[發(fā)明專利]一種高速公路異常事件場景庫構(gòu)建方法

有效

• 申請?zhí)枺?/td>: 202210140548.0
• 申請日: 2022-02-16
• 公開（公告）號: CN114201890B
• 公開（公告）日: 2022-05-24
• 發(fā)明（設計）人: 宣帆;徐璀;肖通;葉嘉駿;史云陽;顧子淵
• 申請（專利權(quán)）人: 蘇州博宇鑫交通科技有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06T17/00
• 代理公司: 蘇州科仁專利代理事務所(特殊普通合伙) 32301
• 代理人: 郭楊

一種高速公路異常事件場景庫構(gòu)建方法,通過利用yolo神經(jīng)網(wǎng)絡、卡爾曼濾波等算法獲取車輛軌跡數(shù)據(jù)，利用TraCI接口重現(xiàn)車輛軌跡，獲取仿真車輛軌跡數(shù)據(jù)，通過SUMO仿真環(huán)境和CARLA三維仿真環(huán)境的聯(lián)合仿真構(gòu)建異常事件場景庫，為測試自動駕駛等車輛算法提供真實的測試環(huán)境，且該構(gòu)建方法兼容性高，可以構(gòu)建多類別的異常事件場景庫，測試車輛算法對于異常路況的魯棒性，提高仿真測試效率。

技術(shù)領(lǐng)域

本發(fā)明涉及一種高速公路異常事件場景庫構(gòu)建方法。

背景技術(shù)

近年來，我國交通的智能化水平不斷提升，交通與互聯(lián)網(wǎng)融合應用的步伐不斷加快，智能交通已經(jīng)成為我國智慧城市建設中的重要一環(huán)。為了節(jié)約測試的時間與成本，規(guī)避道路實測的危險性，提高測試和優(yōu)化的效率，數(shù)字孿生被廣泛應用到智能交通領(lǐng)域，以數(shù)字孿生為核心的交通仿真也得以迅猛發(fā)展。

同時，隨著大數(shù)據(jù)技術(shù)在交通領(lǐng)域的逐步融合深化，新興的數(shù)據(jù)驅(qū)動方法（如機器學習、強化學習等）通過對道路視頻數(shù)據(jù)的信息處理與提取，為重現(xiàn)車輛運行軌跡提供了更好的思路。

在現(xiàn)有技術(shù)中，用于算法測試的異常交通事件場景庫往往僅由人工設置，且難以真實地描繪受異常事件影響的交通流運行情況，較為簡單且容易失真。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是提供一種高速公路異常事件場景庫構(gòu)建方法。

為了解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是：一種高速公路異常事件場景庫構(gòu)建方法,包括以下具體步驟：S1、獲取高速公路視頻數(shù)據(jù)，提取高速公路交通異常事件所在路段與時段的異常視頻數(shù)據(jù)，采用像素級處理得到二維區(qū)域信息，通過所述二維區(qū)域信息導入異常視頻數(shù)據(jù)得到車輛位置判定異常視頻數(shù)據(jù)，通過相機的內(nèi)外參數(shù)標定，將真實世界中點的世界坐標轉(zhuǎn)化為在所述車輛位置判定異常視頻數(shù)據(jù)內(nèi)的像素坐標，利用yolo系列的深度神經(jīng)網(wǎng)算法對所述二維區(qū)域內(nèi)的車輛進行目標檢測，結(jié)合卡爾曼濾波采用級聯(lián)匹配對所述二維區(qū)域中所有車輛實現(xiàn)檢測追蹤，通過車輛的所述像素坐標計算其在真實世界中的世界坐標，并提取位置點并記錄，形成軌跡，獲取車輛軌跡數(shù)據(jù)；S2、搭建SUMO仿真環(huán)境，自動生成仿真坐標系，設定視頻坐標系，匹配所述仿真坐標系和所述視頻坐標系，根據(jù)步驟S1中的所述車輛軌跡數(shù)據(jù)，利用TraCI接口重現(xiàn)車輛軌跡，獲取仿真車輛軌跡數(shù)據(jù)；S3、基于所述仿真車輛軌跡數(shù)據(jù)，利用CARLA搭建三維仿真環(huán)境，聯(lián)合所述SUMO仿真環(huán)境和所述三維仿真環(huán)境，構(gòu)建異常事件場景庫。

在某些實施方式中，步驟S2中所述仿真車輛軌跡數(shù)據(jù)包括車輛類型、檢測起止時間、x坐標、y坐標、轉(zhuǎn)向值、速度。

在某些實施方式中，步驟S1中所述高速公路交通異常事件為臨時交通管制造成的交通瓶頸、異常天氣、路面條件、車輛故障、物品散落造成的交通擁堵或交通事故。

在某些實施方式中，步驟S1中通過相機的內(nèi)外參數(shù)標定，具體包括：S11，相機外部參數(shù)標定，選取路面多個點，根據(jù)世界坐標系下的實際坐標與其在圖像中的像素坐標，獲取世界坐標系三維點到相機坐標系三維點之間的剛體變換關(guān)系；S12，相機內(nèi)部參數(shù)標定，選取路面多個點，根據(jù)世界坐標系下的實際坐標與其在圖像中的像素坐標，獲取相機坐標系三維點到圖像坐標系二維點之間的透視投影變換關(guān)系，包括透視投影矩陣；S13、將所述剛體變換關(guān)系和所述透視投影變換關(guān)系結(jié)合在一起構(gòu)成投影矩陣使得相機內(nèi)外部參數(shù)同時實現(xiàn)標定。

在某些實施方式中，步驟S2中利用TraCI接口重現(xiàn)車輛軌跡具體包括：S31，根據(jù)車輛類型生成對應車輛，利用TraCI接口基于起止時間生成與移除車輛；S32，讀取x坐標、y坐標、轉(zhuǎn)向值，利用TraCI接口控制車輛運行的起始位置，重現(xiàn)車輛軌跡。

本發(fā)明的范圍，并不限于上述技術(shù)特征的特定組合而成的技術(shù)方案，同時也應涵蓋由上述技術(shù)特征或其等同特征進行任意組合而形成的其它技術(shù)方案。例如上述特征與本申請中公開的（但不限于）具有類似功能的技術(shù)特征進行互相替換而形成的技術(shù)方案等。