CN206863950U - 一种基于机器视觉的路况检测装置 - Google Patents
一种基于机器视觉的路况检测装置 Download PDFInfo
- Publication number
- CN206863950U CN206863950U CN201720378255.0U CN201720378255U CN206863950U CN 206863950 U CN206863950 U CN 206863950U CN 201720378255 U CN201720378255 U CN 201720378255U CN 206863950 U CN206863950 U CN 206863950U
- Authority
- CN
- China
- Prior art keywords
- road conditions
- signal processors
- general purpose
- programmable gate
- field programmable
- 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.)
- Expired - Fee Related
Links
Landscapes
- Traffic Control Systems (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本实用新型公开了一种基于机器视觉的路况检测装置，其特征在于：包括行车记录仪、CCD图像传感器、FPGA现场可编程门阵列、DSP通用信号处理器、ARM中央处理器、数据传输模块，所述行车记录仪获取图像，其输出连接于FPGA现场可编程门阵列，所述FPGA现场可编程门阵列负责对图像进行灰度化、滤波去噪预处理，然后所述DSP通用信号处理器进行特征提取、特征匹配、路况估计评级处理，所述ARM中央处理器进行数据的暂时储存，所述数据传输模块通过4G网络将路况信息传输到公交车总部。本实用新型的优点是提供了一种能够对公交车行车路况自动检测的装置，从而提高总部发车的科学性和高效性。
Description
技术领域
本实用新型涉及路况检测领域，具体涉及一种基于机器视觉的路况检测装置。
背景技术
在日常公交车调度中，公交车总部需要根据当前路面状况来控制发车量，而大多数公交车没有检测路面车况并反馈至总部的装置，少数是依靠司机的对讲机交流反馈，可是这种反馈过于主观并且会影响司机的正常驾驶。所以开发一种基于机器视觉的路况检测装置具有重要的社会和经济效益，市场前景广阔。
实用新型内容
为了克服上述技术问题，本实用新型提出一种基于机器视觉的路面状况检测装置，以实现路面车况检测的自动化，从而提高总部发车的科学性和高效性，并且无需额外购置摄像头，节约成本。
本实用新型所采用的技术方案是：
一种基于机器视觉的路况检测装置，包括行车记录仪、CCD图像传感器、FPGA现场可编程门阵列、DSP通用信号处理器、ARM中央处理器、数据传输模块，所述行车记录仪、所述CCD图像传感器、所述FPGA现场可编程门阵列、所述DSP通用信号处理器、所述ARM中央处理器、所述数据传输模块均设有传输线，所述行车记录仪获取图像，其输出连接于FPGA现场可编程门阵列，所述FPGA现场可编程门阵列负责对图像进行灰度化、滤波去噪预处理，其输出连接于所述DSP通用信号处理器，所述DSP通用信号处理器进行特征提取、特征匹配、路况估计评级处理，其连接于所述ARM中央处理器，所述ARM中央处理器进行数据的暂时储存，其连接于所述数据传输模块，所述数据传输模块通过4G网络将路况信息传输到公交车总部。
进一步的，所述行车记录仪安置在公交车前端玻璃窗的顶部。
进一步的，所述FPGA现场可编程门阵列、所述DSP通用信号处理器、所述ARM中央处理器、所述数据传输模块均置于一个暗箱之中。
进一步的，所述特征匹配包括暗箱中的DSP通用信号处理器对视频进行特征提取匹配，先通过图片训练建立车的外观的4个拐角的模板，然后利用所述模板，分别对应车辆的4个拐角，试探图像中所有可能存在的拐角。
进一步的，所述路况估计评级处理包括暗箱中的DSP通用信号处理器对已检测的特征进行评估，检测出潜在目标物所在进行匹配，最终统计车辆数量，根据实际需要的时间间隔选取提取关键帧的间隔，每一幅关键帧所统计的车流量即为道路实时的一个车流量。
附图说明
图1为一种基于机器视觉的路况检测装置检测流程图。
具体实施方式
下面结合实施例及附图对本实用新型作进一步详细的描述，但本实用新型的实施方式不限于此。
一种基于机器视觉的路况检测装置，主要包括行车记录仪、CCD图像传感器、FPGA现场可编程门阵列、DSP通用信号处理器、ARM中央处理器、数据传输模块，行车记录仪、CCD图像传感器、FPGA现场可编程门阵列、DSP通用信号处理器、ARM中央处理器、数据传输模块均设有传输线。行车记录仪安装在公交车前方玻璃的顶端，而其他装置安置于暗箱中。行车记录仪采集的图像传输于FPGA现场可编程门阵列进行预处理，包括灰度化、滤波去噪等步骤，再经由DSP通用信号处理器对图像进一步处理，包括特征提取、特征匹配、路况估计评级，最后将数据保存于ARM中央处理器中，并由数据传输模块通过4G网络发送至公交车总部。
参照图1，图1为一种基于机器视觉的路况检测装置检测流程图，其检测过程主要包括以下步骤：
1、采集图像
由置于公交车顶端的行车记录仪采集一组图像序列，即视频帧，每一帧都是一张图像，由此，视频处理可以转成循环的图像处理。
2、图像前期的预处理
暗箱中的FPGA现场可编程门阵列对视频进行灰度化的处理，变换灰度图像的直方图、并使用滤波去噪以增强图像。
3、特征提取匹配
暗箱中的DSP通用信号处理器对视频进行特征提取匹配。车的外观一般具有类似矩形的4个角，先通过一些图片训练建立4个拐角的模板，然后利用4个拐角模板，分别对应车辆的4个拐角，然后，利用4个模板去试探图像中所有可能存在的拐角。
4、路况评估
暗箱中的DSP通用信号处理器对已检测的特征进行评估。检测出潜在目标物所在进行匹配，最终统计车辆数量。根据实际需要的时间间隔选取提取关键帧的间隔，每一幅关键帧所统计的车流量即为道路实时的一个车流量。
5、数据暂时保存与发送
暗箱中的ARM中央处理器对数据暂时的保存，接着由数据传输模块通过4G网络将路况信息发送至总部。
上述实施例为本实用新型较佳的实施方式，但本实用新型的实施方式并不受上述实施例的限制，其他的任何未背离本实用新型的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本实用新型的保护范围之内。
Claims (5)
1.一种基于机器视觉的路况检测装置，其特征在于：包括行车记录仪、CCD图像传感器、FPGA现场可编程门阵列、DSP通用信号处理器、ARM中央处理器、数据传输模块，所述行车记录仪、所述CCD图像传感器、所述FPGA现场可编程门阵列、所述DSP通用信号处理器、所述ARM中央处理器、所述数据传输模块均设有传输线，所述行车记录仪获取图像，其输出连接于FPGA现场可编程门阵列，所述FPGA现场可编程门阵列负责对图像进行灰度化、滤波去噪预处理，其输出连接于所述DSP通用信号处理器，所述DSP通用信号处理器进行特征提取、特征匹配、路况估计评级处理，其连接于所述ARM中央处理器，所述ARM中央处理器进行数据的暂时储存，其连接于所述数据传输模块，所述数据传输模块通过4G网络将路况信息传输到公交车总部。
2.根据权利要求1所述的一种基于机器视觉的路况检测装置，其特征在于所述行车记录仪安置在公交车前端玻璃窗的顶部。
3.根据权利要求1所述的一种基于机器视觉的路况检测装置，其特征在于所述FPGA现场可编程门阵列、所述DSP通用信号处理器、所述ARM中央处理器、所述数据传输模块均置于一个暗箱之中。
4.根据权利要求1所述的一种基于机器视觉的路况检测装置，其特征在于所述特征匹配包括暗箱中的DSP通用信号处理器对视频进行特征提取匹配，先通过图片训练建立车的外观的4个拐角的模板，然后利用所述模板，分别对应车辆的4个拐角，试探图像中所有可能存在的拐角。
5.根据权利要求4所述的一种基于机器视觉的路况检测装置，其特征在于所述路况估计评级处理包括暗箱中的DSP通用信号处理器对已检测的特征进行评估，检测出潜在目标物所在进行匹配，最终统计车辆数量，根据实际需要的时间间隔选取提取关键帧的间隔，每一幅关键帧所统计的车流量即为道路实时的一个车流量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201720378255.0U CN206863950U (zh) | 2017-04-11 | 2017-04-11 | 一种基于机器视觉的路况检测装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201720378255.0U CN206863950U (zh) | 2017-04-11 | 2017-04-11 | 一种基于机器视觉的路况检测装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN206863950U true CN206863950U (zh) | 2018-01-09 |
Family
ID=60817598
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201720378255.0U Expired - Fee Related CN206863950U (zh) | 2017-04-11 | 2017-04-11 | 一种基于机器视觉的路况检测装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN206863950U (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106991809A (zh) * | 2017-04-11 | 2017-07-28 | 广东工业大学 | 一种基于机器视觉的路况检测装置 |
-
2017
- 2017-04-11 CN CN201720378255.0U patent/CN206863950U/zh not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106991809A (zh) * | 2017-04-11 | 2017-07-28 | 广东工业大学 | 一种基于机器视觉的路况检测装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110909666B (zh) | 一种基于改进型YOLOv3卷积神经网络的夜间车辆检测方法 | |
| CN110533950A (zh) | 车位使用状况的检测方法、装置、电子设备及存储介质 | |
| CN104092988A (zh) | 一种公共场合客流管理方法、装置及系统 | |
| CN110436294A (zh) | 一种电瓶车入电梯检测方法 | |
| CN111582029A (zh) | 一种基于密集连接与注意力机制的交通标志识别方法 | |
| CN107644221A (zh) | 基于参数压缩的卷积神经网络交通标志识别方法 | |
| CN105225281B (zh) | 一种车辆检测方法 | |
| CN111079507B (zh) | 一种行为识别方法及装置、计算机装置及可读存储介质 | |
| CN108388880A (zh) | 一种监测司机开车使用手机的方法及装置 | |
| CN105070094B (zh) | 一种基于机器视觉的车位检测系统及车位检测方法 | |
| CN109784487A (zh) | 用于事件检测的深度学习网络、该网络的训练装置及方法 | |
| CN112446292B (zh) | 一种2d图像显著目标检测方法及系统 | |
| CN104700405A (zh) | 一种前景检测方法和系统 | |
| CN109325409B (zh) | 通行车辆套牌检验平台 | |
| CN202352075U (zh) | 五合一电子警察系统 | |
| CN117152443A (zh) | 一种基于语义前导指引的图像实例分割方法及系统 | |
| CN206863950U (zh) | 一种基于机器视觉的路况检测装置 | |
| CN116311083A (zh) | 一种人群计数模型训练方法及系统 | |
| CN112766353B (zh) | 一种加强局部注意的双分支车辆再识别方法 | |
| CN106991809A (zh) | 一种基于机器视觉的路况检测装置 | |
| CN105631425A (zh) | 基于视频流的车牌识别方法、系统及智能数字摄像机 | |
| CN117636227A (zh) | 基于低光增强策略的输电线路通道智能可视化监测方法 | |
| CN106559635A (zh) | 一种多媒体文件的播放方法及装置 | |
| CN115588130B (zh) | 一种基于域自适应的跨域yolo检测方法 | |
| CN115908618A (zh) | 基于脉冲数据的重构图像生成方法、装置、设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180109 Termination date: 20180411 |