[發明專利]一種基于車載攝像機的平交口視距遮擋檢測方法及系統

在審

• 申請號: 201811580456.4
• 申請日: 2018-12-24
• 公開（公告）號: CN109596092A
• 公開（公告）日: 2019-04-09
• 發明（設計）人: 鐘盛;張少為;張曉明;葉欣辰
• 申請（專利權）人: 上海智能交通有限公司
• 主分類號: G01C3/00
• 分類號: G01C3/00
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 程華

1.一種基于車載攝像機的平交口視距遮擋檢測方法，其特征在于，包括：

獲取遮擋檢測神經網絡模型，所述遮擋檢測神經網絡模型為以平交口轉角的視距三角形范圍圖像為神經網絡的輸入，以平交口轉角的視距三角形范圍內有無遮擋及遮擋物類別為神經網絡的輸出的訓練后的神經網絡模型；所述視距三角形為沖突點和兩視點構成的三角形，所述沖突點為兩條相交道路中一條道路的最右側車道中心線的直行線方向與另一條道路右側直行線方向相交點，所述兩視點分別為所述兩條道路上的停止線向后的一個停車視距的視點；

利用CCD工業相機采集待檢測平交口轉角的視距三角形范圍圖像；

將所述待檢測平交口轉角的視距三角形范圍圖像輸入所述遮擋檢測神經網絡模型，得到識別后的平交口視距遮擋物及遮擋物類別。

2.根據權利要求1所述的基于車載攝像機的平交口視距遮擋檢測方法，其特征在于，所述獲取遮擋檢測神經網絡模型具體包括：

獲取訓練樣本數據，所述訓練樣本數據為平交口轉角的視距三角形范圍圖像，所述視距三角形范圍圖像內包括無遮擋圖像和有遮擋圖像，所述有遮擋圖像中的遮擋物包括綠化、桿件和/或箱體；

對所述視距三角形范圍圖像進行標定，得到標定結果，所述標定結果包括有遮擋結果和無遮擋結果；所述有遮擋結果包括綠化遮擋、桿件遮擋、箱體遮擋和其他遮擋；

建立深度神經網絡模型；

以所述視距三角形范圍圖像為所述深度神經網絡模型的輸入，以所述標定結果為所述深度神經網絡模型的輸出，進行優化訓練，得到遮擋檢測神經網絡模型。

3.根據權利要求2所述的基于車載攝像機的平交口視距遮擋檢測方法，其特征在于，所述對所述視距三角形范圍圖像進行標定，得到標定結果具體包括：

當所述視距三角形范圍圖像中存在綠化植被，判斷所述綠化植被的平均高度是否超1m，若是，則標定為有遮擋結果，并確定為綠化遮擋；若無，標定為無遮擋結果；

當所述視距三角形范圍圖像中存在桿件，判斷所述桿件的數量是否大于或等于設定桿件數量閾值，若是，則標定為有遮擋結果，并確定為桿件遮擋；若無，標定為無遮擋結果；

當所述視距三角形范圍圖像中存在箱體，判斷所述箱體的高度是否超1m，若是，則標定為有遮擋結果，并確定為箱體遮擋；若無，標定為無遮擋結果。

4.根據權利要求2所述的基于車載攝像機的平交口視距遮擋檢測方法，其特征在于，所述獲取訓練樣本數據之前還包括：

獲取設定區域范圍內的所述平交口處的道路屬性數據；所述道路屬性數據包括道路名稱、道路類型、設計速度、道路起點位置信息和終點位置信息；

根據所述道路屬性數據確定平交口轉角的視距三角形；所述視距三角形的沿行車方向的邊長由停車視距S_t確定；所述停車視距s_t的計算公式為：

其中，s₁為反應距離，s₂為制動距離，s₀為安全距離，s₀取5～10m，t為駕駛員反應時間，為路面與輪胎之間的縱向摩阻系數，v為車輛行駛速度。

5.根據權利要求4基于車載攝像機的平交口視距遮擋檢測方法，其特征在于，在所述得到識別后的平交口視距遮擋物及遮擋物類別之后，所述方法還包括：

通過GPS定位系統獲取所述待檢測平交口的位置信息，

根據所述位置信息確定對應的道路屬性數據；

將所述平交口視距遮擋物及遮擋物類別和待檢測平交口轉角的視距三角形范圍圖像按照所述道路屬性數據對應存儲、顯示并發布到服務器上。