CN109064755A - 基于四维实景交通仿真路况感知管理***的路径识别方法 - Google Patents
基于四维实景交通仿真路况感知管理***的路径识别方法 Download PDFInfo
- Publication number
- CN109064755A CN109064755A CN201810817839.2A CN201810817839A CN109064755A CN 109064755 A CN109064755 A CN 109064755A CN 201810817839 A CN201810817839 A CN 201810817839A CN 109064755 A CN109064755 A CN 109064755A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- dimensional
- information
- tracking
- road conditions
- 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.)
- Granted
Links
Classifications
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出了一种基于四维实景交通仿真路况感知管理***的路径识别方法,包括:由布设在路测的雷达传感器获取通过的每辆车的跟踪定位信息,并同步触发车牌抓拍摄像机,由车牌抓拍摄像机采集车辆照片,将车辆的跟踪定位信息和车辆照片发送至中心服务器;提取车辆照片中的车辆特征信息,与本地预设的三维车辆模型库进行比对,进行模糊匹配提取对应的车辆三维模型,并将车辆跟踪定位信息与该车辆三维模型进行融合;将融合后的车辆三维模型与三维GIS地图进行叠加来实现四维实景路况仿真,在通过设定时间间隔来获取车辆不同时间节点的位置信息,采用点线连接技术就可以获取想要了解的车辆精准路径信息,从而达到车辆精准路径识别的目的。
Description
技术领域
本发明涉及车辆行人跟踪定位技术、车牌抓拍技术、车辆行人三维仿真技术、道路视频监控技术、道路环境监控技术、交通状况仿真技术、网络通信技术、气象仿真技术、计算机图形技术、视频渲染技术、三维高精GIS地图技术、虚拟现实融合技术以及车辆路径识别技术领域,特别涉及一种基于四维实景交通仿真路况感知管理***的路径识别方法。
背景技术
视频监控***已经被广泛应用到了各个行业当中,包括:交通、银行、机场、油田、铁路、城市、轨道交通、公共场所、国防等等诸多领域,已经成为一种不可缺少的重要设备。管理部门可通过它获得有效数据、图像或声音信息,对突发性异常事件的过程进行及时的监视和记忆,用以提供高效、及时地指挥和高度、布置警力、处理案件等。监控***主要由监控摄像、传输、控制、显示、记录登记5大部分组成。摄像机通过通信设备将视频图像传输到控制主机,控制主机再将视频信号分配到各监视器及录像设备以及具有视频图像分析功能的处理设备中去了,同时可将需要传输的语音信号同步录入到录像机内。通过控制主机,操作人员可发出指令,对云台的上、下、左、右的动作进行控制及对镜头进行调焦变倍的操作,并可通过控制主机实现在多路摄像机及云台之间的切换,可对异常事件事物进行详细查看。利用特殊的录像处理模式,可对图像进行录入、回放、处理等操作,使录像效果达到最佳。随着科技的不断的先前发展整个监控***也同样发生着翻天覆地的改变,自基于模拟摄像机视频监控***的出现至今已经经历了三个阶段的发展,分别为模拟时代、数模时代、网络时代三个。但是无论是那个时代摄像机始终难以解决其本身固有的问题,比如要想实现一天24小时不间断监视,就必须给摄像机安装补光装置才可以实现。再比如要想让摄像机在各种天气环境(雨、雪、雾、雾霾、烟、沙尘等)下能够正常使用,就必须使用特定的摄像机比如红外热成像摄像机,要想准确的对车辆信息进行提取抓拍,就必须将抓拍摄像机安装在道路车道的正上方并用补光等进行补光。为了能够监控更大范围的区域消除盲角或死角地带,就必须布设更大量的摄像机才能够满足实际使用需求。按照现有高速公路监视需求要想做到全程覆盖全程无缝监视,摄像机密度就会非常大投入成本非常昂贵。
此外,现有的交通路况监控画面仅能显示监控路段的抓拍图像,显示内容单一,无法对通过的每个车辆的跟踪定位信息及车牌等信息,在地图上进行展示呈现,从而用户无法直观且实时的获取高速公路上的监控画面,也无法根据监控画面对车辆进行路径识别。
发明内容
本发明的目的旨在至少解决所述技术缺陷之一。
为此,本发明的目的在于提出一种基于四维实景交通仿真路况感知管理***的路径识别方法。
为了实现上述目的,本发明的实施例提供一种基于四维实景交通仿真路况感知管理***的路径识别方法,包括如下步骤:
步骤S1,由布设在路测的雷达传感器获取通过的每辆车的跟踪定位信息,并同步触发车牌抓拍摄像机,由所述车牌抓拍摄像机采集车辆照片,将车辆的跟踪定位信息和车辆照片发送至中心服务器;
步骤S2,所述中心服务器提取所述车辆照片中的车辆特征信息,并将其与本地预设的三维车辆模型库进行比对,提取对应的车辆三维模型,并将来自所述雷达传感器的对应的车辆跟踪定位信息与该车辆三维模型进行融合;
步骤S3,将融合后的车辆三维模型与三维GIS地图进行叠加,并通过三维图形加速引擎形成渲染动画,生成实时交通路况监控画面,所述交通路况监控画面中显示有与实际道路上运动方向、运动速度、实时位置、车辆外形相同的三维车辆仿真动画,进而获得车辆的运动轨迹、运动状态,实现四维实景路况仿真。
步骤S4,通过设定数据提取时间间隔,来获取每一辆车的位置信息或检索的车辆的位置信息,并将该位置信息采用点线连接技术,就可以获取每一辆或者是检索车辆的精准行驶路径达到路径识别的目的。
进一步,所述雷达传感器的跟踪定位信息包括:车辆的跟踪信息、及时速度信息、运动方向信息、经纬度信息、目标尺寸信息、ID编号信息、类型信息、方向角等重要信息。
进一步,在所述步骤S3中,调用多角度预览模式的摄像机进行拍摄,调取摄像机的画面在监控画面中进行显示,并添加到三维GIS地图及渲染动画中。
进一步,还包括如下步骤:利用多要素传感器获取多要素气象数据,发送至所述中心服务器,由所述中心服务器对上述多要素气象数据进行分析并模拟气象环境变化动画,与步骤S3中的三维车辆模型一起叠加到三维GIS仿真地图中。
进一步,所述车辆特征信息包括:颜色、车系、车型、品牌、型号、年代、车辆牌照进一步,由于雷达传感器获取每辆车的跟踪定位信息的同时,同步触发车牌抓拍摄像机的拍摄,对同一时刻的跟踪定位信息和拍摄的车辆图片建立关联,标识为同一辆车的信息后传输至所述中心服务器,以由所述中心服务器在三维车辆模型库中提取出对应的车辆三维模型后,查找出关联的车辆的跟踪定位信息进行融合操作。
进一步,还包括如下步骤:获取当前的时钟信息并发送至所述中心服务器,由所述中心服务器对上述时钟信息进行分析并模拟时间变化动画,与步骤S3中的三维车辆模型一起叠加到三维GIS仿真地图中,生成实时四维实景仿真交通路况监控画面。
进一步,还包括如下步骤:通过设定数据提取时间间隔,来获取每一辆车的位置信息或检索的车辆的位置信息,并将该位置信息采用点线连接技术,就可以获取每一辆或者是检索车辆的精准行驶路径达到路径识别的目的。
本发明实施例的基于四维实景交通仿真路况感知管理***的路径识别方法,可以对车辆进行时实时跟踪定位以及四维实景仿真和车辆三维实景仿真功能,根据每辆车的及时速度和运动轨迹等重要信息,并可以输出车辆超速起始时间、结束时间、行驶里程、行驶路径等重要信息。并且,本发明结合多要素气象信息和时钟信息,将上述信息与三维GIS地图进行融合,从而使得监控画面内容更加丰富,更好的为用户提供路线规划导航,按照时间节点提供道路上行驶的每一辆车的运动轨迹,再结合车牌抓拍***便可以提供每一辆车在道路上真实准确的行驶路径。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本发明实施例的基于四维实景交通仿真路况感知管理***的路径识别方法的流程图;
图2为根据本发明实施例的雷达传感器对车辆实时采集跟踪定位信息示意图;
图3为根据本发明实施例的雷达传感器和车牌抓拍摄像机同步工作的示意图;
图4为根据本发明实施例的基于四维实景交通仿真路况感知管理***的数据融合示意图;
图5为根据本发明实施例的基于四维实景交通仿真路况感知管理***的对道路上行驶所有车辆或检索车辆全程跟踪定位实时监控查看示意图;
图6为根据本发明实施例的基于四维实景仿真路况感知管理***的通过获取车辆的不同时间节点的位置信息通过点线连接技术获取车辆精准行驶路径的示意图。
具体实施方式
下面详细描述本发明的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
如图1所示,本发明实施例的基于四维实景交通仿真路况感知管理***的路径识别方法,包括如下步骤:
步骤S1,由布设在路测的雷达传感器获取通过的每辆车的跟踪定位信息,并同步触发车牌抓拍摄像机,由车牌抓拍摄像机采集车辆照片,将车辆的跟踪定位信息和车辆照片发送至中心服务器。
下面对雷达传感器的工作原理进行说明:由多要素全方位跟踪检测雷达传感器通过扫描的方式,将雷达区域内所有移动的车辆或行人进行实时扫描并跟踪定位获取其实时位置。
然后数据采集分析处理器通过获取多要素全方位跟踪检测雷达传感器发送过来的原始雷达扫描数据后,进行数据实时汇总和分析会给出每一辆或行人的实时信息。其中,雷达传感器的跟踪定位信息包括:车辆的跟踪信息、及时速度信息、运动方向信息、经纬度信息、目标尺寸信息、ID编号信息、类型信息、方向角等重要信息。
多个区域重叠的多要素全方位跟踪检测雷达传感器数据可以通过路侧安装的数据采集分析处理器或中心的小型云处理服务器进行数据传递,被跟踪的车辆或行人通过这种方式可以实现全程跟踪实时定位的功能,直到被跟踪的车辆或行人离开雷达的检测区域为止。
需要说明的是,如图3所示,在雷达传感器获取车辆的跟踪定位信息的同时,同步触发安装在道路上的车牌抓拍摄像机,抓取车辆照片,将车辆的跟踪定位信息和车辆照片发打包成一组数据送至中心服务器。具体的,为了保证车牌抓拍摄像机抓取的车辆信息与被雷达跟踪的车辆数据信息能够完美融合,保证被仿真还原的三维车辆与实际道路上行驶的车辆运动状态一致,例如仿真还原的三维车辆在三维仿真的道路上运动的速度、位移、方向以及其他信息与实际道路上行驶的车辆运动的速度、位移、方向以及其他信息一致。因此车牌抓拍摄像机的触发信号由多要素全方位跟踪检测雷达传感器通过数据采集分析处理器来实现同步触发抓拍,数据采集分析处理器同时获取该雷达对该车辆的跟踪定位信息(雷达触发车牌抓拍摄像机的触发信号)与车牌抓拍摄像机抓取的车辆照片进行数据汇总并打包传输到中心服务器,中心服务器对数据进行解析分析处理和数据还原。
步骤S2,中心服务器提取车辆照片中的车辆特征信息,并将其与本地预设的三维车辆模型库进行比对,进行模糊匹配提取对应的车辆三维模型。
在本发明的一个实施例中,该三维车辆模型的样子、外观、颜色等数据信息是根据现实的实际车辆数据信息逐一录入到数据库中去的,因此该三维车辆模型样子、外观、颜色与实际获取的道路上行驶的车辆仿真度高达96%以上,特殊改造车辆除外,并将来自雷达传感器的对应的车辆跟踪定位信息与该车辆三维模型进行融合。
中心服务器对抓取的车辆照片进行图形分析,来获取道路上行驶的每一辆车的特征信息。具体的,车辆特征信息是将抓取的车辆照片通过图形识别技术来获取车辆的颜色、车系、外观、车型、品牌、型号、年代、车辆牌照等信息,该识别技术需要后台数据库支撑来共同完成。
由于雷达传感器获取每辆车的跟踪定位信息的同时,同步触发车牌抓拍摄像机的拍摄,对同一时刻的跟踪定位信息和拍摄的车辆图片建立关联,标识为同一辆车的信息后传输至所述中心服务器,以由所述中心服务器在三维车辆模型库中提取出对应的车辆三维模型后,查找出关联的车辆的跟踪定位信息进行融合操作。同一车辆在通过被N个检测区域重叠的多要素全方位跟踪检测雷达传感器的道路上行驶时,***会给该车辆分配唯一的识别信息,同理***会给道路上所有行驶的车辆都会赋予唯一识别代码来保持车辆在***中信息的唯一性和可持续性,如图5所示。
车牌抓拍摄像机将抓取的车辆照片和获取的车辆特征信息送入到中心处理服务器中进行图像分析和数据分析,中心服务器的数据库中存有预设的三维车辆模型库。
在本发明的一个实施例中,预设的三维车辆模型库包括:各种车辆的三维模型和对应的数据信息。其中,该三维车辆模型的样子、外观、颜色等数据信息是根据现实实际车辆数据信息逐一录入到数据库中去的,因此该三维车辆模型样子、外观、颜色与实际获取的道路上行驶的车辆仿真度高达96%以上,特殊改造车辆除外。
中心服务器获取车牌抓拍摄像机送过来的每一辆车的车辆照片和车辆特征信息后与本地数据库中三维车辆模型数据进行对比,将与数据一致或接近的车辆三维模型提取出来,多要素全方位跟踪检测雷达传感器再将该车辆的跟踪信息、位置信息、经纬度信息、速度信息、运动方向信息、方向角信息等与该车辆的三维模型做进一步融合。
步骤S3,将融合后的车辆三维模型与三维GIS地图进行叠加,并通过三维图形加速引擎形成渲染动画,生成实时交通路况监控画面,交通路况监控画面中显示有与实际道路上运动方向、运动速度、实时位置、车辆外形相同的三维车辆仿真动画,进行四维实景路况仿真,进而通过监控监视或跟踪三维车辆就可以等同于对道路上行驶的实际车辆进行监控监视的跟踪定位的作用和效果。
在步骤S3中,将雷达传感器所获取的车辆跟踪定位数据信息与车牌抓拍获取的车辆特征信息提取的三维车辆模型进行数据融合,融合后的车辆三维模型与三维GIS地图进行叠加,并通过三维图形加速引擎形成渲染动画,生成实时交通路况监控画面,所述交通路况监控画面中显示有与实际道路上运动方向、运动速度、实时位置、车辆外形相同的三维车辆仿真动画,进而能够达到对道路上所有车辆监控跟踪定位的目的。本发明可以调用多角度预览模式的摄像机进行拍摄,调取摄像机的画面在监控画面中进行显示,并添加到三维GIS地图及渲染动画中。
通过图形渲染加速引擎后就可以得到了与实际道路上运动方向、运动速度、实时位置、车辆外形(改造车辆除外)一摸一样的三维车辆仿真动画了。通过监控四维仿真动画中的车辆的运动轨迹、运通状态、车辆特征信息等等就可以实现对道路上实际运动车辆的监管、监控、跟踪、定位、违法、违章、诱导等重要工作了。
步骤S4,通过在***中设定跟踪、定位车辆的条件以及获取车辆位置信息的时间间隔,来获取车辆通过行驶过程中的点位信息,在通过将这些点位信息进行线性逐点连接的方式就可以获取车辆行驶的精准路径以及车辆通过该路径使用的时间,从而达到对车辆行驶路径精准识别的目的,如图6所示。
通过设定数据提取时间间隔,来获取每一辆车的位置信息或检索的车辆的位置信息,并将该位置信息采用点线连接技术,就可以获取每一辆车辆或者是用户检索车辆的精准行驶路径达到路径识别的目的。
本步骤中的三维高精GIS地图全景道路仿真是基于3DGIS图形渲染引擎为底层,在通过无人机拍摄并结合与之对应的三维仿真软件合并而成,利用成熟的核心底层做二次开发既可以达到。
具体的,参考图4,雷达传感器再将该车辆的跟踪信息、位置信息、经纬度信息、速度信息、运动方向信息、方向角信息等与该车辆的三维模型做进一步融合,并同时将该车辆三维模型显示在三维高清GIS地图上,通过图形渲染加速引擎后就可以得到了与实际道路上运动方向、运动速度、实时位置、车辆外形(改造车辆除外)一摸一样的三维车辆仿真动画了,通过监控生成的四维实景路况仿真动画中的车辆的运动轨迹、运动状态就可以实现对道路上实际运动车辆的监控。
在本发明的一个实施例中,利用多要素传感器获取多要素气象数据,发送至中心服务器,由中心服务器对上述多要素气象数据进行分析并模拟气象环境变化动画,与步骤S3中的三维车辆模型一起叠加到三维GIS仿真地图中。
此外,本发明还可以获取当前的时钟信息并发送至所述中心服务器,由所述中心服务器对上述时钟信息进行分析并模拟时间变化动画,与步骤S3中的三维车辆模型一起叠加到三维GIS仿真地图中,生成四维实景路况仿真实时交通路况监控画面。
综上,本申请将多要素全方位跟踪检测雷达传感器采集的多要素天气数据信息和时钟信息(时钟信息包括24小时时间和一年四季的时间),来更加逼真的对路况和车辆以及所在环境进行全方位的仿真了,可以使管理能够更加清楚的了解道路上车辆所在位置的实际的气候或路况情况,一旦车辆或道路发生异常时间能够通过仿真出来的画面获得更加真实准确可靠的信息来实施营救。
本发明实施例的基于四维实景交通仿真路况感知管理***的路径识别方法,可以对车辆进行时实时跟踪定位、获取车辆行驶的精准路径、获取车辆通过路径实际使用的时间以及车辆在某一处停留的时间、通过获取多要素数据信息以及时间信息和车辆三维模型以及三维融合技术实现的四维实景仿真和车辆三维实景仿真功能,并且,本发明结合多要素气象信息和时钟信息,将上述信息与三维GIS地图进行融合,从而使得监控画面内容更加丰富,更好的为用户提供路线规划导航,按照时间节点提供道路上行驶的每一辆车的运动轨迹,再结合车牌抓拍***便可以提供每一辆车在道路上真实准确的行驶路径。
本发明采用多要素全方位跟踪检测雷达传感器,可以不受各类环境干扰和光线干扰因,因此本***方案可实现全天365天24小时监视监控无障碍。通过分布在道路沿线密布的多要素全方位跟踪检测雷达传感器中的多要素传感器采集到的大量气候变化数据,日照(亮度光强)数据等并结合时间节点的变化(如:24小时时间变化,季节变化等等),将这些数据送入到四维仿真路况感知管理***中去,就可以让***更加真实的模拟仿真出实际的交通状况,并可以根据现有的交通环境继续推演来仿真未来天气状况对交通的影响重要程度,为交通管理提前采取必要的应急方案提供重要的理论依据,以此可以让管理者能够制定出更加详细周全的交通应急解决方案。
本发明可以按照时间节点提供道路上行驶的每一辆车的运动轨迹,因此可实现对特殊车辆和特殊车队的全程追踪以及行驶轨迹回溯,并可与视频监控摄像机联动实现接力查看特殊车辆和特殊车队功能。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求极其等同限定。
Claims (9)
1.一种基于四维实景交通仿真路况感知管理***的路径识别方法,其特征在于,包括如下步骤:
步骤S1,由布设在路测的雷达传感器获取通过的每辆车的跟踪定位信息,并同步触发车牌抓拍摄像机,由所述车牌抓拍摄像机采集车辆照片,将车辆的跟踪定位信息和车辆照片发送至中心服务器;
步骤S2,所述中心服务器提取所述车辆照片中的车辆特征信息,并将其与本地预设的三维车辆模型库进行比对,进行模糊匹配提取对应的车辆三维模型,并将来自所述雷达传感器的对应的车辆跟踪定位信息与该车辆三维模型进行融合;
步骤S3,将融合后的车辆三维模型与三维GIS地图进行叠加,并通过三维图形加速引擎形成渲染动画,生成实时交通路况监控画面,所述交通路况监控画面中显示有与实际道路上运动方向、运动速度、实时位置、车辆外形相同的三维车辆仿真动画,进而获得车辆的运动轨迹、运动状态,实现路径识别;
步骤S4,通过设定数据提取时间间隔,来获取每一辆车的位置信息或检索的车辆的位置信息,并将该位置信息采用点线连接技术,获取每一辆车辆或者用户检索车辆的行驶路径,实现路径识别。
2.如权利要求1所述的基于四维实景交通仿真路况感知管理***的路径识别方法,其特征在于,所述雷达传感器的跟踪定位信息包括:车辆的跟踪信息、及时速度信息、运动方向信息、经纬度信息、目标尺寸信息、ID编号信息、类型信息、方向角。
3.如权利要求1所述的基于四维实景交通仿真路况感知管理***的路径识别方法,其特征在于,在所述步骤S2中,通过雷达传感器同步触发车牌抓拍摄像机,来获取每一辆车的特征信息包括:颜色、车系、外观、车型、品牌、型号、年代、车辆牌照。
4.如权利要求1所述的基于四维实景交通仿真路况感知管理***的路径识别方法,其特征在于,在所述步骤S3中,将雷达传感器所获取的车辆跟踪定位数据信息与车牌抓拍获取的车辆特征信息提取的三维车辆模型进行数据融合,融合后的车辆三维模型与三维GIS地图进行叠加,并通过三维图形加速引擎形成渲染动画,生成实时交通路况监控画面,所述交通路况监控画面中显示有与实际道路上运动方向、运动速度、实时位置、车辆外形相同的三维车辆仿真动画,进而能够达到对道路上所有车辆监控跟踪定位的目的。
5.如权利要求1所述的基于四维实景交通仿真路况感知管理***的路径识别方法,其特征在于,在所述步骤S4中,通过设定数据提取时间间隔,来获取每一辆车的位置信息或检索的车辆的位置信息,并将该位置信息采用点线连接技术,获取每一辆车辆或者用户检索车辆的行驶路径,实现路径识别。
6.如权利要求1所述的基于四维实景交通仿真路况感知管理***的路径识别方法,其特征在于,还包括如下步骤:利用多要素传感器获取多要素气象数据,发送至所述中心服务器,由所述中心服务器对上述多要素气象数据进行分析并模拟气象环境变化动画,与步骤S3中的三维车辆模型一起叠加到三维GIS仿真地图中。
7.如权利要求1所述的基于四维实景交通仿真路况感知管理***的路径识别方法,其特征在于,由于雷达传感器获取每辆车的跟踪定位信息的同时,同步触发车牌抓拍摄像机的拍摄,对同一时刻的跟踪定位信息和拍摄的车辆图片建立关联,标识为同一辆车的信息后传输至所述中心服务器,以由所述中心服务器在三维车辆模型库中提取出对应的车辆三维模型后,查找出关联的车辆的跟踪定位信息进行融合操作。
8.如权利要求1或4所述的基于四维实景交通仿真路况感知管理***的路径识别方法,其特征在于,还包括如下步骤:获取当前的时钟信息并发送至所述中心服务器,由所述中心服务器对上述时钟信息进行分析并模拟时间变化动画,与步骤S3中的三维车辆模型一起叠加到三维GIS仿真地图中,生成实时交通路况监控画面。
9.如权利要求1所述的基于四维实景交通仿真路况感知管理***的路径识别方法,其特征在于,在所述步骤S3中,调用多角度预览模式的摄像机进行拍摄,调取摄像机的画面在监控画面中进行显示,并添加到三维GIS地图及渲染动画中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810817839.2A CN109064755B (zh) | 2018-07-24 | 2018-07-24 | 基于四维实景交通仿真路况感知管理***的路径识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810817839.2A CN109064755B (zh) | 2018-07-24 | 2018-07-24 | 基于四维实景交通仿真路况感知管理***的路径识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109064755A true CN109064755A (zh) | 2018-12-21 |
CN109064755B CN109064755B (zh) | 2021-06-15 |
Family
ID=64835330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810817839.2A Active CN109064755B (zh) | 2018-07-24 | 2018-07-24 | 基于四维实景交通仿真路况感知管理***的路径识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109064755B (zh) |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109754610A (zh) * | 2019-03-01 | 2019-05-14 | 北京数字智通科技有限公司 | 车辆监控方法及装置 |
CN109829023A (zh) * | 2019-01-18 | 2019-05-31 | 苏州维众数据技术有限公司 | 一种四维时空地理信息***及其构建方法 |
CN109960857A (zh) * | 2019-02-28 | 2019-07-02 | 东软睿驰汽车技术(沈阳)有限公司 | 一种激光雷达的仿真方法、装置及仿真平台 |
CN110266999A (zh) * | 2019-06-05 | 2019-09-20 | 长沙年余信息科技有限公司 | 一种园区场地***的***及其方法 |
CN110717435A (zh) * | 2019-09-30 | 2020-01-21 | 成都市喜爱科技有限公司 | 拍摄设备管理方法、装置、电子设备及存储介质 |
CN111010414A (zh) * | 2019-04-29 | 2020-04-14 | 当家移动绿色互联网技术集团有限公司 | 仿真数据同步方法、装置、存储介质及电子设备 |
CN111257864A (zh) * | 2020-01-17 | 2020-06-09 | 河北德冠隆电子科技有限公司 | 一种主动式探测车辆持续跟踪断点补偿装置、***及方法 |
CN111508250A (zh) * | 2019-01-30 | 2020-08-07 | 杭州海康威视数字技术股份有限公司 | 一种路况信息处理方法及*** |
CN111561904A (zh) * | 2019-11-27 | 2020-08-21 | 李尚禹 | 一种方位堪舆装置及应用该装置的方位定向方法 |
CN111627233A (zh) * | 2020-06-09 | 2020-09-04 | 上海商汤智能科技有限公司 | 为车辆协调通行路径的方法及装置 |
CN111860379A (zh) * | 2020-07-27 | 2020-10-30 | 联通智网科技有限公司 | 周边车辆模型的建立方法、装置、存储介质和计算机设备 |
CN111983935A (zh) * | 2020-08-19 | 2020-11-24 | 北京京东叁佰陆拾度电子商务有限公司 | 一种性能评测方法和装置 |
CN112017431A (zh) * | 2020-07-29 | 2020-12-01 | 河北德冠隆电子科技有限公司 | 基于多数据融合的主动式车辆持续跟踪定位***及方法 |
CN112034449A (zh) * | 2020-08-03 | 2020-12-04 | 河北德冠隆电子科技有限公司 | 基于物理空间属性实现对车辆行驶轨迹修正的***及方法 |
CN112242062A (zh) * | 2020-10-15 | 2021-01-19 | 杭州宣迅电子科技有限公司 | 一种基于大数据的智慧交通实时监控处理*** |
CN112595331A (zh) * | 2020-12-14 | 2021-04-02 | 上海市政工程设计研究总院(集团)有限公司 | 计算机视频与地图法融合的机动车动态定位与导航*** |
CN112735169A (zh) * | 2021-01-06 | 2021-04-30 | 山东旗帜信息有限公司 | 一种车辆路径还原方法、设备及介质 |
CN112785842A (zh) * | 2020-12-25 | 2021-05-11 | 际络科技(上海)有限公司 | 一种在线交通流仿真*** |
CN112802355A (zh) * | 2020-12-29 | 2021-05-14 | 北京万集科技股份有限公司 | 一种实时获取实景路况的方法、***及存储介质 |
CN113554866A (zh) * | 2021-06-03 | 2021-10-26 | 广东未来智慧城市科技有限公司 | 3d车辆轨迹计算分析显示*** |
CN114093173A (zh) * | 2021-11-24 | 2022-02-25 | 新唐信通(浙江)科技有限公司 | 一种支持大规模车辆实时定位跟踪计算的方法与*** |
CN114141010A (zh) * | 2021-11-08 | 2022-03-04 | 南京交通职业技术学院 | 一种基于云平台数据的共享式交通控制方法 |
CN114463984A (zh) * | 2022-03-02 | 2022-05-10 | 智道网联科技(北京)有限公司 | 车辆轨迹显示方法及相关设备 |
CN114615437A (zh) * | 2022-05-11 | 2022-06-10 | 中国地质科学院地质力学研究所 | 一种基于gis的车辆追踪方法及*** |
CN115331480A (zh) * | 2021-05-10 | 2022-11-11 | 北京万集科技股份有限公司 | 一种车辆预警方法、装置及计算设备 |
EP4195150A4 (en) * | 2020-09-21 | 2024-06-26 | Siemens Ltd., China | TARGET POSITIONING METHOD AND APPARATUS AND COMPUTER-READABLE MEDIUM |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102903238A (zh) * | 2012-06-21 | 2013-01-30 | 北京中电华远科技有限公司 | 一种道路交通状况展现***及其方法 |
CN103323015A (zh) * | 2012-03-23 | 2013-09-25 | 北京四维图新科技股份有限公司 | 导航方法和导航装置 |
CN104157139A (zh) * | 2014-08-05 | 2014-11-19 | 中山大学 | 一种交通拥堵预测方法及可视化方法 |
CN104515531A (zh) * | 2013-09-30 | 2015-04-15 | 本田技研工业株式会社 | 增强的3-维(3-d)导航 |
CN206515894U (zh) * | 2017-03-03 | 2017-09-22 | 深圳市昇易通信息科技有限公司 | 智能环卫信息管理*** |
-
2018
- 2018-07-24 CN CN201810817839.2A patent/CN109064755B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103323015A (zh) * | 2012-03-23 | 2013-09-25 | 北京四维图新科技股份有限公司 | 导航方法和导航装置 |
CN102903238A (zh) * | 2012-06-21 | 2013-01-30 | 北京中电华远科技有限公司 | 一种道路交通状况展现***及其方法 |
CN104515531A (zh) * | 2013-09-30 | 2015-04-15 | 本田技研工业株式会社 | 增强的3-维(3-d)导航 |
CN104157139A (zh) * | 2014-08-05 | 2014-11-19 | 中山大学 | 一种交通拥堵预测方法及可视化方法 |
CN206515894U (zh) * | 2017-03-03 | 2017-09-22 | 深圳市昇易通信息科技有限公司 | 智能环卫信息管理*** |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829023A (zh) * | 2019-01-18 | 2019-05-31 | 苏州维众数据技术有限公司 | 一种四维时空地理信息***及其构建方法 |
CN111508250A (zh) * | 2019-01-30 | 2020-08-07 | 杭州海康威视数字技术股份有限公司 | 一种路况信息处理方法及*** |
CN111508250B (zh) * | 2019-01-30 | 2021-12-31 | 杭州海康威视数字技术股份有限公司 | 一种路况信息处理方法及*** |
CN109960857A (zh) * | 2019-02-28 | 2019-07-02 | 东软睿驰汽车技术(沈阳)有限公司 | 一种激光雷达的仿真方法、装置及仿真平台 |
CN109754610A (zh) * | 2019-03-01 | 2019-05-14 | 北京数字智通科技有限公司 | 车辆监控方法及装置 |
CN111010414A (zh) * | 2019-04-29 | 2020-04-14 | 当家移动绿色互联网技术集团有限公司 | 仿真数据同步方法、装置、存储介质及电子设备 |
CN111010414B (zh) * | 2019-04-29 | 2022-06-21 | 北京五一视界数字孪生科技股份有限公司 | 仿真数据同步方法、装置、存储介质及电子设备 |
CN110266999A (zh) * | 2019-06-05 | 2019-09-20 | 长沙年余信息科技有限公司 | 一种园区场地***的***及其方法 |
CN110717435A (zh) * | 2019-09-30 | 2020-01-21 | 成都市喜爱科技有限公司 | 拍摄设备管理方法、装置、电子设备及存储介质 |
CN110717435B (zh) * | 2019-09-30 | 2023-04-14 | 成都市喜爱科技有限公司 | 拍摄设备管理方法、装置、电子设备及存储介质 |
CN111561904A (zh) * | 2019-11-27 | 2020-08-21 | 李尚禹 | 一种方位堪舆装置及应用该装置的方位定向方法 |
CN111257864A (zh) * | 2020-01-17 | 2020-06-09 | 河北德冠隆电子科技有限公司 | 一种主动式探测车辆持续跟踪断点补偿装置、***及方法 |
CN111627233A (zh) * | 2020-06-09 | 2020-09-04 | 上海商汤智能科技有限公司 | 为车辆协调通行路径的方法及装置 |
CN111860379A (zh) * | 2020-07-27 | 2020-10-30 | 联通智网科技有限公司 | 周边车辆模型的建立方法、装置、存储介质和计算机设备 |
CN112017431A (zh) * | 2020-07-29 | 2020-12-01 | 河北德冠隆电子科技有限公司 | 基于多数据融合的主动式车辆持续跟踪定位***及方法 |
CN112034449A (zh) * | 2020-08-03 | 2020-12-04 | 河北德冠隆电子科技有限公司 | 基于物理空间属性实现对车辆行驶轨迹修正的***及方法 |
CN112034449B (zh) * | 2020-08-03 | 2024-01-12 | 河北德冠隆电子科技有限公司 | 基于物理空间属性实现对车辆行驶轨迹修正的***及方法 |
CN111983935A (zh) * | 2020-08-19 | 2020-11-24 | 北京京东叁佰陆拾度电子商务有限公司 | 一种性能评测方法和装置 |
CN111983935B (zh) * | 2020-08-19 | 2024-04-05 | 北京京东叁佰陆拾度电子商务有限公司 | 一种性能评测方法和装置 |
EP4195150A4 (en) * | 2020-09-21 | 2024-06-26 | Siemens Ltd., China | TARGET POSITIONING METHOD AND APPARATUS AND COMPUTER-READABLE MEDIUM |
CN112242062B (zh) * | 2020-10-15 | 2021-09-24 | 陕西天诚软件有限公司 | 一种基于大数据的智慧交通实时监控处理*** |
CN112242062A (zh) * | 2020-10-15 | 2021-01-19 | 杭州宣迅电子科技有限公司 | 一种基于大数据的智慧交通实时监控处理*** |
CN112595331A (zh) * | 2020-12-14 | 2021-04-02 | 上海市政工程设计研究总院(集团)有限公司 | 计算机视频与地图法融合的机动车动态定位与导航*** |
CN112785842A (zh) * | 2020-12-25 | 2021-05-11 | 际络科技(上海)有限公司 | 一种在线交通流仿真*** |
CN112785842B (zh) * | 2020-12-25 | 2022-04-12 | 际络科技(上海)有限公司 | 一种在线交通流仿真*** |
CN112802355A (zh) * | 2020-12-29 | 2021-05-14 | 北京万集科技股份有限公司 | 一种实时获取实景路况的方法、***及存储介质 |
CN112802355B (zh) * | 2020-12-29 | 2022-09-09 | 北京万集科技股份有限公司 | 一种实时获取实景路况的方法、***及存储介质 |
CN112735169B (zh) * | 2021-01-06 | 2022-01-28 | 山东旗帜信息有限公司 | 一种车辆路径还原方法、设备及介质 |
CN112735169A (zh) * | 2021-01-06 | 2021-04-30 | 山东旗帜信息有限公司 | 一种车辆路径还原方法、设备及介质 |
CN115331480A (zh) * | 2021-05-10 | 2022-11-11 | 北京万集科技股份有限公司 | 一种车辆预警方法、装置及计算设备 |
CN113554866A (zh) * | 2021-06-03 | 2021-10-26 | 广东未来智慧城市科技有限公司 | 3d车辆轨迹计算分析显示*** |
CN114141010A (zh) * | 2021-11-08 | 2022-03-04 | 南京交通职业技术学院 | 一种基于云平台数据的共享式交通控制方法 |
CN114093173A (zh) * | 2021-11-24 | 2022-02-25 | 新唐信通(浙江)科技有限公司 | 一种支持大规模车辆实时定位跟踪计算的方法与*** |
CN114463984A (zh) * | 2022-03-02 | 2022-05-10 | 智道网联科技(北京)有限公司 | 车辆轨迹显示方法及相关设备 |
CN114463984B (zh) * | 2022-03-02 | 2024-02-27 | 智道网联科技(北京)有限公司 | 车辆轨迹显示方法及相关设备 |
CN114615437A (zh) * | 2022-05-11 | 2022-06-10 | 中国地质科学院地质力学研究所 | 一种基于gis的车辆追踪方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN109064755B (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109064755A (zh) | 基于四维实景交通仿真路况感知管理***的路径识别方法 | |
CN108961790B (zh) | 基于四维实景交通仿真的恶劣天气预警管理***及方法 | |
CN111145545B (zh) | 基于深度学习的道路交通行为无人机监测***及方法 | |
Chen et al. | Surrogate safety analysis of pedestrian‐vehicle conflict at intersections using unmanned aerial vehicle videos | |
Krajewski et al. | The highd dataset: A drone dataset of naturalistic vehicle trajectories on german highways for validation of highly automated driving systems | |
CN108922188B (zh) | 雷达跟踪定位的四维实景交通路况感知预警监控管理*** | |
US20240233387A1 (en) | Scenario recreation through object detection and 3d visualization in a multi-sensor environment | |
Moers et al. | The exid dataset: A real-world trajectory dataset of highly interactive highway scenarios in germany | |
CN102724482B (zh) | 基于gps和gis的智能视觉传感网络运动目标接力跟踪*** | |
Kanade et al. | Advances in cooperative multi-sensor video surveillance | |
JP3876288B2 (ja) | 状態認識システムおよび状態認識表示生成方法 | |
CN107705574A (zh) | 一种精准快速的道路违章停车全自动抓拍*** | |
CN102509310B (zh) | 一种结合地理信息的视频追踪分析方法及*** | |
CN109724610A (zh) | 一种全信息实景导航的方法及装置 | |
CN109643367A (zh) | 用于自主车辆导航的众包和分发稀疏地图以及车道测量 | |
CN108961767A (zh) | 基于四维实景交通仿真的高速公路稽查追逃费报警*** | |
CN112991742B (zh) | 一种实时交通数据的可视化仿真方法及*** | |
CN103295396A (zh) | 交通事故非现场快***方法及*** | |
CN116824859B (zh) | 一种基于物联网的智慧交通大数据分析*** | |
CN114419231B (zh) | 基于点云数据和ai技术的交通设施矢量识别提取分析*** | |
WO2020183345A1 (en) | A monitoring and recording system | |
CN108833863A (zh) | 四维实景交通仿真的虚拟摄像机监控监视查看预览方法 | |
CN115762120A (zh) | 基于快速路全路段的全息感知预警*** | |
RU120270U1 (ru) | Комплекс контроля проезда пешеходных переходов | |
US20230095663A1 (en) | Urban digital twin platform system and moving object information analysis and management method therefor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |