CN114461743A - 一种通过高精度地图对高速公路事件自动仿真还原的*** - Google Patents
一种通过高精度地图对高速公路事件自动仿真还原的*** Download PDFInfo
- Publication number
- CN114461743A CN114461743A CN202210382366.4A CN202210382366A CN114461743A CN 114461743 A CN114461743 A CN 114461743A CN 202210382366 A CN202210382366 A CN 202210382366A CN 114461743 A CN114461743 A CN 114461743A
- Authority
- CN
- China
- Prior art keywords
- accident
- vehicle
- unit
- output end
- module
- 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
- 238000012544 monitoring process Methods 0.000 claims abstract description 44
- 238000004088 simulation Methods 0.000 claims abstract description 39
- 238000000605 extraction Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000013500 data storage Methods 0.000 claims description 18
- 230000033001 locomotion Effects 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 2
- 230000006872 improvement Effects 0.000 description 9
- 206010039203 Road traffic accident Diseases 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 208000025274 Lightning injury Diseases 0.000 description 1
- 241000208225 Rhus Species 0.000 description 1
- 235000014220 Rhus chinensis Nutrition 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- 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
-
- 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
-
- 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
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Remote Sensing (AREA)
- Tourism & Hospitality (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及视频分析技术领域,具体地说,涉及一种通过高精度地图对高速公路事件自动仿真还原的***。其包括监控摄像单元,监控摄像单元输出端连接有事故区域定位单元,事故区域定位单元输出端连接有涉事路段地图提取单元以及涉事车辆识别单元,涉事车辆识别单元输出端连接有u3d事故模拟单元。本发明中通过事故区域定位单元对事故发生地进行定位,将定位信息传输至涉事路段地图提取单元,通过涉事路段地图提取单元对事故路段进行地图信息精度提取,同时通过涉事车辆单元对涉事车辆信息进行识别,并将识别信息传输至u3d事故模拟单元,通过u3d事故模拟单元对车辆行使轨迹以及真实位置进行仿真模拟,还原事故的全部过程,便于交管人员认定事故原因。
Description
技术领域
本发明涉及视频分析技术领域,具体地说,涉及一种通过高精度地图对高速公路事件自动仿真还原的***。
背景技术
交通事故指车辆在道路上因过错或者意外造成人身伤亡或者财产损失的事件,交通事故不仅是由不特定的人员违反道路交通安全法规造成的,也可以是由于地震、台风、山洪、雷击等不可抗拒的自然灾害造成,目前对交通事故以对记录的视频的保存和分析为主,对事故的还原主要基于人工方式进行分析或者建模,耗时长,难以及时动态展示事故过程。
发明内容
本发明的目的在于提供一种通过高精度地图对高速公路事件自动仿真还原的***,以解决上述背景技术中提出的问题。
为实现上述目的,提供了一种通过高精度地图对高速公路事件自动仿真还原的***,包括监控摄像单元,所述监控摄像单元用于对路段行使车辆进行摄像监控,其特征在于:所述监控摄像单元输出端连接有事故区域定位单元,所述事故区域定位单元用于定位事故产生的位置信息,所述事故区域定位单元输出端连接有涉事路段地图提取单元,所述涉事路段地图提取单元用于对事故路段进行地图信息精度提取,所述事故区域定位单元输出端还连接有涉事车辆识别单元,所述涉事车辆识别单元输出端连接有u3d事故模拟单元,所述u3d事故模拟单元输入端与所述涉事路段地图提取单元输出端连接,所述u3d事故模拟单元用于结合涉事地图信息以及涉事车辆信息对车辆事故产生的全过程进行仿真模拟,所述u3d事故模拟单元输出端连接数据存储单元,所述数据存储单元输出端连接有事故原因分析单元。
作为本技术方案的进一步改进,所述监控摄像单元与所述事故区域定位单元保持双向连接。
作为本技术方案的进一步改进,所述涉事路段地图提取单元包括事故路段区域测定模块,所述事故路段区域测定模块输出端连接有事故路段阻碍物识别模块,所述事故路段阻碍物识别模块输出端连接有事故车辆移动位置测量模块。
作为本技术方案的进一步改进,所述涉事车辆识别单元包括事故产生车辆计数模块,所述事故产生车辆计数模块用于对事故产生的车辆进行计数,所述事故产生车辆计数模块输出端连接有车辆行使方向辨识模块,所述车辆行使方向辨识模块输出端连接有车辆行使速度测定模块。
作为本技术方案的进一步改进,所述车辆行使速度测定模块采用摄像测速算法,其算法如下所示:
其中为事故车辆在实际空间中的尺寸,为事故车辆在成像平面中的尺寸,d是物体与摄像机装置之间的距离,为图像中事故车辆与图像边沿之间的距离,f是摄像机的焦距,为两帧图像中的平移距离,为车道线间隔,为3.5米,为图像中车道间隔长度,为事故车辆实际运动距离,为事故车辆实际空间中的运动速度,u为摄像装置的帧率。
作为本技术方案的进一步改进,所述涉事车辆识别单元输出端还连接有车辆行使追踪单元,所述车辆行使追踪单元输入端与所述监控摄像单元输出端连接。
作为本技术方案的进一步改进,所述车辆行使追踪单元包括车辆车牌识别模块,所述车辆车牌识别模块输出端连接有车辆损坏信息标记模块,所述车辆损坏信息标记模块输出端连接有车辆行使路段标识模块。
作为本技术方案的进一步改进,所述车辆行使追踪单元输出端与所述数据存储单元输入端连接。
作为本技术方案的进一步改进,所述u3d事故模拟单元包括车辆3D模型建立模块,所述车辆3D模型建立模块输入端与所述事故产生车辆计数模块输出端连接,所述车辆3D模型建立模块输出端连接有事故路段3D模型建立模块,所述事故路段3D模型建立模块输入端与所述事故路段障碍物识别模块输出端连接,所述事故路段3D模型建立模块输出端连接有车辆事故轨迹模拟模块,所述车辆事故轨迹模拟模块输入端与所述车辆行使速度测定模块输出端连接。
作为本技术方案的进一步改进,所述数据存储单元输入端与所述涉事路段地图提取单元输出端连接。
与现有技术相比,本发明的有益效果:
1、该通过高精度地图对高速公路事件自动仿真还原的***中,通过事故区域定位单元对事故发生地进行定位,将定位信息传输至涉事路段地图提取单元,通过涉事路段地图提取单元对事故路段进行地图信息精度提取,同时通过涉事车辆单元对涉事车辆信息进行识别,并将识别信息传输至u3d事故模拟单元,通过u3d事故模拟单元对车辆行使轨迹以及真实位置进行仿真模拟,还原事故的全部过程,便于交管人员认定事故原因。
2、该通过高精度地图对高速公路事件自动仿真还原的***中,事故区域定位通过监控摄像单元拍摄到的现场及时信息,对该事故发生地进行位置定位,判断该事故发生地,同时事故区域定位单元将事故定位信息反向传输至监控摄像单元,为监控摄像单元提供更为准确的事故发生点,此时监控摄像单元调动事故发生地附近的监测点,对事故发生地附近路段进行信息监控,避免监控时拍摄范围有限,无法拍摄到事故发生点全貌,导致后期进行事故判断时出现偏差,影响事故原因分析。
3、该通过高精度地图对高速公路事件自动仿真还原的***中,事故产生车辆计数模块对事故产生的车辆进行计数,并将计数信息传输至车辆行使方向辨识模块,车辆行使方向辨识模块对事故车辆进行行使方向辨识,并将辨识信息传输至车辆行使速度测定模块,通过车辆行使速度测定模块对车辆行使速度进行测定。
4、该通过高精度地图对高速公路事件自动仿真还原的***中,根据监控摄像单元提供的路段监控信息,车辆车牌识别模块对逃离现场的事故车辆进行车牌识别,判断该车辆所属人信息以及驾驶者信息,同时将车牌识别信息传输至车辆损坏信息标记模块,通过车辆损坏信息标记模块对该逃离现场的事故车辆周身进行损伤裁定,以便后期交管人员进行车辆验证,提高比对效率,同时通过车辆行使路段标识模块对逃离现场的事故车辆逃离路段信息进行标识,当确定事故原因后,通过标识路段信息得出该逃离现场的事故车辆逃离位置,及时对逃离现场的事故车辆进行追踪。
附图说明
图1为本发明实施例1的整体流程示意图;
图2为本发明实施例1的涉事路段地图提取单元流程图;
图3为本发明实施例1的涉事车辆识别单元流程图;
图4为本发明实施例1的车辆行使追踪单元流程图;
图5为本发明实施例1的u3d事故模拟单元流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
实施例1
请参阅图1-图5所示,提供了一种通过高精度地图对高速公路事件自动仿真还原的***,包括监控摄像单元,监控摄像单元用于对路段行使车辆进行摄像监控,监控摄像单元输出端连接有事故区域定位单元,事故区域定位单元用于定位事故产生的位置信息,事故区域定位单元输出端连接有涉事路段地图提取单元,涉事路段地图提取单元用于对事故路段进行地图信息精度提取,事故区域定位单元输出端还连接有涉事车辆识别单元,涉事车辆识别单元输出端连接有u3d事故模拟单元,u3d的全称是Universal 3D,英特尔、波音、Adobe、微软以及30余家公司于2004年在西班牙巴塞罗那共同宣布合作开发一个名为U3D的通用3D图形格式标准,u3d事故模拟单元输入端与涉事路段地图提取单元输出端连接,u3d事故模拟单元用于结合涉事地图信息以及涉事车辆信息对车辆事故产生的全过程进行仿真模拟,u3d事故模拟单元输出端连接数据存储单元,数据存储单元输出端连接有事故原因分析单元。
具体使用时,监控摄像单元对路段行使车辆进行摄像监控,当车辆发生事故后,监控摄像单元将事故监控信息传输至事故区域定位单元,事故区域定位单元对该事故发生位置进行定位处理,并将位置定位信息传输至涉事路段地图提取单元以及涉事车辆识别信息,涉事路段地图提取单元对事故路段进行地图信息精度提取,例如事故路段的弯区度、事故路段长度以及事故发生地路段建筑物等信息,涉事路段地图提取单元将地图精度信息传输至u3d事故模拟单元,同时涉事车辆识别信息对事故产生的车辆进行信息识别,并将识别信息传输至u3d事故模拟单元,u3d事故模拟单元结合涉事地图信息以及涉事车辆信息对车辆事故产生的全过程进行仿真模拟,生成3d模型模拟事故产生全过程,并将模拟信息传输至数据存储单元进行信息存储,同时数据存储单元将模拟信息传输至事故原因分析单元,通过事故原因分析单元对事故信息进行分析判断,得出事故产生原因。
此外,监控摄像单元与事故区域定位单元保持双向连接。具体使用时,当监控摄像单元监测到监控路段发生事故时,会将监控信息传输至事故区域定位单元,事故区域定位通过监控摄像单元拍摄到的现场及时信息,对该事故发生地进行位置定位,判断该事故发生地,同时事故区域定位单元将事故定位信息反向传输至监控摄像单元,为监控摄像单元提供更为准确的事故发生点,此时监控摄像单元调动事故发生地附近的监测点,对事故发生地附近路段进行信息监控,避免监控时拍摄范围有限,无法拍摄到事故发生点全貌,导致后期进行事故判断时出现偏差,影响事故原因分析。
进一步的,涉事路段地图提取单元包括事故路段区域测定模块,事故路段区域测定模块输出端连接有事故路段阻碍物识别模块,事故路段阻碍物识别模块输出端连接有事故车辆移动位置测量模块。具体使用时,事故路段区域测定末端对事故区域路段的长度以及路面宽度进行提取测量,得出事故发生地区域面积,并将测定信息传输至事故路段阻碍物识别模块,事故路段阻碍物识别模块对该区域内存在的障碍物进行识别,同时形成对比效果,观察先前存在该区域的障碍物在事故产生后的改变情况,事故路段阻碍物识别模块将识别后的障碍物信息传输至事故车辆移动位置测量模块,事故车辆移动位置测量模块根据障碍物变化情况以及车辆先前位置变化,得出车辆发生事故时车辆位置距离以及与障碍物碰撞情况。
再进一步的,涉事车辆识别单元包括事故产生车辆计数模块,事故产生车辆计数模块用于对事故产生的车辆进行计数,事故产生车辆计数模块输出端连接有车辆行使方向辨识模块,车辆行使方向辨识模块输出端连接有车辆行使速度测定模块。具体使用时,事故产生车辆计数模块对事故产生的车辆进行计数,并将计数信息传输至车辆行使方向辨识模块,车辆行使方向辨识模块对事故车辆进行行使方向辨识,并将辨识信息传输至车辆行使速度测定模块,通过车辆行使速度测定模块对车辆行使速度进行测定。
具体的,车辆行使速度测定模块采用摄像测速算法,其算法如下所示:
其中为事故车辆在实际空间中的尺寸,为事故车辆在成像平面中的尺寸,d是物体与摄像机装置之间的距离,为图像中事故车辆与图像边沿之间的距离,f是摄像机的焦距,为两帧图像中的平移距离,为车道线间隔,为3.5米,为图像中车道间隔长度,为事故车辆实际运动距离,为事故车辆实际空间中的运动速度,u为摄像装置的帧率。
此外,涉事车辆识别单元输出端还连接有车辆行使追踪单元,车辆行使追踪单元输入端与监控摄像单元输出端连接。具体使用时,当出现车辆造成事故后逃离现象的情况后,车辆行使追踪单元结合涉事车辆提供的车辆信息,根据监控摄像单元提供的路段监控信息对肇事车辆进行实时追踪,以便后期交管人员得出事故原因后,及时追寻到事故车辆位置信息,提高事故处理效率。
进一步的,车辆行使追踪单元包括车辆车牌识别模块,车辆车牌识别模块输出端连接有车辆损坏信息标记模块,车辆损坏信息标记模块输出端连接有车辆行使路段标识模块。具体使用时,根据监控摄像单元提供的路段监控信息,车辆车牌识别模块对逃离现场的事故车辆进行车牌识别,判断该车辆所属人信息以及驾驶者信息,同时将车牌识别信息传输至车辆损坏信息标记模块,通过车辆损坏信息标记模块对该逃离现场的事故车辆周身进行损伤裁定,以便后期交管人员进行车辆验证,提高比对效率,同时通过车辆行使路段标识模块对逃离现场的事故车辆逃离路段信息进行标识,当确定事故原因后,通过标识路段信息得出该逃离现场的事故车辆逃离位置,及时对逃离现场的事故车辆进行追踪。
再进一步的,车辆行使追踪单元输出端与数据存储单元输入端连接。具体使用时,车辆行使追踪单元将逃离现场的事故车辆信息传输至数据存储单元,通过数据存储单元对该车辆的违规信息进行存储,并对其进行标识,提醒该车驾驶者行车规范,减少事故的发生率。
此外,u3d事故模拟单元包括车辆3D模型建立模块,车辆3D模型建立模块输入端与事故产生车辆计数模块输出端连接,车辆3D模型建立模块输出端连接有事故路段3D模型建立模块,事故路段3D模型建立模块输入端与事故路段障碍物识别模块输出端连接,事故路段3D模型建立模块输出端连接有车辆事故轨迹模拟模块,车辆事故轨迹模拟模块输入端与车辆行使速度测定模块输出端连接。具体使用时,车辆3D模型建立模块结合事故产生车辆计数模块提供的车辆信息,根据等比例缩放制作对应的车辆3D模型,并将车辆3D模型信息传输至事故路段3D模型建立模块,事故路段3D模型建立模块结合事故路段阻碍物识别模块提供的事故路段事故前后的障碍物变换情况制定事故路段3D模型,事故路段3D模型建立模块将故路段3D模型信息传输至车辆事故轨迹模拟模块,车辆事故轨迹模拟模块结合车辆行使速度测定模块测出的车辆事故前后速度变化情况,对车辆发生事故后行使轨迹进行模拟,从而能够准确得出事故发生全过程,进一步提高后期裁定事故原因准确度。
除此之外,数据存储单元输入端与涉事路段地图提取单元输出端连接。当相同地段重复发生交通事故时,此时事故区域定位单元将该事故路段信息传输至数据存储单元,通过数据存储单元对该区域进行事故高发路段标记,提醒行使在该路段的驾驶者注意减速,减少交通事故的发生率。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种通过高精度地图对高速公路事件自动仿真还原的***,包括监控摄像单元,所述监控摄像单元用于对路段行使车辆进行摄像监控,其特征在于:所述监控摄像单元输出端连接有事故区域定位单元,所述事故区域定位单元用于定位事故产生的位置信息,所述事故区域定位单元输出端连接有涉事路段地图提取单元,所述涉事路段地图提取单元用于对事故路段进行地图信息精度提取,所述事故区域定位单元输出端还连接有涉事车辆识别单元,所述涉事车辆识别单元输出端连接有u3d事故模拟单元,所述u3d事故模拟单元输入端与所述涉事路段地图提取单元输出端连接,所述u3d事故模拟单元用于结合涉事地图信息以及涉事车辆信息对车辆事故产生的全过程进行仿真模拟,所述u3d事故模拟单元输出端连接数据存储单元,所述数据存储单元输出端连接有事故原因分析单元。
2.根据权利要求1所述的通过高精度地图对高速公路事件自动仿真还原的***,其特征在于:所述监控摄像单元与所述事故区域定位单元保持双向连接。
3.根据权利要求1所述的通过高精度地图对高速公路事件自动仿真还原的***,其特征在于:所述涉事路段地图提取单元包括事故路段区域测定模块,所述事故路段区域测定模块输出端连接有事故路段阻碍物识别模块,所述事故路段阻碍物识别模块输出端连接有事故车辆移动位置测量模块。
4.根据权利要求1所述的通过高精度地图对高速公路事件自动仿真还原的***,其特征在于:所述涉事车辆识别单元包括事故产生车辆计数模块,所述事故产生车辆计数模块用于对事故产生的车辆进行计数,所述事故产生车辆计数模块输出端连接有车辆行使方向辨识模块,所述车辆行使方向辨识模块输出端连接有车辆行使速度测定模块。
6.根据权利要求4所述的通过高精度地图对高速公路事件自动仿真还原的***,其特征在于:所述涉事车辆识别单元输出端还连接有车辆行使追踪单元,所述车辆行使追踪单元输入端与所述监控摄像单元输出端连接。
7.根据权利要求6所述的通过高精度地图对高速公路事件自动仿真还原的***,其特征在于:所述车辆行使追踪单元包括车辆车牌识别模块,所述车辆车牌识别模块输出端连接有车辆损坏信息标记模块,所述车辆损坏信息标记模块输出端连接有车辆行使路段标识模块。
8.根据权利要求7所述的通过高精度地图对高速公路事件自动仿真还原的***,其特征在于:所述车辆行使追踪单元输出端与所述数据存储单元输入端连接。
9.根据权利要求4所述的通过高精度地图对高速公路事件自动仿真还原的***,其特征在于:所述u3d事故模拟单元包括车辆3D模型建立模块,所述车辆3D模型建立模块输入端与所述事故产生车辆计数模块输出端连接,所述车辆3D模型建立模块输出端连接有事故路段3D模型建立模块,所述事故路段3D模型建立模块输入端与所述事故路段障碍物识别模块输出端连接,所述事故路段3D模型建立模块输出端连接有车辆事故轨迹模拟模块,所述车辆事故轨迹模拟模块输入端与所述车辆行使速度测定模块输出端连接。
10.根据权利要求8所述的通过高精度地图对高速公路事件自动仿真还原的***,其特征在于:所述数据存储单元输入端与所述涉事路段地图提取单元输出端连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210382366.4A CN114461743A (zh) | 2022-04-13 | 2022-04-13 | 一种通过高精度地图对高速公路事件自动仿真还原的*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210382366.4A CN114461743A (zh) | 2022-04-13 | 2022-04-13 | 一种通过高精度地图对高速公路事件自动仿真还原的*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114461743A true CN114461743A (zh) | 2022-05-10 |
Family
ID=81418608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210382366.4A Pending CN114461743A (zh) | 2022-04-13 | 2022-04-13 | 一种通过高精度地图对高速公路事件自动仿真还原的*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114461743A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115394085A (zh) * | 2022-10-26 | 2022-11-25 | 广州国交润万交通信息有限公司 | 通过高精度地图对高速公路事件自动仿真还原的*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWM552631U (zh) * | 2017-06-26 | 2017-12-01 | 中興保全股份有限公司 | 現場記錄系統 |
CN108919256A (zh) * | 2018-07-24 | 2018-11-30 | 河北德冠隆电子科技有限公司 | 四维实景交通仿真车辆超速全程跟踪检测报警***及方法 |
US20200001868A1 (en) * | 2019-08-05 | 2020-01-02 | Lg Electronics Inc. | Method and apparatus for updating application based on data in an autonomous driving system |
CN110738842A (zh) * | 2018-07-18 | 2020-01-31 | 阿里巴巴集团控股有限公司 | 事故责任划分及行为分析方法、装置、设备及存储介质 |
US20220044024A1 (en) * | 2020-08-04 | 2022-02-10 | Verizon Connect Ireland Limited | Systems and methods for utilizing machine learning and other models to reconstruct a vehicle accident scene from video |
-
2022
- 2022-04-13 CN CN202210382366.4A patent/CN114461743A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWM552631U (zh) * | 2017-06-26 | 2017-12-01 | 中興保全股份有限公司 | 現場記錄系統 |
CN110738842A (zh) * | 2018-07-18 | 2020-01-31 | 阿里巴巴集团控股有限公司 | 事故责任划分及行为分析方法、装置、设备及存储介质 |
CN108919256A (zh) * | 2018-07-24 | 2018-11-30 | 河北德冠隆电子科技有限公司 | 四维实景交通仿真车辆超速全程跟踪检测报警***及方法 |
US20200001868A1 (en) * | 2019-08-05 | 2020-01-02 | Lg Electronics Inc. | Method and apparatus for updating application based on data in an autonomous driving system |
US20220044024A1 (en) * | 2020-08-04 | 2022-02-10 | Verizon Connect Ireland Limited | Systems and methods for utilizing machine learning and other models to reconstruct a vehicle accident scene from video |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115394085A (zh) * | 2022-10-26 | 2022-11-25 | 广州国交润万交通信息有限公司 | 通过高精度地图对高速公路事件自动仿真还原的*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110264783B (zh) | 基于车路协同的车辆防碰撞预警***及方法 | |
CN112700470B (zh) | 一种基于交通视频流的目标检测和轨迹提取方法 | |
CN103770780B (zh) | 一种车辆主动安全***告警屏蔽装置 | |
CN111833598B (zh) | 一种高速公路无人机交通事件自动监测方法及*** | |
CN103325255B (zh) | 基于摄影测量技术进行区域交通状况检测的方法 | |
KR101446546B1 (ko) | 위치기반 실시간 차량정보 표시시스템 | |
TW202020799A (zh) | 移動載具用外部座標即時三維路況輔助裝置及該系統 | |
CN105184872B (zh) | 基于机器视觉的汽车保险费电子计价器 | |
CN105550654B (zh) | 高速列车图像采集***、实时车号检测***及方法 | |
CN112289054A (zh) | 道路安全预警方法、obu、rsu、mec设备及*** | |
CN111754580A (zh) | 一种摄像头标定方法、路侧感知设备和智慧交通*** | |
CN114419874B (zh) | 基于路侧感知设备数据融合的目标行车安全风险预警方法 | |
CN111027447B (zh) | 一种基于深度学习的道路溢出实时检测方法 | |
CN115019514B (zh) | 一种基于车联网的公路巡查*** | |
CN111275957A (zh) | 一种交通事故信息采集方法、***及摄像机 | |
CN103164958A (zh) | 车辆监控方法及*** | |
CN111722617B (zh) | 一种基于大数据的自动驾驶汽车性能判定***及方法 | |
CN113223296A (zh) | 一种高速公路维修施工时的警示*** | |
CN114461743A (zh) | 一种通过高精度地图对高速公路事件自动仿真还原的*** | |
CN103528531A (zh) | 小型车车辆参数的物联网图像智能检测*** | |
CN112977541A (zh) | 一种基于多技术融合的列车防护预警*** | |
CN106448223A (zh) | 一种雾霾自动适应的高速公路行车车速预警装置及方法 | |
CN116128360A (zh) | 道路交通拥堵等级评估方法、装置、电子设备及存储介质 | |
CN111422202A (zh) | 智能驾驶考试评判方法 | |
CN107292983A (zh) | 一种驾驶培训的学时记录方法及记录*** |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220510 |