CN115019512A - 一种基于雷达视频融合的道路事件检测*** - Google Patents
一种基于雷达视频融合的道路事件检测*** Download PDFInfo
- Publication number
- CN115019512A CN115019512A CN202210784009.0A CN202210784009A CN115019512A CN 115019512 A CN115019512 A CN 115019512A CN 202210784009 A CN202210784009 A CN 202210784009A CN 115019512 A CN115019512 A CN 115019512A
- Authority
- CN
- China
- Prior art keywords
- radar
- data
- coordinate system
- traffic
- time
- 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
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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及道路事件检测技术领域,且公开了一种基于雷达视频融合的道路事件检测***,包括路测感知设备、计算单元、云服务器,该检测***的方法包括以下步骤:S1:所述路测感知设备对路面信息进行获取,然后将获取的数据传输给计算单元;S2:所述计算单元对路测感知设备提取的信息进行时间戳统一、未知坐标标定,通过深度学习算法进行实时轨迹获取和预判。通过该检测***及其提供的算法,可以在复杂环境下的多目标跟踪,从而提高目标跟踪的准确性,以提高后续智慧交通***对交通状态的分析、判断及处理的效率。
Description
技术领域
本发明涉及道路事件检测技术领域,具体为一种基于雷达视频融合的道路事件检测***。
背景技术
目前,随着我国机动车保有量的迅速增长,城市道路车流量急剧上升,交通拥堵等问题日益严重。路口作为城市交通的主要节点,受信号控制影响,其通行能力低于一般路段。当车辆早、晚高峰出行时,道路交叉口是拥堵常发点,这类区域也是城市交通治理的主要关注点。尤其,当路口发生逆行、交通事故等事件时,能否实时发现并响应,直接影响到交通事件能否及时妥善处理,以及能否避免二次事件的发生或形成交通拥堵的扩张蔓延。因此,交通事件检测的时效性和有效性在道路交叉口尤为重要。
现有城市交通监管基础设施主要包括电警、卡口、毫米波雷达和线圈等,一般通过视频识别道路状态的方式对道路上抛洒物、车辆异常等交通事件进行检测。但交叉口区域发生的交通事件如事故、抛洒物等图像特征多种多样,车辆在交叉口区域的行驶特征也较为复杂,若依靠纯视觉深度学习的方式检测交通事件,识别率较低、误检率较高、实用性不强。随着智能网联城市的建设,基于雷达、相机等多传感融合的全息路口建设得到稳步推进,在多传感融合的基础上,可获取交叉口各交通参与者目标精细化实时感知数据,进而实现交通参与者的轨迹精细化刻画。基于路侧边缘全息感知的交叉口事件识别可有效避免纯视频检测存在的问题,大大提高交叉口事件响应速度,并及时联动信号灯等交通管理设施,避免因交叉***通事件造成城市大规模交通拥堵。
交叉口异常车辆、抛洒物、交通事故等交通事件的发生,往往带来交叉口其他车辆轨迹变化,故本发明通过实时检测比对车辆轨迹变化来确定是否发生交通事件。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种基于雷达视频融合的道路事件检测***。
(二)技术方案
为实现上述目的,本发明提供如下技术方案:一种基于雷达视频融合的道路事件检测***,包括路测感知设备、计算单元、云服务器,该检测***的实施方法包括以下步骤:
S1:所述路测感知设备对路面信息进行获取,然后将获取的数据传输给计算单元;
S2:所述计算单元对路测感知设备提取的信息进行时间戳统一、未知坐标标定,通过深度学习算法进行实时轨迹获取和预判
S3:确定单传感器目标跟踪问题:根据交通应用场景,选择天桥测试场景进行雷达和视频的数据采集工作并进行分析,得出目标跟踪结果作为后续决策级融合算法的输入和对比数据;
S4;进行时空匹配:选择较为空旷且有高测试位置的场地,对目标数量进行控制;采用单目标测试场景数据来进行坐标系匹配的调试,得到两个传感器之间准确的转换参数,匹配完成后的数据能够在同一维度进行显示,保证了后续数据集融合的准确性;
S4:构建基于模糊集理论的雷达与视频融合算法:分别进行目标分类和模糊评判问题分类,并确定目标判决准则,根据判决准则解决或改善单传感器跟踪问题;
S5:所述计算单元在获取交叉口机动车目标轨迹的基础上,基于机动车行驶轨迹特征识别道路交通事件,并将交通事件发生的范围上报至云服务器;
S6:所述云服务器接收所述计算单元上报的交通事件数据,基于可视化地图反馈交通事件的发生位置、现场实时视频,对其进行预警及二次确认。
优选的,所述感知设备包括用于实时获取交叉口感知数据的多种部署于路侧的传感器设备。
优选的,所述传感器设备包括交通信息采集传感器毫米波雷达和摄像头,所述交通信息采集传感器毫米波雷达获取实时点云数据,所述摄像头用于获取视频图像数据。
优选的,所述时空匹配包括时间匹配和空间匹配;其中,所述时间匹配,包括:在数据测试时,雷达数据采集率为20帧/秒,视频数据采集率为60帧/秒,在时间匹配方面首先进行起点对齐混合高斯建模需要前30帧进行训练,因此雷达数据起始时间应晚于视频数据起始时间0.5秒,时间起点对齐后进行数据帧之间的匹配对应,由于摄像头采集率大于雷达采集率且为整数倍,因此在采集雷达数据的时间戳上每间隔2帧对视频数据进行采样,以达到时间上的匹配。
优选的,所述空间匹配,包括:空间匹配用于将两个不同维度的数据转换至同一坐标系中;交通目标信息采集时设备一般架设位置较高,会有一定的倾斜角度并向下监测,根据设定场景中的视角,设计空间坐标系转换方法;在空间坐标系转换过程中涉及到五个坐标系之间的转换,最终将雷达坐标系中的数据转换至像素坐标系中。
优选的,所述计算单元设置在路侧的电箱中,所述计算单元将路测感知设备获得的原始数据进行时空同步、道路交通参与者目标提取、目标融合月跟踪,并给予实时轨迹数据进行交通事件分析,将数据再通过网络传送到云服务器。
优选的,所述由于采集数据的场景及设备不同,雷达坐标系转换至世界坐标系的角度转换关系也有所不同,故根据设置的雷达坐标系及设备安装的高度及倾角信息进行两个坐标系的转换;
其中,雷达检测到目标的径向距离为s,角度为γ,则转换至二维雷达坐标系为:
xr=s·sin(γ)28;
yr=s·cos(γ);
设雷达安装高度为h,雷达波束斜向下发射,设备倾斜角度为α,则θ满足:假设世界坐标系原点与雷达坐标系相同,xw轴与雷达坐标系的xr轴方向相同,世界坐标系的zw轴与雷达坐标系的yr轴方向相同,根据几何角度关系,设定世界坐标系yr轴垂直于雷达发射平面,方向向下,故雷达坐标系至世界坐标系转换关系如下式所示:
xw=xr;
yw=yrsin(θ);
zw=yrcos(θ)。
优选的,所述测试设备安装时雷达开发板与摄像机并排放置,偏移量小,世界坐标系与摄像机坐标系之间转换主要通过简单调试得出摄像机外部参数进行转换;其次,通过标定获得的摄像机内部参数进行摄像机坐标系至像素坐标系之间的转换,在实际单目标测试场景中,传感器离地面高度h=4.6m,倾斜角度α=30。
(三)有益效果
与现有技术相比,本发明提供了一种基于雷达视频融合的道路事件检测***,具备以下有益效果:
1、该一种基于雷达视频融合的道路事件检测***,通过该检测***及其提供的算法,可以在复杂环境下的多目标跟踪,从而提高目标跟踪的准确性,以提高后续智慧交通***对交通状态的分析、判断及处理的效率。
2、该一种基于雷达视频融合的道路事件检测***,能有效避免视频图像因算法训练数据无法覆盖充分,难以应对不同交通事件、不同形状类型抛洒物等所呈现的不同图像特征识别而造成检测率较低、误检率较高的问题。
3、该一种基于雷达视频融合的道路事件检测***,该检测***,在采集数据时不受天气和光照的影响,并且对目标的速度等深度信息的获取能力强,计算的数据量也较快,其处理速度和效率会相对较快。
4、该一种基于雷达视频融合的道路事件检测***,解决了单一传感器数据量单薄无法实现智能交通***的构建,且由于其自身构造和监测范围限制总会出现误检和漏跟的情况。
附图说明
图1为本发明***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。
所述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。
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”、“轴向”、“径向”、“周向”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装置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。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
如图1所示,本发明提供了一种基于雷达视频融合的道路事件检测***,包括路测感知设备、计算单元、云服务器,该检测***的实施方法包括以下步骤:
S1:路测感知设备对路面信息进行获取,然后将获取的数据传输给计算单元;
S2:计算单元对路测感知设备提取的信息进行时间戳统一、未知坐标标定,通过深度学习算法进行实时轨迹获取和预判
S3:确定单传感器目标跟踪问题:根据交通应用场景,选择天桥测试场景进行雷达和视频的数据采集工作并进行分析,得出目标跟踪结果作为后续决策级融合算法的输入和对比数据;
S4;进行时空匹配:选择较为空旷且有高测试位置的场地,对目标数量进行控制;采用单目标测试场景数据来进行坐标系匹配的调试,得到两个传感器之间准确的转换参数,匹配完成后的数据能够在同一维度进行显示,保证了后续数据集融合的准确性;
S4:构建基于模糊集理论的雷达与视频融合算法:分别进行目标分类和模糊评判问题分类,并确定目标判决准则,根据判决准则解决或改善单传感器跟踪问题;
S5:计算单元在获取交叉口机动车目标轨迹的基础上,基于机动车行驶轨迹特征识别道路交通事件,并将交通事件发生的范围上报至云服务器;
S6:云服务器接收计算单元上报的交通事件数据,基于可视化地图反馈交通事件的发生位置、现场实时视频,对其进行预警及二次确认。
感知设备包括用于实时获取交叉口感知数据的多种部署于路侧的传感器设备。
传感器设备包括交通信息采集传感器毫米波雷达和摄像头,交通信息采集传感器毫米波雷达获取实时点云数据,摄像头用于获取视频图像数据。
时空匹配包括时间匹配和空间匹配;其中,时间匹配,包括:在数据测试时,雷达数据采集率为20帧/秒,视频数据采集率为60帧/秒,在时间匹配方面首先进行起点对齐混合高斯建模需要前30帧进行训练,因此雷达数据起始时间应晚于视频数据起始时间0.5秒,时间起点对齐后进行数据帧之间的匹配对应,由于摄像头采集率大于雷达采集率且为整数倍,因此在采集雷达数据的时间戳上每间隔2帧对视频数据进行采样,以达到时间上的匹配。
空间匹配,包括:空间匹配用于将两个不同维度的数据转换至同一坐标系中;交通目标信息采集时设备一般架设位置较高,会有一定的倾斜角度并向下监测,根据设定场景中的视角,设计空间坐标系转换方法;在空间坐标系转换过程中涉及到五个坐标系之间的转换,最终将雷达坐标系中的数据转换至像素坐标系中。
计算单元设置在路侧的电箱中,计算单元将路测感知设备获得的原始数据进行时空同步、道路交通参与者目标提取、目标融合月跟踪,并给予实时轨迹数据进行交通事件分析,将数据再通过网络传送到云服务器。
由于采集数据的场景及设备不同,雷达坐标系转换至世界坐标系的角度转换关系也有所不同,故根据设置的雷达坐标系及设备安装的高度及倾角信息进行两个坐标系的转换;
其中,雷达检测到目标的径向距离为s,角度为γ,则转换至二维雷达坐标系为:
xr=s·sin(γ)28;
yr=s·cos(γ);
设雷达安装高度为h,雷达波束斜向下发射,设备倾斜角度为α,则θ满足:假设世界坐标系原点与雷达坐标系相同,xw轴与雷达坐标系的xr轴方向相同,世界坐标系的zw轴与雷达坐标系的yr轴方向相同,根据几何角度关系,设定世界坐标系yr轴垂直于雷达发射平面,方向向下,故雷达坐标系至世界坐标系转换关系如下式所示:
xw=xr;
yw=yrsin(θ);
zw=yrcos(θ)。
测试设备安装时雷达开发板与摄像机并排放置,偏移量小,世界坐标系与摄像机坐标系之间转换主要通过简单调试得出摄像机外部参数进行转换;其次,通过标定获得的摄像机内部参数进行摄像机坐标系至像素坐标系之间的转换,在实际单目标测试场景中,传感器离地面高度h=4.6m,倾斜角度α=30。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个引用结构”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (8)
1.一种基于雷达视频融合的道路事件检测***,包括路测感知设备、计算单元、云服务器,其特征在于,该检测***的实施方法包括以下步骤:
S1:所述路测感知设备对路面信息进行获取,然后将获取的数据传输给计算单元;
S2:所述计算单元对路测感知设备提取的信息进行时间戳统一、未知坐标标定,通过深度学习算法进行实时轨迹获取和预判;
S3:确定单传感器目标跟踪问题:根据交通应用场景,选择天桥测试场景进行雷达和视频的数据采集工作并进行分析,得出目标跟踪结果作为后续决策级融合算法的输入和对比数据;
S4;进行时空匹配:选择较为空旷且有高测试位置的场地,对目标数量进行控制;采用单目标测试场景数据来进行坐标系匹配的调试,得到两个传感器之间准确的转换参数,匹配完成后的数据能够在同一维度进行显示,保证了后续数据集融合的准确性;
S4:构建基于模糊集理论的雷达与视频融合算法:分别进行目标分类和模糊评判问题分类,并确定目标判决准则,根据判决准则解决或改善单传感器跟踪问题;
S5:所述计算单元在获取交叉口机动车目标轨迹的基础上,基于机动车行驶轨迹特征识别道路交通事件,并将交通事件发生的范围上报至云服务器;
S6:所述云服务器接收所述计算单元上报的交通事件数据,基于可视化地图反馈交通事件的发生位置、现场实时视频,对其进行预警及二次确认。
2.根据权利要求1所述的一种基于雷达视频融合的道路事件检测***,其特征在于:所述感知设备包括用于实时获取交叉口感知数据的多种部署于路侧的传感器设备。
3.根据权利要求2所述的一种基于雷达视频融合的道路事件检测***,其特征在于:所述传感器设备包括交通信息采集传感器毫米波雷达和摄像头,所述交通信息采集传感器毫米波雷达获取实时点云数据,所述摄像头用于获取视频图像数据。
4.根据权利要求1所述的一种基于雷达视频融合的道路事件检测***,其特征在于:所述时空匹配包括时间匹配和空间匹配;其中,所述时间匹配,包括:在数据测试时,雷达数据采集率为20帧/秒,视频数据采集率为60帧/秒,在时间匹配方面首先进行起点对齐混合高斯建模需要前30帧进行训练,因此雷达数据起始时间应晚于视频数据起始时间0.5秒,时间起点对齐后进行数据帧之间的匹配对应,由于摄像头采集率大于雷达采集率且为整数倍,因此在采集雷达数据的时间戳上每间隔2帧对视频数据进行采样,以达到时间上的匹配。
5.根据权利要求4所述的一种基于雷达视频融合的道路事件检测***,其特征在于:所述空间匹配,包括:空间匹配用于将两个不同维度的数据转换至同一坐标系中;交通目标信息采集时设备一般架设位置较高,会有一定的倾斜角度并向下监测,根据设定场景中的视角,设计空间坐标系转换方法;在空间坐标系转换过程中涉及到五个坐标系之间的转换,最终将雷达坐标系中的数据转换至像素坐标系中。
6.根据权利要求5所述的一种基于雷达视频融合的道路事件检测***,其特征在于:所述计算单元设置在路侧的电箱中,所述计算单元将路测感知设备获得的原始数据进行时空同步、道路交通参与者目标提取、目标融合月跟踪,并给予实时轨迹数据进行交通事件分析,将数据再通过网络传送到云服务器。
7.根据权利要求5所述的一种基于雷达视频融合的道路事件检测***,其特征在于:由于采集数据的场景及设备不同,雷达坐标系转换至世界坐标系的角度转换关系也有所不同,故根据设置的雷达坐标系及设备安装的高度及倾角信息进行两个坐标系的转换;
其中,雷达检测到目标的径向距离为s,角度为γ,则转换至二维雷达坐标系为:
xr=s·sin(γ)28;
yr=s·cos(γ);
设雷达安装高度为h,雷达波束斜向下发射,设备倾斜角度为α,则θ满足:假设世界坐标系原点与雷达坐标系相同,xw轴与雷达坐标系的xr轴方向相同,世界坐标系的zw轴与雷达坐标系的yr轴方向相同,根据几何角度关系,设定世界坐标系yr轴垂直于雷达发射平面,方向向下,故雷达坐标系至世界坐标系转换关系如下式所示:
xw=xr;
yw=yrsin(θ);
zw=yrcos(θ)。
8.根据权利要求5所述的一种基于雷达视频融合的道路事件检测***,其特征在于:测试设备安装时雷达开发板与摄像机并排放置,偏移量小,世界坐标系与摄像机坐标系之间转换主要通过简单调试得出摄像机外部参数进行转换;其次,通过标定获得的摄像机内部参数进行摄像机坐标系至像素坐标系之间的转换,在实际单目标测试场景中,传感器离地面高度h=4.6m,倾斜角度α=30。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210784009.0A CN115019512A (zh) | 2022-07-05 | 2022-07-05 | 一种基于雷达视频融合的道路事件检测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210784009.0A CN115019512A (zh) | 2022-07-05 | 2022-07-05 | 一种基于雷达视频融合的道路事件检测*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115019512A true CN115019512A (zh) | 2022-09-06 |
Family
ID=83078714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210784009.0A Pending CN115019512A (zh) | 2022-07-05 | 2022-07-05 | 一种基于雷达视频融合的道路事件检测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115019512A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115985113A (zh) * | 2022-12-07 | 2023-04-18 | 北京万集科技股份有限公司 | 交通信号灯控制方法及电子设备 |
CN116189116A (zh) * | 2023-04-24 | 2023-05-30 | 江西方兴科技股份有限公司 | 一种交通状态感知方法及*** |
CN116630866A (zh) * | 2023-07-24 | 2023-08-22 | ***数字城市科技有限公司 | 音视频雷达融合的异常事件监控方法、装置、设备及介质 |
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 |
CN117649632A (zh) * | 2024-01-29 | 2024-03-05 | 杭州感想科技有限公司 | 基于多源交通数据的高速公路事件识别方法及识别装置 |
CN118230559A (zh) * | 2024-05-27 | 2024-06-21 | 山东金宇信息科技集团有限公司 | 一种用于隧道的交通事件感知管控方法、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112946628A (zh) * | 2021-02-08 | 2021-06-11 | 江苏中路工程技术研究院有限公司 | 一种基于雷达与视频融合的道路运行状态检测方法及*** |
CN112991391A (zh) * | 2021-03-31 | 2021-06-18 | 武汉大学 | 一种基于雷达信号和视觉融合的车辆检测与跟踪方法 |
JP2021140764A (ja) * | 2020-03-05 | 2021-09-16 | 富士通株式会社 | データ融合方法、装置及びデータ処理装置 |
CN113671480A (zh) * | 2021-07-10 | 2021-11-19 | 亿太特(陕西)科技有限公司 | 雷达与视频融合交通目标跟踪方法、***、设备、终端 |
CN114333330A (zh) * | 2022-01-27 | 2022-04-12 | 浙江嘉兴数字城市实验室有限公司 | 一种基于路侧边缘全息感知的交叉口事件检测***及方法 |
-
2022
- 2022-07-05 CN CN202210784009.0A patent/CN115019512A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021140764A (ja) * | 2020-03-05 | 2021-09-16 | 富士通株式会社 | データ融合方法、装置及びデータ処理装置 |
CN112946628A (zh) * | 2021-02-08 | 2021-06-11 | 江苏中路工程技术研究院有限公司 | 一种基于雷达与视频融合的道路运行状态检测方法及*** |
CN112991391A (zh) * | 2021-03-31 | 2021-06-18 | 武汉大学 | 一种基于雷达信号和视觉融合的车辆检测与跟踪方法 |
CN113671480A (zh) * | 2021-07-10 | 2021-11-19 | 亿太特(陕西)科技有限公司 | 雷达与视频融合交通目标跟踪方法、***、设备、终端 |
CN114333330A (zh) * | 2022-01-27 | 2022-04-12 | 浙江嘉兴数字城市实验室有限公司 | 一种基于路侧边缘全息感知的交叉口事件检测***及方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115985113A (zh) * | 2022-12-07 | 2023-04-18 | 北京万集科技股份有限公司 | 交通信号灯控制方法及电子设备 |
CN115985113B (zh) * | 2022-12-07 | 2023-11-14 | 北京万集科技股份有限公司 | 交通信号灯控制方法及电子设备 |
CN116189116A (zh) * | 2023-04-24 | 2023-05-30 | 江西方兴科技股份有限公司 | 一种交通状态感知方法及*** |
CN116189116B (zh) * | 2023-04-24 | 2024-02-23 | 江西方兴科技股份有限公司 | 一种交通状态感知方法及*** |
CN116630866A (zh) * | 2023-07-24 | 2023-08-22 | ***数字城市科技有限公司 | 音视频雷达融合的异常事件监控方法、装置、设备及介质 |
CN116630866B (zh) * | 2023-07-24 | 2023-10-13 | ***数字城市科技有限公司 | 音视频雷达融合的异常事件监控方法、装置、设备及介质 |
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 |
CN117649632A (zh) * | 2024-01-29 | 2024-03-05 | 杭州感想科技有限公司 | 基于多源交通数据的高速公路事件识别方法及识别装置 |
CN117649632B (zh) * | 2024-01-29 | 2024-05-07 | 杭州感想科技有限公司 | 基于多源交通数据的高速公路事件识别方法及识别装置 |
CN118230559A (zh) * | 2024-05-27 | 2024-06-21 | 山东金宇信息科技集团有限公司 | 一种用于隧道的交通事件感知管控方法、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115019512A (zh) | 一种基于雷达视频融合的道路事件检测*** | |
CN110532896B (zh) | 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法 | |
CN113671480B (zh) | 雷达与视频融合交通目标跟踪方法、***、设备、终端 | |
CN111368706B (zh) | 基于毫米波雷达和机器视觉的数据融合动态车辆检测方法 | |
Semertzidis et al. | Video sensor network for real-time traffic monitoring and surveillance | |
CN114333330B (zh) | 一种基于路侧边缘全息感知的交叉口事件检测*** | |
CN103176185B (zh) | 用于检测道路障碍物的方法及*** | |
CN110068818A (zh) | 通过雷达和图像采集设备进行交通路口车辆及行人检测的工作方法 | |
CN111652097A (zh) | 一种图像毫米波雷达融合目标检测方法 | |
CN112099040A (zh) | 基于激光雷达网络的全程连续轨迹车辆追踪***及方法 | |
CN103456024B (zh) | 一种运动目标越线判断方法 | |
KR20130127822A (ko) | 도로상 물체 분류 및 위치검출을 위한 이종 센서 융합처리 장치 및 방법 | |
CN109272482B (zh) | 一种基于序列图像的城市路口车辆排队检测*** | |
Zhang et al. | Background filtering and vehicle detection with roadside lidar based on point association | |
CN115965655A (zh) | 一种基于雷视一体的交通目标跟踪方法 | |
Wang et al. | A roadside camera-radar sensing fusion system for intelligent transportation | |
CN111477011A (zh) | 一种用于道路路口预警的检测装置及检测方法 | |
CN110853356A (zh) | 一种基于雷达和视频联动的车辆变道检测方法 | |
CN115690713A (zh) | 一种基于双目相机的雷视融合事件检测方法 | |
CN116089903A (zh) | 多传感器目标追踪方法及装置 | |
CN114252883B (zh) | 目标检测方法、装置、计算机设备和介质 | |
CN113313182A (zh) | 一种基于雷达和视频融合的目标识别方法及终端 | |
CN112817006A (zh) | 一种车载智能道路病害检测方法及*** | |
CN114252859A (zh) | 目标区域的确定方法、装置、计算机设备和存储介质 | |
CN116645831A (zh) | 一种交通盲区检测及预警*** |
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 |