【技术实现步骤摘要】
本专利技术涉及市政工程，具体是一种车道定位的识别方法与系统。
技术介绍
1、随着我国道路建设高峰过去，大体量道路交通基础设施进入管养高峰。为提升管养效率，及时发现路面病害并修补，并对病害的特征进行准确描述非常重要。随着图像识别及人工智能技术的迅速发展及推广，将智能化装备应用到道路巡查，使用智能算法识别病害成为新的趋势。此外，对识别的病害进行准确的特征描述，例如病害所属的车道及病害的严重程度，有助于对病害的成因进行分析，对多次巡查的病害进行去重，并有助于对病害进行长期跟踪。
2、路面病害巡查中，为了进一步描述病害特征，需要对路面病害的所属车道进行记录。目前主流的方法是人工观察到路面病害，对病害的类型、尺寸进行估算、测量，并将病害的所属车道录入到系统中，该方法较为低效，且容易错漏；另一种方法是通过车载相机采集路面图像，利用神经网络模型识别图像中的路面病害，再由人工来判断病害的所属位置，该方法虽然能一定程度提升采集、分析效率，但每次识别都需要依赖人工判断，影响效率，且人工判断、图像遮挡、路面过宽等因素可能会带来误差，影响结果准确率。
技术实现思路
1、针对现有技术中存在的问题，本专利技术提出了一种车道定位的识别方法与系统。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种车道定位的识别方法，所述方法包括以下步骤：
4、s1、车载相机安装前，进行内参标定，计算获取内参矩阵k；
5、s2、车载相机安装好后，进行外参标定，利
6、s3、使用车载相机采集图像、gps和方位角；
7、s4、对所述图像进行车道线识别，识别当前车道中点在图像中的位置[ui,vi]，ui为当前车道中点在图像中的横坐标，vi为当前车道中点在图像中的纵坐标；
8、s5、根据单应性矩阵m、相机内参、相机与导航接收机的位置关系、采集图像对应的gps与方位角，计算车辆当前车道中点在世界坐标下的坐标数据[xi,yi,ai]，其中xi,yi是当前车道中点在世界坐标系下的横纵坐标，ai是当前车道中点在世界坐标系下的方位角，所述方位角取值范围是0°～360°，正北方向为0°，顺时针方向增大；
9、s6、将连续图像的坐标数据[xi,yi,ai]组成点集合p，再对集合p中每个点的车道编号进行分配，即获得点集合plane＝[[x1,y1,ai,id1],[x2,y2,ai,id2],…]；
10、s7、采集一张新的图像，使用目标检测模型识别出图像中的一处目标物，预估图像中目标物中心在地面的投影坐标[ut,vt]，并根据单应性矩阵m、相机内参k、相机与导航接收机的位置关系、采集图像对应的gps与方位角，计算目标物中心在世界坐标系下的坐标数据[xt,yt,at]，其中xt,yt是目标物中心在世界坐标系下的横纵坐标，at是目标物中心在世界坐标系下的方位角；
11、s8、在集合plane中，查找与[xt,yt,at]方向相同，距离小于一定阈值的点，获得plane的子集pselect；
12、s9、如果pselect不为空集，表明在plane中查到与[xt,yt,at]方向相同、距离相近的点，找出在pselect中，与[xt,yt,at]距离最近的点，获得[xs,ys,as,ids]，再根据[xt,yt,at]与[xs,ys,as,ids]的位置关系，计算[xt,yt,at]的车道编号。
13、作为本专利技术进一步的技术方案，如果pselect为空集，表明在plane中未查到与[xt,yt,at]方向相同、距离相近的点，对目标物的车道编号进行识别并分配，获得[xt,yt,at,idt]，再将[xt,yt,at,idt]加入到plane中，补充plane，其中，对所述目标物的车道编号进行识别的方法包括人工标记和神经网络模型。
14、作为本专利技术进一步的技术方案，在步骤s4中，对所述图像进行车道线识别采用的算法模型为深度学习识别模型和传统的车道线检测算法中的一种。
15、作为本专利技术进一步的技术方案，车载相机的图像采集频率的调整方式包括基于车速调整和中央工控机发出的采集信号调整；基于车速的调整是采集系统通过定位模块获取车辆的实时车速，根据车速值动态调控图像采集频率；基于中央工控机的调整是利用中央工控机连接安装在车轮上的旋转编码器，所述旋转编码器根据车辆行进的确定距离值，向车载相机发送采集图像的指令。
16、本专利技术实施例的另一目的在于提供一种基于无线网络进行道路检测数据交互的系统，所述系统包括：
17、内参标定模块，用于车载相机安装前，进行内参标定，计算获取内参矩阵k；
18、外参标定模块，用于车载相机安装好后，进行外参标定，利用pnp(perspective-n-point)，计算得到单应性矩阵m，建立世界坐标系[x,y]与图像坐标系[u,v]的投影关系；
19、数据采集模块，用于使用车载相机采集图像、gps和方位角；
20、坐标识别模块，用于对所述图像进行车道线识别，识别当前车道中点在图像中的位置[ui,vi]，ui为当前车道中点在图像中的横坐标，vi为当前车道中点在图像中的纵坐标；
21、当前车道坐标计算模块，用于根据单应性矩阵m、相机内参、相机与导航接收机的位置关系、采集图像对应的gps与方位角，计算车辆当前车道中点在世界坐标下的坐标数据[xi,yi,ai]，其中xi,yi是当前车道中点在世界坐标系下的横纵坐标，ai是当前车道中点在世界坐标系下的方位角，所述方位角取值范围是0°～360°，正北方向为0°，顺时针方向增大；
22、编号分配模块，用于将连续图像的坐标数据[xi,yi,ai]组成点集合p，再对集合p中每个点的车道编号进行分配，即获得点集合plane＝[[x1,y1,ai,id1],[x2,y2,ai,id2],…]；
23、目标物坐标计算模块，用于采集一张新的图像，使用目标检测模型识别出图像中的一处目标物，预估图像中目标物中心在地面的投影坐标[ut,vt]，并根据单应性矩阵m、相机内参k、相机与导航接收机的位置关系、采集图像对应的gps与方位角，计算目标物中心在世界坐标系下的坐标数据[xt,yt,at]，其中xt,yt是目标物中心在世界坐标系下的横纵坐标，at是目标物中心在世界坐标系下的方位角；
24、子集获取模块，用于在集合plane中，查找与[xt,yt,at]方向相同，距离小于一定阈值的点，获得plane的子集pselect；
25、车道编号计算模块，用于如果pselect不为空集，表明在plane中查到与[xt,yt,at]方向相同、距离相近的点，找出在pselect中，与[xt,yt,at]距离最近的点，获得[xs,ys,as,ids]，再根据[本文档来自技高网...
【技术保护点】
1.一种车道定位的识别方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种车道定位的识别方法，其特征在于，如果Pselect为空集，表明在Plane中未查到与[xt,yt,at]方向相同、距离相近的点，对目标物的车道编号进行识别并分配，获得[xt,yt,at,idt]，再将[xt,yt,at,idt]加入到Plane中，补充Plane，其中，对所述目标物的车道编号进行识别的方法包括人工标记和神经网络模型。
3.根据权利要求1所述的一种车道定位的识别方法，其特征在于，在步骤S4中，对所述图像进行车道线识别采用的算法模型为深度学习识别模型和传统的车道线检测算法中的一种。
4.根据权利要求3所述的一种车道定位的识别方法，其特征在于，车载相机的图像采集频率的调整方式包括基于车速调整和中央工控机发出的采集信号调整；基于车速的调整是采集系统通过定位模块获取车辆的实时车速，根据车速值动态调控图像采集频率；基于中央工控机的调整是利用中央工控机连接安装在车轮上的旋转编码器，所述旋转编码器根据车辆行进的确定距离值，向车载相机发送采集图像的指令。<...
【技术特征摘要】
1.一种车道定位的识别方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种车道定位的识别方法，其特征在于，如果pselect为空集，表明在plane中未查到与[xt,yt,at]方向相同、距离相近的点，对目标物的车道编号进行识别并分配，获得[xt,yt,at,idt]，再将[xt,yt,at,idt]加入到plane中，补充plane，其中，对所述目标物的车道编号进行识别的方法包括人工标记和神经网络模型。
3.根据权利要求1所述的一种车道定位的识别方法，其特征在于，在步骤s4中，对所述图像进行...
【专利技术属性】
技术研发人员：张晓明，严京旗，钟盛，陈勇勇，
申请(专利权)人：上海同陆云交通科技有限公司，
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。