车辆运行速度检测系统的研究与实现.docx
- 文档编号:3498748
- 上传时间:2022-11-23
- 格式:DOCX
- 页数:58
- 大小:1.62MB
车辆运行速度检测系统的研究与实现.docx
《车辆运行速度检测系统的研究与实现.docx》由会员分享,可在线阅读,更多相关《车辆运行速度检测系统的研究与实现.docx(58页珍藏版)》请在冰豆网上搜索。
车辆运行速度检测系统的研究与实现
车辆运行速度检测系统的研究与实现
摘要
基于视频图像处理的交通信息检测系统因其简单、方便、实时性好等各种独特优势越来越受到重视,近年来成为国内外研究的一个热点,在交通监控系统己被广泛使用,成为现代智能交通(ITS)系统的发展方向和趋势,现在多数大城市中闯红灯系统己经由地感线圈等作方式过渡到视频处理方式,并取得了良好效果。
流量、速度监控系统也逐渐用了视频处理方式,视频图像检测己成为TS的关键核心技术之一。
有着广阔的应用前景。
车辆速度检测是交通信息检测的一个重要组成部分。
本文对车辆速度检测所涉及的摄像机标定和基于图像匹配的测速算法进行了研究。
主要内容包括:
(l)摄像机标定。
在传统的线性模型基础上,介绍了一种新的摄像机标定方法。
首先通过线性透视关系,用几何推导的方法对一维坐标进行标定,然后将其扩展至二维以提高标定精度,为了解决二维标定计算量大的问题,经过对二维标定的简化得到一个计算量小、稳定的标定算法。
(2)基于图像匹配的测速算法。
在图像匹配的基础上,将虚拟线圈和图像匹配算法结合起来,根据线圈位置选取合适的模板,在预先设定的范围内,按照最佳匹配准则进行滑动匹配,得出车辆像素位移,以模板波形谷值点为特征点,得到匹配前后车辆绝对像素位置。
本文设计出一种实用的车速检测方法,能够实现车辆瞬时速度的实时检测。
隧道实测数据的实验表明:
能够比较准确地检测出车辆经过时的瞬时速度,在实际应用中的测量精度达到95%以上。
初步应用表明:
本设计可以满足实际应用的要求,可应用于隧道中的速度检测、车速调查等方面。
关键词:
智能交通系统;交通参数检测;车辆速度检测;摄像机标定;数字图像处理
ResearchAndImplementationOnVehicleSpeedDetectionSystem
ABSTRACT
Trafficinformationsurveillancesystembasedonvideoimageprocessingisbecomingmoreandmoreimportantbecauseofitssimpleandconvenient.Andinrecentyears,alotofresearchesfocusonitandhasbeenwidelyusedintrafficsurveillanceandcontrolsystem.ItalsobecomesaDevelopingdirectionandtrendinITS(intelligenttransportationsystem).MostoftheRedlightsystemhasbecometheVideotreatmentfromCoilsto,andachievedgoodresults.Flow,speedmonitoringsystemalsograduallyusestheVideotreatment;VideotreatmentshavebecomeoneofthekeytechnologiesofTS,andhaveabroadapplicationprospect.Vehiclespeeddetectionisaveryimportantpartinthetrafficinformationsurveillancesystem.
Inthispaper,cameracalibrationandimage-basedmatchingalgorithmsarestudied.Maincontentsareincluded:
(1)Cameracalibration.ItproposesanewmethodofcameracalibrationbasedonthetraditionalPin-holeModel.Firstly,one-dimensionalalgorithmisgeometricmethod,andthenextendsittotwo-dimensionalinordertocalculatedoutwiththeenhancecalibration.Finallythetwo-dimensionalcalibrationalgorithmissimplifiedforreducingthecomputationalcomplexity.
(2)Image-basedmatchingalgorithm.Firstly,thepositionoftemplateisfixedaccordingtothepositionofVirtualLoop.Thenmatchesthetemplatewithoptimalruleinnearareaofthenextframe.Finally,theminimumintemplate'swaveisselectedasfeaturepointtocalculateoutthevehicle'sabsolutepositioninpixel.
Apracticalvehiclespeeddetectionalgorithmisdesignedinthispaper,itcandetectvehicle'sinstantaneousspeedinreal-time.Theresultsofexperimentintunnelshowthat:
itcandetectvehicle'sinstantaneousspeedaccurately,inpractice,theaccuracyofmeasurementismorethan95%.Earlyapplicationsindicatethat:
thealgorithmscanreachtherequirementsofpracticalapplications,itcanbeusedintunnelinvehiclespeeddetection,speedsurveyetc.
Keywords:
intelligenttransportsystem;trafficinformationsurveillance;vehiclespeeddetection;cameracalibration;digitalimageprocessing
第一章绪论
1.1研究背景
国外智能交通系统(ITS)的发展始于20世纪60年代,目前国外ITS的研究、开发和利用主要集中在城市交通和高速公路两个方面。
ITS总的发展趋势和竞争领域主要集中在一下几个方面:
一是美日欧竞相开发智能交通系统体系结构。
它是历届ITS世界大会的一个主题。
美国国家ITS体系结构的研究始于1992年,采取自上而下的模式推进ITS体系结构的开发。
二是美日欧日益重视智能交通系统标准化研究。
ITS是先进的信息技术、通信技术、电子技术和交通运输管理系统相接合的大系统,其最基本的特征是“集成”,而标准化是系统集成的重要基础。
目前,美日欧正在竞相向国际标准化组织提出ITS的系统方案,以便使之成为标准,从而在争夺ITS国际市场中占据有力位置。
三是智能交通系统出现了从单一的道路运输智能化向综合运输智能化发展的趋势。
目前世界TIS的发展主流是道路运输的智能化,但是,要从根本上解决交通运输问题,必定要实现整个综合运输系统的智能化。
良好的智能交通系统需要大量准确的反馈信息,因此离不开高质量的交通信息的检测,否则,该控制系统不可能具备良好的性能。
我国己有成套的动态车速信息采集设备,对于安装GPS定位设备和车载计算机的车辆,可以实时监视车辆的运行状况,动态记录下车辆在各个路段的行驶速度。
然而,国内在基于视频图像处理技术的交通信息采集方面的研究起步较晚,在交通迅猛发展的今天,随着经济的发展和科技的进步,越来越多的科研机构和公司开始进行这方面的研究,并取得了一些成绩。
目前,我国对于实时车速采集算法和实时交通数据检测的研究还比较少,实时交通数据的扩展应用和相关软硬件的开发还比较薄弱,随着我国交通工程智能化水平的不断提高和道路交管部门的自动化水平的不断改善,基于视频图像处理的实时交通流信息采集系统必将有广阔的前景。
视频交通信息采集技术是一种便于使用、信息量大,功能全面的新型检测手段,代表了交通流信息采集技术的发展方向,随着人们对它认识的进一步增加和它本身技术的不断完善,视频交通信息采集技术将逐步取代现有的其他方法,起到交通信息采集技术主体的作用。
1.1.1国内外典型的车辆测速系统
(1)“速刻一维杂”道路超速录像系统
俄罗斯“速刻一维杂”道路超速录像综合安全监测系统,是“速刻”系列测速系统中的一种。
该系统是测量动态路线的测速监视器,信息直接保存在计算机上,工作系统运用专门的程序和方便的图表,通过计算机录像监控部分路段,方便测量人员利用键盘控制测量速度等信息。
例如:
日期,时间,街名,监查人。
(2)交通流量视频分析仪
北京华恒信息系统有限公司的交通流量视频监测仪,是在工智能和图像处理基础上通过分析移动矢量,实时地分析录像中的交通流动情况,并提取交通状况的主要信息,然后再将分析结果数字化,以非常友好直观形式表达出来。
这些结果包括:
平均速度,最低速度,最高速度,车流密度等。
1.1.2常用的视频检测方法
目前实践上已经有不少视频检测产品VIPS(videoImageProcessingSystem),按工作原理可分为两类:
虚拟线圈法(tripwiresystems)(或虚拟检测线法)和车辆跟踪法,下面介绍这两种方法的工作原理。
1.虚拟线圈法
早期大部分视频检测技术是采用是虚拟线圈法,如AUTOSCOPE,CCATS,TAS,IM-PACTS,TrafficCam等,其工作原理类似于地埋式线圈检测器。
用户在图像上定义检测线位置(以一条或多条直线代表道路断面),系统通过计算检测线变化强度来判断车辆的经过,从而计算交通参数。
该方法的优点是大大减少了数据处理时间(只需一行或几行的图像数据),在满足实时要求的前提下完成流量、速度的检测。
由于交通场景象素值与路面(背景)象素值作差分比较仅仅可得到有无车辆通过采样线位置这一唯一的特征值,而丢失了包括车辆长度、宽度和运动轨迹等特征,所以降低了系统的可靠性,同时也未能充分利用图像信息。
2.车辆跟踪法
通过识别出交通场景图像中符合车辆特征的象素,进行图像分割,并依据提取出的特征来匹配前后帧中车辆,从而计算交通参数。
CMSMobilizes.EliopEVA,PEEKVideoTrak.NestorTrafficVision都属于这一类型,也称为“第三代"VIPS。
理论上,车辆跟踪法比虚拟线圈法更为严谨,所以更能代表发展的趋势。
但是该方法的难度在于特征的提取和特征的跟踪:
首先,特征必须有代表性,图像中的车辆都具备该特征且各不相同:
其次同一车辆在不同帧图像中特征应该具有相关性,能够有较好的对应关系。
根据跟踪方法的不同可以分为以下几类;
(1)3D模型跟踪:
用3D车辆模型来匹配图像中车辆,该方法的实现有赖于大量几何数据和实际车辆外形尺寸相似的汽车模型,事实上很难保证。
(2)区域跟踪:
图像二值化后,寻找连通区域,实现跟踪。
由于一段时间内拍摄图像所处环境光线条件变化很小,相邻帧的图像可以认为与背景几乎相同,所以对比相减后结果,可以反映出车辆运动的轨迹。
该方法的特点是较好地解决了气候、光线和周围环境条件对视频图像的影响这一难题。
其缺点在于二值化后车辆图像经常并不连通,而是分为不连续的几块,导致检测错误,同时确定二值化闭值、动态更新背景和寻找连通区域过程中算法复杂,计算量大。
(3)动态轮廓跟踪:
该方法基本思想是通过滤除图像中的静止物体,而仅保留运动物体来实现跟踪。
该方法计算量相对区域跟踪较小,但是无法检测静止车辆,而且其检测效果受车辆运动速度的影响,过快或过慢的车速都可能导致检测错误。
(4)特征跟踪:
为解决不同车辆图像重合的难题,该方法着眼于车辆的局部特征,如较亮的点或线,以此实现车辆跟踪。
该理论相信即使图像部分重合,车辆的另外一些特征仍然存在。
问题在于由于图像受周围环境(如建筑阴影、路灯)的影响,车辆在路段不同位置的特征不能保证相同。
可以看出,各国研究者对视频检测技术做了很多有意义的工作并取得了相当的成果。
但是由于利用视频图像获取实时交通参数的特殊复杂性,以及图像工程用于交通领域历史不长,目前该技术仍处于不断完善中。
本论文是基于视频交的通事件和交通参数检测系统的一个模块,重点研究实时车速检测算法以及涉及到的如摄像机标定等相关内容和算法,其目的是改进实时车辆速度的检测方法,为交通管理提供更为有效的依据,提高交通管理的智能化、自动化水平。
系统的结构采用DSP处理器为软件实现平台,利用软件技术实现了交通信息的实时检测。
除了能应用于实时车速的检测之外,本论文的研究将为图像处理技术的其他应用开发积累经验。
2.1常用车速检测方法
目前,国内外常用的车速检测技术有雷达、红外、激光、超声波、磁性测速等。
其中,以形状感应为检测对象的超声波式和光电管式车辆检测技术,以电磁感应为检测对象的环型线圈式和地磁式车辆检测技术,以及由多普勒雷达发展起来的微波车辆检测技术,这三大技术已逐渐成为交通信息采集的主要手段。
近年来,随着视频处理技术的发展和成熟,其方法也开始广泛应用于车速检测,视频车辆检测技术将是未来实时交通信息采集和处理技术的发展方向。
1.雷达检测技术
这是最早接触和使用的检测技术,检测设备称为雷达测速器(或多普勒雷达)。
雷达测速利用多普勒效应,通过雷达反射波相对于发射波的频移计算出运物体的速度。
雷达测速系统对于测量角度要求较高,测速系统需正对物体运动方向,测量偏差角度应小于10度。
雷达测速多应用于移动式车载超速监控系统,也应用于固定场合。
一般雷达测速仪的测速范围大约在(24-199)km/h,测速范围比较大,精确度也相当高,固定测速误差为
,运动时测误差为
。
2.红外检测技术
红外检测技术有两种类型:
第一种是主动式红外检测器。
原理和微波雷达检测器一样,但是发射频率更高(较短的波长),它可以检测车辆存在、车速、流量、占有率和车型信息,适用于白天和黑夜的情况;它易受到天气条件的影响而发生散射。
第二种是被动红外检测器,它本身不发射能量,而是检测目标发射的能量;通过检测道路和车辆发射能量之差,可以确定车辆存在;还可以测量流量、占有率和车辆存在信息等,但一般不用于车速测量,而且天气对测量有负面影响。
3.激光检测技术
激光测速原理同雷达测速一样,只是性能更好。
利用激光测量仪可测量物体的线速度,常用的激光测速仪主要有参考光束型和脉冲半导体型两种。
由于激光为点测量行为,无论是通过多普勒效应还是激光高速测距来实现车辆的检测,从理论上讲是可行的并且检测精度过程都相当高,但激光检测中的激光束对人体主要是人眼的伤害是极为严重的问题。
鉴于激光测速的原理,激光检测器应用中有一些要求:
激光光束必须要瞄准垂直与激光光束的平面反射点;激光测速器不可能具备在运动中使用,只能在静止状态下应用;激光测速仪的取证能力远远大于雷达测速仪,因而受到全世界广泛的认可和推广。
4.超声检测技术
超声波测速测距的基本原理是利用其反射特性。
超声波发生器发射一定频率的超声波遇到障碍物后产生反射波,超声波接收器接收到反射波信号,并将其转换成电信号,测量发射波与回波之间的时间间隔
,并根据公式R=(
*v)/2计算距离(v为超声波传播速度),再根据距离变化量与两次测量时间间隔之比计算车辆运动速度。
超声波的特点是:
方向性好;功率大;对雨、雾、雪的穿透能力强,可以在恶劣气候条件下工作,系统制作简便,成本低。
因此,可应用于车速测量中。
其主要缺点是测量反应时间长,误差大,波束发散角大,分辨率低,衰减快,有效测量距离小。
5.地磁式检测技术
地磁式检测技术是在地面埋设感应线圈(或感应棒),通过感应车辆的电磁信号来换算出其速度。
这种方法比较经典,检测效果也不错。
该检测方法的缺点是在于地面埋设感应线圈的施工量大,路面变更后亦需重埋线圈。
以电磁感应为检测对象的方法还有环型线圈式车辆检测技术。
采用地感线圈作为车速检测的基本原理;速度的计算公式为v=s/
,其中s为两个线圈之间的距离,
为车辆通过两个线圈的时间差。
由于两个线圈之间的距离S在埋设线圈时已经确定,所以通过测量车辆离开两个线圈的时间差
,即可测得车速。
地感线圈检测具有以下优点:
使用简单;灵敏度高;可靠性高;成本低。
与雷达检测、超声波检测、红外线检测相比有成本低的优势。
6.视频检测技术
该方法是通过闭路电视系统或数字照相机、摄像机来进行现场数据采集,采用视频识别技术和数字化技术分析交通数据,利用车辆图像中车辆的二维位置以及预先测定的一些参数算出车辆的实际三维位置,若在一个固定时间间隔内拍摄两幅图像,则可以根两幅图像计算出的车辆实际三维位置得到车辆在此固定时间间隔内的位移,从进一步确定车辆速度。
通过对连续视频图像的分析,跟踪超速车辆行为过程。
此种检测方法对检测路口的光线变化较敏感,因此图像的算法优略是影响检测效果好坏的根本。
一些成熟产品的检测效果是相当不错的,其性能价格比也较好,因此国内外应用此种检测方法的系统占主流。
按照是否需要输入人工参照信息,可将现有视频检测车速的方法划分成两类:
需要对视频图像进行标定的测速方法和无须对视频图像进行标定的测速方法。
另外,基于视频的检测技术包括线式检测法和面式检测法。
所谓线式检测法,即在图像要检测的车道上选定一条线作为检测线,利用这条检测线的灰度变化(只要有车辆经过,检测线的灰度就会发生某种程度的变化),来检测是否有车辆通过。
线式检测法数据运算量小,噪声干扰少,因此运算速度快,实时性强,识别精度较为稳定,成为近期较多采用的算法。
但是线式检测法在提高检测线的自适应性和系统对光线变化的鲁棒性等方面,均受到较大的限制。
面式检测法是在图像上设置一定的区域作为检测依据的方法。
这种算法能够有效地克服线式检测方法的不足,具有良好的应用前景。
本文结合了线式检测法和面式检测法两种方法来进行车辆速度检测。
第二章视频测速系统
2.1视频测速方法概述
按照是否需要输入人工参照信息,可将现有通过视频检测机动车行驶速度的方法划分成两类:
需要对视频图像进行标定的测速方法和无须对视频图像进行标定的测速方法。
目前大部分方法属于前者,后者具有代表性的是美国华盛顿大学研究的一种使用不带刻度的摄像机对车速进行估计的方法。
前类方法是基于视频图像处理的道路交通参数检测方法,方法要求将CCD安装在路面正上方,迎着车辆行驶的方向拍摄,并沿道路方向将道路分割成若干个感兴趣窗口(AreaofInterest,AOI),为了将待处理的信息量减少到必需的最小值,车辆检测仅限于感兴趣窗口;方法通过车辆模型和阴影模型来实现车辆的检测和部分地排除阴影的干扰,分析车辆区域的长度和经过某AOI的时间可得出车辆行驶的速度;当车速大于20km/h时,测速误差明显增加,系统可靠性大幅下降。
美国华盛顿大学研究了一种使用不带刻度的摄像机对车辆速度进行估计的方法,该方法是将摄像机安装在道路上方,迎着车辆行驶方向拍摄以330ms的时间间隔采集视频图像,对采集到的单帧图像进行预处理,移动边缘检测,形态学操作,凸面外壳和外包矩形提取;然后,对得到的凸面外壳图像进行几何分析,并利用已知的车长分布统计信息和车辆在图像中的像素长度计算一段时间内车辆在路面上实际行驶的路程。
该方法不足之处在于当阴影面积达到车辆面积的2/3时,车速估计值与实际值将出现较大偏差。
在前面提到的两种方法中,前者的场景图像标定过程较为复杂,在实际应用中的可操作性较低,其测速精度和系统可靠性都得不到保证,并且未考虑多车道同时测速的情况。
后者尽管省去了场景图像坐标标定的过程,但是该测速方法易受车辆阴影的干扰,精度较低。
下面将介绍一种高精度机动车视频测速模型,利用该模型不仅能够排除阴影对机动车视频测速的干扰,而且能够实现多辆机动车同时测速,机动车视频测速模型中场景视频图像的标定方法也具有简单直观的优点。
2.2机动车视频测速模型
针对通过视频检测机动车行驶速度的问题统一建立,其模型如下:
(1)视频测速计时方案,即如何准确地计算车辆在视频图像上从一处行驶到另一处所经历的时间;
(2)交通场景图像标定,即建立实际场景位置与视频图像位置的映射关系;
(3)行驶车辆定位跟踪,即在交通场景视频图像上准确,快速地定位,跟踪行驶车辆。
为了避免将不必要的复杂因素引入视频测速模型中,这里对交通场景机动车和摄像机作几点假设:
1.视频监视的路面是平坦的,可以认作或近似地看作平面,复杂的路面通常无法从图像上对车辆进行有效定位;2.车辆基本沿道路伸展的方向行驶,不会突然转弯,故车辆行驶速度在垂直于道路伸展方向上的分量较小,可以忽略不计;3.摄像机相对于路面是静止的,摄像机移位将使车辆在图像上的位置发生偏移,从而导致车辆定位偏差甚至错误。
2.2.1视频测速计时方案
软件计时方法依赖于处理器的处理能力,其计时精度无法得到保证。
为了保证计时精度同时在不添加额外硬件的条件下,视频测速模型采用了一种通过计算图像采集卡采集图像的帧数进行硬件计时的方案。
计时方案中的时间(帧数时)和最小计时单位定义为:
帧数时是指图像采集卡采集到某帧图像所对应的时刻,记作Tf;最小计时单位为图像采集卡采集一帧图像所需要的时间记,作⊿Tm。
2.2.2交通场景图像标定
交通场景图像标定,也就是在交通场景视频图像上加入人工参照信息。
按照输入人工参照信息的复杂程度,可将现有交通场景图像标定方法分为两种:
人工计算标定法和视觉直接标定法。
一种典型的人工计算标定方法利用摄像机视角,摄像机离地面的高度摄像机光轴与垂直路面方向的夹角和摄像机视野在路面上的覆盖长度等参数,将路面上感兴趣窗口映射到交通场景视频图像上。
由于后两个参数的获取直接或间接地涉及到实际交通场景,然而川流不息的交通环境往往限制了获取这3个参数的条件。
相反,一种通过肉眼观察交通场景视频图像在视频图像上对路面上的标志或位置进行直接标定的方法体现出简单,直观,易于操作的优点。
如图1所示,图中用L1和L2两条标定线在交通场景图像上对视频测速区域进行了标定。
图2.1测速场景示意图
2.2.3车速计算公式
通过2.1.1和2.1.2的分析可得出机动车视频测速模型中的车速计算公式:
(2.1)
和
分别为L1和L2到基准线(见图2.1)的距离,
和
分别为车辆行驶到L1和L2的帧数时。
由式(2.1)可知,若已知L1和L2在路面上的实际距离和车辆驶过L1和L2的帧数时之差便可计算出车辆在驶过视频测速区域时的平均速度。
2.3视频测速模型精度分析
为了说明视频测速模型的在精度上的有效性,这里对其精度作一分析。
由式
(1)可知,视频测速模型是通过对行驶车辆在L1和L2两处进行定位,并计算出车辆驶过L1和L2的帧数时,从而计算出车辆行驶的速度,故速度误差主要来自于车辆经过L1或L2时车速较快而⊿Tm不够小所致的车辆定位误差。
在大多数情
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 车辆 运行 速度 检测 系统 研究 实现
![提示](https://static.bdocx.com/images/bang_tan.gif)