申请/专利权人：西北工业大学

申请日：2021-04-16

公开（公告）日：2024-04-16

公开（公告）号：CN113066106B

主分类号：G06T7/246

分类号：G06T7/246;G06V20/17;G06V20/40;G06V20/54;G06V10/82;G08G1/054

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.07.20#实质审查的生效;2021.07.02#公开

摘要：本发明公开了一种基于空中机器人移动视觉的车速测量方法，通过获取空中机器人所拍摄的视频图像画面，可以获取到车辆的运动轨迹；同时，通过检测车辆所在道路上的车道线，计算出图上距离，求得实际距离和图上距离的比值，算出车辆的实际运动距离；从而最终计算出画面内所有车辆的瞬时速度。本发明方法克服了传统固定测速设备灵活性不强、造价高昂、安装困难等缺点，摆脱了现有空中车辆测速方案对空中机器人飞行姿态的高要求，机动性强，对飞行姿态和飞手的要求不高，能够实时地监测地面车辆的速度，使用方便。

主权项：1.一种基于空中机器人移动视觉的车速测量方法，其特征在于，包括以下步骤：步骤1：收集数据；利用空中机器人在移动视觉下采集不同车辆和道路的图像，并对采集到的图像中的车辆和道路进行标注；对标注后的图像进行数据增广；再用数据增广后的图像形成训练集；步骤2：模型训练采用神经网络模型，设置训练参数，利用训练集对神经网络模型进行训练；采用YOLOv5的方法训练和检测车辆和车道线；将检测阈值设置为0.5，即检测得到的边框和真实边框IOU0.5，即认为能够将车辆和车道线检测出来；在训练时先将所有训练图像数据的尺寸调整为448×448来预训练特征提取神经网络，然后再将输入的训练图像数据尺寸增大到640×640，利用标记好的训练数据，通过损失函数、优化函数优化更新网络权重，更新模型参数，并不断迭代，进而继续使用检测数据集对神经网络进行微调；不断修改超参数，优化模型，通过修改超参数，调整阈值，不断地比对实验结果，完成训练；训练完成的神经网络模型能够检测输入图像中的车辆和道路；步骤3：车速测量；步骤3-1：对空中机器人采集的视频，每隔N帧，截取一幅图像，输入步骤2训练完成的神经网络模型，检测出图像中的车辆和道路；步骤3-2：计算出图像中两两相邻的车道线在图像中的距离，并求出多幅图像中车道线在图像中距离的平均值dpic；步骤3-3：获取两两相邻车道线的实际距离dactual；步骤3-4：计算车道线在图像中距离的平均值和车道线实际距离的比值步骤3-5：计算视频每N帧的间隔时间f为视频帧率；步骤3-6：计算车辆在相邻N帧图像上运动的距离spic，并求出车辆在间隔时间Δt内运动的实际距离步骤3-7：计算车辆的运动速度步骤4：对空中机器人采集的视频，采用步骤3，测量视频中的车辆速度，当车辆的速度超过设定值时，则将车辆标为红色以警示操作人员。

全文数据：

权利要求：

百度查询： 西北工业大学 一种基于空中机器人移动视觉的车速测量方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD