TWI403990B - 一種辨認車道邊界的方法 - Google Patents
一種辨認車道邊界的方法 Download PDFInfo
- Publication number
- TWI403990B TWI403990B TW97150363A TW97150363A TWI403990B TW I403990 B TWI403990 B TW I403990B TW 97150363 A TW97150363 A TW 97150363A TW 97150363 A TW97150363 A TW 97150363A TW I403990 B TWI403990 B TW I403990B
- Authority
- TW
- Taiwan
- Prior art keywords
- closed
- information
- spectrum
- lane
- lane boundary
- Prior art date
Links
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
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
-
- 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
- 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
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land 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
- G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Traffic Control Systems (AREA)
Description
本發明為一種辨認車道邊界的方法,特別是一種以頻率範圍資訊和機率密度函數模型辨認車道邊界的方法。
雷達微波偵測器若要在多車道的環境同時計算各車道的車輛數,需要先建立起車道邊界的資訊,這是件困難的工作。主要原因乃因車輛於不同車道上通過時,微波多多少少會造成鄰近車道產生微波反射的現象,導致無法精確分辨出車道的邊界以得到各車道上的車輛資訊。
在其他雷達微波應用於車道辨識的技術上,於美國專利第US2007/0016359A1號的專利文獻「Method and apparatus for providing automatic lane calibration in a traffic sensor」中,拿大EIS公司所提供的是各車道的中心頻率,假設一個車道約五公尺之寬度,以進行更新與設定。而輸入是利用一輛車通過所產生的位移,位移的計算是以相距最靠近的車道心中頻率與某一瞬間的代表位置的距離來計算,以不斷的進行修正車道的中心頻率的修正。但本技術已將車道寬度固定,並未具有車道寬度之彈性運算,故仍有實際應用的困難。
此外,於美國專利第US6556916B2的專利文獻「System and method for identification of traffic lane positions」,提供了各車道的邊界,輸入值是利用每輛車所通過後,選出一個最
能代表該車的頻率出現位置加上1。且利用所累積出的圖形以進行高斯混合模型的學習,且利用所學習出的谷底以當成車道邊界。
本技術由於以單點位置資訊來代表車輛位置,於計算時可能造成較大的誤差,故亦仍有實際應用的困難。
故在各式的傳統雷達辨識車道的技術上,具有不精確與缺乏彈性之各式缺點,並無法完全適用於辨認車道邊界位置之實際運算。而爲因應之需求,尚需發展辨認車道邊界位置的相關技術,藉以節省人力與時間等成本,且能求得正確之車道寬度。
本發明為一種辨認車道邊界的方法,首先接收微波訊號;並針對微波訊號進行雜訊抑制;利用頻譜資訊計算封閉區間之合理範圍形成頻率範圍資訊;最後,以機率密度函數模型進行頻率範圍資訊的計算,藉以辨認車道邊界。
在本發明中,以電壓訊號作為輸入變數,並進一步透過傅利葉轉換成頻譜訊號。利用車輛通過偵測區域時所反應的累積鋒值,進行適當的修正來找出占用的頻率範圍。如此重複的進行頻率範圍資訊的累積,再利用頻率範圍資訊之間的衝突對累積的圖形作修正。最後,再利用修改過的高斯混合模型以進行學習。倘若兩車道有衝突點,則車道的決定方式是利用衝突點與學習後的結果同時決定;若無衝突,就以學習後的結果以設定邊界。
本發明利用修正高斯混合模型形成可進行自動學習的演算方法,藉以辨認出適當的車道邊界位置。
本發明於使用頻率範圍資訊情況下,可減低於不明車道區域
的誤導判斷情況產生。
本發明可以較快速與較精準之計算方式,辨認車道邊界位置,求得正確之車道寬度。
故而,關於本發明之優點與精神可以藉由以下實施方式及所附圖式得到進一步的瞭解。
本發明藉由提出一種以頻率範圍資訊(Frequency Span Information)和機率密度函數模型,形成可進行自動學習的演算方法,藉以辨認出正確的車道邊界位置。
本發明為一種辨認車道邊界位置的方法,詳細如下列敘述:
如第1圖之較佳實施例流程圖,於標示101所示,首先接收微波訊號,並透過傅利葉轉換將電壓資料轉換成頻譜資料。
接著如第1圖標示102所示,針對頻譜資料進行雜訊抑制處理。
如第1圖標示103所示,利用頻譜資訊計算封閉區間之合理範圍,以形成頻率範圍資訊。
最後如第1圖標示104所示,使用機率密度函數模型對累積的頻率範圍資訊進行計算,藉以辨認車道邊界。
如第1圖標示101所示,於本發明較佳實施例中,首先需接收微波訊號。通常使用雷達(Road-Side Radar Detector)以偵測過往車輛,當車體通過後,即產生電子電路訊號,將電子電路訊號經過轉換後,形成頻率範圍資訊。
前述之頻率範圍資訊主要是在頻譜資訊(Frequency Domain)上找出通過車輛所形成的最小的封閉區間(Closed Interval),
而該封閉區間的選定,是經由統計車輛在各頻譜上所累積鋒值(Peak Count)而形成;即藉由蒐集車輛通過時的時間連續性(Temporal Continuity)資料以形成叢集結果(Clustering Result),並非僅取樣單一的樣本點。換句話說,是以車輛在車道上反應的車道寬度資訊(區間資訊)取代車道的位置資訊(單點資訊)。
第1 (a)表所代表的為小車經過後在各頻譜資訊上的累積鋒值(Peek Count)的統計圖表。於第1 (a)表中,系統轉換出的最小封閉區間為[21, 23],因為在21,23這兩個頻譜上所累積鋒值的數量具代表性,且21與23的距離夠靠近,所以這樣的累積鋒值的直方圖就可以形成[21, 23]這樣的頻率範圍資訊。
而第1 (b)表中,為另一個時間點大車經過後,在各頻譜資訊上的累積鋒值的統計圖表,而第1 (b)表,系統轉換出小封閉區間為[23, 27]。第2表為頻率範圍資訊累積的統計直方圖。
如第1圖之形成頻率範圍資訊流程圖,於標示102中,首先進行雜訊抑制(Noise Reduction)。當車輛經過時會累積車輛鋒值於各頻譜上的次數,當累積鋒值小於一定門檻的頻譜(如小於加總累積鋒值數的5%),則該頻譜上的資訊會予以濾除。
如第1圖標示103中之利用頻譜資訊計算封閉區間之合理範
圍以形成頻率範圍資訊的步驟,其中於計算封閉區間的合理範圍(Legal Set)時,需檢查任兩個有累積鋒值的頻譜間的距離是否小於所設定的門檻值(如1公尺),若不是,則將此兩封閉區間視為不同的封閉區間;若是,則形成一個最小的封閉區間來涵蓋這兩個累積鋒值的頻譜,接著之後,再檢視其他累積鋒值的頻譜與所形成的封閉區域的距離是否小於所設定的門檻值(如1公尺),若是,則形成一個較大的最小封閉區間能同時包含先前所形成的封閉區域與頻譜,直到沒有其他累積鋒值的頻譜可以合併為止。
當完成上述動作,則得檢查所有的封閉區間與單獨存在的頻譜範圍,若是封閉區間或是單獨存在的頻譜範圍小於所設定的門檻值(如1公尺)或是大於限制最大的車道寬度(如5公尺),則刪除此封閉區間與頻譜。
另外,在進行封閉區間距離的比較時會以鄰近封閉區間的邊界進行比較,如[21, 23]與[25, 27]間的距離為2 (25-23)。
本發明透過限制最大的車道寬度(Maximum Extent),例如頻率範圍資訊必須少於正常車道寬度的限制,以過濾出適當的頻率範圍資訊。
由於以單點訊號來代表車道位置,易產生不同車道的不同車種會有相同的表示方式。因此本發明使用頻率範圍資訊,最大的優勢是避免當單點訊號狀況發生時的不利影響,減低不明車道區域的誤導判斷。
接著,本發明會進行衝突資訊處理,來以判別車道邊界調整累積的頻率範圍資訊。第2表為頻率範圍資訊累積的統計直方圖。
進行衝突資訊處理的步驟主要為觀察各頻率範圍資訊的左邊邊界
與右邊邊界是否有重疊,如有相互重疊(Overlap)的現象存則需進行衝突資訊的處理計算。例如第3表所示,頻譜封閉區間23與封閉區間頻譜25會是第2表中就同時為兩個頻率範圍資訊發生衝突的地方,此時本發明認定頻譜封閉區間23與頻譜封閉區間25為衝突資訊,可用來須進行累積的頻率範圍資訊的調整衝突資訊的處理。
衝突資訊是以下列方式進行計算,假設某依頻率範圍資訊其範圍是從位置1到位置r,則L[I
]和R[r
]的計數都會被加上一值。
因此可以形成第3表可以經由下列(1)得到:C i
=min{L
[i
],R
[i
]} (1)
其中C i
表示衝突資訊在於頻譜位置i
的衝突次數。此衝突資訊可以利用下列(2)來調整累積的頻率範圍資訊,如第2圖所示,讓調整後的累積範圍資訊更能反應車道位置。
A i
={A i
-C i
} (2)
接著,進行第1圖標示104所示之以機率密度函數模型進行
頻率範圍資訊計算之步驟,即以修正的高斯混合模型(Gaussian Mixture Model Variant)進行運算,如下列:
其中α1
到αm
表示非負(Non-Negative)的權重,總和為1值,μm
為均值,σm
為M th
的高斯變數值。之後,
│X j
│代表成分j
所擁有的樣本集合大小(Set Size),即
將(5)式到(3)式中,
極大化(6)式,得到(6)式與αj
,μj
,Σj
其中
本發明方法經實際驗證,共計算183輛的路過車輛,如第4表中所示之車輛經過累積統計值,其中包括了摩托車,小型車以及大型車,且共分佈於第1車道至第4車道。
而於第2圖之累積頻率資訊圖與衝突資訊圖,如圖之上端部分,為上述183輛車所累積的頻率範圍資訊,顯示了各個頻譜上的累積次數。在第1車道和第2車道之間,第1個衝突區間(Conflict
Interval)由23至25;而在第3車道和第4車道之間,第2個衝突區間由36至38。但經本發明進行衝突資訊處理後,可以得到更精確的累積頻率範圍資訊。
於第3圖之高斯混合模型運算與高斯混合修正模型的比較圖中,如圖之上端部分,為原始的高斯混合模型的運算結果;如圖之下端部分,為高斯混合修正模型(Gaussian Mixture Models Variant)之結果;兩者經比較後,可得知經高斯混合修正模型運算後,除了可增加收斂速度,更可將每一個成分的變異數降低,以得到更為精準的車道邊界資訊。
本發明利用修正高斯混合模型形成可進行自動學習的演算方法,藉以辨認出適當的車道邊界位置。且於使用頻率範圍資訊情況下,可減低於不明車道區域的誤導判斷情況產生。並以較快速與較精準之計算方式,辨認車道邊界位置,求得正確之車道寬度。
以上所述僅為本發明之較佳實施例而已,並非用以限定本發明之申請專利範圍;凡其它未脫離本發明所揭示之精神下所完成之等效改變或修飾,均應包含在下述之申請專利範圍內。
101‧‧‧接收微波訊號
102‧‧‧進行雜訊抑制
103‧‧‧形成頻率範圍資訊
104‧‧‧進行頻率範圍資訊的計算
第1圖為本發明之較佳實施例流程圖。
第2圖為累積頻率與衝突資訊圖。
第3圖為高斯混合模型運算與高斯混合修正模型的比較圖。
第1 (a)表是經過小車在第一車道在的累積鋒值的直方圖。
第1 (b)表是大車在第二車道的累積鋒值的直方圖。
第2表為衝突資訊表。
第4表為經過車輛累積統計值表。
101‧‧‧接收微波訊號
102‧‧‧進行雜訊抑制
103‧‧‧形成頻率範圍資訊
104‧‧‧進行頻率範圍資訊的計算
Claims (7)
- 一種使用衝突資訊處理辨認車道邊界的方法,至少包含:接收一微波訊號,透過傅利葉轉換轉換一電壓資料成一頻譜資料;進行一雜訊抑制,係針對該微波訊號濾除一不需要的頻譜資訊;利用該頻譜資訊計算一封閉區間之一合理範圍以形成一頻率範圍資訊;檢查兩個封閉區域間的一第一距離是否小於一所設定的門檻值;檢視其他封閉區域的一第二距離是否小於該所設定的門檻值;檢查所有的該封閉區間與一單獨存在的頻譜範圍;進行一衝突資訊處理以調整該頻率範圍資訊;以及以一所累積的該頻率範圍資訊辨認一車道邊界。
- 如申請專利範圍第1項所述之辨認車道邊界的方法,其中檢查兩個封閉區域間的一第一距離是否小於一所設定的門檻值,若不是,則將此兩封閉區間視為不同的封閉區間。
- 如申請專利範圍第1項所述之辨認車道邊界的方法,其中檢視其他封閉區域的一第二距離是否小於該所設定的門檻值,若是,形成最小的該封閉區間。
- 如申請專利範圍第1項所述之辨認車道邊界的方法,其中檢視其他封閉區域的一第二距離是否小於該所設定的門檻值,若是, 則形成一個較大的最小封閉區間能同時包含先前所形成的該封閉區域與該頻譜,直到沒有其他鋒值的頻譜可以合併為止。
- 如申請專利範圍第1項所述之辨認車道邊界的方法,其中檢查所有的該封閉區間與一單獨存在的頻譜範圍,若是封閉區間或是單獨存在的頻譜範圍小於所設定的門檻值或是大於限制最大的車道寬度,則刪除該封閉區間與頻譜。
- 如申請專利範圍第1項所述之辨認車道邊界的方法,其中該進行該衝突資訊處理之步驟至少包含:比較該封閉區間的邊界資訊以得到一衝突資訊。
- 如申請專利範圍第1項所述之辨認車道邊界的方法,其中該進行該衝突資訊處理之步驟至少包含:C i =min{L [i ],R [i ]},其中C i 表示衝突資訊,L [i ],R [i ]係利用累積之頻率範圍資訊所構成。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/318,204 US8116968B2 (en) | 2008-12-23 | 2008-12-23 | Method for identification of traffic lane boundary |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201025214A TW201025214A (en) | 2010-07-01 |
TWI403990B true TWI403990B (zh) | 2013-08-01 |
Family
ID=42267288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW97150363A TWI403990B (zh) | 2008-12-23 | 2008-12-24 | 一種辨認車道邊界的方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US8116968B2 (zh) |
TW (1) | TWI403990B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012008780B4 (de) | 2012-04-28 | 2024-07-25 | Volkswagen Aktiengesellschaft | Verfahren und Einrichtung zur Erfassung wenigstens eines Fahrbahnrandes und Kraftfahrzeug |
US9208682B2 (en) * | 2014-03-13 | 2015-12-08 | Here Global B.V. | Lane level congestion splitting |
US9903947B2 (en) | 2015-08-10 | 2018-02-27 | Deere & Company | Boundary signal detection |
CN105957342B (zh) * | 2016-05-30 | 2018-05-29 | 武汉大学 | 基于众包时空大数据的车道级道路测图方法及系统 |
US10353060B2 (en) * | 2016-12-07 | 2019-07-16 | Raytheon Bbn Technologies Corp. | Detection and signal isolation of individual vehicle signatures |
CN106710245B (zh) * | 2016-12-23 | 2019-06-28 | 西华大学 | 基于密度的快速路多车道匝道控制方法 |
US10942257B2 (en) | 2016-12-31 | 2021-03-09 | Innovusion Ireland Limited | 2D scanning high precision LiDAR using combination of rotating concave mirror and beam steering devices |
US10451716B2 (en) | 2017-11-22 | 2019-10-22 | Luminar Technologies, Inc. | Monitoring rotation of a mirror in a lidar system |
US10663585B2 (en) | 2017-11-22 | 2020-05-26 | Luminar Technologies, Inc. | Manufacturing a balanced polygon mirror |
US11493601B2 (en) | 2017-12-22 | 2022-11-08 | Innovusion, Inc. | High density LIDAR scanning |
CN112292608B (zh) | 2018-02-23 | 2024-09-20 | 图达通智能美国有限公司 | 用于lidar系统的二维操纵系统 |
WO2020013890A2 (en) | 2018-02-23 | 2020-01-16 | Innovusion Ireland Limited | Multi-wavelength pulse steering in lidar systems |
CN112182125B (zh) * | 2020-09-14 | 2022-07-05 | 中国科学院重庆绿色智能技术研究院 | 一种商务集聚区边界识别系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5798983A (en) * | 1997-05-22 | 1998-08-25 | Kuhn; John Patrick | Acoustic sensor system for vehicle detection and multi-lane highway monitoring |
US6556916B2 (en) * | 2001-09-27 | 2003-04-29 | Wavetronix Llc | System and method for identification of traffic lane positions |
US7124027B1 (en) * | 2002-07-11 | 2006-10-17 | Yazaki North America, Inc. | Vehicular collision avoidance system |
US20070016359A1 (en) * | 2005-07-18 | 2007-01-18 | Eis Electronic Integrated Systems Inc. | Method and apparatus for providing automatic lane calibration in a traffic sensor |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5793491A (en) * | 1992-12-30 | 1998-08-11 | Schwartz Electro-Optics, Inc. | Intelligent vehicle highway system multi-lane sensor and method |
WO2005098471A2 (en) * | 2004-04-05 | 2005-10-20 | Weibel Scientific A/S | System and method for radar detection of an object |
DE102004023824B4 (de) * | 2004-05-13 | 2006-07-13 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung und Verfahren zur Beurteilung einer Güteklasse eines zu prüfenden Objekts |
DE102007022372A1 (de) * | 2007-05-07 | 2008-11-13 | Robot Visual Systems Gmbh | Verfahren und Vorrichtung zur Ermittlung der Fahrzeugklasse von Fahrzeugen |
-
2008
- 2008-12-23 US US12/318,204 patent/US8116968B2/en active Active
- 2008-12-24 TW TW97150363A patent/TWI403990B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5798983A (en) * | 1997-05-22 | 1998-08-25 | Kuhn; John Patrick | Acoustic sensor system for vehicle detection and multi-lane highway monitoring |
US6556916B2 (en) * | 2001-09-27 | 2003-04-29 | Wavetronix Llc | System and method for identification of traffic lane positions |
US7124027B1 (en) * | 2002-07-11 | 2006-10-17 | Yazaki North America, Inc. | Vehicular collision avoidance system |
US20070016359A1 (en) * | 2005-07-18 | 2007-01-18 | Eis Electronic Integrated Systems Inc. | Method and apparatus for providing automatic lane calibration in a traffic sensor |
Also Published As
Publication number | Publication date |
---|---|
US20100161204A1 (en) | 2010-06-24 |
US8116968B2 (en) | 2012-02-14 |
TW201025214A (en) | 2010-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI403990B (zh) | 一種辨認車道邊界的方法 | |
CN107591002B (zh) | 一种基于分布式光纤的高速公路交通参数实时估计方法 | |
CN109087510B (zh) | 交通监测方法及装置 | |
CN116644373A (zh) | 基于人工智能的汽车流量数据分析管理系统 | |
CN104408927A (zh) | 一种基于调频连续波雷达的车型分类方法 | |
CN114120127B (zh) | 一种目标检测方法、装置及相关设备 | |
CN115565373B (zh) | 高速公路隧道事故实时风险预测方法、装置、设备及介质 | |
CN114879192A (zh) | 基于路侧毫米波雷达的决策树车型分类方法、电子设备 | |
US11474535B2 (en) | Method of processing data, apparatus for processing data, and system for controlling vehicle | |
CN106296697A (zh) | 一种基于二维滑动窗dft快速计算的图像篡改检验方法 | |
CN113903180B (zh) | 一种高速公路检测车辆超速的方法及系统 | |
CN110413942B (zh) | 车道线方程筛选方法及其筛选模块 | |
CN108399391B (zh) | 一种基于信号带宽特征的无人机信号识别的方法及装置 | |
Xiaoyong et al. | Vehicle class composition identification based mean speed estimation algorithm using single magnetic sensor | |
Corey et al. | Detection and correction of inductive loop detector sensitivity errors by using Gaussian Mixture Models | |
CN117054998A (zh) | 一种基于信息熵背景平稳度的集群目标检测方法和系统 | |
CN110647877A (zh) | 一种基于神经网络的立体交通设施定位纠偏方法及装置 | |
CN103310207B (zh) | 一种基于多高斯模型的助力车检测方法 | |
CN216748058U (zh) | 一种干扰特征参数识别装置 | |
CN114419889A (zh) | 时段划分方法、装置、电子设备及存储介质 | |
CN115187948A (zh) | 一种目标识别方法、装置、电子设备及存储介质 | |
Hua et al. | Track section occupancy detection model based on infrared ray sensor and time-series change rate matching | |
KR101769839B1 (ko) | 영상 및 루프 검지기의 분류 값으로 레이더 검지기를 머신러닝시켜 차량종류의 정확도를 향상시키는 방법 | |
CN112926823B (zh) | 一种智慧交通业务数据检测方法、装置及电子设备 | |
CN117351726B (zh) | 一种高速公路事件预警系统及综合感知方法 |