一种基于无人机视角的交通拥堵判断方法及系统与流程

本发明涉及机器视觉领域，具体为一种基于无人机视角的交通拥堵判断方法及系统。

背景技术：

1、现有技术中，对交通拥堵的判断主要通过安装在道路旁或路口的车辆感知设备实现，同时结合交通信号灯控制平台进行辅助判别，但是该种技术方案的实现严重依赖感知设备稳定性，在大雨天或雪天等突发状况下一旦发生电路短路等故障，则直接会造成系统瘫痪，无法实现交通拥堵判别。同时，由于感知设备安装后不可移动，因此其监测范围有限，若需要进行大范围的监控，则需要安装更多的设备，导致使用和维护成本较高。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于无人机视角的交通拥堵判断方法及系统，其可基于无人机实现大范围的交通拥堵监测，且基于车辆的速度评分、车距评分进行聚类，进而进行拥堵状况判断。

2、为实现上述目的，本发明提供如下技术方案：

3、一方面，提供了一种基于无人机视角的交通拥堵判断方法，其包括如下步骤：

4、控制无人机飞行，使其按照设定的巡航高度和路线对指定区域进行巡检；

5、在无人机巡检过程中，通过无人机云台上搭载的成像设备实时获取环境图像；

6、识别环境图像中的车辆，并通过检测框对识别出的车辆进行标识；

7、获取环境图像中每一车辆的速度属性以及车距属性；

8、以及根据每一车辆的速度属性以及车距属性进行交通拥堵判断。

9、优选的，基于yolov8目标检测算法识别环境图像中的车辆。

10、优选的，所述速度属性的获取包括如下步骤：

11、对识别出的车辆进行跟踪，并获取当前车辆在两个关键帧图像中的位差，其中，所述位差通过公式(1)获取：

12、

13、其中，(xi1,yi1)为第一关键帧图像中，当前车辆i的检测框的中心点坐标；(xi2,yi2)为第二关键帧图像中，当前车辆i的检测框的中心点坐标；di为位差；

14、根据公式(2)获取车辆的移动速度：

15、

16、其中，为第一关键帧图像、第二关键帧图像之间的时间间隔；vi为车辆的移动速度，该移动速度即为该车辆的速度属性；

17、重复上述步骤，以获取环境图像中每一车辆的速度属性。

18、优选的，所述车距属性的获取包括如下步骤：

19、在车辆的移动方向上，按照公式(3)获取当前车辆与其余每一车辆之间的距离，并将所有距离中的最小值作为当前车辆的车距属性：

20、

21、其中，(xi,yi)为当前车辆i的检测框的中心点坐标，(xj,yj)为其余车辆的检测框中心点坐标；si为当前车辆i与其余每一车辆之间的距离的最小值，也即当前车辆i的车距属性；

22、重复上述步骤，以获取每一车辆的车距属性。

23、优选的，根据每一车辆的速度属性以及车距属性进行交通拥堵判断，其具体包括如下步骤：

24、对于每一车辆，根据预设的车速阈值以及速度属性进行速度评分，以及根据预设的车距阈值以及车距属性进行车距评分；且速度属性与速度评分成正比，车距属性与车距评分成正比；

25、对每一车辆的速度评分、车距评分的总和进行归一化处理，使其数值位于0～1之间；

26、根据归一化处理结果对车辆进行聚类，以形成若干个簇；

27、根据簇的几何中心以及预设的拥堵指数范围进行交通拥堵判断，将簇内各个车辆得分的平均值作为簇中心数值，当簇中心数值位于不同的拥堵指数范围内时，对应不同的交通拥堵状况。

28、优选的，所述拥堵指数范围有3个，其分别为(0，0.15]、(0.15，0.35]、(0.35，1]。

29、优选的，所述交通拥堵区域的位置为与交通拥堵区域对应的簇的几何中心.

30、优选的，根据无人机的飞控数据获取与交通拥堵区域对应的簇的几何中心的经纬度，该经纬度信息即为交通拥堵区域的位置。

31、另一方面，还提供一种基于无人机视角的交通拥堵判断系统，其包括：

32、无人机；

33、成像设备，其搭载在所述无人机上，用于实时获取环境图像；

34、车辆识别单元，其用于识别环境图像中的车辆，并通过检测框对识别出的车辆进行标识；

35、属性获取单元，其用于获取环境图像中每一车辆的速度属性以及车距属性；

36、拥堵判断单元，其用于根据每一车辆的速度属性以及车距属性进行交通拥堵判断；

37、位置获取单元，其用于根据无人机的飞控数据获取交通拥堵区域的位置；

38、以及监控端，其用于接收交通拥堵区域的位置，并产生报警信息。

39、优选的，所述监控端包括智能手机、平板电脑、pc电脑以及可穿戴设备中的一种或几种。

40、与现有技术相比，本发明具备以下有益效果：

41、本发明可基于无人机实现大范围的交通拥堵监测，且基于车辆的速度评分、车距评分进行聚类，进而进行拥堵状况判断，该计算过程简单、容易实施，可大幅提高监测效率。

技术特征：

1.一种基于无人机视角的交通拥堵判断方法，其特征在于，包括如下步骤：

2.如权利要求1所述的交通拥堵判断方法，其特征在于，基于yolov8目标检测算法识别环境图像中的车辆。

3.如权利要求1所述的交通拥堵判断方法，其特征在于，所述速度属性的获取包括如下步骤：

4.如权利要求1所述的交通拥堵判断方法，其特征在于，所述车距属性的获取包括如下步骤：

5.如权利要求1所述的交通拥堵判断方法，其特征在于，根据每一车辆的速度属性以及车距属性进行交通拥堵判断，其具体包括如下步骤：

6.如权利要求5所述的交通拥堵判断方法，其特征在于，所述拥堵指数范围有3个，其分别为(0，0.15]、(0.15，0.35]、(0.35，1]。

7.如权利要求5所述的交通拥堵判断方法，其特征在于，所述交通拥堵区域的位置为与交通拥堵区域对应的簇的几何中心。

8.如权利要求5所述的交通拥堵判断方法，其特征在于，根据无人机的飞控数据获取与交通拥堵区域对应的簇的几何中心的经纬度，该经纬度信息即为交通拥堵区域的位置。

9.一种基于无人机视角的交通拥堵判断系统，其特征在于，包括：

10.如权利要求9所述的交通拥堵判断系统，其特征在于，所述监控端包括智能手机、平板电脑、pc电脑以及可穿戴设备中的一种或几种。

技术总结本发明公开了一种基于无人机视角的交通拥堵判断方法及系统，其包括如下步骤：控制无人机飞行，使其按照设定的巡航高度和路线对指定区域进行巡检；在无人机巡检过程中，通过无人机云台上搭载的成像设备实时获取环境图像；识别环境图像中的车辆，并通过检测框对识别出的车辆进行标识；获取环境图像中每一车辆的速度属性以及车距属性；以及根据每一车辆的速度属性以及车距属性进行交通拥堵判断。本发明可基于无人机实现大范围的交通拥堵监测，且基于车辆的速度评分、车距评分进行聚类，进而进行拥堵状况判断。技术研发人员：黄立,钟霖,王勇,金顶寿,刘寿宝,陈虎,薛源,胡倩受保护的技术使用者：普宙科技有限公司技术研发日：技术公布日：2024/5/16