CN112529955B - 一种高速公路的道路归一化与速度恢复方法、装置 - Google Patents
一种高速公路的道路归一化与速度恢复方法、装置 Download PDFInfo
- Publication number
- CN112529955B CN112529955B CN202011422658.3A CN202011422658A CN112529955B CN 112529955 B CN112529955 B CN 112529955B CN 202011422658 A CN202011422658 A CN 202011422658A CN 112529955 B CN112529955 B CN 112529955B
- Authority
- CN
- China
- Prior art keywords
- speed
- road
- moving object
- coordinate system
- radar
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000010606 normalization Methods 0.000 title claims abstract description 22
- 238000011084 recovery Methods 0.000 title claims abstract description 18
- 238000009825 accumulation Methods 0.000 claims abstract description 29
- 230000000877 morphologic effect Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 10
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 3
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/589—Velocity or trajectory determination systems; Sense-of-movement determination systems measuring the velocity vector
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种高速公路的道路归一化与速度恢复方法、装置,该方法包括:对雷达数据进行数据累积,在t1‑t2时间段内累积数据为 S(x,y)表示坐标系中坐标(x,y)位置上的速度累积值;利用二值化方法对所述累积数据S(x,y)进行二值化处理,结果为Sw(x,y),当Sw(x,y)=1时表示该处为道路,Sw(x,y)=0时表示该处为非道路;对所述Sw(x,y)进行数学形态学中的骨架化操作得到Sg(x,y);利用最小二乘法对所述Sg(x,y)进行曲线拟合,得到拟合后的曲线y=f(x);根据所述拟合后的曲线y=f(x),恢复运动目标的速度。本申请通过对道路走向的学习计算雷达与道路任意点夹角,进而为更准确的速度测量提供依据。
Description
技术领域
本发明属于雷达测速技术领域,具体而言,涉及一种高速公路的道路归一化与速度恢复方法及装置。
背景技术
测速雷达是当前对道路上运动目标进行速度测量的主要手段。但由于雷达原理限制,其测得的为目标与雷达的径向速度,而非实际速度。其原因除部分目标的横向运动外,更多的来自于道路本身与雷达装置并非完全垂直,导致速度测量不够准确。
发明内容
为了解决目前测速雷达对道路上运动目标的速度测量不够准确的问题,本申请实施例提供了一种高速公路的道路归一化与速度恢复方法及装置。
第一方面,本申请实施例提供了一种高速公路的道路归一化与速度恢复方法,包括:
对雷达数据进行数据累积,在t1-t2时间段内累积数据为 S(x,y)表示坐标系中坐标(x,y)位置上的速度累积值,S(t)为t时刻的交通情况,S(t)包括运动目标的速度与位置信息,通过累积获得道路全覆盖信息;其中,坐标系的原点(0,0)为雷达安置位置;
利用二值化方法对所述累积数据S(x,y)进行二值化处理,结果为Sw(x,y),当Sw(x,y)=1时表示该处为道路,Sw(x,y)=0时表示该处为非道路;
对所述Sw(x,y)进行数学形态学中的骨架化操作得到Sg(x,y);
利用最小二乘法对所述Sg(x,y)进行曲线拟合,得到拟合后的曲线y=f(x);
根据所述拟合后的曲线y=f(x),恢复运动目标的速度。
其中,所述根据所述拟合后的曲线y=f(x),恢复运动目标的速度,包括:
计算曲线y=f(x)上任意点处的切线斜率角θ(y);
当在y点预设范围内检测到运动目标的径向速度为v时,该运动目标的真实速度为vr=v/abs(cos(θ(y))。
其中,所述对所述Sw(x,y)进行数学形态学中的骨架化操作得到Sg(x,y),包括:
对Sw(x,y)进行形态学闭运算,去除噪声的影响;
进行数学形态学中的骨架化操作得到Sg(x,y)。
其中,参数t1与t2为预设参数。
其中,所述坐标系为笛卡尔坐标系或者极坐标系,坐标系的y轴为雷达探测方向。
第二方面,本申请提供了一种高速公路的道路归一化与速度恢复装置,包括:
数据累积单元,用于:对雷达数据进行数据累积,在t1-t2时间段内累积数据为S(x,y)表示坐标系中坐标(x,y)位置上的速度累积值,S(t)为t时刻的交通情况,S(t)包括运动目标的速度与位置信息,通过累积获得道路全覆盖信息;其中,坐标系的原点(0,0)为雷达安置位置;
二值化单元,用于:利用二值化方法对所述累积数据S(x,y)进行二值化处理,结果为Sw(x,y),当Sw(x,y)=1时表示该处为道路,Sw(x,y)=0时表示该处为非道路;
骨架化单元,用于:对所述Sw(x,y)进行数学形态学中的骨架化操作得到Sg(x,y);
拟合单元,用于:利用最小二乘法对所述Sg(x,y)进行曲线拟合,得到拟合后的曲线y=f(x);
恢复单元,用于:根据所述拟合后的曲线y=f(x),恢复运动目标的速度。
其中,所述恢复单元用于:
计算曲线y=f(x)上任意点处的切线斜率角θ(y);
当在y点预设范围内检测到运动目标的径向速度为v时,该运动目标的真实速度为vr=v/abs(cos(θ(y))。
其中,所述骨架化单元用于:
对Sw(x,y)进行形态学闭运算,去除噪声的影响;
进行数学形态学中的骨架化操作得到Sg(x,y)。
第三方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一项所述方法的步骤。
第四方面,本申请实施例提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述任一项所述方法的步骤。
本申请实施例高速公路的道路归一化与速度恢复方法及装置具有如下有益效果:
本申请高速公路的道路归一化与速度恢复方法包括:对雷达数据进行数据累积,在t1-t2时间段内累积数据为S(x,y)表示坐标系中坐标(x,y)位置上的速度累积值,S(t)为t时刻的交通情况,S(t)包括运动目标的速度与位置信息,通过累积获得道路全覆盖信息;其中,坐标系的原点(0,0)为雷达安置位置;利用二值化方法对所述累积数据S(x,y)进行二值化处理,结果为Sw(x,y),当Sw(x,y)=1时表示该处为道路,Sw(x,y)=0时表示该处为非道路;对所述Sw(x,y)进行数学形态学中的骨架化操作得到Sg(x,y);利用最小二乘法对所述Sg(x,y)进行曲线拟合,得到拟合后的曲线y=f(x);根据所述拟合后的曲线y=f(x),恢复运动目标的速度。
本申请通过对道路走向的学习计算雷达与道路任意点夹角,进而为更准确的速度测量提供依据。
附图说明
图1为本申请实施例高速公路的道路归一化与速度恢复方法流程示意图;
图2为本申请实施例高速公路的道路归一化与速度恢复方法中,坐标与雷达安装关系示意图;
图3为本申请实施例高速公路的道路归一化与速度恢复方法中,速度恢复的示意图;
图4为本申请实施例高速公路的道路归一化与速度恢复装置的结构示意图;
图5为本申请实施例计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请进行进一步的介绍。
在下述介绍中,术语“第一”、“第二”仅为用于描述的目的,而不能理解为指示或暗示相对重要性。下述介绍提供了本发明的多个实施例,不同实施例之间可以替换或者合并组合,因此本申请也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而,如果一个实施例包含特征A、B、C,另一个实施例包含特征B、D,那么本申请也应视为包括含有A、B、C、D的一个或多个所有其他可能的组合的实施例,尽管该实施例可能并未在以下内容中有明确的文字记载。
下面的描述提供了示例,并且不对权利要求书中阐述的范围、适用性或示例进行限制。可以在不脱离本申请内容的范围的情况下,对描述的元素的功能和布置做出改变。各个示例可以适当省略、替代或添加各种过程或组件。例如所描述的方法可以以所描述的顺序不同的顺序来执行,并且可以添加、省略或组合各种步骤。此外,可以将关于一些示例描述的特征组合到其他示例中。
测速雷达是当前对道路上运动目标进行速度测量的主要手段。但由于雷达原理限制,其测得的为目标与雷达的径向速度,而非实际速度。其原因除部分目标的横向运动外,更多的来自于道路本身与雷达装置并非完全垂直。本发明涉及适用于雷达测速的道路归一化与速度恢复方法,可通过对道路走向的学习计算雷达与道路任意点夹角,进而为更准确的速度测量提供依据。
本发明公开一种适用于高速公路测速雷达的道路归一化与速度恢复方法,可修正由于雷达仅可进行径向速度测量带来的速度偏差。
如图1-3所示,本申请高速公路的道路归一化与速度恢复方法包括步骤:S101,对雷达数据进行数据累积,在t1-t2时间段内累积数据为 S(x,y)表示坐标系中坐标(x,y)位置上的速度累积值,S(t)为t时刻的交通情况,S(t)包括运动目标的速度与位置信息,通过累积获得道路全覆盖信息;其中,坐标系的原点(0,0)为雷达安置位置;S103,利用二值化方法对所述累积数据S(x,y)进行二值化处理,结果为Sw(x,y),当Sw(x,y)=1时表示该处为道路,Sw(x,y)=0时表示该处为非道路;S105,对所述Sw(x,y)进行数学形态学中的骨架化操作得到Sg(x,y);S107,利用最小二乘法对所述Sg(x,y)进行曲线拟合,得到拟合后的曲线y=f(x);S109,根据所述拟合后的曲线y=f(x),恢复运动目标的速度。下面介绍每一步骤。
S101,对雷达数据进行数据累积,在t1-t2时间段内累积数据为 S(x,y)表示坐标系中坐标(x,y)位置上的速度累积值,S(t)为t时刻的交通情况,S(t)包括运动目标的速度与位置信息,通过累积获得道路全覆盖信息;其中,坐标系的原点(0,0)为雷达安置位置。
本步骤中,累计数据回波,对特定点雷达数据进行数据累积。其中坐标系包括但不限于笛卡尔坐标系、极坐标系等。本申请后续采用笛卡尔坐标系为例进行说明,坐标系的y轴为雷达探测方向。图2示出了坐标与雷达安装关系,坐标系的原点(0,0)为雷达安置位置,雷达天线朝向为y轴正方向。对于参数t1与t2的选择,以用户要求的时间段为准,参数t1与t2为预设参数。当观察到累积回波在平面S(x,y)面积恒定时为准。
S103,利用二值化方法对所述累积数据S(x,y)进行二值化处理,结果为Sw(x,y),当Sw(x,y)=1时表示该处为道路,Sw(x,y)=0时表示该处为非道路。
本步骤中,利用大津法对S(x,y)进行二值化处理,大津法(OTSU)是一种确定图像二值化分割阈值的算法,也称最大类间差法。它是按图像的灰度特性,将图像分成背景和前景两部分。因方差是灰度分布均匀性的一种度量,背景和前景之间的类间方差越大,说明构成图像的两部分的差别越大,当部分前景错分为背景或部分背景错分为前景都会导致两部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。
S105,对所述Sw(x,y)进行数学形态学中的骨架化操作得到Sg(x,y)。
数学形态学(Mathematical morphology)是一门建立在格论和拓扑学基础之上的图像分析学科,是数学形态学图像处理的基本理论。其基本的运算包括:腐蚀和膨胀、开运算和闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、颗粒分析、流域变换等。
在一些实施例中,本步骤包括:对Sw(x,y)进行形态学闭运算,去除噪声的影响;进行数学形态学中的骨架化操作得到Sg(x,y)。
S107,利用最小二乘法对所述Sg(x,y)进行曲线拟合,得到拟合后的曲线y=f(x)。
最小二乘法(又称最小平方法)是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最小。
S109,根据所述拟合后的曲线y=f(x),恢复运动目标的速度。
如图3所示,本步骤包括:计算曲线y=f(x)上任意点处的切线斜率角θ(y);当在y点预设范围内检测到运动目标的径向速度为v时,该运动目标的真实速度为vr=v/abs(cos(θ(y))。预设范围的大小可以根据实际需要确定。
本发明公开适用于雷达测速的道路归一化方法,可通过对道路走向的学习计算雷达与道路任意点夹角,进而为更准确的速度测量提供依据,原始速度恢复后得到更准确的速度值。
本方法中,第一步为累积数据回波,该步骤目的是通过累积一定时间的数据回波获取道路所在位置信息;第二步为数据二值化,其目的是在平面坐标中将道路信息进行初步提取;第三步为数据骨骼化,其目的是将二值化后的信息进行抽象,获得道路的线描述,同时该步骤可以滤除由于回波累积和二值化过程中噪声的影响;第四步为函数拟合,其目的为防止骨骼化数据中噪声形成的扭曲,使道路描述更接近于真实情况;接下来求切线斜率列表,目的为求取道路任意点相对于雷达安装位置(坐标原点)处的相对夹角;最后为速度恢复,利用雷达径向速度与真实速度的几何关系进行真实速度计算。
如图4所示,本申请高速公路的道路归一化与速度恢复装置包括:数据累积单元201,用于:对雷达数据进行数据累积,在t1-t2时间段内累积数据为S(x,y)表示坐标系中坐标(x,y)位置上的速度累积值,S(t)为t时刻的交通情况,S(t)包括运动目标的速度与位置信息,通过累积获得道路全覆盖信息;其中,坐标系的原点(0,0)为雷达安置位置;
二值化单元202,用于:利用二值化方法对所述累积数据S(x,y)进行二值化处理,结果为Sw(x,y),当Sw(x,y)=1时表示该处为道路,Sw(x,y)=0时表示该处为非道路;
骨架化单元203,用于:对所述Sw(x,y)进行数学形态学中的骨架化操作得到Sg(x,y);
拟合单元204,用于:利用最小二乘法对所述Sg(x,y)进行曲线拟合,得到拟合后的曲线y=f(x);
恢复单元205,用于:根据所述拟合后的曲线y=f(x),恢复运动目标的速度。
其中,所述恢复单元用于:
计算曲线y=f(x)上任意点处的切线斜率角θ(y);
当在y点预设范围内检测到运动目标的径向速度为v时,该运动目标的真实速度为vr=v/abs(cos(θ(y))。
其中,所述骨架化单元用于:
对Sw(x,y)进行形态学闭运算,去除噪声的影响;
进行数学形态学中的骨架化操作得到Sg(x,y)。
本申请中,高速公路的道路归一化与速度恢复装置实施例与高速公路的道路归一化与速度恢复方法实施例基本相似,相关之处请参考高速公路的道路归一化与速度恢复方法实施例的介绍。
本领域的技术人员可以清楚地了解到本发明实施例的技术方案可借助软件和/或硬件来实现。本说明书中的“单元”和“模块”是指能够独立完成或与其他部件配合完成特定功能的软件和/或硬件,其中硬件例如可以是FPGA(Field-Programmable Gate Array,现场可编程门阵列)、IC(Integrated Circuit,集成电路)等。
本发明实施例的各处理单元和/或模块,可通过实现本发明实施例所述的功能的模拟电路而实现,也可以通过执行本发明实施例所述的功能的软件而实现。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述高速公路的道路归一化与速度恢复方法步骤。其中,计算机可读存储介质可以包括但不限于任何类型的盘,包括软盘、光盘、DVD、CD-ROM、微型驱动器以及磁光盘、ROM、RAM、EPROM、EEPROM、DRAM、VRAM、闪速存储器设备、磁卡或光卡、纳米***(包括分子存储器IC),或适合于存储指令和/或数据的任何类型的媒介或设备。
图5为本申请实施例计算机设备的结构示意图,如图5所示,本申请的计算机设备例如为膝上型计算机、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。计算机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。本申请计算机设备包括处理器401、存储器402、输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线405或者其他方式连接。存储器402上存储有计算机程序,该计算机程序可在处理器401上运行,而且处理器401执行程序时实现上述高速公路的道路归一化与速度恢复方法步骤。
输入装置403可接收输入的数字或字符信息,以及产生与数据处理计算机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404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。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、等离子体显示器和触摸屏。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
以上介绍仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种高速公路的道路归一化与速度恢复方法,其特征在于,包括:
对雷达数据进行数据累积,在t1-t2时间段内累积数据为 S(x,y)表示坐标系中坐标(x,y)位置上的速度累积值,S(t)为t时刻的交通情况,S(t)包括运动目标的速度与位置信息,通过累积获得道路全覆盖信息;其中,坐标系的原点(0,0)为雷达安置位置;
利用二值化方法对所述累积数据S(x,y)进行二值化处理,结果为Sw(x,y),当Sw(x,y)=1时表示该处为道路,Sw(x,y)=0时表示该处为非道路;
对所述Sw(x,y)进行数学形态学中的骨架化操作得到Sg(x,y);
利用最小二乘法对所述Sg(x,y)进行曲线拟合,得到拟合后的曲线y=f(x);
根据所述拟合后的曲线y=f(x),恢复运动目标的速度。
2.根据权利要求1所述高速公路的道路归一化与速度恢复方法,其特征在于,所述根据所述拟合后的曲线y=f(x),恢复运动目标的速度,包括:
计算曲线y=f(x)上任意点处的切线斜率角θ(y);
当在y点预设范围内检测到运动目标的径向速度为v时,该运动目标的真实速度为vr=v/abs(cos(θ(y))。
3.根据权利要求1或2所述高速公路的道路归一化与速度恢复方法,其特征在于,所述对所述Sw(x,y)进行数学形态学中的骨架化操作得到Sg(x,y),包括:
对Sw(x,y)进行形态学闭运算,去除噪声的影响;
进行数学形态学中的骨架化操作得到Sg(x,y)。
4.根据权利要求1或2所述高速公路的道路归一化与速度恢复方法,其特征在于,参数t1与t2为预设参数。
5.根据权利要求1或2所述高速公路的道路归一化与速度恢复方法,其特征在于,所述坐标系为笛卡尔坐标系或者极坐标系,坐标系的y轴为雷达探测方向。
6.一种高速公路的道路归一化与速度恢复装置,其特征在于,包括:
数据累积单元,用于:对雷达数据进行数据累积,在t1-t2时间段内累积数据为S(x,y)表示坐标系中坐标(x,y)位置上的速度累积值,S(t)为t时刻的交通情况,S(t)包括运动目标的速度与位置信息,通过累积获得道路全覆盖信息;其中,坐标系的原点(0,0)为雷达安置位置;
二值化单元,用于:利用二值化方法对所述累积数据S(x,y)进行二值化处理,结果为Sw(x,y),当Sw(x,y)=1时表示该处为道路,Sw(x,y)=0时表示该处为非道路;
骨架化单元,用于:对所述Sw(x,y)进行数学形态学中的骨架化操作得到Sg(x,y);
拟合单元,用于:利用最小二乘法对所述Sg(x,y)进行曲线拟合,得到拟合后的曲线y=f(x);
恢复单元,用于:根据所述拟合后的曲线y=f(x),恢复运动目标的速度。
7.根据权利要求6所述高速公路的道路归一化与速度恢复装置,其特征在于,所述恢复单元用于:
计算曲线y=f(x)上任意点处的切线斜率角θ(y);
当在y点预设范围内检测到运动目标的径向速度为v时,该运动目标的真实速度为vr=v/abs(cos(θ(y))。
8.根据权利要求6或7所述高速公路的道路归一化与速度恢复装置,其特征在于,所述骨架化单元用于:
对Sw(x,y)进行形态学闭运算,去除噪声的影响;
进行数学形态学中的骨架化操作得到Sg(x,y)。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现所述权利要求1-5中任一项所述方法的步骤。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现所述权利要求1-5中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011422658.3A CN112529955B (zh) | 2020-12-08 | 2020-12-08 | 一种高速公路的道路归一化与速度恢复方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011422658.3A CN112529955B (zh) | 2020-12-08 | 2020-12-08 | 一种高速公路的道路归一化与速度恢复方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112529955A CN112529955A (zh) | 2021-03-19 |
CN112529955B true CN112529955B (zh) | 2023-09-29 |
Family
ID=74998255
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011422658.3A Active CN112529955B (zh) | 2020-12-08 | 2020-12-08 | 一种高速公路的道路归一化与速度恢复方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112529955B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001289944A (ja) * | 2000-04-06 | 2001-10-19 | Nec Corp | 航跡追尾方法およびその装置 |
CN101718870A (zh) * | 2009-11-13 | 2010-06-02 | 西安电子科技大学 | 图像域的高速、微弱目标航迹检测方法 |
WO2012136494A1 (de) * | 2011-04-02 | 2012-10-11 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum bestimmen eines korrekturwerts für die messung eines zielwinkels mit einem radargerät, fahrerassistenzsystem und kraftfahrzeug |
CN106054174A (zh) * | 2015-04-06 | 2016-10-26 | 通用汽车环球科技运作有限责任公司 | 使用雷达和摄像机用于横越交通应用的融合方法 |
CN108909721A (zh) * | 2018-04-28 | 2018-11-30 | 南通职业大学 | 一种基于毫米波雷达的车辆偏航角计算方法 |
CN108957475A (zh) * | 2018-06-26 | 2018-12-07 | 东软集团股份有限公司 | 一种道路边界检测方法及装置 |
CN109002795A (zh) * | 2018-07-13 | 2018-12-14 | 清华大学 | 车道线检测方法、装置及电子设备 |
CN109102702A (zh) * | 2018-08-24 | 2018-12-28 | 南京理工大学 | 基于视频车辆检测和雷达信号融合的车辆测速方法 |
CN110210298A (zh) * | 2019-04-25 | 2019-09-06 | 南开大学 | 一种基于空中视野的曲折道路信息提取与表示方法 |
FR3086066A1 (fr) * | 2018-09-13 | 2020-03-20 | Idemia Identity & Security France | Procede et dispositif de controle du fonctionnement d'un radar routier. |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10768307B2 (en) * | 2018-12-31 | 2020-09-08 | Lyft, Inc. | Systems and methods for estimating vehicle speed based on radar |
-
2020
- 2020-12-08 CN CN202011422658.3A patent/CN112529955B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001289944A (ja) * | 2000-04-06 | 2001-10-19 | Nec Corp | 航跡追尾方法およびその装置 |
CN101718870A (zh) * | 2009-11-13 | 2010-06-02 | 西安电子科技大学 | 图像域的高速、微弱目标航迹检测方法 |
WO2012136494A1 (de) * | 2011-04-02 | 2012-10-11 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum bestimmen eines korrekturwerts für die messung eines zielwinkels mit einem radargerät, fahrerassistenzsystem und kraftfahrzeug |
CN106054174A (zh) * | 2015-04-06 | 2016-10-26 | 通用汽车环球科技运作有限责任公司 | 使用雷达和摄像机用于横越交通应用的融合方法 |
CN108909721A (zh) * | 2018-04-28 | 2018-11-30 | 南通职业大学 | 一种基于毫米波雷达的车辆偏航角计算方法 |
CN108957475A (zh) * | 2018-06-26 | 2018-12-07 | 东软集团股份有限公司 | 一种道路边界检测方法及装置 |
CN109002795A (zh) * | 2018-07-13 | 2018-12-14 | 清华大学 | 车道线检测方法、装置及电子设备 |
CN109102702A (zh) * | 2018-08-24 | 2018-12-28 | 南京理工大学 | 基于视频车辆检测和雷达信号融合的车辆测速方法 |
FR3086066A1 (fr) * | 2018-09-13 | 2020-03-20 | Idemia Identity & Security France | Procede et dispositif de controle du fonctionnement d'un radar routier. |
CN110210298A (zh) * | 2019-04-25 | 2019-09-06 | 南开大学 | 一种基于空中视野的曲折道路信息提取与表示方法 |
Non-Patent Citations (1)
Title |
---|
基于离散点迹的直线运动目标径向速度分析研究;黄赞杰;;科技视界(23);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112529955A (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | A deep learning-based approach for refined crack evaluation from shield tunnel lining images | |
CN112507949A (zh) | 目标跟踪方法、装置、路侧设备以及云控平台 | |
US20210201023A1 (en) | Cultivated land recognition method in satellite image and computing device | |
CN111931704A (zh) | 评估地图质量的方法、装置、设备和计算机可读存储介质 | |
CN102722706A (zh) | 基于粒子滤波的红外弱小目标检测与跟踪方法及装置 | |
CN112734691A (zh) | 一种工业制品缺陷检测方法、装置、终端设备及存储介质 | |
CN112129266B (zh) | 处理地图的方法、装置、设备和计算机可读存储介质 | |
CN116205497B (zh) | 基于人工智能的滑坡智能预警方法及*** | |
EP3690847A1 (en) | Lift-up determining device and lift-up determining method | |
CN115880520A (zh) | 一种基于模板匹配和缺陷分割的缺陷等级分类方法及*** | |
CN108344997B (zh) | 一种基于点迹特征的道路护栏快速检测方法 | |
CN112529955B (zh) | 一种高速公路的道路归一化与速度恢复方法、装置 | |
CN114084201A (zh) | 基于光栅阵列的列车位置速度确定方法及装置 | |
CN115690475A (zh) | 一种目标检测方法、装置、电子设备及可读存储介质 | |
CN107369149A (zh) | 目标物体的检测装置及方法 | |
CN117075097B (zh) | 一种基于扩展目标簇划分的海事雷达目标跟踪方法及*** | |
CN110084157B (zh) | 图像重识别的数据处理方法及装置 | |
CN115330841A (zh) | 基于雷达图的抛洒物检测方法、装置、设备和介质 | |
Yi et al. | A clustering-based algorithm for automatic detection of automobile dashboard | |
CN113449745B (zh) | 标定物图像中标记物的识别方法、装置、设备及可读介质 | |
CN115267782A (zh) | 基于微波雷达的危险区域预警方法、装置、设备及介质 | |
CN111932515B (zh) | 产品残留类缺陷的短路检测方法及***及缺陷分类*** | |
CN112507957B (zh) | 一种车辆关联方法、装置、路侧设备及云控平台 | |
CN109583511B (zh) | 速度融合方法和装置 | |
CN111107505B (zh) | 位置预估方法、空间变换判断方法、装置、设备及介质 |
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 |