【技术实现步骤摘要】
一种基于车载摄像的道路交通状况检测方法
本专利技术属于深度学习与智能交通领域,具体涉及一种车载摄像的道路交通状况检测方法。
技术介绍
智能交通在迅速发展,应用在汽车领域的技术也在随着快速变革。防撞预警系统主要用于协助驾驶员避免高速、低速追尾,高速中无意识偏离车道,与行人碰撞等重大交通事故。各个研究人员也在投入大量的资源进行研究。在车辆检测与追踪上已经做了大量的工作,对于车辆检测,大多数工作是假定摄像机是静态的。高级辅助驾驶系统主要用于协助驾驶员避免高速、低速追尾,高速中无意识偏离车道,与行人碰撞等重大交通事故。但对于高速公路、乡道以及距离城区较远的道路发生的事故,由于监控摄像头较少,且大多采用固定式拍摄,无法有效地事故监控,指挥交通。驾驶人员与无法及时获取前方道路的交通状况。目前,驾驶人员未将车辆信息共享到云端,在车联网应用场景下,车辆之间能够直接相互通信,获取车辆信息,了解当前的交通状况信息,以便于驾驶人员或具有自动驾驶功能的车辆选择更为适合的驾驶行为和路线。通过汽车上集成的GPS定位,RFID识别,传感器、摄像头和图像处理等电子组件,按照约定的通信协议和数据交互标准,在V2V、V2R、V2I之间,进行无线通信和信息交换的大系统网络。并融合现代通信与网络技术,实现车与人、车、路、后台等智能信息的交换共享,具备复杂的环境感知、智能决策、协同控制和执行等功能。随着人们生活水平和经济收入的不断提高,汽车变成人们负担得起的必需品,道路上行驶的车辆也越来越多,不仅仅是城市交通状况日渐拥堵,而且远离城市区域的道路交通也开始变得 ...
【技术保护点】
1.一种基于车载摄像的道路交通状况检测方法,其特征在于,包括以下步骤:/n步骤1、车载摄像标定:根据单目车载摄像设备的成像原理,车载摄像标定是三维计算机视觉中从二维图像中提取度量信息;/n步骤2、行车道上车辆检测:利用深度学习目标检测算法YOLOv3对行驶在公路的车辆进行检测与识别;/n步骤3、行驶车道检测:利用Hough变换算法,采用直线模型对车道线检测并进行拟合;/n步骤4、车辆统计:根据图像数据在输出的回归边界框的位置及其所属的类别,并判断其所属车道,然后进行逐一统计;/n步骤5、交通估计:根据车辆检测与统计的结果,结合提出一种数学模型的估计行驶路线上的交通状况,道路上的车辆密度可以作为交通系统中交通状况的有效指标,用来描述是道路交通状况,按照上述方法,基于车道信息的车辆计数与坐标变换方法,车道i的可检测距离,记为D
【技术特征摘要】
1.一种基于车载摄像的道路交通状况检测方法,其特征在于,包括以下步骤:
步骤1、车载摄像标定:根据单目车载摄像设备的成像原理,车载摄像标定是三维计算机视觉中从二维图像中提取度量信息;
步骤2、行车道上车辆检测:利用深度学习目标检测算法YOLOv3对行驶在公路的车辆进行检测与识别;
步骤3、行驶车道检测:利用Hough变换算法,采用直线模型对车道线检测并进行拟合;
步骤4、车辆统计:根据图像数据在输出的回归边界框的位置及其所属的类别,并判断其所属车道,然后进行逐一统计;
步骤5、交通估计:根据车辆检测与统计的结果,结合提出一种数学模型的估计行驶路线上的交通状况,道路上的车辆密度可以作为交通系统中交通状况的有效指标,用来描述是道路交通状况,按照上述方法,基于车道信息的车辆计数与坐标变换方法,车道i的可检测距离,记为Dv,i,车道i的上检测与识别到的车辆统计结果,记为Nden,i,确定车道i上的车辆密度,记为Vden,i,车道宽度记为Wlane,Splimit表示道路上受限的行驶速度;表示导致交通状况不佳的最大车辆密度。
2.如权利要求1所述的一种基于车载摄像的道路交通状况检测方法,其特征在于,步骤1是指:
设定三维世界的坐标点为M=[X,Y,Z,1]T,二维相机平面像素坐标为m=[u,v,1]T,车载摄像设备的标定公为式sm=A[Rt]M,其中s为尺度因子,A代表摄像设备的内参数,[Rt]代表外部参数,其中R为旋转矩阵,t为平移向量,[Rt]将点(X,Y,Z)进行坐标变换,这个坐标系相对于摄像机来说是固定不变的,通过对车载摄像进行标定,得到相机参数。
3.如权利要求1所述的一种基于车载摄像的道路交通状况检测方法,其特征在于,步骤2是指:通过车载摄像设备感知周围环境,并记录下来,使用车辆数据集训练的模型,利用基于深度学习的目标检测算法YOLOv3来检测所记录视频中的车辆信息,对视频进行帧提取,逐帧检测与识别图像中的车辆,对预测出的车辆并绘制出boundingboxes。
4.如权利要求1所述的一种基于车载摄像的道路交通状况检测方法,其特征在于,步骤3是指:基于Hough变换特征提取技术,检测具有特定形状的物体,原空间隐射到参数空间,在参数空间中的图像形式根据投票方式所得,定义Hough变换参数定义,rho:距离分辨率,以Hough网格的像素为单位,既直线到图像原点(0,0)点的距离;以Hough网格弧度为单位的角分辨率;threshold:Hough网格单元中的交叉点,根据最小投票数累加器中的值判断是一条直线;min_line_length:组成一行的最小像素数,找出线的最短长度;max_line_gap:可连接线段之间像素的最大间隙,两条直线之间的最大间隔,小于此值,认为是一条直线;
标记出车道线在图像中的位置,对原始图像进行灰度变换、高斯平滑、Canny边缘检测、掩膜处理,得到最终的Hough图像,在单帧图像中,d为道路在图...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。