非匀速条件下车辆底盘超近距成像测量方法

针对车辆非匀速条件下轴距视觉测量及轴型识别所面临的超近距、大幅面、低畸变成像及视觉测量问题,提出一种适用于非匀速条件下的车辆底盘结构超近距成像测量方法。利用鱼眼相机采集运动车辆底盘的超广角图像序列,通过一种改进的多采样点圆拟合方法实现图像感兴趣区域的提取。建立三维等距成像模型对鱼眼图像进行畸变校正。针对车辆非匀速行驶带来的视频帧重叠度差异,采用基于图像内容的重叠度分析技术,实现了多步分层的关键帧提取,有效避免了车速不稳定对车辆底盘结构测量的影响。现场实验结果表明:该方法可在非匀速条件下,以20~50 cm的成像距离获得清晰、低畸变的完整车辆底盘图像,车辆轴距测量误差均值约为5%。

利用视频图像计算车辆速度

交通事故车辆行驶速度的确认,是分析事故发生原因及认定事故责任的重要依据。在交通违法案件处理过程中,车辆行驶速度超过道路规定限制值的多少,也决定了驾驶人所受处罚程度的轻重。利用固定式视频图像计算车辆行驶速度时,通常需要在目标车辆同侧车身表面距地等高位置上,选取两个至车辆纵向对称面等距离的特征点,二者之间的距离为被鉴定车辆的行驶位移。当视频图像模糊不清晰,难以准确选取前述的特征点时,仅能依靠车辆同侧车身易于识别的特征位置,对车辆行驶速度进行粗略的估算,计算结果的精度较低。通过建立数学模型,对一起交通事故车辆的行驶速度进行分析研究,并通过调整相关参数提高鉴定结果的精准度。

Visio软件在车速鉴定中的应用

为提高基于视频图像的车速鉴定精度和效率,文章提出一种利用软件辅助标注事故元素特征点的方法。首先剖析车速鉴定过程中影响鉴定结论精度的因素;接着介绍运用Office Visio软件标记事故元素特征点的基本方法和注意事项;最后通过实际案例对Visio软件在视频图像车速鉴定的应用效果。结果表明:Visio软件操作简单,对特征点的二维位置进行约束,可进一步提高车速鉴定结论的精度和效率。

机动车视频测速中关键技术的研究与实现

针对通过视频检测机动车行驶速度方法精度低、易受阴影干扰和无法对多辆机动车同时测速的问题,该文介绍了一种基于机动车视频测速模型检测机动车行驶速度的新方法。基于该测速模型实现的机动车视频测速系统取得了令人满意的测速效果,在一定条件下其视频测速精度可达到98.33%。

基于监控视频图像的车辆测速

基于监控视频图像的车辆测速方法(视频测速)的工作原理,提出了一种视频测速的实现思路,指出了在间隔已知时间的视频帧图像中找到对应块是实现视频测速的关键和难点。对车灯的特征进行了分析,根据车灯区域的特征,提出了采用灰度差水平叠加投影的方法,构造可以代表其鼓形区域的函数,以其作为定位车灯带的判别函数,并根据车灯的特点进行候选块筛选的一种简单快速的车灯区域定位方法,可在平均13ms内准确定位到车灯区域,从而为这一高速条件下视频测速的关键难点提出了一种切实可行的解决办法。

多车道的车流量统计

针对视频车流量检测容易受光线变化以及相邻车辆阴影影响的问题,提出一种基于车辆图像能量差分的车流量检测方法。该方法利用车辆视频图像的能量信息作为车辆的检测特征,辨别检测区域各部分状态,减弱光照、阴影等的影响;并且通过实时自动提取和更新背景能量图的方式来检测车流量。实验表明,与传统的背景帧差法相比较,该方法受光照变化、车辆阴影的影响较小,实时性好、准确度高。

基于视频图像处理的机车监控系统

介绍了一种基于视频图像处理下的机车监控系统,探讨了机车的速度测定、机车移动方向的判别2个问题。采用视频图像处理的方法,来实现井下的可视化远程监控与测量。提出了一种视频测速的实现思路,同时提出了一种基于块匹配法的运动估计技术来解决机车的移动方向问题。

一种提高视频车速检测精度的方法

通过对基于虚拟线的机动车视频测速方法的精度分析,提出了一种提高测速精度的方法.该方法在车道上定义一个矩形检测区,该检测区在视频图像上呈现出梯形,采用二维图像标定方法将梯形图像区域中任意一点的图像坐标准确地映射为检测区内对应点的地面坐标.通过在车辆经过检测区的视频图像中选取适当的图像帧,可以获得车辆的位移及对应的时间间隔,从而获得较高精度的速度测量结果.

基于视频图像的车速检测方法

基于视频图像对车辆速度进行检测,调用OpenCV自带的运动目标检测框架,来实现对行驶车辆的检测与跟踪,接着根据摄像机标定结果获取图像坐标与世界坐标的转换关系,求得检测车辆在实际空间中的行驶距离,最后依据速度公式便能得到所检测车辆车速。经测试,该方法具有较高的检测精度,满足实际应用的需求。

基于视频检测的车辆测速方法

机动车辆的测速是智能交通系统中一个重要的组成，主要方法有线圈测速、激光测速、雷达测速、视频测速等。视频测速方法由于安装方便，成本较低，若能有较好的测速精度，则有着广泛的应用前景。通过在视频图像中对车辆尾部的检测，利用图像匹配方法找出车尾在两相邻帧图像中移动的距离，再利用图像坐标与世界坐标的相互转换，计算出两帧图像中车辆移动的实际距离。经测试，该方法能够对车辆进行准确测速，在车速为0～140km／h的条件下，平均测速误差为±2％，处理80万像素的视频图像，每帧测速时间约为10ms，满足了实时条件的要求。

基于图像处理的前方行驶车辆速度测量方法

车辆超速行驶是造成高速公路交通事故的主要原因之一,依赖于固定摄像机的传统视频测速系统测速区域十分有限。通过车载双目电荷耦合器件(CCD)摄像头获取车辆行驶过程中前方车辆的行驶状态,提出了一种测量前方行驶车辆速度的方法。利用改进Hough变换识别车道线,提取感兴趣区域,以车底阴影特征为基础完成车辆检测,通过在车载视频图像中选取适当的图像帧,获得车辆的相对位移及对应的时间间隔,获得前方车辆的行驶速度。经测试,算法能得到较高精度的速度测量结果。

图像识别在编组站驼峰作业过程控制中的应用

利用图像识别理论,针对编组站驼峰作业情况,提出一种通过图像序列快速、直观判断溜放车组特征和走行趋势的方法。根据图像的形状特征,采用伸长度、圆度、矩形度、凹凸度4个参数作为模式样本的特征。采用基于熵的运动目标的检测方法实现目标检测和跟踪。用Kalman滤波来更新背景,用当前帧图像减除动态背景,用信息熵来选择阈值,使目标和背景的信息量达到最大,从而将目标和背景正确分割。通过双轨检测判断车组走行位置。应用统计原理,建立计算距离与实际距离的关系模型,通过分析和计算分别得到双曲线拟合、二阶多项式拟合及三阶多项式拟合三条回归曲线,选取三阶多项式作为关系模型。根据车组的实际位置计算车组的瞬时速度。

基于图像的运动车辆速度测量

提出了一种新的基于CCD图像测量运动车辆车速的方法.其工作原理是通过抓拍运动车辆前后两次的瞬时图片,根据车辆与CCD之间的相对位置关系,参照预置的定标线,求出车辆的运行速度.文中分析了2种测量误差,讨论了如何选择2张图片的拍摄位置.仿真实验验证了所提方法的有效性.

基于动平台多源数据的运动目标测量方法研究

根据运动目标性能试验需求及试验平台的特点,建立一个影像数据测量系统,实现目标的运动视频记录和外部参数测量。采用基于OpenCV的棋盘格内参数标定结合基于平台上固定标识点、线为基准的外场标定的摄像机标定方法,采用高速影像数据、中线视频数据和GPS数据相结合的方法实现目标运动的轨迹、姿态等参数的测量。通过测量精度分析及多次试验结果证明,测量精度达到水平方向优于10cm,高程方向优于5cm,姿态精度优于0.5°。

机动车超速监测系统现场测速误差检定装置研制

为更准确地检测机动车超速监测系统现场测速误差,以社会车辆为目标速度源,在机动车超速监测系统的临近位置,架设更高精度的测速装置,对相同速度监测和图像采集区域内的社会车辆,进行同步测量和同步图像采集,通过对比两者的速度量值实现对超速监测系统的检定校准。该装置用于检定道路超速监测系统的速度量值线性与误差,可以测量足够多的社会车辆样本,重点选取限速点附近的速度测量值进行对比分析。装置安装简单,使用方便,可以大幅提升检定效率与操作安全性。

一种基于车辆运动轨迹的车速估算方法

车速检测在交通信息采集中具有非常重要的作用,到目前为止,已经有许多检测方法被提出。该文提出一种计算方法,利用视频图像处理技术进行运动车辆的检测和跟踪,并且在车辆跟踪的基础上提取其运动轨迹,最后通过建立摄像机模型进行成像变换,计算出车速。

高速公路超速布控网络系统的设计与实现

介绍了新一代高速公路超速布控网络系统的设计与实现,包括系统总体结构、视频测速原理、系统特点、 性能指标等。该系统已投入使用,效果令人满意。

监控视频中车辆平均速度测算方法比较

根据车辆速度计算公式,提出了两种基于监控视频测速的思路。一是视频图像与实地测量相结合,车辆运动距离通过与监控画面匹配后实地测量,运动时间通过视频帧率运算分别获得。二是利用车辆技术参数测量,在视频图像中,车身前后明显部位经过同一点,车辆运动距离和时间分别通过被测车型技术参数、视频帧率运算获得。并通过实验结果对两种方法进行评价。

基于计算机视觉的车速测量方法研究

针对车辆测速的问题,研究了基于计算机视觉的车速测量方法,分析了序列清晰图像测速、模糊图像测速和区间测速,并详细介绍了基于单幅模糊图像的车速测量方法,从车速测量模型出发,分析了测量方法中存在的问题,并提出了改进方向。

一种单幅运动模糊图像的车速测量算法

针对道路中行驶车辆速度测量的问题,利用运动车辆所产生的单幅运动模糊图像可获取车辆在曝光时间内的运动信息,从中提取其运动参数,进而实现行驶车辆的速度测量。在分析运动模糊成像机理和车速测量模型的基础上,构建道路交通场景实验环境,用CCD相机以多种快门速度对车速在25~130 km/h之间的行驶车辆进行多次抓拍;通过定位单幅模糊图像中车辆轮毂的边界,并计算轮毂运动方向和非运动方向上的直径差来估算车辆的运动参数,完成车速测量实验。实验数据表明:不同曝光时间和不同车速情况下,车速测量的误差绝对值都在8%以内。结果表明该算法对成像环境要求不高,且适用于不同车型。