[發明專利]基于路側激光雷達的車輛排隊長度實時估計方法及系統

有效

• 申請號: 202010328012.2
• 申請日: 2020-04-23
• 公開（公告）號: CN111540201B
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 吳建清;孫仁娟;管延華;孔曉光;常玉濤;徐浩;葛智;皮任東;張洪智;袁化強
• 申請（專利權）人: 山東大學;山東高速集團有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/04;G08G1/065
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

1.基于路側激光雷達的車輛排隊長度實時估計方法，其特征是，包括：

獲取由路側激光雷達對道路上車輛掃描的所有位置點，得到待處理的三維點云數據；

對待處理的三維點云數據依次進行背景濾除；對背景濾除后的三維點云數據進行聚類處理，將屬于同一個物體的所有點劃分為一類；

獲取設定時間段內，道路上無車輛時的三維點云數據；

將無車輛三維點云數據，利用同等大小的正方體進行分割，即進行柵格化處理，設定點云密度閾值，將點云密度大于點云密度閾值的正方體挑選出來，作為背景點正方體；將挑選出來的所有背景點正方體中所包含的點存儲到一個矩陣中，所述矩陣被視為背景矩陣；

將待處理的三維點云數據減去背景矩陣，得到背景濾除后的三維點云數據；

對聚類處理后的三維點云數據進行目標識別，識別出道路上的車輛；

基于目標識別后的結果進行車道識別；

基于激光雷達相鄰幀的三維點云數據，估計道路上每一輛車的速度；

基于道路上每一輛車的速度，確定每個車道上的末尾車輛，進而估計每個車道上的排隊長度。

2.如權利要求1所述的方法，其特征是，所述對背景濾除后的三維點云數據進行聚類處理，將屬于同一個物體的所有點劃分為一類，具體步驟包括：

基于DBSCAN算法，對背景濾除后的三維點云數據進行聚類處理，將屬于同一個物體的所有點都聚類到一起。

3.如權利要求1所述的方法，其特征是，所述對聚類處理后的三維點云數據進行目標識別，識別出道路上的車輛；具體步驟包括：

將聚類處理后的三維點云數據，提取每種聚類物體的特征；

將每種聚類物體的特征輸入到預訓練的隨機森林分類器中，輸出當前物體的類別；根據當前物體的類別和聚類的結果，得到道路上每一輛車的車身長度。

4.如權利要求3所述的方法，其特征是，所述提取每種聚類物體的特征，包括：

提取每種聚類物體的長度、高度、長度與高度的比值、當前聚類物體與激光雷達之間的距離、當前聚類物體所包括的點的數量以及當前聚類物體的輪廓。

5.如權利要求3所述的方法，其特征是，所述預訓練的隨機森林模型的訓練過程包括：

提取已知物體類別標簽的特征，將已知物體類別標簽的特征輸入到隨機森林模型中進行訓練，得到訓練好的隨機森林模型。

6.如權利要求1所述的方法，其特征是，所述基于目標識別后的結果進行車道識別，具體步驟包括：

設定點云密度閾值，將三維點云數據中點云密度大于點云密度閾值的區域視為車道。

7.如權利要求1所述的方法，其特征是，所述基于激光雷達相鄰幀的三維點云數據，估計道路上每一輛車的速度，具體步驟包括：

激光雷達掃描的若干幀數據中，追蹤同一輛車，在選取所追蹤的車輛點云中距離激光雷達最近的一個點，利用相鄰幀同一點坐標的變化即可求出該輛車的速度。

8.如權利要求1所述的方法，其特征是，所述基于道路上每一輛車的速度，確定每個車道上的末尾車輛，進而估計每個車道上的排隊長度，具體步驟包括：

確定每個車道上的末尾車輛；

確定每個車道上的末尾車輛車身長度；

根據每個車道上的末尾車輛、末尾車輛的車身長度和當前車道上其他車輛的車身長度，計算出每個車道上的排隊長度。