CN116071942A - 一种基于雷视一体机的交通路口多源传感器配置方法 - Google Patents
一种基于雷视一体机的交通路口多源传感器配置方法 Download PDFInfo
- Publication number
- CN116071942A CN116071942A CN202310058010.XA CN202310058010A CN116071942A CN 116071942 A CN116071942 A CN 116071942A CN 202310058010 A CN202310058010 A CN 202310058010A CN 116071942 A CN116071942 A CN 116071942A
- Authority
- CN
- China
- Prior art keywords
- lane
- radar
- vehicle
- data
- area
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/081—Plural intersections under common control
-
- 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
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/867—Combination of radar systems with cameras
-
- 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
- G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of 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
- G08G1/017—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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- 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
- G08G1/02—Detecting movement of traffic to be counted or controlled using treadles built into the road
-
- 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)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于雷视一体机的交通路口多源传感器配置方法。它解决了现有技术中雷达和视频设备不能协调统一的问题。它包括S1、确定雷视一体机的使用场景:根据真实的物理使用场景进行参数的确定和选择;S2、整机修订:对视频和雷达进行同步修订;S3、划定视频检测器感应触发线圈;S4、标定雷达坐标;S5、修订雷达位置。本发明的优点在于:实现交通路口多源传感器采集到的数据统一,并能够实现多源数据的有效融合。
Description
技术领域
本发明涉及智慧交通技术领域,具体涉及一种基于雷视一体机的交通路口多源传感器配置方法。
背景技术
随着城市道路智能化需求的不断提升以及自动驾驶技术的快速发展,对当前城市道路交通路口的交通数据提出了更高的要求,然而传统交通路口的传感器设备功能单一,数据准确率低,难以实现交通路口多维度数据展示和多源数据融合。例如传统的线圈、地磁类传感器主要用于车道检测,对非机动车和行人的交通数据难以取得,由于设备须埋在道路中,难以更新维护,已经逐步被淘汰。视频传感器对环境要求较高,受雨雪、雾霾等恶劣天气及环境光照影响强烈,难以提供长期、稳定、精准的数据检测;雷达类检测器包含毫米波雷达和相控阵雷达等多种雷达制式,检测范围广,但其无法对静态目标进行跟踪和测量,且无法获得身份数据信息。因此,基于雷达和视频的一体机检测装置能够综合解决上述传统交通检测器的不足和缺点,但在实际应用过程中,也面临着诸多问题。
例如,现有的雷视一体机设备结构相对固定,而雷达和视频的检测角度和方位并不一致,导致两种传感器设备正常工作状态难以统一,造成了检测的数据结果不够精确,存在数据缺失、数据无效的问题,且雷达和视频两种传感器采集到的数据难以融合,无法使交通路口实现数据的多元化,不能实现采集到的交通路口数据结构化,无法为交通信号智能控制提供行之有效的标准数据。
发明内容
本发明的目的是针对上述问题,提供一种基于雷视一体机的交通路口多源传感器配置方法。
为达到上述目的,本发明采用了下列技术方案:一种基于雷视一体机的交通路口多源传感器配置方法,本方法包括以下步骤:
S1、确定雷视一体机的使用场景:根据真实的物理使用场景进行参数的确定和选择;
S2、雷视一体机修订:对视频和雷达进行同步修订;
S3、划定视频检测器感应触发线圈;
S4、标定雷达坐标;
S5、修订雷达位置。
在步骤S1中,整机安装方式分为正装和侧装两种,其中,正装安装方式基于交警杆横杆;侧装则基于交警杆立杆;在无横杆的条件下,选择立杆侧装;由于城市道路交通元素复杂、数据量大,为了提高系统的识别准确率和多源传感器数据的有效融合,在使用场景允许的条件下优先选择正装安装方式,在城市快速路、高速的应用场景下,如无横杆则选择侧装方式。
雷视一体机的安装高度范围为4-6m,上述安装高度不含设备高度,且雷视一体机的安装方向可选择去向或来向。
在步骤S2中,雷视一体机的安装高度在4m时,视频画面下边缘对应的物理界线距离雷视一体机垂直投影的纵向距离为8-10m;雷视一体机的安装高度在6m时,视频画面下边缘对应的物理界线距离雷视一体机垂直投影的纵向距离为11-15m;雷视一体机的安装高度在4-6m时,视频画面下边缘对应的物理界线距离雷视一体机垂直投影的纵向距离在8-15m间选取;并且视频画面的上边缘不漏出天空画面,并且全部机动车道、非机动车道完整出现在视频画面中。
将雷视一体机安装在交警杆横杆上,根据来向安装方向,确定安装朝向;采用正装安装方式的雷视一体机的垂直投影应在道路中线上,当雷视一体机的垂直投影无法在道路中线上时,则测量投影点距并进行水平位置修订和角度补偿;投影点距与道路中线、道路一侧边缘线的距离做差,数值为正时,对雷视一体机水平角度做负修订,数值为负时,则对雷视一体机水平角度做正修订。
安装高度线为交警杆横杆高度与设备高度之和,雷达投射下边缘线与雷视一体机的距离为雷达视距;雷达视距与安装高度线的夹角小于12°;夹角的测量可通过三角函数公式,根据已有的安装高度线的数值和雷达视距的数值或测速下边界线计算求得;测速下边界线为雷视一体机的垂直投影点与雷达投射下边缘线的纵向距离;投影点距是雷视一体机的投影点距道路一侧边缘线的距离。
在步骤S3中,雷视一体机的视频检测器通过在视频画面中划定触发线和触发线圈进行配置,触发线和触发线圈包括:车道线、车道右边界线、停止线、虚拟线圈、非机动车区域、行人过街区域、左转待行区域、行车方向线、卡口触发线。
步骤S3具体分为以下步骤:
S301、根据路口的实际情况,设定机动车道数;
S302、设定区域数:根据路口的实际情况,设定非机动车道区域和行人过街区域以及左转等待区域的数量;
S303、设定车道线:根据步骤S301确定的机动车道数,以来车方向为例,从左到右依次设定车道线,并标号;
S304、设定车道右边界线:在双向车道路面中心线上设定车道右边界线;
S305、设置停止线;
S306、设置机动车道虚拟地感线圈;
S307、设置非机动车区域:非机动车区域根据步骤S302的非机动车区域数进行设置;
S308、设置行人过街区域:行人过街区域的设置根据道路是否有路岛进行不同的设置;
S309、判断是否有左转等待区:当道路渠化有左转等待区域时,在视频传感器上设置该区域;
S310、设置左转等待区域:当道路渠化有左转等待区域时,在视频传感器上设置该区域;
S311、设定行车方向线:行车方向线有三条,分别是左转线、直行线、右转线。
在步骤S4中,对雷达传感器的坐标进行标定,将视频传感器和雷达传感器检测数据进行多源融合,最后完成交通路口结构化数据的采集和输出;雷达坐标的标定在视频传感器画面内绘制标定区域,以现场真实物理场景的相对距离数据为坐标值,实现视频传感器车道检测区域与雷达传感器的坐标标定区域统一融合。
以标定雷达坐标区域的四多边形四个坐标点为最左侧车道线的起始点和车道右边界线的起始点,并以最左侧车道线的近端为第一坐标点,沿顺时针方向绘制雷达坐标标定区;以雷视一体机的垂直投影点为原点,面对来车方向为Y坐标方向,垂直于来车方向为X坐标方向,测量四个坐标点距离原点的(X,Y)坐标距离,确定雷达坐标标定区域与视频传感器车道区域重合。
在步骤S5中,由于实际道路的弯曲程度和步骤S1中的整机使用场景不尽相同,导致雷达位置标定的水平、纵向距离及角度与真实的道路场景存在偏差,需要在步骤S4的雷达坐标标定区域的基础上,进行雷达位置的修订,以提高雷达数据的准确性,避免雷达传感器跟踪轨迹的偏移。
雷达的水平偏移进行修订:判断雷视一体机的垂直投影点是否在来向机动车道的中心线上,如在中心线上则不作修订;如在来向机动车道中心线的左侧则做正修订,如在来向机动车道中心线的右侧则做负修订,直到雷视一体机的垂直投影点在来向机动车道的中心线上为止;
雷达角度进行修订,修订的依据是雷达法线与来向机动车道中心线之间的偏转角;偏转角偏左时做正修订,偏转角偏右时做负修订;根据雷达传感器实时捕捉轨迹的倾斜度进行以1°偏转角度值进行正或负的修订,直到雷达标定区域内的车辆行驶轨迹与实际车辆行驶轨迹相重合时为止。
结构化数据包括标识型数据、动态数据、过车统计数据、存在感知型数据四类;其中,标识型数据包括设备IP地址、开始统计时间、统计周期时间、车道号、区域编号、渠化车道号、虚拟地感线圈编号;动态数据包括车头时距、车头间距、车道过车平均速度、车道空间占有率、车道时间占有率、平均停车次数、延误时间、平均延误时间、排队长度、平均排队长度;过车统计数据包括车道左转流量数据、车道右转流量数据、车道直行流量数据、小型车数量、中型车数量、重型车数量、非机动车数量;存在感知型数据包括行人过街区域是否有人/非机动车存在、非机动车等待区是否有人/非机动车存在。
在上述的一种基于雷视一体机的交通路口多源传感器配置方法中,标识型数据除雷视一体机设备固有数据外,开始统计时间、统计周期时间由信号配时方案设定,车道号、区域编号、渠化车道号、虚拟地感线圈编号在步骤S3中设定;动态数据通过雷达传感器从远端进行动态目标的捕捉,并跟踪到车道内或/和区域内,离开停止线后停止跟踪和捕捉。
在上述的一种基于雷视一体机的交通路口多源传感器配置方法中,车头时距是雷达传感器跟踪同一车道内,前后两辆车通过虚拟感应线圈A的时间差,并在同一周期或时段内所有的差值求平均,车头间距是雷达传感器在同一车道、一个周期内捕捉到第一辆车速度为零时的车头坐标Y值减去后一辆车速度为零时的车头坐标Y值,并逐个计算本车道本周期内的所有差值求平均,车道过车平均速度是雷达传感器在一个时段内记录所有车辆通过停止线时的速度平均值,车道空间占有率是视频传感器在某一时刻检测到所有车道内车辆大小所占用的面积与车道总面积的比率,车道时间占有率是视频传感器在一个周期内一条车道内有车辆存在的时间和周期的比率,平均停车次数是雷达传感器指在一个时段或周期内,所在的车道内所有车辆速度为零时的次数总和求平均,延误时间是雷达传感器在某一时段或周期内,跟踪车辆通过同一车道内的虚拟感应线圈A、B的时间差,平均延误时间是在某一时段或周期内,同一车道内所有车辆的延误时间的加权平均值,排队长度是雷达传感器跟踪某一车道最后一辆车速度为零时,车尾坐标Y值与停止线坐标Y值的差,平均排队长度是在一定时段内排队长度的平均值。
在上述的一种基于雷视一体机的交通路口多源传感器配置方法中,过车统计数据中的车道左转流量数据、车道右转流量数据、车道直行流量数据通过视频传感器的左转线、右转线、直行线的触发做计数统计,每过一辆车,数据累计加1;小型车数量、中型车数量、重型车数量通过视频传感器进行捕捉,以车辆进入车道线内的图形大小,进行车辆类型判定,并记录所在车道数和车辆类型数加1计数;非机动车数量通过视频传感器在非机动车区域内进行跟踪计数统计;存在感知型数据通过视频传感器在行人过街区域和非机动车等待区对目标进行捕捉,判定是否有人/非机动车存在,做状态位感知数据输出。
与现有的技术相比,本发明的优点在于:能够解决雷达和视频设备不能协调统一的问题,通过配置多源传感器合理的设置参数、优化多源传感器的配置步骤、优化配置方法,最终实现交通路口多源传感器采集到的数据统一,并能够实现多源数据的有效融合。
附图说明
图1是本发明的流程图;
图2是本发明中雷视一体机正装配置图;
图3是本发明中基于视频检测器的交通路口触发传感器配置的方法流程图;
图4是本发明中图中于视频检测器的交通路口触发传感器配置示意图;
图中:雷视一体机1、交警杆横杆11、雷达视距12、安装高度线13、投影点距14、测速下边界线15、雷达投射下边缘线16、道路中线17。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步详细的说明。
如图1-4所示,一种基于雷视一体机的交通路口多源传感器配置方法,本方法包括以下步骤:
S1、确定雷视一体机1的使用场景:根据真实的物理使用场景进行参数的确定和选择;
在步骤S1中,整机安装方式分为正装和侧装两种,其中,正装安装方式基于交警杆横杆11,侧装则基于交警杆立杆;在无横杆的条件下,选择立杆侧装;由于城市道路交通元素复杂、数据量大,为了提高系统的识别准确率和多源传感器数据的有效融合,在使用场景允许的条件下优先选择正装安装方式,在城市快速路、高速的应用场景下,如无横杆则选择侧装方式。
雷视一体机1的安装高度在4-6m,上述安装高度不含设备高度,且雷视一体机1的安装方向可选择去向或来向。
、雷视一体机1修订:对视频和雷达进行同步修订;
雷视一体机1根据步骤S1的使用场景确定物理条件后,对视频和雷达进行同步修订,雷视一体机1的安装高度在4m时,视频画面下边缘对应的物理界线距离雷视一体机1垂直投影的纵向距离为8-10m;雷视一体机1的安装高度在6m时,视频画面下边缘对应的物理界线距离雷视一体机垂直投影的纵向距离为11-15m;雷视一体机1的安装高度在4-6m时,视频画面下边缘对应的物理界线距离雷视一体机垂直投影的纵向距离在8-15m间选取;并且视频画面的上边缘不漏出天空画面,并且全部机动车道、非机动车道应完整出现在视频画面中。
在步骤S2中,雷视一体机1安装在交警杆横杆11上,根据来向安装方向,确定安装朝向;采用正装安装方式的雷视一体机1的垂直投影应在道路中线17上,当雷视一体机1的垂直投影无法在道路中线17上时,则测量投影点距14并进行水平位置修订和角度补偿;投影点距14与道路中线17、道路一侧边缘线的距离做差,数值为正时,对雷视一体机1水平角度做负修订,数值为负时,则对雷视一体机1水平角度做正修订。
安装高度线13为交警杆横杆11高度与设备高度之和,雷达投射下边缘线16与雷视一体机1的距离为雷达视距12;雷达视距12与安装高度线13的夹角小于12°;夹角的测量可通过三角函数公式,根据已有的安装高度线13的数值和雷达视距12的数值或测速下边界线15计算求得;测速下边界线15为雷视一体机1的垂直投影点与雷达投射下边缘线16的纵向距离;投影点距14是雷视一体机1的投影点距14道路一侧边缘线的距离。
、划定视频检测器感应触发线圈;
在步骤S3中,雷视一体机1的视频检测器通过在视频画面中划定触发线和触发线圈进行配置,触发线和触发线圈包括:车道线、车道右边界线、停止线、虚拟线圈、非机动车区域、行人过街区域、左转待行区域、行车方向线、卡口触发线。
步骤S3具体分为以下步骤:
S301、根据路口的实际情况,设定机动车道数;
机动车车道数的设定是为了雷达跟踪时,确定机动车的行驶轨迹和最终等待/通过的车道位次,从而判定车辆通过路口的最终行进方向,以及每条车道通过的车辆数,可获得渠化车道号,并计算获得结构化采集数据,如车头时距、车头间距、车道空间占有率、车道时间占有率、流量。
、设定区域数:根据路口的实际情况,设定非机动车道区域和行人过街区域以及左转等待区域的数量;
其中非机动车道区域和左转等待区域根据道路渠化的实际情况进行数量设定;区域数的设定可提示视频检测器进行分区域的,对机动车、非机动车、行人的存在感知进行判定。
、设定车道线:根据步骤S301确定的机动车道数,以来车方向为例,从左到右依次设定车道线,并标号;
车道线与道路渠化的实体线相重合;车道线的远端在实体线的远端起始端,车道线的近端在斑马线前边缘侧;双向车道路面中心线不设定车道线;相邻车道线间的区域为车道区,为雷达传感器进行车辆轨迹跟踪提供区域标定,为视频传感器的虚拟地感线圈提供区域标定。
、设定车道右边界线:在双向车道路面中心线上设定车道右边界线;
车道右边界线与道路渠化的双向车道路面中心线相重合;车道右边界线的远端与步骤S303设定的相邻的车道线远端水平方向平行,为远端起始端,车道右边界线的近端在斑马线前边缘侧;车道右边界线的设定与相邻的车道线合围成最右侧车道区,并在单向来向车道检测时,对雷达传感器做检测区域约束。
、设置停止线;
停止线的起始端位于最左侧车道线的近端终点处,停止线的终端位于车道右边界线的近端终点处;停止线的整体位于斑马线的近端边缘处;停止线的设置为雷达传感器做检测区域约束,当车辆行驶到停止线上时,雷达不在做目标跟踪,转而由视频传感器做触发判别。
、设置机动车道虚拟地感线圈;
在相邻车道线间设定机动车道虚拟地感线圈,每个车道设置近端A和远端B两个虚拟地感线圈;虚拟地感线圈的左右边界线平行于相邻的车道线,且不超出相邻车道线,虚拟地感线圈的前后线根据视频传感器的图像位置进行标定,完整的虚拟地感线圈为四多边形;近端虚拟地感线圈A的前边界线不超过停止线,远端虚拟地感线圈B的后边界线不超过相邻车道线的远端终点连线,虚拟地感线圈的面积以视频传感器中一辆小型车的图像大小为参照,不小于一辆小型车图像的一半,且不大于整辆车的图像面积;虚拟地感线圈相当于传统实体地感线圈,作为各个车道的触发传感器进行车辆的计数统计和距离统计,可测量车辆的排队长度、排队停车数,判断是否堵塞。
、设置非机动车区域:非机动车区域根据步骤S302的非机动车区域数进行设置;
无道路渠化时,设定唯一非机动车区域;有道路渠化时,根据道路渠化情况对非机动车区域从左至右逐一设置,并从左至右依次编号,并设定不同区域的车道行进方向,如从左至右依次是直行右转区、左转区;非机动车区域的近端,不超过斑马线的水平中间线,且不小于非机动车停止线;区域长度根据路况条件和视频传感器的图像情况进行调整,一般为5-8米;非机动车区域的设置可做非机动车和/或行人的存在感知,并可以根据目标的所在区域或/和运动轨迹判断前进方向,用于交通信号配时方案的优化和调整,可由雷视一体机1输出非机动车数量、非机动车道排队长度、是否拥塞及流量相关标识型数据。
、设置行人过街区域:行人过街区域的设置根据道路是否有路岛进行不同的设置;
有路岛时,行人过街区域的左右边界线以路岛的中间线为界,行人过街区域的左右边界线的长度为单条斑马线长度的2倍;行人过街区域的水平中线与斑马线水平中线重合;没有路岛时,行人过街区域的左右边界线超出机动车道左右边界线各2米;行人过街区域的设置可通过视频检测器来判断该条斑马线的左右等待区和斑马线上是否有行人通过或/和等待,从而输出斑马线状态的交通路口结构化数据,实现自适应交通信号配时方案的动态调整和优化。
、判断是否有左转等待区:当道路渠化有左转等待区域时,在视频传感器上设置该区域;
左转等待区域的远端在停止线上,其他边界线与渠化的左转等待区域相重合;左转等待区域的设置为视频传感器做存在感知判定,如在左转等待区域内有车辆存在,则输出结构化数据,避免左右来向车道绿灯的开启,从而导致交通事故的发生。
、设置左转等待区域:当道路渠化有左转等待区域时,在视频传感器上设置该区域;
左转等待区域的远端在停止线上,其他边界线与渠化的左转等待区域相重合;左转等待区域的设置为视频传感器做存在感知判定,如在左转等待区域内有车辆存在,则输出结构化数据,避免左右来向车道绿灯的开启,从而导致交通事故的发生。
、设定行车方向线:行车方向线有三条,分别是左转线、直行线、右转线;
左转线的起始端位于车道右边界线的近端终点,以车道右边界线的近端做延长线,并与视频传感器右侧车道进车道的中间线的反向延长线相交,其交点为左转线的终点,如该终点超出视频传感器的画面,则左转线的终点为车道右边界线的延长线与视频传感器画面右边界线的交点;右转线的起始端位于最左侧车道线的近端终点,以车道线的近端终点做延长线,与视频传感器左侧车道的双黄线的反向延长线相交,其交点为右侧线的终点;直行线的起始点为左转线和右转线的终点;行车方向线的设定可获取到来向车辆通过交通路口各方向的车流量,可采集到各方向的瞬时流量和统计流量,为实时的交通信号配时方案提供结构化的数据,并为以交通统计流量为依据的大数据配时方案提供结构化的数据。
、标定雷达坐标;
在完成上述步骤S2和步骤S3后,需要对雷达传感器的坐标进行标定,以此实现视频传感器和雷达传感器检测数据的多源融合,最终实现交通路口结构化数据的采集和输出;雷达坐标标定是在视频传感器画面内绘制标定区域,以现场真实物理场景的相对距离数据为坐标值,实现视频传感器车道检测区域与雷达传感器的坐标标定区域统一融合。
以标定雷达坐标区域的四多边形四个坐标点为最左侧车道线的起始点和车道右边界线的起始点,并以最左侧车道线的近端为第一坐标点,沿顺时针方向绘制雷达坐标标定区;以雷视一体机1的垂直投影点为原点,面对来车方向为Y坐标方向,垂直于来车方向为X坐标方向,测量四个坐标点距离原点的(X、Y)坐标距离,确定雷达坐标标定区域与视频传感器车道区域重合。
、修订雷达位置。
由于实际道路的弯曲程度和步骤S1的整机使用场景不尽相同,导致雷达位置标定的水平、纵向距离及角度与真实的道路场景存在偏差,需要在步骤S4的雷达坐标标定区域的基础上,进行雷达位置的修订,以实现雷达数据的准确,避免雷达传感器跟踪轨迹的偏移。
雷达的水平偏移进行修订:判断雷视一体机1的垂直投影点是否在来向机动车道的中心线上,如在中心线上则不作修订;如在来向机动车道中心线的左侧则做正修订,如在来向机动车道中心线的右侧则做负修订,直到雷视一体机1的垂直投影点在来向机动车道的中心线上为止;
雷达角度进行修订,修订的依据是雷达法线与来向机动车道中心线之间的偏转角;偏转角偏左时做正修订,偏转角偏右时做负修订;根据雷达传感器实时捕捉轨迹的倾斜度进行以1°偏转角度值进行正或负的修订,直到雷达标定区域内的车辆行驶轨迹与实际车辆行驶轨迹相重合时为止。
结构化数据包括标识型数据、动态数据、过车统计数据、存在感知型数据四类;其中,标识型数据包括设备IP地址、开始统计时间、统计周期时间、车道号、区域编号、渠化车道号、虚拟地感线圈编号;动态数据包括车头时距、车头间距、车道过车平均速度、车道空间占有率、车道时间占有率、平均停车次数、延误时间、平均延误时间、排队长度、平均排队长度;过车统计数据包括车道左转流量数据、车道右转流量数据、车道直行流量数据、小型车数量、中型车数量、重型车数量、非机动车数量;存在感知型数据包括行人过街区域是否有人/非机动车存在、非机动车等待区是否有人/非机动车存在。
其中,标识型数据除雷视一体机1设备固有数据外,开始统计时间、统计周期时间由信号配时方案设定,车道号、区域编号、渠化车道号、虚拟地感线圈编号在步骤S3中设定;动态数据通过雷达传感器从远端进行动态目标的捕捉,并跟踪到车道内或/和区域内,离开停止线后停止跟踪和捕捉。
详细地,车头时距是雷达传感器跟踪同一车道内,前后两辆车通过虚拟感应线圈A的时间差,并在同一周期或时段内所有的差值求平均,车头间距是雷达传感器在同一车道、一个周期内捕捉到第一辆车速度为零时的车头坐标Y值减去后一辆车速度为零时的车头坐标Y值,并逐个计算本车道本周期内的所有差值求平均,车道过车平均速度是雷达传感器在一个时段内记录所有车辆通过停止线时的速度平均值,车道空间占有率是视频传感器在某一时刻检测到所有车道内车辆大小所占用的面积与车道总面积的比率,车道时间占有率是视频传感器在一个周期内一条车道内有车辆存在的时间和周期的比率,平均停车次数是雷达传感器指在一个时段或周期内,所在的车道内所有车辆速度为零时的次数总和求平均,延误时间是雷达传感器在某一时段或周期内,跟踪车辆通过同一车道内的虚拟感应线圈A、B的时间差,平均延误时间是在某一时段或周期内,同一车道内所有车辆的延误时间的加权平均值,排队长度是雷达传感器跟踪某一车道最后一辆车速度为零时,车尾坐标Y值与停止线坐标Y值的差,平均排队长度是在一定时段内排队长度的平均值。
优选地,过车统计数据中的车道左转流量数据、车道右转流量数据、车道直行流量数据通过视频传感器的左转线、右转线、直行线的触发做计数统计,每过一辆车,数据累计加1;小型车数量、中型车数量、重型车数量通过视频传感器进行捕捉,以车辆进入车道线内的图形大小,进行车辆类型判定,并记录所在车道数和车辆类型数加1计数;非机动车数量通过视频传感器在非机动车区域内进行跟踪计数统计;存在感知型数据通过视频传感器在行人过街区域和非机动车等待区对目标进行捕捉,判定是否有人/非机动车存在,做状态位感知数据输出。
综上,本实施例的原理在于:通过配置多源传感器合理的设置参数、优化多源传感器的配置步骤、优化配置方法,最终实现交通路口多源传感器采集到的数据统一,并能够实现多源数据的有效融合,解决传统雷视一体机设备检测的数据结果不够精确,存在数据缺失、数据无效的问题;并且解决雷达和视频两种传感器采集到的数据难于融合,不能交通路口实现数据的多元化,无法实现采集到的交通路口数据结构化、无法为交通信号智能控制提供行之有效的标准数据的问题。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了雷视一体机1、交警杆横杆11、雷达视距12、安装高度线13、投影点距14、测速下边界线15、雷达投射下边缘线16、道路中线17等术语,但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质;把它们解释成任何一种附加的限制都是与本发明精神相违背的。
Claims (10)
1.一种基于雷视一体机的交通路口多源传感器配置方法,其特征在于,本方法包括以下步骤:
S1、确定雷视一体机(1)的使用场景:根据真实的物理使用场景进行参数的确定和选择;
S2、雷视一体机(1)修订:对视频和雷达进行同步修订;
S3、划定视频检测器感应触发线圈;
S4、标定雷达坐标;
S5、修订雷达位置。
2.根据权利要求1所述的一种基于雷视一体机的交通路口多源传感器配置方法,其特征在于,在步骤S1中,所述的整机安装方式分为正装和侧装两种,其中,正装安装方式基于交警杆横杆(11);侧装则基于交警杆立杆;在无横杆的条件下,选择立杆侧装。
3.根据权利要求2所述的一种基于雷视一体机的交通路口多源传感器配置方法,其特征在于,在步骤S2中,将雷视一体机(1)安装在交警杆横杆(11)上,采用正装安装方式的雷视一体机(1)的垂直投影应在道路中线(17)上,当雷视一体机(1)的垂直投影无法在道路中线(17)上时,则测量投影点距(14)并进行水平位置修订和角度补偿;所述的投影点距(14)与道路中线(17)、道路一侧边缘线的距离做差,数值为正时,对所述雷视一体机(1)水平角度做负修订,数值为负时,则对雷视一体机(1)水平角度做正修订。
4.根据权利要求1所述的一种基于雷视一体机的交通路口多源传感器配置方法,其特征在于,在步骤S3中,所述的雷视一体机(1)的视频检测器通过在视频画面中划定触发线和触发线圈进行配置,所述的触发线和触发线圈包括:车道线、车道右边界线、停止线、虚拟线圈、非机动车区域、行人过街区域、左转待行区域、行车方向线、卡口触发线;
步骤S3具体分为以下步骤:
S301、根据路口的实际情况,设定机动车道数;
S302、设定区域数:根据路口的实际情况,设定非机动车道区域和行人过街区域以及左转等待区域的数量;
S303、设定车道线:根据步骤S301确定的机动车道数,以来车方向为例,从左到右依次设定车道线,并标号;
S304、设定车道右边界线:在双向车道路面中心线上设定车道右边界线;
S305、设置停止线;
S306、设置机动车道虚拟地感线圈;
S307、设置非机动车区域:非机动车区域根据步骤S302的非机动车区域数进行设置;
S308、设置行人过街区域:行人过街区域的设置根据道路是否有路岛进行不同的设置;
S309、判断是否有左转等待区:当道路渠化有左转等待区域时,在视频传感器上设置该区域;
S310、设置左转等待区域:当道路渠化有左转等待区域时,在视频传感器上设置该区域;
S311、设定行车方向线:行车方向线有三条,分别是左转线、直行线、右转线。
5.根据权利要求4所述的一种基于雷视一体机的交通路口多源传感器配置方法,其特征在于,在步骤S4中,对雷达传感器的坐标进行标定,将视频传感器和雷达传感器检测数据进行多源融合,最后完成交通路口结构化数据的采集和输出;雷达坐标的标定在视频传感器画面内绘制标定区域,以现场真实物理场景的相对距离数据为坐标值,实现视频传感器车道检测区域与雷达传感器的坐标标定区域统一融合;以标定雷达坐标区域的四多边形四个坐标点为最左侧车道线的起始点和车道右边界线的起始点,并以最左侧车道线的近端为第一坐标点,沿顺时针方向绘制雷达坐标标定区;以雷视一体机(1)的垂直投影点为原点,面对来车方向为Y坐标方向,垂直于来车方向为X坐标方向,测量四个坐标点距离原点的(X,Y)坐标距离,确定雷达坐标标定区域与视频传感器车道区域重合。
6.根据权利要求3所述的一种基于雷视一体机的交通路口多源传感器配置方法,其特征在于,在步骤S5中,雷达的水平偏移进行修订:判断雷视一体机(1)的垂直投影点是否在来向机动车道的中心线上,如在中心线上则不作修订;如在来向机动车道中心线的左侧则做正修订,如在来向机动车道中心线的右侧则做负修订,直到雷视一体机(1)的垂直投影点在来向机动车道的中心线上为止;雷达角度进行修订:修订的依据是雷达法线与来向机动车道中心线之间的偏转角;偏转角偏左时做正修订,偏转角偏右时做负修订;根据雷达传感器实时捕捉轨迹的倾斜度进行以1°偏转角度值进行正或负的修订,直到雷达标定区域内的车辆行驶轨迹与实际车辆行驶轨迹相重合。
7.根据权利要求6所述的一种基于雷视一体机的交通路口多源传感器配置方法,其特征在于,所述的结构化数据包括标识型数据、动态数据、过车统计数据、存在感知型数据四类;其中,标识型数据包括设备IP地址、开始统计时间、统计周期时间、车道号、区域编号、渠化车道号、虚拟地感线圈编号;动态数据包括车头时距、车头间距、车道过车平均速度、车道空间占有率、车道时间占有率、平均停车次数、延误时间、平均延误时间、排队长度、平均排队长度;过车统计数据包括车道左转流量数据、车道右转流量数据、车道直行流量数据、小型车数量、中型车数量、重型车数量、非机动车数量;存在感知型数据包括行人过街区域是否有人/非机动车存在、非机动车等待区是否有人/非机动车存在。
8.根据权利要求7所述的一种基于雷视一体机的交通路口多源传感器配置方法,其特征在于,所述的标识型数据除雷视一体机(1)设备固有数据外,开始统计时间、统计周期时间由信号配时方案设定,车道号、区域编号、渠化车道号、虚拟地感线圈编号在步骤S3中设定;所述的动态数据通过雷达传感器从远端进行动态目标的捕捉,并跟踪到车道内或/和区域内,离开停止线后停止跟踪和捕捉。
9.根据权利要求8所述的一种基于雷视一体机的交通路口多源传感器配置方法,其特征在于,所述的车头时距是雷达传感器跟踪同一车道内,前后两辆车通过虚拟感应线圈A的时间差,并在同一周期或时段内所有的差值求平均,所述的车头间距是雷达传感器在同一车道、一个周期内捕捉到第一辆车速度为零时的车头坐标Y值减去后一辆车速度为零时的车头坐标Y值,并逐个计算本车道本周期内的所有差值求平均,所述的车道过车平均速度是雷达传感器在一个时段内记录所有车辆通过停止线时的速度平均值,所述的车道空间占有率是视频传感器在某一时刻检测到所有车道内车辆大小所占用的面积与车道总面积的比率,所述的车道时间占有率是视频传感器在一个周期内一条车道内有车辆存在的时间和周期的比率,所述的平均停车次数是雷达传感器指在一个时段或周期内,所在的车道内所有车辆速度为零时的次数总和求平均,所述的延误时间是雷达传感器在某一时段或周期内,跟踪车辆通过同一车道内的虚拟感应线圈A、B的时间差,所述的平均延误时间是在某一时段或周期内,同一车道内所有车辆的所述延误时间的加权平均值,所述的排队长度是雷达传感器跟踪某一车道最后一辆车速度为零时,车尾坐标Y值与停止线坐标Y值的差,所述的平均排队长度是在一定时段内所述排队长度的平均值。
10.根据权利要求7所述的一种基于雷视一体机的交通路口多源传感器配置方法,其特征在于,所述的过车统计数据中的车道左转流量数据、车道右转流量数据、车道直行流量数据通过视频传感器的左转线、右转线、直行线的触发做计数统计,每过一辆车,数据累计加1;小型车数量、中型车数量、重型车数量通过视频传感器进行捕捉,以车辆进入车道线内的图形大小,进行车辆类型判定,并记录所在车道数和车辆类型数加1计数;非机动车数量通过视频传感器在非机动车区域内进行跟踪计数统计;所述的存在感知型数据通过视频传感器在行人过街区域和非机动车等待区对目标进行捕捉,判定是否有人/非机动车存在,做状态位感知数据输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310058010.XA CN116071942A (zh) | 2023-01-16 | 2023-01-16 | 一种基于雷视一体机的交通路口多源传感器配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310058010.XA CN116071942A (zh) | 2023-01-16 | 2023-01-16 | 一种基于雷视一体机的交通路口多源传感器配置方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116071942A true CN116071942A (zh) | 2023-05-05 |
Family
ID=86171115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310058010.XA Pending CN116071942A (zh) | 2023-01-16 | 2023-01-16 | 一种基于雷视一体机的交通路口多源传感器配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116071942A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116534021A (zh) * | 2023-06-26 | 2023-08-04 | 小米汽车科技有限公司 | 虚拟车道生成方法、装置、车辆及存储介质 |
-
2023
- 2023-01-16 CN CN202310058010.XA patent/CN116071942A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116534021A (zh) * | 2023-06-26 | 2023-08-04 | 小米汽车科技有限公司 | 虚拟车道生成方法、装置、车辆及存储介质 |
CN116534021B (zh) * | 2023-06-26 | 2023-12-12 | 小米汽车科技有限公司 | 虚拟车道生成方法、装置、车辆及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111223302B (zh) | 移动载具用外部坐标实时三维路况辅助装置及该系统 | |
CN107293116B (zh) | 一种基于视频分析的交通事件检测系统 | |
US8849554B2 (en) | Hybrid traffic system and associated method | |
US8296030B2 (en) | System and method for controlling the engine of a vehicle | |
CN111076731B (zh) | 自动驾驶高精定位与路径规划方法 | |
EP3358302A1 (en) | Travel control method and travel control device | |
CN110097762B (zh) | 一种道路视频图像低能见度刻度估算方法及系统 | |
US20210341303A1 (en) | Clustering event information for vehicle navigation | |
CN103473926A (zh) | 枪球联动道路交通参数采集及违章抓拍系统 | |
CN109905847B (zh) | Gnss盲区智能车辅助定位系统累积误差的协同校正系统及方法 | |
CN102682615B (zh) | 一种红绿灯控制系统的视频车辆检测方法 | |
CN106097734B (zh) | 一种用于路口交通信号控制的平面感知检测方法及系统 | |
CN109559528A (zh) | 一种基于3d激光雷达的自感知交互式交通信号控制装置 | |
CN103456172A (zh) | 一种基于视频的交通参数测量方法 | |
CN112017437A (zh) | 路口交通信息感知控制系统和方法 | |
CN113687310A (zh) | 用于自动化车辆的对象检测系统 | |
CN116071942A (zh) | 一种基于雷视一体机的交通路口多源传感器配置方法 | |
CN105046954A (zh) | 基于视频智能分析的路口通行状态动态检测系统及方法 | |
CN114858214B (zh) | 一种城市道路性能监测系统 | |
CN111882884A (zh) | 一种智能交通监控系统 | |
CN210515649U (zh) | 基于树莓派与互联网的智能交通信号控制系统 | |
CN110610612A (zh) | 基于树莓派与互联网的智能交通信号控制系统 | |
CN217426263U (zh) | 一种全息路网道路监控系统 | |
CN207380901U (zh) | 一种移动激光式车辆检测系统 | |
Yu et al. | MPP: A novel algorithm for estimating vehicle space headways from a single image |
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 |