基于分布式光纤传感DAS的车辆轨迹提取方法与系统与流程

摘要: 本发明涉及智慧交通,尤其涉及一种基于分布式光纤传感das的车辆轨迹提取方法与系统。背景技术:1、分布式光纤声学传感技术(das)基于相位敏感光时域反射仪(φ-o...
基于分布式光纤传感DAS的车辆轨迹提取方法与系统与流程

本发明涉及智慧交通,尤其涉及一种基于分布式光纤传感das的车辆轨迹提取方法与系统。

背景技术:

1、分布式光纤声学传感技术(das)基于相位敏感光时域反射仪(φ-otdr)原理,利用光纤中的瑞利背向散射效应,能够将普通通信光纤转化为大规模连续分布的振动传感器阵列。单套das系统可实现超过100公里道路的实时、连续监测,且可利用现有通信光缆中的空闲纤芯进行部署,具有成本低、覆盖范围广、环境适应性强、不受雨雾光照影响等显著优势,为智能交通系统提供了全新的全时空感知解决方案。

2、目前,基于das的车辆轨迹提取方法主要包括:基于小波变换与s变换的轨迹增强方法、基于机器学习的特征识别方法和多传感器融合方法。

3、但是,现有方法多采用单一的时域或频域去噪手段,无法有效区分车辆振动信号与复杂环境噪声(如风声、雨声、施工振动、行人活动等),在低信噪比环境下轨迹提取准确率显著下降。而且,多数方法仅提取一维时间信号的时域或频域特征,忽略了车辆振动信号在空间维度上的连续性和关联性,导致长距离跟踪时容易出现轨迹断裂和目标丢失。传统的radon变换和hough变换方法均基于车辆匀速直线运动的假设,在车辆加减速、变道、转弯等复杂运动场景下,轨迹提取误差急剧增大。

技术实现思路

1、为解决背景技术中存在的技术问题,本发明提出一种基于分布式光纤传感das的车辆轨迹提取方法与系统。

2、第一方面,本发明提出的一种基于分布式光纤传感das的车辆轨迹提取方法,包括:

3、获取由预先部署的分布式光纤传感系统实时采集的车辆行驶过程中产生的地面振动信号;

4、对地面振动信号进行多层级噪声剔除;

5、对经过多层级噪声剔除的地面振动信号进行多维特征提取,得到多维特征集;

6、基于多维特征集,进行基于时空连续性的轨迹生成,得到车辆轨迹。

7、优选地,多层级噪声剔除包括时域基线校正与异常值剔除、频域自适应滤波和空间域相关性滤波。

8、优选地,时域基线校正与异常值剔除包括:将地面振动信号减去趋势项,并采用去共模识别并剔除地面振动信号中的脉冲式异常值,使用相邻时间点的平均值进行插值填补。

9、优选地,频域自适应滤波的过程包括:对地面振动信号中每个光纤通道的光纤信号进行快速傅里叶变换,转换到频域;利用预先根据地面振动信号的典型频率范围设计的自适应带通滤波器对各个光纤通道的光纤信号进行频率自适应滤波;对滤波后的各个光纤通道的光纤信号进行逆傅里叶变换,返回时域。

10、优选地,空间域相关性滤波的过程包括:计算地面振动信号对应的一组光纤通道中任意相邻的各光纤通道的光纤信号的互相关系数;将互相关系数处于预设阈值范围内的通道判定为正常通道,将互相关系数处于预设阈值范围外的通道判定为异常通道,并对异常通道执行平滑处理。

11、优选地,多维特征集包括时域特征、频域特征和空间域特征;时域特征包括峰值、谷值、峰峰值和均方根值;频域特征包括主频与20~100hz、100~500hz和500~2000hz各个子频带的能量占比;

12、空间域特征包括能量峰值的位置、宽度和高度、相邻时间点能量峰值之间的空间距离和时间间隔以及时空能量矩阵。

13、优选地,基于多维特征集,进行基于时空连续性的轨迹生成,得到车辆轨迹,具体包括:

14、基于多维特征集,确定初始轨迹点;

15、基于初始轨迹点,进行轨迹点关联,得到初始车辆轨迹;

16、对初始车辆轨迹进行断裂点检查、修复与平滑处理,得到中间车辆轨迹;

17、对中间车辆轨迹进行虚假车辆轨迹滤除,得到车辆轨迹。

18、优选地,基于多维特征集,确定初始轨迹点,具体包括:

19、对时空能量矩阵进行阈值分割,提取能量高于预设能量阈值的区域作为候选车辆区域;在每个候选车辆区域中,找到能量峰值点,并将其作为每个候选车辆区域的初始轨迹点,记录每个初始轨迹点的时间戳、空间位置和能量值。

20、优选地,基于初始轨迹点,进行轨迹点关联,得到初始车辆轨迹,具体包括:

21、基于车辆运动的时空连续性约束,构建轨迹点关联代价函数;

22、基于每个初始轨迹点和轨迹点关联代价函数,使用匈牙利算法进行最优轨迹点匹配,将相邻时间点的轨迹点关联起来,得到与每个初始轨迹点对应的初始车辆轨迹;对于匹配失败的轨迹点,创建新的轨迹。

23、其中,轨迹点关联代价函数具体为:

24、;

25、式中,cost为轨迹点关联代价函数,dxy为空间距离,δt为时间间隔,α,β,γ为权重系数;sf为特征相似度,由地面振动信号的时域特征与频域特征经归一化后,采用余弦相似度或皮尔逊相关系数计算得到。

26、优选地,对初始车辆轨迹进行断裂点检查、修复与平滑处理,具体包括:

27、对初始车辆轨迹进行断裂点检查;

28、若未通过断裂点检查,则依据初始车辆轨迹的前后轨迹点的运动趋势进行插值修复;

29、采用拉东滤波对通过断裂点检查或完成插值修复后的车辆轨迹进行平滑处理。

30、第二方面,本发明还提出了一种基于分布式光纤传感das的车辆轨迹提取系统,包括:

31、获取模块,用于获取由预先部署的分布式光纤传感系统实时采集的车辆行驶过程中产生的地面振动信号;

32、处理模块,用于对地面振动信号进行多层级噪声剔除;对经过多层级噪声剔除的地面振动信号进行多维特征提取,得到多维特征集;基于多维特征集,进行基于时空连续性的轨迹生成,得到车辆轨迹。

33、第三方面,本发明还提出了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现第一方面中任意一项所述的基于分布式光纤传感das的车辆轨迹提取方法的步骤。

34、第四方面,本发明还提出了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现第一方面中任意一项所述的基于分布式光纤传感das的车辆轨迹提取方法的步骤。

35、本发明中,所提出的基于分布式光纤传感das的车辆轨迹提取方法与系统,通过实时获取车辆行驶过程中产生的地面振动信号;对地面振动信号进行多层级噪声剔除,以进行时域-频域-空间域三级协同噪声,显著地提高了噪声抑制能力;对经过多层级噪声剔除的地面振动信号进行多维特征提取,再基于提取得到的多维特征集进行基于时空连续性的轨迹生成,能够有效解决现有技术中轨迹断裂和目标丢失的问题,长距离跟踪能力显著增强。

1.一种基于分布式光纤传感das的车辆轨迹提取方法,其特征在于,包括:

2.根据权利要求1所述的基于分布式光纤传感das的车辆轨迹提取方法,其特征在于,多层级噪声剔除包括时域基线校正与异常值剔除、频域自适应滤波和空间域相关性滤波;

3.根据权利要求1所述的基于分布式光纤传感das的车辆轨迹提取方法,其特征在于,多维特征集包括时域特征、频域特征和空间域特征;时域特征包括峰值、谷值、峰峰值和均方根值;频域特征包括主频与20~100hz、100~500hz和500~2000hz各个子频带的能量占比;

4.根据权利要求3所述的基于分布式光纤传感das的车辆轨迹提取方法,其特征在于,基于多维特征集,进行基于时空连续性的轨迹生成,得到车辆轨迹,具体包括:

5.根据权利要求4所述的基于分布式光纤传感das的车辆轨迹提取方法,其特征在于,基于多维特征集,确定初始轨迹点,具体包括:

6.根据权利要求4所述的基于分布式光纤传感das的车辆轨迹提取方法,其特征在于,基于初始轨迹点,进行轨迹点关联,得到初始车辆轨迹,具体包括:

7.根据权利要求6所述的基于分布式光纤传感das的车辆轨迹提取方法,其特征在于,轨迹点关联代价函数具体为:

8.根据权利要求4所述的基于分布式光纤传感das的车辆轨迹提取方法,其特征在于,对初始车辆轨迹进行修复与平滑处理,具体包括:

9.一种基于分布式光纤传感das的车辆轨迹提取系统,其特征在于,包括:

10.根据权利要求9所述的基于分布式光纤传感das的车辆轨迹提取系统,其特征在于,基于多维特征集,进行基于时空连续性的轨迹生成,得到车辆轨迹,具体包括: