一种高空俯视视角的车辆车道行驶轨迹监测方法及系统

摘要: 本发明涉及智能交通视觉监测领域,特别涉及一种高空俯视视角的车辆车道行驶轨迹监测方法及系统。背景技术:1、智能交通系统(intelligenttransporta...
一种高空俯视视角的车辆车道行驶轨迹监测方法及系统

本发明涉及智能交通视觉监测领域,特别涉及一种高空俯视视角的车辆车道行驶轨迹监测方法及系统。

背景技术:

1、智能交通系统(intelligent transportation system, its)通过融合传感器技术、计算机视觉与通信技术,实现对道路交通状态的实时感知与智能管控。车辆行驶轨迹监测作为its的核心环节,其技术路线已从早期的地磁线圈、微波雷达等接触式感知,演进为以视觉传感器为主流的非接触式感知方案。随着深度学习目标检测、语义分割等计算机视觉技术的快速发展,基于摄像头图像的车辆检测、车道线识别与轨迹跟踪精度显著提升,使得大规模、细粒度的交通流监测成为可能。与此同时,保险科技领域的ubi(基于使用量的保险)车险模式近年来快速发展,其核心理念是根据车辆的实际使用情况——尤其是驾驶行为——进行个性化保费定价。ubi模式要求获取真实、连续、客观的驾驶行为数据,这有赖于可靠的车辆行驶轨迹监测技术提供数据支撑。因此,将高空俯视视觉监测与ubi保险定价相结合,已成为交通与保险交叉领域的重要发展方向。

2、现有技术中,存在以下技术缺陷:

3、其一,数据获取方式受限,成本与覆盖范围难以兼得。基于车载传感器(如环视摄像头、前视摄像头、obd接口、陀螺仪等)的方案需要为每台车辆单独配置专用设备,不仅部署成本高,而且无法覆盖未安装设备的车辆,难以形成规模化的监测网络。基于路侧固定摄像头或交通监控摄像头的方案虽可复用既有基础设施,但现有路侧方案多针对交通流量统计或违章抓拍设计,尚未充分挖掘其在高精度轨迹重建和驾驶行为分析方面的潜力。

4、其二,高空俯视视角下的车辆精准定位与行为识别存在技术瓶颈。摄像头离地高度越大,图像中的透视变形和视野畸变越显著,导致传统的轮胎落地点检测方法精度下降;同时,高空图像中车辆目标的分辨率相对较低,车轮与路面之间的边界模糊,加之光照变化和车辆自身阴影的干扰,使得轮胎接地点的亚像素级精确定位尤为困难。此外,现有变道检测技术多依赖单一指标(如车轮转向角、车道线跨越检测),在复杂交通场景下误报率和漏报率较高。

5、其三,缺乏面向保险定价的驾驶行为量化体系。现有ubi方案的驾驶行为数据来源主要有二:一是基于虚拟场景或驾驶模拟器获取的仿真数据,与真实道路驾驶行为存在偏差;二是基于车载摄像头对驾驶员状态(如眨眼频率、面部表情)的监测,既涉及个人隐私问题,又无法直接反映车辆的实际运动状态和道路交互行为。真正基于真实道路视觉监测结果、从车辆轨迹中提取统计学意义的驾驶行为特征,并将其系统性地映射为保费因子的技术方案,在现有技术中尚未充分公开。

6、因此,如何设计一种车辆车道行驶轨迹监测方法,以针对现有城市交通场景,结合交通保险量化需求,提高监测准确性和真实性,成为了亟待解决的问题。

技术实现思路

1、基于此,本发明提出的一种高空俯视视角的车辆车道行驶轨迹监测方法及系统,通过构建“高空俯视感知→轨迹分析→保险定价”三位一体的技术架构,提高了监测的准确性和真实性。

2、本发明提出的一种高空俯视视角的车辆车道行驶轨迹监测方法,包括:

3、从架设于道路上方的摄像头获取道路俯视图像序列;

4、采用语义分割网络识别所述道路俯视图像中的车道线,使用滑动窗口搜索算法检测车道线像素点,利用二次多项式进行车道线拟合,输出车道线方程;

5、采用目标检测算法识别所述道路俯视图像中的车辆,输出车辆检测框;

6、对所述车辆检测框内的二维结构进行多特征融合分割,结合车轮椭圆拟合、阴影去除和时序一致性约束,确定车辆各轮胎接地点的图像坐标;

7、通过直接线性变换法将所述轮胎接地点和所述车道线的图像坐标转换至道路物方坐标系;

8、在所述道路物方坐标系中计算各轮胎接地点到相邻车道线的垂直距离;

9、采用基于最优控制的二维轨迹重构方法,将车辆运动学约束纳入轨迹平滑模型,对车辆行驶轨迹进行重构;

10、融合车道线权重、车辆状态权重、环境权重和轨迹权重计算变道概率,并根据所述变道概率判定车辆的变道意图或变道行为;

11、从重构后的行驶轨迹中提取驾驶行为特征;

12、根据所述驾驶行为特征计算驾驶风格综合评分;

13、根据所述驾驶风格综合评分映射生成保费调整因子。

14、进一步的,所述融合车道线权重、车辆状态权重、环境权重和轨迹权重计算变道概率的步骤,具体包括:

15、根据车道线类型确定车道线权重,根据横向速度、航向角变化率确定车辆状态权重,根据道路类型、天气状态、隧道数量确定环境权重,根据历史轨迹偏移趋势确定轨迹权重;

16、变道概率的具体算法如下:

17、p = α·w_lane + β·w_vehicle + γ·w_env + δ·w_traj,

18、w_vehicle = 0.6·v_lat + 0.4·δθ,

19、w_traj = 1/(1+e^(-k·t)),

20、其中,p表示变道概率,α、β、γ、δ分别表示权重因子的融合系数,w_lane表示车道线权重,车道线类型为虚线时取值为0.8,为实线时取值为0.2,w_vehicle表示车辆状态权重,w_env表示环境权重,w_traj表示轨迹权重,v_lat表示横向速度,δθ表示航向角变化率,k表示历史轨迹偏移趋势的偏移系数,t表示历史轨迹偏移趋势。

21、进一步的,所述并根据所述变道概率判定车辆的变道意图或变道行为的步骤,具体包括:

22、当变道概率p>0.7时,判定为变道意图,输出一级预警;

23、当变道概率p>0.85且持续3帧以上时,判定为变道行为,输出二级预警;

24、当左侧车侧距d_left<0.3m或右侧车侧距d_right<0.3m时,判定为车道偏移,输出偏移预警。

25、进一步的,所述从重构后的行驶轨迹中提取驾驶行为特征的步骤,具体包括:

26、驾驶行为特征包括变道频率、车道偏移指数、激进变道事件、危险跟车事件;

27、所述变道频率为单位里程内的变道次数,基于变道总次数与行驶里程之比计算;

28、所述车道偏移指数为车辆行驶过程中偏离车道中心线的平均偏移量,基于车辆与车道线的左侧间距与右侧间距的相差均值和车道宽度之比计算;

29、所述激进变道事件为快速且近距离的变道,具体为,变道时间小于2秒且变道时与相邻车辆的最小侧向距离小于1.5米的变道事件;

30、所述危险跟车事件为跟车过近时间比例,具体为,跟车距离小于安全跟车距离的累计时长占行驶总时长的比例。

31、进一步的,所述根据所述驾驶行为特征计算驾驶风格综合评分的步骤,具体包括:

32、将提取的驾驶行为特征按照同路段历史统计数据的均值和标准差进行标准化处理,所述标准化处理的具体算法如下:

33、s = (x_raw - μ_route)/σ_route,

34、其中,s表示标准化处理后的驾驶行为特征,x_raw表示原始提取的驾驶行为特征,μ_route和σ_route分别表示同路段历史周期内对应驾驶行为特征的均值和标准差;

35、通过主成分分析法确定标准化处理后各驾驶行为特征的融合权重,并计算驾驶风格综合评分,所述驾驶风格综合评分的具体算法如下:

36、r = w1·s_freq + w2·s_lane + w3·s_agg + w4·s_follow,

37、其中,r表示驾驶风格综合评分,w1、w2、w3、w4分别表示标准化处理后各驾驶行为特征的融合权重,s_freq、s_lane、s_agg、s_follow分别表示标准化处理后的变道频率、车道偏移指数、激进变道事件、危险跟车事件。

38、进一步的,所述根据所述驾驶风格综合评分映射生成保费调整因子的步骤,具体包括:

39、当驾驶风格综合评分为r ≤ -1.5时,则认定驾驶风格为保守型,生成保费调整因子为0.85;

40、当驾驶风格综合评分为-1.5

41、当驾驶风格综合评分为-0.5

42、当驾驶风格综合评分为0.5

43、当驾驶风格综合评分为r>1.5时,则认定驾驶风格为危险型,生成保费调整因子为1.50。

44、本发明提出的一种高空俯视视角的车辆车道行驶轨迹监测系统,包括:

45、图像采集模块,用于从架设于道路上方的摄像头获取道路俯视图像序列;

46、车道线检测模块,用于采用语义分割网络识别所述道路俯视图像中的车道线,使用滑动窗口搜索算法检测车道线像素点,利用二次多项式进行车道线拟合,输出车道线方程;

47、车辆检测模块,用于采用目标检测算法识别所述道路俯视图像中的车辆,输出车辆检测框;

48、轮胎落地点检测模块,用于对所述车辆检测框内的二维结构进行多特征融合分割,结合车轮椭圆拟合、阴影去除和时序一致性约束,确定车辆各轮胎接地点的图像坐标;

49、坐标转换模块,用于通过直接线性变换法将所述轮胎接地点和所述车道线的图像坐标转换至道路物方坐标系;

50、车侧距计算模块,用于在所述道路物方坐标系中计算各轮胎接地点到相邻车道线的垂直距离;

51、轨迹重构模块,用于采用基于最优控制的二维轨迹重构方法,将车辆运动学约束纳入轨迹平滑模型,对车辆行驶轨迹进行重构;

52、变道检测模块,用于融合车道线权重、车辆状态权重、环境权重和轨迹权重计算变道概率,并根据所述变道概率判定车辆的变道意图或变道行为;

53、驾驶行为特征提取模块,用于从重构后的行驶轨迹中提取驾驶行为特征;

54、驾驶风格评分模块,用于根据所述驾驶行为特征计算驾驶风格综合评分;

55、保费因子映射模块,用于根据所述驾驶风格综合评分映射生成保费调整因子。

56、本发明还提供一种存储介质,所述存储介质存储一个或多个程序,所述程序被处理器执行时实现如上述的高空俯视视角的车辆车道行驶轨迹监测方法。

57、本发明还提供一种计算机设备,所述计算机设备包括存储器和处理器,其中:

58、所述存储器用于存放计算机程序;

59、所述处理器用于执行所述存储器中存放的所述计算机程序时,实现如上述的高空俯视视角的车辆车道行驶轨迹监测方法。

60、本发明的有益效果如下:

61、1.低成本:复用交通违法监测或天网系统摄像头,无需新增专用硬件设备,大幅降低部署成本。

62、2.大范围覆盖:单个高空摄像头可同时覆盖多车道、多车辆,实现全局交通监测。

63、3.高精度检测:多特征融合的轮胎落地点检测结合最优控制轨迹重构,有效减少视角偏差,提高检测精度。

64、4.鲁棒性强:多维权重融合的变道概率模型综合考虑车道线类型、车辆状态、环境条件和历史轨迹,显著降低误报率和漏报率。

65、5.数据真实性强:基于真实道路驾驶行为的监测数据,优于虚拟场景或模拟器评估结果。

66、6.动态定价:实现月/季度周期的保费动态调整,定价颗粒度精细。

67、7.激励相容:驾驶行为报告反馈至驾驶员,引导安全驾驶行为,形成正向激励。

68、8.隐私合规:基于路侧摄像头的非侵入式监测,无需车内设备,保护驾驶员隐私。