图像采集设备控制方法、装置、计算机设备和存储介质与流程

1.本技术涉及交通安全技术领域，特别是涉及一种图像采集设备控制图像采集设备控制方法、装置、计算机设备和存储介质。


背景技术：

2.在交通路口常会遇到车辆违章变道的情况，传统的抓拍方式是利用车道线下部署的传感器来感知车辆的跨道行为，然后触发监控相机进行违章变道的抓拍。
3.但是，这种部署在地下的传感器，容易受到路面寿命或者车辆长期碾压的影响而失效，导致无法感知车辆的跨道行为或者出现感知错误的情况，进而影响监控相机抓拍违章变道的准确率。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够提高抓拍违章变准确率的图像采集设备控制方法、装置、计算机设备和存储介质。
5.一种图像采集设备控制方法，该方法包括：
6.获取激光雷达对目标道路采集的点云数据，并基于点云数据检测出目标道路中的至少一个检测对象；
7.根据点云数据对各检测对象进行状态检测；
8.若至少一个检测对象中目标检测对象的状态符合预设变道状态，则控制图像采集设备对目标检测对象进行图像采集，并得到目标检测对象的违章变道图像集合；预设变道状态用于表征目标检测对象处于变道过程中的一个状态。
9.在其中一个实施例中，上述根据点云数据对各检测对象进行状态检测，包括：
10.根据点云数据确定各检测对象的航向角；其中，航向角为检测对象的中轴线与车道方向的夹角；
11.若检测对象的航向角大于第一预设角度阈值，则确定检测对象处于预变道状态。
12.在其中一个实施例中，上述根据点云数据对各检测对象进行状态检测，包括：
13.根据点云数据确定各检测对象与车道分界线之间的相对位置；
14.若根据相对位置确定检测对象跨越过车道分界线，则确定检测对象处于变道中状态。
15.在其中一个实施例中，上述根据点云数据确定各检测对象与车道分界线之间的相对位置，包括：
16.针对每个检测对象，根据点云数据确定检测对象上的两个预设部件与车道分界线之间的相对位置；
17.对应地，在上述若根据相对位置确定检测对象跨越过车道分界线，则确定检测对象处于变道中状态之前，该方法还包括：
18.若检测对象上的两个预设部件位于车道分界线的两侧，则确定目标检测对象跨越
车道分界线。
19.在其中一个实施例中，上述根据点云数据对各检测对象进行状态检测，包括：
20.根据点云数据确定各检测对象的航向角；
21.若检测对象的前一状态为变道中状态，且检测对象的航向角小于第二预设角度阈值，则确定检测对象处于变道完成状态。
22.在其中一个实施例中，上述预设变道状态包括预变道状态、变道中状态和变道完成状态；上述若至少一个检测对象中目标检测对象的状态符合预设变道状态，则控制图像采集设备对目标检测对象进行图像采集，并得到目标检测对象的违章变道图像集合，包括：
23.若至少一个检测对象中目标检测对象的状态为预设变道状态中的一种，则确定目标检测对象所处的目标车道以及图像采集范围覆盖目标车道的目标图像采集设备；
24.控制目标图像采集设备对目标检测对象进行图像采集，得到目标检测对象的违章变道图像；
25.将目标检测对象在不同状态下的违章变道图像组合成违章变道图像集合。
26.在其中一个实施例中，该方法还包括：
27.根据目标检测对象在违章变道图像中的位置对违章变道图像进行图像识别，得到目标检测对象对应的标识信息。
28.在其中一个实施例中，该方法还包括：
29.将目标检测对象对应的标识信息与违章变道图像集合发送至服务器。
30.一种图像采集设备控制装置，该装置包括：
31.对象检测模块，用于获取激光雷达对目标道路采集的点云数据，并基于点云数据检测出目标道路中的至少一个检测对象；
32.状态检测模块，用于根据点云数据对各检测对象进行状态检测；
33.图像采集模块，用于若至少一个检测对象中目标检测对象的状态符合预设变道状态，则控制图像采集设备对目标检测对象进行图像采集，并得到目标检测对象的违章变道图像集合；预设变道状态用于表征目标检测对象处于变道过程中的一个状态。
34.在其中一个实施例中，上述状态检测模块，具体用于根据点云数据确定各检测对象的航向角；其中，航向角为检测对象的中轴线与车道方向的夹角；若检测对象的航向角大于第一预设角度阈值，则确定检测对象处于预变道状态。
35.在其中一个实施例中，上述状态检测模块，具体用于根据点云数据确定各检测对象与车道分界线之间的相对位置；若根据相对位置确定检测对象跨越过车道分界线，则确定检测对象处于变道中状态。
36.在其中一个实施例中，上述状态检测模块，具体用于针对每个检测对象，根据点云数据确定检测对象上的两个预设部件与车道分界线之间的相对位置；
37.对应地，该装置还包括：
38.跨越车道检测模块，用于若检测对象上的两个预设部件位于车道分界线的两侧，则确定目标检测对象跨越车道分界线。
39.在其中一个实施例中，上述状态检测模块，具体用于根据点云数据确定各检测对象的航向角；若检测对象的前一状态为变道中状态，且检测对象的航向角小于第二预设角度阈值，则确定检测对象处于变道完成状态。
40.在其中一个实施例中，上述预设变道状态包括预变道状态、变道中状态和变道完成状态；上述图像采集模块，具体用于若至少一个检测对象中目标检测对象的状态为预设变道状态中的一种，则确定目标检测对象所处的目标车道以及图像采集范围覆盖目标车道的目标图像采集设备；控制目标图像采集设备对目标检测对象进行图像采集，得到目标检测对象的违章变道图像；将目标检测对象在不同状态下的违章变道图像组合成违章变道图像集合。
41.在其中一个实施例中，该装置还包括：
42.图像识别模块，用于根据目标检测对象在违章变道图像中的位置对违章变道图像进行图像识别，得到目标检测对象对应的标识信息。
43.在其中一个实施例中，该装置还包括：
44.发送模块，用于将目标检测对象对应的标识信息与违章变道图像集合发送至服务器。
45.一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
46.获取激光雷达对目标道路采集的点云数据，并基于点云数据检测出目标道路中的至少一个检测对象；
47.根据点云数据对各检测对象进行状态检测；
48.若至少一个检测对象中目标检测对象的状态符合预设变道状态，则控制图像采集设备对目标检测对象进行图像采集，并得到目标检测对象的违章变道图像集合；预设变道状态用于表征目标检测对象处于变道过程中的一个状态。
49.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
50.获取激光雷达对目标道路采集的点云数据，并基于点云数据检测出目标道路中的至少一个检测对象；
51.根据点云数据对各检测对象进行状态检测；
52.若至少一个检测对象中目标检测对象的状态符合预设变道状态，则控制图像采集设备对目标检测对象进行图像采集，并得到目标检测对象的违章变道图像集合；预设变道状态用于表征目标检测对象处于变道过程中的一个状态。
53.上述图像采集设备控制方法、装置、计算机设备和存储介质，路侧控制设备获取激光雷达对目标道路采集的点云数据，并基于点云数据检测出目标道路中的至少一个检测对象；根据点云数据对各检测对象进行状态检测；若至少一个检测对象中目标检测对象的状态符合预设变道状态，则控制图像采集设备对目标检测对象进行图像采集，并得到目标检测对象的违章变道图像集合。本公开实施例中，由于激光雷达采集的点云数据不受环境影响，因此路侧控制设备可以根据点云数据准确地感知车辆的跨道行为，并控制图像采集设备进行图像采集，与现有技术相比，提高了抓拍违章变道的准确率。
附图说明
54.图1为一个实施例中图像采集设备控制方法的应用环境图；
55.图2为一个实施例中图像采集设备控制方法的流程示意图；
56.图3为一个实施例中图像根据点云数据对各检测对象进行状态检测步骤的流程示意图之一；
57.图4为一个实施例中图像根据点云数据对各检测对象进行状态检测步骤的流程示意图之二；
58.图5为一个实施例中图像根据点云数据对各检测对象进行状态检测步骤的流程示意图之三；
59.图6为一个实施例中控制图像采集设备对目标检测对象进行图像采集步骤的流程示意图；
60.图7为另一个实施例中图像采集设备控制方法的流程示意图；
61.图8为一个实施例中图像采集设备控制装置的结构框图；
62.图9为一个实施例中计算机设备的内部结构图。
具体实施方式
63.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
64.本技术提供的图像采集设备控制方法，可以应用于如图1所示的应用环境中。该应用环境包括路侧感知设备101、路侧控制设备102和服务器103，路侧控制设备102分别通过网络与路侧感知设备101和服务器103进行通信，路侧感知设备101将采集到的数据传输到路侧控制设备102，路侧控制设备违章变道图像集合传输到服务器103。其中，路侧感知设备101可以包括激光雷达和图像采集设备；图像采集设备可以是监控相机；路侧控制设备102可以是计算机芯片、个人计算机、笔记本电脑、平板电脑；服务器103可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
65.在一个实施例中，如图2所示，提供了一种图像采集设备控制方法，以该方法应用于图1中的路侧控制设备为例进行说明，包括以下步骤：
66.步骤201，路侧控制设备获取激光雷达对目标道路采集的点云数据，并基于点云数据检测出目标道路中的至少一个检测对象。
67.激光雷达对目标道路进行扫描并采集点云数据。之后，激光雷达将对目标道路采集到的点云数据传输到路侧控制设备，路侧控制设备则获取到目标道路的点云数据。接着，路侧控制设备根据点云数据进行三维目标检测，检测出目标道路中的至少一个检测对象。本公开实施例对三维目标检测的方式不做限定。
68.在其中一个实施例中，点云数据由多个采集时刻的子点云数据组成，路侧控制设备根据各采集时刻的子点云数据进行三维目标检测，得到每个采集时刻目标道路中的检测对象。之后，路侧控制设备可以利用目标跟踪算法对多个采集时刻的检测对象进行跟踪处理，从而确定多个采集时刻中的同一检测对象，并对该检测对象设置唯一标识。
69.例如，对采集时刻t1的子点云数据进行三维目标检测，确定其中一个检测对象为m1；对采集时刻t2的子点云数据进行检测，确定其中一个检测对象为m2。之后，利用目标跟踪算法进行检测对象m1的跟踪处理，可以确定检测对象m2与检测对象m1为同一检测对象，并对该检测对象设置唯一标识m。本公开实施例对目标跟踪算法不做限定。
70.步骤202，根据点云数据对各检测对象进行状态检测。
71.路侧控制设备检测出目标道路中的至少一个检测对象，根据点云数据确定各检测对象的位置、尺寸、速度等特征信息，根据特征信息对检测对象进行状态检测，确定检测对象是处于正常行驶状态，还是处于变道状态，或者是转弯状态、掉头状态。本公开实施例对检测到的状态不做限定。
72.步骤203，若至少一个检测对象中目标检测对象的状态符合预设变道状态，则控制图像采集设备对目标检测对象进行图像采集，并得到目标检测对象的违章变道图像集合。
73.其中，预设变道状态用于表征目标检测对象处于变道过程中的一个状态。预设变道状态包括预变道状态、变道中状态和变道完成状态。
74.路侧控制设备在对各检测对象进行状态检测时，判断各检测对象的状态是否符合预设变道状态，如果其中一个检测对象的状态符合预设变道状态，则将该检测对象确定为目标检测对象，并控制图像采集设备对该目标检测对象进行图像采集，这样，可以得到目标检测对象在预变道状态、变道中状态和变道完成状态下的违章变道图像集合。
75.上述图像采集设备控制方法中，路侧控制设备获取激光雷达对目标道路采集的点云数据，并基于点云数据检测出目标道路中的至少一个检测对象；根据点云数据对各检测对象进行状态检测；若至少一个检测对象中目标检测对象的状态符合预设变道状态，则控制图像采集设备对目标检测对象进行图像采集，并得到目标检测对象的违章变道图像集合。本公开实施例中，由于激光雷达采集的点云数据不受环境影响，因此路侧控制设备可以根据点云数据准确地感知车辆的跨道行为，并控制图像采集设备进行图像采集，与现有技术相比，提高了抓拍违章变道的准确率。
76.在一个实施例中，如图3所示，根据点云数据对各检测对象进行状态检测，可以包括：
77.步骤301，路侧控制设备根据点云数据确定各检测对象的航向角。
78.其中，航向角为检测对象的中轴线与车道方向的夹角。
79.路侧控制设备在检测出目标道路中的检测对象时，可以得到各检测对象的三维边界框。针对每个检测对象，可以根据三维边界框中的点云数据确定检测对象的中轴线。
80.预先在路侧控制设备中设置车道方向，在确定各检测对象的中轴线之后，路侧控制设备计算各检测对象的中轴线与车道方向的夹角，得到各检测对象的航向角。
81.步骤302，若检测对象的航向角大于第一预设角度阈值，则确定检测对象处于预变道状态。
82.针对每个检测对象，如果检测对象的航向角大于第一预设角度阈值，表明检测对象预备变道，即确定检测对象处于预变道状态。如果检测对象的航向角小于或等于第一预设角度阈值，表明检测对象处于正常行驶状态。
83.在实际应用中，第一预设角度阈值可以设置角度方向，从而确保检测对象预备变道的方向是违章变道方向，而不是正常变道方向。
84.在其中一个实施例中，如图4所示，根据点云数据对各检测对象进行状态检测，可以包括：
85.步骤303，路侧控制设备根据点云数据确定各检测对象与车道分界线之间的相对位置。
86.预先在路侧控制设备中设置车道分界线的位置。针对每个检测对象，路侧控制设备可以根据三维边界框中的点云数据确定检测对象的中心位置，进而确定检测对象的中心位置与车道分界线的相对位置。
87.在其中一个实施例中，针对每个检测对象，根据点云数据确定检测对象上的两个预设部件与车道分界线之间的相对位置。例如，检测对象为车辆，根据点云数据确定车头和车尾与车道分界线之间的相对位置；或者，根据点云数据确定车辆左前轮和右后轮与车道分界线之间的相对位置；或者，根据点云数据确定车辆右前轮和左后轮与车道分界线之间的相对位置。本公开实施例对预设部件不做限定。
88.步骤304，若根据相对位置确定检测对象跨越过车道分界线，则确定检测对象处于变道中状态。
89.根据检测对象与车道分界线之间的相对位置判断检测对象是否跨越车道分界线。如果确定检测对象跨越车道分界线，则确定检测对象处于变道中状态。
90.在其中一个实施例中，在根据点云数据确定检测对象上的两个预设部件与车道分界线之间的相对位置之后，若检测对象上的两个预设部件位于车道分界线的两侧，则确定目标检测对象跨越车道分界线。
91.例如，如果车头和车尾位于车道分界线的两侧，则确定检测对象跨越车道分界线；或者，如果车辆左前轮和右后轮位于车道分界线的两侧，则确定检测对象跨越车道分界线；或者，如果车辆右前轮和左后轮位于车道分界线的两侧，则确定检测对象跨越车道分界线。
92.在其中一个实施例中，如图5所示，根据点云数据对各检测对象进行状态检测，可以包括：
93.步骤305，路侧控制设备根据点云数据确定各检测对象的航向角。
94.步骤306，若检测对象的前一状态为变道中状态，且检测对象的航向角小于第二预设角度阈值，则确定检测对象处于变道完成状态。
95.如果路侧控制设备确定检测对象的前一状态为变道中状态，并且检测对象的航向角小于第二预设角度阈值，表明检测对象跨越车道分界线后完成变道行为，即确定检测对象处于变道完成状态。
96.上述根据点云数据对各检测对象进行状态检测的过程中，路侧控制设备根据点云数据确定各检测对象的航向角；若检测对象的航向角大于第一预设角度阈值，则确定检测对象处于预变道状态；或者，路侧控制设备根据点云数据确定各检测对象与车道分界线之间的相对位置；若根据相对位置确定检测对象跨越过车道分界线，则确定检测对象处于变道中状态；或者，路侧控制设备根据点云数据确定各检测对象的航向角；若检测对象的前一状态为变道中状态，且检测对象的航向角小于第二预设角度阈值，则确定检测对象处于变道完成状态。本公开实施例中，由于激光雷达采集到的点云数据不受环境影响，因此路侧控制设备根据点云数据对各检测对象进行状态检测，比如根据点云数据确定检测对象的航向角、检测对象与车道分界线的相对位置等，进而根据检测对象的航向角和检测对象与车道分界线的相对位置可以准确感知出检测对象的跨道行为，从而提高抓拍违章变道的准确率。
97.在一个实施例中，预设变道状态包括预变道状态、变道中状态和变道完成状态，如图6所示，若至少一个检测对象中目标检测对象的状态符合预设变道状态，则控制图像采集
设备对目标检测对象进行图像采集，并得到目标检测对象的违章变道图像集合，可以包括：
98.步骤401，若至少一个检测对象中目标检测对象的状态为预设变道状态中的一种，则路侧控制设备确定目标检测对象所处的目标车道以及图像采集范围覆盖目标车道的目标图像采集设备。
99.如果路侧控制设备检测到至少一个检测对象中的一个检测对象为预变道状态、变道中状态、变道完成状态中的一种，则该检测对象为目标检测对象，路侧控制设备根据点云数据确定目标检测对象的位置，并根据路侧控制设备中预先设置的车道分界线的位置，确定目标检测对象所处的目标车道。
100.例如，目标检测对象为车辆a，路侧控制设备根据车辆a的位置和车道分界线的位置确定车辆a位于中间车道；或者，路侧控制设备确定车辆a跨越中间车道和右侧车道。
101.在实际应用中，通常会在道路中设置多个图像采集设备，每个图像采集设备具有对应的图像采集范围。预先在路侧控制设备中设置每个图像采集设备的图像采集范围，在确定目标检测对象所处的目标车道之后，将图像采集范围覆盖目标车道的图像采集设备确定为目标图像采集设备。
102.步骤402，控制目标图像采集设备对目标检测对象进行图像采集，得到目标检测对象的违章变道图像。
103.确定目标图像采集设备之后，路侧控制设备向目标图像采集设备发送采集信号，控制目标图像采集设备对目标检测对象进行图像采集。同时，路侧控制设备将目标检测对象的唯一标识发送到目标图像采集设备，图像采集设备根据目标检测对象的唯一标识，将采集到的图像标注为目标检测对象的违章变道图像。如果目标检测对象处于预变道状态，则目标图像采集设备得到的违章变道图像是预变道图像；如果目标检测对象处于变道中状态，则目标图像采集设备得到的违章变道图像是变道中图像；如果目标检测对象处于变道完成状态，则目标图像采集设备得到的违章变道图像是变道完成图像。
104.步骤403，将目标检测对象在不同状态下的违章变道图像组合成违章变道图像集合。
105.路侧控制设备得到目标检测对象的预变道图像、变道中图像和变道完成图像后，将目标检测对象的预变道图像、变道中图像和变道完成图像组成目标检测对象的违章变道图像集合。
106.上述控制图像采集设备对目标检测对象进行图像采集，并得到目标检测对象的违章变道图像集合的过程中，若至少一个检测对象中目标检测对象的状态为预设变道状态中的一种，则路侧控制设备确定目标检测对象所处的目标车道以及图像采集范围覆盖目标车道的目标图像采集设备；控制目标图像采集设备对目标检测对象进行图像采集，得到目标检测对象的违章变道图像；将目标检测对象在不同状态下的违章变道图像组合成违章变道图像集合。本公开实施例中，路侧控制设备在确定目标检测对象的状态符合预设变道状态后，根据目标检测对象所处的目标车道控制相应的目标图像采集设备进行图像采集，可以确保能抓拍到目标检测对象的违章变道图像。进一步地，得到目标检测对象的违章变道图像集合，即将目标检测对象的多张违章变道图像形成证据链，以便审核人员可以根据证据链对目标检测对象是否存在违章变道行为进行复核。
107.在一个实施例中，如图7所示，提供了一种图像采集设备控制方法，可以包括：
108.步骤501，路侧控制设备获取激光雷达对目标道路采集的点云数据，并基于点云数据检测出目标道路中的至少一个检测对象。
109.步骤502，根据点云数据确定各检测对象的航向角；若检测对象的航向角大于第一预设角度阈值，则确定检测对象处于预变道状态。
110.其中，航向角为检测对象的中轴线与车道方向的夹角；
111.步骤503，根据点云数据确定各检测对象与车道分界线之间的相对位置；若根据相对位置确定检测对象跨越过车道分界线，则确定检测对象处于变道中状态。
112.在其中一个实施例中，根据点云数据确定各检测对象上的两个预设部件与车道分界线之间的相对位置；若检测对象上的两个预设部件位于车道分界线的两侧，则确定目标检测对象跨越车道分界线。
113.步骤504，根据点云数据确定各检测对象的航向角；若检测对象的前一状态为变道中状态，且检测对象的航向角小于第二预设角度阈值，则确定检测对象处于变道完成状态。
114.步骤505，若至少一个检测对象中目标检测对象的状态为预设变道状态中的一种，则确定目标检测对象所处的目标车道以及图像采集范围覆盖目标车道的目标图像采集设备。
115.其中，预设变道状态包括预变道状态、变道中状态和变道完成状态。
116.步骤506，控制目标图像采集设备对目标检测对象进行图像采集，得到目标检测对象的违章变道图像。
117.步骤507，将目标检测对象在不同状态下的违章变道图像组合成违章变道图像集合。
118.步骤508，根据目标检测对象在违章变道图像中的位置对违章变道图像进行图像识别，得到目标检测对象对应的标识信息。
119.路侧控制设备在得到违章变道图像后，可以根据激光雷达和图像采集设备之间的对应关系以及点云数据确定目标检测对象在违章变道图像中的位置。之后，路侧控制设备可以根据目标检测对象在违章变道图像中的位置对预变道图像、变道中图像和变道完成图像中的任意一个图像进行图像识别，得到目标检测对象对应的标识信息。例如，目标检测对象为车辆a，先从变道完成图像中识别出车辆a的车牌图像，再从车牌图像中识别出车辆a的车牌号码，即得到了车辆a的标识信息。
120.步骤509，将目标检测对象对应的标识信息与违章变道图像集合发送至服务器。
121.在得到目标检测对象的标识信息和违章变道图像集合之后，可以将目标检测对象的标识信息和位置变道图像集合打包发送到服务器，以便审核人员根据违章变道图像集合和标识信息对目标检测对象是否违章变道进行复核。
122.上述图像采集设备控制方法中，由于激光雷达采集的点云数据不受环境影响，因此路侧控制设备可以根据点云数据准确地感知车辆的跨道行为，并控制图像采集设备进行图像采集，与现有技术相比，提高了抓拍违章变道的准确率。进一步地，将目标检测对象的多张违章变道图像形成证据链，并从违章变道图像中识别出目标检测对象的标识信息，可以方便审核人员根据证据链以及标识信息对目标检测对象是否存在违章变道行为进行复核。
123.应该理解的是，虽然图2-图7的流程图中的各个步骤按照箭头的指示依次显示，但
是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-图7中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
124.在一个实施例中，如图8所示，提供了一种图像采集设备控制装置，包括：
125.对象检测模块601，用于获取激光雷达对目标道路采集的点云数据，并基于点云数据检测出目标道路中的至少一个检测对象；
126.状态检测模块602，用于根据点云数据对各检测对象进行状态检测；
127.图像采集模块603，用于若至少一个检测对象中目标检测对象的状态符合预设变道状态，则控制图像采集设备对目标检测对象进行图像采集，并得到目标检测对象的违章变道图像集合；预设变道状态用于表征目标检测对象处于变道过程中的一个状态。
128.在其中一个实施例中，上述状态检测模块602，具体用于根据点云数据确定各检测对象的航向角；其中，航向角为检测对象的中轴线与车道方向的夹角；若检测对象的航向角大于第一预设角度阈值，则确定检测对象处于预变道状态。
129.在其中一个实施例中，上述状态检测模块602，具体用于根据点云数据确定各检测对象与车道分界线之间的相对位置；若根据相对位置确定检测对象跨越过车道分界线，则确定检测对象处于变道中状态。
130.在其中一个实施例中，上述状态检测模块602，具体用于针对每个检测对象，根据点云数据确定检测对象上的两个预设部件与车道分界线之间的相对位置；
131.对应地，该装置还包括：
132.跨越车道检测模块，用于若检测对象上的两个预设部件位于车道分界线的两侧，则确定目标检测对象跨越车道分界线。
133.在其中一个实施例中，上述状态检测模块602，具体用于根据点云数据确定各检测对象的航向角；若检测对象的前一状态为变道中状态，且检测对象的航向角小于第二预设角度阈值，则确定检测对象处于变道完成状态。
134.在其中一个实施例中，上述预设变道状态包括预变道状态、变道中状态和变道完成状态；上述图像采集模块603，具体用于若至少一个检测对象中目标检测对象的状态为预设变道状态中的一种，则确定目标检测对象所处的目标车道以及图像采集范围覆盖目标车道的目标图像采集设备；控制目标图像采集设备对目标检测对象进行图像采集，得到目标检测对象的违章变道图像；将目标检测对象在不同状态下的违章变道图像组合成违章变道图像集合。
135.在其中一个实施例中，该装置还包括：
136.图像识别模块，用于根据目标检测对象在违章变道图像中的位置对违章变道图像进行图像识别，得到目标检测对象对应的标识信息。
137.在其中一个实施例中，该装置还包括：
138.发送模块，用于将目标检测对象对应的标识信息与违章变道图像集合发送至服务器。
139.关于图像采集设备控制装置的具体限定可以参见上文中对于图像采集设备控制方法的限定，在此不再赘述。上述图像采集设备控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
140.在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、运营商网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种图像采集设备控制方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
141.本领域技术人员可以理解，图9中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
142.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
143.获取激光雷达对目标道路采集的点云数据，并基于点云数据检测出目标道路中的至少一个检测对象；
144.根据点云数据对各检测对象进行状态检测；
145.若至少一个检测对象中目标检测对象的状态符合预设变道状态，则控制图像采集设备对目标检测对象进行图像采集，并得到目标检测对象的违章变道图像集合；预设变道状态用于表征目标检测对象处于变道过程中的一个状态。
146.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
147.根据点云数据确定各检测对象的航向角；其中，航向角为检测对象的中轴线与车道方向的夹角；
148.若检测对象的航向角大于第一预设角度阈值，则确定检测对象处于预变道状态。
149.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
150.根据点云数据确定各检测对象与车道分界线之间的相对位置；
151.若根据相对位置确定检测对象跨越过车道分界线，则确定检测对象处于变道中状态。
152.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
153.针对每个检测对象，根据点云数据确定检测对象上的两个预设部件与车道分界线之间的相对位置；
154.若检测对象上的两个预设部件位于车道分界线的两侧，则确定目标检测对象跨越车道分界线。
155.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
156.根据点云数据确定各检测对象的航向角；
157.若检测对象的前一状态为变道中状态，且检测对象的航向角小于第二预设角度阈值，则确定检测对象处于变道完成状态。
158.在一个实施例中，上述预设变道状态包括预变道状态、变道中状态和变道完成状态；处理器执行计算机程序时还实现以下步骤：
159.若至少一个检测对象中目标检测对象的状态为预设变道状态中的一种，则确定目标检测对象所处的目标车道以及图像采集范围覆盖目标车道的目标图像采集设备；
160.控制目标图像采集设备对目标检测对象进行图像采集，得到目标检测对象的违章变道图像；
161.将目标检测对象在不同状态下的违章变道图像组合成违章变道图像集合。
162.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
163.根据目标检测对象在违章变道图像中的位置对违章变道图像进行图像识别，得到目标检测对象对应的标识信息。
164.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
165.将目标检测对象对应的标识信息与违章变道图像集合发送至服务器。
166.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
167.获取激光雷达对目标道路采集的点云数据，并基于点云数据检测出目标道路中的至少一个检测对象；
168.根据点云数据对各检测对象进行状态检测；
169.若至少一个检测对象中目标检测对象的状态符合预设变道状态，则控制图像采集设备对目标检测对象进行图像采集，并得到目标检测对象的违章变道图像集合；预设变道状态用于表征目标检测对象处于变道过程中的一个状态。
170.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
171.根据点云数据确定各检测对象的航向角；其中，航向角为检测对象的中轴线与车道方向的夹角；
172.若检测对象的航向角大于第一预设角度阈值，则确定检测对象处于预变道状态。
173.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
174.根据点云数据确定各检测对象与车道分界线之间的相对位置；
175.若根据相对位置确定检测对象跨越过车道分界线，则确定检测对象处于变道中状态。
176.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
177.针对每个检测对象，根据点云数据确定检测对象上的两个预设部件与车道分界线之间的相对位置；
178.若检测对象上的两个预设部件位于车道分界线的两侧，则确定目标检测对象跨越车道分界线。
179.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
180.根据点云数据确定各检测对象的航向角；
181.若检测对象的前一状态为变道中状态，且检测对象的航向角小于第二预设角度阈值，则确定检测对象处于变道完成状态。
182.在一个实施例中，上述预设变道状态包括预变道状态、变道中状态和变道完成状态；计算机程序被处理器执行时还实现以下步骤：
183.若至少一个检测对象中目标检测对象的状态为预设变道状态中的一种，则确定目标检测对象所处的目标车道以及图像采集范围覆盖目标车道的目标图像采集设备；
184.控制目标图像采集设备对目标检测对象进行图像采集，得到目标检测对象的违章变道图像；
185.将目标检测对象在不同状态下的违章变道图像组合成违章变道图像集合。
186.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
187.根据目标检测对象在违章变道图像中的位置对违章变道图像进行图像识别，得到目标检测对象对应的标识信息。
188.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
189.将目标检测对象对应的标识信息与违章变道图像集合发送至服务器。
190.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
191.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
192.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。