PT2757346E - Método para medir um perfil de altura de um veículo que passa na estrada - Google Patents

Método para medir um perfil de altura de um veículo que passa na estrada Download PDF

Info

Publication number
PT2757346E
PT2757346E PT131520868T PT13152086T PT2757346E PT 2757346 E PT2757346 E PT 2757346E PT 131520868 T PT131520868 T PT 131520868T PT 13152086 T PT13152086 T PT 13152086T PT 2757346 E PT2757346 E PT 2757346E
Authority
PT
Portugal
Prior art keywords
vehicle
road
height profile
image
instant
Prior art date
Application number
PT131520868T
Other languages
English (en)
Inventor
Kotz Christian
Rafelsberger Oliver
Janner Christian
Original Assignee
Kapsch Trafficcom Ag
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Kapsch Trafficcom Ag filed Critical Kapsch Trafficcom Ag
Publication of PT2757346E publication Critical patent/PT2757346E/pt

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/20Analysis of motion
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00Measuring arrangements characterised by the use of optical techniques
    • G01B11/02Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G01B11/0608Height gauges
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/04Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00Television systems
    • H04N7/18Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Description

DESCRIÇÃO
MÉTODO PARA MEDIR UM PERFIL DE ALTURA DE UM VEÍCULO QUE
PASSA NA ESTRADA A presente invenção refere-se a um método para medir um perfil de altura de um veiculo que passa na estrada. A medição de veículos enquanto eles estão a viajar é significativo, por exemplo, para o controlo de altura dos veículos ou para sistemas de portagem, tendo o referido veículo que pagar diferentes taxas de portagem dependendo da forma do veículo, por exemplo tamanho do veículo, estrutura do corpo (veículo de passageiros ou camião), a presença de um reboque, número de eixos, etc. Para este fim é actualmente utilizada uma grande variedade de tecnologia, por exemplo scanners a laser ou câmaras estereoscópicas (binoculares), a fim de criar uma imagem 3D dos veículos que passam e para estabelecer dela um perfil de altura dos veículos. Os scanners a laser são no entanto extremamente complexos, em termos de construção e manutenção, e os sistemas de câmaras estereoscópicas exigem calibração complexa especial em todos os instantes. 0 objecto da invenção é o de criar um método mais simples para medir o perfil de altura de um veículo que se encontra a viajar.
Este objectivo é alcançado por um método do tipo mencionado na introdução, que compreende os seguintes passos: direccionar uma câmara monocular de um ponto acima da estrada para a estrada com um ângulo de abertura que captura um troço da estrada de cima, gravar pelo menos uma primeira imagem do veículo que passa por meio da câmara num primeiro instante no tempo, gravar pelo menos uma segunda imagem do veículo que passa por meio da câmara num segundo instante no tempo, gerar uma imagem do vector de movimento do veículo a partir de uma análise do fluxo óptico entre a primeira e a segunda imagem, e criar o perfil de altura do veiculo a partir da imagem do movimento do vector. A invenção propõe em primeiro lugar a utilização de uma análise de fluxo óptico sobre o fluxo de imagem inicial de uma câmara monocular para a medição do perfil de altura de um veiculo na estrada. A criação de imagens 3D ou, mais especificamente, imagens 2.5D do fluxo óptico ("optical flow") entre imagens cronologicamente sucessivas a partir de posições relativas que são, portanto, diferentes, é conhecido em si na técnica sob o slogan "depth from motion" ou "shape from video" e utiliza o facto de os pontos de urn objecto que passa pela câmara que está perto da câmara parecem mover-se mais rapidamente do que os pontos de objecto do mesmo objecto que se encontram distantes da câmara, sendo que pode ser obtida informação de profundidade acerca do objecto.
Os princípios básicos da análise de fluxo óptico encontram-se descritos por exemplo em Antonin Chambolle et ai., "An introduction to Total Variation for Image Analysis", Radon Series Comp. Appl. Math 9, 1-78, De
Gruyter 2010; John Dainitith, "Optical Flow" de 2004, obtido a 5 de Junho de 2012 de encyclopedia.com; Robert Fisher et al., "Dictionary of Computer Vision and Image Processing", John Wiley and Sons, 2005. Na tecnologia de monitorização de tráfego, foram previamente usados métodos de fluxo óptico para examinar o movimento dos fluxos de tráfego em faixas de rodagem separadas, por exemplo, veja Young Cho et al., "Estimating Velocity Fields on a Freeway from Low Resolution Video", IEEE Transactions on Intelligent Transportation Systems, 2006, vol. 7, 4 edição, páginas 460-469; ou Jens Klappstein, "Detektion von bewegten Objekten in StraBenverkehrsszenen mittels des optischen Flusses", (detecção de objectos movidos na circulação rodoviária por meio de fluxo óptico), dissertação para universidade Ruprecht-Karls, Heidelberg, 2008. Os veiculos individuais também foram seguidos com o auxilio de representações 3D dos veiculos em cruzamentos, sendo as referidas representações 3D geradas pela análise de fluxo óptico, por exemplo veja Alexander Barth et al., "Vehicle Tracking at Urban Intersections Using Dense Stereo", 3° Seminário sobre Monitorização de Comportamento e Interpretação, BMI, Ghent, 2009; David Pfeiffer e Uwe Franke, "Efficient Representation of Traffic Scenes by Means of Dynamic Stixels", IEEE Intelligent Vehicles Symposium (IV), páginas 217-224, San Diego, EUA, 2010; L. Dreschler e H.-H. Nagel, "Volumetric Model and 3D-Trajectory of a Moving Car Derived from Monocular TV-Frame Sequences of a Street Scene", procedimentos IJCAI'81 da 7a Conferência Conjunta Internacional sobre Inteligência Artificial, páginas 692-697. Uma visão geral das aplicações de tráfego de métodos de fluxo óptico é proporcionada por V. Kastrinaki et al., "A Survey of Video Processing Techniques for Traffic Applications", Image and Vision Computing 21, páginas 359-381, 2003. A DE 195 17 029 Al descreve um método para medir a altura de um veiculo, sendo que são gravadas uma primeira imagem e uma segunda imagem de um veiculo que passa por meio de uma câmara monocular em dois instantes do tempo. Do processamento da imagem é reconhecido um bordo do veiculo, cuja descrição do movimento é determinada. Daqui é determinada a altura deste bordo do veiculo. O método de acordo com a invenção poupa sensores dispendiosos adicionais, tais como scanners a laser, e a calibração complexa de câmaras estereoscópicas e torna possível implementar uma medição do perfil de altura dos veículos com apenas uma única câmara dirigida de cima para a estrada, o que nunca foi conseguido na técnica anterior. A câmara encontra-se de preferência direccionada no essencial verticalmente para baixo para a estrada, de modo a dividir o sombreamento nas faces de extremidade dianteiras e traseiras do veiculo e, assim, minimizar tal sombreamento. 0 perfil de altura medido pode ser tanto um perfil altura 2.5D (um perfil de altura 2.5D é entendido como um perfil 3D que contém apenas aquelas peças de informação da profundidade de imagem que são claras a partir do ângulo de visão e o ponto de montagem da câmara) e um perfil de altura 2D ("vista da secção transversal"); para este último é de preferência seleccionado um perfil de altura 2D que corre paralelo à direcção longitudinal da estrada: A análise do fluxo óptico conforme os veículos se deslocam na sua direcção de deslocação proporciona a informação de profundidade mais significativa precisamente nesta direcção. 0 fluxo óptico é de preferência analisado anisotropicamente na direcção longitudinal da estrada pelas mesmas razões. Os bordos dos veículos que passam transversalmente à direcção longitudinal da estrada dificilmente mudam entre as duas imagens (desde que um veículo não mude de faixa de rodagem nesse instante), e por conseguinte isto pode ser usado como uma condição limite na análise do fluxo óptico.
De preferência o perfil de altura encontra-se dimensionado em função da velocidade do ponto registado mais baixo do veículo ou de uma sombra do veículo na estrada de modo a produzir um perfil de altura correctamente dimensionado.
Alternativamente pode ser conseguido um "auto-dimensionamento" dos perfis de altura para a velocidade do veículo pelo facto de os instantes no tempo em que as duas imagens a serem avaliadas por análise de fluxo óptico são capturadas serem dependentes de uma detecção do veículo a posições predeterminadas na estrada. Para este fim, o primeiro instante no tempo é de preferência o instante no tempo no qual o veiculo é detectado numa primeira posição na estrada, e o segundo instante no tempo é o instante no qual o veiculo é detectado, numa segunda posição na estrada. 0 veiculo é um modo particularmente preferido detectado na primeira e segunda posição com o auxilio de sensores dispostos na estrada ou por meio de uma avaliação das imagens da própria câmara. Os sensores mencionados, por exemplo, podem ser sensores fotoeléctricos, anéis de indução magnética na faixa de rodagem, scanners ou outros semelhantes. Se as imagens da própria câmara forem utilizadas para a detecção da posição dos veículos, pontos significativos da imagem do veículo, tal como um bordo do contorno do veículo, podem por exemplo ser detectados a posições predeterminadas na imagem.
Em formas de realização adicionais vantajosas da invenção, a imagem do vector de movimento, antes do perfil de altura ser criado da mesma, ou perfil de altura criado, é de preferência compensada pelo ângulo de abertura da câmara e é assim rectificada.
Qualquer método de fluxo óptico conhecido na técnica pode ser utilizado para a análise de fluxo óptico. Devido ao movimento relativo, relativamente elevado, de veículos rápidos na imagem, é de preferência utilizado um método total de variação de fluxo óptico, tal como se encontra descrito por exemplo em T. Brox e J. Malik, "Large Displacement Optical Flow: Descriptor Matching in Variational Motion Estimation", IEEE Transactions on Pattern Analysis and Machine Intelligence, volume 33, 3a edição, páginas 500-513, 2011, que pode ser obtido para as bibliotecas Matlabprogram, por exemplo em http://lmb.informatik.unifreiburg.de/resources/binaries/. O método da invenção também pode ser utilizado para classificar o veículo medido comparando o perfil de altura criado com perfis de altura de referência de classes de veículos conhecidos.
Para o método da invenção pode ser utilizada qualquer câmara adequada, por exemplo, uma câmara fotográfica para tirar sucessivas imagens individuais ou uma câmara de vídeo. Uma câmara de monitorização de tráfego montada numa ponte sobre uma estrada é de preferência usada como a câmara, em particular uma câmara de vídeo de monitorização de tráfego, da qual o fluxo de vídeo (corrente de saída de imagem) é fornecido para a análise de fluxo óptico. A aplicação será explicada pormenorizadamente a seguir com base num exemplo de forma de realização ilustrada nos desenhos anexos. As figuras representam:
Figuras la e lb método da invenção durante a gravação de uma imagem de um veículo que passa por baixo de uma câmara monocular em dois instantes diferentes no tempo; Figuras 2a-2d étodo da invenção com base nos dados da imagem, vector e perfil que ocorrem na mesma;
Figuras 3a e 3b duas imagens de exemplos de vector de movimento antes (figura 3a) e após (figura 3b) a rectificação;
Figura 4 vista em perspectiva de um perfil de altura 2.5D criado a partir da imagem do vector de movimento rectificada da figura 3b; e
Figura 5 perfil de altura 2D ou a rectificação posterior opcional do mesmo criada a partir da imagem do vector de movimento da figura 3a ou 3b, ou a partir do perfil de altura 2.5D da figura 4, respectivamente.
As figuras la e lb mostram a estrutura de medição básica para executar o método em questão para a medição de um perfil de altura de um veículo 2 que passa na estrada 1. 0 veículo 2 é mostrado nas figuras la e lb em dois locais ou posições diferentes, mais especificamente numa primeira posição indicada por linhas a tracejado no instante no tempo ti e uma segunda posição representada com linhas contínuas num instante posterior no tempo t2.
Uma câmara 4 dirigida para baixo para a estrada 1 encontra-se montada acima da estrada 1 num suporte fixo 3, por exemplo um poste com braço de suporte ou uma ponte sobre a estrada (pórtico -"gantry"-), por exemplo a uma altura de montagem de 6 - 7 m. A câmara 4 é monocular, o que quer dizer que tem um único sensor de gravação de imagem, normalmente quadrado ou rectangular (não representado) e uma única lente proporcionada em frente, em que tem um campo de visão 8 piramidal invertida com um ângulo de abertura α quando visto num plano paralelo à direcção longitudinal da estrada 5 e um ângulo de abertura β (não mostrado) tal como visto num plano transversal à direcção longitudinal da estrada 5. Para uma ilustração mais visível, o veículo 2 ilustrado aqui a título de exemplo tem um perfil de altura muito fortemente diferenciado e simplificado com substancialmente uma área de tecto 6 perto da câmara (alta), na forma de telhado de cabine de condutor e uma área de tecto 7 distante da câmara (baixa) na forma de uma área de carregamento.
Escusado será dizer que a câmara 4 pode também ser dirigida para baixo com uma inclinação para a estrada 1, desde que a parte da estrada de interesse, na qual o veículo 2 passa, possa ser vista em parte do campo de visão 8 da referida câmara.
Tal como pode ser visto das figuras la e lb, um ponto Pa perto da câmara, por exemplo na área do tecto 6, move-se num determinado período de tempo At = t2 - ti entre o primeiro instante no tempo ti e o segundo instante no tempo 12 no campo de visão 8 da câmara 4, aparentemente por um vector de movimento xa, enquanto que um ponto de imagem Pb distante da câmara, por exemplo na área do tecto 7, move-se no mesmo período de tempo At entre o mesmo (ou diferentes) instantes no tempo pelo menor vector de movimento xb. A figura 2a mostra as imagens gravadas (tramas frames -) Fi, F2 da câmara 4 que correspondem às situações de gravação nas figuras la e lb nos dois instantes no tempo ti, 12. As duas imagens Fi, F2 são introduzidas num método de análise de fluxo óptico (optical flow analysis) . 0 método de análise de fluxo óptico é conhecido na técnica, e, por exemplo, com base em pontos significativos (pontos caracteristicos -"feature points"-) detectados nas imagens Fi, F2, estabelece vectores de movimento Xa, X5 dos pontos significativos (abordagem escassa -"sparse approach"-). Em alternativa, podem ser tomados em consideração todos os pontos de imagem em que os seus vectores de movimento solicitados são considerados como parte de uma função de objectivo a ser minimizada, isto é a matriz de vector de movimento que melhor reflecte a alteração do fluxo óptico F entre as imagens Fi, F2 é solicitado (abordagem densa -"dense approach"-). As formas de realização preferidas da abordagem densa (dense approach) são o método total de variação de fluxo óptico, em que a função objectiva é um termo de energia a ser minimizado, que leva em conta as mudanças no brilho e cor entre as imagens. Podem também ser tomados em consideração outros termos (de ordem superior) de modo a melhorar ainda mais os resultados. Para pormenores sobre a análise de fluxo óptico e, em particular, do método total de variação de fluxo óptico, é feita referência à literatura mencionada na introdução T. Brox e J. Malik, "Large Displacement Optical Flow: Descriptor Matching in Variational Motion Estimation", IEEE Transactions on Pattern Analysis and Machine Intelligence, volume 33, edição 3, páginas 500-513, 2011; por exemplo a implementação Matlab-Cmex deste método encontra-se disponível de URL:http://lmb.informatik.uni-freiburg.de/resources/binaries/.
Aqui, podem ser usados os termos de suavização especiais como condições limite para a análise total de variação de fluxo óptico, que incluem o movimento pequeno ou ausente da transversal do veículo 2 para a direcção longitudinal 5 da estrada como condição prévia de modo a facilitar a solução do problema de minimização. De modo a conseguir uma boa separação entre objectos diferentes (estrada, veículos) e de modo a não suavizar o bordo entre o veículo e a estrada, por exemplo, a suavização é realizada de preferência anisotropicamente (paralela aos bordos que ocorrem nas imagens).
Uma vez que os vectores de movimento x(P) para veículos lentos são muito pequenos e são zero para veículos parados, nestas situações a distância temporal t2 - ti entre as duas imagens analisadas Fi e F2 é de preferência aumentada. Por exemplo, as imagens que seguem directamente de outra da sequência de vídeo da câmara 4, quando esta é uma câmara de vídeo, não são por isso necessariamente analisadas, mas em vez disso imagens gravadas em conformidade distantes no tempo. Os tempos de gravação ti e 12 das duas imagens Fi e F2 são de preferência seleccionados de tal modo que o veículo 2 em cada caso está localizado numa posição predeterminada na estrada 1, tal como será explicado mais tarde em pormenor. Escusado será dizer que a câmara 4 pode também gravar mais do que duas imagens Fi, F2 em mais do que dois instantes no tempo ti, t2, e essas imagens podem ser incluídas na análise de fluxo óptico. A figura 2b mostra o resultado da análise de fluxo óptico da figura 2a na forma de uma imagem V de vector de movimento, que contém um vector x(P) de movimento para cada ponto P de imagem da imagem da câmara Fi ou F2. A figura 2b é um desenho altamente esquemático com alguns vectores de movimento ilustrados simbolicamente; de facto, a imagem do vector V de movimento é uma matriz, em que cada célula ou pixel P contém um vector de movimento x(P). A figura 3a mostra uma outra forma da ilustração da imagem do vector V de movimento da figura 2b, em que os valores absolutos ("velocidades") dos vectores de movimento X(P) foram classificados (quantificados) em diferentes áreas de gradação; tal como pode ser visto, a área do tecto 6 (teto da cabine) do veículo 2 aparece claramente com uma (aparentemente) alta velocidade e a área do tecto 7 (baía) do veículo 2 aparece com uma (aparentemente) baixa velocidade. A partir da imagem do vector V de movimento (figuras 2b e 3a), pode agora ser estabelecida directamente a respectiva de distância y (figuras la, lb) de um ponto do veículo 2 a partir da câmara 4: um elevado valor absoluto do vector x(P) do movimento indica uma curta distância e vice-versa. A imagem V do vector de movimento representa deste modo simultaneamente - quando também em "bruto", enquanto não dimensionada - um relevo da altura ou perfil de altura do veículo 2 que passa na estrada 1. A figura 4 mostra isto ilustrativamente em que os valores absolutos dos vectores de movimento x(P) da imagem V do vector de movimento são distâncias y atribuídas e estas foram ilustradas num gráfico. A ilustração da figura 4 mostra, por conseguinte, um perfil 3D, mais especificamente: um perfil de altura 2.5D W2.5 do veículo 2. Ao criar uma secção num plano 9 paralelo à direcção longitudinal da estrada 5, pode ser produzido um perfil de altura 2D W2 a partir do perfil de altura 3D ou 2.5D W2.5 da figura 4 e encontra-se ilustrado na figura 5.
Pode ser visto da figura 5 que o perfil de altura W2.5 ou W2 considerado até agora é distorcido de acordo com o ângulo de abertura α da câmara 4 na direcção longitudinal da estrada 5 (e também de acordo com o ângulo de abertura β transversal à mesma). Com o auxílio de uma equalização geométrica correspondente, o perfil de altura 2D W2 da figura 5 (ou o perfil de altura 2.5D W2,s) da figura 4 pode deste modo ser compensado pelo ângulo de abertura α (e opcionalmente também β) da câmara 4, quer dizer rectificado, conforme ilustrado esquematicamente pelas setas 10 na figura 5; o perfil de altura 2D rectificado encontra-se assinalado na figura 5 com W2' . As figuras 2c e 2d mostram esguematicamente em pormenor o passo de rectificação de um perfil de altura 2D W2 pelo ângulo de abertura α na direcção longitudinal da estrada 5 com base num veículo 2 em forma de caixa com faces de extremidade verticais 11, 12. A rectificação pelo ângulo de abertura α (e β) pode ser realizada tanto directamente nos perfis de altura W2.5, W2, como também já mencionado na imagem V de vector de movimento. Isto é apresentado na figura 3b, gue mostra a imagem V do vector de movimento da figura 3a após o passo de rectificação pelos ângulos de abertura α, β; a imagem rectificada do vector movimento encontra-se assinalada com V. A produção de um perfil de altura 2.5D W2.5' rectificado, ou um perfil de altura 2D W2' rectificado pode deste modo ser criado directamente da imagem do vector de movimento rectificada V da figura 3b.
Os perfis de altura W2.5, W2.5', W2, W2' podem então ser utilizados para a classificação do veículo 2, por exemplo em gue os parâmetros significativos do veículo 2, tais como a altura e comprimento, são calculados dos mesmos ou os perfis de altura são comparados com um conjunto de perfis de altura de referência previamente armazenados de classes de veículos conhecidos.
Quando a velocidade v inerente do veículo 2 é conhecida, por exemplo como resultado da medição por meio de sensores separados, tais como sensores fotoeléctricos, anéis de indução na faixa de rodagem 1, scanners, etc., pode ser incluída directamente na análise de fluxo óptico da figura 2a, e as imagens de vector de movimento V, V e perfis de altura W2.5, W2.5', W2, W2' contêm valores absolutos, guer dizer são dimensionadas de tal modo gue pode ser daí deduzida, por exemplo, a altura correcta e comprimento do veículo 2. Se a velocidade v inerente do veículo 2 não for conhecida ou for medida separadamente, em particular se apenas uma única câmara 4 for proporcionada para realizar o método de fluxo óptico descrito, um ponto P3 em movimento menor, quer dizer um ponto mais afastado do câmara, ou uma sombra do veículo 2 na estrada 1, pode ser utilizada nas imagens Fi, F2 como um valor de referência, e a imagem V, V do vector de movimento ou os perfis de altura W2,s, W2.5', W2 , W2' podem ser referenciados e, assim, dimensionados. Pode também ser detectada nas imagens Fi e F2 uma sombra do veículo na estrada 2, por exemplo, um ponto mais externo da presente sombra, e utilizado para a medição de velocidade, a fim de, em seguida, dimensionar a altura de perfis W2.5, W2.5', W2, W2'
Alternativamente, os instantes no tempo t2, ti nos quais as duas imagens analisadas Fi, F2 são gravadas podem ser seleccionados de antemão de modo a que eles correspondam a posições predeterminadas do veículo 2 na estrada 1. Por exemplo, com o auxílio de detectores de rodas Di, D2 integrados na faixa de rodagem, por exemplo anéis de indução, sensores fotoeléctricos, digitalizadores, etc., mas também por meio de uma avaliação das imagens contínuas (da sequência de vídeo) da própria câmara 4, estes dois instantes no tempo ti, t2 nos quais o veículo 2 adopta os dois locais ou posições mostradas na figura la por linhas contínuas e a ponteado podem, portanto, ser detectados de modo a em seguida gravar as imagens Fir F2. Deste modo as alturas de perfis W2.5, W2.5', W2, W2' são assim dimensionadas automaticamente com a velocidade correcta.
Naturalmente que pode também ser criado com o método da invenção um perfil W2.5, W2.5', W2, W2' de altura de vários veículos no campo de visão da câmara 4. A invenção não se encontra por isso limitada às formas de realização apresentadas, mas inclui todas as variantes e modificações que caem dentro do âmbito das reivindicações anexas.
DOCUMENTOS REFERIDOS NA DESCRIÇÃO
Esta lista de documentos referidos pelo autor do presente pedido de patente foi elaborada apenas para informação do leitor. Não é parte integrante do documento de patente europeia. Não obstante o cuidado na sua elaboração, o IEP não assume qualquer responsabilidade por eventuais erros ou omissões.
Documentos de patente referidos na descrição • DE 19517029 Ai [0006]
Documentos de não patente citados na descrição • An introduction to Total Variation for Image Analysis. ANTONIN CHAMBOLLE et al. Radon Series Comp. Appl. Math. De Gruyter, 2010, vol. 9, 1-78 [0005] • JOHN DAINITITH. Optical Flow. 05. Juni 2012 [0005] • ROBERT FISHER et al. Dictionary of Computer Vision and Image Processing. John Wiley and Sons, 2005 [0005] • YOUNG CHO et al. Estimating Velocity Fields on a Freeway from Low Resolution Video. IEEE Transactions on Intelligent Transportation Systems, 2006, vol. 7, 463-469 [0005] • JENS KLAPPSTEIN. Detektion von bewegten Objekten in StraBenverkehrsszenen mittels des optischen Flusses. Dissertation Ruprecht-Karls, 2008 [0005] • ALEXANDER BARTH et al. Vehicle Tracking at Urban Intersections Using Dense Stereo. 3rd Workshop on Behaviour Monitoring and Interpretation, 2009 [0005] • DAVID PFEIFFER ; UWE FRANKE. Efficient Representation of
Traffic Scenes by Means of Dynamic Stixels. IEEE
Intelligent Vehicles Symposium (IV), 2010, 217-224 [0005] • L. DRESCHLER ; H. -H. NAGEL, olumetric Model and 3D-Trajectory of a Moving Car Derived from Monocular TV-Frame Sequences of a Street Scene. IJCAI' 81 Proceedings of the 7th International Joint Conference on Artificial Intelligence, 692-697 [0005] • V. KASTRINAKI et al. A Survey of Video Processing Techniques for Traffic Applications. Image and Vision Computing, 2003, vol. 21, 359-381 [0005] • Large Displacement Optical Flow: Descriptor Matching in Variational Motion Estimation. T. BROX ; J. MALIK. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2011, vol. 33, 500-513 [0015] [0023]
Lisboa, 25 de Maio de 2016

Claims (12)

  1. REIVINDICAÇÕES
    1. A presente invenção refere-se a um método para medir um perfil de altura (W2.5, W2.5', W2, W2O de um veiculo (2) que passa numa estrada (1), caracterizado por o referido método compreender os passos de: direccionar uma câmara monocular (4) de um ponto acima da estrada (1) para a estrada com um ângulo de abertura (a, β) que captura um troço da estrada (1) de cima, gravar pelo menos uma primeira imagem (Fi) do veiculo que passa (2) por meio da câmara (4) num primeiro instante no tempo (ti) , gravar pelo menos uma segunda imagem (F2) do veiculo que passa (2) por meio da câmara (4) num segundo instante no tempo (12) , gerar uma imagem do vector de movimento (V, V') do veiculo (2) a partir de uma análise do fluxo óptico (F) entre a primeira e a segunda imagem (Fi, F2) , e criar o perfil de altura (W2.5, W2.5', W2, W2O do veiculo (2) a partir da imagem do vector de movimento (V, V) .
  2. 2. Método de acordo com a reivindicação 1, caracterizado por a câmara (4) estar direccionada substancialmente na vertical para baixo, para a estrada (1).
  3. 3. Método de acordo com as reivindicações 1 ou 2, caracterizado por o perfil de altura (W2.5, W2.5O ser um perfil de altura 2.5D.
  4. 4. Método de acordo com as reivindicações 1 ou 2, caracterizado por o perfil de altura (W2, W2') ser um perfil de altura 2.5D, que corre paralelo à direcção longitudinal da estrada (5).
  5. 5. Método de acordo com qualquer das reivindicações 1 a 4, caracterizado por o perfil de altura (W2.5, W2.5', W2, W2') ser dimensionado com base na velocidade (v) do ponto registado mais baixo (P3) do veiculo (2) ou com base numa sombra do veiculo (2) na estrada (1).
  6. 6. Método de acordo com qualquer das reivindicações 1 a 4, caracterizado por o primeiro instante no tempo (ti) ser o instante no tempo no qual o veiculo (2) é detectado numa primeira posição na estrada (1), e o segundo instante no tempo (12) ser o instante no tempo no qual o veiculo é detectado numa segunda posição na estrada (1).
  7. 7. Método de acordo com a reivindicação 6, caracterizado por o veiculo (2) ser detectado na primeira e segunda posições com o auxilio de sensores dispostos na estrada (1) ou por meio de uma avaliação das imagens (Fi, F2) da própria câmara (4).
  8. 8. Método de acordo com qualquer das reivindicações 1 a 7, caracterizado pelo passo adicional de rectificação (10) da imagem do vector de movimento (V) para a compensação do ângulo da abertura (α, β) , antes de ser criado do mesmo o perfil de altura (W2.5', W2O·
  9. 9. Método de acordo com qualquer das reivindicações 1 a 7, caracterizado pelo passo adicional de rectificação (10) do perfil de altura (W2.5, W2) para compensação do ângulo de abertura (α, β).
  10. 10. Método de acordo com qualquer das reivindicações 1 a 9, caracterizado por ser utilizado um método de fluxo óptico de variação total para a análise do fluxo óptico (F).
  11. 11. Método de acordo com qualquer das reivindicações 1 a 10, caracterizado pelo passo adicional de classificação do veículo (2) com base numa comparação do perfil de altura (W2.5, W2.5', W2, W2') criado tomando como referência os perfis de altura das classes de veículo conhecidas.
  12. 12. Método de acordo com qualquer das reivindicações 1 a 11, caracterizado por ser utilizada como câmara (4) uma câmara de monitorização de tráfego montada acima da estrada (D . Lisboa, 25 de Maio de 2016
PT131520868T 2013-01-21 2013-01-21 Método para medir um perfil de altura de um veículo que passa na estrada PT2757346E (pt)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
EP13152086.8A EP2757346B1 (de) 2013-01-21 2013-01-21 Verfahren zum Messen eines Höhenprofils eines auf einer Straße passierenden Fahrzeugs

Publications (1)

Publication Number Publication Date
PT2757346E true PT2757346E (pt) 2016-06-02

Family

ID=47900489

Family Applications (1)

Application Number Title Priority Date Filing Date
PT131520868T PT2757346E (pt) 2013-01-21 2013-01-21 Método para medir um perfil de altura de um veículo que passa na estrada

Country Status (12)

Country Link
US (1) US9547912B2 (pt)
EP (1) EP2757346B1 (pt)
CN (1) CN103942529A (pt)
AU (1) AU2014200082B2 (pt)
CA (1) CA2837314C (pt)
DK (1) DK2757346T3 (pt)
ES (1) ES2573629T3 (pt)
PL (1) PL2757346T3 (pt)
PT (1) PT2757346E (pt)
RU (1) RU2014101596A (pt)
SI (1) SI2757346T1 (pt)
ZA (1) ZA201400440B (pt)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9118816B2 (en) * 2011-12-06 2015-08-25 Mobileye Vision Technologies Ltd. Road vertical contour detection
DE102013204935A1 (de) * 2013-03-20 2014-09-25 Robert Bosch Gmbh Verfahren und Vorrichtung zum Erstellen einer Aufnahme eines gepulst aufleuchtenden Objekts
US9757054B2 (en) 2013-08-30 2017-09-12 Elwha Llc Systems and methods for warning of a protruding body part of a wheelchair occupant
EP3026652A1 (en) * 2014-11-27 2016-06-01 Kapsch TrafficCom AB Double stereoscopic sensor
US20160191795A1 (en) * 2014-12-30 2016-06-30 Alpine Electronics, Inc. Method and system for presenting panoramic surround view in vehicle
CN105403162B (zh) * 2015-10-15 2018-04-03 南京理工大学 半挂车外轮廓尺寸的自动检测方法
CN106441148A (zh) * 2016-08-31 2017-02-22 成都铁安科技有限责任公司 固定方法、固定机架与火车车轮外形测量***
CN106546185B (zh) * 2016-10-18 2019-09-20 福州觉感视觉软件科技有限公司 一种基于机器视觉检测的轮廓质量检测方法
US10417911B2 (en) 2017-12-18 2019-09-17 Ford Global Technologies, Llc Inter-vehicle cooperation for physical exterior damage detection
US10600234B2 (en) 2017-12-18 2020-03-24 Ford Global Technologies, Llc Inter-vehicle cooperation for vehicle self imaging
US10745005B2 (en) 2018-01-24 2020-08-18 Ford Global Technologies, Llc Inter-vehicle cooperation for vehicle self height estimation
DE102018108343A1 (de) * 2018-04-09 2019-10-10 Washtec Holding Gmbh Verfahren zum automatischen Erkennen einer Ladefläche
US10628690B2 (en) 2018-05-09 2020-04-21 Ford Global Technologies, Llc Systems and methods for automated detection of trailer properties
US10762681B2 (en) 2018-06-26 2020-09-01 Here Global B.V. Map generation system and method for generating an accurate building shadow
US11164031B2 (en) * 2018-06-26 2021-11-02 Here Global B.V. System and method for analyzing an image of a vehicle
ES2887325T3 (es) * 2018-11-19 2021-12-22 Kapsch Trafficcom Ag Método y aparato para medir la altura de un vehículo
US11351917B2 (en) 2019-02-13 2022-06-07 Ford Global Technologies, Llc Vehicle-rendering generation for vehicle display based on short-range communication
CN110360947A (zh) * 2019-06-24 2019-10-22 广州市奥特创通测控技术有限公司 一种基于矢量图像测量的车辆轮廓测量方法
CN111063201A (zh) * 2019-12-26 2020-04-24 成都纳雷科技有限公司 一种etc场景下的车辆大小识别方法、装置、***及介质
CN111611928B (zh) * 2020-05-22 2023-07-28 郑泽宇 一种基于单目视觉与关键点识别的身高及身体尺寸测量方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4332158A1 (de) * 1993-09-22 1995-03-23 Sel Alcatel Ag Verfahren zur klassifizierten Erfassung eines vorbeifahrenden Fahrzeugs und Einrichtungen zur Durchführung des Verfahrens
DE19517029B9 (de) * 1995-05-10 2004-09-30 Kapsch Trafficcom Ag Verfahren zur Bestimmung der Höhe eines Fahrzeuges mit Hilfe einer das Fahrzeug aufnehmenden Videokamera und Vorrichtung zur Durchführung des Verfahrens
US6195019B1 (en) * 1998-01-20 2001-02-27 Denso Corporation Vehicle classifying apparatus and a toll system
US20020140924A1 (en) * 1999-01-08 2002-10-03 Richard J. Wangler Vehicle classification and axle counting sensor system and method
KR100459478B1 (ko) * 2002-07-09 2004-12-03 엘지산전 주식회사 레이저 센서를 이용한 차량 검지 장치 및 방법
GB0717233D0 (en) * 2007-09-05 2007-10-17 Trw Ltd Traffic monitoring
DE102009031319A1 (de) * 2009-06-30 2011-01-05 Siemens Aktiengesellschaft Verfahren und System zur Bestimmung einer Fahrzeugklasse
DK2306426T3 (da) * 2009-10-01 2013-03-25 Kapsch Trafficcom Ag Apparat til detektering af køretøjer i et trafikområde
US9269263B2 (en) * 2012-02-24 2016-02-23 Magna Electronics Inc. Vehicle top clearance alert system

Also Published As

Publication number Publication date
AU2014200082A1 (en) 2014-08-07
CA2837314C (en) 2020-03-24
EP2757346A1 (de) 2014-07-23
NZ619690A (en) 2014-03-28
PL2757346T3 (pl) 2016-09-30
CN103942529A (zh) 2014-07-23
DK2757346T3 (en) 2016-07-25
ZA201400440B (en) 2014-11-26
AU2014200082B2 (en) 2018-11-08
SI2757346T1 (sl) 2016-08-31
CA2837314A1 (en) 2014-07-21
US9547912B2 (en) 2017-01-17
RU2014101596A (ru) 2015-07-27
ES2573629T3 (es) 2016-06-09
US20140204205A1 (en) 2014-07-24
EP2757346B1 (de) 2016-03-30

Similar Documents

Publication Publication Date Title
PT2757346E (pt) Método para medir um perfil de altura de um veículo que passa na estrada
CN110569704B (zh) 一种基于立体视觉的多策略自适应车道线检测方法
KR102275310B1 (ko) 자동차 주변의 장애물 검출 방법
CN109934848B (zh) 一种基于深度学习的运动物体精准定位的方法
JP2023507671A (ja) 自律ナビゲーションの間の物体回避の方法
CN109997148B (zh) 信息处理装置、成像装置、设备控制***、移动对象、信息处理方法和计算机可读记录介质
JP6779365B2 (ja) 物体検出装置及び車両
JP5023186B2 (ja) 3dワーピング手法と固有対象物運動(pom)の検出の組み合わせに基づく対象物の動き検出システム
KR20160123668A (ko) 무인자동주차 기능 지원을 위한 장애물 및 주차구획 인식 장치 및 그 방법
US20130177237A1 (en) Stereo-vision object detection system and method
CN103686083B (zh) 一种基于车载传感器视频流匹配的实时测速方法
AU2133599A (en) Process for determining vehicle dynamics
KR20170127036A (ko) 차도 위의 반사체를 인식하고 평가하기 위한 방법 및 장치
ES2569386T3 (es) Método y sistema para procesar una imagen de vídeo
KR101431373B1 (ko) 스테레오 정합을 이용한 차량의 움직임 측정 장치
CN109791607A (zh) 借助单应矩阵从摄像机的一系列图像中探测和验证对象
Shukla et al. Speed determination of moving vehicles using Lucas-Kanade algorithm
CN110199293A (zh) 基于通用自适应3d模型的对象识别
Li et al. Automatic parking slot detection based on around view monitor (AVM) systems
CN116935281A (zh) 基于雷达和视频的机动车道异常行为在线监测方法及设备
Cheng et al. Semantic segmentation for pedestrian detection from motion in temporal domain
JP3891181B2 (ja) カメラパラメータの自動算出方法及び装置
Rabe Detection of moving objects by spatio-temporal motion analysis
Lamża et al. Depth estimation in image sequences in single-camera video surveillance systems
Yang et al. Road detection by RANSAC on randomly sampled patches with slanted plane prior