CN114170498A - 遗洒物检测方法、装置、计算机设备和存储介质 - Google Patents
遗洒物检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114170498A CN114170498A CN202010837019.7A CN202010837019A CN114170498A CN 114170498 A CN114170498 A CN 114170498A CN 202010837019 A CN202010837019 A CN 202010837019A CN 114170498 A CN114170498 A CN 114170498A
- Authority
- CN
- China
- Prior art keywords
- objects
- point cloud
- cloud data
- identification
- spill
- 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
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种遗洒物检测方法、装置、计算机设备和存储介质。所述方法包括:获取激光雷达对目标道路采集的点云数据,并根据所述点云数据检测出所述目标道路中的多个识别对象;若根据点云数据确定所述多个识别对象中存在遗洒物,则获取所述遗洒物的位置;其中,所述遗洒物的位置根据对应的点云数据获得;控制与所述遗洒物的位置相对应的监控相机采集道路图像;所述道路图像包含所述遗洒物。采用本方法能够快速地检测出道路中的遗洒物。
Description
技术领域
本申请涉及交通安全技术领域,特别是涉及一种遗洒物检测方法、装置、计算机设备和存储介质。
背景技术
随着经济的飞速发展,交通运输行业蓬勃发展,道路中出现了越来越多的车辆,而交通事故的频繁发生也引起了国家和人民的关注。
其中,遗洒物是造成交通事故的一种重要因素。道路中出现的车辆遗洒物体或者乘客丢弃物体,会妨碍车辆行驶,甚至会在交通事故发生后造成二次事故。
因此,如何快速检测出遗洒物,成为了交通安全领域亟待解决的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够快速检测出遗洒物的遗洒物检测方法、装置、计算机设备和存储介质。
一种遗洒物检测方法,该方法包括:
获取激光雷达对目标道路采集的点云数据,并根据点云数据检测出目标道路中的多个识别对象;
若根据点云数据确定多个识别对象中存在遗洒物,则获取遗洒物的位置;其中,遗洒物的位置根据对应的点云数据获得;
控制与遗洒物的位置相对应的监控相机采集道路图像;道路图像包含遗洒物。
在其中一个实施例中,在上述根据点云数据检测出目标道路中的多个识别对象之后,该方法还包括:
根据点云数据确定各识别对象的速度和尺寸;
根据各识别对象的速度和尺寸确定多个识别对象中是否存在满足预设条件的目标识别对象;其中,预设条件包括;速度低于预设速度阈值和尺寸小于预设尺寸阈值;
若存在目标识别对象,则确定多个识别对象中存在遗洒物,并将目标识别对象确定为遗洒物。
在其中一个实施例中,上述点云数据由多个不同采集时刻的子点云数据组成,根据点云数据确定各识别对象的速度,包括:
针对各识别对象,根据多个不同采集时刻的子点云数据确定识别对象在不同采集时刻的位置;
根据识别对象在不同采集时刻的位置以及多个不同采集时刻,计算出识别对象的速度。
在其中一个实施例中,上述遗洒物的位置为遗洒物在雷达坐标系中的坐标位置;上述控制与遗洒物的位置相对应的监控相机采集道路图像,包括:
根据预先设置的雷达坐标系与相机坐标系之间的对应关系,以及遗洒物在雷达坐标系中的坐标位置,确定遗洒物在相机坐标系中的坐标位置;
根据遗洒物在相机坐标系中的坐标位置,控制对应的监控相机采集道路图像。
在其中一个实施例中,该方法还包括:
根据遗洒物在相机坐标系中的坐标位置,在道路图像中标注出遗洒物。
在其中一个实施例中,在上述控制与所述遗洒物的位置相对应的监控相机采集道路图像之后,该方法还包括:
向服务器发送告警信息;告警信息包括标注有遗洒物的道路图像,告警信息用于指示服务器展示标注有遗洒物的道路图像。
在其中一个实施例中,该方法还包括:
在根据激光雷达对目标道路采集的点云数据确定遗洒物被移除后,向服务器发送遗洒物移除信息;遗洒物移除信息用于指示服务器停止展示告警信息。
一种遗洒物检测装置,该装置包括:
对象检测模块,用于获取激光雷达对目标道路采集的点云数据,并根据所述点云数据检测出所述目标道路中的多个识别对象;
位置获取模块,用于若根据点云数据确定多个识别对象中存在遗洒物,则获取遗洒物的位置;遗洒物的位置根据对应的点云数据获得;
图像采集模块,用于控制与遗洒物的位置相对应的监控相机采集道路图像;道路图像包含遗洒物。
在其中一个实施例中,该装置还包括:
速度尺寸确定模块,用于根据点云数据确定各识别对象的速度和尺寸;
目标识别对象确定模块,用于根据各识别对象的速度和尺寸确定多个识别对象中是否存在满足预设条件的目标识别对象;其中,预设条件包括;速度低于预设速度阈值和尺寸小于预设尺寸阈值;
遗洒物确定模块,用于若存在目标识别对象,则确定多个识别对象中存在遗洒物,并将目标识别对象确定为遗洒物。
在其中一个实施例中,上述速度尺寸确定模块,具体用于针对各识别对象,根据多个不同采集时刻的子点云数据确定识别对象在不同采集时刻的位置;根据识别对象在不同采集时刻的位置以及多个不同采集时刻,计算出识别对象的速度。
在其中一个实施例中,上述遗洒物的位置为遗洒物在雷达坐标系中的坐标位置;上述图像采集模块,具体用于根据预先设置的雷达坐标系与相机坐标系之间的对应关系,以及遗洒物在雷达坐标系中的坐标位置,确定遗洒物在相机坐标系中的坐标位置;根据遗洒物在相机坐标系中的坐标位置,控制对应的监控相机采集道路图像。
在其中一个实施例中,该装置还包括:
图像标注模块,用于根据遗洒物在相机坐标系中的坐标位置,在道路图像中标注出遗洒物。
在其中一个实施例中,该装置还包括:
第一信息发送模块,用于向服务器发送告警信息;告警信息包括标注有遗洒物的道路图像,告警信息用于指示服务器展示标注有遗洒物的道路图像。
在其中一个实施例中,该装置还包括:
第二信息发送模块,用于在根据激光雷达对目标道路采集的点云数据确定遗洒物被移除后,向服务器发送遗洒物移除信息;遗洒物移除信息用于指示服务器停止展示告警信息。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取激光雷达对目标道路采集的点云数据,并根据点云数据检测出目标道路中的多个识别对象;
若根据点云数据确定多个识别对象中存在遗洒物,则确定遗洒物的位置并控制与遗洒物的位置相对应的监控相机采集道路图像;
根据遗洒物的位置,在道路图像中标注出遗洒物。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取激光雷达对目标道路采集的点云数据,并根据点云数据检测出目标道路中的多个识别对象;
若根据点云数据确定多个识别对象中存在遗洒物,则确定遗洒物的位置并控制与遗洒物的位置相对应的监控相机采集道路图像;
根据遗洒物的位置,在道路图像中标注出遗洒物。
上述遗洒物检测方法、装置、计算机设备和存储介质,路侧控制设备获取激光雷达对目标道路采集到的点云数据,并根据点云数据检测出目标道路中的多个识别对象;若根据点云数据确定多个识别对象中存在遗洒物,则获取遗洒物的位置;控制与遗洒物的位置相对应的监控相机采集道路图像。通过本公开实施例,可以根据激光雷达采集的点云数据快速地检测出目标道路中是否存在遗洒物,并在检测到存在遗洒物后,根据遗洒物的位置触发监控相机采集道路图像,该道路图像中包括遗洒物,以便维护人员根据道路图像移除遗洒物,从而避免交通事故。
附图说明
图1为一个实施例中遗洒物检测方法的应用环境图;
图2为一个实施例中遗洒物检测方法的流程示意图之一;
图3为一个实施例中遗洒物检测方法的流程示意图之二;
图4为一个实施例中控制与遗洒物的位置相对应的监控相机采集道路图像步骤的流程示意图;
图5为另一个实施例中遗洒物检测方法的流程示意图;
图6为一个实施例中遗洒物检测装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的遗洒物检测方法,可以应用于如图1所示的应用环境中。该应用环境包括路侧感知设备101、路侧控制设备102和服务器103,路侧控制设备102分别通过网络与路侧感知设备101和服务器103进行通信,路侧感知设备101将采集到的数据传输到路侧控制设备102,路侧控制设备将标注有遗洒物的道路图像传输到服务器103。其中,路侧感知设备101可以包括激光雷达和监控相机;路侧控制设备102可以是计算机芯片、个人计算机、笔记本电脑、平板电脑;服务器103可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种遗洒物检测方法,以该方法应用于图1中的路侧控制设备为例进行说明,包括以下步骤:
步骤201,路侧控制设备获取激光雷达对目标道路采集的点云数据,并根据点云数据检测出目标道路中的多个识别对象。
激光雷达对目标道路进行扫描并采集点云数据。之后,激光雷达将对目标道路采集到的点云数据传输到路侧控制设备,路侧控制设备则获取到点云数据。接着,路侧控制设备根据点云数据进行三维目标检测,检测出目标道路中的多个识别对象。本公开实施例对三维目标检测的方式不做限定。
步骤202,若根据点云数据确定多个识别对象中存在遗洒物,则获取遗洒物的位置。
其中,遗洒物为从车辆掉落或者人为抛洒的物品,例如,水瓶、纸屑等;遗洒物的位置根据对应的点云数据获得。
路侧控制设备检测出目标道路中的多个识别对象之后,根据点云数据确定多个识别对象中是否存在遗洒物。如果多个识别对象中存在遗洒物,则根据点云数据确定遗洒物的位置。
步骤203,控制与遗洒物的位置相对应的监控相机采集道路图像。
根据点云数据确定遗洒物到的位置后,确定与遗洒物的位置相对应的监控相机。接着,路侧控制设备控制与遗洒物的位置相对应的监控相机进行图像采集,得到道路图像,该道路图像包含遗洒物。
例如,路侧控制设备根据点云数据确定遗洒物在车道A,之后,路侧控制设备确定监控相机B的图像采集范围覆盖车道A,并控制监控相机B进行图像采集,得到道路图像。
上述遗洒物检测方法中,路侧控制设备获取激光雷达对目标道路采集到的点云数据,并根据点云数据检测出目标道路中的多个识别对象;若根据点云数据确定多个识别对象中存在遗洒物,则获取遗洒物的位置,控制与遗洒物的位置相对应的监控相机采集道路图像。通过本公开实施例,可以根据激光雷达采集的点云数据快速地检测出目标道路中是否存在遗洒物,并在检测到存在遗洒物后,根据遗洒物的位置触发监控相机采集道路图像,以便维护人员根据道路图像移除遗洒物,从而避免交通事故。
本实施例的一种遗洒物检测方法可以用于处理激光雷达实时采集的点云数据,由于遗洒物的存在会对其周围经过车辆的行驶造成影响,甚至会在交通事故发生后造成二次事故,因此,为了避免影响这些通行车辆,道路上遗洒物检测的实时性越强,检全率越高,则方案表现越优异。相对于使用视频设备进行遗洒物检测,由于利用激光雷达实时采集的点云数据,进行路面遗洒物的检测,而点云数据可以获取目标的速度、尺寸、位置等信息,且相对于视频,激光雷达受光线强度影响小,因此,基于这些特点,本实施例的方案相对于视频存在实时性强,误检率低、漏检概率小的优势。
在一个实施例中,如图3所示,在根据点云数据检测出目标道路中的多个识别对象之后,还可以包括:
步骤301,路侧控制设备根据点云数据确定各识别对象的速度和尺寸。
路侧控制设备在检测出多个识别对象之后,根据点云数据确定各识别对象的速度,根据点云数据确定各识别对象的尺寸。
在其中一个实施例中,点云数据由多个不同采集时刻的子点云数据组成,根据点云数据确定各识别对象的速度,可以包括:针对各识别对象,根据多个不同采集时刻的子点云数据确定识别对象在不同采集时刻的位置;根据识别对象在不同采集时刻的位置以及多个不同采集时刻,计算出识别对象的速度。
例如,根据采集时刻t1的子点云数据,确定识别对象M在位置X1;根据采集时刻t2的子点云数据,确定识别对象M在位置X2,则位置X1与位置X2之间的位移S=X2-X1,时间T=t2-t1,之后,可以根据位移S和时间T计算出识别对象X的速度。还可以采用其他方式确定识别对象的速度,本公开实施例对此不做限定。
在其中一个实施例中,路侧控制设备可以先利用三维目标检测算法分别对多个不同采集时刻的子点云数据进行检测,得到每个采集时刻下多个识别对象的标识和位置。之后,利用目标跟踪算法对进行识别对象的跟踪处理,则可以确定多个不同采集时刻中的同一识别对象。
例如,利用三维目标检测算法对采集时刻t1的子点云数据进行检测,确定其中一个识别对象的标识为M1、位置为X1;利用三维目标检测算法对采集时刻t2的子点云数据进行检测,确定其中一个识别对象的标识为M2、位置为X2。之后,利用目标跟踪算法进行识别对象M1的跟踪处理,可以确定识别对象M2与识别对象M1为同一识别对象M。本公开实施例对三维目标检测算法和目标跟踪算法不做限定。
在其中一个实施例中,根据点云数据确定各识别对象的尺寸,可以包括:路侧控制设备在检测到多个识别对象之后,可以得到各识别对象的检测边框,根据各识别对象的检测边框中预设点的位置确定各识别对象的尺寸。
例如,路侧控制设备根据识别对象M的检测边框的八个顶点,确定识别对象M的尺寸。
步骤302,根据各识别对象的速度和尺寸确定多个识别对象中是否存在满足预设条件的目标识别对象。
其中,预设条件包括;速度低于预设速度阈值和尺寸小于预设尺寸阈值。
针对每个识别对象,路侧控制设备判断该识别对象的速度是否小于预设速度阈值;若小于预设速度阈值,则判断该识别对象的尺寸是否小于预设尺寸阈值;若小于预设尺寸阈值,则确定多个对象中存在目标识别对象。
或者,针对每个识别对象,路侧控制设备判断该识别对象的尺寸是否小于预设尺寸阈值;若小于预设尺寸阈值,则判断该识别对象的速度是否小于预设速度阈值;若小于预设速度阈值,则确定多个对象中存在符合预设条件的目标识别对象。
在其中一个实施例中,识别对象的速度小于预设速度阈值时,识别对象的速度为零。例如,多个识别对象C1、C2、C3、C4,其中,识别对象C4的速度为零且尺寸小于预设尺寸阈值,则路侧控制设备确定多个识别对象C1、C2、C3、C4存在符合预设条件的目标识别对象。
步骤303,若存在目标识别对象,则确定多个识别对象中存在遗洒物,并将目标识别对象确定为遗洒物。
如果确定多个识别对象中存在目标识别对象,即可确定多个识别对象中存在遗洒物,且目标识别对象即为遗洒物。例如,确定多个识别对象C1、C2、C3、C4存在符合预设条件的目标识别对象,则确定多个识别对象C1、C2、C3、C4中存在遗洒物,且目标识别对象C4为遗洒物。
上述实施例中,路侧控制设备根据点云数据确定各识别对象的速度和尺寸;根据各识别对象的速度和尺寸确定多个识别对象中是否存在满足预设条件的目标识别对象;若存在目标识别对象,则确定多个识别对象中存在遗洒物,并将目标识别对象确定为遗洒物。通过本公开实施例,可以根据激光雷达采集的点云数据得到各识别对象的速度和尺寸,从而根据识别对象的速度和尺寸快速地检测出目标道路中是否存在遗洒物。
在一个实施例中,如图4所示,遗洒物的位置为遗洒物在雷达坐标系中的坐标位置;控制与遗洒物的位置相对应的监控相机采集道路图像的步骤,可以包括:
步骤401,路侧控制设备根据预先设置的雷达坐标系与相机坐标系之间的对应关系,以及遗洒物在雷达坐标系中的坐标位置,确定遗洒物在相机坐标系中的坐标位置。
在路侧设置激光雷达和监控相机后,可以根据激光雷达和监控相机之间的相对位置关系,在路侧控制设备中设置雷达坐标系与相机坐标系之间的对应关系。路侧控制设备在检测出多个识别对象中存在遗洒物之后,即可得到遗洒物在雷达坐标系中的坐标位置。之后,路侧控制设备可以根据雷达坐标系与相机坐标系之间的对应关系,将遗洒物在雷达坐标系中的坐标位置转换到相机坐标系下,得到遗洒物在相机坐标系中的坐标位置。
步骤402,根据遗洒物在相机坐标系中的坐标位置,控制对应的监控相机采集道路图像。
确定遗洒物在相机坐标系中的坐标位置之后,根据遗洒物在相机坐标系中的坐标位置,可以确定图像采集范围覆盖该坐标位置的监控相机,进而控制该监控相机进行图像采集,得到道路图像。
上述控制与遗洒物的位置相对应的监控相机采集道路图像的步骤,路侧控制设备根据预先设置的雷达坐标系与相机坐标系之间的对应关系,以及遗洒物在雷达坐标系中的坐标位置,确定遗洒物在相机坐标系中的坐标位置;根据遗洒物在相机坐标系中的坐标位置,控制对应的监控相机采集道路图像。通过本公开实施例,可以根据预先设置的雷达坐标系与相机坐标系之间的对应关系以及遗洒物在雷达坐标系中的坐标位置,查找出图像采集范围可以覆盖遗洒物的监控相机,以便监控相机采集到的道路图像中包含遗洒物,从而为维护人员提供图像依据。
在一个实施例中,如图5所示,提供了一种遗洒物检测方法,以该方法应用于图1中的路侧控制设备为例进行说明,可以包括:
步骤501,路侧控制设备获取激光雷达对目标道路采集的点云数据,并根据点云数据检测出目标道路中的多个识别对象。
步骤502,根据点云数据确定各识别对象的速度和尺寸。
步骤503,根据各识别对象的速度和尺寸确定多个识别对象中是否存在满足预设条件的目标识别对象。
其中,预设条件包括;速度低于预设速度阈值和尺寸小于预设尺寸阈值。
步骤504,若存在目标识别对象,则确定多个识别对象中存在遗洒物,并将识别对象确定为遗洒物。
步骤505,获取遗洒物在雷达坐标系的坐标位置,根据预先设置的雷达坐标系与相机坐标系之间的对应关系,以及遗洒物在雷达坐标系中的坐标位置,确定遗洒物在相机坐标系中的坐标位置。
步骤506,根据遗洒物在相机坐标系中的坐标位置,控制对应的监控相机采集道路图像。
步骤507,根据遗洒物在相机坐标系中的坐标位置,在道路图像中标注出遗洒物。
路侧控制设备确定遗洒物在相机坐标系中的坐标位置之后,可以根据在相机坐标系中的坐标位置在道路图像中标注出遗洒物,以便维护人员根据标注获知遗洒物的相关信息,比如遗洒物的种类、位置等。
步骤508,向服务器发送告警信息。
其中,告警信息包括标注有遗洒物的道路图像,告警信息用于指示服务器展示标注有遗洒物的道路图像。
路侧控制设备将标注有遗洒物的道路图像发送到服务器,服务器在接收到标注有遗洒物的道路图像之后进行展示。维护人员可以根据服务器展示的道路图像获知遗洒物的位置、种类等信息。
步骤509,在根据激光雷达采集的点云数据确定遗洒物被移除后,向服务器发送遗洒物移除信息。
其中,遗洒物移除信息用于指示服务器停止展示告警信息。
遗洒物在被移除后,路侧控制设备执行步骤501至步骤502,未检测到符合预设条件的目标识别对象,则确定遗洒物被移除。之后,路侧控制设备向服务器发送遗洒物移除信息。服务器接收到遗洒物移除信息之后,不在展示标注有遗洒物的道路图像。
上述遗洒物检测方法中,路侧控制设备可以根据激光雷达采集的点云数据快速地检测出目标道路中是否存在遗洒物,并在检测到存在遗洒物后,触发监控相机采集道路图像,在道路图像中标注出遗洒物,并向服务器发送告警信息,以便维护人员移除遗洒物,从而避免交通事故。进一步地,在根据激光雷达采集的点云数据确定遗洒物被移除后,向服务器发送遗洒物移除信息,以便维护人员确认遗洒物已被移除。
应该理解的是,虽然图2-图5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-图5中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种遗洒物检测装置,包括:
对象检测模块601,用于获取激光雷达对目标道路采集的点云数据,并根据所述点云数据检测出所述目标道路中的多个识别对象;
位置获取模块602,用于若根据点云数据确定所述多个识别对象中存在遗洒物,则获取所述遗洒物的位置;其中,所述遗洒物的位置根据对应的点云数据获得;
图像采集模块603,用于控制与所述遗洒物的位置相对应的监控相机采集道路图像;所述道路图像包含所述遗洒物。
在其中一个实施例中,该装置还包括:
速度尺寸确定模块,用于根据点云数据确定各识别对象的速度和尺寸;
目标识别对象确定模块,用于根据各识别对象的速度和尺寸确定多个识别对象中是否存在满足预设条件的目标识别对象;其中,预设条件包括;速度低于预设速度阈值和尺寸小于预设尺寸阈值;
遗洒物确定模块,用于若存在目标识别对象,则确定多个识别对象中存在遗洒物,并将目标识别对象确定为遗洒物。
在其中一个实施例中,上述速度尺寸确定模块,具体用于针对各识别对象,根据多个不同采集时刻的子点云数据确定识别对象在不同采集时刻的位置;根据识别对象在不同采集时刻的位置以及多个不同采集时刻,计算出识别对象的速度。
在其中一个实施例中,上述遗洒物的位置为遗洒物在雷达坐标系中的坐标位置;上述图像采集模块603,具体用于根据预先设置的雷达坐标系与相机坐标系之间的对应关系,以及遗洒物在雷达坐标系中的坐标位置,确定遗洒物在相机坐标系中的坐标位置;根据遗洒物在相机坐标系中的坐标位置,控制对应的监控相机采集道路图像。
在其中一个实施例中,该装置还包括:
图像标注模块,用于根据遗洒物在相机坐标系中的坐标位置,在道路图像中标注出遗洒物。
在其中一个实施例中,该装置还包括:
第一信息发送模块,用于向服务器发送告警信息;告警信息包括标注有遗洒物的道路图像,告警信息用于指示服务器展示标注有遗洒物的道路图像。
在其中一个实施例中,该装置还包括:
第二信息发送模块,用于在根据激光雷达对目标道路采集的点云数据确定遗洒物被移除后,向服务器发送遗洒物移除信息;遗洒物移除信息用于指示服务器停止展示告警信息。
关于遗洒物检测装置的具体限定可以参见上文中对于遗洒物检测方法的限定,在此不再赘述。上述遗洒物检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图7所示。该计算机设备包括通过***总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种遗洒物检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取激光雷达对目标道路采集的点云数据,并根据点云数据检测出目标道路中的多个识别对象;
若根据点云数据确定多个识别对象中存在遗洒物,则获取遗洒物的位置;其中,遗洒物的位置根据对应的点云数据获得;
控制与遗洒物的位置相对应的监控相机采集道路图像;道路图像包含遗洒物。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据点云数据确定各识别对象的速度和尺寸;
根据各识别对象的速度和尺寸确定多个识别对象中是否存在满足预设条件的目标识别对象;其中,预设条件包括;速度低于预设速度阈值和尺寸小于预设尺寸阈值;
若存在目标识别对象,则确定多个识别对象中存在遗洒物,并将目标识别对象确定为遗洒物。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
针对各识别对象,根据多个不同采集时刻的子点云数据确定识别对象在不同采集时刻的位置;
根据识别对象在不同采集时刻的位置以及多个不同采集时刻,计算出识别对象的速度。
在一个实施例中,上述遗洒物的位置为遗洒物在雷达坐标系中的坐标位置;处理器执行计算机程序时还实现以下步骤:
根据预先设置的雷达坐标系与相机坐标系之间的对应关系,以及遗洒物在雷达坐标系中的坐标位置,确定遗洒物在相机坐标系中的坐标位置;
根据遗洒物在相机坐标系中的坐标位置,控制对应的监控相机采集道路图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据遗洒物在相机坐标系中的坐标位置,在道路图像中标注出遗洒物。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
向服务器发送告警信息;告警信息包括标注有遗洒物的道路图像,告警信息用于指示服务器展示标注有遗洒物的道路图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
在根据激光雷达对目标道路采集的点云数据确定遗洒物被移除后,向服务器发送遗洒物移除信息;遗洒物移除信息用于指示服务器停止展示告警信息。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取激光雷达对目标道路采集的点云数据,并根据点云数据检测出目标道路中的多个识别对象;
若根据点云数据确定多个识别对象中存在遗洒物,则获取遗洒物的位置;其中,遗洒物的位置根据对应的点云数据获得;
控制与遗洒物的位置相对应的监控相机采集道路图像;道路图像包含遗洒物。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据点云数据确定各识别对象的速度和尺寸;
根据各识别对象的速度和尺寸确定多个识别对象中是否存在满足预设条件的目标识别对象;其中,预设条件包括;速度低于预设速度阈值和尺寸小于预设尺寸阈值;
若存在目标识别对象,则确定多个识别对象中存在遗洒物,并将目标识别对象确定为遗洒物。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
针对各识别对象,根据多个不同采集时刻的子点云数据确定识别对象在不同采集时刻的位置;
根据识别对象在不同采集时刻的位置以及多个不同采集时刻,计算出识别对象的速度。
在一个实施例中,上述遗洒物的位置为遗洒物在雷达坐标系中的坐标位置;计算机程序被处理器执行时还实现以下步骤:
根据预先设置的雷达坐标系与相机坐标系之间的对应关系,以及遗洒物在雷达坐标系中的坐标位置,确定遗洒物在相机坐标系中的坐标位置;
根据遗洒物在相机坐标系中的坐标位置,控制对应的监控相机采集道路图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据遗洒物在相机坐标系中的坐标位置,在道路图像中标注出遗洒物。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
向服务器发送告警信息;告警信息包括标注有遗洒物的道路图像,告警信息用于指示服务器展示标注有遗洒物的道路图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
在根据激光雷达对目标道路采集的点云数据确定遗洒物被移除后,向服务器发送遗洒物移除信息;遗洒物移除信息用于指示服务器停止展示告警信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种遗洒物检测方法,其特征在于,所述方法包括:
获取激光雷达对目标道路采集的点云数据,并根据所述点云数据检测出所述目标道路中的多个识别对象;
若根据点云数据确定所述多个识别对象中存在遗洒物,则获取所述遗洒物的位置;其中,所述遗洒物的位置根据对应的点云数据获得;
控制与所述遗洒物的位置相对应的监控相机采集道路图像;所述道路图像包含所述遗洒物。
2.根据权利要求1所述的方法,其特征在于,在所述根据所述点云数据检测出所述目标道路中的多个识别对象之后,所述方法还包括:
根据所述点云数据确定各所述识别对象的速度和尺寸;
根据各所述识别对象的速度和尺寸确定所述多个识别对象中是否存在满足预设条件的目标识别对象;其中,所述预设条件包括;速度低于预设速度阈值和尺寸小于预设尺寸阈值;
若存在所述目标识别对象,则确定所述多个识别对象中存在遗洒物,并将所述目标识别对象确定为所述遗洒物。
3.根据权利要求2所述的方法,其特征在于,所述点云数据由多个不同采集时刻的子点云数据组成,所述根据所述点云数据确定各所述识别对象的速度,包括:
针对各所述识别对象,根据所述多个不同采集时刻的子点云数据确定所述识别对象在不同采集时刻的位置;
根据所述识别对象在不同采集时刻的位置以及所述多个不同采集时刻,计算出所述识别对象的速度。
4.根据权利要求1所述的方法,其特征在于,所述遗洒物的位置为所述遗洒物在雷达坐标系中的坐标位置;所述控制与所述遗洒物的位置相对应的监控相机采集道路图像,包括:
根据预先设置的雷达坐标系与相机坐标系之间的对应关系,以及所述遗洒物在雷达坐标系中的坐标位置,确定所述遗洒物在相机坐标系中的坐标位置;
根据所述遗洒物在相机坐标系中的坐标位置,控制对应的监控相机采集所述道路图像。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
根据所述遗洒物在所述相机坐标系中的坐标位置,在所述道路图像中标注出所述遗洒物。
6.根据权利要求1所述的方法,其特征在于,在所述控制与所述遗洒物的位置相对应的监控相机采集道路图像之后,所述方法还包括:
向服务器发送告警信息;所述告警信息包括标注有所述遗洒物的道路图像,所述告警信息用于指示所述服务器展示所述标注有所述遗洒物的道路图像。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
在根据所述激光雷达对所述目标道路采集的点云数据确定所述遗洒物被移除后,向所述服务器发送遗洒物移除信息;所述遗洒物移除信息用于指示所述服务器停止展示所述告警信息。
8.一种遗洒物检测装置,其特征在于,所述装置包括:
对象检测模块,用于获取激光雷达对目标道路采集的点云数据,并根据所述点云数据检测出所述目标道路中的多个识别对象;
位置获取模块,用于若根据点云数据确定所述多个识别对象中存在遗洒物,则获取所述遗洒物的位置;其中,所述遗洒物的位置根据对应的点云数据获得;
图像采集模块,用于控制与所述遗洒物的位置相对应的监控相机采集道路图像;所述道路图像包含所述遗洒物。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010837019.7A CN114170498A (zh) | 2020-08-19 | 2020-08-19 | 遗洒物检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010837019.7A CN114170498A (zh) | 2020-08-19 | 2020-08-19 | 遗洒物检测方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114170498A true CN114170498A (zh) | 2022-03-11 |
Family
ID=80475333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010837019.7A Pending CN114170498A (zh) | 2020-08-19 | 2020-08-19 | 遗洒物检测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114170498A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117095540A (zh) * | 2023-10-18 | 2023-11-21 | 四川数字交通科技股份有限公司 | 道路二次事故的预警方法、装置、电子设备及存储介质 |
-
2020
- 2020-08-19 CN CN202010837019.7A patent/CN114170498A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117095540A (zh) * | 2023-10-18 | 2023-11-21 | 四川数字交通科技股份有限公司 | 道路二次事故的预警方法、装置、电子设备及存储介质 |
CN117095540B (zh) * | 2023-10-18 | 2024-01-23 | 四川数字交通科技股份有限公司 | 道路二次事故的预警方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11361556B2 (en) | Deterioration diagnosis device, deterioration diagnosis system, deterioration diagnosis method, and storage medium for storing program | |
US11380105B2 (en) | Identification and classification of traffic conflicts | |
CN103726879B (zh) | 利用摄像头自动捕捉矿井矿震坍塌并及时记录报警的方法 | |
CN108335381A (zh) | 车辆传感器健康状况监测 | |
JP6954420B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN108844754A (zh) | 用于评估高级驾驶员辅助***的测试装置 | |
US20160148076A1 (en) | Method and system for automating an image rejection process | |
CN104282154A (zh) | 一种车辆超载监控***及方法 | |
CN111666821B (zh) | 人员聚集的检测方法、装置及设备 | |
CN112776856A (zh) | 轨道异物侵限监测方法、装置、***及监控主机设备 | |
CN112562406B (zh) | 一种越线行驶的识别方法及装置 | |
KR102434154B1 (ko) | 영상감시시스템에서의 고속 이동물체의 위치 및 모션 캡쳐 방법 | |
CN114022846A (zh) | 作业车辆的防碰撞监控方法、装置、设备和介质 | |
CN111985295A (zh) | 一种电动自行车行为识别方法、***、工控机及摄像头 | |
CN114170498A (zh) | 遗洒物检测方法、装置、计算机设备和存储介质 | |
WO2020210960A1 (zh) | 交通道路的数字化全景重建的方法和*** | |
KR101719799B1 (ko) | 교통정보 감응형 cctv 모니터링 시스템 | |
CN116913099A (zh) | 一种智能交通实时监控*** | |
Kandoi et al. | Pothole detection using accelerometer and computer vision with automated complaint redressal | |
CN115100632A (zh) | 膨胀点云识别方法、装置、计算机设备和存储介质 | |
CN113807125A (zh) | 应急车道占用检测方法、装置、计算机设备和存储介质 | |
KR20220132841A (ko) | 도로 정보 제공 시스템 및 도로 정보 제공 방법 | |
JP4697761B2 (ja) | 待ち行列検出方法及び待ち行列検出装置 | |
CN114093155A (zh) | 交通事故责任溯源方法、装置、计算机设备和存储介质 | |
KR102614856B1 (ko) | 군중 난류 위험 예측 시스템 및 방법 |
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 |