一种交通事故现场快速建模方法及系统与流程

摘要: 本发明涉及交通事故现场建模,尤其涉及一种交通事故现场快速建模方法及系统。背景技术:1、交通事故现场建模是道路交通事故处置与司法鉴定的核心环节,通过采集现场空间信...
一种交通事故现场快速建模方法及系统与流程

本发明涉及交通事故现场建模,尤其涉及一种交通事故现场快速建模方法及系统。

背景技术:

1、交通事故现场建模是道路交通事故处置与司法鉴定的核心环节,通过采集现场空间信息重建场景几何形态与物体分布,用于固定证据、还原事故过程、辅助责任认定,核心需求包括现场部署便捷、场景覆盖完整、几何尺寸准确及输出符合执法规范。同步定位与建图是移动平台在未知环境中实时构建环境地图并推算自身位姿的技术,集成深度传感器与惯性测量单元的手持式slam设备可实时采集三维点云;语义点云是指为三维点云赋予类别标签,实现几何与语义信息融合的数据形式。

2、现有交通事故现场三维建模技术主要涵盖二维图像快速绘图、静态激光扫描、无人机航拍重建及手持式slam扫描等技术路线。二维图像方案仅能生成平面正射图,缺乏深度信息与三维还原能力;静态激光扫描精度高但设备笨重、多站布设耗时;无人机方案视域开阔但存在车辆底部与侧面盲区,且需预规划飞行路径与大量离线运算;现有手持式slam设备虽便携快速,但仅生成原始几何点云,缺乏事故场景专属的语义识别与执法取证输出功能,现有语义slam研究也未针对事故建模需求定向适配,整体难以同时满足事故现场快速处置对便携性、实时性、场景完整性与智能取证的综合需求。

3、公开于该背景技术部分的信息仅仅旨在加深对本公开总体背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成本领域技术人员所公知的现有技术。

技术实现思路

1、鉴于以上技术问题中的至少一项,本发明提供了一种交通事故现场快速建模方法及系统,采用集成深度传感器与惯性测量单元的手持slam扫描结合语义点云融合优化,以实现事故现场的快速高精度重建。

2、本发明提供了一种交通事故现场快速建模方法,包括如下步骤:

3、采用集成深度传感器与惯性测量单元的手持式slam扫描设备移动扫描事故现场,采集同步的深度点云与彩色图像;

4、设备端运行slam算法对所述深度点云进行局部配准,生成子地图及累积局部点云,并标记对应时刻的所述彩色图像为关键帧;

5、对所述关键帧采用深度神经网络进行语义分割与目标检测,识别预定义的事故要素类别并提取各目标的像素级掩码;

6、通过相机投影模型将语义分割结果映射至对应时刻的所述局部点云,得到语义点云;

7、后端融合全部所述语义点云,经回环检测触发全局位姿图优化,以修正累积漂移,并对所述语义点云按语义类别分块,采用语义分块配准策略对同类别点云块进行精细匹配,引入绝对尺度约束以保障重建模型的测量精度;

8、将融合后的全部所述语义点云重建为三维网格模型,对所述三维网格模型中的事故要素进行自动测量,输出符合执法取证标准的事故现场数字档案。

9、进一步地,所述移动扫描事故现场,包括:

10、沿交叉式移动轨迹扫描覆盖事故车辆及周边散落物的区域;

11、针对刹车痕迹、轮胎印的重点区域,扫描时停留2-3秒以增强对应区域的所述深度点云的密度。

12、进一步地,所述深度神经网络采用maskr-cnn架构进行语义分割,提取所述像素级掩码后,采用sam框架或二次检测网络对所述像素级掩码的轮廓进行细化处理。

13、进一步地,所述采用语义分块配准策略对同类别点云块进行精细匹配,包括:

14、对同类别点云块执行局部迭代最近点配准,对于缺乏纹理特征的路面区域,结合所述惯性测量单元的数据与几何约束保持配准稳定性。

15、进一步地,所述绝对尺度约束通过路面标线、现场控制点或已知尺寸的目标物体进行场景配准实现,以恢复场景的真实物理尺度。

16、进一步地,采用两台及以上扫描设备在事故现场的不同子区域并行采集数据,各设备通过共享统一坐标系实现配准,由后端实时融合多设备的所述语义点云。

17、进一步地,所述对事故要素进行自动测量,包括:

18、两车残骸间最小距离计算、刹车痕迹长度测量、结合车辆质量估算碰撞前瞬时速度,以及人证与物证的相对位置关系计算。

19、进一步地,所述深度传感器替换为双目相机阵列、多目相机阵列,或者替换为可见光与热成像结合的双模态相机。

20、本发明还提供了一种交通事故现场快速建模系统,包括:

21、手持式slam扫描单元,集成深度传感器、惯性测量单元与局部建图模块,用于移动扫描事故现场,采集深度点云与彩色图像并实时估计设备位姿;

22、移动终端监控单元,与所述手持式slam扫描单元通信连接,用于实时显示建图进度与点云覆盖状态,并上传关键帧数据;

23、后端处理单元,用于执行语义分割、语义映射、回环检测、全局位姿优化以及基于语义分块的点云配准,输出全局的语义点云;

24、模型生成与输出单元,用于根据所述语义点云重建三维网格模型,执行事故要素自动测量,并生成符合执法取证标准的事故现场数字档案。

25、进一步地,还包括至少一台协同扫描设备,所述协同扫描设备为手持slam扫描仪、无人巡检机器人或车载激光雷达中的一种或多种;

26、各设备通过共享统一坐标系与所述手持式slam扫描单元并行作业,由所述后端处理单元进行多源数据融合。

27、通过本发明的技术方案,可实现以下技术效果:

28、将便携化的手持三维采集技术与面向事故场景的语义分析技术深度融合,可快速完成现场数据采集与初步建模,有效覆盖车辆底部、侧面等航拍技术的盲区;通过语义信息引导的点云配准与全局优化机制,在保障重建精度满足执法要求的同时,实现了车辆、制动痕迹、散落物等事故关键要素的自动识别与标注,适配交通事故现场快速处置、快速恢复通行的实际需求。

29、上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。

1.一种交通事故现场快速建模方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的交通事故现场快速建模方法,其特征在于,所述移动扫描事故现场,包括:

3.根据权利要求1所述的交通事故现场快速建模方法,其特征在于,所述深度神经网络采用maskr-cnn架构进行语义分割,提取所述像素级掩码后,采用sam框架或二次检测网络对所述像素级掩码的轮廓进行细化处理。

4.根据权利要求1所述的交通事故现场快速建模方法,其特征在于,所述采用语义分块配准策略对同类别点云块进行精细匹配,包括:

5.根据权利要求1所述的交通事故现场快速建模方法,其特征在于,所述绝对尺度约束通过路面标线、现场控制点或已知尺寸的目标物体进行场景配准实现,以恢复场景的真实物理尺度。

6.根据权利要求1所述的交通事故现场快速建模方法,其特征在于,采用两台及以上扫描设备在事故现场的不同子区域并行采集数据,各设备通过共享统一坐标系实现配准,由后端实时融合多设备的所述语义点云。

7.根据权利要求1所述的交通事故现场快速建模方法,其特征在于,所述对事故要素进行自动测量,包括:

8.根据权利要求1所述的交通事故现场快速建模方法,其特征在于,所述深度传感器替换为双目相机阵列、多目相机阵列,或者替换为可见光与热成像结合的双模态相机。

9.一种交通事故现场快速建模系统,其特征在于,应用如权利要求1~8中任一项所述建模方法,包括:

10.根据权利要求9所述的交通事故现场快速建模系统,其特征在于,还包括至少一台协同扫描设备,所述协同扫描设备为手持slam扫描仪、无人巡检机器人或车载激光雷达中的一种或多种;