[发明专利]一种基于车载摄像的道路交通状况检测方法

权利要求书

1.一种基于车载摄像的道路交通状况检测方法，其特征在于，包括以下步骤：

步骤1、车载摄像标定：根据单目车载摄像设备的成像原理，车载摄像标定是三维计算机视觉中从二维图像中提取度量信息；

步骤2、行车道上车辆检测：利用深度学习目标检测算法YOLOv3对行驶在公路的车辆进行检测与识别；

步骤3、行驶车道检测：利用Hough变换算法，采用直线模型对车道线检测并进行拟合；

步骤4、车辆统计：根据图像数据在输出的回归边界框的位置及其所属的类别，并判断其所属车道，然后进行逐一统计；

步骤5、交通估计：根据车辆检测与统计的结果，结合提出一种数学模型的估计行驶路线上的交通状况，道路上的车辆密度可以作为交通系统中交通状况的有效指标，用来描述是道路交通状况，按照上述方法，基于车道信息的车辆计数与坐标变换方法，车道i的可检测距离，记为D_v,i，车道i的上检测与识别到的车辆统计结果，记为N_den,i，确定车道i上的车辆密度，记为V_den,i，车道宽度记为W_lane，Sp_limit表示道路上受限的行驶速度；表示导致交通状况不佳的最大车辆密度。

2.如权利要求1所述的一种基于车载摄像的道路交通状况检测方法，其特征在于，步骤1是指：

设定三维世界的坐标点为M＝[X,Y,Z,1]^T，二维相机平面像素坐标为m＝[u,v,1]^T，车载摄像设备的标定公为式sm＝A[R t]M，其中s为尺度因子，A代表摄像设备的内参数，[R t]代表外部参数，其中R为旋转矩阵，t为平移向量，[R t]将点(X,Y,Z)进行坐标变换，这个坐标系相对于摄像机来说是固定不变的，通过对车载摄像进行标定，得到相机参数。

3.如权利要求1所述的一种基于车载摄像的道路交通状况检测方法，其特征在于，步骤2是指：通过车载摄像设备感知周围环境，并记录下来，使用车辆数据集训练的模型，利用基于深度学习的目标检测算法YOLOv3来检测所记录视频中的车辆信息，对视频进行帧提取，逐帧检测与识别图像中的车辆，对预测出的车辆并绘制出bounding boxes。

4.如权利要求1所述的一种基于车载摄像的道路交通状况检测方法，其特征在于，步骤3是指：基于Hough变换特征提取技术，检测具有特定形状的物体，原空间隐射到参数空间，在参数空间中的图像形式根据投票方式所得，定义Hough变换参数定义，rho：距离分辨率，以Hough网格的像素为单位，既直线到图像原点(0,0)点的距离；以Hough网格弧度为单位的角分辨率；threshold：Hough网格单元中的交叉点，根据最小投票数累加器中的值判断是一条直线；min_line_length：组成一行的最小像素数，找出线的最短长度；max_line_gap：可连接线段之间像素的最大间隙，两条直线之间的最大间隔，小于此值，认为是一条直线；

标记出车道线在图像中的位置，对原始图像进行灰度变换、高斯平滑、Canny边缘检测、掩膜处理，得到最终的Hough图像，在单帧图像中，d为道路在图像中宽度；W_image为图像宽度；H_image为图像高度。