[发明专利]一种基于多源信息融合的在线路况检测系统及方法

说明书

本发明公开了一种基于多源信息融合的在线路况检测系统及方法，系统包括雷达传感模块，用于测量待测目标的位置、速度信息和采样周期；视频传感模块，用于获取各种场景的图像数据；数据处理模块，用于对所述雷达传感模块和视频传感模块的信息进行融合处理，以及对交通流信息进行计算；参数配置模块，用于进行车道配置、雷达标定以及相机标定这些参数的配置；可视化显示模块，用于实现各模块数据结果以及信息的输出与存储显示。本发明克服了单一信息方法及系统带来的信息不准确性及易受环境干扰的问题，并且通过多源信息融合增加了路况检测信息的全面性。

技术领域

本发明属于智能交通技术领域，特别是一种基于多种传感器信息融合的在线路况检测系统及方法。

背景技术

在国家政策的大力推动下，“智慧城市”的建设已占据着引领城市发展的核心战略地位，随着交通监控方法及系统应用越来越广泛，实际需求与问题也日益增加。现有路况检测方法及系统主要有两种类型：基于视频传感的路况检测方法及系统和基于雷达传感的路况检测方法及系统。

基于视频传感的路况检测方法及系统通过对监测区域的道路视频进行图像处理和分析，得到车辆在图片上的有无及位置信息，并根据图片位置的变化，可粗略估算车辆的距离和速度。视频型路况检测器能提供路面的影像情况，对图像区域的大车，密集的小车均有优异的检测性能；在不同车辆车型和行人的识别效果上也具有一定优势。但视频型检测方法及系统受到光亮情况、气候条件影响很大，同时检测距离也有限，一般不超过100米。基于雷达传感的路况检测方法及系统通过对检测区域进行调制连续波的发射和接收，依据点云数据的分析可快速计算出目标精确的位置和速度信息，但雷达型检测方法及系统受气候条件及昼夜变换影响较小。但雷达型车辆检测器无法给出道路现场的影像信息，无法检测停止目标，对大车的检测效果不佳，无法有效区分大车、小车、非机动车和行人。

现今的智慧交通领域，雷达数据与视频数据的融合，可以分为早期融合、中期融合、跟踪结果融合。早期融合指在目标跟踪前，结合目标检测框的概率值，对雷达数据与目标检测框进行逻辑运算，该方式会造成大量的漏检。中期融合，值在目标跟踪的过程中，使用雷达数据验证视频数据，或是使用视频检测框验证雷达数据，这种方式的精度相比早期融合要好，但过于依赖雷达点自身的信号或是基于视觉目标检测的精度。跟踪结果的融合，指的是在将基于视觉的跟踪与基于雷达的跟踪在时序多帧范围内进行合并，这种方式同样也依赖于二者之一的精度。为此，提出一种高效的融合方式是十分必要的。近几年，随着深度学习技术的发展，基于各种传感器数据的算法大面积得到应用。因此，从深度学习技术在其他领域的出色表现，将深度学习技术应用到雷达数据与视频数据的融合方面是必然的。近几年，同样出现了一些相关的出色工作，但在现实的复杂场景应用中缺乏鲁棒性和精确性，为此针对项目落地，在数据融合方面仍存在很大的提升空间。

发明内容

本发明的目的在于针对上述单一传感器在线路况检测方法及系统的缺点，提出了一种基于多源信息融合的在线路况检测方法及系统，实现了行人、机动车、非机动车等路况目标交通流信息的精准测量。

实现本发明目的的技术解决方案为：一种基于多种传感器信息融合的在线路况检测系统，所述系统包括雷达传感模块、视频传感模块、数据处理模块、参数配置模块及可视化显示模块；

所述雷达传感模块，用于测量待测目标的位置、速度信息和采样周期；

所述视频传感模块，用于获取各种场景的图像数据；

这里，所述雷达传感模块和所述视频传感模块针对同一检测区域进行信息采集；

所述数据处理模块，用于对所述雷达传感模块和视频传感模块的信息进行融合处理，以及对交通流信息进行计算；

所述参数配置模块，用于进行车道配置、雷达标定以及相机标定这些参数的配置；

所述可视化显示模块，用于实现各模块数据结果以及信息的输出与存储显示。