CN116828298A - 一种基于车辆路面信息的分析系统 - Google Patents
一种基于车辆路面信息的分析系统 Download PDFInfo
- Publication number
- CN116828298A CN116828298A CN202311110010.6A CN202311110010A CN116828298A CN 116828298 A CN116828298 A CN 116828298A CN 202311110010 A CN202311110010 A CN 202311110010A CN 116828298 A CN116828298 A CN 116828298A
- Authority
- CN
- China
- Prior art keywords
- shooting
- monitoring
- unmanned aerial
- aerial vehicle
- calling
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 56
- 238000012544 monitoring process Methods 0.000 claims abstract description 177
- 230000005540 biological transmission Effects 0.000 claims abstract description 21
- 238000012216 screening Methods 0.000 claims description 54
- 238000004891 communication Methods 0.000 claims description 47
- 238000013507 mapping Methods 0.000 claims description 20
- 238000012795 verification Methods 0.000 claims description 13
- 230000007246 mechanism Effects 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于车辆路面信息的分析系统,包括路面监控端以及监控无人机,对应每一预设的监控划分区域将路面监控端划分为路面监控组,每一路面监控组至少包括一配置为主监控端的路面监控端以及其他被配置为辅助监控端的路面监控端,所述监控无人机对应主监控端设置;当需要进行补充拍摄时,通过控制无人机工作就可以完成响应的补充拍摄,这样拍摄提高了拍摄效率,同时保证了拍摄的质量和可靠性,能够提供的拍摄角度更加灵活,使得路面信息的呈现角度更加丰富,同时也不会造成较大的数据冗余和传输成本。
Description
技术领域
本发明涉及交通智能管理系统,更具体地说,涉及一种基于车辆路面信息的分析系统。
背景技术
目前,智慧交通已经越来越多在人们的日常生活中开始普及,例如智慧停车管理,智慧违规处理等技术已经在实际生活中进行应用,而在此基础上,基于图像处理分析的各种应用技术也开始更多地被使用,例如授权公告为CN115953730B公开了一种基于图像处理技术的智慧交通路面行驶状况监测平台,通过对目标行驶车辆、目标行驶车辆对应的人员信息和目标乡村道路各路口对应的交通标志线进行监测分析,进而得到目标行驶车辆对应的车辆安全评估系数、人员安全评估系数和各路口对应的交通标志线安全评估系数,保证了行驶车辆的安全性增强了道路的使用安全性。以及公开号为公开号CN112818864A公开了一种基于机器视觉和图像处理分析技术的智慧交通路面公共安全在线监测云平台,包括交通路面段划分模块、路面段箭头标示线图像采集模块、标示线数据库、箭头标示线图像分析模块、障碍物体积分析模块、距离匹配跟踪模块、路面管理中心、磨损参数统计模块、管理服务器和后台显示终端,通过对交通路面箭头标示线进行图像采集,并对磨损导致的标示不清标示线进行磨损面积获取,进而统计各磨损路面段对应的箭头标示线磨损危险系数,以此得到交通路面的综合箭头标示线磨损危险系数,拓宽了目前对道路交通安全的监测范围,减少了因路面箭头交通标示线标示不清导致的交通拥堵或交通事故的发生,提高了道路路面通行水平。以上两种系统无论是对车辆的图像分析还是对交通路面箭头的图像分析,其都需要对车辆或者路面的图像信息进行更完整、更准确的获取,但是目前而言,多数地方的摄像头的数量原先主要是为了识别交通违法行为,所以其采集的范围有限,不能满足图像信息完整获取的要求,而如果要增设摄像头专门用于信息的获取,无疑增加了大量的成本,另一方面,如果要保证视频图像的准确分析,则需要将图像传输到公共的分析平台进行处理,这样传输成本较高,虽然本地也有图像分析的功能,但是如果图像信息涉及到多个摄像头的采集,那么摄像头对关键图像信息的传输和交互仍然是一个问题,无线传输的方式难以满足实际需求。
发明内容
有鉴于此,本发明目的是提供一种基于车辆路面信息的分析系统。
为了解决上述技术问题,本发明的技术方案是:
一种基于车辆路面信息的分析系统,其特征在于:包括路面监控端以及监控无人机,对应每一预设的监控划分区域将路面监控端划分为路面监控组,每一路面监控组至少包括一配置为主监控端的路面监控端以及其他被配置为辅助监控端的路面监控端,所述监控无人机对应主监控端设置;
所述主监控端形成有停机平台、所述停机平台上设置有固定部以及停机通讯模块,所述固定部用于固定对应的监控无人机至所述停机平台,所述停机通讯模块用于和监控无人机进行连接以为监控无人机提供电能以及与监控无人机通讯;
所述主监控端安装有主控制器,所述主控制器包括有指令解析模块、路径规划模块以及任务配置模块;所述主控制器通过无线连接的方式与该路面监控组的其他路面监控端进行通讯以获取其他路面监控端发送的辅助拍摄指令,所述指令解析模块用于解析所述辅助拍摄指令以获得对应的拍摄物坐标以及目标任务特征;所述路径规划模块根据拍摄物坐标生成拍摄执行路径;所述任务配置模块配置有任务调取库,所述任务调取库存储有若干拍摄子任务以及调取子任务,所述拍摄子任务和调取子任务均以拍摄任务特征为索引,所述任务配置模块根据获取的目标任务特征获取对应的拍摄子任务和调取子任务;
所述的辅助监控端具有悬停通讯模块,所述悬停通讯模块用于和监控无人机进行连接以与监控无人机进行通讯;
所述监控无人机被配置为根据拍摄执行路径依次执行对应的拍摄子任务。
进一步地,所述监控无人机配置有拍摄任务模块,所述拍摄任务模块响应于拍摄子任务以控制监控无人机动作,所述拍摄子任务配置若干拍摄子项,每一拍摄子项对应有拍摄画面特征,所述拍摄任务模块从监控无人机的拍摄画面中根据拍摄子项提取对应的拍摄画面特征直至完成对应的拍摄子任务。
进一步地,所述调取子任务配置有若干调取子项,所述监控无人机配置有拍摄任务模块,每一调取子项的初始状态被配置为执行态并标记有对应的切换条件,当监控无人机在执行拍摄子任务时获取的拍摄画面特征符合对应的切换条件时,将调取子项的执行态切换为验证态;
当一调取子项被配置为执行态时,对应的辅助监控端将摄像画面信息发送至对应的监控无人机;当一调取子项被配置为验证态时,执行对应的验证子策略以通过摄像画面信息验证所述拍摄画面特征,并计算拍摄画面特征对应的验证可靠值。
进一步地,所述监控无人机配置有调取解析模块,每一所述调取子任务包括有任务特征,所述调取解析模块配置有调取解析策略,所述调取解析策略用于根据拍摄画面特征生成每一调取子任务的提取线索索引以及调取任务目标,所述调取任务目标对应于路面监控端,调取规划模块根据调取任务目标对应的位置生成调取执行路径,所述监控无人机被配置为根据调取执行路径依次执行对应的调取子任务;
当所述监控无人机执行所述调取子任务时,根据提取线索索引生成筛选子策略,所述路面监控端根据筛选子策略筛选对应的摄像画面信息。
进一步地,所述提取线索索引包括有时点索引、形状索引以及色域索引;所述调取解析模块配置有类型解析库,所述类型解析库存储有拍摄物类型,每一拍摄物类型对应有相对最优时点,所述调取解析模块根据拍摄画面特征匹配对应的拍摄物类型以获取相对最优时点生成所述的时点索引;所述解析调取模块从拍摄画面特征中提取若干形状要素以生成所述形状索引,所述解析调取模块根从拍摄画面特征中提取若干色域要素以生成色域索引。
进一步地,所述筛选子策略包括
步骤X1、以第一预设时间间隔从摄像画面信息中提取画面帧图像;
步骤X2、通过预设的图像筛选算法计算画面帧图像的综合筛选值,所述图像筛选算法配置为,其中,/>为综合筛选值,/>为预设的时点权重,/>为预设的形状权重,/>为预设的色域权重,有,/>为预设的时点映射函数,反映时点时距与时距筛选值的映射关系,为当前画面帧图像对应的时刻,/>为最优时点,/>为预设的形状映射函数,反映形状相似值与形状筛选值的映射关系,/>为当前画面帧图像中与第/>个形状要素的相似度,/>为第/>个形状要素预设的基准相似权值,/>为与当前帧图像具有相似关系的形状要素的总数,/>为预设的时点映射函数,反映色域相关值与色域筛选值的映射关系,/>为当前画面帧图像中与第/>个色域要素的重合区域的面积,/>为当前画面帧图像中与第/>个色域要素的平均色值偏差,/>为与当前帧图像具有相似关系的色域要素的总数;
步骤X3、筛选综合筛选值为高于预设的上限阈值的画面帧图像为重标记图像,筛选综合筛选值低于预设的下限阈值的画面帧图像为轻标记图像;
步骤X4、确定间隔最远的两个重标记图像为新筛选区间,在新筛选区间对应的摄像画面信息中提取画面帧图像,且保证提取的画面帧图像的帧数不变;
步骤X5、判断新筛选区间是否小于预设的基准区间值,若小于则提取新筛选区间则完成循环,反之,进入步骤X6;
步骤X6、通过预设的增量因子提高上限阈值和下限阈值,并返回步骤X2。
进一步地,所述的切换条件包括若干特征条件子项,每一特征条件子项具有对应的拍摄画面特征,当对应拍摄画面特征的画面置信值大于预设的基准置信值时,视为满足所述切换条件,有,其中/>为基准置信值,表示拍摄画面特征对应的画面区域模型函数,/>表示该拍摄画面特征对应的基准特征对应的画面模型函数,/>为拍摄画面特征对应的监控无人机的缩放偏差比例,/>为拍摄画面特征对应的面域对应基准特征的面域重合度。
进一步地,所述监控无人机包括图像拼接模块,所述图像拼接模块根据拍摄子任务和调取子任务获得的图像进行拼接以获得目标物图像。
进一步地,所述停机通讯模块包括有停机通讯接口,所述停机通讯接口通过有线通讯与监控无人机进行通讯,所述停机通讯接口形成有供电端,所述停机通讯模块通过供电端给监控无人机提供电能;
所述悬停通讯模块通配置为IrDA数据传输模块。
进一步地,所述固定部包括有若干磁性线圈以及伸出机构,所述磁性线圈设置在预先开设于停机平台形成的固定凹槽中,所述固定凹槽和监控无人机底部的支撑杆适配,所述伸出机构设置在固定凹槽中,所述伸出机构用于将所述支撑杆锁定于所述固定凹槽;所述支撑杆上设置有若干磁铁定位点,所述磁性线圈工作时吸合所述磁铁定位点。
本发明技术效果主要体现在以下方面:通过这样设置,当需要进行补充拍摄时,通过控制无人机工作就可以完成响应的补充拍摄,这样拍摄提高了拍摄效率,同时保证了拍摄的质量和可靠性,能够提供的拍摄角度更加灵活,使得路面信息的呈现角度更加丰富,同时也不会造成较大的数据冗余和传输成本。
附图说明
图1:本发明一种基于车辆路面信息的分析系统的路面设置示意图;
图2:本发明一种基于车辆路面信息的分析系统的无人机飞行路径规划示意图;
图3:本发明一种基于车辆路面信息的分析系统的无人机停机结构示意图;
图4:本发明一种基于车辆路面信息的分析系统的系统架构原理图。
附图标记:1、监控划分区域;10、主监控端;110、固定部;111、磁性线圈;112、伸出机构;120、停机平台;121、固定凹槽;131、停机通讯接口;20、辅助监控端;30、监控无人机;310、支撑杆;311、磁铁定位点;321、无人机通讯接口;2、拍摄物坐标;411、指令解析模块;412、路径规划模块;413、任务配置模块;414、停机通讯模块;421、悬停通讯模块;431、拍摄任务模块;432、调取解析模块;433、图像拼接模块。
具体实施方式
以下结合附图,对本发明的具体实施方式作进一步详述,以使本发明技术方案更易于理解和掌握。
一种基于车辆路面信息的分析系统,包括路面监控端以及监控无人机30,首先路面监控端即设置在交通道路上的交通摄像头所在的终端,其一般而言具备外扩的模组,通过外扩模组可以在不增加交通摄像头数量的情况下,获取路面的具体图像画面,支撑后续的路面信息异常情况的识别,而本发明的区别在于,对应每一预设的监控划分区域1将路面监控端划分为路面监控组,也就是将相邻或者相近的监控区域进行划分,监控区域可以按照道路范围进行划分,一般而言,目前路面的监控一般设置在路口处,所以监控区域是对路段或者路段的集合进行划分,而且,同一路面监控端可以被划分至不同的路面监控组,也就是说监控划分区域1之间可以有交集,而每一路面监控组至少包括一配置为主监控端10的路面监控端以及其他被配置为辅助监控端20的路面监控端,所述监控无人机30对应主监控端10设置,主监控端10的作用是用于图像处理,无人机的停放和充电,大量监控数据的传输,辅助监控端20则是需要进行通讯交互,从而从辅助监控端20获取视频画面信息,或向辅助监控端20发送分析相关的指令。
首先对本发明的硬件基础支持部分进行介绍,需要说明的是,能够实现本发明技术构思的硬件构建的逻辑有很多,再此不做局限,具体为所述主监控端10形成有停机平台120、所述停机平台120上设置有固定部110以及停机通讯模块414,所述固定部110用于固定对应的监控无人机30至所述停机平台120,所述停机通讯模块414用于和监控无人机30进行连接以为监控无人机30提供电能以及与监控无人机30通讯;所述固定部110包括有若干磁性线圈111以及伸出机构112,所述磁性线圈111设置在预先开设于停机平台120形成的固定凹槽121中,所述固定凹槽121和监控无人机30底部的支撑杆310适配,所述伸出机构112设置在固定凹槽121中,所述伸出机构112用于将所述支撑杆310锁定于所述固定凹槽121;所述支撑杆310上设置有若干磁铁定位点311,所述磁性线圈111工作时吸合所述磁铁定位点311。所述停机通讯模块414包括有停机通讯接口131,所述停机通讯接口131通过有线通讯与监控无人机30的无人机通讯接口321进行通讯,所述停机通讯接口131形成有供电端,所述停机通讯模块414通过供电端给监控无人机30提供电能;首先主监控端10有几大作用,其一是保证通讯的稳定性,因为主监控端10需要从监控无人机30中获取监控无人机30获得的画面信息,所以视频数据如果要保证较高的清晰度,需要通过稳定的接口进行传输,所以主监控端10需要保证监控无人机30可以和主监控端10进行稳定通讯,其二是保证监控无人机30的电量能够得到补充,同样也是需要实现监控无人机30和主监控端10进行触点接触,而要保证触点的接触,监控无人机30通过图像识别的方式实现起落接口对接是难度较大的,因为要保证接口接触是需要达到毫米级的固定,但是显然图像识别和无人机的控制精度无法达到上述要求,所以就需要固定部110的辅助,第三无人机是长时间停在停机平台120上,所以需要进行固定,所以基于以上原因设置了固定部110,首先监控无人机30的底部会有若干个支撑杆310,所以悬停时,监控无人机30可以通过图像识别技术将自身停入固定凹槽121中,而停入后,停机平台120检测到监控无人机30,然后启动磁性线圈111,而在支撑杆310上预先设置有若干个磁性定位点,所以启动线圈工作时会产生磁场,从而将监控无人机30移动至磁性定位点对应的位置,而由于监控无人机30的通讯接口(具备一定的自由度)此时正好与停机平台120上的通讯接口接触,优选的,在监控无人机30的通讯接口和停机平台120的通讯接口上设置磁铁,实现接口的固定。
所述的辅助监控端20具有悬停通讯模块421,所述悬停通讯模块421用于和监控无人机30进行连接以与监控无人机30进行通讯;
所述悬停通讯模块421通配置为IrDA数据传输模块。通过红外在1米内的距离进行短距通讯,传输速度最快可达到16Mbps,通信介质为波长900nm左右的近红外线。其传输具有小角度、短距离、直线数据传输、保密性强及传输速率较高等特点,适于传输大容量的文件和多媒体数据。并且无需申请频率的使用权,成本低廉。IrDA已被全球范围内的众多厂商采用,目前主流的软硬件平台均提供对它的支持。IrDA的不足在于它是一种视距传输,2个相互通信的设备之间必须对准,中间不能被其他物体阻隔,而且只适合2台设备之间的连接。IrDA目前的研究方向是如何解决视距传输问题及提高数据传输率。而在通讯附近位置是不会有遮挡,所以其可以保证讯号的传输,需要说明是的,主监控端10之所以设置的和辅助监控端20不同,是因为外置一个悬停通讯模块421对原有监控端的改动不会太大,不会产生较大的成本。而主监控端10如果有改动上的难点,可以直接制造一个新的主监控端10在对应的监控位置以替代原有的主监控端10。另一方面悬停配合是通过无人机悬停位置的调整直至通讯建立连接。而位于一个分组的监控端都可以和主监控端10进行通讯,需要额外的设置远距离无线通讯模块完成。
所述监控无人机30被配置为根据拍摄执行路径依次执行对应的拍摄子任务。
所述主监控端10安装有主控制器,所述主控制器包括有指令解析模块411、路径规划模块412以及任务配置模块413;所述主控制器通过无线连接的方式与该路面监控组的其他路面监控端进行通讯以获取其他路面监控端发送的辅助拍摄指令,辅助拍摄指令是指某一监控端拍摄到的视频出现异常,例如车祸等险情或者是路面信息发生变化,出现了遗留物等情况,亦或是摄像头被遮挡等情况都会发送辅助拍摄指令,以上信息的识别在交通技术领域已经广泛应用,再此不做赘述,或者辅助拍摄指令是正常巡检需要,所述指令解析模块411用于解析所述辅助拍摄指令以获得对应的拍摄物坐标2以及目标任务特征,由于异常情况或者巡检情况都有拍摄物坐标2,这个坐标是绝对坐标,也就是表示拍摄物相对于整个划分区域的坐标位置;所述路径规划模块412根据拍摄物坐标2生成拍摄执行路径,由于拍摄物坐标2已知,所以根据坐标进行位置规划,其原则是能够尽可能全的围绕拍摄物,在可靠的飞行区间飞行,同时路径经过对应发送请求的辅助监控端20的坐标,而目标任务特征是指辅助监控端20分析的结果,例如分析结果为任务例一、交通事故。任务例二、路面上有遗留物;所述任务配置模块413配置有任务调取库,所述任务调取库存储有若干拍摄子任务以及调取子任务,所述拍摄子任务和调取子任务均以拍摄任务特征为索引,所述任务配置模块413根据获取的目标任务特征获取对应的拍摄子任务和调取子任务;如果是任务例一、则拍摄子任务是拍摄车辆外观、拍摄碰撞位置、拍摄车辆损坏位置、拍摄占道情况、拍摄车辆车牌信息等,而调取子任务则拍摄车辆在碰撞前是否有违例情况、车辆车速,碰撞前是否有刹车等情况,当然调取子任务也可以包括拍摄碰撞位置、拍摄车辆外观等内容。如果是任务例二、则拍摄子任务包括拍摄遗留物外观、拍摄遗留物占道情况、拍摄遗留物密度和数量等,调取子任务拍摄遗留物的车辆外观、车牌等情况。所以通过拍摄任务特征就可以索引到对应的拍摄任务。
具体,所述监控无人机30配置有拍摄任务模块431,所述拍摄任务模块431响应于拍摄子任务以控制监控无人机30动作,所述拍摄子任务配置若干拍摄子项,每一拍摄子项对应有拍摄画面特征,所述拍摄任务模块431从监控无人机30的拍摄画面中根据拍摄子项提取对应的拍摄画面特征直至完成对应的拍摄子任务。每个拍摄子项的完成需要基于标准判断,例如对车辆外观,那么在飞完拍摄路径时,查看是否能够获得完整外观,则判断是否完成该拍摄子任务。也就是拍摄画面特征是否达到对应的拍摄子任务的要求,如果没有完成,则判断为任务失败。
前述所知,由于拍摄任务的完成具有不确定性,同时调取子任务和拍摄子任务之间具有重复任务,所以所述调取子任务配置有若干调取子项,所述监控无人机配置有拍摄任务模块,每一调取子项的初始状态被配置为执行态并标记有对应的切换条件,当监控无人机在执行拍摄子任务时获取的拍摄画面特征符合对应的切换条件时,将调取子项的执行态切换为验证态;所述的切换条件包括若干特征条件子项,每一特征条件子项具有对应的拍摄画面特征,当对应拍摄画面特征的画面置信值大于预设的基准置信值时,视为满足所述切换条件,有,其中/>为基准置信值,表示拍摄画面特征对应的画面区域模型函数,/>表示该拍摄画面特征对应的基准特征对应的画面模型函数,/>为拍摄画面特征对应的监控无人机的缩放偏差比例,/>为拍摄画面特征对应的面域对应基准特征的面域重合度。通过判断拍摄画面特征是否满足切换子条件,从而切换调取子项的状态,减小图像信息传输的大小。
当一调取子项被配置为执行态时,对应的辅助监控端20将摄像画面信息发送至对应的监控无人机30;当一调取子项被配置为验证态时,执行对应的验证子策略以通过摄像画面信息验证所述拍摄画面特征,并计算拍摄画面特征对应的验证可靠值。调取子任务的目标是调取对应的图像信息,所以为了保证传输效率,尽可能需要减少传输的量,所以分析是通过在监控端自行进行,决定要传输的内容,具体是,无人机飞到对应的监控端时,将指令发送到监控端,监控端根据这些拍摄画面特征进行验证,如果验证通过,则不需要重复传输画面,因为信息已经经过验证,而如果是执行态的调取子项,则需要确定对应的调取的内容,这个分析的过程也是在监控端实现。具体如下:
所述监控无人机30配置有调取解析模块432,每一所述调取子任务包括有任务特征,所述调取解析模块432配置有调取解析策略,所述调取解析策略用于根据拍摄画面特征生成每一调取子任务的提取线索索引以及调取任务目标,所述调取任务目标对应于路面监控端,调取规划模块根据调取任务目标对应的位置生成调取执行路径,所述监控无人机30被配置为根据调取执行路径依次执行对应的调取子任务;由于在拍摄时,无人机可以根据线索索引,确定对应的调取任务的目标,一般而言是根据目标的位置,确定可能拍摄到的监控端,因为无人机可以运动,所以对目标的位置判断更加准确,所以确定完目标后,根据最优的路径规划实现路线的安排,从而完成调取的工作。
所述提取线索索引包括有时点索引、形状索引以及色域索引;所述调取解析模块432配置有类型解析库,所述类型解析库存储有拍摄物类型,每一拍摄物类型对应有相对最优时点,所述调取解析模块432根据拍摄画面特征匹配对应的拍摄物类型以获取相对最优时点生成所述的时点索引,比如说根据碰撞的情况,最优时点是5分钟前;所述解析调取模块从拍摄画面特征中提取若干形状要素以生成所述形状索引,例如可以根据具有特征的形状,完成快速的检索,所述解析调取模块根从拍摄画面特征中提取若干色域要素以生成色域索引,例如可以根据具有特征的颜色区域,完成快速的检索。
当所述监控无人机30执行所述调取子任务时,根据提取线索索引生成筛选子策略,所述路面监控端根据筛选子策略筛选对应的摄像画面信息。
所述筛选子策略包括
步骤X1、以第一预设时间间隔从摄像画面信息中提取画面帧图像;
步骤X2、通过预设的图像筛选算法计算画面帧图像的综合筛选值,所述图像筛选算法配置为,其中,/>为综合筛选值,/>为预设的时点权重,/>为预设的形状权重,/>为预设的色域权重,有,/>为预设的时点映射函数,反映时点时距与时距筛选值的映射关系,例如间隔的时间跨度越集中影响越大,也就是说如果最优的时间是5:44:32,那么距离其1分钟所有的监控视频的意义大于距离其1小时的视频的意义,而距离2小时的视频的意义与距离1小时的视频意义差别不大,所以通过这种预设映射函数可以对时距定义影响度,以下的映射函数同理,不做赘述,/>为当前画面帧图像对应的时刻,/>为最优时点,/>为预设的形状映射函数,反映形状相似值与形状筛选值的映射关系,/>为当前画面帧图像中与第/>个形状要素的相似度,/>为第/>个形状要素预设的基准相似权值,/>为与当前帧图像具有相似关系的形状要素的总数,/>为预设的时点映射函数,反映色域相关值与色域筛选值的映射关系,/>为当前画面帧图像中与第/>个色域要素的重合区域的面积,/>为当前画面帧图像中与第/>个色域要素的平均色值偏差,/>为与当前帧图像具有相似关系的色域要素的总数;相似关系是指监控视频中的图像的一块区域和无人机的要素相似度高于预设的基准,则这一帧和要素之间具有相似关系。
步骤X3、筛选综合筛选值为高于预设的上限阈值的画面帧图像为重标记图像,筛选综合筛选值低于预设的下限阈值的画面帧图像为轻标记图像;
步骤X4、确定间隔最远的两个重标记图像为新筛选区间,在新筛选区间对应的摄像画面信息中提取画面帧图像,且保证提取的画面帧图像的帧数不变;也就是采集的间隔逐渐减小。
步骤X5、判断新筛选区间是否小于预设的基准区间值,若小于则提取新筛选区间则完成循环,反之,进入步骤X6;这样可以保证传输的视频时长较短,数据大小可以控制。
步骤X6、通过预设的增量因子提高上限阈值和下限阈值,并返回步骤X2。通过上述策略的设置可以保证监控端可以快速锁定需要的画面的时段,从而将画面进行回传,利用无人机已经拍摄到的具体画面的特征要素,对监控端的视频进行快速检索,提高响应效率,避免数据量较大的引入。通过这种方式,无人机和辅助监控端20不需要太多的数据传输,就可以完成调取任务。
所述监控无人机30包括图像拼接模块433,所述图像拼接模块433根据拍摄子任务和调取子任务获得的图像进行拼接以获得目标物图像。由于监控端的位置已知,无人机的位置已知,所以通过图像拼接算法可以对图像进行还原,便于分析具体情况。
当然,以上只是本发明的典型实例,除此之外,本发明还可以有其它多种具体实施方式,凡采用等同替换或等效变换形成的技术方案,均落在本发明要求保护的范围之内。
Claims (10)
1.一种基于车辆路面信息的分析系统,其特征在于:包括路面监控端以及监控无人机,对应每一预设的监控划分区域将路面监控端划分为路面监控组,每一路面监控组至少包括一配置为主监控端的路面监控端以及其他被配置为辅助监控端的路面监控端,所述监控无人机对应主监控端设置;
所述主监控端形成有停机平台、所述停机平台上设置有固定部以及停机通讯模块,所述固定部用于固定对应的监控无人机至所述停机平台,所述停机通讯模块用于和监控无人机进行连接以为监控无人机提供电能以及与监控无人机通讯;
所述主监控端安装有主控制器,所述主控制器包括有指令解析模块、路径规划模块以及任务配置模块;所述主控制器通过无线连接的方式与该路面监控组的其他路面监控端进行通讯以获取其他路面监控端发送的辅助拍摄指令,所述指令解析模块用于解析所述辅助拍摄指令以获得对应的拍摄物坐标以及目标任务特征;所述路径规划模块根据拍摄物坐标生成拍摄执行路径;所述任务配置模块配置有任务调取库,所述任务调取库存储有若干拍摄子任务以及调取子任务,所述拍摄子任务和调取子任务均以拍摄任务特征为索引,所述任务配置模块根据获取的目标任务特征获取对应的拍摄子任务和调取子任务;
所述的辅助监控端具有悬停通讯模块,所述悬停通讯模块用于和监控无人机进行连接以与监控无人机进行通讯;
所述监控无人机被配置为根据拍摄执行路径依次执行对应的拍摄子任务。
2.如权利要求1所述的一种基于车辆路面信息的分析系统,其特征在于:所述监控无人机配置有拍摄任务模块,所述拍摄任务模块响应于拍摄子任务以控制监控无人机动作,所述拍摄子任务配置若干拍摄子项,每一拍摄子项对应有拍摄画面特征,所述拍摄任务模块从监控无人机的拍摄画面中根据拍摄子项提取对应的拍摄画面特征直至完成对应的拍摄子任务。
3.如权利要求2所述的一种基于车辆路面信息的分析系统,其特征在于:所述调取子任务配置有若干调取子项,所述监控无人机配置有拍摄任务模块,每一调取子项的初始状态被配置为执行态并标记有对应的切换条件,当监控无人机在执行拍摄子任务时获取的拍摄画面特征符合对应的切换条件时,将调取子项的执行态切换为验证态;
当一调取子项被配置为执行态时,对应的辅助监控端将摄像画面信息发送至对应的监控无人机;当一调取子项被配置为验证态时,执行对应的验证子策略以通过摄像画面信息验证所述拍摄画面特征,并计算拍摄画面特征对应的验证可靠值。
4.如权利要求3所述的一种基于车辆路面信息的分析系统,其特征在于:所述监控无人机配置有调取解析模块,每一所述调取子任务包括有任务特征,所述调取解析模块配置有调取解析策略,所述调取解析策略用于根据拍摄画面特征生成每一调取子任务的提取线索索引以及调取任务目标,所述调取任务目标对应于路面监控端,调取规划模块根据调取任务目标对应的位置生成调取执行路径,所述监控无人机被配置为根据调取执行路径依次执行对应的调取子任务;
当所述监控无人机执行所述调取子任务时,根据提取线索索引生成筛选子策略,所述路面监控端根据筛选子策略筛选对应的摄像画面信息。
5.如权利要求4所述的一种基于车辆路面信息的分析系统,其特征在于:所述提取线索索引包括有时点索引、形状索引以及色域索引;所述调取解析模块配置有类型解析库,所述类型解析库存储有拍摄物类型,每一拍摄物类型对应有相对最优时点,所述调取解析模块根据拍摄画面特征匹配对应的拍摄物类型以获取相对最优时点生成所述的时点索引;所述解析调取模块从拍摄画面特征中提取若干形状要素以生成所述形状索引,所述解析调取模块根从拍摄画面特征中提取若干色域要素以生成色域索引。
6.如权利要求5所述的一种基于车辆路面信息的分析系统,其特征在于:所述筛选子策略包括
步骤X1、以第一预设时间间隔从摄像画面信息中提取画面帧图像;
步骤X2、通过预设的图像筛选算法计算画面帧图像的综合筛选值,所述图像筛选算法配置为,其中,/>为综合筛选值,/>为预设的时点权重,/>为预设的形状权重,/>为预设的色域权重,有/>,/>为预设的时点映射函数,反映时点时距与时距筛选值的映射关系,/>为当前画面帧图像对应的时刻,/>为最优时点,/>为预设的形状映射函数,反映形状相似值与形状筛选值的映射关系,/>为当前画面帧图像中与第/>个形状要素的相似度,/>为第/>个形状要素预设的基准相似权值,/>为与当前帧图像具有相似关系的形状要素的总数,/>为预设的时点映射函数,反映色域相关值与色域筛选值的映射关系,/>为当前画面帧图像中与第/>个色域要素的重合区域的面积,/>为当前画面帧图像中与第/>个色域要素的平均色值偏差,/>为与当前帧图像具有相似关系的色域要素的总数;
步骤X3、筛选综合筛选值为高于预设的上限阈值的画面帧图像为重标记图像,筛选综合筛选值低于预设的下限阈值的画面帧图像为轻标记图像;
步骤X4、确定间隔最远的两个重标记图像为新筛选区间,在新筛选区间对应的摄像画面信息中提取画面帧图像,且保证提取的画面帧图像的帧数不变;
步骤X5、判断新筛选区间是否小于预设的基准区间值,若小于则提取新筛选区间则完成循环,反之,进入步骤X6;
步骤X6、通过预设的增量因子提高上限阈值和下限阈值,并返回步骤X2。
7.如权利要求3所述的一种基于车辆路面信息的分析系统,其特征在于:所述的切换条件包括若干特征条件子项,每一特征条件子项具有对应的拍摄画面特征,当对应拍摄画面特征的画面置信值大于预设的基准置信值时,视为满足所述切换条件,有,其中/>为基准置信值,/>表示拍摄画面特征对应的画面区域模型函数,/>表示该拍摄画面特征对应的基准特征对应的画面模型函数,/>为拍摄画面特征对应的监控无人机的缩放偏差比例,/>为拍摄画面特征对应的面域对应基准特征的面域重合度。
8.如权利要求1所述的一种基于车辆路面信息的分析系统,其特征在于:所述监控无人机包括图像拼接模块,所述图像拼接模块根据拍摄子任务和调取子任务获得的图像进行拼接以获得目标物图像。
9.如权利要求1所述的一种基于车辆路面信息的分析系统,其特征在于:所述停机通讯模块包括有停机通讯接口,所述停机通讯接口通过有线通讯与监控无人机进行通讯,所述停机通讯接口形成有供电端,所述停机通讯模块通过供电端给监控无人机提供电能;
所述悬停通讯模块通配置为IrDA数据传输模块。
10.如权利要求1所述的一种基于车辆路面信息的分析系统,其特征在于:所述固定部包括有若干磁性线圈以及伸出机构,所述磁性线圈设置在预先开设于停机平台形成的固定凹槽中,所述固定凹槽和监控无人机底部的支撑杆适配,所述伸出机构设置在固定凹槽中,所述伸出机构用于将所述支撑杆锁定于所述固定凹槽;所述支撑杆上设置有若干磁铁定位点,所述磁性线圈工作时吸合所述磁铁定位点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311110010.6A CN116828298B (zh) | 2023-08-31 | 2023-08-31 | 一种基于车辆路面信息的分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311110010.6A CN116828298B (zh) | 2023-08-31 | 2023-08-31 | 一种基于车辆路面信息的分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116828298A true CN116828298A (zh) | 2023-09-29 |
CN116828298B CN116828298B (zh) | 2024-01-02 |
Family
ID=88127842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311110010.6A Active CN116828298B (zh) | 2023-08-31 | 2023-08-31 | 一种基于车辆路面信息的分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116828298B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3349086A1 (en) * | 2017-01-17 | 2018-07-18 | Thomson Licensing | Method and device for determining a trajectory within a 3d scene for a camera |
CN108597225A (zh) * | 2018-05-03 | 2018-09-28 | 张梦雅 | 智能道路交通监控系统及其监控方法 |
KR102167414B1 (ko) * | 2020-04-27 | 2020-10-19 | 이한구 | 드론을 이용한 교통법규 위반차량 단속 서비스 제공 시스템 및 방법 |
CN113691774A (zh) * | 2021-08-02 | 2021-11-23 | 深圳市航顺芯片技术研发有限公司 | 一种可移动监控设备、平台、系统和方法 |
CN113743226A (zh) * | 2021-08-05 | 2021-12-03 | 武汉理工大学 | 一种日间前车灯语识别及预警方法及系统 |
-
2023
- 2023-08-31 CN CN202311110010.6A patent/CN116828298B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3349086A1 (en) * | 2017-01-17 | 2018-07-18 | Thomson Licensing | Method and device for determining a trajectory within a 3d scene for a camera |
CN108597225A (zh) * | 2018-05-03 | 2018-09-28 | 张梦雅 | 智能道路交通监控系统及其监控方法 |
KR102167414B1 (ko) * | 2020-04-27 | 2020-10-19 | 이한구 | 드론을 이용한 교통법규 위반차량 단속 서비스 제공 시스템 및 방법 |
CN113691774A (zh) * | 2021-08-02 | 2021-11-23 | 深圳市航顺芯片技术研发有限公司 | 一种可移动监控设备、平台、系统和方法 |
CN113743226A (zh) * | 2021-08-05 | 2021-12-03 | 武汉理工大学 | 一种日间前车灯语识别及预警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116828298B (zh) | 2024-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3876213B1 (en) | Traffic monitoring method, apparatus, device and storage medium | |
CN113240909B (zh) | 车辆监测方法、设备、云控平台和车路协同系统 | |
Xu et al. | Power line-guided automatic electric transmission line inspection system | |
CN106249750A (zh) | 自主式无人驾驶飞行器决策 | |
CN106875707A (zh) | 一种针对应急交通场景的空中交警系统 | |
KR102163208B1 (ko) | 하이브리드 무인교통 감시시스템 및 그 방법 | |
CN113793297A (zh) | 位姿确定方法、装置、电子设备及可读存储介质 | |
CN111627256A (zh) | 无人机控制方法、车载终端及计算机可读存储介质 | |
CN115661965B (zh) | 一种融合自动机场的公路无人机智能巡检系统 | |
CN111524350B (zh) | 车路协同异常行驶状况检测方法、系统、终端设备及介质 | |
CN111477011A (zh) | 一种用于道路路口预警的检测装置及检测方法 | |
CN113034828A (zh) | 基于嵌入式计算终端实现目标检测和识别系统及布设方法 | |
CN116343514A (zh) | 一种用于无人驾驶的车辆调度管理方法及系统 | |
CN116828298B (zh) | 一种基于车辆路面信息的分析系统 | |
CN113792106A (zh) | 道路的状态更新方法、装置、电子设备及存储介质 | |
CN116242833A (zh) | 机场跑道病害检测与预警系统 | |
CN116580551A (zh) | 车辆驾驶行为评估方法、装置、设备及存储介质 | |
CN115601738A (zh) | 停车信息获取方法、装置、设备、存储介质及程序产品 | |
CN112285734B (zh) | 基于道钉的港口无人集卡高精度对准方法及其对准系统 | |
CN111583670B (zh) | 一种利用无人机监测超速行车的方法、监测系统及无人机 | |
Al-Naima et al. | Vehicle location system based on RFID | |
CN114373152A (zh) | 道路违规识别的方法、装置、电子设备及存储介质 | |
CN114387533A (zh) | 道路违规识别的方法、装置、电子设备及存储介质 | |
CN110472713A (zh) | 一种车辆信息获取方法 | |
CN115082883A (zh) | 设备身份识别、事件处理方法、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 |