CN111611901A - 车辆逆行检测方法、装置、设备以及存储介质 - Google Patents
车辆逆行检测方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN111611901A CN111611901A CN202010414321.1A CN202010414321A CN111611901A CN 111611901 A CN111611901 A CN 111611901A CN 202010414321 A CN202010414321 A CN 202010414321A CN 111611901 A CN111611901 A CN 111611901A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- angle
- orientation
- determining
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 claims description 30
- 230000015654 memory Effects 0.000 claims description 19
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例公开了一种车辆逆行检测方法、装置、设备以及存储介质，涉及图像处理领域，尤其涉及智能交通技术。具体实现方案为：对采集的路面图像进行车辆检测；根据检测得到的车辆区域和所述车辆区域关联车辆的行驶轨迹，确定所述车辆的车辆朝向信息；根据所述车辆朝向信息和所述车辆所在车道的车道朝向信息，确定所述车辆是否逆行。本申请实施例提供了一种车辆逆行检测方法、装置、设备以及存储介质，提高了车辆逆行检测的准确率。
Description
技术领域
本申请实施例涉及图像处理领域，尤其涉及智能交通技术。具体地，本申请实施例提供了一种车辆逆行检测方法、装置、设备以及存储介质。
背景技术
在道路交通领域，道路监控在治安防控中发挥着重要的作用。而车辆逆行作为道路监控的重要监控目标，有效的车辆逆行监控可以保证交通的顺畅，也可以为交通事故提供定责依据。
此外，对于自动驾驶车辆，同样需要检测周围是否有逆行车辆存在，因为这种车辆有可能严重影响到无人车的轨迹规划，甚至会威胁到无人车的安全驾驶。
但是现有技术中的车辆逆行检测的准确度差，灵敏度低，无法准确地对逆行车辆进行检测。
发明内容
本申请实施例提供了一种车辆逆行检测方法、装置、设备以及存储介质。
第一方面，本申请实施例提供了一种车辆逆行检测方法，该方法包括：
对采集的路面图像进行车辆检测；
根据检测得到的车辆区域和所述车辆区域关联车辆的行驶轨迹，确定所述车辆的车辆朝向信息；
根据所述车辆朝向信息和所述车辆所在车道的车道朝向信息，确定所述车辆是否逆行。
第二方面，本申请实施例提供了一种车辆逆行检测装置，该装置包括：
车辆检测模块，用于对采集的路面图像进行车辆检测；
信息确定模块，用于根据检测得到的车辆区域和所述车辆区域关联车辆的行驶轨迹，确定所述车辆的车辆朝向信息；
逆行确定模块，用于根据所述车辆朝向信息和所述车辆所在车道的车道朝向信息，确定所述车辆是否逆行。
第三方面，本申请实施例还提供一种电子设备，该设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请实施例中任一项所述的方法。
第四方面，本申请实施例还提供一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请实施例中任一项所述的方法。
本申请的技术方案提高了车辆逆行检测的准确率。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请实施例提供的一种车辆逆行检测方法的流程图；
图2是本申请实施例提供的一种路面图像采集示意图；
图3是本申请实施例提供的另一种车辆逆行检测方法的流程图；
图4是本申请实施例提供的又一种车辆逆行检测方法的流程图；
图5是本申请实施例提供的又一种车辆逆行检测方法的流程图；
图6是本申请实施例提供的一种车辆逆行检测装置的结构示意图；
图7是用来实现本申请实施例的车辆逆行检测方法的电子设备框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是本申请实施例提供的一种车辆逆行检测方法的流程图。本实施例可适用于对行驶车辆进行逆行检测的情况。该方法可以由一种车辆逆行检测装置来执行，该装置可以由软件和/或硬件的方式实现。参见图1，本申请实施例提供的车辆逆行检测方法，包括：
S110、对采集的路面图像进行车辆检测。
其中，路面图像是指包括路面和路面上行驶车辆的图像。
具体地，路面图像可以由设置在车辆中的采集装置采集得到。
车辆检测方法可以是现有技术中的任意目标检测算法，本实施例对此并不进行任何限定。
可选地，车辆检测可以通过模板匹配实现，也可以通过预先训练的识别模型实现。
S120、根据检测得到的车辆区域和所述车辆区域关联车辆的行驶轨迹，确定所述车辆的车辆朝向信息。
其中，车辆区域是指车辆所在的位置区域。
所述车辆区域关联车辆也即所述车辆区域所属的车辆。
车辆朝向信息是指车头的朝向信息，具体可以是车头的朝向，例如直行、右转或左转等。
车辆朝向信息也可以是车头朝向与设定方向的夹角，例如45度或90度等。
具体地，根据检测得到的车辆区域和所述车辆区域关联车辆的行驶轨迹，确定所述车辆的车辆朝向信息，包括：
根据检测得到的车辆区域，确定所述车辆的第一朝向信息；
根据所述车辆区域关联车辆的行驶轨迹，确定所述车辆的第二朝向信息；
对所述第一朝向信息和所述第二朝向信息进行加权融合，得到所述车辆朝向信息。
S130、根据所述车辆朝向信息和所述车辆所在车道的车道朝向信息，确定所述车辆是否逆行。
其中，车道朝向信息为交通规则中规定的车道的行驶方向信息。具体可以是车道的行驶朝向，例如直行、右转或左转等。
车道朝向信息也可以是车道朝向与设定方向的夹角，例如45度或90度等。
车道朝向信息可以基于现有技术中的任意逻辑确定。本实施例对此并不进行限定。
具体可以通过识别路面图像中车辆所在车道的限速标识确定。
具体地，车辆朝向信息和车道朝向信息的数据量可以分别是1个。例如，车辆朝向信息仅包括一个当前时刻的车辆朝向角，车道朝向信息仅包括一个当前时刻的车道朝向角。
为提高车辆逆行检测的准确率，车辆朝向信息和车道朝向信息的数据量也可以是多个。例如，车辆朝向信息包括连续时刻的多个车辆朝向角，车道朝向信息包括连续时刻的多个车道朝向角。
具体地，将所述车辆朝向信息作为待检测信息，将车道朝向信息作为基准信息；依据待检测信息和基准信息，确定所述车辆是否逆行。
本申请实施例的技术方案，通过在车辆区域的基础上，结合所述车辆区域关联车辆的行驶轨迹，确定所述车辆的车辆朝向信息，从而提高车辆朝向信息的确定准确率，进而提高车辆逆行检测的准确率。
进一步地，所述路面图像的采集装置设置在路边的固定物上。路面图像的采集示意图参见图2。
基于该技术特征，本申请实施例通过主动采集路面图像，然后利用主动采集的路面图像进行车辆逆行检测，从而使得检测结果更加客观公正，既可以防止车主对检测结果的修改，同时不管车辆是否有车载单元都可以进行超速检测，覆盖面广。并且，通过合理的布局路面图像的采集装置，可以达到对道路全量感知和全面检测的目的。
为提高车道朝向信息的准确率，所述根据所述车辆朝向信息和所述车辆所在车道的车道朝向信息，确定所述车辆是否逆行之前，所述方法还包括：
根据所述车辆的行驶位置和地图数据，确定所述车辆所在的目标车道；
将从地图数据中获取的所述目标车道的朝向角作为所述车道朝向信息。
其中，地图数据中包括车辆的行驶位置和目标车道的朝向信息。典型地，该地图数据为高精地图数据。
为进一步解决当车辆的出现位置距离图像采集装置较远的位置时，检测框微小的偏移都会导致车辆位置的较大跳动的问题，所述对采集的路面图像进行车辆检测之前，所述方法还包括：
若检测到所述车辆首次出现在目标采集装置的视野范围，则对采集的包括所述车辆的路面图像进行数量统计，所述目标采集装置用于采集所述路面图像；
若统计得到的数量大于设定数量阈值，则触发对采集的路面图像进行车辆检测的执行。
其中，设定数量阈值可以根据实际需要确定。
基于该技术特征，本申请实施例通过忽略车辆首次进入采集装置视野范围的前设定数量的路面图像，以减少因为车辆位置的较大跳动导致的逆行误判。
图3是本申请实施例提供的另一种车辆逆行检测方法的流程图。本实施例是在上述实施例的基础上，为提高车辆朝向信息的准确率，对上述S120的进一步优化，具体包括：
S121、根据所述车辆区域，确定所述车辆的初始朝向角。
其中，初始朝向角是根据所述车辆区域确定的车辆的朝向角。
具体地，根据所述车辆区域，确定所述车辆的初始朝向角，包括：
将所述车辆区域输入预先训练的模型，输出所述车辆的初始朝向角。
S122、根据所述初始朝向角和所述车辆的行驶轨迹，确定所述车辆的最终朝向角。
其中，最终朝向角的准确率大于初始朝向角的准确率。
为进一步提高最终朝向角的准确率，所述根据所述初始朝向角和所述车辆的行驶轨迹，确定所述车辆的最终朝向角，包括：
根据所述车辆的行驶轨迹，确定所述车辆朝向角在该行驶轨迹关联时间内的平均值；
根据所述平均值，确定所述初始朝向角的稳定度；
根据所述初始朝向角的稳定度，从所述初始朝向角或前一时刻的车辆朝向角中确定所述最终朝向角。
其中，所述初始朝向角的稳定度用于描述初始朝向角相比相邻时刻的朝向角的跳变程度。
例如，若初始朝向角为20，其相邻时刻的朝向角均为20，则该初始朝向角的温度为1；若初始朝向角为90，其相邻时刻的朝向角均为20，则该初始朝向角的稳定度为0.1。
前一时刻的车辆朝向角的稳定度满足设定稳定要求。
上述步骤可以实现如下效果：在当前时刻找不到稳定度满足要求的车辆朝向角，将延用上一时刻稳定度满足要求的车辆朝向角。因为图像采集频率远大于车辆变道频率，所以一般相邻时刻的车辆朝向角变化不大。
基于该技术特征，本申请实施例通过根据所述车辆的行驶轨迹确定初始朝向角的稳定度，根据稳定度对初始朝向角进行过滤，从而将稳定的车辆朝向角作为最终朝向角，进而提高最终朝向角的准确率。
所述根据所述车辆的行驶轨迹，确定所述车辆朝向角在该行驶轨迹关联时间内的平均值，包括：
对所述车辆的行驶轨迹进行直线拟合，得到拟合直线；
确定所述拟合直线与所述行驶轨迹关联坐标轴之间的夹角；
根据所述夹角确定所述车辆朝向角在该行驶轨迹关联时间内的平均值。
其中，所述车辆朝向角在该行驶轨迹关联时间内的平均值，也即在该行驶轨迹关联时间内车辆的平均朝向角。
也即，拟合直线与所述行驶轨迹关联坐标轴之间的夹角反应的是，车辆在该行驶轨迹关联时间内的平均朝向角。
示例性地，将拟合直线与所述行驶轨迹关联坐标轴之间的夹角，作为所述行驶轨迹关联时间内的平均值。
具体地，所述根据所述平均值，确定所述初始朝向角的稳定度，包括：
计算所述平均值与所述初始朝向角之间的差值；
根据计算得到的差值，确定所述初始朝向角的稳定度。
其中，计算的差值越大，确定的初始朝向角的稳定度越大。
所述根据所述初始朝向角的稳定度，从所述初始朝向角或前一时刻的车辆朝向角中确定所述最终朝向角，包括：
若所述初始朝向角的稳定度大于第一稳定阈值，则将所述初始朝向角作为所述最终朝向角；
若所述初始朝向角的稳定度小于所述第一稳定阈值，则将前一时刻的车辆朝向角作为所述最终朝向角。
其中，第一稳定阈值是指在满足稳定要求的情况下，初始朝向角的最小值。
S123、将所述最终朝向角作为所述车辆朝向信息。
本申请实施例的技术方案，通过利用车辆的行驶轨迹对基于车辆区域确定的车辆朝向角进行校正，并将经过校正的车辆朝向角作为车辆朝向信息，从而提高车辆朝向信息的确定准确率。
图4是本申请实施例提供的又一种车辆逆行检测方法的流程图。因为车辆定位不准会导致车辆所在车道的朝向角发生跳变，甚至有可能突然反向，从而导致车辆逆行的误判。本实施例是在上述实施例的基础上，为解决该问题对上述S130的进一步优化，具体包括：
S131、根据所述车道朝向信息所在的车道朝向信息序列，确定所述车道朝向信息的稳定度。
其中，车道朝向信息序列包括连续采集的至少两个车道朝向信息。
所述车道朝向信息的稳定度用于描述车道朝向信息在车道朝向信息序列中的跳变程度。
具体地，所述根据所述车道朝向信息所在的车道朝向信息序列，确定所述车道朝向信息的稳定度，包括：
计算所述车道朝向信息序列的方差和/或所述车道朝向信息序列中相邻两时刻车道朝向角的差值；
根据所述方差和/或所述差值，确定所述车道朝向信息的稳定度。
其中，差值越大，稳定度越小；方差越小，稳定度越大。
S132、根据稳定度大于第二稳定阈值的车道朝向信息和所述车辆朝向信息，确定所述车辆是否逆行。
其中，第二稳定阈值是指车道朝向信息处于稳定情况下的最小值。第二稳定阈值可以与上述第一稳定阈值相同，也可以不同。
本申请实施例的技术方案，通过在根据车道朝向信息和车辆朝向信息，确定所述车辆是否逆行之前，先将不稳定的车道朝向信息过滤掉，从而实现基于稳定的车道朝向信息，确定车辆是否逆行，进而提高车辆逆行检测的准确率。
图5是本申请实施例提供的又一种车辆逆行检测方法的流程图。本实施例是在上述实施例的基础上，对上述S130的进一步细化，具体包括：
S133、比较所述车辆朝向信息和所述车道朝向信息。
可选地，所述比较所述车辆朝向信息和所述车道朝向信息，包括：
计算所述车辆朝向信息中车辆朝向角和所述车道朝向信息中车道朝向角之间的角度差；或，
匹配所述车辆朝向信息中车辆的朝向和所述车道朝向信息中车道的朝向。
为实现对角度差的准确确定，依照如下公式计算所述角度差，
delta_theta＝min(2π-|theta_car-theta_line|,|theta_car-theta_line|)
其中delta_theta为所述角度差，theta_car为所述车辆朝向角，theta_line为所述车道朝向角。theta_car和theta_line的范围均是在[-π,π]之间。这里取最小是因为，比如说theta_car为3.13，theta_line为-3.12，两者实际角度之差很小，但是如果直接相减取绝对值则很大。
S134、根据比较结果确定所述车辆是否逆行。
具体地，若计算的所述车辆朝向信息中车辆朝向角和所述车道朝向信息中车道朝向角之间的角度差大于设定角度差阈值，则确定所述车辆逆行；或，
若所述车辆朝向信息中车辆的朝向和所述车道朝向信息中车道的朝向匹配不一致，则确定所述车辆逆行。
本申请实施例的技术方案，通过比较所述车辆朝向信息和所述车道朝向信息，根据比较结果确定所述车辆是否逆行，从而实现车辆的逆行检测。
因为低速逆行的车辆对于普通车辆和自动驾驶车辆的威胁程度较低，可以在路侧感知精度有限的条件下使用。所以所述确定所述车辆朝向角和所述车道朝向角之间的角度差，包括：
若所述车辆的行驶速度小于设定速度阈值，则确定所述角度差为第一数值。
其中，所述第一数值小于角度差阈值，所述角度差阈值是指所述车辆在逆行情况下，所述角度差的最小值。
典型地，所述第一数值可以为0。
在实际应用中本申请实施例提供的车辆逆行检测方法可以描述如下：
初始化存放delta_theta的向量delta_theta_vector，存放theta_line的向量theta_line_vector。
其中delta_theta和theta_line如上所述。
1、判断当前车辆是否在摄像机视野中已连续出现15帧以上(15为阈值，可调整)，若超过，则执行步骤2，否则继续执行步骤1；
2、获取当前车辆的位置，根据位置获取所在车道，进而获取theta_line，将theta_line_vector位于首位的元素推出，在其尾部添加当前所在车道的theta_line；
3、判断当前车辆的行驶速度时候大于3m/s，若小于转3m/s(也即车辆停止的情况)，将delta_theta_vector位于首位的元素推出，在其尾部添加0；若当前车辆的行驶速度大于等于3m/s，则执行4；
4、计算delta_theta，将delta_theta_vector位于首位的元素推出，在其尾部添加计算得到delta_theta；
5、如果delta_theta_vector中每个元素都大于阈值，且theta_line_vector中的元素与均值的差均小于另一个阈值，则认为该车辆在当前帧存在逆行情况。
图6是本申请实施例提供的一种车辆逆行检测装置的结构示意图。参见图6，本实施例提供的车辆逆行检测装置600包括：车辆检测模块601、信息确定模块602和逆行确定模块603。
其中，车辆检测模块601，用于对采集的路面图像进行车辆检测；
信息确定模块602，用于根据检测得到的车辆区域和所述车辆区域关联车辆的行驶轨迹，确定所述车辆的车辆朝向信息；
逆行确定模块603，用于根据所述车辆朝向信息和所述车辆所在车道的车道朝向信息，确定所述车辆是否逆行。
本申请实施例的技术方案，通过在车辆区域的基础上，结合所述车辆区域关联车辆的行驶轨迹，确定所述车辆的车辆朝向信息，从而提高车辆朝向信息的确定准确率，进而提高车辆逆行检测的准确率。
进一步地，所述信息确定模块，包括：
第一角度确定单元，用于根据所述车辆区域，确定所述车辆的初始朝向角；
第二角度确定单元，用于根据所述初始朝向角和所述车辆的行驶轨迹，确定所述车辆的最终朝向角；
信息确定单元，用于将所述最终朝向角作为所述车辆朝向信息。
进一步地，所述第二角度确定单元，包括：
均值确定子单元，用于根据所述车辆的行驶轨迹，确定所述车辆朝向角在该行驶轨迹关联时间内的平均值；
稳定度确定子单元，用于根据所述平均值，确定所述初始朝向角的稳定度；
角度确定子单元，用于根据所述初始朝向角的稳定度，从所述初始朝向角或前一时刻的车辆朝向角中确定所述最终朝向角。
进一步地，所述均值确定子单元，具体用于：
对所述车辆的行驶轨迹进行直线拟合，得到拟合直线；
确定所述拟合直线与所述行驶轨迹关联坐标轴之间的夹角；
根据所述夹角确定所述车辆朝向角在该行驶轨迹关联时间内的平均值。
进一步地，所述稳定度确定子单元，具体用于：
计算所述平均值与所述初始朝向角之间的差值；
根据计算得到的差值，确定所述初始朝向角的稳定度。
进一步地，所述角度确定子单元，具体用于：
若所述初始朝向角的稳定度大于或等于第一稳定阈值，则将所述初始朝向角作为所述最终朝向角；
若所述初始朝向角的稳定度小于所述第一稳定阈值，则将前一时刻的车辆朝向角作为所述最终朝向角。
进一步地，所述逆行确定模块，包括：
稳定度确定单元，用于根据所述车道朝向信息所在的车道朝向信息序列，确定所述车道朝向信息的稳定度；
逆行确定单元，用于根据稳定度大于第二稳定阈值的车道朝向信息和所述车辆朝向信息，确定所述车辆是否逆行。
进一步地，所述稳定度确定单元，包括：
差值计算子单元，用于计算所述车道朝向信息序列的方差和/或所述车道朝向信息序列中相邻两时刻车道朝向角的差值；
稳定度确定子单元，用于根据所述方差和/或所述差值，确定所述车道朝向信息的稳定度。
进一步地，所述装置还包括：
车道确定模块，用于所述根据所述车辆朝向信息和所述车辆所在车道的车道朝向信息，确定所述车辆是否逆行之前，根据所述车辆的行驶位置和地图数据，确定所述车辆所在的目标车道；
角度获取模块，用于从地图数据中获取所述目标车道的朝向角；
信息确定模块，用于将所述目标车道的朝向角作为所述车道朝向信息。
进一步地，所述逆行确定模块，包括：
信息比较单元，用于比较所述车辆朝向信息和所述车道朝向信息；
逆行确定单元，用于根据比较结果确定所述车辆是否逆行。
进一步地，所述信息比较单元，包括：
角度差计算子单元，用于计算所述车辆朝向信息中车辆朝向角和所述车道朝向信息中车道朝向角之间的角度差；或，
信息匹配子单元，用于匹配所述车辆朝向信息中车辆的朝向和所述车道朝向信息中车道的朝向。
进一步地，所述角度差计算子单元，具体用于：
依照如下公式计算所述角度差，
delta_theta＝min(2π-|theta_car-theta_line|,|theta_car-theta_line|)
其中delta_theta为所述角度差，theta_car为所述车辆朝向角，theta_line为所述车道朝向角。
进一步地，所述角度差计算子单元，包括：
若所述车辆的行驶速度小于设定速度阈值，则确定所述角度差为第一数值；
其中，所述第一数值小于角度差阈值，所述角度差阈值是指所述车辆在逆行情况下，所述角度差的最小值。
进一步地，所述装置还包括：
数量统计模块，用于所述对采集的路面图像进行车辆检测之前，若检测到所述车辆首次出现在目标采集装置的视野范围，则对采集的包括所述车辆的路面图像进行数量统计，所述目标采集装置用于采集所述路面图像；
执行触发模块，用于若统计得到的数量大于设定数量阈值，则触发对采集的路面图像进行车辆检测的执行。
进一步地，所述路面图像的采集装置设置在路边的固定物上。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图7所示，是根据本申请实施例的车辆逆行检测方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示，该电子设备包括：一个或多个处理器701、存储器702，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器***)。图7中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的车辆逆行检测方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的车辆逆行检测方法。
存储器702作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的车辆逆行检测方法对应的程序指令/模块(例如，附图6所示的车辆检测模块601、信息确定模块602和逆行确定模块603)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的车辆逆行检测方法。
存储器702可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储根据车辆逆行检测电子设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至车辆逆行检测电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
车辆逆行检测方法的电子设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接，图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息，以及产生与车辆逆行检测电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
本申请的技术方案提高了车辆逆行检测的准确率。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (23)
1.一种车辆逆行检测方法，其特征在于，包括：
对采集的路面图像进行车辆检测；
根据检测得到的车辆区域和所述车辆区域关联车辆的行驶轨迹，确定所述车辆的车辆朝向信息；
根据所述车辆朝向信息和所述车辆所在车道的车道朝向信息，确定所述车辆是否逆行。
2.根据权利要求1所述的方法，其特征在于，所述根据检测得到的车辆区域和所述车辆区域关联车辆的行驶轨迹，确定所述车辆的车辆朝向信息，包括：
根据所述车辆区域，确定所述车辆的初始朝向角；
根据所述初始朝向角和所述车辆的行驶轨迹，确定所述车辆的最终朝向角；
将所述最终朝向角作为所述车辆朝向信息。
3.根据权利要求2所述的方法，其特征在于，所述根据所述初始朝向角和所述车辆的行驶轨迹，确定所述车辆的最终朝向角，包括：
根据所述车辆的行驶轨迹，确定所述车辆朝向角在该行驶轨迹关联时间内的平均值；
根据所述平均值，确定所述初始朝向角的稳定度；
根据所述初始朝向角的稳定度，从所述初始朝向角或前一时刻的车辆朝向角中确定所述最终朝向角。
4.根据权利要求3所述的方法，其特征在于，所述根据所述车辆的行驶轨迹，确定所述车辆朝向角在该行驶轨迹关联时间内的平均值，包括：
对所述车辆的行驶轨迹进行直线拟合，得到拟合直线；
确定所述拟合直线与所述行驶轨迹关联坐标轴之间的夹角；
根据所述夹角确定所述车辆朝向角在该行驶轨迹关联时间内的平均值。
5.根据权利要求3所述的方法，其特征在于，所述根据所述平均值，确定所述初始朝向角的稳定度，包括：
计算所述平均值与所述初始朝向角之间的差值；
根据计算得到的差值，确定所述初始朝向角的稳定度。
6.根据权利要求3所述的方法，其特征在于，所述根据所述初始朝向角的稳定度，从所述初始朝向角或前一时刻的车辆朝向角中确定所述最终朝向角，包括：
若所述初始朝向角的稳定度大于或等于第一稳定阈值，则将所述初始朝向角作为所述最终朝向角；
若所述初始朝向角的稳定度小于所述第一稳定阈值，则将前一时刻的车辆朝向角作为所述最终朝向角。
7.根据权利要求1-6中任一所述的方法，其特征在于，所述根据所述车辆朝向信息和所述车辆所在车道的车道朝向信息，确定所述车辆是否逆行，包括：
根据所述车道朝向信息所在的车道朝向信息序列，确定所述车道朝向信息的稳定度；
根据稳定度大于第二稳定阈值的车道朝向信息和所述车辆朝向信息，确定所述车辆是否逆行。
8.根据权利要求7所述的方法，其特征在于，所述根据所述车道朝向信息所在的车道朝向信息序列，确定所述车道朝向信息的稳定度，包括：
计算所述车道朝向信息序列的方差和/或所述车道朝向信息序列中相邻两时刻车道朝向角的差值；
根据所述方差和/或所述差值，确定所述车道朝向信息的稳定度。
9.根据权利要求1-6中任一所述的方法，其特征在于，所述根据所述车辆朝向信息和所述车辆所在车道的车道朝向信息，确定所述车辆是否逆行之前，所述方法还包括：
根据所述车辆的行驶位置和地图数据，确定所述车辆所在的目标车道；
从地图数据中获取所述目标车道的朝向角；
将所述目标车道的朝向角作为所述车道朝向信息。
10.根据权利要求1-6中任一所述的方法，其特征在于，所述根据所述车辆朝向信息和所述车辆所在车道的车道朝向信息，确定所述车辆是否逆行，包括：
比较所述车辆朝向信息和所述车道朝向信息；
根据比较结果确定所述车辆是否逆行。
11.根据权利要求10所述的方法，其特征在于，所述比较所述车辆朝向信息和所述车道朝向信息，包括：
计算所述车辆朝向信息中车辆朝向角和所述车道朝向信息中车道朝向角之间的角度差；或，
匹配所述车辆朝向信息中车辆的朝向和所述车道朝向信息中车道的朝向。
12.根据权利要求11所述的方法，其特征在于，所述计算所述车辆朝向信息中车辆朝向角和所述车道朝向信息中车道朝向角之间的角度差，包括：
依照如下公式计算所述角度差，
Delta_theta＝min(2π-|theta_car-theta_line|,|theta_car-theta_line|)
其中Delta_theta为所述角度差，theta_car为所述车辆朝向角，theta_line为所述车道朝向角。
13.根据权利要求11所述的方法，其特征在于，所述确定所述车辆朝向角和所述车道朝向角之间的角度差，包括：
若所述车辆的行驶速度小于设定速度阈值，则确定所述角度差为第一数值；
其中，所述第一数值小于角度差阈值，所述角度差阈值是指所述车辆在逆行情况下，所述角度差的最小值。
14.根据权利要求1-6中任一所述的方法，其特征在于，所述对采集的路面图像进行车辆检测之前，所述方法还包括：
若检测到所述车辆首次出现在目标采集装置的视野范围，则对采集的包括所述车辆的路面图像进行数量统计，所述目标采集装置用于采集所述路面图像；
若统计得到的数量大于设定数量阈值，则触发对采集的路面图像进行车辆检测的执行。
15.根据权利要求1-6中任一所述的方法，其特征在于，所述路面图像的采集装置设置在路边的固定物上。
16.一种车辆逆行检测装置，其特征在于，包括：
车辆检测模块，用于对采集的路面图像进行车辆检测；
信息确定模块，用于根据检测得到的车辆区域和所述车辆区域关联车辆的行驶轨迹，确定所述车辆的车辆朝向信息；
逆行确定模块，用于根据所述车辆朝向信息和所述车辆所在车道的车道朝向信息，确定所述车辆是否逆行。
17.根据权利要求16所述的装置，其特征在于，所述信息确定模块，包括：
第一角度确定单元，用于根据所述车辆区域，确定所述车辆的初始朝向角；
第二角度确定单元，用于根据所述初始朝向角和所述车辆的行驶轨迹，确定所述车辆的最终朝向角；
信息确定单元，用于将所述最终朝向角作为所述车辆朝向信息。
18.根据权利要求17所述的装置，其特征在于，所述第二角度确定单元，包括：
均值确定子单元，用于根据所述车辆的行驶轨迹，确定所述车辆朝向角在该行驶轨迹关联时间内的平均值；
稳定度确定子单元，用于根据所述平均值，确定所述初始朝向角的稳定度；
角度确定子单元，用于根据所述初始朝向角的稳定度，从所述初始朝向角或前一时刻的车辆朝向角中确定所述最终朝向角。
19.根据权利要求16-18中任一所述的装置，其特征在于，所述逆行确定模块，包括：
稳定度确定单元，用于根据所述车道朝向信息所在的车道朝向信息序列，确定所述车道朝向信息的稳定度；
逆行确定单元，用于根据稳定度大于第二稳定阈值的车道朝向信息和所述车辆朝向信息，确定所述车辆是否逆行。
20.根据权利要求16-18中任一所述的装置，其特征在于，所述逆行确定模块，包括：
信息比较单元，用于比较所述车辆朝向信息和所述车道朝向信息；
逆行确定单元，用于根据比较结果确定所述车辆是否逆行。
21.根据权利要求20所述的装置，其特征在于，所述信息比较单元，包括：
角度差计算子单元，用于计算所述车辆朝向信息中车辆朝向角和所述车道朝向信息中车道朝向角之间的角度差；或，
信息匹配子单元，用于匹配所述车辆朝向信息中车辆的朝向和所述车道朝向信息中车道的朝向。
22.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-15中任一项所述的方法。
23.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-15中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010414321.1A CN111611901B (zh) | 2020-05-15 | 2020-05-15 | 车辆逆行检测方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010414321.1A CN111611901B (zh) | 2020-05-15 | 2020-05-15 | 车辆逆行检测方法、装置、设备以及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111611901A true CN111611901A (zh) | 2020-09-01 |
| CN111611901B CN111611901B (zh) | 2023-10-03 |
Family
ID=72198510
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010414321.1A Active CN111611901B (zh) | 2020-05-15 | 2020-05-15 | 车辆逆行检测方法、装置、设备以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111611901B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112233442A (zh) * | 2020-09-11 | 2021-01-15 | 浙江吉利控股集团有限公司 | 应用于车辆的逆行预警方法和*** |
| CN112729187A (zh) * | 2020-12-22 | 2021-04-30 | 北京百度网讯科技有限公司 | 用于生成车辆长度信息的方法、装置、路侧设备和云控平台 |
| CN113183983A (zh) * | 2021-04-07 | 2021-07-30 | 浙江吉利控股集团有限公司 | 控制车辆的方法、装置、电子设备、存储介质及程序产品 |
| CN113619712A (zh) * | 2021-08-19 | 2021-11-09 | 湖南喜宝达信息科技有限公司 | 一种电单车及其逆行自动断电的控制方法、存储介质 |
| CN113673443A (zh) * | 2021-08-24 | 2021-11-19 | 长沙海信智能***研究院有限公司 | 对象逆行检测方法、装置、电子设备和存储介质 |
| CN114360261A (zh) * | 2021-12-30 | 2022-04-15 | 北京软通智慧科技有限公司 | 车辆逆行的识别方法、装置、大数据分析平台和介质 |
| CN114577229A (zh) * | 2022-01-28 | 2022-06-03 | 广州小鹏自动驾驶科技有限公司 | 泊车路线过滤方法、装置、电子设备及存储介质 |
| WO2022134387A1 (zh) * | 2020-12-21 | 2022-06-30 | 深圳市商汤科技有限公司 | 车辆逆行检测方法、装置、设备、计算机可读存储介质、计算机程序产品 |
| CN115982306A (zh) * | 2023-03-13 | 2023-04-18 | 浙江口碑网络技术有限公司 | 一种目标对象的逆行行为识别方法、装置 |
Citations (32)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05297799A (ja) * | 1992-04-16 | 1993-11-12 | Fujitsu Ten Ltd | 車両進行方位補正装置 |
| US5941934A (en) * | 1995-06-09 | 1999-08-24 | Xanavi Informatics Corporation | Current position calculating device |
| CN102147262A (zh) * | 2011-01-11 | 2011-08-10 | 北京理工大学 | 用于纠正导航偏差的方法、及采用该方法的导航显示器 |
| CN102227609A (zh) * | 2008-11-28 | 2011-10-26 | 三菱电机株式会社 | 导航装置 |
| US20120029799A1 (en) * | 2010-08-02 | 2012-02-02 | Siemens Industry, Inc. | System and Method for Lane-Specific Vehicle Detection and Control |
| CN102679991A (zh) * | 2011-03-09 | 2012-09-19 | 爱信艾达株式会社 | 驾驶支援装置、驾驶支援方法及计算机程序 |
| CN103366571A (zh) * | 2013-07-03 | 2013-10-23 | 河南中原高速公路股份有限公司 | 智能的夜晚交通事件检测方法 |
| CN104268573A (zh) * | 2014-09-24 | 2015-01-07 | 深圳市华尊科技有限公司 | 车辆检测方法及装置 |
| CN104732774A (zh) * | 2015-02-27 | 2015-06-24 | 浙江大学 | 一种车辆逆行的检测方法和检测*** |
| CN105354529A (zh) * | 2015-08-04 | 2016-02-24 | 北京时代云英科技有限公司 | 一种车辆逆行的检测方法及装置 |
| CN105574502A (zh) * | 2015-12-15 | 2016-05-11 | 中海网络科技股份有限公司 | 一种自助发卡机违章行为自动检测方法 |
| CN105701346A (zh) * | 2016-01-13 | 2016-06-22 | 北京中交兴路信息科技有限公司 | 一种车辆轨迹抽稀方法及*** |
| CN106197374A (zh) * | 2016-08-15 | 2016-12-07 | 临沂大学 | 汽车车体偏斜角度测量方法 |
| CN106571039A (zh) * | 2016-08-22 | 2017-04-19 | 中海网络科技股份有限公司 | 一种高速公路违章行为自动抓拍*** |
| CN106652465A (zh) * | 2016-11-15 | 2017-05-10 | 成都通甲优博科技有限责任公司 | 一种道路异常驾驶行为的识别方法及*** |
| CN107328423A (zh) * | 2016-04-28 | 2017-11-07 | 厦门雅迅网络股份有限公司 | 基于地图数据的弯道识别方法及其*** |
| CN107730904A (zh) * | 2017-06-13 | 2018-02-23 | 银江股份有限公司 | 基于深度卷积神经网络的多任务车辆逆向行驶视觉检测*** |
| CN107886055A (zh) * | 2017-10-27 | 2018-04-06 | 中国科学院声学研究所 | 一种用于车辆运动方向判定的逆行检测方法 |
| CN108171980A (zh) * | 2018-02-06 | 2018-06-15 | 长沙智能驾驶研究院有限公司 | 交通违章检测方法、***及计算机可读存储介质 |
| US20180247537A1 (en) * | 2017-02-28 | 2018-08-30 | Hyundai Motor Company | Apparatus and method for estimating a position of a vehicle and a vehicle using same |
| CN109101939A (zh) * | 2018-08-23 | 2018-12-28 | 深圳大学 | 车辆运动状态的确定方法、***、终端及可读存储介质 |
| CN109166312A (zh) * | 2018-09-03 | 2019-01-08 | 武汉小象创意科技有限公司 | 行车轨迹基于路网数据的自动化违规检测***及方法 |
| CN109661667A (zh) * | 2016-10-14 | 2019-04-19 | 富士通株式会社 | 车辆逆行检测装置及方法、电子设备 |
| CN109923373A (zh) * | 2016-11-08 | 2019-06-21 | 北京嘀嘀无限科技发展有限公司 | 用于确定车辆参考方向的***和方法 |
| CN109948582A (zh) * | 2019-03-28 | 2019-06-28 | 湖南大学 | 一种基于跟踪轨迹分析的车辆逆行智能检测方法 |
| JP2019152667A (ja) * | 2018-03-01 | 2019-09-12 | 日産自動車株式会社 | 周囲環境情報生成方法及び周囲環境情報生成装置 |
| CN110264699A (zh) * | 2019-06-28 | 2019-09-20 | 安徽江淮汽车集团股份有限公司 | 基于车路协同***的目标车辆分类识别方法、***及应用 |
| EP3543086A1 (en) * | 2018-03-22 | 2019-09-25 | Visteon Global Technologies, Inc. | Method for predicting a change in the direction of travel of a vehicle |
| CN110634290A (zh) * | 2019-09-12 | 2019-12-31 | 北京航空航天大学 | 一种基于自行车轨迹数据的逆行行为识别方法 |
| CN111091057A (zh) * | 2019-11-15 | 2020-05-01 | 腾讯科技（深圳）有限公司 | 一种信息处理方法、装置及计算机可读存储介质 |
| CN111126171A (zh) * | 2019-12-04 | 2020-05-08 | 江西洪都航空工业集团有限责任公司 | 一种车辆逆行检测方法及*** |
| CN111260950A (zh) * | 2020-01-17 | 2020-06-09 | 清华大学 | 一种基于轨迹预测的轨迹跟踪方法、介质和车载设备 |
-
2020
- 2020-05-15 CN CN202010414321.1A patent/CN111611901B/zh active Active
Patent Citations (32)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05297799A (ja) * | 1992-04-16 | 1993-11-12 | Fujitsu Ten Ltd | 車両進行方位補正装置 |
| US5941934A (en) * | 1995-06-09 | 1999-08-24 | Xanavi Informatics Corporation | Current position calculating device |
| CN102227609A (zh) * | 2008-11-28 | 2011-10-26 | 三菱电机株式会社 | 导航装置 |
| US20120029799A1 (en) * | 2010-08-02 | 2012-02-02 | Siemens Industry, Inc. | System and Method for Lane-Specific Vehicle Detection and Control |
| CN102147262A (zh) * | 2011-01-11 | 2011-08-10 | 北京理工大学 | 用于纠正导航偏差的方法、及采用该方法的导航显示器 |
| CN102679991A (zh) * | 2011-03-09 | 2012-09-19 | 爱信艾达株式会社 | 驾驶支援装置、驾驶支援方法及计算机程序 |
| CN103366571A (zh) * | 2013-07-03 | 2013-10-23 | 河南中原高速公路股份有限公司 | 智能的夜晚交通事件检测方法 |
| CN104268573A (zh) * | 2014-09-24 | 2015-01-07 | 深圳市华尊科技有限公司 | 车辆检测方法及装置 |
| CN104732774A (zh) * | 2015-02-27 | 2015-06-24 | 浙江大学 | 一种车辆逆行的检测方法和检测*** |
| CN105354529A (zh) * | 2015-08-04 | 2016-02-24 | 北京时代云英科技有限公司 | 一种车辆逆行的检测方法及装置 |
| CN105574502A (zh) * | 2015-12-15 | 2016-05-11 | 中海网络科技股份有限公司 | 一种自助发卡机违章行为自动检测方法 |
| CN105701346A (zh) * | 2016-01-13 | 2016-06-22 | 北京中交兴路信息科技有限公司 | 一种车辆轨迹抽稀方法及*** |
| CN107328423A (zh) * | 2016-04-28 | 2017-11-07 | 厦门雅迅网络股份有限公司 | 基于地图数据的弯道识别方法及其*** |
| CN106197374A (zh) * | 2016-08-15 | 2016-12-07 | 临沂大学 | 汽车车体偏斜角度测量方法 |
| CN106571039A (zh) * | 2016-08-22 | 2017-04-19 | 中海网络科技股份有限公司 | 一种高速公路违章行为自动抓拍*** |
| CN109661667A (zh) * | 2016-10-14 | 2019-04-19 | 富士通株式会社 | 车辆逆行检测装置及方法、电子设备 |
| CN109923373A (zh) * | 2016-11-08 | 2019-06-21 | 北京嘀嘀无限科技发展有限公司 | 用于确定车辆参考方向的***和方法 |
| CN106652465A (zh) * | 2016-11-15 | 2017-05-10 | 成都通甲优博科技有限责任公司 | 一种道路异常驾驶行为的识别方法及*** |
| US20180247537A1 (en) * | 2017-02-28 | 2018-08-30 | Hyundai Motor Company | Apparatus and method for estimating a position of a vehicle and a vehicle using same |
| CN107730904A (zh) * | 2017-06-13 | 2018-02-23 | 银江股份有限公司 | 基于深度卷积神经网络的多任务车辆逆向行驶视觉检测*** |
| CN107886055A (zh) * | 2017-10-27 | 2018-04-06 | 中国科学院声学研究所 | 一种用于车辆运动方向判定的逆行检测方法 |
| CN108171980A (zh) * | 2018-02-06 | 2018-06-15 | 长沙智能驾驶研究院有限公司 | 交通违章检测方法、***及计算机可读存储介质 |
| JP2019152667A (ja) * | 2018-03-01 | 2019-09-12 | 日産自動車株式会社 | 周囲環境情報生成方法及び周囲環境情報生成装置 |
| EP3543086A1 (en) * | 2018-03-22 | 2019-09-25 | Visteon Global Technologies, Inc. | Method for predicting a change in the direction of travel of a vehicle |
| CN109101939A (zh) * | 2018-08-23 | 2018-12-28 | 深圳大学 | 车辆运动状态的确定方法、***、终端及可读存储介质 |
| CN109166312A (zh) * | 2018-09-03 | 2019-01-08 | 武汉小象创意科技有限公司 | 行车轨迹基于路网数据的自动化违规检测***及方法 |
| CN109948582A (zh) * | 2019-03-28 | 2019-06-28 | 湖南大学 | 一种基于跟踪轨迹分析的车辆逆行智能检测方法 |
| CN110264699A (zh) * | 2019-06-28 | 2019-09-20 | 安徽江淮汽车集团股份有限公司 | 基于车路协同***的目标车辆分类识别方法、***及应用 |
| CN110634290A (zh) * | 2019-09-12 | 2019-12-31 | 北京航空航天大学 | 一种基于自行车轨迹数据的逆行行为识别方法 |
| CN111091057A (zh) * | 2019-11-15 | 2020-05-01 | 腾讯科技（深圳）有限公司 | 一种信息处理方法、装置及计算机可读存储介质 |
| CN111126171A (zh) * | 2019-12-04 | 2020-05-08 | 江西洪都航空工业集团有限责任公司 | 一种车辆逆行检测方法及*** |
| CN111260950A (zh) * | 2020-01-17 | 2020-06-09 | 清华大学 | 一种基于轨迹预测的轨迹跟踪方法、介质和车载设备 |
Non-Patent Citations (14)
| Title |
|---|
| YINGHONG LI等: "Video-based Intelligent Multi-drive Vehicle Retrograde Detection", 《2010 3RD INTERNATIONAL CONGRESS ON IMAGE AND SIGNAL PROCESSING (CISP2010)》 * |
| YINGHONG LI等: "Video-based Intelligent Multi-drive Vehicle Retrograde Detection", 《2010 3RD INTERNATIONAL CONGRESS ON IMAGE AND SIGNAL PROCESSING (CISP2010)》, 29 November 2010 (2010-11-29), pages 236 - 239 * |
| 宋耀: "交通监控视频中的车辆异常行为检测", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
| 宋耀: "交通监控视频中的车辆异常行为检测", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, no. 2016, 15 May 2016 (2016-05-15), pages 034 - 299 * |
| 杨婷婷: "交叉口区域多运动车辆跟踪与交通事件检测", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 杨婷婷: "交叉口区域多运动车辆跟踪与交通事件检测", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 2015, 15 September 2015 (2015-09-15), pages 138 - 1434 * |
| 楚彭子: "道路交通环境对驾驶人危险感知的影响研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, no. 2019, pages 034 - 2304 * |
| 潘城屹: "基于成像控制的车辆违法行为取证技术研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
| 潘城屹: "基于成像控制的车辆违法行为取证技术研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, no. 2019, 15 May 2019 (2019-05-15), pages 034 - 661 * |
| 潘晓等: "基于时间序列的轨迹数据相似性度量 方法研究及应用综述", 《燕山大学学报》, vol. 43, no. 6, pages 531 - 545 * |
| 王红霞: "基于视频的车辆检测与跟踪及行为分析方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 王红霞: "基于视频的车辆检测与跟踪及行为分析方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 2013, 15 July 2013 (2013-07-15), pages 138 - 1030 * |
| 陈伟强: "基于IP Camera的车辆违章行为检测", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 陈伟强: "基于IP Camera的车辆违章行为检测", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 2012, 15 August 2012 (2012-08-15), pages 138 - 772 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112233442A (zh) * | 2020-09-11 | 2021-01-15 | 浙江吉利控股集团有限公司 | 应用于车辆的逆行预警方法和*** |
| WO2022134387A1 (zh) * | 2020-12-21 | 2022-06-30 | 深圳市商汤科技有限公司 | 车辆逆行检测方法、装置、设备、计算机可读存储介质、计算机程序产品 |
| CN112729187A (zh) * | 2020-12-22 | 2021-04-30 | 北京百度网讯科技有限公司 | 用于生成车辆长度信息的方法、装置、路侧设备和云控平台 |
| CN113183983A (zh) * | 2021-04-07 | 2021-07-30 | 浙江吉利控股集团有限公司 | 控制车辆的方法、装置、电子设备、存储介质及程序产品 |
| CN113183983B (zh) * | 2021-04-07 | 2024-01-30 | 浙江吉利控股集团有限公司 | 控制车辆的方法、装置、电子设备、存储介质及程序产品 |
| CN113619712A (zh) * | 2021-08-19 | 2021-11-09 | 湖南喜宝达信息科技有限公司 | 一种电单车及其逆行自动断电的控制方法、存储介质 |
| CN113673443A (zh) * | 2021-08-24 | 2021-11-19 | 长沙海信智能***研究院有限公司 | 对象逆行检测方法、装置、电子设备和存储介质 |
| CN114360261A (zh) * | 2021-12-30 | 2022-04-15 | 北京软通智慧科技有限公司 | 车辆逆行的识别方法、装置、大数据分析平台和介质 |
| CN114577229A (zh) * | 2022-01-28 | 2022-06-03 | 广州小鹏自动驾驶科技有限公司 | 泊车路线过滤方法、装置、电子设备及存储介质 |
| CN114577229B (zh) * | 2022-01-28 | 2024-03-12 | 广州小鹏自动驾驶科技有限公司 | 泊车路线过滤方法、装置、电子设备及存储介质 |
| CN115982306A (zh) * | 2023-03-13 | 2023-04-18 | 浙江口碑网络技术有限公司 | 一种目标对象的逆行行为识别方法、装置 |
| CN115982306B (zh) * | 2023-03-13 | 2023-08-18 | 浙江口碑网络技术有限公司 | 一种目标对象的逆行行为识别方法、装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111611901B (zh) | 2023-10-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111611901B (zh) | 车辆逆行检测方法、装置、设备以及存储介质 | |
| CN111583668B (zh) | 交通拥堵检测方法、装置、电子设备和存储介质 | |
| CN111273268B (zh) | 自动驾驶障碍物类型的识别方法、装置及电子设备 | |
| CN110979346B (zh) | 确定车辆所处车道的方法、装置及设备 | |
| CN111649739B (zh) | 定位方法和装置、自动驾驶车辆、电子设备和存储介质 | |
| CN111428663B (zh) | 红绿灯状态的识别方法、装置、电子设备和存储介质 | |
| CN110806215B (zh) | 车辆定位的方法、装置、设备及存储介质 | |
| CN111091591A (zh) | 一种碰撞检测方法、装置、电子设备及存储介质 | |
| CN110910665B (zh) | 信号灯控制方法、装置以及计算机设备 | |
| CN111397611B (zh) | 路径规划方法、装置以及电子设备 | |
| CN111292531B (zh) | 交通信号灯的跟踪方法、装置、设备及存储介质 | |
| CN110929639A (zh) | 用于确定图像中障碍物位置的方法、装置、设备和介质 | |
| CN111860319A (zh) | 车道线的确定方法、定位精度的评测方法、装置、设备 | |
| CN110595490B (zh) | 车道线感知数据的预处理方法、装置、设备和介质 | |
| CN113370911A (zh) | 车载传感器的位姿调整方法、装置、设备和介质 | |
| CN110703732B (zh) | 相关性检测方法、装置、设备及计算机可读存储介质 | |
| CN110502018B (zh) | 确定车辆安全区域的方法、装置、电子设备及存储介质 | |
| CN111721305B (zh) | 定位方法和装置、自动驾驶车辆、电子设备和存储介质 | |
| CN111652112A (zh) | 一种车道流向的识别方法、装置、电子设备及存储介质 | |
| CN111597987A (zh) | 用于生成信息的方法、装置、设备和存储介质 | |
| CN113673281A (zh) | 限速信息确定方法、装置、设备以及存储介质 | |
| CN111611902B (zh) | 车辆违章检测方法、装置、设备以及存储介质 | |
| CN111596086B (zh) | 一种自动驾驶中障碍物的速度估计方法、装置和电子设备 | |
| CN112802347B (zh) | 通过交通路口车辆的行驶速度确定方法、装置和设备 | |
| CN112577503B (zh) | 车辆起点区域的路径规划方法、装置、设备 |
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 |