【技术实现步骤摘要】
基于多元非线性回归的多路摄像头视频目标经纬度计算方法
[0001]本专利技术涉及智慧交通感知
,具体而言,涉及基于多元非线性回归的多路摄像头视频目标经纬度计算方法。
技术介绍
[0002]随着“智慧城市”的兴起和人工智能技术的高速发展,传统的靠人工监控交通路口参与者(人、机动车以及非机动车等)的感知技术和方法,已经完全被摄像头、雷达这类具有智能化、高精度、全天候工作的感知传感器所取代。在实际应用场景中为了实现雷达和摄像头的优势互补,需要将多源的雷达和摄像头视频数据进行充分匹配、融合,实现路口参与者的精准感知。雷视融合技术中一个重要且通用的方法就是基于视频目标的经纬度和雷达目标经纬度进行匹配、融合。针对多路摄像头视频目标检测数据来计算其经纬度就显得尤为重要,很大程度上决定了最终雷视融合的精度。
[0003]对于交通路口的运动目标,在相机保持位置不变的情况下,运动目标的实际经纬度和对应覆盖摄像头的视频图像上像素坐标之间存在映射关系。解决坐标映射转换问题的常用方法有求解单应矩阵和网格近距离匹配插值计算。
[0004]单应矩阵最少只需要四组视频像素点和实际经纬度对应点就可以求解,但是针对多路摄像头覆盖的路口,无法用单个矩阵来映射表示。另外在摄像头内外参标定过程中的各种几何畸变(径向畸变、切向畸变等)在实际中往往很难完全校正,这也会导致单应矩阵的失效。而网格近距离匹配插值需要按照网格化的方式在各个摄像头覆盖区域的标定多组视频像素点和实际经纬度对应点,像素距离相近目标在匹配到同一个网格点进行插值计算出的经纬 ...
【技术保护点】
【技术特征摘要】
1.基于多元非线性回归的多路摄像头视频目标经纬度计算方法,其特征在于,包括如下步骤:步骤一,针对路口的多个摄像头分别标定若干个像素点值和其对应经纬度数据;步骤二,通过多元非线性回归算法将标定的数据训练生成具有多项式特征的模型;步骤三,通过目标检测算法模型和目标追踪算法模型得到视频目标检测的像素位置坐标框和目标的唯一ID;步骤四,通过计算目标在视频图像中前后两帧质心的运动方向,确定目标的像素值坐标;步骤五,利用训练好的多项式特征模型计算视频目标像素值坐标的经纬度并输出。2.根据权利要求1所述的基于多元非线性回归的多路摄像头视频目标经纬度计算方法,其特征在于,步骤二中,通过多元非线性回归算法将标定的数据训练生成多项式特征模型的具体步骤如下:1)构建多元非线性回归算法:在线性回归模型中添加新的特征值,即需要计算的像素值的经纬度,包括x1,x2,x3三个特征值,x1表示放置的摄像头ID,x2表示图像像素点x轴坐标,x3表示图像像素点y轴坐标,w1、w2、w3分别为对应权重值,b为偏差值,则图像像素点经度或纬度表示为以下线性模型:y=w1×
x1+w2×
x2+w3×
x3+b;2)数据预处理:将步骤一中采集的数据进行格式处理;3)加载数据进行训练并保存模型。3.根据权利要求2所述的基于多元非线性回归的多路摄像头视频目标经纬度计算方法,其特征在于,步骤1)中的多元非线性回归算法,采用非线性回归(Non
‑
linear Regression)、多项式回归(Polynomial Regression)、岭回归(Ridge Regression)或弹性网络回归(ElasticNet Regression)。4.根据权利要求1所述的基于多元非线性回归的多路摄像头视频目标经纬度计算方法,其特征在于,所述图像目标检测算法模型采用R
‑
CNN,Fast R
‑
CNN,Faster R
‑
CNN,CenterNet,YOLO。5.根据权利要求1所述的基于多元非线性回归的多路摄像头视频目标经纬度计算方法,其特征在于,所述目标追踪算法模型采用IOU,NvDCF,SORT,Deep SORT,BoT
‑
SORT或ByteTrack。6.根据权利要求5所述的基于多元非线性回归的多路摄像头视频目标经纬度计算方法,其特征在于,目标检测算法模型和目标追踪算法模型输出的结果包括目标唯一ID和视频目标检测的像素位置坐标框;所述视频目标检测的像素位置坐标框包括目标在图像中左上角的x轴和y轴坐标、目标在图像中右下角的x轴和y轴坐标...
【专利技术属性】
技术研发人员:张亮,张楠,
申请(专利权)人:车路通科技成都有限公司,
类型:发明
国别省市:
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。