CN113011323B - 通行状态的获取方法、相关装置、路侧设备及云控平台 - Google Patents
通行状态的获取方法、相关装置、路侧设备及云控平台 Download PDFInfo
- Publication number
- CN113011323B CN113011323B CN202110288819.2A CN202110288819A CN113011323B CN 113011323 B CN113011323 B CN 113011323B CN 202110288819 A CN202110288819 A CN 202110288819A CN 113011323 B CN113011323 B CN 113011323B
- Authority
- CN
- China
- Prior art keywords
- road
- camera
- track
- state
- reference object
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012544 monitoring process Methods 0.000 claims abstract description 68
- 230000003068 static effect Effects 0.000 claims description 6
- 230000000295 complement effect Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 abstract description 14
- 238000012360 testing method Methods 0.000 abstract description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 206010000117 Abnormal behaviour Diseases 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/292—Multi-camera tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/095—Traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30236—Traffic on road, railway or crossing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了通行状态的获取方法、装置、电子设备、计算机可读存储介质、计算机程序产品、路测设备和云控平台,涉及计算机视觉、深度学习和智能交通技术领域等人工智能技术领域。该方法的一具体实施方式包括:获取摄像头组中至少一个摄像头的监控数据,其中,各该摄像头均能拍摄到目标路口不同或相同部分路段的行车状态,并根据各摄像头获取到的监控数据确定参考对象分别在每个摄像头中记录的运动轨迹,进一步的融合相同参考对象的运动轨迹得到补全轨迹,最终根据该补全轨迹所处的道路行进方向预测相应道路上的信号灯指示状态。该实施方式提供了基于车流实况获取通行状态的方法,显著提升获取到目标路口的通行状态的准确率。
Description
技术领域
本申请涉及计算机技术领域,具体涉及计算机视觉、深度学习和智能交通技术领域等人工智能技术领域,尤其涉及通行状态的获取方法、装置、电子设备、计算机可读存储介质、计算机程序产品、路测设备和云控平台。
背景技术
随着人类科技的发展,对于城市智能交通领域的技术建设需求越来越高,为降低因交通路线规划不合理、配速不科学导致的交通效率低下问题,往往需要基于路口的信号灯指示状态获取路口的通行状态,以根据通行状态进行更为科学的交通规划。
现有技术中,为了解交通路口中设置的交通信号灯显示状况,需要结合路况监控摄像头、路测感知摄像头等图像采集设备对包含交通信号灯的显示状况的图像进行采集后,采用推理模型对其中的交通信号灯显示情况进行分析。
发明内容
本申请实施例提出了一种通行状态的获取方法、装置、电子设备、计算机可读存储介质、计算机程序产品、路测设备和云控平台。
第一方面,本申请实施例提出了一种通行状态的获取方法,包括:获取摄像头组中至少一个摄像头的监控数据,其中,各该摄像头均能拍摄到目标路口不同或相同部分路段的行车状态;根据各该摄像头获取到的监控数据,确定参考对象分别在每个该摄像头中记录的运动轨迹;融合相同参考对象的运动轨迹得到补全轨迹;根据该补全轨迹所处的道路行进方向预测相应道路上的信号灯指示状态。
第二方面,本申请实施例提出了一种通行状态的获取装置,包括:监控数据获取单元,被配置成获取摄像头组中至少一个摄像头的监控数据,其中,各该摄像头均能拍摄到目标路口不同或相同部分路段的行车状态;运动轨迹确定单元,被配置成根据各该摄像头获取到的监控数据,确定参考对象分别在每个该摄像头中记录的运动轨迹;补全轨迹生成单元,被配置成融合相同参考对象的运动轨迹得到补全轨迹;指示状态预测单元,被配置成根据该补全轨迹所处的道路行进方向预测相应道路上的信号灯指示状态。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,该指令被至少一个处理器执行,以使至少一个处理器执行时能够实现如第一方面中任一实现方式描述的通行状态的获取方法。
第四方面,本申请实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行时能够实现如第一方面中任一实现方式描述的通行状态的获取方法。
第五方面,本申请实施例提供了一种包括计算机程序的计算机程序产品,该计算机程序在被处理器执行时能够实现如第一方面中任一实现方式描述的通行状态的获取方法。
第六方面,本申请实施例提供了一种路侧设备,该路侧设备中包含有第三方面中描述的电子设备。
第七方面,本申请实施例提供了一种云控平台,该云控平台中包含有第三方面中描述的电子设备。
本申请实施例提供的通行状态的获取方法、装置、电子设备、计算机可读存储介质、计算机程序产品、路测设备和云控平台,获取摄像头组中至少一个摄像头的监控数据,其中,各该摄像头均能拍摄到目标路口不同或相同部分路段的行车状态,并根据各摄像头获取到的监控数据确定参考对象分别在每个摄像头中记录的运动轨迹,进一步的融合相同参考对象的运动轨迹得到补全轨迹,最终根据该补全轨迹所处的道路行进方向预测相应道路上的信号灯指示状态。
本申请根据受信号灯所指示对象的轨迹信息确定被指示对象的运行状态,并基于得到的被指示对象的运行状态来预测该信号灯中的交通信号状态,不仅可以采用非模型识别的方法直接通过摄像头拍摄的监控数据来获取交通信号灯的状态信息,还可以提供可靠的验证信息以验证现有技术中的检测算法或模型识别出的信号灯显示结果。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构;
图2为本申请实施例提供的一种通行状态的获取方法的流程图;
图3为本申请实施例提供的另一种通行状态的获取方法的流程图;
图4-1、4-2、4-3、4-4、4-5为本申请实施例提供的通行状态的获取方法在一应用场景下的各摄像头所确定参考对象的运动轨迹和补全轨迹的效果示意图;
图5为本申请实施例提供的一种通行状态的获取装置的结构框图;
图6为本申请实施例提供的一种适用于执行通行状态的获取方法的电子设备的结构示意图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
图1示出了可以应用本申请的通行状态的获取方法、装置、电子设备及计算机可读存储介质的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103和服务器105上可以安装有各种用于实现两者之间进行信息通讯的应用,例如交通导航类应用、图像分析类应用、即时通讯类应用等。
终端设备101、102、103和服务器105可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等;当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中,其可以实现成多个软件或软件模块,也可以实现成单个软件或软件模块,在此不做具体限定。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器;服务器为软件时,可以实现成多个软件或软件模块,也可以实现成单个软件或软件模块,在此不做具体限定。
服务器105通过内置的各种应用可以提供各种服务,以可以提供获取交通路口的通行状态的交通导航类应用为例,服务器105在运行该交通导航类应用时可实现如下效果:首先,通过网络104从终端设备101、102、103中确定用户希望获取通行状态的目标路口,进而从针对该目标路口假设的摄像头组中获取至少一个摄像头的监控数据,其中,各摄像头均能拍摄到目标路口不同或相同部分路段的行车状态,在获取监控数据后,根据各摄像头获取到的监控数据,确定参考对象分别在每个摄像头中记录的运动轨迹,并融合相同参考对象的运动轨迹得到补全轨迹,最终根据述补全轨迹所处的道路行进方向预测相应道路上的信号灯指示状态。
需要指出的是,目标路口除可以从终端设备101、102、103通过网络104获取到之外,也可以结合实际需求通过各种方式预先存储在服务器105本地。因此,当服务器105检测到本地已经存储有这些数据时(例如为特定区域的已有的导航信息生成道路规划信息、实时通行状态信息),可选择直接从本地获取这些数据,在此种情况下,示例性系统架构100也可以不包括终端设备101、102、103和网络104。
由于基于监控数据确定参考对象的运动轨迹需要占用较多的运算资源和较强的运算能力,因此本申请后续各实施例所提供的通行状态的获取方法一般由拥有较强运算能力、较多运算资源的服务器105来执行,相应地,通行状态的获取装置一般也设置于服务器105中。但同时也需要指出的是,在终端设备101、102、103也具有满足要求的运算能力和运算资源时,终端设备101、102、103也可以通过其上安装的相应应用完成上述本交由服务器105做的各项运算,进而输出与服务器105同样的结果。尤其是在同时存在多种具有不同运算能力的终端设备的情况下,但在所采用应用判断所在的终端设备拥有较强的运算能力和剩余较多的运算资源时,可以让终端设备来执行上述运算,从而适当减轻服务器105的运算压力,相应的,通行状态的获取装置也可以设置于终端设备101、102、103中。在此种情况下,示例性系统架构100也可以不包括服务器105和网络104。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
请参考图2,图2为本申请实施例提供的一种通行状态的获取方法的流程图,其中流程200包括以下步骤:
步骤201,获取摄像头组中至少一个摄像头的监控数据。
在本实施例中,通行状态的获取方法的执行主体(例如图1所示的服务器105)在确定期望获取通行状态的目标路口后,从由针对该目标路口或可实现对该目标路口进行监控的摄像头组成的摄像头组中获取至少一个摄像头的监控数据。
应当理解的是,因摄像头组是基于针对目标路口或可实现对该目标路口进行监控的摄像头组成的,所以各摄像头均能拍摄到目标路口不同或相同部分路段的行车状态。
需要指出的是,基于实际使用需求的不同,例如获取某一特定时间拍摄图像中的信号灯指示状态时,可以基于保存于上述执行主体本地的存储设备中获取到摄像头拍摄的历史监控数据,也可以从非本地的存储设备或者与上述执行主体相连的摄像头中直接获取监控数据。本地的存储设备可以是设置在上述执行主体内的一个数据存储模块,例如服务器硬盘,在此种情况下,监控数据可以在本地快速读取到;非本地的存储设备还可以为其它任何被设置用于存储数据的电子设备,例如一些用户终端等,在此情况下,上述执行主体可以通过向该电子设备发送获取命令来获取所需的监控数据。
步骤202,根据各摄像头获取到的监控数据,确定参考对象分别在每个摄像头中记录的运动轨迹。
在本实施例中,在上述步骤201的基础上,对获取到的监控数据进行分析,确定同时存在于获取到各个监控数据的参考对象后,根据各个监控数据中的内容确定参考对象在各个监控数据中的运动轨迹,即确定参考对象被每个摄像头所记录的运动轨迹。
其中,参考对象通常为按照信号灯指示进行运动的对象,例如通过路口的机动车、非机动车或者行人等,这些参考对象根据针对目标路口设置的信号灯的指示状态进行相应的运动。
应当理解的是,参考对象在监控数据中的运动轨迹可以在确定监控数据的视频流中每一帧图像对应的参考对象位置后,将这些确定到的参考对象的位置进行连接,以形成完整的运动轨迹。
步骤203,融合相同参考对象的运动轨迹得到补全轨迹。
在本实施例中,获取上述步骤202中生成各个监控数据对应的参考对象的运动轨迹后,将这些运动轨迹进行融合,以得到可以反映参考对象在目标路口完整运行状况的补全轨迹。
其中,可以将各个监控数据对应的参考对象的运动轨迹统一至同一坐标系后,根据各个监控数据提供的参考的对象的运动情况、位置变化信息来确定参考对象的完整运动情况,以得到补全轨迹,也可以直接将各个监控数据中各自生成的运动轨迹进行拼接,以得到上述补全轨迹。
步骤204,根据补全轨迹所处的道路行进方向预测相应道路上的信号灯指示状态。
在本实施例中,根据得到的补全轨迹确定该参考对象的行进道路(即该补全轨迹所处的道路),并根据该补全轨迹所处道路的行进方向预测用以指示该道路的信号灯的指示状态。
其中,可以根据补全轨迹形成的连贯性、参考对象在补全轨迹中的速度变化判断参考对象形成该补全轨迹时的运动状态,示例性的如参考对象在生成补全轨迹时,存在某个运动点对应的速度变化较为明显,即判断参考对象的运动状态可能从静止变化为运动,则对应确定该参考对象在发生该速度变化较为明显的运动点对应的时刻,信号灯指示状态由不可通行变为可通行。
进一步的,在本实施例中,根据补全轨迹所处的道路行进方向还可以进一步的预测该信号灯指示的具体内容,例如可直行通行、可左转通行等,以实现根据补全轨迹判断补全轨迹所处道路的指示情况(相对应的为直行车道、左转车道)以及信号灯的对应显示形状(信号灯为箭头形指示灯),以更好的验证包含该信号灯的待验证图片中的内容是否正确。
本申请实施例提供的通行状态的获取方法,根据受信号灯所指示对象的轨迹信息确定被指示对象的运行状态,并基于得到的被指示对象的运行状态来预测该信号灯中的交通信号状态,不仅可以采用非模型识别的方法直接通过摄像头拍摄的监控数据来获取交通信号灯的状态信息,还可以提供可靠的验证信息以验证现有技术中的检测算法或模型识别出的信号灯显示结果。
在本实施例的一些可选的实现方式中,为了便于将多个摄像头中拍摄到的参考对象的运动轨迹进行整合,以提高获取参考对象的运动轨迹的效率,上述执行主体在获取摄像头的监控数据后,可以对应的获取摄像头的外参和内参,并基于摄像头的外参和内参将监控数据中的参考对象的像素坐标转换至世界坐标,为各个监控数据中记录的参考对象提供统一标准的坐标系,以便于实现各个摄像头中的监控数据中记录的参考对象轨迹进行融合的目的。
以达到基于摄像头的硬件参数确定各监控数据中参考对象的像素坐标,并对应的将这些像素坐标整合为相同标准的坐标后,直接根据该相同标准的坐标对参考对象的位置、运动状况进行还原的目的,提高获取运动轨迹的效率和质量。
在本申请的一些可选实施例中,根据补全轨迹所处的道路行进方向预测相应道路上的信号灯指示状态,包括:响应于该补全轨迹中存在速度上升变化量超过预设阈值的目标点,获取生成该目标点的时间点;确定该补全轨迹所处的道路行进方向相应道路上的信号灯指示状态在该时间点之后为可通行状态。
具体的,在获取到补全轨迹后,对参考对象生成该在该补全轨迹的各个位置进行获取,响应于该参考对象在该补全轨迹中存在速度上升变化量超过预设阈值的位置时,将该位置确定为目标点,并对应的获取生成该目标点的时间点,确定补全轨迹所处的道路行进方向相应道路上的信号灯指示状态在该时间点之后为可通行状态,以通过判断参考对象的运动趋势变化,即速度上升变化的方式判断参考对象是否处于从低速或静止状态变化至正常的通行速度状态的方式,获取参考对象由信号灯指示的不可通行状态变化为可通行状态的时间点,以确定信号灯指示状态,以根据参考对象的轨迹信息确定信号灯指示状态的变化情况,获取关于通行状态的更多信息,提升获取到通行状态的参考价值。
其中,设置速度上升变化量的预设阈值时,可以根据参考对象的种类不同进行相应的设置,以更加准确的参考对象的运动状态。
在本申请的一些可选实施例中,根据补全轨迹所处的道路行进方向预测相应道路上的信号灯指示状态,包括:响应于该补全轨迹中存在多个处于相同位置的静止轨迹点;确定该补全轨迹所处的道路行进方向相应道路上的信号灯指示状态在该静止轨迹点对应的时间内为不可通行状态。
具体的,在获取到参考对象的补全轨迹后,对参考对象生成该在该补全轨迹的各个位置进行获取,响应于确定该参考对象在补全轨迹中存在有多个相同位置的点,将这些相同位置的点确定为静止轨迹点,对应的确定参考对象位于静止轨迹点的时间,并最终确定该补全轨迹所处的道路行进方向相应道路上的信号灯指示状态在该静止轨迹点对应的时间内为不可通行状态,以通过判断参考对象是否处于相同位置的方式判断参考对象是否静止状态,进而确定信号灯的指示状态,无需实际获取参考对象的运行速度,减少确定信号灯指示状态工作的运算量。
请参考图3,图3为本申请实施例提供的另一种通行状态的获取方法的流程图,其中流程300包括以下步骤:
步骤301,获取待预测图像,根据拍摄该待预测图像的摄像头确定该摄像头组。
在本实施例中,通行状态的获取方法的执行主体(例如图1所示的服务器105)可以从期望对包含信号灯的图像进行预测的用户所使用用户终端(例如图1所示的终端101、102、103)中获取的包含信号灯的待预测图像,也可以基于实际需求从上述执行主体的本地的或者非本地的存储设备中获取该包含信号灯的待预测图像,在获取该待预测图像后根据拍摄该待预测图像的摄像头确定对应的摄像头组,并将该带预测图像中的信号灯确定为目标信号灯。
步骤302,根据目标信号灯的指示内容确定对应的指示道路。
在本实施例中,基于上述步骤301中确定的目标信号灯确定该目标信号灯所指示的道路,并将该道路确定为指示道路。
步骤303,获取摄像头组中至少一个摄像头的监控数据。
步骤304,根据各摄像头获取到的监控数据,确定位于指示道路上的参考对象分别在每个该摄像头中记录的运动轨迹。
在本实施例中,从各监控数据中确定同时出现在各监控数据中的位于该指示道路上的参考对象,并分别确定该参考对象在每个摄像头中记录的运动轨迹。
步骤305,融合相同参考对象的运动轨迹得到补全轨迹。
步骤306,根据该补全轨迹预测该目标信号灯的指示状态。
以上步骤303-306与如图2所示的步骤201-204相对应,相同部分内容请参见上一实施例的相应部分,此处不再进行赘述。
在上一实施例提供的技术方案基础上,本实施例进一步可以对特定的待预测图像中包含的目标信号灯中的显示状态进行预测,以提供根据实际需求进行预测的技术方案,针对用户的需求进行通行状态的针对性获取,减小处理数据的运算量,提供用户体验。
在上述任一实施例的基础上,进一步的,为了避免因参考对象行为异常导致获取到错误的信号灯指示状态结果,根据该补全轨迹所处的道路行进方向预测相应道路上的信号灯指示状态,包括:获取处于相同道路上的多个不同参考对象对应的信号灯指示状态;将数量占比高的信号灯指示状态确定为所处的道路行进方向预测相应道路上的信号灯指示状态。
具体的,在对于不同的参考对象对应的获取信号灯指示状态后,将处于预设时间段内、相同道路上的参考对象进行收集后,获取收集到的参考对象对应的信号灯指示状态,在同一时间段内指示同一信号灯指示状态的参考对象数量占总比例数量超过预设阈值条件时,确定该时间段内该同一信号灯指示状态的结果准确,并将该同一信号灯指示状态确定为所处的道路行进方向预测相应道路上的信号灯指示状态,以避免因少数、个别参考对象的异常行为导致获取到错误的信号灯指示状态,提高获取到信号灯指示状态的质量和准确性。
为加深理解,本申请还结合一个具体应用场景,给出了一种具体的实现方案,如图4-1所示,针对丁字路口形式的目标路口架设有摄像头A、B、C,以基于参考对象a的补全轨迹确定相应道路上的信号灯D的指示状态,具体如下:
获取由摄像头A、B、C组成的摄像头组中各个摄像头的监控数据。
根据各摄像头获取到的监控数据,确定参考对象分别在每个该摄像头中记录的运动轨迹,摄像头A中记录的轨迹如图4-2中A-轨迹所示,摄像头B中记录的轨迹信息如图4-3中B-轨迹所示,摄像头C中记录的轨迹如图4-4中C-轨迹所示。
融合该参考对象a的运动轨迹得到补全轨迹,该补全轨迹如图4-5中的补全轨迹所示,并确定该参考对象a在形成该补全轨迹时的速度。
响应于确定该参考对象a在形成该补全轨迹时的速度为匀速,且具体数值为30km/h,大于预设阈值速度5km/h,对应的预测信号灯D的指示状态为可通行状态。
本申请根据受信号灯所指示对象的轨迹信息确定被指示对象的运行状态,并基于得到的被指示对象的运行状态来预测该信号灯中的交通信号状态,不仅可以采用非模型识别的方法直接通过摄像头拍摄的监控数据来获取交通信号灯的状态信息,还可以提供可靠的验证信息以验证现有技术中的检测算法或模型识别出的信号灯显示结果。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种通行状态的获取装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的通行状态的获取装置500可以包括:监控数据获取单元501、运动轨迹确定单元502、补全轨迹生成单元503和指示状态预测单元504。其中,监控数据获取单元501,被配置成获取摄像头组中至少一个摄像头的监控数据,其中,各该摄像头均能拍摄到目标路口不同或相同部分路段的行车状态;运动轨迹确定单元502,被配置成根据各该摄像头获取到的监控数据,确定参考对象分别在每个该摄像头中记录的运动轨迹;补全轨迹生成单元503,被配置成融合相同参考对象的运动轨迹得到补全轨迹,指示状态预测单元504,被配置成根据该补全轨迹所处的道路行进方向预测相应道路上的信号灯指示状态。
在本实施例中,通行状态的获取装置500中:监控数据获取单元501、运动轨迹确定单元502、补全轨迹生成单元503和指示状态预测单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,运动轨迹确定单元502包括:硬件参数获取子单元,被配置成获取各摄像头对应的拍摄参数;像素坐标生成子单元,被配置成分别确定参考对象在各摄像头对应的监控数据中的像素坐标;世界坐标转换子单元,被配置成将该各像素坐标转换至世界坐标;运动轨迹确定子单元,被配置成根据该世界坐标确定该参考对象在各摄像头中记录的运动轨迹。
在本实施例的一些可选的实现方式中,指示状态预测单元504,包括:启动点确定子单元,被配置成响应于该补全轨迹中存在速度上升变化量超过预设阈值的目标点,获取生成该目标点的时间点;指示状态预测第一子单元,被配置成确定该补全轨迹所处的道路行进方向相应道路上的信号灯指示状态在该时间点之后为可通行状态。
在本实施例的一些可选的实现方式中,指示状态预测单元504,包括:静止点确定子单元,被配置成响应于该补全轨迹中存在多个处于相同位置的静止轨迹点;指示状态预测第二子单元,被配置成确定该补全轨迹所处的道路行进方向相应道路上的信号灯指示状态在该静止轨迹点对应的时间内为不可通行状态。
在本实施例的一些可选的实现方式中,指示状态预测单元504,包括:指示状态收集子单元,被配置成获取处于相同道路上的多个不同参考对象对应的信号灯指示状态;指示状态预测第三子单元,被配置成将数量占比高的信号灯指示状态确定为所处的道路行进方向预测相应道路上的信号灯指示状态。
在本实施例的一些可选的实现方式中,通行状态的获取装置500还包括:待预测图像获取单元,被配置成获取待预测图像,根据拍摄该待预测图像的摄像头确定该摄像头组;其中,该待预测图像中包括目标信号灯;指示道路确定单元,被配置成根据该目标信号灯的指示内容确定对应的指示道路;以及该运动轨迹确定单元进一步被配置成,根据各该摄像头获取到的监控数据,确定位于该指示道路上的参考对象分别在每个该摄像头中记录的运动轨迹;以及该指示状态预测单元进一步被配置成,根据该补全轨迹预测该目标信号灯的指示状态。
本实施例作为对应于上述方法实施例的装置实施例存在,本实施例提供的通行状态的获取装置根据受信号灯所指示对象的轨迹信息确定被指示对象的运行状态,并基于得到的被指示对象的运行状态来预测该信号灯中的交通信号状态,不仅可以采用非模型识别的方法直接通过摄像头拍摄的监控数据来获取交通信号灯的状态信息,还可以提供可靠的验证信息以验证现有技术中的检测算法或模型识别出的信号灯显示结果。
根据本申请的实施例,本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本申请的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如通行状态的获取方法。例如,在一些实施例中,通行状态的获取方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的通行状态的获取方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行通行状态的获取方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大,业务扩展性弱的缺陷。服务器也可以分为分布式系统的服务器,或者是结合了区块链的服务器。
路侧设备除了包括电子设备,还可以包括通信部件等,电子设备可以和通信部件一体集成,也可以分体设置。电子设备可以获取感知设备(如路侧相机也可称为路侧摄像头)的数据,例如图片和视频等,从而进行图像视频处理和数据计算。可选的,电子设备自身也可以具备感知数据获取功能和通信功能,例如是AI相机,电子设备可以直接基于获取的感知数据进行图像视频处理和数据计算。
云控平台在云端执行处理,云控平台包括的电子设备可以获取感知设备(如路侧相机)的数据,例如图片和视频等,从而进行图像视频处理和数据计算;云控平台也可以称为车路协同管理平台、边缘计算平台、云计算平台、中心系统、云端服务器等。
根据本申请实施例的技术方案,根据受信号灯所指示对象的轨迹信息确定被指示对象的运行状态,并基于得到的被指示对象的运行状态来预测该信号灯中的交通信号状态,不仅可以采用非模型识别的方法直接通过摄像头拍摄的监控数据来获取交通信号灯的状态信息,还可以提供可靠的验证信息以验证现有技术中的检测算法或模型识别出的信号灯显示结果。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (14)
1.一种通行状态的获取方法,包括:
获取摄像头组中至少一个摄像头的监控数据,其中,各所述摄像头均能拍摄到目标路口不同或相同部分路段的行车状态;
根据各所述摄像头获取到的监控数据,确定参考对象分别在每个所述摄像头中记录的运动轨迹,其中,所述参考对象同时存在于多个所述摄像头的监控数据中;
融合相同参考对象的运动轨迹得到补全轨迹;
根据所述补全轨迹所处的道路行进方向预测相应道路上的信号灯指示状态;
还包括:
获取待预测图像,根据拍摄所述待预测图像的摄像头确定所述摄像头组;其中,所述待预测图像中包括目标信号灯;
根据所述目标信号灯的指示内容确定对应的指示道路;以及
所述根据各所述摄像头获取到的监控数据,确定参考对象分别在每个所述摄像头中记录的运动轨迹,包括:
根据各所述摄像头获取到的监控数据,确定位于所述指示道路上的参考对象分别在每个所述摄像头中记录的运动轨迹;
以及
根据所述补全轨迹所处的道路行进方向预测相应道路上的信号灯指示状态,包括:
根据所述补全轨迹预测所述目标信号灯的指示状态。
2.根据权利要求1所述的方法,其中,所述根据各所述摄像头获取到的监控数据,确定参考对象分别在每个所述摄像头中记录的运动轨迹,包括:
获取各摄像头对应的拍摄参数;
分别确定参考对象在各摄像头对应的监控数据中的像素坐标;
将所述各像素坐标转换至世界坐标;
根据所述世界坐标确定所述参考对象在各摄像头中记录的运动轨迹。
3.根据权利要求1所述的方法,其中,所述根据所述补全轨迹所处的道路行进方向预测相应道路上的信号灯指示状态,包括:
响应于所述补全轨迹中存在速度上升变化量超过预设阈值的目标点,获取生成所述目标点的时间点;
确定所述补全轨迹所处的道路行进方向相应道路上的信号灯指示状态在所述时间点之后为可通行状态。
4.根据权利要求1所述的方法,其中,所述根据所述补全轨迹所处的道路行进方向预测相应道路上的信号灯指示状态,包括:
响应于所述补全轨迹中存在多个处于相同位置的静止轨迹点;
确定所述补全轨迹所处的道路行进方向相应道路上的信号灯指示状态在所述静止轨迹点对应的时间内为不可通行状态。
5.根据权利要求1所述的方法,其中,所述根据所述补全轨迹所处的道路行进方向预测相应道路上的信号灯指示状态,包括:
获取处于相同道路上的多个不同参考对象对应的信号灯指示状态;
将数量占比高的信号灯指示状态确定为所处的道路行进方向预测相应道路上的信号灯指示状态。
6.一种通行状态的获取装置,包括:
监控数据获取单元,被配置成获取摄像头组中至少一个摄像头的监控数据,其中,各所述摄像头均能拍摄到目标路口不同或相同部分路段的行车状态;
运动轨迹确定单元,被配置成根据各所述摄像头获取到的监控数据,确定参考对象分别在每个所述摄像头中记录的运动轨迹,其中,所述参考对象同时存在于多个所述摄像头的监控数据中;
补全轨迹生成单元,被配置成融合相同参考对象的运动轨迹得到补全轨迹;
指示状态预测单元,被配置成根据所述补全轨迹所处的道路行进方向预测相应道路上的信号灯指示状态;
还包括:
待预测图像获取单元,被配置成获取待预测图像,根据拍摄所述待预测图像的摄像头确定所述摄像头组;其中,所述待预测图像中包括目标信号灯;
指示道路确定单元,被配置成根据所述目标信号灯的指示内容确定对应的指示道路;以及
所述运动轨迹确定单元进一步被配置成,根据各所述摄像头获取到的监控数据,确定位于所述指示道路上的参考对象分别在每个所述摄像头中记录的运动轨迹;以及
所述指示状态预测单元进一步被配置成,根据所述补全轨迹预测所述目标信号灯的指示状态。
7.根据权利要求6所述的装置,其中,所述运动轨迹确定单元包括:
硬件参数获取子单元,被配置成获取各摄像头对应的拍摄参数;
像素坐标生成子单元,被配置成分别确定参考对象在各摄像头对应的监控数据中的像素坐标;
世界坐标转换子单元,被配置成将所述各像素坐标转换至世界坐标;
运动轨迹确定子单元,被配置成根据所述世界坐标确定所述参考对象在各摄像头中记录的运动轨迹。
8.根据权利要求6所述的装置,其中,所述指示状态预测单元,包括:
启动点确定子单元,被配置成响应于所述补全轨迹中存在速度上升变化量超过预设阈值的目标点,获取生成所述目标点的时间点;
指示状态预测第一子单元,被配置成确定所述补全轨迹所处的道路行进方向相应道路上的信号灯指示状态在所述时间点之后为可通行状态。
9.根据权利要求6所述的装置,其中,所述指示状态预测单元,包括:
静止点确定子单元,被配置成响应于所述补全轨迹中存在多个处于相同位置的静止轨迹点;
指示状态预测第二子单元,被配置成确定所述补全轨迹所处的道路行进方向相应道路上的信号灯指示状态在所述静止轨迹点对应的时间内为不可通行状态。
10.根据权利要求6所述的装置,其中,所述指示状态预测单元,包括:
指示状态收集子单元,被配置成获取处于相同道路上的多个不同参考对象对应的信号灯指示状态;
指示状态预测第三子单元,被配置成将数量占比高的信号灯指示状态确定为所处的道路行进方向预测相应道路上的信号灯指示状态。
11.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的通行状态的获取方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的通行状态的获取方法。
13.一种路侧设备,包括如权利要求11所述的电子设备。
14.一种云控平台,包括如权利要求11所述的电子设备。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110288819.2A CN113011323B (zh) | 2021-03-18 | 2021-03-18 | 通行状态的获取方法、相关装置、路侧设备及云控平台 |
US17/506,524 US11783588B2 (en) | 2021-03-18 | 2021-10-20 | Method for acquiring traffic state, relevant apparatus, roadside device and cloud control platform |
EP21203850.9A EP3951741B1 (en) | 2021-03-18 | 2021-10-21 | Method for acquiring traffic state, relevant apparatus, roadside device and cloud control platform |
JP2021174000A JP7329572B2 (ja) | 2021-03-18 | 2021-10-25 | 通行状態取得方法及び装置、路側装置、並びに、クラウド制御プラットフォーム |
KR1020210171016A KR20210154781A (ko) | 2021-03-18 | 2021-12-02 | 통행 상태를 취득하는 방법, 관련 장치, 노변 기기 및 클라우드 컨트롤 플랫폼 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110288819.2A CN113011323B (zh) | 2021-03-18 | 2021-03-18 | 通行状态的获取方法、相关装置、路侧设备及云控平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113011323A CN113011323A (zh) | 2021-06-22 |
CN113011323B true CN113011323B (zh) | 2022-11-29 |
Family
ID=76409510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110288819.2A Active CN113011323B (zh) | 2021-03-18 | 2021-03-18 | 通行状态的获取方法、相关装置、路侧设备及云控平台 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11783588B2 (zh) |
EP (1) | EP3951741B1 (zh) |
JP (1) | JP7329572B2 (zh) |
KR (1) | KR20210154781A (zh) |
CN (1) | CN113011323B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113673054B (zh) * | 2021-08-19 | 2023-03-24 | 北京慧智神光科技有限公司 | 运动状态数据的确定方法、装置、电子设备及存储介质 |
CN114550449B (zh) * | 2022-02-16 | 2023-03-14 | 腾讯云计算(北京)有限责任公司 | 车辆轨迹补全方法、装置、计算机可读介质及电子设备 |
WO2023188807A1 (ja) * | 2022-03-30 | 2023-10-05 | 住友電気工業株式会社 | 情報処理装置、情報処理方法、及びコンピュータプログラム |
CN115083175B (zh) * | 2022-06-23 | 2023-11-03 | 北京百度网讯科技有限公司 | 基于车路协同的信号管控方法、相关装置及程序产品 |
CN115457113B (zh) * | 2022-09-03 | 2023-05-23 | 北京津发科技股份有限公司 | 人机交互移动轨迹检测方法、装置、设备和可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101908276A (zh) * | 2010-07-29 | 2010-12-08 | 北京世纪高通科技有限公司 | 评价交通信息的方法及装置 |
CN108694882A (zh) * | 2017-04-11 | 2018-10-23 | 百度在线网络技术(北京)有限公司 | 用于标注地图的方法、装置和设备 |
CN109739230A (zh) * | 2018-12-29 | 2019-05-10 | 百度在线网络技术(北京)有限公司 | 驾驶轨迹生成方法、装置及存储介质 |
CN110660256A (zh) * | 2019-10-22 | 2020-01-07 | 北京地平线机器人技术研发有限公司 | 一种信号灯状态的估计方法及装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016014939A (ja) | 2014-06-30 | 2016-01-28 | 日本信号株式会社 | 交通情報処理システム及び交通情報処理方法 |
JP6573775B2 (ja) | 2015-04-16 | 2019-09-11 | 日本信号株式会社 | 交差点監視システム |
US20170327035A1 (en) | 2016-05-10 | 2017-11-16 | Ford Global Technologies, Llc | Methods and systems for beyond-the-horizon threat indication for vehicles |
US9965951B1 (en) * | 2017-01-23 | 2018-05-08 | International Business Machines Corporation | Cognitive traffic signal control |
JP7271877B2 (ja) | 2018-09-04 | 2023-05-12 | 沖電気工業株式会社 | 交通量計測装置、プログラムおよび交通量計測システム |
WO2020191642A1 (zh) * | 2019-03-27 | 2020-10-01 | 深圳市大疆创新科技有限公司 | 轨迹预测方法及装置、存储介质、驾驶系统与车辆 |
CN110379172A (zh) | 2019-07-17 | 2019-10-25 | 浙江大华技术股份有限公司 | 交通规则的生成方法及装置、存储介质、电子装置 |
CN110751683A (zh) * | 2019-10-28 | 2020-02-04 | 北京地平线机器人技术研发有限公司 | 轨迹预测方法、装置、可读存储介质及电子设备 |
CN110807924A (zh) * | 2019-11-04 | 2020-02-18 | 吴钢 | 基于全量全样实时交通数据的多参数融合方法及系统 |
CN111081045A (zh) * | 2019-12-31 | 2020-04-28 | 智车优行科技(上海)有限公司 | 姿态轨迹预测方法及电子设备 |
CN111489555A (zh) * | 2020-05-14 | 2020-08-04 | 武汉理工大学 | 一种交通运行状态预测方法、装置和系统 |
CN111681433B (zh) * | 2020-05-14 | 2022-04-12 | 黄传明 | 一种交叉口交通信号灯配时优化方法和装置 |
CN111858800B (zh) * | 2020-06-29 | 2024-03-26 | 北京百度网讯科技有限公司 | 确定大门通行状态的方法、装置、设备和计算机存储介质 |
-
2021
- 2021-03-18 CN CN202110288819.2A patent/CN113011323B/zh active Active
- 2021-10-20 US US17/506,524 patent/US11783588B2/en active Active
- 2021-10-21 EP EP21203850.9A patent/EP3951741B1/en active Active
- 2021-10-25 JP JP2021174000A patent/JP7329572B2/ja active Active
- 2021-12-02 KR KR1020210171016A patent/KR20210154781A/ko not_active Application Discontinuation
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101908276A (zh) * | 2010-07-29 | 2010-12-08 | 北京世纪高通科技有限公司 | 评价交通信息的方法及装置 |
CN108694882A (zh) * | 2017-04-11 | 2018-10-23 | 百度在线网络技术(北京)有限公司 | 用于标注地图的方法、装置和设备 |
CN109739230A (zh) * | 2018-12-29 | 2019-05-10 | 百度在线网络技术(北京)有限公司 | 驾驶轨迹生成方法、装置及存储介质 |
CN110660256A (zh) * | 2019-10-22 | 2020-01-07 | 北京地平线机器人技术研发有限公司 | 一种信号灯状态的估计方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
EP3951741A2 (en) | 2022-02-09 |
JP2022023910A (ja) | 2022-02-08 |
EP3951741B1 (en) | 2023-11-22 |
KR20210154781A (ko) | 2021-12-21 |
US11783588B2 (en) | 2023-10-10 |
EP3951741A3 (en) | 2022-03-30 |
CN113011323A (zh) | 2021-06-22 |
JP7329572B2 (ja) | 2023-08-18 |
US20220165064A1 (en) | 2022-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113011323B (zh) | 通行状态的获取方法、相关装置、路侧设备及云控平台 | |
CN113264066B (zh) | 障碍物轨迹预测方法、装置、自动驾驶车辆及路侧设备 | |
CN113221677B (zh) | 一种轨迹异常检测方法、装置、路侧设备和云控平台 | |
CN112712712B (zh) | 确定车辆排队信息的方法、装置、路侧设备和云控平台 | |
EP3940665A1 (en) | Detection method for traffic anomaly event, apparatus, program and medium | |
CN113859264B (zh) | 车辆控制方法、装置、电子设备及存储介质 | |
JP2022028870A (ja) | 車線検出方法、装置、電子機器、記憶媒体及び車両 | |
CN113129596B (zh) | 行驶数据处理方法、装置、设备、存储介质及程序产品 | |
CN110675635B (zh) | 相机外参的获取方法、装置、电子设备及存储介质 | |
CN113052048B (zh) | 交通事件检测方法、装置、路侧设备以及云控平台 | |
JP2022050311A (ja) | 車両の車線変更を検出するための方法、装置、電子機器、記憶媒体、路側機、クラウド制御プラットフォーム、及びコンピュータプログラム | |
CN114758502B (zh) | 双车联合轨迹预测方法及装置、电子设备和自动驾驶车辆 | |
CN112863187B (zh) | 感知模型的检测方法、电子设备、路侧设备和云控平台 | |
CN113378605A (zh) | 多源信息融合方法及装置、电子设备和存储介质 | |
CN113538963A (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN113052047B (zh) | 交通事件的检测方法、路侧设备、云控平台及系统 | |
CN114429631B (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
EP3989201B1 (en) | Light state data processing method, apparatus and system | |
CN113033475B (zh) | 目标对象追踪方法、相关装置及计算机程序产品 | |
CN115973190A (zh) | 自动驾驶车辆的决策方法、装置和电子设备 | |
CN112507964B (zh) | 用于车道级事件的检测方法和装置、路侧设备和云控平台 | |
CN111009135A (zh) | 车辆行驶速度的确定方法、装置以及计算机设备 | |
CN112700657B (zh) | 用于生成检测信息的方法、装置、路侧设备和云控平台 | |
CN115223374B (zh) | 车辆跟踪方法、装置及电子设备 | |
CN115294234B (zh) | 图像的生成方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211011 Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing Applicant after: Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. Address before: 2 / F, baidu building, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |