[發明專利]一種基于空中機器人移動視覺的車速測量方法

在審

• 申請號: 202110414461.3
• 申請日: 2021-04-16
• 公開（公告）號: CN113066106A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 王鵬;張紅生
• 申請（專利權）人: 西北工業大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06K9/62;G08G1/054
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 金鳳

本發明公開了一種基于空中機器人移動視覺的車速測量方法，通過獲取空中機器人所拍攝的視頻圖像畫面，可以獲取到車輛的運動軌跡；同時，通過檢測車輛所在道路上的車道線，計算出圖上距離，求得實際距離和圖上距離的比值，算出車輛的實際運動距離；從而最終計算出畫面內所有車輛的瞬時速度。本發明方法克服了傳統固定測速設備靈活性不強、造價高昂、安裝困難等缺點，擺脫了現有空中車輛測速方案對空中機器人飛行姿態的高要求，機動性強，對飛行姿態和飛手的要求不高，能夠實時地監測地面車輛的速度，使用方便。

技術領域

本發明屬于計算機視覺技術領域，具體涉及一種車速測量方法。

背景技術

現有的車速測量一般多是基于卡口測速，其基本都是結合測速雷達進行測速的，這種設備只能針對特定位置或特定區間對超速行駛的車輛進行抓拍取證，具有極大的局限性。

由于傳統的基于固定測速攝像頭及測速儀器進行車速測量的方法抓拍區域有限、設備部署繁瑣、設備造價高昂、損壞后難以及時修復等缺點，且大部分測速設備的位置都是已知的，車輛駕駛人員能夠針對性的改變車速以躲避測速設備的監測。因此利用空中機器人的視覺進行車速測量具有巨大的實用價值和商業價值。

基于空中機器人的視覺進行車速測量在目前智慧交通管理中是一項具有挑戰性和重要意義的任務。空中機器人在運作時，可向交警等地面人員提供實時的監測畫面，讓他們可以在較大的區域內找出違章司機。雖然空中機器人能夠幫助交警找出危險駕駛者并且予以警告和處罰，但它們目前較少地應用到車輛測速的交通監測管理場景，超速等違法違規現象的抓拍取證仍主要依賴于固定測速攝像頭以及測速儀器。

專利[一種利用無人機監測超速行車的方法、監測系統及無人機,CN 111583670A]提出了一種利用無人機監測超速行車的方法、監測系統及無人機。其通過一段時間內的無人機對地速度得到無人機的位移，同時計算在這段時間內目標車輛在畫面中的位移，根據無人機上的吊艙對地角度及無人機高度算出車輛與無人機的相對位移，從而計算出目標車輛的對地位移，最后計算出車輛的速度。這種方法要求操縱無人機的飛手需要確保無人機在工作時，無人機具有固定的飛行速度、飛行高度和吊艙對地角度，這對飛手的操控水平提出了較高的要求。因此這種方法具有很大的局限性，不能適應復雜多變的環境。

發明內容

為了克服現有技術的不足，本發明提供了一種基于空中機器人移動視覺的車速測量方法，通過獲取空中機器人所拍攝的視頻圖像畫面，可以獲取到車輛的運動軌跡；同時，通過檢測車輛所在道路上的車道線，計算出圖上距離，求得實際距離和圖上距離的比值，算出車輛的實際運動距離；從而最終計算出畫面內所有車輛的瞬時速度。本發明方法克服了傳統固定測速設備靈活性不強、造價高昂、安裝困難等缺點，擺脫了現有空中車輛測速方案對空中機器人飛行姿態的高要求，機動性強，對飛行姿態和飛手的要求不高，能夠實時地監測地面車輛的速度，使用方便。

本發明解決其技術問題所采用的技術方案包括如下步驟：

步驟1：收集數據；

利用空中機器人在移動視覺下采集不同車輛和道路的圖像，并對采集到的圖像中的車輛和道路進行標注；

對標注后的圖像進行數據增廣；

再用數據增廣后的圖像形成訓練集；

步驟2：模型訓練

采用神經網絡模型，設置訓練參數，利用訓練集對神經網絡模型進行訓練；

訓練完成的神經網絡模型能夠檢測輸入圖像中的車輛和道路；

步驟3：車速測量；

步驟3-1：對空中機器人采集的視頻，每隔N幀，截取一幅圖像，輸入步驟2訓練完成的神經網絡模型，檢測出圖像中的車輛和道路；