本發(fā)明專利技術(shù)屬于智能車路協(xié)同領域，具體涉及一種基于車路協(xié)同的檢測違章變道的系統(tǒng)和方法,包括以下步驟：構(gòu)建檢測違章用的神經(jīng)網(wǎng)絡模型,模型輸入為連續(xù)的多幀圖像，包括兩階段推理，第一階段中，模型對每一幀圖像進行目標檢測，第二階段中，模型進行車輛目標的關(guān)聯(lián)和跟蹤，輸出每個車輛目標的跟蹤ID和關(guān)聯(lián)的軌跡信息；訓練檢測違章所用到神經(jīng)網(wǎng)絡模型；將路測采集到的待檢測的圖像數(shù)據(jù)送入訓練好的所述神經(jīng)網(wǎng)絡模型，獲得連續(xù)的多幀圖像中的檢測違章相關(guān)信息，以及每個車輛的軌跡信息，并根據(jù)這些信息判斷車輛是否有違章行為，識別后將違章車輛數(shù)據(jù)上傳到云端。充分利用智能網(wǎng)聯(lián)汽車的感知能力和閑置資源，進而能夠提高道路的交通安全性。
【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于智能車路協(xié)同領域，具體涉及一種基于車路協(xié)同的檢測違章變道的系統(tǒng)和方法。
技術(shù)介紹
1、在現(xiàn)代社會中，道路交通違章行為的增加和交通事故的頻發(fā)已經(jīng)成為一個嚴重的社會問題。其中，違章變道行為是導致交通事故的主要原因之一。傳統(tǒng)的違章變道檢測方法和流程主要依賴于交通攝像頭和監(jiān)控設備，但其存在一些局限性，例如沒有一個完整的體系用于全面檢測車輛的違章變道，另外路側(cè)的攝像頭由于視角問題，有時候無法獲取清晰的違章車輛車牌信息，無法全面覆蓋道路上的違章變道行為。
2、另一方面，道路中的智能網(wǎng)聯(lián)汽車有許多閑置的計算資源無處使用，車路協(xié)同技術(shù)也為利用這些資源提供了基礎。車路協(xié)同是指車輛和道路基礎設施之間的信息交互和協(xié)同工作。通過車輛上搭載的傳感器和與道路基礎設施的通信，車輛能夠獲取道路環(huán)境的信息，而道路基礎設施也可以向車輛提供實時的路況和導航信息。
3、因此，亟需一種利用智能網(wǎng)聯(lián)汽車的閑置計算資源準確檢測和有效處罰違章變道行為的方法和系統(tǒng)。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的目的在于利用智能網(wǎng)聯(lián)汽車和路側(cè)智能設備，以及車路協(xié)同融合感知，實現(xiàn)一套完整的違章變道檢測機制，充分利用智能網(wǎng)聯(lián)汽車的感知能力和閑置資源，進而能夠提高道路的交通安全性，并且能夠節(jié)省出一部分人力資源支出。
2、為達到上述目的，本專利技術(shù)提供如下技術(shù)方案：
3、一種基于車路協(xié)同的檢測違章變道的方法，包括以下步驟：
4、s1按照以下策略構(gòu)建檢測違章用的神經(jīng)網(wǎng)絡模型：
5、模型輸入為連續(xù)的多幀圖像，包括兩階段推理，第一階段中，模型對每一幀圖像進行目標檢測，所述目標包括車輛、道路中線和車輛車牌；
6、以及得到檢測違章相關(guān)信息，所述檢測違章相關(guān)信息包括車輛檢測框中心坐標、車輛的正反朝向、車道線的點集合、車道線的類型以及車輛是否含有車牌；
7、第二階段中，模型對第一階段檢測到的連續(xù)幀的車輛檢測框和該檢測框的特征向量作為輸入，進行車輛目標的關(guān)聯(lián)和跟蹤，輸出每個車輛目標的跟蹤id和關(guān)聯(lián)的軌跡信息；
8、s2利用路測采集到的圖像數(shù)據(jù)初始化訓練檢測違章所用到神經(jīng)網(wǎng)絡模型；
9、s3將路測采集到的待檢測的圖像數(shù)據(jù)送入訓練好的所述神經(jīng)網(wǎng)絡模型，獲得連續(xù)的多幀圖像中的檢測違章相關(guān)信息，以及每個車輛的軌跡信息，并根據(jù)這些信息判斷車輛是否有違章行為，包括車輛壓中心實線或中心雙實線、逆行、超速以及違章超車；
10、s4:當有車輛被判定為違章且含有車牌時，對檢測出違章車輛的車牌圖像進行車牌號的識別；
11、當有車輛被判定為違章且未含有車牌時，將該車輛的檢測圖像幀以及神經(jīng)網(wǎng)絡模型給出的標注信息傳輸給附近其他車輛，通知附近其他車輛對該車輛進行重識別；附近車輛使用車輛重識別算法找到違章車輛，執(zhí)行目標檢測，檢測出違章車輛的車牌圖像并回傳，再對回傳的車牌圖像進行車牌號的識別；
12、識別后將違章車輛數(shù)據(jù)上傳到云端。
13、進一步的，所述車道線的類型包括中心實線、中心雙實線、兩側(cè)車道實線、車行道分界線。
14、進一步的，步驟3中，設定車道線為直線，所在坐標系為圖坐標系，將車道線的點集合使用最小二乘法擬合成直線，可以得到車道線的斜率，以及一個既在車道線點集里也在車道線上的一個坐標，稱為車道線坐標，判斷車輛是否有違章行為包括如下步驟：
15、步驟31使用以下算法來判斷是否有車輛壓中心實線或中心雙實線：
16、設目標檢測出的車輛檢測框的中心坐標為(vx1,vy1),(vx2,vy2),…,(vxn,vyn)，中心實線和中心雙實線的坐標和斜率分別為(lx1,ly1),…,(lxm,lym)和k1,k2…,ko；
17、根據(jù)中心實線和中心雙實線的坐標(lxi,lyi)和斜率ki，可以得到車道實線的方程：
18、y＝ki*(x-lxi)+lyi
19、將每輛車輛的檢測框中心坐標(vxi,vyi)和中心實線或中心雙實線，兩兩對應，計算車輛中心點到實線的最短距離：
20、首先，將車輛中心點的坐標(vxi,vyi)代入實線方程，得到該點在實線上的投影坐標(pxi,pyi)：
21、pxi＝(ki*(ki*vxi-ki*lxi+vyi-lyi))/(1+ki2)
22、pyi＝ki*(pxi-lxi)+lyi
23、然后，計算車輛中心點到實線的距離d：
24、d＝sqrt((pxi-vxi)2+(pyi-vyi)2)，
25、如果最短距離d小于設定的閾值，則判斷車輛壓實線；
26、步驟32使用以下算法進行判斷判斷車輛是否處于逆行狀態(tài)：
27、設目標檢測出的車輛檢測框的中心坐標為(vx1,vy1),(vx2,vy2),…,(vxn,vyn)，車輛的行駛方向分別是vf1,...,vfn，正向和逆向車道之間的中心實線的坐標和斜率分別為(lxc,lyc)和kc,車輛行駛方向vf1,...,vfn∈[-1,1]，即車輛行駛方向只有兩種情況，斜向也判斷成靠近的直行方向，中心實線的兩側(cè)車輛行駛方向相反，假設中心實線上側(cè)車道的正確行駛方向為1，下側(cè)車道的正確行駛方向為-1，則可以通過以下計算判斷車輛是否逆行：
28、對于每個車輛坐標(vxi,vyi),計算中心實線方程的值:
29、lvaluei＝(vy-lyc)-kc*(vx-lxc)，
30、若，lvaluei>0，則車輛(vxi,vyi)在中心實線的上側(cè)，lvaluei<0，則車輛(vxi,vyi)在中心實線的下側(cè)，lvaluei＝0，則車輛(vxi,vyi)在中心實線上；
31、若lvaluei*vfi>0，則代表車輛沒有逆行，lvaluei*vfi<0，代表車輛逆行；
32、步驟32使用以下算法判斷車輛是否超速：
33、首先由目標跟蹤得到一系列車輛編號，分別為v1,v2,…,vn，設目標檢測出的車輛檢測框的中心坐標為(vx1,vy1),(vx2,vy2),…,(vxn,vyn)，車輛vi的連續(xù)幀的坐標表示為設道路限速為vmax，則可以得到以下公式計算車輛速度：
34、計算車輛vi在兩幀之間的位移：
35、
36、車輛vi在兩幀之間的時間間隔為δt，由此可以計算出車輛vi的速度vi為：
37、
38、最后判斷車輛vi的速度vi是否大于限速vmax，大于的話就判斷為超速；
39、步驟34使用以下算法判斷是否車輛違章超車：
40、首先由目標跟蹤得到一系列車輛編號，分別為v1,v2,…,vn，設目標檢測出的車輛檢測框的中心坐標為(vx1,vy1),(vx2,vy2),…,(vxn,vyn)，此處以同向雙車道為案例，只是為了便于理解，并非不能將此技術(shù)運用在其他類型的車道上。兩側(cè)車道實線的坐標和本文檔來自技高網(wǎng)
...
【技術(shù)保護點】
1.一種基于車路協(xié)同的檢測違章變道的方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述車道線的類型包括中心實線、中心雙實線、兩側(cè)車道實線、車行道分界線。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟3中，設定車道線為直線，所在坐標系為圖坐標系，將車道線的點集合使用最小二乘法擬合成直線，可以得到車道線的斜率，以及一個既在車道線點集里也在車道線上的一個坐標，稱為車道線坐標，判斷車輛是否有違章行為包括如下步驟：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，第一階段的推理采用Yolov5模型。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，第二階段的推理采用DeepSORT模型。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S4中，違章車輛圖像幀及標注信息的傳輸以及給附近其他車輛回傳車牌部分圖像均采用PC5協(xié)議。
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟S4中，附近其他車輛Yolov5+DeepSORT算法進行車輛重識別尋找違章車輛。
8.一種基于車路協(xié)同的檢測違章變道的系統(tǒng)，其特征在于，包括路側(cè)智能攝像桿，其上設有依次電性連接的攝像單元、RSU和路側(cè)通信單元，所述RSU能通過路側(cè)通信單元與車輛上的OBU進行V2I通信；該系統(tǒng)通過執(zhí)行如權(quán)利要求1-7中任意所述的方法步驟檢測車輛的違章變道。
9.根據(jù)權(quán)利要求8所述的系統(tǒng)，其特征在于，所述攝像單元為槍式攝像機。
...
【技術(shù)特征摘要】
1.一種基于車路協(xié)同的檢測違章變道的方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述車道線的類型包括中心實線、中心雙實線、兩側(cè)車道實線、車行道分界線。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟3中，設定車道線為直線，所在坐標系為圖坐標系，將車道線的點集合使用最小二乘法擬合成直線，可以得到車道線的斜率，以及一個既在車道線點集里也在車道線上的一個坐標，稱為車道線坐標，判斷車輛是否有違章行為包括如下步驟：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，第一階段的推理采用yolov5模型。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，第二階段的推理采用deepsort模型...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：卓釗，劉凱，李榮振，程通通，李楚照，
申請(專利權(quán))人：重慶大學，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。