Kinovea软件在视频图像车速计算中的运用

kinovea作为一款专业的运动分析软件,现已广泛的运用于体育领域。本文中创新的将该运动分析软件引入到了汽车运动分析领域,应用于监控视频图像车速计算,使用其标记、轨迹跟踪与跟踪轨迹坐标数据提取功能对汽车运动轨迹进行跟踪,设定坐标系后,取出跟踪坐标点数据,实现汽车运动轨迹的数字化,根据目标车辆在视频图像内的运动轨迹计算车速。本文以实例阐述Kinovea软件的在视频图像车速计算中的应用。     

网格法在视频图像车速中的研究与应用

视频图像车速计算的工作中,相当一部分视频图像虽然能确定车辆运动过程对应的时间,但由于目标车辆大部分移动过程都在固定标尺之外的区域,或者找不到确定的移动标尺,无法标定或量化整个移动过程的距离参数,使车辆行驶速度无法计算;本文通过研究"kinovea"软件的基本功能——透视网格功能,在了解其功能、特点的基础上发现其特殊用途:可用经已知固定标尺标定后的透视网格来标定未知区域,使该区域的车辆位移参数可测量或量化,实现对车辆行驶速度进行精确计算;同时还可运用基于Kinovea软件网格功能的网格法对事故进行深度分析,通过网格的铺设,计算出目标车辆的车速,测算两肇事主体之间的距离,推断安全的停车距离,可以得到交通事故中目标车辆或物体的关键性位置参数,为事故的深度分析及处理提供强有力的技术支持。     

基于双目图像匹配的车载测速测向方法研究

为实现车辆对自身车速与方向的准确检测,提出了一种根据2个并列车载成像设备拍摄的路面信息图像完成速度与方向检测的方法。通过精确控制2个成像设备间的拍摄时间间隔,获得相互重叠的路面信息图像,利用图像匹配技术计算图像的相对运动距离与方向,并结合标定参数和间隔时间,计算获得准确的车速与方向。试验结果表明,该方法具有较高的可信度和精度。     

基于视觉伺服的汽车几何参数测量方法研究

提出基于视觉伺服的汽车几何参数测量方法。通过视频图像采集系统采集汽车图像,应用Sobel算子得到边缘增强图像,应用Hough变换得到图像的特征点,利用特征点与摄像机光轴偏差驱动伺服机构,通过伺服机构的运动计算出汽车的几何参数。研制了原理性试验样机,并对所提出的方法进行了试验验证。     

基于视频图像的车辆灯光状态鉴定方法研究

违法使用车辆远光灯是导致夜间道路交通事故的重要原因之一,针对当前道路交通事故中车辆灯光状态鉴定方法存在的不足,本文基于视频图像,从车载监控视频和道路监控视频两个角度分析视频图像中目标车辆前照灯光斑特征、目标车辆前照灯灯光在道路环境参照物上的投影光斑特征等信息,比对分析视频图像中远光灯、近光灯反馈信息的异同点,总结基于视频图像的车辆灯光状态鉴定方法,为道路交通事故处理过程中充分应用视频物证提供技术保障。     

基于视频图像的车速检测研究

针对现有车速检测方法的局限性，提出了一种基于局部视频图像的车速检测新方法，该方法通过定位车牌的位置来确定车辆帧间移动的距离。讨论了车牌定位、如何将车辆帧间移动的像素行映射为对应的实际距离和最终实现车速检测等内容。经实验证明，本方法易于实现，具有很好的可维护性，车速检测的精度较高，平均精度为91．31％。     

基于轮胎特征点的并行大型车辆朝向角计算

针对自动驾驶环境感知中并行大型车辆朝向角预测结果稳定性差的问题，本文中提出一种新的方法进行并行大型车辆朝向角计算。首先，基于相机逆投影模型提出根据轮胎特征点图像位置计算目标车辆朝向角的计算方法。然后，在现有单目3D目标检测模型上增加并训练子分支用于进行大型车辆轮胎特征点的检测。最后，对本文算法进行可视化验证。结果表明，该方法可得到准确的并行大型车辆朝向角，具有比单目3D目标检测模型更好的稳定性。     

城市出入口立交道路交通参数采集与通行状态判别技术研究

城市出入口立交的通行状态是影响城市交通管理与出行诱导策略的重要因素,为了弥补固定型检测手段采集覆盖面小、获取立交路面交通信息少的不足,提出了基于无人机视频的城市出入口交通参数提取及通行状态判别方法。首先对无人机航拍采集的视频图像进行预处理和分析,通过背景建模和运动目标检测跟踪方法提取无人机悬停航拍视频中的交通流量、流速和占有率等参数;然后利用图像特征匹配方法校对不同拍摄角度与实际立交地理位置图,校准图像中的实际地理位置信息;最后,结合城市出入口立交特点建立基于运动目标占有率的通行状态判别模型,解决了通过无人机视频自动判别立交整体通行状态的问题。无人机视频技术的应用可为城市出入口交通诱导和交通应急管理提供前期决策依据。     

基于小波提升框架的交通目标检测与跟踪

交通图像分析是智能交通领域的关键技术之一。为实现复杂交通场景中的多目标检测与跟踪,设计了一种结合小波提升框架和KLT特征点跟踪的多运动目标检测与跟踪算法。对序列图像中相邻两帧图像的融合图像进行小波提升变换,求取水平和垂直方向上的小波能量,通过合理阈值二值化小波能量矩阵,再利用贴标签方法检测出运动目标;利用KLT特征点集合代表目标,通过跟踪后的特征点集合与目标检测区域的相互关联,实现多目标的跟踪。实验结果表明了所提算法的有效性。     

基于固定场景视频的运动车辆检测

为提高智能交通系统中运动车辆检测的效率,在固定场景视频下基于类Haar特征和AdaBoost算法提出了一种运动车辆检测方法.通过提取交通监控图像的扩展类Haar特征,在OpenCV平台上应用AdaBoost算法进行特征提取及训练得到级联分类器,利用级联分类器进行固定场景视频的运动车辆检测.测试结果表明,该方法具有良好的实时性和鲁棒性,在智能交通领域有广泛的应用前景.     

无人车视频图像中目标物阴影去除方法研究

无人驾驶汽车主要依靠车载摄像头拍摄视频,通过计算机对该视频进行分析,综合道路信息、汽车位置和障碍物等对汽车车辆进行控制,实现对车辆方向和速度的控制,确保车辆可以安全可靠地在道路上行驶。无人车摄像头采集的图像处理是一项重要工作,是车辆系统作出判断的前提输入,通过对车载摄像头所获取的图像处理和分析,研究目标与目标物阴影之间的相关关系,利用图像阴影部分的基本特征,提出图像边界差的阴影检测方法。通过准确检测,利用图像处理技术去除阴影获取目标。     

基于一维直接线性变换的视频中车辆运动状态重建

为克服传统车辆运动状态重建方法不能全面反映视频图像中车辆运动状态,且使用条件受限较大的问题,基于近景摄影测量中的直接线性变换原理,结合车身外廓特征信息,提出一种完整重建视频中车辆运动状态的有效方法。该方法中的特征标定信息全部取自目标车辆的外廓特征,不受路面和环境标定条件影响,扩大了使用范围;标定区域覆盖车辆在视频中的整个运动过程,最大限度地保证了车辆行驶轨迹的空间完整性;方法中每相邻2帧之间车辆行驶距离、行驶速度及加速度的解算均独立,避免产生累计误差。最后,使用该方法分别对车辆处于低速、中高速或减速3种运动状态下,摄像方向与车辆行驶方向呈90°或30°夹角的6种组合试验中车辆的相关运动状态参数进行解算,并与试验中采集的实际运动状态参数进行分析对比。研究结果表明:当车辆分别处于低速、中高速或减速3种运动状态时,在90°摄像视角下,计算所得车速值与记录值误差在1.5%以内,行驶距离值误差在3%以内,加速度值误差在7%以内;在30°摄像视角下,计算所得车速值误差在4%以内,行驶距离值误差在5%以内,加速度值误差在9%以内;该方法计算的视频中车辆的车速和行驶距离精度较高,加速度精度满足相关行业应用要求,证明该方法用于重建视频中车辆的运动状态有效、可行。     

基于视频计算车速的数据处理与事故深度分析

随着我国社会管理体系的不断完善,视频监控系统正成为我国城市管理和社会管理的重要手段。治安管理、道路交通管理视频监控网络正逐步形成,许多发生在视频监控区域的交通事故可以调取到视频资料,这有利于对事故的分析和处理。本文首先提出了使用监控视频来计算车速的方法,通过视频分析计算而来的车速数据,转化为对应的时间速度曲线,然后通过"时间速度曲线"来对整个事故过程进行还原,从而分析肇事车辆的运动状态、肇事车辆制动强度、驾驶员的操作过程、采取措施情况等,为交警部门提供处理事故的依据。     

基于视频图像与直接线性变换理论的车辆运动信息重构

运用摄影测量中的直接线性变换理论,并根据事故现场的标记点信息,解得正投影变换的二维直接线性变换系数.通过对事故监控视频进行解帧得到相片组,在解帧相片组上标记车轮与道路的接触点,并对车轮标记点进行正投影.由标记点拟合出轨迹曲线,再通过积分求得轨迹曲线的长度,结合视频的帧频信息,进而求得肇事车辆的车速等.以一起真实交通事故为例,运用该方法,求得其运行轨迹长度和车速等数据.     

应用数字散斑相关法测量结构振动位移和频率

将数字散斑相关法应用于测量结构振动的位移和频率,对振动结构标记人为散斑或者利用结构本身较明显的天然散斑作为目标点,利用摄像机连续采集一系列数字图像,结合数字散斑相关法,对目标点散斑进行识别,计算其在图像中位置的变化以获得目标点位移,进而通过FFT变化得到频率.在振动台水平正弦激励某模型结构的实验中,通过与位移计测量结果...     

高速公路曲线路段驾驶员速度感知变化规律

为了解曲线路段驾驶员车速感知变化规律,采用UC-win/Road驾驶模拟仿真系统设计了半径从400 m～1000 m的路线场景进行驾驶模拟试验.用软件内置的ECO驾驶插件采集车辆全路段的实时车速,采用"询问法"获取驾驶员在特征点的感知车速,对比分析特征点的感知车速与实际车速,并选取与模拟场景基本一致的路段进行实地验证....     

基于方格靶标的沥青混合料颗粒群变形跟踪方法

为探测沥青混合料内部颗粒群的变形情况,提出了一种基于方格靶标的抗干扰能力强、精度高、多目标跟踪的颗粒群变形分析方法。首先,将混合料车辙试件制成切片,在切面颗粒上印制5×5黑白相间的方格靶标,采集切面图像,捕捉该图像中的靶标图案,计算靶标中心点的位置坐标及靶标方位角,记录为颗粒的初始位姿。然后进行车辙试验,反复轮碾后,再次采集切面图像,提取颗粒群变形后的靶标图案,并由其计算靶标中心点位置及方位角,作为颗粒加载后的位姿。最后通过对比颗粒在两种位姿下靶标中心的位移量和靶标转角实现颗粒内部任意点的变形计算。在捕捉靶标的过程中,利用平行方格靶标明显的几何特征,使用边缘检测、投影技术,根据靶标图像旋转角度与边缘强度投影累加峰值的关系曲线,获得靶标角点阵列初始坐标及靶标角度候选值。在靶标位姿参数提取方面,主要通过角点阵列的亚像素搜索实现靶标中心点坐标高精度计算,结合靶标与集料纹理的图像相关性分析技术,完成靶标角度确定。试验结果表明:该方法能够实现颗粒群变形跟踪,为分析沥青混合料在荷载作用下内部颗粒群运动规律提供了一种有效的分析方法。     

基于秩约束的车辆遮挡点恢复方法

为了恢复车辆跟踪过程中丢失的特征点,提出了一种基于秩约束的车辆遮挡点恢复方法,该方法利用所有车辆图像点组成一个秩3的矩阵,并利用该特性构造一个投影矩阵,利用该投影矩阵求到车辆遮挡点,再将求到的车辆遮挡点代替图像中的车辆遮挡点,经过多次迭代,最后求到车辆遮挡点的真实位置。该方法的优点是所有的图像及图像点都平等地看待,模拟试验和真实试验表明,该方法具有鲁棒性好、收敛性好及误差小等优点。     

基于级联YOLOv7的自动驾驶三维目标检测

针对图像和原始点云三维目标检测方法中存在特征信息残缺及点云搜索量过大的问题，以截体点网（frustum PointNet, F-PointNet）结构为基础，融合自动驾驶周围场景RGB图像信息与点云信息，提出一种基于级联YOLOv7的三维目标检测算法。首先构建基于YOLOv7的截体估计模型，将RGB图像目标感兴趣区域（region of interest, RoI）纵向扩展到三维空间，然后采用PointNet++对截体内目标点云与背景点云进行分割。最终利用非模态边界估计网络输出目标长宽高、航向等信息，对目标间的自然位置关系进行解释。在KITTI公开数据集上测试结果与消融实验表明，级联YOLOv7模型相较基准网络，推理耗时缩短40 ms/帧，对于在遮挡程度为中等、困难级别的目标检测平均精度值提升了8.77%、9.81%。     

基于DSP/CPLD的视频叠加系统设计与实现

设计了一种基DSP和CPLD的视频叠加系统，利用视频解编码芯片、DSP和CPLD对视频数据进行采集、处理，构成可以脱离计算机的视频叠加系统，同时它还可以根据需要叠加任意字符和图像。系统主要特点是并非基于通常所采用的专用的视频叠加芯片，而是通过DSP和CPLD来实现视频叠加的功能。