【技术实现步骤摘要】
本专利技术涉及智能交通，具体涉及一种面向大流量交通的车辆轨迹提取方法。
技术介绍
1、随着经济越来越繁荣，人们的生活水平越来越高，各种公共的和私人的交通工具也越来越多，大流量交通区域经常发生交通拥堵事件，这极大地影响了人们的出行。因此，需要对大流量交通区域进行交通流分析以保证交通畅通。获取大流量交通区域中所有车辆轨迹对于交通流分析至关重要，然而相邻车辆、道路设施和阴影等环境因素常导致检测和跟踪错误，尤其在交通拥堵区域准确地获取车辆轨迹是一个具有挑战性的问题。
2、目前对大流量交通区域的监测主要分为两类，一类是采用监控摄像头监测，利用监测摄像头收集车辆轨迹数据，但是监控摄像头位置固定，监测区域有限。另一类是通过探测汽车、汽车导航系统等监测，根据汽车获取的数据提取车辆轨迹，但是只能为装备车辆提供自身的轨迹，其数量不足以进行交通流分析，需要所有车辆均装备有轨迹监测系统，且所有车辆均能联网，对车辆软件和区域网络情况都要求较高，因此上述现有方法对应用场景要求太高。
技术实现思路
1、针对现有技术存在的不足，本专利技术提出一种面向大流量交通的车辆轨迹提取方法，以保证数据高精度的同时降低应用场景要求，提高适用性。
2、本专利技术采用的技术方案是，一种面向大流量交通的车辆轨迹提取方法。
3、在第一种可实现方式中，一种面向大流量交通的车辆轨迹提取方法，包括：
4、通过无人机对预设大流量交通区域进行监测，获得无人机图像；
5、获取各无人机图像
6、基于运动学约束条件，根据各车辆位置获取各车辆轨迹；
7、根据各车辆轨迹进行交通流分析。
8、结合第一种可实现方式，在第二种可实现方式中，通过无人机对预设大流量交通区域进行监测，获得无人机图像，包括：
9、通过无人机对预设大流量交通区域进行监测，获得多帧初始无人机图像；
10、从多帧初始无人机图像中提取第一帧无人机图像，将第一帧无人机图像中的道路坐标转换为道路真实坐标，将道路真实坐标作为各初始无人机图像中道路的坐标，形成无人机图像。
11、结合第一种可实现方式，在第三种可实现方式中，获取各无人机图像中的车辆位置，包括：
12、获取无人机图像历史样本数据；
13、根据无人机图像历史样本数据对预设区域卷积神经网络进行训练，获得车辆位置分类器；
14、将无人机图像输入车辆位置分类器，获得无人机图像中的车辆位置。
15、结合第一种可实现方式，在第四种可实现方式中，基于运动学约束条件，根据各车辆位置获取各车辆轨迹，包括：
16、根据各无人机图像中的车辆位置获取各第一备选车辆轨迹；
17、对第一备选车辆轨迹进行运动学约束，获得第二备选车辆轨迹；
18、对第二备选车辆轨迹进行评估，获得车辆轨迹。
19、结合第四种可实现方式，在第五种可实现方式中，根据各无人机图像中的车辆位置获取各第一备选车辆轨迹，包括：
20、对无人机图像中检测到的各车辆分配唯一标识；
21、根据各车辆的标识追踪车辆在多帧无人机图像中的位置；
22、根据车辆的当前跟踪位置预测车辆在下一帧无人机图像中的位置；
23、根据下一帧无人机图像中车辆的预测位置和实际检测位置获取预测成本；
24、根据预测成本获取第一备选车辆轨迹。
25、结合第五种可实现方式，在第六种可实现方式中，根据下一帧无人机图像中车辆的预测位置和实际检测位置获取预测成本，包括：
26、计算下一帧无人机图像中车辆的预测位置和实际检测位置之间的欧氏距离，并将欧氏距离确定为预测成本。
27、结合第四种可实现方式，在第七种可实现方式中，对第一备选车辆轨迹进行运动学约束，获得第二备选车辆轨迹，包括：
28、根据第一备选车辆轨迹确定车辆的运行方向；
29、根据车辆的运动方向和速度获取逆行和变道的车辆轨迹；
30、从第一备选车辆轨迹中去除逆行和变道的车辆轨迹，并判断剩余车辆轨迹是否为间断轨迹，若是，则将轨迹间断前后的两段轨迹相连，获得完整的第二备选车辆轨迹轨迹。
31、结合第四种可实现方式，在第八种可实现方式中，对第二备选车辆轨迹进行评估，获得车辆轨迹，包括：
32、根据第二备选车辆轨迹获取目标车辆的预测道路位置；
33、通过无人机对预测道路位置进行拍摄，获取无人机检测图像；
34、根据无人机检测图像判断是否存在目标车辆，若不存在，则确定第二备选车辆轨迹为错误轨迹；若存在，则获取无人机检测图像中车辆的实际位置；
35、根据预测道路位置和实际位置获取轨迹误差；
36、将轨迹误差满足预设误差范围的第二备选车辆轨迹确定为目标车辆的车辆轨迹。
37、结合第七种可实现方式，在第九种可实现方式中，还包括：
38、根据逆行的车辆轨迹判断是否存在逆行车辆，若是，则进行逆行车辆交通预警；
39、根据变道的车辆轨迹判断是否存在非法变道车辆，若是，则进行变道车辆预警。
40、结合第一种可实现方式，在第十种可实现方式中，根据各车辆轨迹进行交通流分析包括：
41、根据车辆轨迹获取多目标跟踪准确度、多目标跟踪精度、空间平均速度、密度、流量、间距和变道次数；
42、根据多目标跟踪准确度、多目标跟踪精度、空间平均速度、密度、流量、间距和变道次数获取大流量交通区域的交通情况。
43、由上述技术方案可知，本专利技术的有益技术效果如下：
44、使用无人机获取图像，不会造成任何干扰或几何图像失真，图像精度高，从而能够根据无人机图像中的车辆位置获得高精度的车辆轨迹，满足交通流分析的精度要求。同时，本方案对道路和车辆没有任何要求，只需要无人机即可应用到大部分区域，且没有监测区域限制，对应用场景要求低，适用性高。
本文档来自技高网...【技术保护点】
1.一种面向大流量交通的车辆轨迹提取方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，通过无人机对预设大流量交通区域进行监测，获得无人机图像，包括：
3.根据权利要求1所述的方法，其特征在于，获取各所述无人机图像中的车辆位置，包括：
4.根据权利要求1所述的方法，其特征在于，基于运动学约束条件，根据各所述车辆位置获取各车辆轨迹，包括：
5.根据权利要求4所述的方法，其特征在于，根据各所述无人机图像中的车辆位置获取各第一备选车辆轨迹，包括：
6.根据权利要求5所述的方法，其特征在于，根据下一帧无人机图像中车辆的预测位置和实际检测位置获取预测成本，包括：
7.根据权利要求4所述的方法，其特征在于，对所述第一备选车辆轨迹进行运动学约束，获得第二备选车辆轨迹，包括：
8.根据权利要求4所述的方法，其特征在于，对所述第二备选车辆轨迹进行评估，获得车辆轨迹，包括：
9.根据权利要求7所述的方法，其特征在于，还包括：
10.根据权利要求1所述的方法，其特征在于，根据各所
...【技术特征摘要】
1.一种面向大流量交通的车辆轨迹提取方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，通过无人机对预设大流量交通区域进行监测，获得无人机图像，包括：
3.根据权利要求1所述的方法，其特征在于，获取各所述无人机图像中的车辆位置，包括：
4.根据权利要求1所述的方法，其特征在于，基于运动学约束条件，根据各所述车辆位置获取各车辆轨迹，包括：
5.根据权利要求4所述的方法，其特征在于，根据各所述无人机图像中的车辆位置获取各第一备选车辆轨迹，包括：
【专利技术属性】
技术研发人员：黄永刚，王亚楠，杨程，付立家，杜奕霖，万利，谭伟珉，张长安，张贵宁，高旭，梁育靖，杨桪，苏晟宇，徐少林，
申请(专利权)人：广西计算中心有限责任公司，
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。