CN103942529A - 用于测量道路上通过的车辆的高度轮廓的方法和设备 - Google Patents

用于测量道路上通过的车辆的高度轮廓的方法和设备 Download PDF

Info

Publication number
CN103942529A
CN103942529A CN201410056940.2A CN201410056940A CN103942529A CN 103942529 A CN103942529 A CN 103942529A CN 201410056940 A CN201410056940 A CN 201410056940A CN 103942529 A CN103942529 A CN 103942529A
Authority
CN
China
Prior art keywords
vehicle
road
height profile
image
camera
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201410056940.2A
Other languages
English (en)
Inventor
C·科茨
O·拉菲尔茨伯格
C·杰纳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kapsch TrafficCom AG
Original Assignee
Kapsch TrafficCom AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Kapsch TrafficCom AG filed Critical Kapsch TrafficCom AG
Publication of CN103942529A publication Critical patent/CN103942529A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G01B11/0608—Height gauges
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供—种用于测量车辆道路(1)上通过的车辆(2)的高度轮廓(W2.5，W2.5’，W2，W2’)的方法和设备。所述方法包括下面的步骤：将单眼照相机(4)以从上方捕获道路(1)的—部分的孔径角(α，β)从道路(1)上方的点指向道路(1)，在第一时刻(t1)借助于照相机(4)记录通过的车辆(2)的至少第一图像(F1)，在第二时刻(t2)借助于照相机(4)记录通过的车辆(2)的至少第二图像(F2)，根据第一图像与第二图像(F1，F2)之间的光流(F)的分析，生成车辆(2)的移动矢量图像(V，V’)，以及根据移动矢量图像(V，V，)产生车辆(2)的高度轮廓(W2.5，W2.5’，W2，W2’)。

Description

用于测量道路上通过的车辆的高度轮廓的方法和设备
技术领域
本申请涉及一种用于测量道路上通过的车辆的高度轮廓的方法和设备。
背景技术
在车辆行驶时测量车辆具有重要性，例如，对于车辆的高度检查或对于道路收费***，取决于车辆的形态，例如车辆大小、车身结构(客车或货车)、具有拖车、轴数等等，所述车辆必须支付不同的通行费。为此，目前采用广泛的技术，例如激光扫描仪或立体(双镜)照相机，来产生通过的车辆的3D图像并根据其建立车辆的高度轮廓。然而就构造和维护而言,激光扫描仪非常复杂，而立体照相机一直需要专门的、复杂的校准。本发明的目的是产生用于测量移动时的车辆的高度轮廓的较简单的方法。
发明内容
本目的由上述背景技术中所提及的类型的方法来实现，其包括下面的步骤：
将单眼照相机从道路上方的点以从上方捕获道路的一部分的孔径角指向道路，
借助于该照相机在第一时刻记录通过的车辆的至少第一图像，
借助于该照相机在第二时刻记录通过的车辆的至少第二图像，
根据对第一与第二图像之间的光流的分析，生成车辆的移动矢量图像，以及
根据移动矢量图像产生车辆的高度轮廓。
本目的也由用于执行上面的方法的装置来实现。
本发明首先提出使用对用于测量道路上的车辆的高度轮廓的单眼照相机的开始图像流进行的光流分析。根据来自于不同的相关位置的按时间顺序连续的图像之间的光流建立3D图像或更具体地2.5D图像，这本身在本领域的“来自于运动的深度”或“来自于视频的形状，，的口号下是已知的，并利用这样的事实：通过照相机的物体的靠近照相机的点看起来比同一个物体的远离照相机的物体点移动得更快，由此，可获得关于物体的深度信息。
光流分析的基本原理例如在Antonin Chambolle等的“An introduction toTotal Variation for Image Analysis”，Radon Series Comp.Appl.Math9，1-78，DeGruyter2010；于2012年6月5日从ency clopedia.com检索到的John Dainitith的“Optical Flow”，2004；Robert Fisher等的“Dictionary of Computer Visionand Image Processing”，John Wiley和Sons,2005中描述。在交通监测技术中，光流法以前被用于检查分开的车道中的交通流的移动，例如参见，Young Cho等的“Estimating Velocity Fields on a Freeway from Low Resolution Video”，IEEETransactions on Intelligent Transportation Systems，2006，Vo1.7，edition4，pages460-469；或者Jensklappstein，“Detektion von bewegten Objekten inStraβenverkehrsszenen mittels des optischenFlusses”，(借助于光流检测道路交通中移动的物体)，dissertation for Ruprecht-Karls-Heidelberg，2008。借助于十字路口的车辆的3D表示，也可跟踪各个车辆，所述3D表示由光流分析生成，例如参见，Alexander Barth等的“Vehicle Tracking at UrbanIntersections Using Dense Stereo”，3rd Workshop on Behaviour Monitoring andInterpretation，BMI,Ghent,2009；David Pfeiffer和Uwe Franke的“EfficientRepresentation ofTraffic Scenes by Means of Dynamic Stixels”，IEEE IntelligentVehicles Symposium(IV)，pages217-224，San Diego，USA,2010；L. Dreschler和H.-H.Nagel，“Volumetric Model and3D-TrajectoRY of a Moving Car Derivedfrom Monocular TV-Frame Seqnences of a Street Scene”，IJCAI’81Proceedingsofthe7th International Joint Conference on Ar-tificial Intelligenee，pages692-697。V. Kastrinaki等的“A Snrvey of video Processing Techniquesfor TrafficApplications”，Image andVision Computing21，pages359-381，2003提供了光流法的交通应用概述。
根据本发明的方法节约昂贵的附加传感器，诸如激光扫描仪和校准复杂的立体照相机，并能够仅仅利用从上方指向到道路上的单个照相机，实现车辆的高度轮廓测量，这从未在现有技术中实现。
照相机优选基本垂直向下地指向到道路上，以致在车辆的前端面和后端面处划分阴影并由此使这种阴影最小化。
所测得的高度轮廓可为2.51)高度轮廓(2.5D高度轮廓被理解为，仅仅包含从照相机的观测角和安装点看来是清楚的那些片段的图像深度信息的3D轮廓)和2D高度轮廓(“断面图像’)二者；对于后者，平行于道路的纵向延伸的2D高度轮廓被优选地选择：车辆在它们的行进方向上移动时的光流分析，精确传递了该方向上的最有意义的深度信息。
出于相同的理由，优选地在道路的纵向上各向异性地分析光流。垂直于道路纵向的通过的车辆的边缘在两个图像之间几乎不变化(假设车辆在此时不改变车道)，并因此，这可被用作光流分析中的边界条件。
高度轮廓优选地基于车辆的最低记录点的速度或道路上的车辆的阴影而被缩放，以便生成准确尺寸的高度轮廓。
可替换地，可实现高度轮廓与车辆速度的“自缩放”，因为要由光流分析所估计的两个图像被捕获的时刻，取决于道路上预定位置处的车辆的检测。为此，第一时刻优选为车辆在道路上的第一位置被检测的时刻，而第二时刻为车辆在道路上的第二位置被检测的时刻。
车辆特别优选地借助于设置在道路上的传感器或通过照相机本身的图像的估计来被在第一及第二位置检测。所提及的传感器例如可为光电传感器、车道中的感应环、扫描仪或类似物。如果照相机本身的图像被用于车辆的位置检测，则例如车辆图像的显著点，诸如车辆轮廓线中的拐角，可在图像中的预定位置处被检测到。
在本发明的另一个有利的实施例中，在由其产生高度轮廓之前的移动矢量图像，或者所产生的高度轮廓，优选底由照相机的孔径角补偿，并因此被校正。
本领域已知的任何光流法可被用于光流分析。由于图像中的快速车辆的较高的相对运动，优选采用全变差光流法，正如例如在T.Brox和J.Malik的”Large Displacement Optical Flow：Descriptor Matching in VariationalMotion Estimation”，IEEE Transactions on Pattern Analysis and MachineIntelligence，vo1.33，edition3，pages500-513，2011中所描述的，其可例如在http：／／1mb.informatik,unifreiburg.de／resourees／binaries／处获得用于Matlabprogram libraries。
本发明的方法也可被用于通过将所产生的高度轮廓与已知车辆等级的参考高度轮廓相比较来对所测量的车辆分类。
对于本发明的方法，可以使用任何适当的照相机，例如，用于获取连续的各个图像的照相机或视频照相机。安装在横跨道路的桥上的交通监测照相机优选地被用作照相机，特别是交通监测视频照相机，其视颇流(图像输出流)被馈送光流分析。
附图说明
此后将根据附图中所示出的示例性实施例，更详细地示出本发明，其中：
图1a和1b示出了当在两个不同时刻记录通过单眼照相机下方的车辆的图像的本发明的方法；
图2a-2d示出了基于其中产生的图像、矢量和轮廓数据的本发明的方法；
图3a和3b示出了校正前(图3a)和校正后(图3b)的两个示例性移动图像矢量；
图4示出了由来自于图3b的校正后的移动矢量图像产生的2.5D高度轮廓的透视图；以及
图5示出了分别由图3a或3b的移动矢量图像或者由图4的2.5D高度轮廓所产生的2D高度轮廓或其可选的随后校正。
具体实施方式
图1a和1b示出了用于执行考虑中的用于测量通过道路1的车辆2的高度轮廓的方法的基本测量设置。图1a和1b中示出了处于两个不同地点或位置的车辆2，更具体地，第—位置用在时刻t1处的虚线指示，以及第二位置用在更晚的时刻t2处的实线示出。
向下指向到道路1的照相机4例如以6-7m的安装高度在固定支撑物3上被安装在道路1上方，固定支撑物如具有悬臂梁的杆或横跨道路的桥(台架)。照相机4是单眼的，也就是说，它具有单个的、通常方形的或长方形的图像记录传感器(未示出)和设置于前面的单个镜头，由此它具有倒金字塔形的视域8，其具有从在平行于道路5的纵向的平面来看的孔径角α，和从在垂直于道路5的纵向的平面来看的孔径角β(未示出)。为了更加清楚的示出，此处通过示例的方式所示出的车辆2具有差别非常大的并简化了的高度轮廓，其基本上具有以驾驶室的顶部形式的靠近于照相机(高)的一个顶部区域6和以加载区域形式的远离照相机(低)的一个顶部区域7。
不言而喻，照相机4也可倾斜她向下指向到道路1上，假设车辆2通过的感兴趣的道路部分可被看作处于所述照相机的视域8的一部分中。
如可从图1a和1b中看到的，例如位于顶部区域6上的靠近于照相机的点PA，看起来在照相机4的视域8中通过移动矢量xA在第一时刻t1与第二时刻t2之间的给定时间段△t=ti-t2内移动，而例如位于顶部区域7上的远离照相机的点PB，通过较小的移动矢量xB在相同(或不同)时刻之间的相同时间段△t内移动。
图2a示出了与在两个时刻t1，t2处的图1a和1b中的记录情形相对应的照相机4的所记录的图像(帧)F1，F2。两个图像F1，F2被馈送给光流分析法。光流分析法在本领域是已知的，并且例如基于在图像F1，F2中所检测到的显著点(特征点)，建立显著点的移动矢量xA，xB(稀疏方法)。可替换地，所有的图像点可被考虑，因为它们的寻求移动矢量被看作要被最小化的目标函数的一部分，也就是说，寻求最佳地反映图像F1，F2之间的光流F的变化的移动矢量矩阵(密集方法)。密集方法的优选实施方法为全差光流法，其中，目标函数为要被最小化的能量项，其考虑了图像之间的亮度和颜色上的变化。其他(高阶)项也于被考虑，以便进一步改善结果。对于光流分析，且特别地对于全差光流法的细节，可参考背景技术中所提到的文献：T. Brox和J.Malik的”LargeDisplacement Optical Flow：Descriptor Matching in Variational MotionEstimation”，IEEE Transactions on Pattern Analysis and Machine Intelligence，vo1.33，edition3，pages500-513，2011；例如，该方法的Matiab-C-mex实现，可从URL：http：／／1mb.informatik,uni-freiburg.de／resourees／binaries/获得。
此处，特殊平滑项可被用作全差光流分析的边界条件，其包括作为前提的垂直于道路的纵向5的车辆2的小的移动或不移动，以便有助于求解最小化问题。为了获得不同物体(道路，车辆)之间的良好间隔，且不会使例如车辆与道路之间的边缘平滑，优选地各向异性地(平行于图像中出现的边缘)进行平滑。
由于用于曼的车辆的移动矢量x(P)非常小，且对于静止的车辆为零，因此在这些情形中，两个被分析的图像F1与F2之间的时间间隔t2-t1优选被增加。例如，当照相机4为视颇照相机时，直接来自于照相机4的视频流的彼此相随的图像因此不必被分析，而是分析时间上远离地相应记录的图像。优选地选择两个图像F1和F2的记录时间t1和t2以使得每种情形中的车辆2位于道路1上的预定位置，这一点随后将被更详细地阐明。不言而喻，照相机4也可在两个以上的时刻t1，t2记录两个以上的图像F1，F2，并且这些图像可被包含在光流分析中。
图2b以移动矢量图像V的形式示出了图2a的光流分析的结果，其包含用于照相机图像F1或F2的每一个图像点P的移动矢量x(P)。图2b为具有几个象征性地示出的移动矢量的高度示意图；事实上，移动矢量图像V为矩阵或阵列，其中，每个单元或像素P包含移动矢量x(P)。
图3a示出了来自于图2b的移动矢量图像V的另一种形式的图例，其中，移动矢量x(P)的绝对值(“速度”)已被分类(量化)在不同的等级区域中；可以看出，车辆2的顶部区域6(舱顶)清楚地显出具有(看起来)高的速度，而车辆2的顶部区域7(货舱)显出具有(看起来)低的速度。
根据移动矢量图像V(图2b和3a)，车辆2的点距照相机4的各个距离y(图1a，图1b)现在可被直接她建立：移动矢量x(P)的高绝对值表明较短的距离y，反之亦然。移动矢量图像V由此同时构成通过道路1上的车辆2的高度起伏或高度轮廓，即使由于它末被缩放而为“原始的”。
图4示例性地示出了它，移动矢量图像V的移动矢量x(P)的绝对值被指定为距离y，而这些曾以图表的形式示出。图4的图解因此示出了3D高度轮廓，更具体地：车辆2的2.5D高度轮廓W2.5。通过在平行于道路5的纵向的平面9中产生截面，2D高度轮廓W2可由图4的3D或2.5D高度轮廓W2.5来产生，且被在图5中阐明。
从图5中可以看出，直到现在所考虑的高度轮廓W2.5或W2根据道路5的纵向上的照相机4的孔径角α(以及根据与其垂直的孔径角β)而失真。借助于相应的几何均衡，图5的2D高度轮廓W2(或者图4的2.5D高度轮廓W2.5)可因此由照相机4的孔径角α(且也可选她为β)来补偿，即校正，正如图5中由箭头10所示意性地示出的；校正后的2D高度轮廓在图5中由W2’指示。图2c和2d示意性地详细示出了，通过基于具有垂直端面11，12的箱形车辆2的道路5的纵向上的孔径角α来校正2D高度轮廓W2的步骤。
通过孔径角α(和β)的校正，可同时直接对高度轮廓W2.5，W2实施并已预先对移动矢量图像V实施。这在图3b中示出，其示出了通过孔径角α，β的校正步骤之后的图3a的移动矢量图像V；校正后的移动矢量图像由V’指示。校正后的2.5D高度轮廓W2.5’或校正后的2D高度轮廓W2’因此也可直接由图3b的校正后的移动矢量图像V，来产生。
高度轮廓W2.5，W2.5’，W2，W2’随后可被用于车辆2的分类，例如是因为车辆2的显著参数，诸如高度和长度，可由其计算出，或者高度轮廓可与一组预先存储的已知车辆类别的参考高度轮廓相比较。
如果车辆2的固有速度v是已知的，例如作为借助于诸如光电传感器、车行道1中的感应线圈、扫描仪等等的单独的传感器的测量的结果，则它可被直接地包括在图2a的光流分析中，且移动矢量图像V，V’和高度轮廓W2.5，W2.5’，W2，W2，包含绝对值，即被缩放，以使得例如车辆2的准确高度和长度可由其推导出。如果车辆2的固有速度v不是已知的，或者被单独地测量，特别地如果仅仅单个照相机4被提供用于实施所描述的光流法，则最低的移动点P3，即距照相机最远的点，或者道路1上的车辆2的阴影，可在图像F1，F2中被用作参考值，且移动矢量图像V，V，或高度轮廓W2.5，W2.5’，W2，W2’可被参考并由此被缩放。道路1上的车辆2的阴影，例如该阴影的最外侧的点，也可在图像F1和F2中检测到并用于速度测量，以便随后缩放高度轮廓W2.5，W2.5’，W2，W2’。
可替换地，两个被分析的图像F1，F2被记录的时刻t2，t1可被预先选择，以使得它们对应于道路1上的车辆2的预定位置。例如，借助于集成在行车道上的车轮检测器D1，D2，例如感应线圈、光电传感器、扫描仪等等，而且还借助于照相机4本身的(视颇流的)连续图像的估计，车辆2采取图1a中由实线和虚线所示出的两个地点或位置的这两个时刻t1，t2，可由此被检测以便随后记录图像F1，F2。高度轮廓W2.5，W2.5’，W2，W2’因此利用准确的速度被自动缩放。
当然，照相机4的视域中的多个车辆的高度轮廓W2.5，W2.5’，W2，W2’也可利用本发明的方法来产生。本发明因此不限定于所呈现的实施例，而是包括落入附随的权利要求书的范围内的所有变型和改变。

Claims (13)

1.一种用于测量在道路(1)上通过的车辆(2)的高度轮廓(W2.5，W2.5’，W2，W2’)的方法，所述方法包括以下步骤：
将单眼照相机(4)以从上方捕获道路(1)的一部分的孔径角(α，β)从道路(1)上方的点指向道路(1)，
在第一时刻(t1)借助于照相机(4)记录通过的车辆(2)的至少第一图像(F1)，
在第二时刻(t2)借助于照相机(4)记录通过的车辆(2)的至少第二图像(F2)，
根据第一图像与第二图像(F1，F2)之间的光流(F)的分析，生成车辆(2)的移动矢量图像(V，V’)，以及
根据移动矢量图像(V，V，)产生车辆(2)的高度轮廓(W2.5，W2.5’，W2，W2’)。
2.根据权利要求1的方法，其特征在于，照相机(4)基本垂直向下地指向到道路(2)。
3.根据权利要求1的方法，其特征在于，高度轮廓(W2.5，W2.5’)为2.5D高度轮廓。
4.根据权利要求1的方法，其特征在于，高度轮廓(W2，W2’)为2D高度轮廓，其平行于道路(5)的纵向延伸。
5.根据权利要求1-4中任一项的方法，其特征在于，基于车辆(2)的最低记录点(P3)的速度(v)或基于道路(1)上的车辆(2)的阴影，缩放高度轮廓(W2.5，W2.5’，W2，W2’)。
6.根据权利要求1-4中任一项的方法，其特征在于，第一时刻(t1)为车辆(2)在道路(1)上的第—位置被检测到的时刻，并且第二时刻(t2)为车辆在道路(1)上的第二位置被检测到的时刻。
7.根据权利要求6的方法，其特征在于，借助于设置在道路(1)上的传感器或通过照相机(4)本身的图像(F1，F2)的估计来在第一位置和第二位置检测车辆(2)。
8.根据权利要求1-4中任一项的方法，其特征在于进一步的以下步骤：在由移动矢量图像(V)产生高度轮廓(W2.5’，W2’)之前，校正(10)移动矢量图像(V)，以便补偿孔径角(α，β)。
9.根据权利要求1-4中任一项的方法，其特征在于进一步的以下步骤：校正(10)高度轮廓(W2.5，w2)以补偿孔径角(α，β)。
10.根据权利要求1-4中任一项的方法，其特征在于，全变差光流法被用于光流(F)的分析。
11.根据权利要求1-4中任一项的方法，其特征在于进一步的以下步骤：基于所产生的高度轮廓(W2.5，W2.5’，W2，W2’)与已知车辆类别的参考高度轮廓的比较，将车辆(2)分类。
12.根据权利要求1-4中任一项的方法，其特征在于，安装在道路(1)上方的交通监视照相机被用作所述照相机(4)。
13.一种用于测量道路(1)上通过的车辆(2)的高度轮廓(W2.5，W2.5’，W2，W2，)的设备，被配置为执行根据权利要求1-12中任一项所述的步骤。
CN201410056940.2A 2013-01-21 2014-01-20 用于测量道路上通过的车辆的高度轮廓的方法和设备 Pending CN103942529A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP13152086.8 2013-01-21
EP13152086.8A EP2757346B1 (de) 2013-01-21 2013-01-21 Verfahren zum Messen eines Höhenprofils eines auf einer Straße passierenden Fahrzeugs

Publications (1)

Publication Number Publication Date
CN103942529A true CN103942529A (zh) 2014-07-23

Family

ID=47900489

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410056940.2A Pending CN103942529A (zh) 2013-01-21 2014-01-20 用于测量道路上通过的车辆的高度轮廓的方法和设备

Country Status (12)

Country Link
US (1) US9547912B2 (zh)
EP (1) EP2757346B1 (zh)
CN (1) CN103942529A (zh)
AU (1) AU2014200082B2 (zh)
CA (1) CA2837314C (zh)
DK (1) DK2757346T3 (zh)
ES (1) ES2573629T3 (zh)
PL (1) PL2757346T3 (zh)
PT (1) PT2757346E (zh)
RU (1) RU2014101596A (zh)
SI (1) SI2757346T1 (zh)
ZA (1) ZA201400440B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105403162A (zh) * 2015-10-15 2016-03-16 南京理工大学 半挂车外轮廓尺寸的自动检测方法
CN110360947A (zh) * 2019-06-24 2019-10-22 广州市奥特创通测控技术有限公司 一种基于矢量图像测量的车辆轮廓测量方法
CN114688989A (zh) * 2020-12-25 2022-07-01 武汉万集信息技术有限公司 一种车辆特征的提取方法及提取***

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9118816B2 (en) 2011-12-06 2015-08-25 Mobileye Vision Technologies Ltd. Road vertical contour detection
DE102013204935A1 (de) * 2013-03-20 2014-09-25 Robert Bosch Gmbh Verfahren und Vorrichtung zum Erstellen einer Aufnahme eines gepulst aufleuchtenden Objekts
US9757054B2 (en) * 2013-08-30 2017-09-12 Elwha Llc Systems and methods for warning of a protruding body part of a wheelchair occupant
EP3026652A1 (en) * 2014-11-27 2016-06-01 Kapsch TrafficCom AB Double stereoscopic sensor
US20160191795A1 (en) * 2014-12-30 2016-06-30 Alpine Electronics, Inc. Method and system for presenting panoramic surround view in vehicle
CN106441148A (zh) * 2016-08-31 2017-02-22 成都铁安科技有限责任公司 固定方法、固定机架与火车车轮外形测量***
CN106546185B (zh) * 2016-10-18 2019-09-20 福州觉感视觉软件科技有限公司 一种基于机器视觉检测的轮廓质量检测方法
US10417911B2 (en) 2017-12-18 2019-09-17 Ford Global Technologies, Llc Inter-vehicle cooperation for physical exterior damage detection
US10600234B2 (en) 2017-12-18 2020-03-24 Ford Global Technologies, Llc Inter-vehicle cooperation for vehicle self imaging
US10745005B2 (en) 2018-01-24 2020-08-18 Ford Global Technologies, Llc Inter-vehicle cooperation for vehicle self height estimation
DE102018108343A1 (de) * 2018-04-09 2019-10-10 Washtec Holding Gmbh Verfahren zum automatischen Erkennen einer Ladefläche
US10628690B2 (en) 2018-05-09 2020-04-21 Ford Global Technologies, Llc Systems and methods for automated detection of trailer properties
US11164031B2 (en) * 2018-06-26 2021-11-02 Here Global B.V. System and method for analyzing an image of a vehicle
US10762681B2 (en) 2018-06-26 2020-09-01 Here Global B.V. Map generation system and method for generating an accurate building shadow
ES2887325T3 (es) * 2018-11-19 2021-12-22 Kapsch Trafficcom Ag Método y aparato para medir la altura de un vehículo
US11351917B2 (en) 2019-02-13 2022-06-07 Ford Global Technologies, Llc Vehicle-rendering generation for vehicle display based on short-range communication
CN111063201A (zh) * 2019-12-26 2020-04-24 成都纳雷科技有限公司 一种etc场景下的车辆大小识别方法、装置、***及介质
CN111611928B (zh) * 2020-05-22 2023-07-28 郑泽宇 一种基于单目视觉与关键点识别的身高及身体尺寸测量方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4332158A1 (de) * 1993-09-22 1995-03-23 Sel Alcatel Ag Verfahren zur klassifizierten Erfassung eines vorbeifahrenden Fahrzeugs und Einrichtungen zur Durchführung des Verfahrens
DE19517029B9 (de) * 1995-05-10 2004-09-30 Kapsch Trafficcom Ag Verfahren zur Bestimmung der Höhe eines Fahrzeuges mit Hilfe einer das Fahrzeug aufnehmenden Videokamera und Vorrichtung zur Durchführung des Verfahrens
US6195019B1 (en) * 1998-01-20 2001-02-27 Denso Corporation Vehicle classifying apparatus and a toll system
US20020140924A1 (en) * 1999-01-08 2002-10-03 Richard J. Wangler Vehicle classification and axle counting sensor system and method
KR100459478B1 (ko) * 2002-07-09 2004-12-03 엘지산전 주식회사 레이저 센서를 이용한 차량 검지 장치 및 방법
GB0717233D0 (en) * 2007-09-05 2007-10-17 Trw Ltd Traffic monitoring
DE102009031319A1 (de) * 2009-06-30 2011-01-05 Siemens Aktiengesellschaft Verfahren und System zur Bestimmung einer Fahrzeugklasse
ES2401668T3 (es) * 2009-10-01 2013-04-23 Kapsch Trafficcom Ag Dispositivo para la detección de vehículos en una superficie de tráfico
US9269263B2 (en) * 2012-02-24 2016-02-23 Magna Electronics Inc. Vehicle top clearance alert system

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105403162A (zh) * 2015-10-15 2016-03-16 南京理工大学 半挂车外轮廓尺寸的自动检测方法
CN105403162B (zh) * 2015-10-15 2018-04-03 南京理工大学 半挂车外轮廓尺寸的自动检测方法
CN110360947A (zh) * 2019-06-24 2019-10-22 广州市奥特创通测控技术有限公司 一种基于矢量图像测量的车辆轮廓测量方法
CN114688989A (zh) * 2020-12-25 2022-07-01 武汉万集信息技术有限公司 一种车辆特征的提取方法及提取***

Also Published As

Publication number Publication date
CA2837314A1 (en) 2014-07-21
NZ619690A (en) 2014-03-28
CA2837314C (en) 2020-03-24
US20140204205A1 (en) 2014-07-24
PL2757346T3 (pl) 2016-09-30
DK2757346T3 (en) 2016-07-25
AU2014200082B2 (en) 2018-11-08
ZA201400440B (en) 2014-11-26
US9547912B2 (en) 2017-01-17
EP2757346A1 (de) 2014-07-23
EP2757346B1 (de) 2016-03-30
SI2757346T1 (sl) 2016-08-31
RU2014101596A (ru) 2015-07-27
ES2573629T3 (es) 2016-06-09
PT2757346E (pt) 2016-06-02
AU2014200082A1 (en) 2014-08-07

Similar Documents

Publication Publication Date Title
CN103942529A (zh) 用于测量道路上通过的车辆的高度轮廓的方法和设备
CN103518230B (zh) 用于车辆分类的方法和***
CN102956106B (zh) 用于识别机动车辆以监测交通的方法与设备
JP7144398B2 (ja) 自車両の周辺領域を捕捉するためのカメラ装置並びに方法
CN104575003B (zh) 一种基于道路监控视频的车辆速度检测方法
US8238610B2 (en) Homography-based passive vehicle speed measuring
CN102194239B (zh) 用于处理图像数据的方法和***
RU2419884C1 (ru) Способ определения скорости транспортного средства
DE102014012285A1 (de) Verfahren und Achsenzähl-Vorrichtung zur berührungslosen Achsenzählung eines Fahrzeugs sowie Achsenzählsystem für den Straßenverkehr
CN103886757A (zh) 用于自动分类运动中的车辆的方法
CN1448886A (zh) 用于测量车辆队列长度的装置和方法
WO2011065399A1 (ja) 走路認識装置、車両、走路認識方法及び走路認識プログラム
US20220245831A1 (en) Speed estimation systems and methods without camera calibration
CN107506753B (zh) 一种面向动态视频监控的多车辆跟踪方法
KR101089029B1 (ko) 광류를 이용한 방범용 차량 감지 시스템
CN102483881A (zh) 人行横道线检测方法及人行横道线检测装置
Matsuda et al. A Method for Detecting Street Parking Using Dashboard Camera Videos.
EP4250245A1 (en) System and method for determining a viewpoint of a traffic camera
JP3235322U (ja) 交通方向転換量調査レポート自動生成システム
Barros et al. Deep speed estimation from synthetic and monocular data
Mahalakshmi et al. Vehicle Speed Estimation using Haar Classifier Algorithm
Sangsuwan et al. Video-based vehicle speed estimation using speed measurement metrics
DE102014108255A1 (de) Georeferenzierung von Bilddaten
Hassan et al. ChattSpeed: Toward a New Dataset for Single Camera Visual Speed Estimation for Urban Testbeds
NZ619690B (en) Method for measuring a height profile of a vehicle passing on a road

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20140723