[发明专利]一种基于雷达和视频融合的车辆轨迹感知与状态提取方法

说明书

本发明公开了一种基于雷达和视频融合的车辆轨迹感知与状态提取方法，涉及雷达和视频融合技术，用于解决现有技术中缺少对长距离车辆连续轨迹的分析和车辆加减速等其他状态的识别的技术问题；本发明采用多层耦合智能分析算法，融合毫米波雷达和视频数据，提取车辆号牌、位置、速度等特征数据，准确标签车辆号牌及其对应的特征参数，弥补雷达或视频单一方式识别特定车辆和分析车辆长距离连续轨迹和状态方面的不足，提高车辆运行参数的计算精度；通过缩短时间更新间隔，提高车辆运行参数分析的时效性；根据每种车辆运行状态的样本数据，自学习获得状态阈值，再根据实时采集的车辆特征数据，提高车辆运行状态研判精度。

技术领域

本发明属于交通流信息感知领域，涉及雷达和视频融合技术，具体是一种基于雷达和视频融合的车辆轨迹感知与状态提取方法。

背景技术

城市快速路交织区因车辆合流时行驶速度、轨迹等突然变化，容易产生安全隐患和交通拥堵。因此，需要分析快速路交织区车辆行驶轨迹和状态，识别危险、不规范的驾驶行为和交通堵点位置，有利于优化快速路交通组织，规范快速路交织区车辆的驾驶行为，预防和缓解快速路拥堵，保障交通安全。

现有的车辆轨迹感知与状态提取方法主要采用视频或雷达的单一方式分析车辆轨迹：视频图像处理方式通过深度学习算法识别车辆，将车辆打上标签，然后通过视频图像处理算法判别车辆是否变道，对车辆变道行为进行抓拍。雷达探测方式则通过卡尔曼滤波器跟踪车辆的状态，包括位置、速度、加速度等，使用包含噪声的观测值估计和识别车辆的位置，再通过航迹处理算法提取车辆运行的轨迹。

现有车辆轨迹感知与状态提取方法中，采用视频图像处理方式受限于视频检测范围和图像质量，主要对小于75米的近距离车辆变道行为进行分析，缺少对长距离车辆连续轨迹的分析和车辆加减速等其他状态的识别。采用雷达探测方式主要是对车辆的连续轨迹进行分析，缺少车辆标签，无法识别车牌和对特定车辆进行状态和轨迹跟踪。

为此，提出一种基于雷达和视频融合的车辆轨迹感知与状态提取方法。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于雷达和视频融合的车辆轨迹感知与状态提取方法，解决了现有技术中缺少对长距离车辆连续轨迹的分析和车辆加减速等其他状态的识别的技术问题；本发明采用多层耦合智能分析算法，融合毫米波雷达和视频数据，提取车辆号牌、位置、速度等特征数据，准确标签车辆号牌及其对应的特征参数，弥补雷达或视频单一方式识别特定车辆和分析车辆长距离连续轨迹和状态方面的不足，提高车辆运行参数的计算精度；通过缩短时间更新间隔，提高车辆运行参数分析的时效性；根据每种车辆运行状态的样本集合，自学习获得状态阈值，再根据实时采集的车辆特征数据，提高车辆运行状态研判精度。

为实现上述目的，根据本发明的第一方面的实施例提出一种基于雷达和视频融合的车辆轨迹感知与状态提取方法，包括以下步骤：

选择快速路交织区上游、下游P1-P2米处作为检测点，安装毫米波雷达和视频检测器，获取通过该检测点的每个车辆位置、速度、车型、号牌等作为样本集合，记为：

Q＝{x|x＝x1，x2......xn}；

其中，x代表每个车辆的位置L、速度V、车型S、号牌ID的样本子集，即x＝(l，v，s，id)；

设计多层耦合智能分析算法C；

采用多层耦合算法融合分析毫米波雷达和视频检测器采集的车辆样本集合，识别车辆特征，感知车辆运行轨迹；

设计车辆运行状态研判算法M；

将连续时间标签下采集的的车辆特征数据集Q2输入车辆运行状态研判算法M，计算获得车辆的运行状态，输出车辆变道、加速、减速、停车、逆行等运行状态集合Λ，并存储到车辆运行状态主题数据库。

优选的，其中位置L、速度V、车型S、号牌ID分别标记为：