买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京交通大学

摘要：本发明涉及目标识别技术领域，具体涉及基于目标识别的路况实时监测方法，包括：采集道路路面的每个监测结果内的若干路况识别监测数据；将所有路况识别监测数据转换为霍夫空间内的若干目标识别数据点；对所有目标识别数据点进行聚类得到若干聚类簇；根据不同聚类簇内目标识别数据点的分布密集情况以及对应投票值之间的差异情况，得到每个参考阈值下每个聚类簇的识别分布差异因子；根据每个参考阈值下每个聚类簇的识别分布差异因子进行识别监测。本发明提高了识别车道线的准确性，提高了路况的监测效率。

主权项：1.基于目标识别的路况实时监测方法，其特征在于，该方法包括以下步骤：采集道路路面的每个监测结果内的若干路况识别监测数据；利用霍夫变换算法将每个监测结果内所有路况识别监测数据转换为霍夫空间内的若干数据点，将每个数据点记为目标识别数据点，所述目标识别数据点对应一个投票值；对所有目标识别数据点进行DBSCAN聚类得到若干聚类簇；根据不同聚类簇内目标识别数据点的分布密集情况以及对应投票值之间的差异情况，进行阈值遍历，得到每个参考阈值下每个聚类簇的识别分布差异因子，所述识别分布差异因子用于反映参考阈值下各个聚类簇所区分出属于车道线的目标识别数据点的数量；所述根据不同聚类簇内目标识别数据点的分布密集情况以及对应投票值之间的差异情况，进行阈值遍历，得到每个参考阈值下每个聚类簇的识别分布差异因子，包括的具体方法为：对于任意一个聚类簇，根据聚类簇内目标识别数据点的分布密集情况以及目标识别类簇面积，得到聚类簇的直线段聚集度；将聚类簇内的任意一个目标识别数据点记为特征目标识别数据点，根据特征目标识别数据点周围区域内目标识别数据点整体趋向中心的分布情况，以及聚类簇的直线段聚集度，得到特征目标识别数据点的分布影响程度；获取每个目标识别数据点的分布影响程度；所述根据特征目标识别数据点周围区域内目标识别数据点整体趋向中心的分布情况，以及聚类簇的直线段聚集度，得到特征目标识别数据点的分布影响程度，包括的具体方法为：获取特征目标识别数据点的参考数据区域；根据特征目标识别数据点的参考数据区域内特征目标识别数据点整体趋向中心的分布情况，以及聚类簇的直线段聚集度，得到特征目标识别数据点的分布影响因子；获取所有目标识别数据点的分布影响因子，将所有的分布影响因子进行线性归一化，将归一化后的每个分布影响因子记为分布影响程度；将所有聚类簇中所有目标识别数据点的最小投票值记为初始阈值，将所有聚类簇中所有目标识别数据点的最大投票值记为终止阈值；以初始阈值为起点，步长为1，依次遍历获取阈值，直至到终止阈值为止停止遍历，获取若干阈值；将每个阈值记为参考阈值；对于任意一个参考阈值以及任意一个聚类簇，获取参考阈值下聚类簇的分布识别影响差异值；将所有参考阈值下聚类簇的分布识别影响差异值进行线性归一化，将归一化后的每个分布识别影响差异值记为识别分布差异因子；所述获取参考阈值下聚类簇的分布识别影响差异值，包括的具体方法为：将聚类簇中投票值大于参考阈值的目标识别数据点记为第一目标识别数据点，将聚类簇中投票值小于或等于参考阈值的目标识别数据点记为第二目标识别数据点；根据第一目标识别数据点以及第二目标识别数据点，得到参考阈值下聚类簇的分布识别影响差异值；所述根据第一目标识别数据点以及第二目标识别数据点，得到参考阈值下聚类簇的分布识别影响差异值，包括的具体方法为：将聚类簇中所有第一目标识别数据点的分布影响程度的累加和记为第一累加和；将聚类簇中所有第二目标识别数据点的分布影响程度的累加和记为第二累加和；将第一累加和与第二累加和的差值的绝对值，记为参考阈值下聚类簇的分布识别影响差异值；根据每个参考阈值下每个聚类簇的识别分布差异因子进行识别监测；所述根据每个参考阈值下每个聚类簇的识别分布差异因子进行识别监测，包括的具体方法为：对于任意一个参考阈值，将参考阈值下所有聚类簇的识别分布差异因子的均值，记为参考阈值的车道线区分度；将车道线区分度最大的参考阈值记为最佳识别阈值；将最佳识别阈值作为直线公式参数累加投票的阈值，根据直线公式参数累加投票的阈值，通过霍夫变换算法对所有目标识别数据点进行捕获，得到霍夫直线检测结果；将霍夫直线检测结果中的所有直线表示在获取的路况识别监测数据对应的矩阵坐标位置上，并获取最小外接矩形；将最小外接矩形作为候选框输入GrabCut算法得到识别结果。

全文数据：

权利要求：

百度查询： 北京交通大学 基于目标识别的路况实时监测方法