一种航拍识别的隧道-互通出口小净距速度模型构建方法技术

本发明专利技术提供一种航拍识别的隧道

【技术实现步骤摘要】
一种航拍识别的隧道
‑
互通出口小净距速度模型构建方法


[0001]本专利技术涉及道路交通安全
，具体涉及一种无人机航拍识别的隧道
‑
互通出口小净距速度模型构建方法。

技术介绍

[0002]由于土地资源和用地指标的减小，在高速公路设计中易出现隧道与互通之间净距值不满足规范1000米要求的情况，甚至有的净距值不足200米。隧道
‑
互通出口小净距路段因纵向距离较短，无法满足驾驶人明暗适应，信息识别确认，操作车辆的完整时间需求，使得驾驶人受到心生理方面多重压力，诱发驾驶人做出紧急制动、匝道分流鼻处倒车极度危险驾驶行为。轻则撞至护栏，重则因后车避让不及造成连环相撞事故。
[0003]高速公路设计中虽设计标准较高，且尽量避免出现隧道
‑
互通出口小净距情况。但因高速公路翻越崇山峻岭，常遇到复杂困难的地形地质条件，难免在路段布设时设置时出现互通出入口与其他构造物间距过近的情况。现有研究表明，隧道
‑
互通出口小净距路段相较正常路段更易出现车速过高、车辆间离散性增大的情况，更易引发交通事故。研究此类特殊路段车辆速度变化规律是高速公路合理化设计的重要参考依据。已有研究多采用雷达/激光测速仪、气压管式测速仪进行定点测速，但存在数据观测采集不连续的弊端，且在隧道
‑
互通出口小净距路段，缺乏人工架设激光雷达或气压管式测速仪的硬性条件。因此，准确获得此类路段的车辆行驶速度，最大限度降低此类路段交通安全隐患是亟待解决的问题。r/>
技术实现思路

[0004]为解决上述问题，本专利技术提供了一种无人机航拍识别的隧道
‑
互通出口小净距速度模型构建方法，用于公路设计阶段中预测车辆运行速度和表征速度变化规律，为隧道
‑
互通出口设计提供车速模型参照。
[0005]为实现上述目的，本专利技术提供了如下的技术方案。
[0006]一种航拍识别的隧道
‑
互通出口小净距速度模型构建方法，包括以下步骤：
[0007]采集隧道
‑
互通出口小净距路段车辆驾驶行为视频，并采用SIFT算法进行逐帧的配准处理，并将配准处理后的视频重新合成；
[0008]采用目标检测算法对重新合成后的视频进行车辆识别检测，并采用多目标跟踪算法进行车辆持续跟踪；
[0009]获取跟踪视频图片，进行视频车道内车道线的标定，并计算获取车辆的实时速度和位置信息；
[0010]根据车辆速度和位置信息的数据进行单因素分析，确定速度模型选用指标分别为圆曲线半径、距离隧道位置和净距长度；
[0011]对圆曲线半径、距离隧道位置和净距长度进行因子共线性诊断，确定三个指标之间非线性相关后进行运行速度模型的拟合试算，获取拟合度最佳的拟合方程作为车辆的运
行速度模型。
[0012]优选地，所述采集隧道
‑
互通出口小净距路段车辆驾驶行为视频，并采用SIFT算法进行逐帧的配准处理，包括以下步骤：
[0013]通过无人机在提前定好的测点附近起飞无人机，将无人机悬停至空中进行航拍，采集视频；
[0014]采用SIFT算法在原视频中截取一张画面清晰无障碍物遮挡的图片作为基准图，设基准图像为f(x,y)，待配准图像为g(x,y)；
[0015]令基准图像上的点(x,y)在待配准图像中为(x,y)，使二者之间具有仿射关系，利用这样的逻辑将基准图中的特征点匹配到和待处理视频中第一帧相同的位置，抵消完成原视频的配准处理；
[0016]对原视频进行配准处理完后将裁切后的图片按照时间序列导入到premiere pro，保持与原视频相同的帧率重新合成视频进行数据分析输出。
[0017]优选地，所述采用目标检测算法对重新合成后的视频进行车辆识别检测，并采用多目标跟踪算法进行车辆持续跟踪，包括以下步骤：
[0018]采用YOLO V5算法进行进行车辆识别检测，并采用DeepSort算法对检测到的车辆进行持续地跟踪。
[0019]优选地，所述获取跟踪视频图片，进行视频车道内车道线的标定，并计算获取车辆的实时速度和位置信息，包括以下步骤：
[0020]从航拍视频中截取图片，将图片按左上角位于坐标原点导入CAD软件中，通过比例缩放，使图片长度与宽度的坐标值与像素长度相等，使图中任意一点在CAD软件中的坐标与图像的像素坐标相对应，与所提取的车辆X坐标相同，Y坐标为相反数；
[0021]通过纬地道路设计软件的平面设计功能，按照实地调研情况拟合设计出与图片中车道线相同的设计线，根据固定间隔输出该设计线的逐桩坐标，将逐桩坐标表的Y轴坐标值取负值，即获得与检测车辆坐标同一坐标系的车道线的像素坐标标定文件；
[0022]使用Python语言编写程序，遍历所有车辆的编号，得到每辆车在视频中的连续像素坐标与速度值；再遍历所标定车道线的每个希望提取的桩号，每隔1m采集一次，用每个桩号与上一层所提取编号车辆的所有坐标进行距离计算，通过此方法遍历每一辆车与每一个断面，得到每辆车在每个断面的车速和加速度的信息。
[0023]优选地，所述根据车辆速度和位置信息的数据进行单因素分析，确定速度模型选用指标分别为圆曲线半径、距离隧道位置和净距长度，包括以下步骤：
[0024]确定速度模型选用指标时，分别对各项自变量与速度进行分析评价，速度离散性指标采用标准差SD、平均邻车速差ASD、速度变异系数η表示，其中，速度变异系数η是指速度标准差与平均速度的比值；
[0025]根据各指标的离散性程度，选定圆曲线半径R、距离隧道位置D、净距长度L作为构建模型所需自变量。
[0026]优选地，还包括：通过AIC准则对拟合的运行速度模型进行拟合优度分析：
[0027]构建速度模型时，结合驾驶模拟仿真数据补充放入1stopt软件进行多元非线性回归拟合分析，参考决定系数R2的同时引入AIC，衡量模型复杂度和拟合数据优度；AIC指标建立在熵值基础之上，用残差平方和SSE、样本量n以及参数个数K表征：
[0028]本专利技术的有益效果：
[0029]本专利技术提出一种无人机航拍识别的隧道
‑
互通出口小净距速度模型构建方法，用于公路设计阶段中预测车辆运行速度和表征速度变化规律，为隧道
‑
互通出口设计提供车速模型参照。本专利技术构建的速度模型相对误差平均值整体处于低位，均未超过10％，模型误差范围可控，模型预测精度较好。
附图说明
[0030]图1是本专利技术实施例的模型构建的流程图；
[0031]图2是本专利技术实施例通过premiere pro重新合成视频与原视频的对比截图；
[0032]图3为本专利技术实施例通过CAD中的坐标系确定每一点的像素位置；
[0033]图4为本专利技术实施例采用YOLO算法进行视频精度提升训练，对用于训练及拟分析视频进行车辆框选标记；
[0034本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种航拍识别的隧道
‑
互通出口小净距速度模型构建方法，其特征在于，包括以下步骤：采集隧道
‑
互通出口小净距路段车辆驾驶行为视频，并采用SIFT算法进行逐帧的配准处理，并将配准处理后的视频重新合成；采用目标检测算法对重新合成后的视频进行车辆识别检测，并采用多目标跟踪算法进行车辆持续跟踪；获取跟踪视频图片，进行视频车道内车道线的标定，并计算获取车辆的实时速度和位置信息；根据车辆速度和位置信息的数据进行单因素分析，确定速度模型选用指标分别为圆曲线半径、距离隧道位置和净距长度；对圆曲线半径、距离隧道位置和净距长度进行因子共线性诊断，确定三个指标之间非线性相关后进行运行速度模型的拟合试算，获取拟合度最佳的拟合方程作为车辆的运行速度模型。2.根据权利要求1所述的一种航拍识别的隧道
‑
互通出口小净距速度模型构建方法，其特征在于，所述采集隧道
‑
互通出口小净距路段车辆驾驶行为视频，并采用SIFT算法进行逐帧的配准处理，包括以下步骤：通过无人机在提前定好的测点附近起飞无人机，将无人机悬停至空中进行航拍，采集视频；采用SIFT算法在原视频中截取一张画面清晰无障碍物遮挡的图片作为基准图，设基准图像为f(x,y)，待配准图像为g(x,y)；令基准图像上的点(x,y)在待配准图像中为(x,y)，使二者之间具有仿射关系，利用这样的逻辑将基准图中的特征点匹配到和待处理视频中第一帧相同的位置，抵消完成原视频的配准处理；对原视频进行配准处理完后将裁切后的图片按照时间序列导入到premiere pro，保持与原视频相同的帧率重新合成视频进行数据分析输出。3.根据权利要求1所述的一种航拍识别的隧道
‑
互通出口小净距速度模型构建方法，其特征在于，所述采用目标检测算法对重新合成后的视频进行车辆识别检测，并采用多目标跟踪算法进行车辆持续跟踪，包括以下步骤：采用YOLO V5算法进行进行车辆识别检测，并采用DeepSort算法对检测到的车辆进行持续地跟踪。4.根据权利要求1所述的一种航拍识别的隧道
...

【专利技术属性】
技术研发人员：贺九平，赵一静，张敏，师晖军，张驰，刘昌赫，谢子龙，王博，颜家强，
申请(专利权)人：长安大学，
类型：发明
国别省市：