本發(fā)明涉及交通路口智能紅綠燈控制領(lǐng)域，具體是一種車輛間距檢測方法。

背景技術(shù)：

隨著國家經(jīng)濟發(fā)展和人民生活水平的提高，越來越多的汽車進入千家萬戶，這給道路交通帶來了巨大壓力，尤其是上下班高峰期，道路交叉口處擁堵更是隨處可見，嚴重妨礙了汽車給人們帶來的速度和便捷。隨著電子紅綠燈系統(tǒng)的應(yīng)用，道路交叉口處的擁堵情況有所緩解，但擁堵還是經(jīng)常發(fā)生，究其原因，我們發(fā)現(xiàn)現(xiàn)有的電子紅綠燈系統(tǒng)存在一定的缺點，就是使用固定時間長度進行周期性切換，它帶來的問題是：比如南北方向道路上有很多車輛行駛，而東西方向道路上沒有車輛行駛，到了紅綠燈切換周期后，南北方向道路上的車輛依然要停車等等，這就造成道路通行時間的嚴重浪費，同時也加劇了擁堵。如何解決這一問題，此時就需要一種更加智能的紅綠燈系統(tǒng)，可以根據(jù)道路上車輛的實時通行情況，動態(tài)的調(diào)整紅綠燈切換周期時間長度，最大限度的發(fā)揮道路的通行能力。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種車輛間距檢測方法，該方法能實時獲取車道內(nèi)的車輛位置，精確獲取車輛之間的間距，為調(diào)整智能紅綠燈切換周期時間長度提供依據(jù)。

為實現(xiàn)上述目的，本發(fā)明采用了以下技術(shù)方案：一種車輛間距檢測方法，包括以下順序步驟：

(1)通過道路視頻圖像設(shè)定車道區(qū)域；

(2)采集道路圖像；

(3)對道路圖像進行處理，獲取道路水平邊緣圖像；

(4)對水平邊緣圖像進行處理，獲取水平邊緣差分圖；

(5)通過累積多幀水平邊緣差分圖，獲取車輛的前景區(qū)域；

(6)去除前景區(qū)域的干擾邊緣；

(7)獲取車輛間距；

(8)重復執(zhí)行以上步驟，實時獲取每條車道的車輛通行信息；

(9)輸出車輛通行信息。

所述的車輛間距檢測方法，步驟(3)中，所述獲取水平邊緣圖像，具體包括以下順序步驟：

(3A)利用卷積分模板，對道路進行模糊處理，去除路面上較小的水平干擾邊緣，所述卷積分模板采用以下公式：

其中，K1表示卷積分模板；

(3B)利用卷積分模板，獲取經(jīng)道路模糊處理的水平梯度圖像，所述卷積分模板采用以下公式：

其中，K2表示卷積分模板；

(3C)利用以下公式獲取水平邊緣圖像：

其中，E(i,j)表示水平邊緣圖像上(i,j)處的灰度值，G(i,j)表示水平梯度圖像上(i,j)處的梯度值，T表示圖像的水平梯度強度均值，w表示圖像的寬度，h表示圖像的高度。

所述的車輛間距檢測方法，步驟(6)中，所述去除前景區(qū)域的干擾邊緣，具體包括以下順序步驟：

(6A)將同一個車輛的水平邊緣區(qū)域連接起來，形成更加完整的連通區(qū)域；

(6B)去除面積較小的連通區(qū)域；

(6C)去除寬度較小的連通區(qū)域。

所述的車輛間距檢測方法，步驟(7)中，所述獲取車輛間距，具體包括以下順序步驟：

(7A)去除區(qū)域鬼影效應(yīng)，獲取新的車輛前景連通區(qū)域；

(7B)獲取每一個車輛前景連通區(qū)域的最小包圍矩形；

(7C)通過計算相鄰車輛最小包圍矩形之間的距離和車輛距離車道上下邊界的距離，獲取車輛間距。

所述的車輛間距檢測方法，步驟(7A)中，所述去除區(qū)域鬼影效應(yīng)，獲取新的車輛前景連通區(qū)域，通過以下公式獲?。?/p>

其中，F(xiàn)N(i,j)表示獲取的新車輛前景區(qū)域圖像上(i,j)處的灰度值，F(xiàn)(i,j)表示車輛前景區(qū)域圖像上(i,j)處的灰度值，D(i,j)表示當前幀水平邊緣差分圖像上(i,j)處的灰度值，F(xiàn)(i,j)+D(i,j)＝2表示像素(i,j)在車輛前景區(qū)域圖像和水平邊緣差分圖像上均屬于前景像素點。

所述的車輛間距檢測方法，步驟(7B)中，所述獲取每一個車輛前景連通區(qū)域的最小包圍矩形，通過以下公式獲?。?/p>

其中，rect.x₁表示最小包圍矩形的左邊線位置，rect.x₂表示最小包圍矩形的右邊線位置，rect.y₁表示最小包圍矩形的上邊線位置，rect.y₂表示最小包圍矩形的下邊線位置，F(xiàn)N(i,j)表示車輛前景區(qū)域圖像上任意(i,j)處的灰度值，{i|FN(i,j)＝1}表示所有屬于前景區(qū)域的像素點的x坐標集合，{j|FN(i,j)＝1}示所有屬于前景區(qū)域的像素點的y坐標集合，min{}表示獲取所有包含元素的最小值，max{}表示獲取所有包含元素的最大值。

所述的車輛間距檢測方法，步驟(4)中，所述對水平邊緣圖像進行處理，獲取水平邊緣差分圖主要通過獲取當前幀水平邊緣圖像和上一幀水平邊緣圖像的差別圖像法獲得，具體采用以下公式：

D(i,j)＝|Ec(i,j)-Ep(i,j)|

其中，D(i,j)表示水平邊緣差分圖像上(i,j)處的灰度值，Ec(i,j)表示當前幀的水平邊緣圖像上(i,j)處的灰度值，Ep(i,j)表示上一幀的水平邊緣圖像上(i,j)處的灰度值。

所述的車輛間距檢測方法，步驟(5)中，所述通過累積多幀水平邊緣差分圖，獲取車輛的前景區(qū)域，通過以下公式獲得：

F(i,j)＝max{D₀(i,j),D₁(i,j)...D_n(i,j)}

其中，F(xiàn)(i,j)表示車輛前景區(qū)域圖像上(i,j)處的灰度值，max{}表示提取所有包含元素的最大值，D₀(i,j)表示當前幀的水平邊緣差分圖像上(i,j)處的灰度值，D₁(i,j)表示前一幀的水平邊緣差分圖像上(i,j)處的灰度值，D_n(i,j)表示前n幀的水平邊緣差分圖像上(i,j)處的灰度值。

由上述技術(shù)方案可知，本發(fā)明采用視頻圖像分析技術(shù)，實時獲取車道內(nèi)的車輛位置，精確獲取車輛之間的間距，為調(diào)整智能紅綠燈切換周期時間長度提供依據(jù)，本方法具有速度快、精度高、抵抗光線變化能力強、適用環(huán)境廣等特點。

附圖說明

圖1是本發(fā)明的方法流程圖；

圖2是設(shè)定車道區(qū)域圖；

圖3是道路水平邊緣圖像；

圖4是道路水平邊緣差分圖像；

圖5是車道內(nèi)的車輛前景區(qū)域圖像；

圖6是去除干擾邊緣后的車道內(nèi)車輛前景區(qū)域圖像；

圖7是車道內(nèi)車輛距離效果圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明做進一步說明：

如圖1所示，一種車輛間距檢測方法，包括以下順序的步驟：

S1、設(shè)定車道區(qū)域，主要是在道路視頻圖像中，把每一條行車道區(qū)域分別標定出來，如圖2所示，其中，深色直線表示車道線。

S2、采集道路圖像，主要是實時采集卡口道路的視頻圖像。

S3、獲取水平邊緣圖像，為了克服實際環(huán)境中復雜多變的光線影響，增加系統(tǒng)的穩(wěn)定性，根據(jù)車道內(nèi)車輛呈現(xiàn)出較多的水平邊緣，本發(fā)明選擇水平邊緣特征來描述車輛的存在，效果如圖3所示，具體步驟如下：

S31、道路模糊處理，主要是在不影響車輛水平邊緣特征的情況下，去除路面上較小的水平干擾邊緣，如石子、紙片、樹葉等，基于卷積模板公式(1)，通過卷積運算完成；

其中，K1表示卷積分模板；

S32、獲取水平梯度圖像，主要采用卷積模板公式(2)，通過卷積運算獲??；

其中，K2表示卷積分模板；

S33、獲取水平邊緣圖像，主要是采用公式(3)和公式(4)，在水平梯度圖像上，選擇具有較大梯度強度的點作為水平邊緣。

其中，E(i,j)表示水平邊緣圖像上(i,j)處的灰度值，G(i,j)表示水平梯度圖像上(i,j)處的梯度值，T表示圖像的水平梯度強度均值，w表示圖像的寬度，h表示圖像的高度。

S4、獲取水平邊緣差分圖，克服道路上靜態(tài)水平邊緣的影響，如路面上的標記線等，主要方法是獲取當前幀水平邊緣圖像和上一幀水平邊緣圖像的差別圖像，基于公式(5)完成，效果如圖4所示；

D(i,j)＝|Ec(i,j)-Ep(i,j)| (5)

其中，D(i,j)表示水平邊緣差分圖像上(i,j)處的灰度值，Ec(i,j)表示當前幀的水平邊緣圖像上(i,j)處的灰度值，Ep(i,j)表示上一幀的水平邊緣圖像上(i,j)處的灰度值。

S5、獲取車輛的前景區(qū)域，依據(jù)卡口綠燈狀態(tài)時，車道內(nèi)的車輛水平邊緣會呈現(xiàn)出連續(xù)移動的狀態(tài)，因此，采用累積多幀水平邊緣差分圖的方法，獲取車輛的前景區(qū)域，基于公式(6)完成，效果如圖5所示；

F(i,j)＝max{D₀(i,j),D₁(i,j)...D_n(i,j)} (6)

其中，F(xiàn)(i,j)表示車輛前景區(qū)域圖像上(i,j)處的灰度值，max{}表示提取所有包含元素的最大值，D₀(i,j)表示當前幀的水平邊緣差分圖像上(i,j)處的灰度值，D₁(i,j)表示前一幀的水平邊緣差分圖像上(i,j)處的灰度值，D_n(i,j)表示前n幀的水平邊緣差分圖像上(i,j)處的灰度值。

S6、去除干擾邊緣，主要是去除典型的非車輛水平邊緣區(qū)域，效果如圖6所示，具體步驟如下：

S61、形態(tài)學處理，主要用于把同一個車輛的水平邊緣區(qū)域連接起來，形成更加完整的連通區(qū)域；

S62、去除面積較小的連通區(qū)域，主要是由于車輛前景區(qū)域的累積特性，使得每一個車輛前景區(qū)域都具有較大的連通區(qū)域面積，因此，面積較小的連通區(qū)域就是典型的非車輛前景區(qū)域。

S63、去除寬度較小的連通區(qū)域，主要是因為車輛水平邊緣的寬度都在半個車道寬度以上，因此，小于半個車道寬度的連通區(qū)域就是典型的非車輛前景區(qū)域；

S7、獲取車輛間距，主要是獲取每一條車道內(nèi)，相鄰車輛之間的距離，對于某一條車道，具體步驟如下：

S71、去除區(qū)域鬼影效應(yīng)，由于步驟S5是通過累積多幀水平邊緣差分圖獲取的前景區(qū)域，因此，不可避免的帶來區(qū)域鬼影效應(yīng)，即是有一部分車輛前景區(qū)域?qū)嶋H對應(yīng)的并不是真實車輛，而是路面區(qū)域，這顯然不利于計算車輛之間的真實距離。本發(fā)明采用公式(7)，獲取去除區(qū)域鬼影效應(yīng)后的新的車輛前景連通區(qū)域；

其中，F(xiàn)N(i,j)表示獲取的新車輛前景區(qū)域圖像上(i,j)處的灰度值，F(xiàn)(i,j)表示車輛前景區(qū)域圖像上(i,j)處的灰度值，D(i,j)表示當前幀水平邊緣差分圖像上(i,j)處的灰度值，F(xiàn)(i,j)+D(i,j)＝2表示像素(i,j)在車輛前景區(qū)域圖像和水平邊緣差分圖像上均屬于前景像素點。

S72、獲取每一個車輛前景連通區(qū)域的最小包圍矩形，基于公式(8)完成；

其中，rect.x₁表示最小包圍矩形的左邊線位置，rect.x₂表示最小包圍矩形的右邊線位置，rect.y₁表示最小包圍矩形的上邊線位置，rect.y₂表示最小包圍矩形的下邊線位置，F(xiàn)N(i,j)表示車輛前景區(qū)域圖像上任意(i,j)處的灰度值，{i|FN(i,j)＝1}表示所有屬于前景區(qū)域的像素點的x坐標集合，{j|FN(i,j)＝1}示所有屬于前景區(qū)域的像素點的y坐標集合，min{}表示獲取所有包含元素的最小值，max{}表示獲取所有包含元素的最大值。

S73、獲取車輛間距，如果車道內(nèi)存在車輛，則計算相鄰車輛最小包圍矩形之間的距離和車輛距離車道上下邊界的距離作為車輛間距，如果車道內(nèi)不存在車輛，則計算車道上下邊界之間的距離作為車輛間距，如圖7所示，其中，淺色區(qū)域表示車輛距離。

S8、循環(huán)執(zhí)行，主要是重復執(zhí)行步驟S2到步驟S8，實時獲取每條車道的車輛通行情況。

S9、輸出車輛通行信息，主要是實時輸出當前車道內(nèi)車輛之間的間距信息，根據(jù)每條車道內(nèi)的車輛間距個數(shù)和車輛間距大小，可以很好地反應(yīng)該車道的車輛通行情況，進而為調(diào)整智能紅綠燈切換周期時間長度提供決策依據(jù)。

以上所述的實施例僅僅是對本發(fā)明的優(yōu)選實施方式進行描述，并非對本發(fā)明的范圍進行限定，在不脫離本發(fā)明設(shè)計精神的前提下，本領(lǐng)域普通技術(shù)人員對本發(fā)明的技術(shù)方案作出的各種變形和改進，均應(yīng)落入本發(fā)明權(quán)利要求書確定的保護范圍內(nèi)。