交通事故责任溯源方法、装置、计算机设备和存储介质与流程

1.本技术涉及图像分析技术领域，特别是涉及一种交通事故责任溯源方法、装置、计算机设备和存储介质。


背景技术：

2.随着图像处理技术的发展，道路上的图像采集设备覆盖面越来越广，道路图像采集设备可以采集目标车辆的图像数据，当交通事故发生时，工作人员可以通过道路的图像采集设备采集的图像数据和现场痕迹，分析当前交通事故中的责任车辆。
3.但是，上述交通事故的分析方法难以准确地判定当前交通事故中的责任车辆，且效率很低。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种交通事故责任溯源方法、装置、计算机设备和存储介质。
5.第一方面，提供一种交通事故责任溯源方法，该方法包括：
6.根据图像数据检测得到目标车辆的边界信息；
7.将边界信息映射到原始点云数据中，得到目标车辆的目标点云数据；原始点云数据与图像数据具有对应关系；
8.对目标点云数据进行分析，得到目标车辆在事故发生路段的行驶信息；
9.根据行驶信息判定目标车辆是否存在事故责任，得到目标车辆的责任分析结果。
10.在其中一个实施例中，上述行驶信息包括目标车辆的行驶速度、行驶轨迹、行驶方向、车辆类别中至少一个。
11.在其中一个实施例中，若行驶信息中包括目标车辆的行驶速度；上述对目标点云数据进行分析，得到目标车辆的行驶信息，包括：
12.根据目标车辆的目标点云数据的坐标，确定目标车辆的候选坐标；
13.根据前一帧目标点云数据的目标车辆的候选坐标，与当前帧目标点云数据的目标车辆的候选坐标，确定目标车辆的行驶速度。
14.在其中一个实施例中，上述根据行驶信息判定目标车辆是否存在事故责任，得到目标车辆的责任分析结果，包括：
15.若目标车辆的行驶速度小于事故发生路段的速度下限值，或目标车辆的行驶速度大于事故发生路段的速度上限值，则判定目标车辆存在事故责任，并将目标车辆的速度异常信息作为目标车辆的责任分析结果。
16.在其中一个实施例中，若行驶信息中包括目标车辆的行驶轨迹；上述对目标点云数据进行分析，得到目标车辆的行驶信息，包括：
17.根据目标点云数据中各帧点云数据的坐标，确定在各帧中目标车辆的候选坐标；
18.根据在各帧中目标车辆的候选坐标的位置变化情况，和在各帧中目标车辆的航向
角的变化情况，确定目标车辆的行驶轨迹。
19.在其中一个实施例中，上述根据行驶信息判定目标车辆是否存在事故责任，得到目标车辆的责任分析结果，包括：
20.若目标车辆的行驶轨迹上的点处于事故发生路段的禁止变道区域内，则判定目标车辆存在事故责任，并将目标车辆的变道异常信息作为目标车辆的责任分析结果。
21.在其中一个实施例中，若行驶信息中包括目标车辆的行驶方向；上述对目标点云数据进行分析，得到目标车辆的行驶信息，包括：
22.根据目标点云数据获取各帧中目标车辆的航向角；
23.根据在各帧中目标车辆的航向角的变化情况，确定目标车辆的行驶方向。
24.在其中一个实施例中，上述根据行驶信息判定目标车辆是否存在事故责任，得到目标车辆的责任分析结果，包括：
25.若目标车辆的行驶方向与事故发生路段的路段方向相反，则判定目标车辆存在事故责任，并将目标车辆的逆向行驶异常信息作为目标车辆的责任分析结果。
26.在其中一个实施例中，若行驶信息中包括目标车辆的车辆类别；上述对目标点云数据进行分析，得到目标车辆的行驶信息，包括：
27.根据目标点云数据中的边界信息，确定目标车辆的三维边界框；三维边界框用于表示目标车辆的长、宽、高；
28.根据目标车辆的三维边界框，确定目标车辆的车辆类别。
29.在其中一个实施例中，上述根据行驶信息判定目标车辆是否存在事故责任，得到目标车辆的责任分析结果，包括：
30.若目标车辆的车辆类别属于事故发生路段的限行车辆，则判定目标车辆存在事故责任，并将目标车辆的占道异常信息作为目标车辆的责任分析结果。
31.在其中一个实施例中，该方法还包括：
32.采用图像识别技术对边界信息对应的图像区域进行识别，得到目标车辆的车牌号；
33.根据目标车辆的车牌号，确定车牌号对应的用户标识；
34.若目标车辆存在事故责任，则将责任分析结果发送至用户标识对应的第一用户端和/或相应的管理中心平台。
35.在其中一个实施例中，该方法还包括：
36.若接收到第一用户端和/或相应的管理中心平台发送的检验请求，则将原始点云数据和图像数据发送至相应的管理中心平台，以使相应的管理中心平台进行事故责任的再次判定；检验请求表示第一用户端和/或相应的管理中心平台对责任分析结果存在疑议。
37.在其中一个实施例中，上述将边界信息映射到原始点云数据中，得到目标车辆的目标点云数据，包括：
38.根据预设的映射规则，将边界信息映射到原始点云数据中，得到目标车辆的目标点云数据；预设的映射规则根据预设的旋转矩阵、预设的平移向量、预设的内参矩阵所确定。
39.第二方面，提供一种交通事故责任溯源装置，该装置包括：
40.检测模块，用于根据图像数据检测得到目标车辆的边界信息；
41.映射模块，用于将边界信息映射到原始点云数据中，得到目标车辆的目标点云数据；原始点云数据与图像数据具有对应关系；
42.分析模块，用于对目标点云数据进行分析，得到目标车辆在事故发生路段的行驶信息；
43.输出模块，用于根据行驶信息判定目标车辆是否存在事故责任，得到目标车辆的责任分析结果。
44.第三方面，提供一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行该计算机程序时实现上述第一方面任一所述的交通事故责任溯源方法。
45.第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述第一方面任一所述的交通事故责任溯源方法。
46.上述交通事故责任溯源方法、装置、计算机设备和存储介质，服务器通过根据图像数据检测得到目标车辆的边界信息，将边界信息映射到原始点云数据中，得到目标车辆的目标点云数据，进而对目标点云数据进行分析，得到目标车辆在事故发生路段的行驶信息，从而根据行驶信息判定目标车辆是否存在事故责任，得到目标车辆的责任分析结果。本方法中，由于原始点云数据与图像数据具有对应关系，服务器可以通过对图像数据进行目标车辆边界信息的检测，并将检测到的目标边界信息映射到点云数据中，得到目标车辆的目标点云数据，不需要获取事故发生路段对应场景的全部点云数据，获取过程简单，实时性高，且减少了三维检测的点云数据量，一定程度地提高了三维检测的效率；在责任分析过程中，服务器通过目标点云数据得到目标车辆的行驶信息，该行驶信息可以准确反应目标车辆在事故发生过程中的行驶状态，从而可以准确地判定当前交通事故中的目标车辆是否存在责任事故。
附图说明
47.图1为一个实施例中交通事故责任溯源方法的应用环境图；
48.图2为一个实施例中交通事故责任溯源方法的流程示意图；
49.图3为一个实施例中交通事故责任溯源方法的流程示意图；
50.图4为一个实施例中交通事故责任溯源方法的流程示意图；
51.图5为一个实施例中交通事故责任溯源方法的流程示意图；
52.图6为一个实施例中交通事故责任溯源方法的流程示意图；
53.图7为一个实施例中交通事故责任溯源方法的流程示意图；
54.图8为一个实施例中交通事故责任溯源方法的流程示意图；
55.图9为一个实施例中交通事故责任溯源装置的结构框图；
56.图10为一个实施例中交通事故责任溯源装置的结构框图；
57.图11为一个实施例中计算机设备的内部结构图。
具体实施方式
58.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。
59.本技术提供的交通事故责任溯源方法，可以应用于如图1所示的应用环境中。其中，服务器101通过网络与雷达102、二维图像采集设备103进行通信。其中，服务器101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，服务器负责完成数据存储、图像处理、点云处理以及数据分析；雷达102可以为激光雷达，还可以为其他雷达；二维图像采集设备103可以为任意一种高清图像采集设备，例如，高清摄像头。可选地，图1的应用环境还可以包括第一用户端104、第二用户端105，服务器101通过网络与第一用户端104、第二用户端105进行通信。
60.下面将通过实施例并结合附图具体地对本技术的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。需要说明的是，本技术图2-图8实施例提供的交通事故责任溯源方法，其执行主体为服务器101，也可以是交通事故责任溯源装置，该交通事故责任溯源装置可以通过软件、硬件或者软硬件结合的方式成为服务器101的部分或全部。下述方法实施例中，均以执行主体是服务器101为例来进行说明。
61.在一个实施例中，如图2所示，提供了一种交通事故责任溯源方法，涉及的是服务器根据图像数据和目标点云数据，判定目标车辆是否存在事故责任的过程，包括以下步骤：
62.s201、根据图像数据检测得到目标车辆的边界信息。
63.其中，图像数据为通过图像采集设备采集到的二维数据，可选地，图像采集设备可以为高清摄像头，或者其他图像采集设备。图像数据为当前事故路段所在场景的图像信息；目标车辆指的是当前事故中的其中一个车辆；边界信息指的是根据图像数据检测到的该目标车辆的二维边界框、位置坐标、尺寸等信息。
64.在本实施例中，服务器可以通过任意一种二维图像检测模型对该图像数据进行目标车辆的监测，例如，服务器基于深度神经网络模型，对图像数据进行目标车辆检测，得到目标车辆的中心点坐标、目标车辆边界框的四个端点坐标、目标车辆的长、宽等信息，服务器也可以采用图像识别技术识别目标车辆的边界信息，本实施例对此不做限定。
65.s202、将边界信息映射到原始点云数据中，得到目标车辆的目标点云数据；原始点云数据与图像数据具有对应关系。
66.其中，原始点云数据指的是激光雷达采集到的当前事故路段所在场景的点云数据，目标点云数据指的是从原始点云数据中确定的目标车辆边界信息对应的点云数据。原始点云数据与图像数据具有对应关系包括原始点云数据与图像数据具有时间对应关系、原始点云数据与图像数据具有边框信息对应关系中任意一种。
67.为确保原点云数据和图像数据中均包括目标车辆对应的信息，在一种情况下，原始点云数据与图像数据具有时间对应关系。示例地，原始点云数据与图像数据可以为同一时刻的数据，例如，获取第14秒的图像数据和原始点云数据；可选地，原始点云数据与图像数据也可以为其时间差值在预设的时间差值范围内的不同时刻的数据，该预设的时间差值范围是根据实际情况与数据精度确定的范围，在该时间差值范围原点云数据和图像数据中均包括目标车辆对应的信息。例如，预设时间差值范围为(-2s， 2s)，获取的是第14秒图像数据，那么根据预设时间差值范围，服务器可以获取(12s，16s)中任意一个时刻的原始点云数据。需要说明的是，某一时刻的原始点云数据包括多帧点云数据。在另一种情况下，原始点云数据与图像数据具有边界信息对应关系，示例地，服务器在获取图像数据时，应以图像
数据中包括目标车辆，且该目标车辆的二维边界框范围大于或等于原始点云数据中目标车辆的三维边界框范围的原则，确定与原始点云数据对应的图像数据。需要说明的是，服务器可以结合以上两种情况获取原始点云数据与图像数据，也可以分别依据任意一种情况获取原始点云数据与图像数据。
68.在本实施例中，服务器根据预设的映射矩阵，将图像数据中目标车辆的边界信息对应的二维数据转换为三维点云数据，从而根据该三维点云数据确定原始点云数据中目标车辆的三维边界信息，得到目标车辆对应的目标点云数据；服务器还可以将边界信息输入至预设的学习模型中，输出边界信息对应的三维点云数据，从而对应至原始点云数据中，得到目标车辆对应的目标点云数据，本实施例对此不做限定。
69.s203、对目标点云数据进行分析，得到目标车辆在事故发生路段的行驶信息。
70.其中，目标点云数据中包括了目标车辆的候选坐标、航向角、以及目标车辆对应的三维边界信息。
71.可选地，行驶信息包括目标车辆的行驶速度、行驶轨迹、行驶方向、车辆类别中至少一个。
72.在本实施例中，服务器对目标点云数据进行分析，示例地，服务器可以根据目标点云数据中目标车辆候选坐标的变化情况，确定目标车辆的位置移动情况；服务器还可以根据目标车辆候选坐标的变化情况，计算目标车辆的行驶速度；服务器还可以根据目标车辆的航向角的变化情况，确定目标车辆的行驶方向；服务器还可以根据目标车辆候选坐标的变化情况以及目标车辆的航向角的变化情况，确定目标车辆的行驶轨迹；服务器可以根据目标车辆的三维边界信息，确定目标车辆的类别；本实施例中对此不做限定。
73.s204、根据行驶信息判定目标车辆是否存在事故责任，得到目标车辆的责任分析结果。
74.其中，事故责任原因包括目标车辆在事故发生路段以异常速度行驶、逆向行驶、违规变道、违规占道、以及不按照交通指示灯行驶等中的至少一种。目标车辆的责任分析结果可以包括存在事故责任的标识信息，以及其对应的事故原因。
75.在本实施例中，服务器根据确定的目标车辆的行驶信息对目标车辆进行是否存在事故责任进行判定，示例地，若目标车辆的行驶速度不在事故发生路段允许的行驶速度范围内，则说明目标车辆超速行驶或以较低的速度行驶，此时，服务器则判定目标车辆存在事故责任，其对应的责任分析结果包括存在事故责任，原因为速度异常；若目标车辆的行驶方向为自南向北行驶，而事故发生路段的路段方向为自北向南行驶，服务器则判定目标车辆存在事故责任，其对应的责任分析结果包括存在事故责任，原因为逆向行驶；若目标车辆在交通指示灯为红灯时间段内仍存在行驶轨迹，则说明目标车辆存在闯红灯行为，服务器则判定目标车辆存在事故责任，其对应的责任分析结果包括存在事故责任，原因为闯红灯；本实施例对此不做限定。
76.上述交通事故责任溯源方法中，服务器通过根据图像数据检测得到目标车辆的边界信息，将边界信息映射到原始点云数据中，得到目标车辆的目标点云数据，进而对目标点云数据进行分析，得到目标车辆在事故发生路段的行驶信息，从而根据行驶信息判定目标车辆是否存在事故责任，得到目标车辆的责任分析结果。本方法中，由于原始点云数据与图像数据具有对应关系，服务器可以通过对图像数据进行目标车辆边界信息的检测，并将检
测到的目标边界信息映射到点云数据中，得到目标车辆的目标点云数据，不需要获取事故发生路段对应场景的全部点云数据，获取过程简单，实时性高，且减少了三维检测的点云数据量，一定程度地提高了三维检测的效率；在责任分析过程中，服务器通过目标点云数据得到目标车辆的行驶信息，该行驶信息可以准确反应目标车辆在事故发生过程中的行驶状态，从而可以准确地判定当前交通事故中的目标车辆是否存在责任事故。可选地，该方法的点云数据采集可以通过路侧，其可以针对对应的检测范围进行实时数据采集，因此，若将本技术的方案应用到路侧设备场景下，可以对路侧设备检测范围内发生的交通事故全面，高效的完成责任溯源。
77.服务器在判定不同情况下是否存在事故责任时，需要确定不同情况下的判定依据，在一个实施例中，如图3所示，上述行驶信息中包括目标车辆的行驶速度；对目标点云数据进行分析，得到目标车辆的行驶信息，包括：
78.s301、根据目标点云数据中各帧点云数据的坐标，确定在各帧中目标车辆的候选坐标。
79.其中，候选坐标可以为目标车辆的中心坐标，还可以为目标车辆的重心坐标；目标车辆的中心坐标可以通过目标车辆对应的边界信息的三维位置坐标计算确定，其中，三维位置坐标可以为目标车辆三维边界的顶点坐标。
80.在本实施例中，目标点云数据为目标车辆的边界信息在原始点云数据映射得到，目标点云数据包括目标车辆的边界区域的所有雷达点的数据，服务器可以根据边界区域的所有雷达点的数据中点云的三维位置坐标，计算确定目标车辆的中心坐标，或者，服务器可以根据目标车辆的边界区域的所有雷达点的数据确定目标车辆的重心坐标。需要说明的是，服务器获取的某一时刻的点云数据包括各帧中的多个点云，故，服务器确定的是各帧中目标车辆的候选坐标。
81.s302、根据在各帧中目标车辆的候选坐标的位置变化情况，确定目标车辆的行驶速度。
82.在本实施例中，服务器可以根据前后两帧中的目标车辆的位置，计算目标车辆的行驶速度；为准确计算目标车辆的行驶速度，服务器还可以根据多帧中目标车辆的位置，计算目标车辆的行驶速度。以根据两帧中目标车辆的中心坐标，计算目标车辆的行驶速度为例，服务器可以根据下式进行目标车辆行驶速度v的计算：
[0083][0084]
其中，f为雷达每秒采集点云数据的帧率；(x2,y2,z2)为第二帧的目标车辆的中心点坐标；(x1,y1,z1)为第一帧的目标车辆的中心点坐标。
[0085]
在本实施例中，服务器根据前后帧或多帧的点云数据的候选坐标变化情况计算目标车辆的行驶速度，由于点云数据采集的点具有实时准确性，故计算得到的目标车辆的行驶速度具有较高的可靠性。
[0086]
在这种情况下，服务器根据目标车辆的行驶速度进行责任判定时，在一个实施例中，上述根据行驶信息判定目标车辆是否存在事故责任，得到目标车辆的责任分析结果，包括：
[0087]
若目标车辆的行驶速度小于事故发生路段的速度下限值，或目标车辆的行驶速度
大于事故发生路段的速度上限值，则判定目标车辆存在事故责任，并将目标车辆的速度异常信息作为目标车辆的责任分析结果。
[0088]
在本实施例中，服务器可以通过第三方接口，获取事故发生路段行驶速度的上限值和下限值，若目标车辆的行驶速度小于事故发生路段的下限值，或者大于事故发生路段的上限值，均说明该目标车辆存在速度异常行驶的行为，此时，服务器可以判定当前目标车辆存在责任事故，且责任分析结果为速度异常，示例地，速度异常可以表示为“speed error”；可选地，服务器还可以通过第三方接口，只获取事故发生路段行驶速度的上限值，若目标车辆的行驶速度大于事故发生路段的上限值，则判定当前目标车辆存在责任事故，且责任分析结果为速度异常。其中，第三方接口可以为包含当前街道、路段信息的地图信息平台，本实施例对此不做限定。
[0089]
在本实施例中，服务器从目标车辆的行驶速度方面判定目标车辆是否存在以异常速度行驶的事故责任，使得判定目标车辆的依据更全面，判定结果更具有可靠性。
[0090]
在另一种判定情况下，服务器需要确定目标车辆的行驶轨迹，在一个实施例中，如图4所示，上述行驶信息中包括目标车辆的行驶轨迹；对目标点云数据进行分析，得到目标车辆的行驶信息，包括：
[0091]
s401、根据目标点云数据中各帧点云数据的坐标，确定在各帧中目标车辆的候选坐标。
[0092]
在本实施例中，与上述步骤s301中确定各帧中目标车辆的候选坐标的方法类似，本实施例中不予累述。
[0093]
s402、根据在各帧中目标车辆的候选坐标的位置变化情况，和在各帧中目标车辆的航向角的变化情况，确定目标车辆的行驶轨迹。
[0094]
其中，航向角为目标车辆的行驶方向与雷达所在坐标系中纵轴负方向的夹角，航向角为矢量参数，具有方向和大小。
[0095]
在本实施例中，服务器根据各帧的目标车辆的候选坐标的位置变化情况，和目标车辆的航向角的变化情况，确定目标车辆的每两个位置之间的行驶情况，最终根据各帧中位置变化信息，得到当前时刻点云数据中，目标车辆在事故发生路段的完整行驶轨迹。
[0096]
在本实施例中，服务器根据点云数据中目标车辆的候选坐标位置变化情况和航向角的变化情况确定目标车辆的行驶轨迹，其得到的目标车辆的行驶轨迹较为准确。
[0097]
在这种情况下，服务器根据目标车辆的行驶轨迹进行责任判定时，在一个实施例中，上述根据行驶信息判定目标车辆是否存在事故责任，得到目标车辆的责任分析结果，包括：
[0098]
若目标车辆的行驶轨迹上的点处于事故发生路段的禁止变道区域内，则判定目标车辆存在事故责任，并将目标车辆的变道异常信息作为目标车辆的责任分析结果。
[0099]
在本实施例中，服务器可以通过第三方接口，获取事故发生路段行驶速度的禁止变道区域，若目标车辆的行驶轨迹上的点处于事故发生路段的禁止变道区域内，均说明该目标车辆存在违规变道行驶的行为，此时，服务器可以判定当前目标车辆存在责任事故，且责任分析结果为变道异常，示例地，变道异常可以表示为“lane change error”，本实施例对此不做限定。
[0100]
在本实施例中，服务器从目标车辆的行驶轨迹方面判定目标车辆是否存在违规变
道的事故责任，使得判定目标车辆的依据更全面，判定结果更具有可靠性。
[0101]
在又一种判定情况下，服务器需要确定目标车辆的行驶方向，在一个实施例中，如图5所示，若行驶信息中包括目标车辆的行驶方向；对目标点云数据进行分析，得到目标车辆的行驶信息，包括：
[0102]
s501、根据目标点云数据获取各帧中目标车辆的航向角。
[0103]
在本实施例中，服务器获取当前时刻的所有帧中目标点云数据的航向角，该航向角可以为雷达根据目标车辆的行驶方向与雷达所在坐标系纵轴的夹角确定，此时，服务器可以直接向雷达获取各帧中目标车辆的航向角；该航向角还可以是服务器根据目标车辆的行驶方向与预设的雷达所在坐标系纵轴的夹角确定，本实施例对此不做限定。
[0104]
s502、根据在各帧中目标车辆的航向角的变化情况，确定目标车辆的行驶方向。
[0105]
在本实施例中，航向角为矢量参数，具有方向和大小，服务器根据各帧中目标车辆的航向角的变化情况，可以确定目标车辆的行驶方向，示例地，根据航向角的变化情况，判断目标车辆的行驶方向为向右行驶、向左行驶或者反向行驶中任意一种。
[0106]
在本实施例中，服务器可以根据点云数据中目标车辆的航向角变化情况准确得到目标车辆的行驶方向，从而根据目标车辆的行驶方向进行责任事故的判定，使得判定结果更为可靠。
[0107]
在这种情况下，服务器根据目标车辆的行驶方向进行责任判定时，在一个实施例中，上述根据行驶信息判定目标车辆是否存在事故责任，得到目标车辆的责任分析结果，包括：
[0108]
若目标车辆的行驶方向与事故发生路段的路段方向相反，则判定目标车辆存在事故责任，并将目标车辆的逆向行驶异常信息作为目标车辆的责任分析结果。
[0109]
在本实施例中，服务器可以通过第三方接口，获取事故发生路段的行驶方向，若目标车辆的行驶方向与事故发生路段的路段方向相反，则说明该目标车辆存在逆向行驶的行为，此时，服务器可以判定当前目标车辆存在责任事故，且责任分析结果为逆向行驶异常，示例地，逆向行驶异常可以表示为“reverseerror”，本实施例对此不做限定。
[0110]
在本实施例中，服务器从目标车辆的行驶方向方面判定目标车辆是否存在逆向行驶的事故责任，使得判定目标车辆的依据更全面，判定结果更具有可靠性。
[0111]
在又一种判定情况下，服务器需要确定目标车辆的车辆类别，在一个实施例中，如图6所示，若行驶信息中包括目标车辆的车辆类别；对目标点云数据进行分析，得到目标车辆的行驶信息，包括：
[0112]
s601、根据目标点云数据中的边界信息，确定目标车辆的三维边界框；三维边界框用于表示目标车辆的长、宽、高。
[0113]
其中，三维边界框指的是目标点云数据中，目标车辆的三维边界信息，服务器根据该三维边界框的各端点的坐标，可以确定目标车辆的长、宽、高对应的数据。
[0114]
在本实施例中，服务器可以根据点云数据中边界信息的映射区域确定目标车辆在点云数据中的三维边界框；服务器还可以通过三维图像检测模型，将边界信息、目标点云数据作为输入，输出目标车辆的三维边界框信息，本实施例对此不做限定。
[0115]
s602、根据目标车辆的三维边界框，确定目标车辆的车辆类别。
[0116]
在本实施例中，服务器可以预先设定不同三维边界框与不同车辆类别之间的对应
关系，示例地，目标车辆的三维边界框对应的长、宽、高在第一取值范围内，则确定该目标车辆的车辆类别为大货车；目标车辆的三维边界框对应的长、宽、高在第二取值范围内，则确定该目标车辆的车辆类别为小货车；目标车辆的三维边界框对应的长、宽、高在第三取值范围内，则确定该目标车辆的车辆类别为轿车，本实施例对此不做限定。
[0117]
在本实施例中，服务器根据目标车辆的三维边界框可以确定目标车辆的车辆类别，从而根据车辆类别判定该目标车辆是否存在违规占道行驶行为，使得判定目标车辆的依据更全面，判定结果更具有可靠性。
[0118]
在这种情况下，服务器根据目标车辆的车辆类别进行责任判定时，在一个实施例中，上述根据行驶信息判定目标车辆是否存在事故责任，得到目标车辆的责任分析结果，包括：
[0119]
若目标车辆的车辆类别属于事故发生路段的限行车辆，则判定目标车辆存在事故责任，并将目标车辆的占道异常信息作为目标车辆的责任分析结果。
[0120]
在本实施例中，服务器可以通过第三方接口，获取事故发生路段的限行车辆，若目标车辆的车辆类别属于事故发生路段的限行车辆，均说明该目标车辆存在违规占道行驶的行为，此时，服务器可以判定当前目标车辆存在责任事故，且责任分析结果为占道异常，示例地，占道异常可以表示为“lane error”，本实施例对此不做限定。
[0121]
在本实施例中，服务器从目标车辆的车辆类别方面判定目标车辆是否存在违规占道行驶的事故责任，使得判定目标车辆的依据更全面，判定结果更具有可靠性。
[0122]
服务器在进行图像数据检测时，还可以获取该目标车辆的标识信息，在一个实施例中，如图7所示，该方法还包括：
[0123]
s701、采用图像识别技术对边界信息对应的图像区域进行识别，得到目标车辆的车牌号。
[0124]
在本实施例中，服务器可以基于任意一种二维图像检测模型，或图像识别模型，对图像数据中边界信息对应的图像区域进行识别，得到该目标车辆的车牌信息。
[0125]
s702、根据目标车辆的车牌号，确定车牌号对应的用户标识。
[0126]
在本实施例中，服务器可以根据目标车辆的车牌号，从第三方平台中获取与该车牌号对应的用户标识；服务器还可以预先建立车辆车牌号与用户标识之间的对应关系，在确定目标车辆的车牌号之后，可以根据该车牌号和预设的对应关系，确定车牌号对应的用户标识，本实施例对此不做限定。
[0127]
s703、若目标车辆存在事故责任，则将责任分析结果发送至用户标识对应的第一用户端和相应的管理中心平台。
[0128]
在本实施例中，目标车辆存在任意一种、或至少一种事故责任时，服务器根据用户标识，将事故责任对应的责任分析结果发送至第一用户端和相应的管理中心平台。其中，管理中心平台可以为交通执法平台，或者是具有公信力的第三方处理平台，本实施例对此不做限定。
[0129]
在本实施例中，服务器可以根据确定的用户标识，将责任分析结果及时的发送至用户标识对应的第一用户端，实现了实时播报的目的，将责任分析结果发送至相应的管理中心平台，存在第三方进行判定或验证，保证了责任分析结果的可信度。
[0130]
当服务器做出责任判定之后，需要通知到目标车辆对应的用户端，但当用户端对
责任分析结果存在质疑时，在一个实施例中，该方法还包括：
[0131]
若接收到第一用户端和/或相应的管理中心平台发送的检验请求，则将原始点云数据和图像数据发送至相应的管理中心平台，以使相应的管理中心平台进行事故责任的再次判定；检验请求表示第一用户端和/或相应的管理中心平台对责任分析结果存在疑议。
[0132]
其中，检验请求指的是目标车辆对应的用户和/或相应的管理中心人员对责任分析结果存在疑议时，基于第一用户端或管理中心平台向服务器发送的请求。该请求中可以携带目标车辆的车牌号、事故发生时间等信息，服务器接收到该请求时，可以根据请求中携带的车辆车牌号以及事故发生时间，获取对应的原始点云数据和图像数据，并将其发送至相应的管理中心平台，进行事故责任的再次判定，本实施例对此不做限定。
[0133]
在本实施例中，服务器可以接收对责任分析结果的质疑，并将原始点云数据和图像数据发送至第三方平台进行二次判定，提高了责任分析结果的可靠性。
[0134]
服务器在确定原始点云数据中的目标车辆的边界信息时，在一个实施例中，上述将边界信息映射到原始点云数据中，得到目标车辆的目标点云数据，包括：
[0135]
根据预设的映射规则，将边界信息映射到原始点云数据中，得到目标车辆的目标点云数据；预设的映射规则根据预设的旋转矩阵、预设的平移向量、预设的内参矩阵所确定。
[0136]
其中，预设的映射规则为预先设定的二维数据与三维数据的转换关系。该转换关系可以通过下式来表示，如下式所示：
[0137][0138]
其中，(x,y,z)表示点云数据中某一点的三维坐标；s(u,v)表示图像数据中某一点的二维坐标；r表示旋转矩阵，t表示平移向量，p
temp
表示图像采集设备的内参矩阵。
[0139]
服务器可以基于该关系转换式，根据图像数据中边界信息与上述旋转矩阵、平移向量、以及内参矩阵，得到原始点云数据中目标车辆的目标点云数据，可选地，服务器还可以根据目标点云数据确定目标车辆在点云数据中的三维边界框、位置信息、以及其他参数信息，本实施例对此不做限定。
[0140]
在本实施例中，服务器根据预设的映射规则，实现了根据图像数据的边界信息确定目标点云数据的目的，该方法不需要获取所有的点云数据，节省了计算资源，简化了检测过程。
[0141]
为了更好的说明上述方法，如图8所示，本实施例提供一种交通事故责任溯源方法，具体包括：
[0142]
s101、根据图像数据检测得到目标车辆的边界信息；
[0143]
s102、采用图像识别技术对边界信息对应的图像区域进行识别，得到目标车辆的车牌号；
[0144]
s103、根据目标车辆的车牌号，确定车牌号对应的用户标识；
[0145]
s104、根据预设的映射规则，将边界信息映射到原始点云数据中，得到目标车辆的目标点云数据；
[0146]
s105、对目标点云数据进行分析，得到目标车辆的行驶信息，包括行驶速度、行驶轨迹、行驶方向、车辆类别中至少一个；
[0147]
s106、根据行驶信息判定目标车辆是否存在速度异常、变道异常、逆向行驶、占道异常中任意一种事故责任，并得到相应的责任分析结果；
[0148]
s107、若判定目标车辆存在事故责任，则将责任分析结果发送至用户标识对应的第一用户端和/或相应的管理中心平台；
[0149]
s108、若接收到第一用户端和/或相应的管理中心平台发送的检验请求，则将原始点云数据和图像数据发送至相应的管理中心平台，以使相应的管理中心平台进行事故责任的再次判定。
[0150]
在本实施例中，服务器将图像数据检测到的二维边界信息映射到点云数据中得到目标点云数据，不需要获取事故发生路段的全部点云数据，目标信息获取过程简单，且实时性高，在责任分析过程中，通过点云数据得到的目标车辆的行驶信息，可以得到更精确的目标车辆在事故发生过程中的行驶状态，从而准确地判定当前交通事故中的责任车辆，在判定目标车辆存在事故责任之后，根据图像数据获取到用户标识，从而根据用户标识将责任分析结果发送至第一用户端，实现了责任分析结果的实时传送。
[0151]
上述实施例提供的交通事故责任溯源方法，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
[0152]
应该理解的是，虽然图2-8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2-8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。
[0153]
在一个实施例中，如图9所示，提供了一种交通事故责任溯源装置，包括：检测模块01、映射模块02、分析模块03和输出模块04，其中：
[0154]
检测模块01，用于根据图像数据检测得到目标车辆的边界信息；
[0155]
映射模块02，用于将边界信息映射到原始点云数据中，得到目标车辆的目标点云数据；原始点云数据与图像数据具有对应关系；
[0156]
分析模块03，用于对目标点云数据进行分析，得到目标车辆在事故发生路段的行驶信息；
[0157]
输出模块04，用于根据行驶信息判定目标车辆是否存在事故责任，得到目标车辆的责任分析结果。
[0158]
在一个实施例中，上述行驶信息包括目标车辆的行驶速度、行驶轨迹、行驶方向、车辆类别中至少一个。
[0159]
在一个实施例中，分析模块03，具体用于根据目标点云数据中各帧点云数据的坐标，确定在各帧中目标车辆的候选坐标；根据在各帧中目标车辆的候选坐标的位置变化情况，确定目标车辆的行驶速度。
[0160]
在一个实施例中，输出模块04，具体用于若目标车辆的行驶速度小于事故发生路段的速度下限值，或目标车辆的行驶速度大于事故发生路段的速度上限值，则判定目标车
辆存在事故责任，并将目标车辆的速度异常信息作为目标车辆的责任分析结果。
[0161]
在一个实施例中，分析模块03，具体用于根据目标点云数据中各帧点云数据的坐标，确定在各帧中目标车辆的候选坐标；根据在各帧中目标车辆的候选坐标的位置变化情况，和在各帧中目标车辆的航向角的变化情况，确定目标车辆的行驶轨迹。
[0162]
在一个实施例中，输出模块04，具体用于若目标车辆的行驶轨迹上的点处于事故发生路段的禁止变道区域内，则判定目标车辆存在事故责任，并将目标车辆的变道异常信息作为目标车辆的责任分析结果。
[0163]
在一个实施例中，分析模块03，具体用于根据目标点云数据获取各帧中目标车辆的航向角；根据在各帧中目标车辆的航向角的变化情况，确定目标车辆的行驶方向。
[0164]
在一个实施例中，输出模块04，具体用于若目标车辆的行驶方向与事故发生路段的路段方向相反，则判定目标车辆存在事故责任，并将目标车辆的逆向行驶异常信息作为目标车辆的责任分析结果。
[0165]
在一个实施例中，分析模块03，具体用于根据目标点云数据中的边界信息，确定目标车辆的三维边界框；三维边界框用于表示目标车辆的长、宽、高；根据目标车辆的三维边界框，确定目标车辆的车辆类别。
[0166]
在一个实施例中，输出模块04，具体用于若目标车辆的车辆类别属于事故发生路段的限行车辆，则判定目标车辆存在事故责任，并将目标车辆的占道异常信息作为目标车辆的责任分析结果。
[0167]
在一个实施例中，如图10所示，上述交通事故责任溯源装置还包括发送模块05；
[0168]
检测模块01，还用于采用图像识别技术对边界信息对应的图像区域进行识别，得到目标车辆的车牌号；根据目标车辆的车牌号，确定车牌号对应的用户标识；
[0169]
发送模块05，用于若判定目标车辆存在事故责任，则将责任分析结果发送至用户标识对应的第一用户端和相应的管理中心平台。
[0170]
在一个实施例中，上述发送模块05，还用于若接收到第一用户端和/或相应的管理中心平台发送的检验请求，则将原始点云数据和图像数据发送至相应的管理中心平台，以使相应的管理中心平台进行事故责任的再次判定；检验请求表示第一用户端和/或相应的管理中心平台对责任分析结果存在疑议
[0171]
在一个实施例中，映射模块02，具体用于根据预设的映射规则，将边界信息映射到原始点云数据中，得到目标车辆的目标点云数据；预设的映射规则根据预设的旋转矩阵、预设的平移向量、预设的内参矩阵所确定。
[0172]
关于交通事故责任溯源装置的具体限定可以参见上文中对于交通事故责任溯源方法的限定，在此不再赘述。上述交通事故责任溯源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。
[0173]
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服务器，其内部结构图可以如图11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交通事故责任溯源方法。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。
[0174]
本领域技术人员可以理解，图11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。
[0175]
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：
[0176]
根据图像数据检测得到目标车辆的边界信息；
[0177]
将边界信息映射到原始点云数据中，得到目标车辆的目标点云数据；原始点云数据与图像数据具有对应关系；
[0178]
对目标点云数据进行分析，得到目标车辆在事故发生路的行驶信息；
[0179]
根据行驶信息判定目标车辆是否存在事故责任，得到目标车辆的责任分析结果。
[0180]
上述实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
[0181]
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：
[0182]
根据图像数据检测得到目标车辆的边界信息；
[0183]
将边界信息映射到原始点云数据中，得到目标车辆的目标点云数据；原始点云数据与图像数据具有对应关系；
[0184]
对目标点云数据进行分析，得到目标车辆在事故发生路的行驶信息；
[0185]
根据行驶信息判定目标车辆是否存在事故责任，得到目标车辆的责任分析结果。
[0186]
上述实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
[0187]
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(randomaccess 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。
[0188]
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。
[0189]
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。