本發(fā)明涉及信號交叉口排隊車輛靜態(tài)間距快速測算方法。

背景技術(shù)：

信號交叉口是典型的間斷流設(shè)施，其范圍內(nèi)的車輛始終包含停止和運行兩種狀態(tài)。信號交叉口排隊車輛靜態(tài)間距是指當前車輛停止等候紅燈時與前車保持的空間間隔，特指前車車尾至當前車車頭的距離。靜態(tài)間距在一定程度上反映了停止之前車輛間的相互作用，對信號交叉口的通行效率和安全狀況均有重要的影響。

現(xiàn)階段信號交叉口排隊車輛靜態(tài)間距測量方法主要有兩種：一種是基于車頭時距的轉(zhuǎn)換方法。由于車頭時距的測量較為容易，一般可根據(jù)啟動階段相鄰兩車的車頭時距和后車的速度及長度計算車輛之間的空間間隔。這種方法涉及到對后車速度的估計以及車輛長度假設(shè)，使用局限性較大且精度難以保證；另一種是基于視頻定點拍攝的測量方法，即通過視頻記錄的某一交叉口的交通運行狀況，進而截取紅燈期間的圖像來測算車輛之間的空間間隔。這種方法實施容易，但受拍攝位置、拍攝角度及天氣狀況的影響較大，精度較低。此外，該方法主要適用于定點觀測，無法應用于針對車輛個體的連續(xù)觀測。

總體來看，現(xiàn)階段的技術(shù)應用存在著測距設(shè)備要求較高、測距模型較復雜、計算效率較低等問題。

技術(shù)實現(xiàn)要素：

本發(fā)明是為了解決現(xiàn)有技術(shù)存在測距設(shè)備要求較高、測距模型較復雜及計算效率較低的問題，而提出的一種信號交叉口排隊車輛靜態(tài)間距快速測算方法。

一種信號交叉口排隊車輛靜態(tài)間距快速測算方法按以下步驟實現(xiàn)：

步驟一：根據(jù)選擇的車載視頻設(shè)備及安裝高度，確定車輛間距測量參數(shù)；

步驟二：對車載視頻設(shè)備拍攝的視頻進行視頻圖像預處理；

步驟三：對步驟二預處理后的圖像進行車牌定位及車牌分割；

步驟四：根據(jù)步驟三計算現(xiàn)實空間中車牌底部距地面的高度；

步驟五：根據(jù)步驟四并結(jié)合測距模型，計算信號交叉口排隊車輛靜態(tài)間距。

發(fā)明效果：

本發(fā)明主要是借助于計算機單目視覺技術(shù)進行信號交叉口排隊車輛的靜態(tài)間距測算，該技術(shù)在車輛間距估計方面有了較多的應用。

1、本發(fā)明提供了一種非人工的信號交叉口靜態(tài)間距測量技術(shù)，且該測量技術(shù)具有較高的測量精度。在測距試驗在2.0～6.5m范圍內(nèi)每隔0.5m拍攝取樣，結(jié)果表明所建立的測距模型的總體精度較高，平均相對誤差僅為5.31％，具體如表1所示。

表1模型測量距離與實際距離對比表

2、本發(fā)明只需要對車載視頻設(shè)備的安裝參數(shù)進行簡單的一次標定，就可以借助圖像處理軟件(如Matlab)快速獲取某一車輛個體在一系列信號交叉口中的靜態(tài)間距，在常用計算機(Intel Core i7處理器，4G內(nèi)存)上平均每幅圖像的處理時間小于1.0s。

3、本發(fā)明提出了一種針對個體車輛信號交叉口靜態(tài)間距連續(xù)觀測的技術(shù)手段，為分析現(xiàn)實環(huán)境下駕駛員在信號交叉口的靜態(tài)間距保持規(guī)律以及判斷駕駛員的駕駛行為特性(激進型、溫和型或保守型)提供了便捷、可靠的技術(shù)支撐。

4、應用本發(fā)明測得的精度較高的信號交叉口排隊車輛靜態(tài)間距，可以為交叉口車輛排隊長度、交叉口通行能力、交叉口安全狀況分析提供數(shù)據(jù)支撐。

附圖說明

圖1為現(xiàn)實空間與圖像空間映射關(guān)系示意圖；

圖2為測距基本原理示意圖；

圖3為視頻圖像預處理流程圖；

圖4為車牌定位流程圖；

圖5為圖像預處理和車牌定位過程圖；

圖6為靜態(tài)間距分布直方圖。

具體實施方式

具體實施方式一：一種信號交叉口排隊車輛靜態(tài)間距快速測算方法包括以下步驟：

步驟一：根據(jù)選擇的車載視頻設(shè)備及安裝高度，確定車輛間距測量參數(shù)；

步驟二：對車載視頻設(shè)備拍攝的視頻進行視頻圖像預處理；

步驟三：對步驟二預處理后的圖像進行車牌定位及車牌分割；

步驟四：根據(jù)步驟三計算現(xiàn)實空間中車牌底部距地面的高度；

步驟五：根據(jù)步驟四并結(jié)合測距模型，計算信號交叉口排隊車輛靜態(tài)間距。

本發(fā)明是利用計算機單目視覺技術(shù)和視頻圖像處理方法，通過車牌定位實現(xiàn)面向車輛個體的信號交叉口排隊車輛空間間隔快速測量。與傳統(tǒng)測距方法不同的是，本發(fā)明是基于通用的民用車載視頻設(shè)備，通過一定的視頻設(shè)備安裝技巧和建模技巧，簡化了測距模型并提高了測算效率和精度。具體的發(fā)明內(nèi)容包括測距原理與模型、測距工作過程、視頻設(shè)備安裝技巧。

視頻設(shè)備安裝技巧

視頻設(shè)備應固定在車輛前方風擋玻璃上，具體安裝技巧如下：(1)安裝在車輛后視鏡后方，一方面減少視頻設(shè)備對駕駛員的視線干擾，另一方面可以便于安裝高度和距車頭距離的確定；(2)視頻設(shè)備的安裝應保持水平，以保證圖像中的點(u,v)的射線在現(xiàn)實空間中與標準軸線形成的垂直夾角為θ＝0度，可簡化計算、提高計算效率。

具體實施方式二：本實施方式與具體實施方式一不同的是：所述步驟一中確定車輛間距測量參數(shù)具體為：

選擇合適的車載視頻設(shè)備，并確定截取圖像的分辨率m×n和車載視頻設(shè)備的孔徑張角2α等基本攝像參數(shù)；確定車載視頻設(shè)備距其所在車車頭的距離l₀和車載視頻設(shè)備距地面高度h等基本安裝參數(shù)；明確不同車型汽車尾部車牌的顏色和實際尺寸，參照中華人民共和國機動車號牌(GA36-2014)標準。

其它步驟及參數(shù)與具體實施方式一相同。

具體實施方式三：本實施方式與具體實施方式一至二之一不同的是：所述步驟二中對車載視頻設(shè)備拍攝的視頻進行視頻圖像預處理的具體過程為：

根據(jù)車載視頻設(shè)備記錄的視頻，提取車輛在信號交叉口遇到紅燈排隊等候時的靜態(tài)圖像，形成基礎(chǔ)測距圖像庫；

由于所處的行車環(huán)境復雜多變，容易受到光照、天氣等外在環(huán)境因素的影響使得視頻圖像可能會出現(xiàn)模糊、帶有噪聲的現(xiàn)象。為了提高測距精度，利用matlab圖像處理工具箱對圖像進行圖像裁剪、圖像灰度化、灰度矯正、中值濾波和邊緣檢測處理，得到中間過程圖像，基本流程如圖3所示。

其它步驟及參數(shù)與具體實施方式一至二之一相同。

具體實施方式四：本實施方式與具體實施方式一至三之一不同的是：所述步驟三中對步驟二預處理后的圖像進行車牌定位及車牌分割的具體過程為：

車牌定位的具體過程為：

利用matlab圖像處理工具箱對步驟二得到的中間過程圖像依次進行圖像腐蝕、膨脹、開閉運算、去除雜質(zhì)以形成完整的車牌填充區(qū)域，并通過編程進行填充區(qū)域內(nèi)的像素點疊加計算，獲得圖像二維空間內(nèi)車牌區(qū)域坐標(u，v)，相關(guān)代碼如下，從而確定車牌的具體位置，得到車牌像素高度h_pu、車牌底邊距地面的像素高度h_u以及實際的車牌高度h_p；[y,x,z]＝size(I_final)；％“I_final”為形態(tài)學處理后得到的車牌填充區(qū)域圖像

完成車牌定位后進行車牌分割，建立車牌位置庫。

車牌在原始圖象中屬于特征明顯的區(qū)域。確切來說，車牌是水平度較高的橫向長方形，它在原始圖象中的相對位置比較集中，且其灰度值與周邊區(qū)域有較大差異，在其邊緣形成了灰度突變的邊界。因此，可通過邊緣信息來對圖象進行定位及分割。車牌定位與分割的流程圖如圖4所示。

其它步驟及參數(shù)與具體實施方式一至三之一相同。

具體實施方式五：本實施方式與具體實施方式一至四之一不同的是：所述步驟四中根據(jù)步驟三計算現(xiàn)實空間中車牌底部距地面的高度的具體為：

其中所述h₀為現(xiàn)實空間中車牌底部距地面的高度。

其它步驟及參數(shù)與具體實施方式一至四之一相同。

具體實施方式六：本實施方式與具體實施方式一至五之一不同的是：所述步驟五中測距模型具體為：

基于圖像二維空間I＝{u,v}和現(xiàn)實三維空間R＝{x,y,z}的映射關(guān)系(如圖1所示，三維空間內(nèi)攝像機坐標為(l,d,h))，結(jié)合車載視頻設(shè)備距地面高度、車牌距地面高度及車載視頻設(shè)備攝像參數(shù)等基本數(shù)據(jù)，利用直角三角形的邊角轉(zhuǎn)換關(guān)系，根據(jù)圖2可知，計算當前車車頭與前車車尾的空間間距為：

式中，dp為前車尾部與當前車頭部直接的距離，單位為mθ為圖像中的點(u,v)的射線在現(xiàn)實空間中與標準軸線形成的垂直夾角，即車載視頻設(shè)備的安裝角度(rad)；

由于現(xiàn)階段常用的視頻圖像采集設(shè)備清晰度較高(即m>>1)，同時在保證車載視頻設(shè)備水平安裝的條件下，測距模型可以進一步簡化為：

其它步驟及參數(shù)與具體實施方式一至五之一相同。

實施例一：

步驟一：設(shè)備選擇與安裝

選擇市場上常用的行車記錄儀作為車載視頻設(shè)備，統(tǒng)一安裝在了26輛出租車的前風擋玻璃上，具體的行車記錄儀內(nèi)部參數(shù)和安裝參數(shù)如表2所示。

表2測距基本參數(shù)一覽表

步驟二：圖像采集

行車記錄儀采集道路時間為白天共236.7小時的出租車運行視頻，并從中截取了1896個出租車在信號交叉口紅燈排隊等候時的前車圖像，形成了靜態(tài)間距測量基礎(chǔ)視頻圖像庫。

步驟三：圖像預處理及車牌定位

對基礎(chǔ)視頻圖像庫中的圖像依次進行預處理和車牌定位。以其中的一幅圖像為例，圖像預處理和車牌定位的過程和結(jié)果如圖5所示。

步驟四：靜態(tài)間距測算

利用構(gòu)建的靜態(tài)間距測算模型，計算得到了所截取的1896個圖像所對應的靜態(tài)間距。其中，靜態(tài)間距最小值為0.23m，最大值為7.43m，平均值為1.54m。

步驟五：測算結(jié)果評價

靜態(tài)間距的分布直方圖如圖6所示。選擇常用的連續(xù)型分布進行靜態(tài)間距樣本的擬合，具體包括Gamma分布、Exponential分布、Erlang分布、Weibull分布、Log-normal分布和Log-logistic分布。擬合結(jié)果表明，Log-logistic分布對靜態(tài)間距樣本的擬合優(yōu)度最好，與已有的研究成果吻合。

本發(fā)明還可有其它多種實施例，在不背離本發(fā)明精神及其實質(zhì)的情況下，本領(lǐng)域技術(shù)人員當可根據(jù)本發(fā)明作出各種相應的改變和變形，但這些相應的改變和變形都應屬于本發(fā)明所附的權(quán)利要求的保護范圍。