本發(fā)明涉及車輛安全，特別涉及一種基于rtk數(shù)據(jù)輸出車輛低時延行駛軌跡信息的方法。

背景技術(shù)：

1、隨著城市化進(jìn)程和車輛數(shù)量的增加，交通擁堵、事故和安全等問題日益突出，因此對道路交通進(jìn)行準(zhǔn)確監(jiān)測和分析成為關(guān)鍵任務(wù)。

2、路側(cè)監(jiān)測視頻輸出車輛行駛軌跡是交通領(lǐng)域中的重要研究及應(yīng)用方向。挖掘視頻檢測視野范圍內(nèi)的車輛可以減少布設(shè)視頻檢測設(shè)備，優(yōu)化建設(shè)成本及效率。路側(cè)檢測視頻系統(tǒng)和城市智能交通的發(fā)展使得車輛行駛軌跡分析更全面、準(zhǔn)確，實(shí)時性和自動化也日益成為需求。該技術(shù)在交通管理、規(guī)劃、智能交通和自動駕駛等領(lǐng)域具有廣泛應(yīng)用前景，可用于優(yōu)化交通信號控制、改善交通流量分配、提升道路安全性，并為網(wǎng)聯(lián)及自動駕駛系統(tǒng)提供感知和決策支持。

3、然而，目前，路側(cè)監(jiān)測視頻輸出車輛行駛軌跡仍然面臨一些挑戰(zhàn)和問題。首先，車輛檢測的準(zhǔn)確性仍然存在改進(jìn)空間，特別是在復(fù)雜場景下的遮擋和光照變化等情況下。其次，車輛跟蹤算法可能受到車輛遮擋、相似車輛的混淆和運(yùn)動模式變化等因素的影響，導(dǎo)致跟蹤中斷或錯誤的關(guān)聯(lián)。此外，多攝像頭系統(tǒng)中的數(shù)據(jù)關(guān)聯(lián)問題仍然具有挑戰(zhàn)性，需要解決不同視角和時空差異等因素帶來的困難。大規(guī)模視頻數(shù)據(jù)的處理和實(shí)時輸出對計算資源和算法的要求較高，需要尋求高效的處理方法。最后，隱私和數(shù)據(jù)安全問題也需要重視，確保車輛和行人信息的保護(hù)。綜上所述，解決這些問題需要進(jìn)一步研究和發(fā)展更準(zhǔn)確、魯棒的檢測和跟蹤算法，改進(jìn)數(shù)據(jù)關(guān)聯(lián)和軌跡建模方法，并加強(qiáng)數(shù)據(jù)處理和隱私保護(hù)的技術(shù)措施。

4、本技術(shù)技術(shù)在路側(cè)檢測視頻畫面基礎(chǔ)上結(jié)合路上浮動車rtk精準(zhǔn)定位技術(shù)，通過使用虛擬統(tǒng)一坐標(biāo)重建技術(shù)，實(shí)時輸出車輛低時延（基于視頻10hz）行駛軌跡信息，既提供車輛行駛實(shí)時精確定位，又告知其對應(yīng)的車道位置，周邊交通狀態(tài)（每一輛周遭車子位置），為實(shí)時瞬時交通安全提供保障。

5、目前，解決路側(cè)檢測視頻輸出車輛行駛軌跡的問題方法主要包括以下幾種：

6、基于傳統(tǒng)計算機(jī)視覺方法的方案：使用傳統(tǒng)的圖像處理和計算機(jī)視覺算法，如背景建模、幀間差分、幀間相似性匹配等方法進(jìn)行車輛檢測和跟蹤。這些方法在一些簡單場景下表現(xiàn)良好，但對于復(fù)雜場景和遮擋情況下的車輛檢測和跟蹤仍存在一定的限制。

7、基于深度學(xué)習(xí)的方案：利用深度學(xué)習(xí)算法，如卷積神經(jīng)網(wǎng)絡(luò)（cnn）、循環(huán)神經(jīng)網(wǎng)絡(luò)（rnn）和目標(biāo)檢測器（如yolo、faster?r-cnn）等，進(jìn)行車輛檢測、跟蹤和軌跡預(yù)測。這些方法能夠在復(fù)雜場景下提供更準(zhǔn)確的車輛識別和跟蹤結(jié)果，但對于實(shí)時性和計算資源要求較高。

8、而現(xiàn)有技術(shù)中存在著這樣的問題：

9、車輛檢測和跟蹤的準(zhǔn)確性：在復(fù)雜的交通場景中，如車輛遮擋、光照變化、相似車輛等情況下，車輛檢測和跟蹤算法仍然存在一定的誤檢和漏檢問題，影響軌跡的準(zhǔn)確性；

10、軌跡的連續(xù)性和一致性：由于車輛跟蹤算法的不穩(wěn)定性和遮擋等因素的影響，車輛軌跡可能出現(xiàn)中斷、斷裂或錯誤的關(guān)聯(lián)問題，導(dǎo)致軌跡的連續(xù)性和一致性受到影響。

11、實(shí)時性和計算資源需求：對于實(shí)時應(yīng)用場景，如交通管理和自動駕駛，需要在短時間內(nèi)處理大量的視頻數(shù)據(jù)，并輸出準(zhǔn)確的車輛軌跡。因此，實(shí)時性和計算資源的需求是一個挑戰(zhàn)。

12、路況復(fù)雜性和數(shù)據(jù)關(guān)聯(lián)：在多攝像頭系統(tǒng)中，需要將不同攝像頭中的車輛軌跡進(jìn)行關(guān)聯(lián)，以獲得完整的車輛行駛軌跡。然而，路況復(fù)雜性和車輛的時空變化可能導(dǎo)致數(shù)據(jù)關(guān)聯(lián)的困難。

13、因此需要進(jìn)行改進(jìn)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于rtk數(shù)據(jù)輸出車輛低時延行駛軌跡信息的方法，以克服現(xiàn)有技術(shù)中的不足。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、本技術(shù)公開了一種基于rtk數(shù)據(jù)輸出車輛低時延行駛軌跡信息的方法，包括基準(zhǔn)站、gps衛(wèi)星及流動站；包括如下步驟：

4、s1：計算獲取gps定位誤差，并將gps定位誤差發(fā)送至流動站；

5、s2：流動站通過gps定位誤差獲取自身的rtk位置數(shù)據(jù)、三維坐標(biāo)及精度；

6、s3：流動站獲取路側(cè)視頻，并獲取路側(cè)視頻中浮動車輛的rtk位置數(shù)據(jù)；

7、s4：通過rtk位置數(shù)據(jù)進(jìn)行虛擬統(tǒng)一坐標(biāo)重建，獲取虛擬統(tǒng)一坐標(biāo)；

8、s5：通過虛擬統(tǒng)一坐標(biāo)，在路側(cè)視頻畫面中劃定數(shù)據(jù)讀取區(qū)域；

9、s6：通過數(shù)據(jù)讀取區(qū)域計算獲取路側(cè)視頻范圍內(nèi)車輛的軌跡信息和速度信息；

10、s7：給每一輛檢測到的車輛實(shí)時推送每一輛車輛，并預(yù)警提醒其周遭車輛與任何交通隱患。

11、作為優(yōu)選，所述s1包括如下子步驟：

12、s11：gps衛(wèi)星向地球各處廣播導(dǎo)航信號；

13、s12：基準(zhǔn)站接收gps導(dǎo)航信號，獲取衛(wèi)星到基準(zhǔn)站的距離，計算獲取gps定位誤差；

14、s13：基準(zhǔn)站將衛(wèi)星到基準(zhǔn)站的距離和gps定位誤差發(fā)送至流動站。

15、作為優(yōu)選，所述s2包括如下子步驟：

16、s21：流動站接收gps導(dǎo)航信號，獲取衛(wèi)星到流動站的距離；

17、s22：流動站接收衛(wèi)星到基準(zhǔn)站的距離、gps定位誤差，對衛(wèi)星到流動站的距離數(shù)據(jù)進(jìn)行修正；

18、s23：流動站解算出自身的三維坐標(biāo)及精度。

19、作為優(yōu)選，所述s4包括如下步驟：

20、s41：截取路側(cè)視頻的畫面；

21、s42：在路側(cè)視頻畫面中設(shè)定坐標(biāo)原點(diǎn)，并對畫面進(jìn)行等分處理，形成若干坐標(biāo)點(diǎn)位；

22、s43：根據(jù)浮動車輛的rtk位置數(shù)據(jù)獲取經(jīng)緯度，根據(jù)經(jīng)緯度找到視頻畫面中坐標(biāo)點(diǎn)位對應(yīng)的rtk的經(jīng)緯度坐標(biāo)值；

23、s44：根據(jù)路側(cè)視頻畫面中已獲取的經(jīng)緯度坐標(biāo)值，推算出路側(cè)視頻畫面中各車道的經(jīng)緯度坐標(biāo)值；

24、s45：根據(jù)浮動車輛的rtk位置數(shù)據(jù)中的經(jīng)緯度坐標(biāo)值，形成以rtk經(jīng)緯度為基礎(chǔ)的虛擬坐標(biāo)點(diǎn)的經(jīng)緯度的值，進(jìn)而重建虛擬統(tǒng)一坐標(biāo)。

25、作為優(yōu)選，rtk位置數(shù)據(jù)的生成頻率為每0.1秒生成一次數(shù)據(jù)，路測視頻的畫面頻率為10hz。

26、一種基于rtk數(shù)據(jù)輸出車輛低時延行駛軌跡信息的裝置，包括存儲器和一個或多個處理器，所述存儲器中存儲有可執(zhí)行代碼，所述一個或多個處理器執(zhí)行所述可執(zhí)行代碼時，用于實(shí)現(xiàn)上述的一種基于rtk數(shù)據(jù)輸出車輛低時延行駛軌跡信息的方法。

27、一種計算機(jī)可讀存儲介質(zhì)，其上存儲有程序，該程序被處理器執(zhí)行時，實(shí)現(xiàn)上述的一種基于rtk數(shù)據(jù)輸出車輛低時延行駛軌跡信息的方法。

28、本發(fā)明的有益效果：

29、（1）、通過本方法，在結(jié)合rtk（浮動車）的數(shù)據(jù)和路側(cè)檢測視頻的基礎(chǔ)上，實(shí)現(xiàn)了基于rtk浮動車低時延輸出車輛軌跡信息，方法簡單易行，不需要進(jìn)行復(fù)雜的數(shù)據(jù)計算和數(shù)據(jù)的深度學(xué)習(xí)，同時能夠兼容不同姿態(tài)和復(fù)雜場景下的路側(cè)檢測視頻；

30、（2）、本方法可以結(jié)合現(xiàn)有路面檢測視頻設(shè)備，在不新增路側(cè)設(shè)備檢測視頻設(shè)備的基礎(chǔ)上，通過對檢測畫面和rtk數(shù)據(jù)的比對，在進(jìn)行融合算法，實(shí)現(xiàn)區(qū)域道路內(nèi)的車輛低時延軌跡信息輸出，做到少投入，大產(chǎn)出。

31、本發(fā)明的特征及優(yōu)點(diǎn)將通過實(shí)施例結(jié)合附圖進(jìn)行詳細(xì)說明。