輕量級(jí)的全息道路交通狀態(tài)視覺檢測(cè)裝置制造方法
【專利摘要】一種輕量級(jí)的全息道路交通狀態(tài)視覺檢測(cè)裝置，包括安裝在路網(wǎng)上各個(gè)道路中的各個(gè)測(cè)量點(diǎn)的視覺傳感器、用于根據(jù)視覺傳感器的視頻圖像數(shù)據(jù)進(jìn)行分析和評(píng)價(jià)道路交通狀態(tài)的微處理器，采用以點(diǎn)代面的視頻圖像檢測(cè)方法來減少空間冗余；采用基于采樣點(diǎn)的精準(zhǔn)背景更新策略實(shí)現(xiàn)輕量級(jí)、精準(zhǔn)高效的背景更新方法；同時(shí)完成道路交通擁堵的檢測(cè)與各種交通基本參數(shù)的檢測(cè)。
【專利說明】輕量級(jí)的全息道路交通狀態(tài)視覺檢測(cè)裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于數(shù)字圖像處理技術(shù)、嵌入式系統(tǒng)、模式識(shí)別技術(shù)在智能交通領(lǐng)域中的應(yīng)用，尤其是一種輕量級(jí)的全息道路交通狀態(tài)視覺檢測(cè)裝置。
【背景技術(shù)】
[0002]當(dāng)今交通問題已經(jīng)成為全球性的“城市通病”，而交通擁堵是城市“交通病癥”的主要表現(xiàn)。城市交通擁堵的“病因”源于多種因素，且交通擁堵直接影響著人們的出行質(zhì)量，特別是利用車輛交通的人們。道路車輛擁擠，交通事故頻發(fā)，交通環(huán)境惡化，能源緊張，環(huán)境污染不斷加重，這些日益嚴(yán)重交通問題與現(xiàn)代化交通的基本的理念，即通達(dá)、有序、安全、舒適、低能耗、低污染等要求是完全相違背的。
[0003]現(xiàn)代化交通系統(tǒng)的評(píng)價(jià)標(biāo)準(zhǔn)是安全、暢通、節(jié)能。因此把握城市道路交通運(yùn)行狀況中服務(wù)水平如何，需要建立起一種科學(xué)的、客觀的評(píng)價(jià)方法。但是由于目前缺少一種比較科學(xué)的對(duì)道路交通服務(wù)水平進(jìn)行評(píng)價(jià)的體系和有效的道路交通狀態(tài)檢測(cè)手段，因而使得市民在出行前對(duì)城市道路交通的時(shí)空變化狀況難以準(zhǔn)確的了解和把握；相關(guān)市政建設(shè)部門對(duì)道路基礎(chǔ)設(shè)施投入和采取的交通管理措施的預(yù)期效果難以準(zhǔn)確的評(píng)價(jià)；城市管理者對(duì)城市自身歷史發(fā)展的比較以及與其它城市間橫向比較缺乏評(píng)判的標(biāo)準(zhǔn)；道路規(guī)劃部門對(duì)城市道路交通發(fā)展趨勢(shì)及需采取的措施進(jìn)行定量科學(xué)分析缺少必要的手段。
[0004]交通信息采集技術(shù)被認(rèn)為是智能交通中一項(xiàng)重中之重的關(guān)鍵技術(shù)，目前常用的交通信息采集技術(shù)有地感線圈、磁敏傳感器、超聲波傳感器、微波、GPS和視覺傳感器；由于地感線圈、磁敏、超聲波、微波等交通信息檢測(cè)傳感器需要埋設(shè)在道路地下面，安裝與維護(hù)時(shí)必須破壞原有路面，影響了道路交通，同時(shí)我國(guó)的道路由于車輛的超載等原因造成的路面損壞必須時(shí)常對(duì)埋在道路下面的傳感器進(jìn)行維護(hù)；另外這些檢測(cè)手段只能感知出道路上的某個(gè)點(diǎn)或者某條線上的所經(jīng)過的車輛，因此只能在傳感器的設(shè)置地點(diǎn)的通過車輛的速度間接地推定擁堵狀況；因此上述的檢測(cè)手段存在著安裝維護(hù)不方便、投資成本高、抗干擾能力差和感知范圍有限等缺陷。視覺傳感器則是一種非接觸式的交通流檢測(cè)手段，它模擬人類視覺原理，融合計(jì)算機(jī)技術(shù)和圖像處理技術(shù)，通過視頻信號(hào)來檢測(cè)交通流，是近年來逐步發(fā)展起來的新型道路交通檢測(cè)系統(tǒng)。但是目前對(duì)道路交通狀態(tài)的視頻檢測(cè)普遍采用分析跟蹤道路上車輛的檢測(cè)和統(tǒng)計(jì)方法，這種檢測(cè)方法需要花費(fèi)很大計(jì)算資源，使得一般的嵌入式系統(tǒng)無法勝任其檢測(cè)計(jì)算工作。同時(shí)也難以同時(shí)獲取各種交通基本參數(shù)和道路服務(wù)水平等反映全息的交通狀態(tài)。
[0005]中國(guó)發(fā)明專利申請(qǐng)?zhí)枮?00810090474.4公開了交通狀況判定系統(tǒng)，該系統(tǒng)提供一種交通狀況判定系統(tǒng)，利用GPS來確定的車輛的行駛軌跡對(duì)應(yīng)的道路的擁堵狀況，在進(jìn)行擁堵狀況的正確的判定的同時(shí)，可以減少車輛和信息中心之間的通信所涉及的通信次數(shù)和通信數(shù)據(jù)量，可以實(shí)現(xiàn)通信處理負(fù)擔(dān)的減輕和通信費(fèi)用的低額化。這種道路交通狀態(tài)檢測(cè)手段存在著一定缺陷，通過車輛運(yùn)行情況來推斷道路交通狀態(tài)存在著片面性、局部性和主觀性等問題；中國(guó)發(fā)明專利申請(qǐng)?zhí)枮?00510026478.2公開了一種可用于地面道路網(wǎng)交通狀況測(cè)定的方法和系統(tǒng)，該系統(tǒng)對(duì)城市道路采用交叉口、城市干道、城市干道網(wǎng)三層進(jìn)行逐層測(cè)定，針對(duì)城市干道，提出“等效通行能力”概念和確定方法；采用“密度比”指標(biāo)，根據(jù)本發(fā)明給出的服務(wù)水平標(biāo)值曲線計(jì)算干道的服務(wù)水平標(biāo)值，進(jìn)行測(cè)定；基于干道測(cè)定結(jié)果采用“加權(quán)密度比”指標(biāo)對(duì)干道網(wǎng)服務(wù)水平進(jìn)行測(cè)定；根據(jù)測(cè)定結(jié)果進(jìn)行擁擠區(qū)域、擁擠干道和擁擠交叉口逐層識(shí)別。這種交通狀況測(cè)定的方法尚未涉及到最核心的道路交通狀態(tài)數(shù)據(jù)獲取問題。中國(guó)發(fā)明專利申請(qǐng)?zhí)枮?00810132938.3公開了一種智能交通信息系統(tǒng)及其處理方法，包括GPS模塊，用于提供全球定位信息；與GPS模塊進(jìn)行通信的移動(dòng)終端，其與無線通信網(wǎng)絡(luò)相連接；智能交通信息服務(wù)器，其與無線通信網(wǎng)絡(luò)相連接并根據(jù)移動(dòng)終端請(qǐng)求而提供實(shí)時(shí)交通信息。這種智能交通信息系統(tǒng)及其處理方法也未涉及到最核心的道路交通狀態(tài)數(shù)據(jù)獲取問題。中國(guó)發(fā)明專利申請(qǐng)?zhí)枮?00810034716.8公開了道路交通狀態(tài)判斷方法及系統(tǒng)，該系統(tǒng)以多個(gè)交通參數(shù)作為判斷依據(jù)，同時(shí)針對(duì)不同路段建立函數(shù)關(guān)系，給定權(quán)重，提高了交通狀態(tài)判斷的準(zhǔn)確性。該方法包括:(I)選取多個(gè)交通參數(shù)；(2)通過對(duì)該路段交通參數(shù)的采樣分析，設(shè)定該路段的上述多個(gè)交通參數(shù)與其所對(duì)應(yīng)的擁擠度系數(shù)之間的函數(shù)關(guān)系并設(shè)定該多個(gè)交通參數(shù)于該路段擁擠程度判斷中所占的權(quán)重值；(3)在每一狀態(tài)判斷周期末，實(shí)時(shí)采集該路段的上述多個(gè)交通參數(shù)并根據(jù)所設(shè)定的函數(shù)，計(jì)算各個(gè)交通參數(shù)所對(duì)應(yīng)的擁擠度系數(shù)；(4)將各個(gè)交通參數(shù)的權(quán)重值與其所對(duì)應(yīng)的擁擠度系數(shù)做加權(quán)平均運(yùn)算，得到平均擁擠度系數(shù)；(5)比較平均擁擠度系數(shù)與擁擠度系數(shù)閾值，從而判斷道路交通狀態(tài)。這種判斷方式需要有多個(gè)交通參數(shù)支持，運(yùn)算量大，同時(shí)要在城市所有主要道路上獲取這些交通參數(shù)也是一件容易之事，需要很大的投入和維護(hù)。
[0006]智能交通系統(tǒng)可以帶來的可觀的經(jīng)濟(jì)效益和社會(huì)效益這已經(jīng)是不需爭(zhēng)議的事實(shí)。嵌入式計(jì)算、無線通信和傳感器技術(shù)的迅速發(fā)展和結(jié)合，使人們能幾乎是無所不在地采集、傳輸和存儲(chǔ)道路視音頻數(shù)據(jù)。如果對(duì)這些海量的視頻數(shù)據(jù)能得到及時(shí)和準(zhǔn)確的分析和理解，就能實(shí)時(shí)獲取交通基本數(shù)據(jù)，對(duì)交通擁堵和交通事故進(jìn)行預(yù)測(cè)，在智能交通領(lǐng)域發(fā)揮重要作用。最近幾年各級(jí)政府對(duì)道路上的視頻監(jiān)控投入非常之大，但是目前對(duì)各種交通事件和異常情況的視頻監(jiān)控主要還是依靠人工判斷，使得這些數(shù)據(jù)難以得到充分的利用。
[0007]實(shí)時(shí)、準(zhǔn)確的交通流信息采集可以使智能交通系統(tǒng)及時(shí)獲得交通狀況信息，對(duì)交通狀況進(jìn)行有效管理，并發(fā)出誘導(dǎo)信息，從而自動(dòng)調(diào)節(jié)車流，減少車輛在道路順暢時(shí)在紅燈前停留的時(shí)間，安排疏導(dǎo)交通、肇事報(bào)故等。預(yù)測(cè)未來的交通量和道路交通狀況，為制定交通規(guī)劃、道路網(wǎng)規(guī)劃提供依據(jù)。智能交通管理在交通控制、交通管理決策等諸多方面都要實(shí)現(xiàn)由定性分析到定量研究，這種質(zhì)的飛躍所依據(jù)的交通信息就包括了交通流采集的動(dòng)態(tài)信息。此外，通過對(duì)交通數(shù)據(jù)和交通狀況信息的分析，可以廣泛開展城市交通的理論研究，進(jìn)行各種工程設(shè)施、管理設(shè)施實(shí)施情況的前后對(duì)比，判斷交通措施的效果等?？傊岣卟杉慕煌鲾?shù)據(jù)的準(zhǔn)確性和實(shí)時(shí)性，對(duì)城市交通管理和城市道路建設(shè)都十分重要，對(duì)構(gòu)建以人為本的、節(jié)能的和諧社會(huì)有著非常積極的意義。
[0008]一種優(yōu)秀的道路交通狀態(tài)檢測(cè)裝置的設(shè)計(jì)方案必須遵循6個(gè)原則:1)可靠性；2)可信性；3)可量化；4)具有可比較性；5)便于識(shí)別；6)便于實(shí)施操作。一種優(yōu)秀的基于道路交通狀態(tài)檢測(cè)裝置的評(píng)價(jià)系統(tǒng)，其評(píng)價(jià)的具體對(duì)象需要能在確定的時(shí)間內(nèi)、空間內(nèi)的分析和比較城市道路交通服務(wù)水平，評(píng)價(jià)的時(shí)間區(qū)域需要按時(shí)間順序可確定為年、季、月、周、日和每日的不同時(shí)段；按交通流分布狀態(tài)需要確定為高峰日、平峰日、工作日、節(jié)假日等；按交通運(yùn)行特點(diǎn)需要確定為日常交通時(shí)段、重大活動(dòng)時(shí)段、惡劣天氣、突發(fā)事件時(shí)段等。評(píng)價(jià)的空間區(qū)域需要確定為城市道路路網(wǎng)、快速路網(wǎng)、主干路網(wǎng)、某個(gè)區(qū)域道路、某條道路等。
[0009]要實(shí)現(xiàn)檢測(cè)精度高、檢測(cè)實(shí)時(shí)性好、檢測(cè)結(jié)果直觀明了的關(guān)鍵是要通過直接的、簡(jiǎn)單明了的、計(jì)算簡(jiǎn)單的、可視化的道路交通檢測(cè)手段直接得到某條道路交通是否處于以下6種狀態(tài)信息，即道路交通狀態(tài)處在服務(wù)水平A:暢通；服務(wù)水平B:基本暢通；服務(wù)水平C:初步擁堵；服務(wù)水平D:擁堵:服務(wù)水平E:嚴(yán)重?fù)矶拢环?wù)水平F:局部道路和大面積癱瘓。
[0010]在評(píng)價(jià)道路交通服務(wù)水平評(píng)價(jià)體系中，最核心的問題是道路的車流量、擁堵狀態(tài)和平均車速的檢測(cè)，因此最理想的檢測(cè)手段是能同時(shí)直接實(shí)時(shí)地測(cè)量到道路上的車流量、平均車速和擁堵長(zhǎng)度。
[0011]目前商用的獲取道路交通實(shí)時(shí)數(shù)據(jù)手段上主要有以下三種方式:1)環(huán)型線圈感應(yīng)式檢測(cè)設(shè)備，對(duì)道路交通流量、流向、車速、車道占有率以及車長(zhǎng)、排隊(duì)長(zhǎng)度等數(shù)據(jù)進(jìn)行檢測(cè)；這種檢測(cè)手段需要將環(huán)型線圈埋置在路面上，使用壽命在I年半左右，維護(hù)和安裝時(shí)需要破壞路面，屬于接觸性測(cè)量；2)遠(yuǎn)程交通微波檢測(cè)器(RTMS)，收集各車道的車流量、道路占有率和平均速度等數(shù)據(jù)；這種檢測(cè)裝置成本高；3)基于車牌識(shí)別檢測(cè)器和排隊(duì)長(zhǎng)度檢測(cè)器，通過安裝在交叉口延伸路段的停車線處的車牌識(shí)別檢測(cè)器和排隊(duì)長(zhǎng)度檢測(cè)器，利用排隊(duì)長(zhǎng)度檢測(cè)器獲得排隊(duì)長(zhǎng)度L ;利用車牌識(shí)別檢測(cè)器獲得車輛經(jīng)過檢測(cè)器時(shí)的時(shí)刻t和經(jīng)過檢測(cè)器的車輛數(shù)N ;具備牌照識(shí)別的視頻檢測(cè)系統(tǒng)，通過識(shí)別車輛的身份來檢測(cè)出機(jī)動(dòng)車在某道路上的旅行時(shí)間和行程車速，這種作為道路交通狀態(tài)檢測(cè)手段在局限性和實(shí)時(shí)性方面存在著一些問題。這些檢測(cè)手段屬于客觀性檢測(cè)，在道路交通調(diào)查方面具有重要意義。但是這種檢測(cè)手段的共性問題是通過測(cè)量道路上的每輛車輛的運(yùn)行情況然后經(jīng)統(tǒng)計(jì)來間接獲得車流量和平均車速，在實(shí)施操作方面存在著某些缺陷，特別是針對(duì)道路服務(wù)水平在實(shí)時(shí)性、實(shí)施維護(hù)成本、計(jì)算壓力以及感受性指標(biāo)等評(píng)價(jià)指標(biāo)方面存在著不足。
[0012]我國(guó)的城市交通將在很長(zhǎng)一段時(shí)間內(nèi)處于混合交通狀態(tài)。在混合交通條件下服務(wù)水平指標(biāo)數(shù)據(jù)具有以下特點(diǎn):(I)數(shù)據(jù)采集對(duì)象的多樣性:既需要采集路段交通數(shù)據(jù)又需要采集交叉口內(nèi)部交通數(shù)據(jù)，同時(shí)在一次觀測(cè)中往往需要同時(shí)觀測(cè)交通個(gè)體的多種行為及其參數(shù)；(2)數(shù)據(jù)的時(shí)空跨越性強(qiáng):為了得到不同交通條件下不同服務(wù)水平等級(jí)的指標(biāo)數(shù)據(jù)，檢測(cè)需要采集在一定時(shí)間與空間跨度上的數(shù)據(jù)，而且需要是在線數(shù)據(jù)。針對(duì)以上需求，上面所提及的三種商業(yè)化交通流自動(dòng)檢測(cè)設(shè)備無法實(shí)現(xiàn)這種需求。
[0013]實(shí)現(xiàn)實(shí)施方便的關(guān)鍵是要采用不破壞路面或者不涉及路面施工的一種道路友好型的、非接觸式的、大面積的道路交通狀態(tài)檢測(cè)手段，同時(shí)盡可能利用現(xiàn)有的設(shè)備和投資；道路的服務(wù)狀態(tài)是道路狀況、運(yùn)行狀況、交通設(shè)施狀況和交通安全狀況等多種因素的綜合體現(xiàn)，雖然通過檢測(cè)這些諸多狀態(tài)數(shù)據(jù)通過統(tǒng)計(jì)等計(jì)算是可以得到道路的服務(wù)水平狀態(tài)信息的，但是最好是能直接明了、簡(jiǎn)單方便、經(jīng)濟(jì)實(shí)時(shí)地獲得道路的服務(wù)狀態(tài)信息和各種交通基本數(shù)據(jù)。

【發(fā)明內(nèi)容】

[0014]為了克服已有的道路交通狀態(tài)檢測(cè)裝置的檢測(cè)的局限性大、數(shù)據(jù)采集對(duì)象的多樣性差、數(shù)據(jù)時(shí)空跨越性弱、實(shí)施投資和維護(hù)成本高、接觸性的檢測(cè)手段對(duì)道路和車輛不友好、難以從宏觀、中觀、微觀三個(gè)角度、從人的主觀感受實(shí)時(shí)評(píng)價(jià)道路交通服務(wù)水平狀態(tài)等不足，本發(fā)明提供一種具有檢測(cè)范圍廣、檢測(cè)精度高、檢測(cè)實(shí)時(shí)性好、實(shí)施方便、檢測(cè)結(jié)果直觀明了，即有主觀感受性指標(biāo)數(shù)據(jù)又有客觀評(píng)價(jià)性指標(biāo)數(shù)據(jù)，且便于城市各級(jí)路網(wǎng)在時(shí)間、空間上的對(duì)道路交通狀態(tài)進(jìn)行綜合評(píng)價(jià)的輕量級(jí)的全息道路交通狀態(tài)視覺檢測(cè)裝置。
[0015]本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是:
[0016]一種輕量級(jí)的全息道路交通狀態(tài)視覺檢測(cè)裝置，包括安裝在路網(wǎng)上各個(gè)道路上的各個(gè)測(cè)量點(diǎn)的視覺傳感器、用于根據(jù)視覺傳感器的視頻數(shù)據(jù)進(jìn)行評(píng)價(jià)道路交通狀態(tài)的微處理器，所述的視覺傳感器通過視頻接口與所述的微處理器連接，傳送單元將交通狀態(tài)檢測(cè)和計(jì)算結(jié)果通過通信單元發(fā)送給信號(hào)燈控制單元和交通狀態(tài)發(fā)布單元；所述的微處理器包括:
[0017]視頻圖像獲取單元，用于獲取初始化信息和視頻圖像；
[0018]視覺傳感器的標(biāo)定、車道和車道行駛方向的定制模塊，用于標(biāo)定配置在道路上的視覺傳感器、定義道路行駛方向?qū)傩?、車道方向變更屬性、車道編排屬性、在車道縱向方向上的空間位置屬性和在車道橫向方向上的空間位置屬性；
[0019]采樣點(diǎn)的自動(dòng)生成、灰度值檢查及采樣點(diǎn)位置微調(diào)模塊，用于對(duì)定制好的車道范圍內(nèi)自動(dòng)生成空間均勻的采樣點(diǎn)，對(duì)生成的采樣點(diǎn)灰度值進(jìn)行一致性檢查，對(duì)偏離灰度值的采樣點(diǎn)進(jìn)行空間位置調(diào)整；
[0020]基于采樣點(diǎn)的道路背景建模模塊，用于對(duì)代表車道背景進(jìn)行建模，便于后續(xù)提取出存在采樣點(diǎn)；
[0021]存在采樣點(diǎn)檢測(cè)模塊，用于對(duì)車道上的前景對(duì)象進(jìn)行檢測(cè)，采用背景差法從采樣點(diǎn)圖像中檢測(cè)出tn時(shí)刻的存在采樣點(diǎn)，提取出代表前景對(duì)象在車道空間分布的存在采樣
占.[0022]存在采樣點(diǎn)濾波處理模塊，用于對(duì)車道空間分布的存在采樣點(diǎn)以車輛模型進(jìn)行濾波處理，去掉一些孤立的采樣點(diǎn)以及其他干擾，得到反映道路車輛密集程度的存在塊；
[0023]移動(dòng)存在采樣點(diǎn)檢測(cè)模塊，用于以幀間差法從前后序列圖像中檢測(cè)出tn時(shí)刻的移動(dòng)存在采樣點(diǎn)，從時(shí)域角度對(duì)車道上的運(yùn)動(dòng)前景對(duì)象進(jìn)行檢測(cè)，提取出代表運(yùn)動(dòng)前景對(duì)象在車道空間分布的移動(dòng)存在采樣點(diǎn)；
[0024]靜止存在采樣點(diǎn)檢測(cè)模塊，用于以存在采樣點(diǎn)和移動(dòng)存在采樣點(diǎn)的差計(jì)算出各車道的靜止存在采樣點(diǎn)，從時(shí)空角度對(duì)車道上的靜止前景對(duì)象進(jìn)行檢測(cè)，提取出代表靜止前景對(duì)象在車道空間分布的靜止存在采樣點(diǎn)；
[0025]車流量檢測(cè)處理模塊，用于以存在塊通過某一車道斷面的車輛進(jìn)行統(tǒng)計(jì)，得到實(shí)時(shí)的交通流量數(shù)據(jù)；
[0026]車速檢測(cè)處理模塊，用于以移動(dòng)存在采樣點(diǎn)的空間排列規(guī)律對(duì)車道上某一個(gè)區(qū)域內(nèi)通過的車輛速度進(jìn)行估算，得到實(shí)時(shí)的通過某一車道斷面的平均車速；
[0027]車間距檢測(cè)處理模塊，用于以統(tǒng)計(jì)存在塊之間的間隔長(zhǎng)度和存在塊的數(shù)目，得到實(shí)時(shí)的車道車間距；
[0028]靜止存在采樣點(diǎn)濾波處理模塊，用于對(duì)車道空間分布的靜止存在采樣點(diǎn)以車輛模型進(jìn)行濾波處理，去掉一些孤立的非靜止存在采樣點(diǎn)以及其他干擾，得到反映道路擁堵程度和排隊(duì)長(zhǎng)度的靜止存在塊；
[0029]所述的車道的擁堵區(qū)域及擁堵持續(xù)時(shí)間檢測(cè)模塊，用于以靜止存在塊在各車道空間的分布情況檢測(cè)擁堵區(qū)域和時(shí)間域上檢測(cè)靜止存在塊在各車道空間的持續(xù)時(shí)間；
[0030]道路擁堵狀態(tài)檢測(cè)模塊，用于檢測(cè)道路上某一個(gè)時(shí)刻某一個(gè)行駛方向的擁堵狀態(tài)和道路服務(wù)水平；
[0031]本發(fā)明中考慮到車輛是一個(gè)剛體，因此本發(fā)明采用以點(diǎn)代面的視頻圖像檢測(cè)方法來減少空間冗余，如視頻圖像的格式為D1，分辨率為640 X 480=307200像素；通過對(duì)車道上定制均勻分布的采樣點(diǎn)，比如300個(gè)采樣點(diǎn)來代替整幅視頻圖像的處理，減小了視頻圖像處理的計(jì)算負(fù)荷和存儲(chǔ)負(fù)荷，將圖像處理量減少至原有道路視頻圖像的千分之一，從而實(shí)現(xiàn)了圖像處理計(jì)算的輕量化；
[0032]本發(fā)明中采用了一種基于采樣點(diǎn)的精準(zhǔn)背景更新策略，通過圖像處理能有效地區(qū)分存在采樣點(diǎn)和非存在采樣點(diǎn)，因此利用非存在采樣點(diǎn)的灰度值來更新存在采樣點(diǎn)的背景，實(shí)現(xiàn)了一種輕量級(jí)、精準(zhǔn)高效的背景更新方法；
[0033]本發(fā)明中依據(jù)移動(dòng)存在采樣點(diǎn)的時(shí)空排列規(guī)律，通過簡(jiǎn)單的計(jì)算直接獲取重要的交通基本參數(shù)，實(shí)現(xiàn)了一種輕量級(jí)的交通狀態(tài)參數(shù)獲取方法；
[0034]本發(fā)明中模仿人類視覺的整體性和簡(jiǎn)單性原理，根據(jù)靜止存在采樣點(diǎn)的空間排列情況計(jì)算得到擁堵區(qū)域及排隊(duì)長(zhǎng)度，實(shí)現(xiàn)了一種輕量級(jí)的道路交通擁堵檢測(cè)方法。并且，道路交通擁堵的檢測(cè)與各種交通基本參數(shù)的檢測(cè)是同步并行完成的，不會(huì)出現(xiàn)檢測(cè)誤差的積累和傳播問題。
[0035]所述的視覺傳感器的標(biāo)定、車道和車道行駛方向的定制模塊，首先從視覺傳感器獲得的圖像中根據(jù)車道標(biāo)記在車道的近處垂直于車道方向上選擇兩個(gè)車道邊緣點(diǎn)，接著在車道的遠(yuǎn)處垂直于車道方向上選擇兩個(gè)車道邊緣點(diǎn)，將這四個(gè)邊緣點(diǎn)進(jìn)行連接構(gòu)成車道檢測(cè)區(qū)域；然后根據(jù)實(shí)際車道行駛方向和車道的位置輸入相關(guān)屬性信息，如直行、左轉(zhuǎn)、右轉(zhuǎn)、內(nèi)側(cè)第一車道、內(nèi)側(cè)第二車道、內(nèi)側(cè)第三車道等；最后對(duì)所述的視覺傳感器進(jìn)行標(biāo)定；
[0036]由于交通場(chǎng)景是三維的，而獲取的視頻圖像是二維的，為了能檢測(cè)車速、排隊(duì)長(zhǎng)度等交通信息，得到切合實(shí)際的準(zhǔn)確信息，需要建立空間道路上的點(diǎn)與圖像平面上的像素點(diǎn)的映射關(guān)系。這里的視覺傳感器標(biāo)定是指在一定的先驗(yàn)知識(shí)下，從視覺傳感器攝取的圖像中，得到像點(diǎn)和實(shí)際場(chǎng)景的物點(diǎn)之間的對(duì)應(yīng)關(guān)系；
[0037]這里將視覺傳感器配置在車道的上方10米左右處，與車道方向平行，向下斜對(duì)準(zhǔn)車道，同時(shí)視覺傳感器的成像平面的水平軸與地平面平行，如附圖1所示。這里采用奇次坐標(biāo)對(duì)視覺傳感器進(jìn)行標(biāo)定，計(jì)算公式如式(I)所示，
[0038]
【權(quán)利要求】
1.一種輕量級(jí)的全息道路交通狀態(tài)視覺檢測(cè)裝置，其特征在于:包括安裝在路網(wǎng)上各個(gè)道路上的各個(gè)測(cè)量點(diǎn)的視覺傳感器、用于根據(jù)視覺傳感器的視頻數(shù)據(jù)進(jìn)行評(píng)價(jià)道路交通狀態(tài)的微處理器，所述的視覺傳感器通過所述的視頻接口與所述的微處理器連接，傳送單元將交通狀態(tài)檢測(cè)和計(jì)算結(jié)果通過所述的通信單元發(fā)送給信號(hào)燈控制單元和交通狀態(tài)發(fā)布單元；所述的微處理器包括: 視頻圖像獲取單元，用于獲取初始化信息和視頻圖像； 視覺傳感器的標(biāo)定、車道和車道行駛方向的定制模塊，用于標(biāo)定配置在道路上的視覺傳感器、定義道路行駛方向?qū)傩浴④嚨婪较蜃兏鼘傩?、車道編排屬性、在車道縱向方向上的空間位置屬性和在車道橫向方向上的空間位置屬性； 采樣點(diǎn)的自動(dòng)生成、灰度值檢查及采樣點(diǎn)位置微調(diào)模塊，用于對(duì)定制好的車道范圍內(nèi)自動(dòng)生成空間均勻的采樣點(diǎn)，對(duì)生成的采樣點(diǎn)灰度值進(jìn)行一致性檢查，對(duì)偏離灰度值的采樣點(diǎn)進(jìn)行空間位置調(diào)整； 基于采樣點(diǎn)的道路背景建模模塊，用于對(duì)代表車道背景進(jìn)行建模，便于后續(xù)提取出存在采樣點(diǎn)； 存在采樣點(diǎn)檢測(cè)模塊， 用于對(duì)車道上的前景對(duì)象進(jìn)行檢測(cè)，采用背景差法從采樣點(diǎn)圖像中檢測(cè)出tn時(shí)刻的存在采樣點(diǎn)，提取出代表前景對(duì)象在車道空間分布的存在采樣點(diǎn)；存在采樣點(diǎn)濾波處理模塊，用于對(duì)車道空間分布的存在采樣點(diǎn)以車輛模型進(jìn)行濾波處理，去掉一些孤立的采樣點(diǎn)以及其他干擾，得到反映道路車輛密集程度的存在塊； 移動(dòng)存在采樣點(diǎn)檢測(cè)模塊，用于以幀間差法從前后序列圖像中檢測(cè)出、時(shí)刻的移動(dòng)存在采樣點(diǎn)，從時(shí)域角度對(duì)車道上的運(yùn)動(dòng)前景對(duì)象進(jìn)行檢測(cè)，提取出代表運(yùn)動(dòng)前景對(duì)象在車道空間分布的移動(dòng)存在采樣點(diǎn)； 靜止存在采樣點(diǎn)檢測(cè)模塊，用于以存在采樣點(diǎn)和移動(dòng)存在采樣點(diǎn)的差計(jì)算出各車道的靜止存在采樣點(diǎn)，從時(shí)空角度對(duì)車道上的靜止前景對(duì)象進(jìn)行檢測(cè)，提取出代表靜止前景對(duì)象在車道空間分布的靜止存在采樣點(diǎn)； 車流量檢測(cè)處理模塊，用于以存在塊通過某一車道斷面的車輛進(jìn)行統(tǒng)計(jì)，得到實(shí)時(shí)的交通流量數(shù)據(jù)； 車速檢測(cè)處理模塊，用于以移動(dòng)存在采樣點(diǎn)的空間排列規(guī)律對(duì)車道上某一個(gè)區(qū)域內(nèi)通過的車輛速度進(jìn)行估算，得到實(shí)時(shí)的通過某一車道斷面的平均車速； 車間距檢測(cè)處理模塊，用于以統(tǒng)計(jì)存在塊之間的間隔長(zhǎng)度和存在塊的數(shù)目，得到實(shí)時(shí)的車道車間距； 靜止存在采樣點(diǎn)濾波處理模塊，用于對(duì)車道空間分布的靜止存在采樣點(diǎn)以車輛模型進(jìn)行濾波處理，去掉一些孤立的非靜止存在采樣點(diǎn)以及其他干擾，得到反映道路擁堵程度和排隊(duì)長(zhǎng)度的靜止存在塊； 所述的車道的擁堵區(qū)域及擁堵持續(xù)時(shí)間檢測(cè)模塊，用于以靜止存在塊在各車道空間的分布情況檢測(cè)擁堵區(qū)域和時(shí)間域上檢測(cè)靜止存在塊在各車道空間的持續(xù)時(shí)間； 道路擁堵狀態(tài)檢測(cè)模塊，用于檢測(cè)道路上某一個(gè)時(shí)刻某一個(gè)行駛方向的擁堵狀態(tài)和道路服務(wù)水平。
2.如權(quán)利要求1所述的輕量級(jí)的全息道路交通狀態(tài)視覺檢測(cè)裝置，其特征在于:所述的視覺傳感器的標(biāo)定、車道和車道行駛方向的定制模塊，首先從視覺傳感器獲得的圖像中根據(jù)車道標(biāo)記在車道的近處垂直于車道方向上選擇兩個(gè)車道邊緣點(diǎn)，接著在車道的遠(yuǎn)處垂直于車道方向上選擇兩個(gè)車道邊緣點(diǎn)，將這四個(gè)邊緣點(diǎn)進(jìn)行連接構(gòu)成車道檢測(cè)區(qū)域；然后根據(jù)實(shí)際車道行駛方向和車道的位置輸入相關(guān)屬性信息，如直行、左轉(zhuǎn)、右轉(zhuǎn)、內(nèi)側(cè)第一車道、內(nèi)側(cè)第二車道、內(nèi)側(cè)第三車道等；最后對(duì)所述的視覺傳感器進(jìn)行標(biāo)定； 將視覺傳感器配置在車道的上方10米左右處，與車道方向平行，向下斜對(duì)準(zhǔn)車道，同時(shí)視覺傳感器的成像平面的水平軸與地平面平行，這里采用奇次坐標(biāo)對(duì)視覺傳感器進(jìn)行標(biāo)定，計(jì)算公式如式(I)所示，
3.如權(quán)利要求1或2所述的輕量級(jí)的全息道路交通狀態(tài)視覺檢測(cè)裝置，其特征在于:所述的采樣點(diǎn)的自動(dòng)生成、灰度值檢查及采樣點(diǎn)位置微調(diào)模塊，用于對(duì)定制好的車道范圍內(nèi)自動(dòng)生成空間均勻的采樣點(diǎn),對(duì)生成的采樣點(diǎn)灰度值進(jìn)行一致性檢查,對(duì)偏離灰度值的采樣點(diǎn)進(jìn)行空間位置調(diào)整；通過視覺傳感器的標(biāo)定，建立了空間道路上的點(diǎn)與圖像平面上的像素點(diǎn)的映射關(guān)系；為了準(zhǔn)確地檢測(cè)道路交通狀態(tài)，要求在車道上均勻生成采樣點(diǎn)，生成的采樣點(diǎn)之間的間隔為0.5米左右； 進(jìn)行定制的采樣點(diǎn)灰度值檢查，在定制車道以及車道上的采樣點(diǎn)后，考慮到通過圖像處理技術(shù)要將采樣點(diǎn)進(jìn)一步區(qū)分為存在采樣點(diǎn)和非存在采樣點(diǎn)，區(qū)分這兩者是通過采樣點(diǎn)的灰度閾值進(jìn)行的；道路上的灰度值基本上是趨于一致的，因此統(tǒng)計(jì)在沒有車輛情況下車道上的所有采樣點(diǎn)的灰度值并求其平均值I=I5:,作為初始背景值 <，即作為非存在采樣點(diǎn)的灰度值； 考慮到車道上會(huì)有一些道路標(biāo)志，即道路標(biāo)志的灰度值與車道上路面的灰度值不同，如果采樣點(diǎn)正好落在道路標(biāo)志上會(huì)給后續(xù)背景更新帶來檢測(cè)誤差；因此，需要對(duì)所有定制的采樣點(diǎn)進(jìn)行灰度值檢查，如果某一個(gè)采樣點(diǎn)的灰度值;r偏離其初始背景值劣，即就要變更該采樣點(diǎn)的位置，變更的方法是垂直于車輛行駛方向逐步移動(dòng)采樣 點(diǎn)，使得該采樣點(diǎn)的灰度值;r滿足|<-<|<$，遍歷所有采樣點(diǎn)后，將瓦作為每個(gè)采樣點(diǎn)的初始背景灰度值這里將車道按車輛行駛方向分成長(zhǎng)度比例為2:3:5的遠(yuǎn)、中、近三段區(qū)域，各區(qū)域內(nèi)平均生成行數(shù)和列數(shù)一致的采樣點(diǎn)。
4.如權(quán)利要求1或2所述的輕量級(jí)的全息道路交通狀態(tài)視覺檢測(cè)裝置，其特征在于:所述的基于采樣點(diǎn)的道路背景建模模塊，用于對(duì)代表車道背景進(jìn)行建模；由于在定制采樣點(diǎn)時(shí)在車道上均勻地定制了采樣點(diǎn)，背景差分法可用于檢測(cè)存在采樣點(diǎn)，但背景差分法要求獲取可靠的、穩(wěn)定的采樣點(diǎn)背景灰度值；道路定制區(qū)域的采樣點(diǎn)受光照、天氣等外界環(huán)境變化的影響比較大，需要對(duì)采樣點(diǎn)背景灰度值進(jìn)行實(shí)時(shí)更新；本發(fā)明采用離存在采樣點(diǎn)最近的非存在采樣點(diǎn)的灰度值來更新存在采樣點(diǎn)的背景，實(shí)現(xiàn)一種輕量級(jí)、精準(zhǔn)高效的背景更新方法，更新算法如公式(3)所示，
5.如權(quán)利要求1所述的輕量級(jí)的全息道路交通狀態(tài)視覺檢測(cè)裝置，其特征在于:所述的存在采樣點(diǎn)檢測(cè)模塊，用于對(duì)車道上的前景對(duì)象進(jìn)行檢測(cè)，采用背景差法從采樣點(diǎn)圖像中檢測(cè)出tn時(shí)刻的存在采樣點(diǎn)，提取出代表前景對(duì)象在車道空間分布的存在采樣點(diǎn)；滿足-zr —/y/ι條件的采樣點(diǎn)就判定為存在采樣點(diǎn)，反之為非存在采樣點(diǎn)，得到存在采樣點(diǎn)圖像En和非存在采樣點(diǎn)圖像I
6.如權(quán)利要求1所述的輕量級(jí)的全息道路交通狀態(tài)視覺檢測(cè)裝置，其特征在于:所述的存在采樣點(diǎn)濾波處理模塊，用于對(duì)車道空間分布的存在采樣點(diǎn)圖像以車輛模型進(jìn)行濾波處理，去掉一些孤立的采樣點(diǎn)以及其他干擾，得到反映道路車輛密集程度的存在塊； 為了消除車輛某些部位的前景灰度值與道路地面灰度值相近所造成的誤判，即將靜止存在采樣點(diǎn)誤判為非存在采樣點(diǎn)的情況，根據(jù)車輛模型，車輛在采樣點(diǎn)圖像上是由若干個(gè)相鄰的存在采樣點(diǎn)構(gòu)成的，通過過濾算法來消除那些孤立的非存在采樣點(diǎn)； 根據(jù)車輛模型，車輛在采樣點(diǎn)圖像上是由若干個(gè)相鄰的存在采樣點(diǎn)構(gòu)成的，通過過濾算法來消除那些孤立的非機(jī)動(dòng)車和行人的靜止存在采樣點(diǎn)； 在消除了干擾和修正誤判后，接著進(jìn)行存在塊的檢測(cè)，所謂存在塊是由相對(duì)集中的存在采樣點(diǎn)所構(gòu)成的，考慮到成像平面上的車輛模型，在道路上的車輛是由存在塊的方式表現(xiàn)出來的；這里采用對(duì)各車道分別實(shí)施存在塊的檢測(cè)方式，檢測(cè)存在塊的方式是在成像平面上以每條行車線的開始端到末尾端進(jìn)行檢測(cè)的，在存在塊的檢測(cè)模塊中，采用道路上的一般轎車大小作為匹配檢測(cè)模版對(duì)存在塊進(jìn)行匹配檢測(cè)，如果一般轎車大小在車輛的橫向方向上占有3個(gè)采樣點(diǎn)、在車輛的縱向方向上占有5個(gè)采樣點(diǎn)，那么就以3 X 5采樣點(diǎn)的模版從道路上所有行駛方向和所有車道的開始端到末端對(duì)進(jìn)行匹配檢測(cè)，即從i=0、j=0和k=0開始進(jìn)行匹配檢測(cè)，由于車道橫向方向上有5個(gè)米樣點(diǎn)，即在某一車道同一個(gè)橫向方向I的范圍是O~4，從I的范圍O~2開始，然后I~3，接著2~4，每個(gè)橫向方向上進(jìn)行三次匹配檢測(cè)，匹配檢測(cè)的方法是通過統(tǒng)計(jì)計(jì)算3X5采樣點(diǎn)的模版中有多少存在采樣點(diǎn)的情況進(jìn)行判斷的，如果匹配模版中有50%以上的存在采樣點(diǎn)，即在3X5采樣點(diǎn)的模版中有7個(gè)以上的存在采樣點(diǎn)就判定為該區(qū)域?yàn)榇嬖趬K；當(dāng)某一車道同一個(gè)橫向方向I檢測(cè)結(jié)束后，如果在上述匹配檢測(cè)中存在著一個(gè)和一個(gè)以上的存在塊滿足匹配檢測(cè)模版情況時(shí)，k=k+5 ;否則k=k+l ;接著繼續(xù)進(jìn)行匹配檢測(cè)直至到某一車道上的末端位置；接著進(jìn)行下一個(gè)車道的匹配檢測(cè)，循環(huán)上述匹配檢測(cè)過程；再接著進(jìn)行下一個(gè)行駛方向的匹配檢測(cè)，循環(huán)上述匹配檢測(cè)過程；這樣得到各車道上的存在塊，一個(gè)個(gè)存在塊表示車輛的存在，車道上的存在塊面積大小與車道的面積大小之比就是車道占有率，即車輛密度； 通過上述過濾處理最終得到過濾后的存在采樣點(diǎn)圖像EFn和非存在采樣點(diǎn)圖德&
7.如權(quán)利要求1所述的輕量級(jí)的全息道路交通狀態(tài)視覺檢測(cè)裝置，其特征在于:所述的移動(dòng)存在采樣點(diǎn)檢測(cè)模塊，用于以幀間差法從前后序列圖像中檢測(cè)出tn時(shí)刻的移動(dòng)存在采樣點(diǎn)，從時(shí)域角度對(duì)車道上的運(yùn)動(dòng)前景對(duì)象進(jìn)行檢測(cè)，提取出代表運(yùn)動(dòng)前景對(duì)象在車道空間分布的移動(dòng)存在米樣點(diǎn)； 移動(dòng)存在采樣點(diǎn)表示 了在車道上運(yùn)動(dòng)的物體，由幀間差計(jì)算獲得，移動(dòng)采樣點(diǎn)的計(jì)算分為一些幾個(gè)步驟，其算法如下: STEPl:讀取tn時(shí)刻的采樣點(diǎn)灰度值圖像陣列Xn ； STEP2:讀取tn+k時(shí)刻與tn_k時(shí)刻的采樣點(diǎn)灰度值圖像陣列Xn+k和Xn_k ；
STEP3:計(jì)算 AX_k=|Xn-Xn_k| 和 AXk=|Xn+k-Xn| ； STEP4:對(duì)Λ Xk和Λ X_k用閾值TH3將其二值化處理，得到第一特征提取圖像與第二特征提取圖像21?與2211; STEP5:計(jì)算Qn=Zln Λ Ζ2η，得到移動(dòng)采樣點(diǎn)圖像Qn。
8.如權(quán)利要求1所述的輕量級(jí)的全息道路交通狀態(tài)視覺檢測(cè)裝置，其特征在于:所述的靜止存在采樣點(diǎn)檢測(cè)模塊，用于以存在采樣點(diǎn)和移動(dòng)存在采樣點(diǎn)的差計(jì)算出各車道的靜止存在采樣點(diǎn)，從時(shí)空角度對(duì)車道上的靜止前景對(duì)象進(jìn)行檢測(cè)，提取出代表靜止前景對(duì)象在車道空間分布的靜止存在采樣點(diǎn)； 存在采樣點(diǎn)可以分為移動(dòng)存在采樣點(diǎn)與靜止存在采樣點(diǎn)，靜止存在采樣點(diǎn)圖像反應(yīng)了道路上存在著靜止物體對(duì)象的分布情況，從時(shí)間域考慮隨著時(shí)間的變化這些物體對(duì)象處于靜止?fàn)顟B(tài)；靜止存在采樣點(diǎn)的比重越大，分布越密，表示道路的擁堵程度越大；靜止存在采樣點(diǎn)不易直接測(cè)量獲得，需要從幀序列中分離出移動(dòng)采樣點(diǎn)，然后再通過存在采樣點(diǎn)圖像與移動(dòng)存在采樣點(diǎn)圖像的差來計(jì)算得到靜止存在采樣點(diǎn)，計(jì)算方法由公式(4)給出； Sn=EFn-Qn(4)式中，EFn為過濾處理后的存在采樣點(diǎn)圖像，Qn為移動(dòng)存在采樣點(diǎn)圖像，Sn為靜止存在采樣點(diǎn)圖像。
9.如權(quán)利要求1所述的輕量級(jí)的全息道路交通狀態(tài)視覺檢測(cè)裝置，其特征在于:所述的車流量檢測(cè)處理模塊，用于以存在塊通過車道上某一斷面的車輛進(jìn)行統(tǒng)計(jì)，得到實(shí)時(shí)的交通流量數(shù)據(jù)；所述的車流量檢測(cè)算法是:在車道上取以一個(gè)略小于轎車大小的虛擬線圈，如在實(shí)際車道上長(zhǎng)度為4米左右，采樣點(diǎn)之間距離為0.5米；這樣作為虛擬線圈在車道上均勻排布8行采樣陣列；本發(fā)明通過這8行Ol序列來實(shí)現(xiàn)車流量的計(jì)數(shù)，如附圖13所示；接著把虛擬線圈區(qū)域平分為AREAl與AERA2兩個(gè)區(qū)域，其中，AREAl有4行采樣點(diǎn)，AREA2也有4行采樣點(diǎn)；本發(fā)明將每個(gè)區(qū)域根據(jù)存在采樣點(diǎn)多少分別賦予『0』，『』，『I』三種狀態(tài)，賦予規(guī)則如下: 『I』:區(qū)域中行中的存在采樣點(diǎn)為I比例大于等于2/3，表明約有車輛的1/2車身覆蓋了區(qū)域內(nèi)的存在采樣點(diǎn)； 『』:區(qū)域中行中的存在采樣點(diǎn)為I比例小于2/3且大于等于1/3，表明處于一種臨界狀態(tài)，如約車輛的1/4~1/5車身處在區(qū)域內(nèi)； 『O』:區(qū)域中行采樣點(diǎn)為I比例小于等于1/3，表明有車輛的1/5以下的車身處在區(qū)域內(nèi)； 表1車輛通過虛擬線圈的判斷規(guī)則

10.如權(quán)利要求1所述的輕量級(jí)的全息道路交通狀態(tài)視覺檢測(cè)裝置，其特征在于:所述的車速檢測(cè)處理模塊，用于以移動(dòng)存在采樣點(diǎn)的空間排列規(guī)律對(duì)車道上某一個(gè)區(qū)域內(nèi)通過的車輛速度進(jìn)行估算，得到實(shí)時(shí)的通過某一車道斷面的平均車速； 在車道上繪制兩條虛擬檢測(cè)線圈，分別為入口檢測(cè)線圈和出口檢測(cè)線圈，二者都垂直于車道的方向，它們之間的距離大概在一個(gè)小型車輛的車身左右，由圖像標(biāo)定的結(jié)果，可以計(jì)算出這兩個(gè)檢測(cè)線圈之間的像素距離所對(duì)應(yīng)的真實(shí)世界的距離。由車輛到達(dá)這檢測(cè)線圈的時(shí)間之差，用這個(gè)時(shí)間去除距離就可以知道車輛的速度，計(jì)算公式如式(5)所示，

11.如權(quán)利要求1所述的輕量級(jí)的全息道路交通狀態(tài)視覺檢測(cè)裝置，其特征在于:所述的車間距檢測(cè)處理模塊，用于以統(tǒng)計(jì)存在塊之間的間隔長(zhǎng)度和存在塊的數(shù)目，得到實(shí)時(shí)的車道車間距；在所述的存在采樣點(diǎn)濾波處理模塊中通過計(jì)算得到反映道路車輛密集程度的存在塊，通過累計(jì)所定制的車道內(nèi)兩個(gè)存在塊之間的在車道方向上的非存在采樣點(diǎn)的數(shù)目，然后乘上采樣點(diǎn)的間距，得到某兩輛車輛間的間隔距離S i，通過遍歷整個(gè)所定制的車道，最后用公式計(jì)算整個(gè)所定制的車道內(nèi)的平均車間距，計(jì)算方法如公式(7)所示，
12.如權(quán)利要求1所述的輕量級(jí)的全息道路交通狀態(tài)視覺檢測(cè)裝置，其特征在于:所述的靜止存在采樣點(diǎn)濾波處理模塊，用于對(duì)車道空間分布的靜止存在采樣點(diǎn)以車輛模型進(jìn)行濾波處理，去掉一些孤立的非靜止存在采樣點(diǎn)以及其他干擾，得到反映道路擁堵程度和排隊(duì)長(zhǎng)度的靜止存在塊；這里主要對(duì)公式(4)計(jì)算得到的靜止存在采樣點(diǎn)圖像Sn進(jìn)行濾波處理，濾波處理算法如下: Stepl:設(shè)定車輛模板的大小，此處采用6X8的模板，即車輛在橫向方向上占有6個(gè)采樣點(diǎn)、在車輛的縱向方向上占有8個(gè)采樣點(diǎn)，同時(shí)設(shè)定k=0 ； Step2:規(guī)定車道橫向方向上的檢測(cè)。假設(shè)車道橫向方向上有K個(gè)采樣點(diǎn)，則在某一車道同一個(gè)橫向方向directionO上檢測(cè)的范圍是O~K-1,從i=0、j=0開始進(jìn)行匹配檢測(cè)，依次在該橫向方向上的i=0，1，…，K-6處投放模板，進(jìn)行K-5次匹配檢測(cè)，遍歷模板中的所有采樣點(diǎn)并統(tǒng)計(jì)靜止存在采樣點(diǎn)的個(gè)數(shù)； Step3:如果匹配模板中有50%以上的靜止存在采樣點(diǎn)就判定該區(qū)域?yàn)殪o止存在塊，同時(shí)置i=i+8且k=k+8 ;否則置i=i+l且k=k,規(guī)定該橫向方向?yàn)閐irectionl ； Step4:指示橫向方向directionl,返回Step2繼續(xù)進(jìn)行匹配檢測(cè)直至到某一車道上的末端位置(i=L-l行)，該車道檢測(cè)結(jié)束； Step5:通過k的大小和車輛行駛方向上的兩個(gè)相鄰采樣點(diǎn)間隔相對(duì)應(yīng)的實(shí)際距離來計(jì)算該行駛方向上的車道擁堵的長(zhǎng)度； Step6:進(jìn)行下一個(gè)車道的匹配檢測(cè)，循環(huán)上述匹配檢測(cè)過程。遍歷道路上的所有車道靜止存在采樣點(diǎn)圖像3?后，就能得到各車道上的靜止存在塊以及靜止存在塊的位置、大小和發(fā)生的時(shí)間；同時(shí)也可以得到某行駛方向i上的某車道j的靜止存在塊匹配的最大k值，通過該數(shù)字大小來計(jì)算該行駛方向上的車道擁堵的長(zhǎng)度。
13.如權(quán)利要求1所述的輕量級(jí)的全息道路交通狀態(tài)視覺檢測(cè)裝置，其特征在于:所述的車道的擁堵區(qū)域及擁堵持續(xù)時(shí)間檢測(cè)模塊，用于以靜止存在塊在各車道空間的分布情況檢測(cè)擁堵區(qū)域和時(shí)間域上檢測(cè)靜止存在塊在各車道空間的持續(xù)時(shí)間； 在所述的存在采樣點(diǎn)濾波處理模塊中得到了各車道上的存在采樣點(diǎn)圖像EFn，用公式(8)計(jì)算車道上的車輛密度，
14.如權(quán)利要求1所述的輕量級(jí)的全息道路交通狀態(tài)視覺檢測(cè)裝置，其特征在于:所述的道路擁堵狀態(tài)檢測(cè)模塊，用于檢測(cè)道路上某一個(gè)時(shí)刻某一個(gè)行駛方向的擁堵狀態(tài)和道路服務(wù)水平；本發(fā)明將道路服務(wù)水平等級(jí)分為A、B、C、D、E、F等6個(gè)等級(jí)；對(duì)于道路服務(wù)水平判定分為在路段中和交叉口兩種不同情況，對(duì)于路段中的情況，用表2和表3并結(jié)合車道的擁堵區(qū)域及擁堵持續(xù)時(shí)間進(jìn)行判斷； 表2為城市道路主次干道基本路段通行能力推薦值C，表3為從城市道路的負(fù)荷情況Qs/C來判定城市道路服務(wù)水平的一覽表，其中Qs可以從所述的車流量檢測(cè)處理模塊中統(tǒng)計(jì)道路上某一斷面所通過的車輛來獲得；對(duì)于交通服務(wù)水平E以上的判斷，要根據(jù)所述的車道的擁堵區(qū)域及擁堵持續(xù)時(shí)間檢測(cè)模塊中所得到的車道上的車輛密度K，并判斷其是否大于某一個(gè)閾值Tk ;對(duì)于交通服務(wù)水平F的判斷還要根據(jù)所述的車道的擁堵區(qū)域及擁堵持續(xù)時(shí)間檢測(cè)模塊中所得到的擁堵持續(xù)時(shí)間TurK，如果大于某一個(gè)閾值Ttur就判定為交通服務(wù)水平F ;
【文檔編號(hào)】G08G1/01GK103985250SQ201410135976
【公開日】2014年8月13日 申請(qǐng)日期:2014年4月4日 優(yōu)先權(quán)日:2014年4月4日
【發(fā)明者】湯一平, 朱威, 黃磊磊, 鄭雅羽, 俞立 申請(qǐng)人:浙江工業(yè)大學(xué)