CN115410403B - 基于无源感知的公路车辆定位追踪方法、装置及可读介质 - Google Patents
基于无源感知的公路车辆定位追踪方法、装置及可读介质 Download PDFInfo
- Publication number
- CN115410403B CN115410403B CN202210409018.1A CN202210409018A CN115410403B CN 115410403 B CN115410403 B CN 115410403B CN 202210409018 A CN202210409018 A CN 202210409018A CN 115410403 B CN115410403 B CN 115410403B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- optical fiber
- road
- data
- road surface
- 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 40
- 230000008447 perception Effects 0.000 title claims abstract description 27
- 239000013307 optical fiber Substances 0.000 claims abstract description 165
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000001914 filtration Methods 0.000 claims description 20
- 238000005516 engineering process Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 230000002146 bilateral effect Effects 0.000 claims description 5
- 239000003086 colorant Substances 0.000 claims description 5
- 238000005336 cracking Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 239000000835 fiber Substances 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000004927 fusion Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
- G01H9/004—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means using fibre optic sensors
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于无源感知的公路车辆定位追踪方法、装置及可读介质,当车辆在公路上行驶,获取铺设在路面两侧的光纤感知设备采集到的光纤数据,并对光纤数据进行预处理,得到对应不同时间点下不同光纤位置的振动数据;根据路面两侧所对应的振动数据确定车辆在路面上行驶的车道;根据光纤数据的采集时间和峰值位置确定车辆的路向位置坐标和行驶速度,结合车道确定车辆位置坐标;获取路面图像数据,将路面图像数据输入车辆检测算法,得到车辆基本信息;基于时间和空间对齐将光线数据与路面图像数据关联,将对应的车辆基本信息、行驶速度和车辆位置坐标进行融合得到完整车辆信息,实现精准定位追踪。
Description
技术领域
本发明涉及车路协同领域,具体涉及一种基于无源感知的公路车辆定位追踪方法、装置及可读介质。
背景技术
自动驾驶技术是影响未来汽车产业发展的重要因素。随着自动驾驶技术的成熟,驾驶员被解放,出行过程中的娱乐、社交、消费场景被彻底打开,开辟万亿级市场。自动驾驶目前有单车智能和车路协同两种技术路线。其中单车智能主要依靠车辆自身的视觉、毫米波雷达、激光雷达等传感器进行环境感知。车路协同关注道路智能化,通过路侧感知设备(包括摄像头、激光雷达、能见度监视仪、光纤感知、RSU等)进行路况监测,助力自动驾驶。
路侧感知与单侧感知相比,有如下优势:
1、可提供超视距信息、其覆盖更远更广,单侧感知只能获得车辆200m范围内的信息,路侧感知则可获得几公里甚至上千公里的路况信息(如事故、拥堵、落石、路面湿滑等);
2、可获得并存储更长时间数据信息,进而可提供更全面准确的道路信息;
3、路侧感知可支持全天候,满足恶劣天气(雨雪雾风)、夜晚、强光、逆光等异常情况下感知探测;
4、路侧感知设备与单侧感知设备相比,无车载需求,在功耗、体积、成本等需求上要求低,可部署功能更好更多的设备,监测信息更完整全面准确,在路侧部署更多的感知设备,可减少单侧感知设备的部署,确保总体成本更优。
目前摄像头、激光雷达等其它感知设备无法满足在满足恶劣天气(雨雪雾风)、夜晚、强光、逆光等异常情况下感知探测,而公路的首要需求就是安全,确保在恶劣天气等异常情况下正常监测尤为重要。而且摄像头、激光雷达、毫米波雷达均需要分散供电,且全程监测,功耗比较大。目前已有的路侧车辆定位追踪的方式是毫米波雷达或激光雷达,但这两种方式监测范围很小,范围仅为100m-1000m,要实现全程定位追踪,需要连续多点布放,而当前激光雷达技术、跨点位追踪和融合算法技术还不成熟,尚无商用,除了成本高昂,其中间有个点位监测失败或故障,还会导致全程追踪失败。目前也有采用车载GPS的方案进行车辆的定位追踪。但GPS的误差为几米,无法实现车道级定位,采用RTK高精度定位方式则成本高昂,且在隧道或城市有遮挡处无法获取定位信息,同时需要每辆车都安装GPS或RTK,这在短期内是无法实现的,并且获取到的信息有限,难以进行有效整合,获取到信息也难以进行更多信息的挖掘和利用。
发明内容
针对上述提到的技术问题,本申请的实施例的目的在于提出了一种基于无源感知的公路车辆定位追踪方法、装置及可读介质,来解决以上背景技术部分提到的技术问题。
第一方面,本申请的实施例提供了一种基于无源感知的公路车辆定位追踪方法,包括以下步骤:
S1,当车辆在公路上行驶,获取铺设在公路的路面两侧的光纤感知设备采集到的光纤数据,并对光纤数据进行预处理,得到对应不同时间点下不同光纤位置的振动数据;
S2,根据路面两侧所对应的振动数据确定车辆在路面上行驶的车道;
S3,根据光纤数据的采集时间和峰值位置确定车辆的路向位置坐标和当前时段的行驶速度,结合路向位置坐标以及车辆在路面上行驶的车道确定车辆位置坐标;
S4,获取公路上方采集到的路面图像数据,将路面图像数据输入车辆检测算法,得到车辆基本信息,车辆基本信息包括车辆类型、车品牌、车道、车颜色、车牌号和/或朝向;
S5,基于时间和空间对齐将光纤数据和路面图像数据进行关联,将对应的车辆基本信息、行驶速度和车辆位置坐标进行融合,得到完整车辆信息。
作为优选,还包括:重复步骤S1-S5得到连续时间段内的多组完整车辆信息,将得多组完整车辆信息进行拼接,得到整个路段的实时车辆信息,并通过数字孪生实时呈现或采用车辆网技术将实时车辆信息发送给车辆以进行决策处理。
作为优选,步骤S1中的对光纤数据进行预处理,得到振动数据,具体包括:
对光纤数据进行直方图分布均衡化、高斯滤波、中值滤波、恒虚警检测以及双边滤波,得到对应不同时间点下不同光纤位置的振动数据。
作为优选,步骤S2具体包括:根据垂直于路向同一位置的路面的一侧与另一侧所采集到的振动数据的强度对比判断车辆在路面上行驶的车道。
作为优选,步骤S3中根据光纤数据的采集时间和峰值确定车辆的路向位置坐标和当前时段的行驶速度,具体包括:
根据光纤数据的第一峰值确定第一时间T1和第一位置L1,根据光纤数据的第二峰值确定第二时间T2和第二位置L2,基于第一时间T1、第一位置L1、第二时间T2和第二位置L2计算在先验速度范围内的车辆的当前时段的行驶速度;
根据第一时间T1、第一位置L1以及行驶速度得到车辆的路向位置坐标,路向位置坐标为沿光纤铺设方向的位置坐标。
作为优选,车辆位置坐标为车辆在路面上行驶的车道上的具***置坐标,根据车辆位置坐标分析得到车辆的计数统计、车辆平均车速、车辆的拥堵状况、车辆拥堵预测或路面开裂和破损情况。
作为优选,步骤S5具体包括:
通过时间对齐获取对应时刻的路面图像数据和光纤数据;
通过空间对齐在对应时刻的路面图像数据和光纤数据中获取对应时刻对应区域的光纤数据与路面图像数据,并将根据对应时刻对应区域的光纤数据与路面图像数据分别得到的车辆位置坐标、行驶速度和车辆基本信息进行融合,得到完整车辆信息。
作为优选,光纤感知设备为基于连续波调频技术的分布式光纤感知设备,光纤感知设备包括铺设在路面之下或路面上两侧的1根或多根光纤。
第二方面,本申请的实施例提供了一种基于无源感知的公路车辆定位追踪装置,包括:
振动数据获取模块,被配置为当车辆在公路上行驶,获取铺设在公路的路面两侧的光纤感知设备采集到的光纤数据,并对光纤数据进行预处理,得到对应不同时间点下不同光纤位置的振动数据;
车道确定模块,被配置为根据路面两侧所对应的振动数据确定车辆在路面上行驶的车道;
位置坐标确定模块,被配置为根据光纤数据的采集时间和峰值位置确定车辆的路向位置坐标和当前时段的行驶速度,结合路向位置坐标以及车辆在路面上行驶的车道确定车辆位置坐标;
车辆基本信息获取模块,被配置为获取公路上方采集到的路面图像数据,将路面图像数据输入车辆检测算法,得到车辆基本信息,车辆基本信息包括车辆类型、车品牌、车道、车颜色、车牌号和/或朝向;
关联模块,被配置为基于时间和空间对齐将光纤数据和路面图像数据进行关联,将对应的车辆基本信息、行驶速度和车辆位置坐标进行融合,得到完整车辆信息。
第三方面,本申请的实施例提供了一种电子设备,包括一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本申请的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,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
相比于现有技术,本发明具有以下有益效果:
(1)本发明采用在路面的两侧双光纤监测的方式,根据不同车道在两根光纤振动数据的强弱实现车道定位,解决了车辆的车道定位问题,同时双光纤监测还可实现了数据的叠加修补,弥补了单光纤监测的数据遗漏,以及对远端车道监测数据较弱信噪比差的问题,大幅提高了监测灵敏度和准确度。
(2)本发明采用光纤感知设备采集光纤数据,支持全天候情况下车辆定位和追踪,并且作为无源感知技术,无需额外取电,可真正做到低功耗,并且实时获取全路段全部车辆位置信息。
(3)本发明的基于无源感知的公路车辆定位追踪方法将光纤数据与路面图像数据进行关联匹配,将车辆基本信息、行驶速度和车辆位置坐标融合形成完整车辆信息,并可以覆盖全路段。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请的一个实施例可以应用于其中的示例性装置架构图;
图2为本发明的实施例的基于无源感知的公路车辆定位追踪方法的流程示意图;
图3为本发明的实施例的基于无源感知的公路车辆定位追踪方法的光纤铺设的示意图;
图4为本发明的实施例的基于无源感知的公路车辆定位追踪方法的数据获取传输的示意图;
图5为本发明的实施例的基于无源感知的公路车辆定位追踪装置的示意图;
图6是适于用来实现本申请实施例的电子设备的计算机装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,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它实施例,都属于本发明保护的范围。
图1示出了可以应用本申请实施例的基于无源感知的公路车辆定位追踪方法或基于无源感知的公路车辆定位追踪装置的示例性装置架构100。
如图1所示,装置架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种应用,例如数据处理类应用、文件处理类应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上传的文件或数据进行处理的后台数据处理服务器。后台数据处理服务器可以对获取的文件或数据进行处理,生成处理结果。
需要说明的是,本申请实施例所提供的基于无源感知的公路车辆定位追踪方法可以由服务器105执行,也可以由终端设备101、102、103执行,相应地,基于无源感知的公路车辆定位追踪装置可以设置于服务器105中,也可以设置于终端设备101、102、103中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。在所处理的数据不需要从远程获取的情况下,上述装置架构可以不包括网络,而只需服务器或终端设备。
图2示出了本申请的实施例提供的一种基于无源感知的公路车辆定位追踪方法,包括以下步骤:
S1,当车辆在公路上行驶,获取铺设在公路的路面两侧的光纤感知设备采集到的光纤数据,并对光纤数据进行预处理,得到对应不同时间点下不同光纤位置的振动数据。
在具体的实施例中,光纤感知设备为基于连续波调频技术的分布式光纤感知设备,光纤感知设备包括铺设在路面之下或路面上两侧的1根或多根光纤。光纤感知设备可以采用分布式光纤振动传感设备(DVS)或分布式光纤声音设备(DAS),本申请的实施例中是采用基于连续波调频技术的光纤感知设备,与现有的DVS和DAS设备相比,其具有更高的灵敏度,更全面的振动频率信息,通过超窄线宽的连续波调频光源技术,实现了对40km范围内8车道车辆振动数据的厘米级高灵敏度计算。具体的,感知光纤可采用常规的G.652或G.655通信光纤,包括并不限于各种铠装光缆、直埋光缆、皮线光缆等,本申请的实施例采用的常规的通信8芯单模光纤光缆,多芯主要用于预留备份和其它用途。光纤的铺设方式如图3所示,单根感知光纤的最长铺设距离为40km,铺设在边坡上土路基,尽量靠近路体,埋深30-50cm为佳,压实,确保光纤与路基紧密接触,为实现较长距离的监测可采用多根光纤连接。如果条件允许不限于将光纤埋设在路面之下或路面上,也不限于光纤铺设在中央隔离带处,以获得更多高质量的数据。同样的也不限于在公路附近10m范围内的其它可采集振动数据的铺设方式。本申请的实施例中使用的光纤光缆为常规的通信用直埋光缆,但不限于其它类型的光纤光缆,包括成本较高的专用传感光缆。本申请的实施例中,为获得最优的性价比,采用的是普通的通信光纤。本申请的实施例采用多根光纤同时监测,包括并不限于采用1根或多根光纤,本申请的实施例采用了2根光纤同时监测,弥补了单光纤监测的不足,两组数据匹配叠加后,避免了单光纤对监测数据遗漏,通过双光纤的监测数据,可对于未知相关的噪声进一步消除。通过双光纤的监测数据根据振动数据的强弱组合,可获得车辆车道级定位信息。并且可实现数据保护,当其中一条光纤出现故障时,单光纤仍可完成对车辆的沿路定位和追踪,此时无法实现车辆的车道定位。本申请的实施例中光纤铺设在路面的两侧,用于数据的采集提取,此种方式最易实施并且成本最低。路面上设有多个车道,通过两侧光纤采集到的振动数据可准确判断出车辆所行驶的车道。
在具体的实施例中,步骤S1中的对光纤数据进行预处理,得到振动数据,具体包括:
对光纤数据进行直方图分布均衡化、高斯滤波、中值滤波、恒虚警检测以及双边滤波,得到对应不同时间点下不同光纤位置的振动数据。
具体的,数据的预处理包括数据的滤波、去噪、修补和归一化,本申请的实施例中使用了多种滤波算法组合技术,包括并时间序列中值加权滤波、高斯滤波、双边滤波、卡尔曼滤波等。其核心思想是对光纤数据进行建模,本申请的实施例中将光纤数据简化建模为:
Y=a(X+Xn)+b;
其中,Y代表光纤数据,X为振动数据,Xn为噪声振动数据,如风声、路上的其它随机和偶发振动,a为振动响应度,与光纤的铺设方式有关,b为底噪。
本申请的实施例中采用一段时间内光纤数据的数值分布最高值来确认该空间位置的底噪。Xn可采用高斯滤波等方式进行去除,通过算术加权中值滤波、高斯滤波、NLM算法进行修补,最后通过归一化还原出的振动数据与真实数据基本一致。因此可以通过对采集到的光纤数据进行预处理,得到车辆的振动数据。
具体的,对于输入的光纤数据依次做直方图分布均衡化来增加数据对比度,高斯滤波来平滑数据,中值滤波来消除离群噪点,然后对数据进行恒虚警检测通过比对参考单元和保护单元来获取极大值单元,最后双边滤波获取明显条形区域,明显条形区域是指车辆行驶的轨迹。最终光纤数据经过预处理后得到对应不同时间点下不同光纤位置的振动数据。
S2,根据路面两侧所对应的振动数据确定车辆在路面上行驶的车道。
在具体的实施例中,步骤S2具体包括:根据垂直于路向同一位置的路面的一侧与另一侧所采集到的振动数据的强度对比判断车辆在路面上行驶的车道。
具体的,通过两条光纤的监测的振动数据,通过关联匹配,确定车辆的车道定位。对不同的车道,两根光纤采集的光纤数据时域变化一致,距离路面的一侧或另一侧越近的振动数据的强度越强。通过两条光纤的光纤数据预处理,可进一步去除噪声,优化数据,得到车辆的振动数据。同时不同的车道在两条光纤的振动强弱不同,根据振动强弱组合,通过比对可确定车辆的车道定位。
以四车道为例:假设车道从左到右依次为1、2、3、4,当同一辆车分别从1、2、3、4四条车道通过垂直于路向同一位置的AB位置时,左侧光纤探测到的振动数据分别是A1、A2、A3、A4,右侧光纤探测到的振动数据分别是B1、B2、B3、B4,由于靠近光纤的距离越近,振动越强,所以当A1>A2>A3>A4且B1<B2<B3<B4,则说明该车辆在1车道。由此可知,当车辆通过AB位置某一车道时,通过这个位置左侧光纤和右侧光纤的振动强度对比判断车辆在哪一车道。
S3,根据光纤数据的采集时间和峰值位置确定车辆的路向位置坐标和当前时段的行驶速度,结合路向位置坐标以及车辆在路面上行驶的车道确定车辆位置坐标。
在具体的实施例中,步骤S3中根据光纤数据的采集时间和峰值确定车辆的路向位置坐标和当前时段的行驶速度,具体包括:
根据光纤数据的第一峰值确定第一时间T1和第一位置L1,根据光纤数据的第二峰值确定第二时间T2和第二位置L2,基于第一时间T1、第一位置L1、第二时间T2和第二位置L2计算在先验速度范围内的车辆的当前时段的行驶速度;
根据第一时间T1、第一位置L1以及行驶速度得到车辆的路向位置坐标,路向位置坐标为沿光纤铺设方向的位置坐标。
具体的,首先利用光纤感知设备捕获光纤起点区域通行车辆的准确时间,可以通过计算累积一段距离的光纤数据的峰值,然后依据可能的先验速度范围搜索下一时刻车辆的可能位置,并与光纤数据匹配验证,确定该车辆的行驶速度,从而根据时间和空间起点准确获取该车辆的路向位置坐标。
例如高速上正常行驶的车辆速度在60km/h~140km/h,则先验速度范围即为60km/h~140km/h。光纤数据的峰值获取的是车辆路向位置,因为一辆车通过光纤附近时,光纤上一段距离都会有振动数据,离车辆最近的位置振动数据最大,即峰值;光纤数据峰值点的位置对应的是车辆路向位置。
假设在光纤上每隔1m采集一个数据,并捕获到第一峰值,将第一峰值的时间记为第一时间T1,对应的位置记为第一位置L1;当捕获到第二个特征相同的第二峰值时,将第二峰值的时间记为第二时间T2,对应的位置记为第二位置L2;(L2-L1)、(T2-T1)是数据采集设备设定的,通过已知量(L2-L1)/(T2-T1)计算出车辆的行驶速度V。当然这个速度应该在先验速度范围内,才能符合要求。通过下式计算得到车辆的路向位置坐标:L=(T-T1)*V+L1。
获取到指定车辆的路向位置坐标和当前时间段的速度,就可以预测下一采样时间里的车辆的路向位置坐标,同时利用当前的光纤数据重复上一步的先验速度范围搜索,确定当前的车辆的路向位置坐标,从而实现光纤感知的长距连续追踪。
可通过高斯滤波,获得车辆振动中心点坐标,通过时间序列算法和卡尔曼滤波,对振动中心点坐标数据进行全程连续追踪,也可以采用深度学习的算法,通过标注、训练、推理,也获得了很好的识别效果。
在具体的实施例中,路向位置坐标指沿路方向上的位置,即沿光纤铺设方向上,表明还不知道垂直光纤方向的坐标,也就是不知道车辆行驶的车道。车辆位置坐标为车辆在路面上行驶的车道上的具***置坐标,车辆位置坐标是指车辆具***置,具体到在公路上的某一车道的某一点。根据车辆位置坐标分析得到车辆的计数统计、车辆平均车速、车辆的拥堵状况、车辆拥堵预测或路面开裂和破损情况。进一步的,可根据整路段的历史和当前数据,完成对未来的道路状况通行趋势分析和预测。
S4,获取公路上方采集到的路面图像数据,将路面图像数据输入车辆检测算法,得到车辆基本信息,车辆基本信息包括车辆类型、车品牌、车道、车颜色、车牌号和/或朝向。
具体的,车辆检测算法可使用深度学习的yolo人工智能算法,通过标注、训练和推理,获得车辆的类型、车道、车颜色、车牌、朝向等车辆基本信息。
S5,基于时间和空间对齐将光纤数据和路面图像数据进行关联,将对应的车辆基本信息、行驶速度和车辆位置坐标进行融合,得到完整车辆信息。
在具体的实施例中,步骤S5具体包括:
通过时间对齐获取对应时刻的路面图像数据和光纤数据;
通过空间对齐在对应时刻的路面图像数据和光纤数据中获取对应时刻对应区域的光纤数据与路面图像数据,并将根据对应时刻对应区域的光纤数据与路面图像数据分别得到的车辆位置坐标、行驶速度和车辆基本信息进行融合,得到完整车辆信息。
本申请的实施例通过采集到的路面图像数据进行车辆检测算法得到车类型、车颜色、朝向、车道等车辆基本信息,用于补充弥补光纤感知设备不能提取的信息,并进行数据融合匹配和修正。同样的,本申请的实施例还可采用毫米波雷达、激光雷达等进行数据融匹配和修正。
具体的,通过设置在路边杆上方的摄像机采集到的视频数据,对每段区域的视频数据进行透视变换,把摄像机视角从立杆视角变换到俯视图视角,对俯视视角下的视频数据进行分帧得到路面图像数据。首先需要进行时间对齐,获取对应时刻的路面图像数据和光纤数据,然后再进行空间对齐,通过车辆检测算法确定对应时刻下指定区域内通行的车辆信息,并与该指定区域标定的光纤数据做匹配,从而建立一对一关联。
在其中一个实施例中,可选择一段200m高速路,采用光纤感知设备和摄像机同时采集车辆数据,时间上只需要将两台设备时间调整到一致即可实现数据时间上的同步。空间上,摄像机采集到这200m的数据提取车辆信息作为视频数据,通过视频数据提取车辆的车辆类型、车品牌、车颜色、车牌号、朝向等车辆基本信息,光纤采集的数据截取这200m的光纤数据提取车辆位置坐标、车速等信息,光纤数据和视频数据对应融合,就能获得车辆的车辆类型、车品牌、车颜色、车牌号、朝向、位置坐标、车速等完整车辆信息。
参考图4,本申请的实施例中采用三层设备实现:
1、感知层设备,主要包括光纤感知设备和摄像机,或其它辅助感知层设备,如激光雷达、毫米波雷达、路面湿滑检测仪、能见度监测仪、微气象仪等可选。
2、计算层,包括边缘计算网关和云端训练、融合推理平台。
3、传输层,包括有线传输设备和无线传输设备。有线传输设备可根据需要选择PTN、SDH、OTN、PON或交换机,本申请的实施例采用的是工业光交换机;无线传输设备不限于采用4G/5G,Wi-Fi等技术,本发申请的实施例采用的是基于V2X技术,其路侧设备为RSU(路侧单元),移动车载端设备为OBU(移动车载单元)。
在具体的实施例中,还包括:重复步骤S1-S5得到连续时间段内的多组完整车辆信息,将得多组完整车辆信息进行拼接,得到整个路段的实时车辆信息,并通过数字孪生实时呈现或采用车辆网技术将实时车辆信息发送给车辆以进行决策处理。
具体的,通过步骤S1-S5获得完整车辆信息后,发送给云端平台,云端平台将多组数据进行拼接,获得整个路段的实时车辆信息,进一步的可通过数字孪生实时呈现,并将数据分类分组通过各RSU设备发送给每一辆车,每辆车的OBU设备接收到RSU设备发出的数据后,车辆做进一步的决策处理,进而实现车道级导航、货车编队形式、准全天候通行、全自动驾驶等。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种基于无源感知的公路车辆定位追踪装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
本申请实施例提供了一种基于无源感知的公路车辆定位追踪装置,包括:
振动数据获取模块1,被配置为当车辆在公路上行驶,获取铺设在公路的路面两侧的光纤感知设备采集到的光纤数据,并对光纤数据进行预处理,得到对应不同时间点下不同光纤位置的振动数据;
车道确定模块2,被配置为根据路面两侧所对应的振动数据确定车辆在路面上行驶的车道;
位置坐标确定模块3,被配置为根据光纤数据的采集时间和峰值位置确定车辆的路向位置坐标和当前时段的行驶速度,结合路向位置坐标以及车辆在路面上行驶的车道确定车辆位置坐标;
车辆基本信息获取模块4,被配置为获取公路上方采集到的路面图像数据,将路面图像数据输入车辆检测算法,得到车辆基本信息,车辆基本信息包括车辆类型、车品牌、车道、车颜色、车牌号和/或朝向;
关联模块5,被配置为基于时间和空间对齐将光纤数据和路面图像数据进行关联,将对应的车辆基本信息、行驶速度和车辆位置坐标进行融合,得到完整车辆信息。
下面参考图6,其示出了适于用来实现本申请实施例的电子设备(例如图1所示的服务器或终端设备)的计算机装置600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机装置600包括中央处理单元(CPU)601和图形处理器(GPU)602,其可以根据存储在只读存储器(ROM)603中的程序或者从存储部分609加载到随机访问存储器(RAM)604中的程序而执行各种适当的动作和处理。在RAM 604中,还存储有装置600操作所需的各种程序和数据。CPU 601、GPU602、ROM 603以及RAM 604通过总线605彼此相连。输入/输出(I/O)接口606也连接至总线605。
以下部件连接至I/O接口606:包括键盘、鼠标等的输入部分607;包括诸如、液晶显示器(LCD)等以及扬声器等的输出部分608;包括硬盘等的存储部分609;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分610。通信部分610经由诸如因特网的网络执行通信处理。驱动器611也可以根据需要连接至I/O接口606。可拆卸介质612,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器611上,以便于从其上读出的计算机程序根据需要被安装入存储部分609。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分610从网络上被下载和安装,和/或从可拆卸介质612被安装。在该计算机程序被中央处理单元(CPU)601和图形处理器(GPU)602执行时,执行本申请的方法中限定的上述功能。
需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的装置、装置或器件,或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行装置、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行装置、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的装置来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:当车辆在公路上行驶,获取铺设在公路的路面两侧的光纤感知设备采集到的光纤数据,并对光纤数据进行预处理,得到对应不同时间点下不同光纤位置的振动数据;根据路面两侧所对应的振动数据确定车辆在路面上行驶的车道;根据光纤数据的采集时间和峰值位置确定车辆的路向位置坐标和当前时段的行驶速度,结合路向位置坐标以及车辆在路面上行驶的车道确定车辆位置坐标;获取公路上方采集到的路面图像数据,将路面图像数据输入车辆检测算法,得到车辆基本信息,车辆基本信息包括车辆类型、车品牌、车道、车颜色、车牌号和/或朝向;基于时间和空间对齐将光纤数据和路面图像数据进行关联,将对应的车辆基本信息、行驶速度和车辆位置坐标进行融合,得到完整车辆信息。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种基于无源感知的公路车辆定位追踪方法,其特征在于,包括以下步骤:
S1,当车辆在公路上行驶,获取铺设在公路的路面两侧的光纤感知设备采集到的光纤数据,并对所述光纤数据进行预处理,得到对应不同时间点下不同光纤位置的振动数据;
S2,根据所述路面两侧所对应的振动数据确定车辆在所述路面上行驶的车道,具体包括:根据垂直于路向同一位置的所述路面的一侧与另一侧所采集到的振动数据的强度对比判断所述车辆在所述路面上行驶的车道;
S3,根据所述光纤数据的采集时间和峰值位置确定所述车辆的路向位置坐标和当前时段的行驶速度,结合所述路向位置坐标以及车辆在所述路面上行驶的车道确定车辆位置坐标;
S4,获取所述公路上方采集到的路面图像数据,将所述路面图像数据输入车辆检测算法,得到车辆基本信息,所述车辆基本信息包括车辆类型、车品牌、车道、车颜色、车牌号和/或朝向;
S5,基于时间和空间对齐将所述光纤数据和所述路面图像数据进行关联,将对应的车辆基本信息、行驶速度和车辆位置坐标进行融合,得到完整车辆信息。
2.根据权利要求1所述的基于无源感知的公路车辆定位追踪方法,其特征在于,还包括:重复步骤S1-S5得到连续时间段内的多组完整车辆信息,将得所述多组完整车辆信息进行拼接,得到整个路段的实时车辆信息,并通过数字孪生实时呈现或采用车辆网技术将所述实时车辆信息发送给所述车辆以进行决策处理。
3.根据权利要求1所述的基于无源感知的公路车辆定位追踪方法,其特征在于,所述步骤S1中的对所述光纤数据进行预处理,得到振动数据,具体包括:
对所述光纤数据进行直方图分布均衡化、高斯滤波、中值滤波、恒虚警检测以及双边滤波,得到对应不同时间点下不同光纤位置的振动数据。
4.根据权利要求1所述的基于无源感知的公路车辆定位追踪方法,其特征在于,所述步骤S3中根据所述光纤数据的采集时间和峰值确定所述车辆的路向位置坐标和当前时段的行驶速度,具体包括:
根据所述光纤数据的第一峰值确定第一时间T1和第一位置L1,根据所述光纤数据的第二峰值确定第二时间T2和第二位置L2,基于所述第一时间T1、第一位置L1、第二时间T2和第二位置L2计算在先验速度范围内的所述车辆的当前时段的行驶速度;
根据所述第一时间T1、第一位置L1以及行驶速度得到所述车辆的路向位置坐标,所述路向位置坐标为沿光纤铺设方向的位置坐标。
5.根据权利要求1所述的基于无源感知的公路车辆定位追踪方法,其特征在于,所述车辆位置坐标为所述车辆在所述路面上行驶的车道上的具***置坐标,根据所述车辆位置坐标分析得到车辆的计数统计、车辆平均车速、车辆的拥堵状况、车辆拥堵预测或路面开裂和破损情况。
6.根据权利要求1所述的基于无源感知的公路车辆定位追踪方法,其特征在于,所述步骤S5具体包括:
通过时间对齐获取对应时刻的路面图像数据和光纤数据;
通过空间对齐在对应时刻的路面图像数据和光纤数据中获取对应时刻对应区域的光纤数据与路面图像数据,并将根据对应时刻对应区域的光纤数据与路面图像数据分别得到的车辆位置坐标、行驶速度和车辆基本信息进行融合,得到所述完整车辆信息。
7.根据权利要求1所述的基于无源感知的公路车辆定位追踪方法,其特征在于,所述光纤感知设备为基于连续波调频技术的分布式光纤感知设备,所述光纤感知设备包括铺设在路面之下或路面上两侧的1根或多根光纤。
8.一种基于无源感知的公路车辆定位追踪装置,其特征在于,包括:
振动数据获取模块,被配置为当车辆在公路上行驶,获取铺设在公路的路面两侧的光纤感知设备采集到的光纤数据,并对所述光纤数据进行预处理,得到对应不同时间点下不同光纤位置的振动数据;
车道确定模块,被配置为根据所述路面两侧所对应的振动数据确定车辆在所述路面上行驶的车道,具体包括:根据垂直于路向同一位置的所述路面的一侧与另一侧所采集到的振动数据的强度对比判断所述车辆在所述路面上行驶的车道;
位置坐标确定模块,被配置为根据所述光纤数据的采集时间和峰值位置确定所述车辆的路向位置坐标和当前时段的行驶速度,结合所述路向位置坐标以及车辆在所述路面上行驶的车道确定车辆位置坐标;
车辆基本信息获取模块,被配置为获取所述公路上方采集到的路面图像数据,将所述路面图像数据输入车辆检测算法,得到车辆基本信息,所述车辆基本信息包括车辆类型、车品牌、车道、车颜色、车牌号和/或朝向;
关联模块,被配置为基于时间和空间对齐将所述光纤数据和所述路面图像数据进行关联,将对应的车辆基本信息、行驶速度和车辆位置坐标进行融合,得到完整车辆信息。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
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,该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210409018.1A CN115410403B (zh) | 2022-04-19 | 2022-04-19 | 基于无源感知的公路车辆定位追踪方法、装置及可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210409018.1A CN115410403B (zh) | 2022-04-19 | 2022-04-19 | 基于无源感知的公路车辆定位追踪方法、装置及可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115410403A CN115410403A (zh) | 2022-11-29 |
CN115410403B true CN115410403B (zh) | 2023-11-10 |
Family
ID=84157248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210409018.1A Active CN115410403B (zh) | 2022-04-19 | 2022-04-19 | 基于无源感知的公路车辆定位追踪方法、装置及可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115410403B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116913118B (zh) * | 2023-09-07 | 2024-01-12 | 中关村科学城城市大脑股份有限公司 | 车辆行驶速度提示设备和车辆行驶速度提示方法 |
CN117858318B (zh) * | 2024-03-08 | 2024-05-07 | 四川九通智路科技有限公司 | 一种公路隧道灯光调节方法及调节*** |
CN118172938B (zh) * | 2024-05-14 | 2024-07-23 | 山东大学 | 基于分布式光纤与激光雷达的车辆轨迹全程追踪方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106225907A (zh) * | 2016-06-28 | 2016-12-14 | 浙江大学 | 一种基于φ‑otdr技术的光纤振动识别***及方法 |
CN107591002A (zh) * | 2017-09-21 | 2018-01-16 | 电子科技大学 | 一种基于分布式光纤的高速公路交通参数实时估计方法 |
CN108431880A (zh) * | 2015-10-30 | 2018-08-21 | 光学感应器控股有限公司 | 监测交通流量 |
CN109085570A (zh) * | 2018-06-10 | 2018-12-25 | 南京理工大学 | 基于数据融合的车辆检测跟踪算法 |
CN110021171A (zh) * | 2019-04-23 | 2019-07-16 | 临沂大学 | 高速公路路况定位方法、装置及*** |
CN110375840A (zh) * | 2019-06-25 | 2019-10-25 | 武汉理工光科股份有限公司 | 基于分布式光纤传感的清管器跟踪定位方法 |
CN111147133A (zh) * | 2019-12-24 | 2020-05-12 | 武汉理工光科股份有限公司 | 一种基于φ-OTDR的车流量实时监测***及方法 |
CN111540212A (zh) * | 2020-07-08 | 2020-08-14 | 浙江浙能天然气运行有限公司 | 一种用于分布式光纤的高速公路干扰估计***及方法 |
CN111582160A (zh) * | 2020-05-07 | 2020-08-25 | 四川大学 | 基于分布式光纤传感***的车辆轨迹提取方法及装置 |
CN112927516A (zh) * | 2019-12-06 | 2021-06-08 | 中兴通讯股份有限公司 | 一种路面车辆监测方法、电子设备及存储介质 |
WO2021207255A1 (en) * | 2020-04-07 | 2021-10-14 | Nec Laboratories America, Inc. | Multiple lane, real-time traffic monitor and vehicle analysis using distributed fiber sensing |
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 |
CN113936402A (zh) * | 2020-06-29 | 2022-01-14 | 宁波陆禾科技有限公司 | 一种基于分布式光纤预警***及视频目标识别技术的周界安防***及安防方案 |
WO2022024208A1 (ja) * | 2020-07-28 | 2022-02-03 | 日本電気株式会社 | 交通監視装置、交通監視システム、交通監視方法及びプログラム |
CN114061569A (zh) * | 2021-11-23 | 2022-02-18 | 武汉理工大学 | 基于光栅阵列传感技术的车辆轨迹跟踪方法及*** |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0103665D0 (en) * | 2001-02-15 | 2001-03-28 | Secr Defence | Road traffic monitoring system |
GB2513399B (en) * | 2013-04-26 | 2017-07-26 | Optasense Holdings Ltd | Traffic Monitoring |
US11371342B2 (en) * | 2015-04-09 | 2022-06-28 | Saudi Arabian Oil Company | Flow monitoring tool |
US9965950B2 (en) * | 2016-06-03 | 2018-05-08 | Here Global B.V. | Method and apparatus for classifying a traffic jam from probe data |
US11619541B2 (en) * | 2020-04-14 | 2023-04-04 | Nec Corporation | Vehicle speed, direction, and size measurement using temporal distributed fiber optic sensing |
-
2022
- 2022-04-19 CN CN202210409018.1A patent/CN115410403B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108431880A (zh) * | 2015-10-30 | 2018-08-21 | 光学感应器控股有限公司 | 监测交通流量 |
CN106225907A (zh) * | 2016-06-28 | 2016-12-14 | 浙江大学 | 一种基于φ‑otdr技术的光纤振动识别***及方法 |
CN107591002A (zh) * | 2017-09-21 | 2018-01-16 | 电子科技大学 | 一种基于分布式光纤的高速公路交通参数实时估计方法 |
CN109085570A (zh) * | 2018-06-10 | 2018-12-25 | 南京理工大学 | 基于数据融合的车辆检测跟踪算法 |
CN110021171A (zh) * | 2019-04-23 | 2019-07-16 | 临沂大学 | 高速公路路况定位方法、装置及*** |
CN110375840A (zh) * | 2019-06-25 | 2019-10-25 | 武汉理工光科股份有限公司 | 基于分布式光纤传感的清管器跟踪定位方法 |
CN112927516A (zh) * | 2019-12-06 | 2021-06-08 | 中兴通讯股份有限公司 | 一种路面车辆监测方法、电子设备及存储介质 |
CN111147133A (zh) * | 2019-12-24 | 2020-05-12 | 武汉理工光科股份有限公司 | 一种基于φ-OTDR的车流量实时监测***及方法 |
WO2021207255A1 (en) * | 2020-04-07 | 2021-10-14 | Nec Laboratories America, Inc. | Multiple lane, real-time traffic monitor and vehicle analysis using distributed fiber sensing |
CN111582160A (zh) * | 2020-05-07 | 2020-08-25 | 四川大学 | 基于分布式光纤传感***的车辆轨迹提取方法及装置 |
CN113936402A (zh) * | 2020-06-29 | 2022-01-14 | 宁波陆禾科技有限公司 | 一种基于分布式光纤预警***及视频目标识别技术的周界安防***及安防方案 |
CN111540212A (zh) * | 2020-07-08 | 2020-08-14 | 浙江浙能天然气运行有限公司 | 一种用于分布式光纤的高速公路干扰估计***及方法 |
WO2022024208A1 (ja) * | 2020-07-28 | 2022-02-03 | 日本電気株式会社 | 交通監視装置、交通監視システム、交通監視方法及びプログラム |
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 |
CN114061569A (zh) * | 2021-11-23 | 2022-02-18 | 武汉理工大学 | 基于光栅阵列传感技术的车辆轨迹跟踪方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN115410403A (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115410403B (zh) | 基于无源感知的公路车辆定位追踪方法、装置及可读介质 | |
CN107843440B (zh) | 一种自动驾驶车辆性能测试***及方法 | |
CN113347254B (zh) | 基于v2x的智能交通控制车联网***及其控制方法 | |
CN110376594B (zh) | 一种基于拓扑图的智能导航的方法和*** | |
CN112789619B (zh) | 一种仿真场景的构建方法、仿真方法以及设备 | |
CN104851295B (zh) | 获取路况信息的方法和*** | |
JP6713505B2 (ja) | 舗装情報収集点検システム、舗装情報収集点検方法、及びプログラム | |
CN111473980B (zh) | 一种智能汽车自动驾驶能力测试*** | |
US11468667B2 (en) | Distributed intelligent traffic informatics using fiber sensing | |
JP6994203B2 (ja) | コネクテッド自動運転車のハイウエイシステムとそれを用いた方法 | |
CN103268072A (zh) | 一种基于机器视觉的缩微车、缩微车控制***及控制方法 | |
CN108766031A (zh) | 一种检测车道障碍物的方法和装置 | |
CN111027430A (zh) | 一种面向无人车智能评估的交通场景复杂度计算方法 | |
CN114993444B (zh) | 基于光栅传感器阵列的机场跑道安全监测方法及*** | |
JP2023553479A (ja) | 分散型インテリジェントsnapインフォマティクス | |
CN111311942A (zh) | 基于v2x技术的路况显示方法、***、v2x终端及v2x服务器 | |
US20230358562A1 (en) | Fibre optic sensing method and system for generating a dynamic digital representation of objects and events in an area | |
JP2002230679A (ja) | 道路監視システム及び道路監視方法 | |
CN110175218A (zh) | 生成导航播报内容的方法、装置、设备和计算机存储介质 | |
Li et al. | Vehicle run-off-road event automatic detection by fiber sensing technology | |
CN116142178A (zh) | 一种车辆辅助驾驶方法、***、介质及电子设备 | |
CN114299715A (zh) | 一种基于视频、激光雷达与dsrc的高速公路信息检测*** | |
JP2004005206A (ja) | 道路状況撮影装置、交通管制設備及び交通管制方法 | |
CN115331455B (zh) | 一种公路车辆车道级定位与车辆境况监测方法和*** | |
CN115394099B (zh) | 道路交通诱导方法、***、设备及交通指引牌 |
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 |