[发明专利]一种隧道内车辆可视化监测的方法、设备及存储介质在审
申请号: | 202210881213.4 | 申请日: | 2022-07-26 |
公开(公告)号: | CN114943940A | 公开(公告)日: | 2022-08-26 |
发明(设计)人: | 李玉宝;王文静;陈莹;井囡囡;王双 | 申请(专利权)人: | 山东金宇信息科技集团有限公司 |
主分类号: | G06V20/54 | 分类号: | G06V20/54;G06V20/40;G06V10/774;G06T17/00;G06T7/80;G06T7/33;G06T7/246;G06T5/00;G06T3/40 |
代理公司: | 济南千慧专利事务所(普通合伙企业) 37232 | 代理人: | 史传英 |
地址: | 250101 山东*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 隧道 车辆 可视化 监测 方法 设备 存储 介质 | ||
1.一种隧道内车辆可视化监测的方法,其特征在于,所述方法包括:
通过图像采集设备与激光雷达,分别采集待监测隧道对应的隧道图像数据集与点云数据集,并基于所述隧道图像数据集与所述点云数据集构建所述待监测隧道对应的隧道三维模型;
将所述待监测隧道中的传感器设备与所述隧道三维模型进行关联,以获得所述待监测隧道对应的数字孪生体;
接收实时隧道视频数据,并对所述实时隧道视频数据中包含的车辆标定信息进行提取;其中,所述隧道视频数据通过设置于隧道内的智能摄像机获取,所述标定信息由所述智能摄像机中的预设的识别算法处理获得;
基于所述车辆标定信息,在所述待监测隧道对应的数字孪生体中生成对应的实时车辆数字对象,并通过可视化大屏,将包含所述实时车辆数字对象的数字孪生体进行展示。
2.根据权利要求1所述的一种隧道内车辆可视化监测的方法,其特征在于,基于所述隧道图像数据集与所述点云数据集构建所述待监测隧道对应的隧道三维模型,具体包括:
将所述点云数据集输入到预设的三维点云建模软件进行塑模,以获得所述待监测隧道对应的初始隧道三维模型;
通过预设的图像处理算法对所述隧道图像数据集进行处理,以获得所述待监测隧道对应的整体可见光表面图像;
对所述初始隧道三维模型与所述整体可见光表面图像进行数据叠加,以实现对所述隧道三维模型的构建。
3.根据权利要求2所述的一种隧道内车辆可视化监测的方法,其特征在于,在将所述点云数据集输入到预设的三维点云建模软件进行塑模之前,所述方法还包括:
通过预设的点云处理算法,对所述点云数据集进行预处理,以获得对应的增强点云数据集;
基于预设的点云目标识别模型,确定所述增强点云数据集中包含的标志物点云数据集;
确定所述标志物点云数据集中的第一标志物特征点,并基于所述标志物特征点对所述点云数据集进行点云配准。
4.根据权利要求3所述的一种隧道内车辆可视化监测的方法,其特征在于,通过预设的点云处理算法,对所述点云数据集进行预处理,以获得对应的增强点云数据集,具体包括:
通过K最近邻分类算法,将所述点云数据集分为两个点云数据子集;
通过WLOP 算法对所述两个点云数据子集进行投影计算,以获得对应的两个投影子集;
对所述两个投影子集分别进行预设数量次迭代,以确定所述两个投影子集对应的两个迭代子集;
对所述两个迭代子集进行合并,以获得所述增强点云数据集。
5.根据权利要求2所述的一种隧道内车辆可视化监测的方法,其特征在于,通过预设的图像处理算法对所述隧道图像数据集进行处理,以获得所述待监测隧道对应的整体可见光表面图像,具体包括:
通过纳维滤波算法,对所述隧道图像数据集中的各隧道图像进行降噪处理;
通过预设的图像目标识别模型,对经过降噪处理后的所述隧道图像数据集中的各隧道图像进行标志物识别;
确定所述各隧道图像中标志物对应的第二标志物特征点,并基于所述第二标志物特征点对所述各隧道图像进行拼接处理,以确定所述待监测隧道对应的整体可见光表面图像。
6.根据权利要求1所述的一种隧道内车辆可视化监测的方法,其特征在于,在接收实时隧道视频数据,并对所述实时隧道视频数据中包含的车辆标定信息进行提取之前,所述方法还包括:
所述智能摄像机获取初始实时隧道视频数据,并基于预设的目标识别及跟踪算法,确定所述初始实时隧道视频数据中包含的各车辆的车辆信息;其中,所述车辆信息包括:车辆属性信息、车辆位置信息及运动状态信息;
基于所述各车辆的车辆信息,对所述初始实时隧道视频数据进行标签化处理,以获得包含车辆标定信息的所述实时隧道视频数据。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东金宇信息科技集团有限公司,未经山东金宇信息科技集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210881213.4/1.html,转载请声明来源钻瓜专利网。