应待检测车辆的车辆位置信息；
依据所述目标雷达图像中各个像素点取值，确定所述目标雷达图像的前景所对应待检测车辆的车辆尺寸信息；所述像素点取值用于描述雷达在像素点对应检测位置点扫描时的雷达反射波的信号强度。
6.根据权利要求5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中待检测车辆区域介于发生前景与背景分离而被分割到不同子区域；
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。
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；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；
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。
8.根据权利要求5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的前景所对应待检测车辆的车辆位置信息，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中待检测车辆区域的外边界拐点位置；所述外边界拐点位置通过外边界拐点对应的像素行列标识描述；
依据所述目标雷达图像的前景中待检测车辆区域的外边界拐点位置，确定待检测车辆区域的几何中心位置；
依据待检测车辆区域的几何中心位置，确定待检测车辆的车辆位置信息。
9.根据权利要求5所述的方法，其特征在于，依据所述目标雷达图像中各个像素点取值，确定所述目标雷达图像的前景所对应待检测车辆的车辆尺寸信息，包括：
确定设置于道路弯道的雷达检测区域的雷达位置与检测角度；
依据所述目标雷达图像中各个像素点取值以及雷达检测区域的雷达位置与检测角度，对待检测车辆区域的像素点进行轮廓构建；
基于构建的像素点轮廓，确定待检测车辆区域对应待检测车辆的车辆尺寸信息。
10.根据权利要求1所述的方法，其特征在于，依据所述车辆重心高度与车辆宽度以及所述弯道半径与弯道倾斜角，确定能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值，包括：
将所述车辆重心高度与车辆宽度以及所述弯道半径与弯道倾斜角对应的参数取值，代入预设的车辆速度上限值计算模型；所述预设的车辆速度上限值计算模型基于道路弯道区域转弯过程中的车辆准静态模型进行构建，所述车辆准静态模型满足车辆侧翻力矩小于车辆稳定力矩；
通过预设的车辆速度上限值计算模型，输出能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值。
11.根据权利要求1所述的方法，其特征在于，依据所述待检测车辆的车辆速度与对应的车辆速度上限值，确定所述待检测车辆在道路弯道区域是否存在车辆倾覆风险，包括：
若检测到所述待检测车辆在道路弯道区域转弯时的车辆速度大于对应的车辆速度上限值，则确定所述待检测车辆在道路弯道区域存在车辆倾覆风险；
若检测到所述待检测车辆在道路弯道区域转弯时的车辆速度小于或等于对应的车辆速度上限值，则确定所述待检测车辆在道路弯道区域不存在车辆倾覆风险。
12.一种基于雷达图的弯道车辆检测装置，其特征在于，包括：
图像确定模块，用于确定雷达检测区域的当前雷达图像；所述雷达检测区域设置于道路弯道；
信息确定模块，用于依据所述当前雷达图像确定进入雷达检测区域的待检测车辆的车辆尺寸信息与车辆位置信息；
速度确定模块，用于依据所述待检测车辆的车辆尺寸信息与车辆位置信息，确定能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值；
判断模块，用于依据所述待检测车辆的车辆速度与对应的车辆速度上限值，确定所述待检测车辆在道路弯道区域是否存在车辆倾覆风险；
其中，所述信息确定模块具体用于：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；依据所述目标雷达图像，确定进入雷达检测区域的待检测车辆的车辆尺寸信息与车辆位置信息；其中，所述目标雷达图像的前景对应包括至少一个待检测车辆区域；
其中，所述速度确定模块，包括：
计算单元，具体用于：将所述车辆重心高度与车辆宽度以及所述弯道半径与弯道倾斜角对应的参数取值，代入预设的车辆速度上限值计算模型；所述预设的车辆速度上限值计算模型基于道路弯道区域转弯过程中的车辆准静态模型进行构建，所述车辆准静态模型满足车辆侧翻力矩小于车辆稳定力矩；通过预设的车辆速度上限值计算模型，输出能使待检测车辆在道路弯道区域不发生车辆倾覆的车辆速度上限值。
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雷达图的弯道车辆检测方法。
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雷达图的弯道车辆检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211057206.9A CN115440057B (zh) | 2022-08-31 | 2022-08-31 | 基于雷达图的弯道车辆检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211057206.9A CN115440057B (zh) | 2022-08-31 | 2022-08-31 | 基于雷达图的弯道车辆检测方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115440057A CN115440057A (zh) | 2022-12-06 |
| CN115440057B true CN115440057B (zh) | 2024-04-05 |
Family
ID=84245116
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211057206.9A Active CN115440057B (zh) | 2022-08-31 | 2022-08-31 | 基于雷达图的弯道车辆检测方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115440057B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106710268A (zh) * | 2015-11-13 | 2017-05-24 | 北京奇虎科技有限公司 | 车辆行驶数据的处理方法和装置 |
| CN108622105A (zh) * | 2018-04-16 | 2018-10-09 | 吉林大学 | 基于多元回归分析的车辆弯道安全车速预测及预警系统 |
| CN110060504A (zh) * | 2019-04-11 | 2019-07-26 | 黄冈师范学院 | 基于智能网联的车辆弯道防失稳车速计算及预警系统和方法 |
| CN110775046A (zh) * | 2019-10-22 | 2020-02-11 | 浙江万安科技股份有限公司 | 一种车辆防侧翻控制系统和防侧翻控制方法 |
| CN112309125A (zh) * | 2020-10-30 | 2021-02-02 | 长安大学 | 一种弯道路段车辆侧翻侧滑风险远程防控系统和方法 |
| CN114194206A (zh) * | 2021-10-25 | 2022-03-18 | 合众新能源汽车有限公司 | 一种智能化弯道辅助提示方法、装置及电子设备 |
-
2022
- 2022-08-31 CN CN202211057206.9A patent/CN115440057B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106710268A (zh) * | 2015-11-13 | 2017-05-24 | 北京奇虎科技有限公司 | 车辆行驶数据的处理方法和装置 |
| CN108622105A (zh) * | 2018-04-16 | 2018-10-09 | 吉林大学 | 基于多元回归分析的车辆弯道安全车速预测及预警系统 |
| CN110060504A (zh) * | 2019-04-11 | 2019-07-26 | 黄冈师范学院 | 基于智能网联的车辆弯道防失稳车速计算及预警系统和方法 |
| CN110775046A (zh) * | 2019-10-22 | 2020-02-11 | 浙江万安科技股份有限公司 | 一种车辆防侧翻控制系统和防侧翻控制方法 |
| CN112309125A (zh) * | 2020-10-30 | 2021-02-02 | 长安大学 | 一种弯道路段车辆侧翻侧滑风险远程防控系统和方法 |
| CN114194206A (zh) * | 2021-10-25 | 2022-03-18 | 合众新能源汽车有限公司 | 一种智能化弯道辅助提示方法、装置及电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 基于道路模型的弯道检测研究与应用;郭烈;黄晓慧;刘宝印;李兵;;交通信息与安全(03);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115440057A (zh) | 2022-12-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110298802B (zh) | 路面裂缝检测方法及装置 | |
| CN114638818B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN107341810B (zh) | 一种车辆自动识别方法、装置及电子设备 | |
| CN117037103A (zh) | 一种道路检测方法和装置 | |
| CN110675442A (zh) | 一种结合目标识别技术的局部立体匹配方法及系统 | |
| CN115471476A (zh) | 一种部件缺陷检测方法、装置、设备及介质 | |
| CN116469073A (zh) | 目标识别方法、装置、电子设备、介质及自动驾驶车辆 | |
| CN111332306A (zh) | 一种基于机器视觉的交通道路感知辅助驾驶预警装置 | |
| CN115440057B (zh) | 基于雷达图的弯道车辆检测方法、装置、设备及介质 | |
| CN115376106A (zh) | 基于雷达图的车型识别方法、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 | |
| CN115267782A (zh) | 基于微波雷达的危险区域预警方法、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 | |
| CN115424441B (zh) | 基于微波雷达的道路弯道优化方法、装置、设备及介质 | |
| CN116385415A (zh) | 一种边缘缺陷检测方法、装置、设备及存储介质 | |
| CN110751623A (zh) | 基于联合特征的缺陷检测方法、装置、设备及存储介质 | |
| CN111332305A (zh) | 一种主动预警型交通道路感知辅助驾驶预警系统 | |
| CN115526837A (zh) | 一种异常行车检测方法、装置、电子设备以及介质 | |
| CN115546764A (zh) | 一种障碍物检测方法、装置、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 | |
| 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 | |
| CN113643245A (zh) | 一种屏幕缺陷的测量方法、装置及计算机可读存储介质 | |
| CN112906691A (zh) | 测距方法及装置、存储介质及电子设备 | |
| CN114994671B (zh) | 基于雷达图像的目标检测方法、装置、设备及介质 | |
| CN115140040B (zh) | 一种跟车目标确定方法、装置、电子设备及存储介质 |
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 |