Red de conocimiento informático - Material del sitio web - ¿Sistema de detección de flujo de tráfico en carreteras basado en visión artificial?

¿Sistema de detección de flujo de tráfico en carreteras basado en visión artificial?

1. Introducción

Con el crecimiento de la población, la presión sobre el transporte aumenta y los sistemas de transporte inteligentes se han convertido en un tema candente de investigación en los últimos años. La detección del flujo de tráfico es una parte básica del transporte inteligente y juega un papel importante en el sistema. Actualmente, existen muchos métodos para detectar el flujo de tráfico, como el método del dispositivo de inducción electromagnética y el método de detección ultrasónica de la información del flujo de tráfico. De hecho, la velocidad y el tipo de vehículos en movimiento siempre cambian, por lo que existen problemas comunes de señales reflejadas inestables y grandes errores de medición. En comparación con los métodos anteriores, el método de detección del flujo de tráfico basado en video tiene muchas ventajas: 1. Extraer información confiable de imágenes de video para completar el monitoreo del tráfico por carretera, lo que puede mejorar la automatización de carreteras y vehículos. 2. Las cámaras de vídeo instaladas en los sistemas de control y vigilancia del tráfico son más económicas y menos destructivas que instalar otros sensores. 3. Se han instalado muchas cámaras en los sistemas de tráfico reales para el seguimiento y control del tráfico, que pueden matar dos pájaros de un tiro.

Los métodos tradicionales de detección de vídeo existentes se basan en computadoras industriales, sus algoritmos están maduros y se han formado productos relacionados. Pero también tiene desventajas: 1. Debido a que las CPU de uso general no tienen multiplicadores de hardware dedicados, es difícil lograr el procesamiento de imágenes en tiempo real. 2. Utiliza una computadora industrial de uso general para ejecutar el sistema Windows, lo cual es costoso. Siempre debe prestar atención a si la máquina falla, si el sistema está infectado con virus y si el sistema operativo está parcheado y actualizado. Con base en los dos puntos anteriores, este artículo propone una solución de reconocimiento de imágenes integrada basada en TMS320DM642 (en lo sucesivo, DM642) para resolver los problemas existentes.

2. Principio y composición del sistema de detección de flujo de tráfico

2.1 Principio de funcionamiento del sistema de detección de flujo de tráfico

El sistema de detección de flujo de tráfico está compuesto por vídeo La recopilación consta de un procesamiento de señales de vídeo digital del flujo de tráfico, un algoritmo de detección del flujo de vehículos en diferentes entornos y la salida de los resultados de la detección del flujo de tráfico. El chip central de la parte de adquisición de imágenes digitales es TVP5150, que convierte señales de vídeo analógicas en señales de vídeo digitales. DM642 ejecuta algoritmos de imagen para realizar el procesamiento de imágenes digitales en las imágenes recopiladas. El algoritmo de detección de video digital del flujo de tráfico utiliza principalmente el método mejorado de diferencia de cuadros para la detección de movimiento durante el día y el método de detección de luces del automóvil durante la noche. Las imágenes de carreteras recopiladas se dividen en cuatro partes según los carriles, y cada parte corresponde a un carril. Se abre una bobina virtual en cada carril (en referencia a un área de detección rectangular en la imagen, denominada colectivamente bobina virtual). Cuando un automóvil pasa a través de la bobina virtual, el valor de píxel en la bobina virtual cambiará. De acuerdo con este cambio, el puerto de E/S se controla para generar pulsos correspondientes para cada carril. Después del procesamiento, los pulsos se envían a la máquina de señales de tráfico de la carretera para controlar los semáforos, logrando así el propósito del transporte inteligente. Al mismo tiempo, la información del flujo de tráfico se puede transmitir al centro de seguimiento a través de la red.

2.2 Hardware del sistema de detección de flujo de tráfico

DM642 es un chip de procesamiento de señal digital especialmente diseñado por Texas Instruments para entrada y salida de vídeo multicanal. Su función informática es potente, se basa en la estructura de palabras de instrucciones ultralargas de alto rendimiento de segunda generación y puede ejecutar 8 instrucciones en paralelo, lo que hace que este chip sea muy adecuado para el procesamiento de imágenes digitales. Teniendo en cuenta los requisitos de trabajo reales y la estabilidad del sistema, la frecuencia principal del DM642 se establece en 600 MHz. De acuerdo con el entorno de aplicación real y las necesidades del sistema integrado, además de expandir la parte de memoria necesaria y la parte de captura y reproducción de video del sistema, el sistema expande principalmente la E/S digital multicanal y el puerto serie asíncrono y la red. Funciones de interfaz para facilitar la comunicación entre el sistema y el exterior. El hardware específico se muestra en la Figura 1. Las instrucciones son las siguientes: 1. SDRAM expandida externamente, con una capacidad de 4M×64 bits; 2. Flash expandida externamente, con una capacidad de 4M×8bits; 3. Entrada de video analógico estándar PAL/NTSC de 2 canales (CVBS o); S-video), salida de vídeo analógica estándar PAL/NTSC de 1 canal; 4. Ampliar el puerto de E/S digital de 8 canales a través de CPLD para generar información sobre el flujo de tráfico en el carril. 5. Interfaz UART de 2 canales, la interfaz estándar RS232/; Se puede configurar RS422/RS485; 6. Circuito de vigilancia RTC de reloj en tiempo real; 7. Interfaz Ethernet estándar de 10M/100Mbase-TX.

La composición del sistema se muestra en la Figura 2. En la figura, TMS320DM642 expande la parte de la memoria externa a través del bus EMIF de 64 bits de ancho, incluidos 32 MB de DRAM síncrona, que se utiliza para almacenar el código y la imagen del usuario. datos durante el tiempo de ejecución real. El Flash 4M se utiliza para almacenar el gestor de arranque y el programa de aplicación del usuario. El código y los datos del FLASH se cargan en la memoria (SDRAM) durante el inicio. Los parámetros de configuración del usuario para la bobina virtual también se pueden almacenar en el FLASH. El ancho de datos de SDRAM es de 64 bits y el ancho de datos de FLASH es de 8 bits, que corresponden a los espacios CE0 y CE1 de TMS320DM642 respectivamente. De manera similar, el transmisor receptor asíncrono universal UART y CPLD también están conectados al DM642 a través del bus EMIF. UART se utiliza para ampliar el puerto serie y se puede utilizar en este sistema para ampliar la interfaz RS232. CPLD se utiliza para implementar la lógica de unión de FLASH y UART y expandir las E/S digitales de uso general. Para facilitar la implementación del software, estas dos partes también están conectadas al espacio CE1 del DM642 en este sistema, y ​​sus registros internos se utilizan como parte del espacio de almacenamiento CE1.

2.3 Parte de recopilación y salida de vídeo

Para recopilar información sobre el flujo de tráfico en las intersecciones, este sistema ha diseñado dos entradas de vídeo analógico. El sistema convierte la señal de vídeo analógica recopilada por la cámara en un flujo de vídeo digital según ITU-RBT.656 mediante TVP5150 y envía la señal de sincronización integrada al puerto VP1 y al puerto VP2 del DM642. Las señales de sincronización horizontal y de sincronización de campo de la imagen están integradas en las señales de base de tiempo EAV y SAV en el flujo de datos de video. El puerto de video solo necesita el reloj de muestreo de video y la señal de habilitación de muestreo. DM642 puede realizar una adquisición continua de imágenes de video digital de tres cuadros a través de FIFO. Cuando se procesa un cuadro de imagen, los otros dos buffers también pueden realizar una adquisición cíclica de imágenes, resolviendo así la brecha entre la adquisición de video de velocidad constante y la de velocidad variable. procesamiento de imágenes. Este sistema ha ampliado una salida de vídeo para reproducción local. Esta parte de la función puede no utilizarse después de depurar el sistema. La salida de vídeo se implementa mediante el chip SAA7121 de Phillips. SAA7121 convierte la señal de video digital del puerto VP0 del DM642 en señal analógica en formato PAL (50 Hz) o NTSC (60 Hz) y la envía al puerto de video externo para su salida.

3. Parte del software

3.1 Algoritmo de estadísticas de flujo de tráfico

Dado que la intensidad de la luz de la carretera cambia mucho durante el día y la noche, se propone la adaptabilidad del algoritmo. Para cumplir con requisitos más altos y obtener información sobre el flujo de tráfico durante todo el día, todo el algoritmo se procesa por separado durante el día y la noche. El programa cambia automáticamente entre los dos algoritmos según las diferentes condiciones de luz en ese momento, garantizando así el entorno operativo de todo el algoritmo.

3.1.1 Selección de bobina virtual:

La selección de bobina virtual está relacionada con la precisión y velocidad del algoritmo de detección, y se ve afectada por la altura e inclinación de la cámara. instalación, así como la profundidad de campo de la cámara. Generalmente, la bobina virtual está ubicada cerca de la parte inferior de la imagen y la distancia entre vehículos es grande, lo que facilita su detección. Cuanto mayor sea la bobina virtual, mayor será la precisión relativa de detección y mayor será el tiempo de ejecución del algoritmo correspondiente. Dado que todo el sistema debe adaptarse a diversas intersecciones y superficies de carreteras, la selección de bobinas virtuales queda en manos del usuario. Desarrollamos software para PC utilizando VC6.0. Los usuarios utilizan este software para configurar el tamaño y la posición de las bobinas virtuales en cada carril a través del puerto serie.

3.1.2 El intervalo de tiempo entre cuadros de detección adyacentes:

Dado que todo el sistema necesita comunicarse con la máquina de señales, el tiempo total requerido para procesar las imágenes en cada carretera no puede exceder 0,25 segundos. Aquí, cada cuadro se selecciona con una diferencia de 0,125 segundos.

3.1.3 Algoritmo de detección de flujo de tráfico www.51kaifa.com/html/jswz

Dado que el algoritmo de detección de flujo de tráfico diurno se ha aplicado con mucha madurez en computadoras industriales, aquí lo haré. No entre en detalles. La visibilidad de la carretera por la noche es relativamente baja y el algoritmo reconoce principalmente las luces de los automóviles.

Por la noche, las luces del automóvil tienen un brillo fuerte, por lo que siempre que las luces del automóvil se puedan detectar correctamente, se puede medir el vehículo. La interferencia en el algoritmo proviene del reflejo de la luz de las luces del coche en la superficie de la carretera. Después de utilizar las pruebas de simulación de Matlab, se descubrió que después de la eliminación de ruido binaria, los puntos brillantes en la imagen son básicamente la forma de las luces del automóvil, mientras que las áreas reflectantes de la carretera divergen hacia adelante, en base a esto, el automóvil se puede identificar detectando la forma. Características de los puntos brillantes en la ventana. Luces y áreas reflectantes del pavimento. La selección del umbral para la binarización de imágenes se obtiene mediante el método Otsu. En comparación con el método empírico, el método Otsu obtiene el umbral calculando la varianza y tiene una mayor adaptabilidad ambiental, pero también aumenta la complejidad temporal y espacial del algoritmo. La eliminación de ruido de la imagen utiliza un filtro mediano de 3*3. Hemos mejorado el algoritmo rápido y solo lo realizamos en la bobina virtual.

La imagen original en escala de grises de la carretera recopilada se muestra en la Figura 3, y la Figura 4 es la imagen binarizada. El área rectangular en la figura es una bobina virtual y hay dos áreas blancas en la bobina. En píxeles, determine si se trata de la luz de un automóvil según la relación de aspecto máxima del área blanca. La longitud del área blanca correspondiente a la luz del automóvil es generalmente menor que el ancho, como se muestra en la Figura 5. El área blanca correspondiente al reflejo de la carretera es más larga que ancha, como se muestra en la Figura 8. El área blanca dentro del círculo virtual es el reflejo de la carretera.

3.2 Marco de software del sistema basado en DSP/BIOS

El entorno de desarrollo de software del sistema es CCS, utilizando el kernel DSP/BIOS proporcionado por TI y el marco de referencia de software RF5 recomendado por TI. A través de DSP/BIOS se configuran la entrada, el procesamiento, la salida y otros subprocesos, y la sincronización entre estos subprocesos se realiza mediante semáforos. Al utilizar el kernel DSP/BIOS, configurar DSP/BIOS es conveniente y fácil de cambiar, lo que tiene muchas ventajas sobre los métodos tradicionales. El uso de la arquitectura de software DSP RF5 (ReferenceFramework5) acorta en gran medida el tiempo de desarrollo y, al mismo tiempo, garantiza al máximo la portabilidad y solidez del código. De abajo hacia arriba, la arquitectura del software consta de CSL (biblioteca de soporte de chip), DSP/BIOS y capa de controlador, capa de biblioteca de procesamiento de señales y capa estándar de algoritmo. Estas tres capas constituyen RF5, y la capa superior es la capa de aplicación del usuario. Es conveniente para los usuarios modificar y mantener el código, y solo es necesario cambiar la capa superior.

El controlador de entrada utiliza el controlador de clase FVID proporcionado por TI. Este controlador realiza la configuración del puerto de video DM642 y la configuración del chip de conversión A/D TVP5150 mediante la configuración de parámetros en la estructura. , para que el TVP5150 emita una transmisión de video digital PAL y escriba las imágenes recopiladas en el área de memoria designada a través del FIFO del puerto de video. Cuando se completa la recopilación de imágenes, se envía un mensaje al módulo de procesamiento a través del semáforo. La estructura del mensaje almacena la primera dirección del espacio de memoria donde se encuentran los datos de la imagen. Luego, el módulo de entrada espera una respuesta del módulo de salida para continuar procesando el siguiente cuadro de imágenes. El módulo de procesamiento es responsable de ejecutar el algoritmo de estadísticas del flujo de tráfico. La dirección de datos de la imagen se extrae de la estructura del mensaje enviada por el módulo de entrada para el procesamiento del algoritmo de imagen. Los resultados de la operación se emiten a través del puerto de E/S expandido CPLD y la información de monitoreo del flujo de tráfico se transmite a la máquina de señales.

3.3 Optimización del código

El programa está escrito principalmente en lenguaje C y algunos códigos centrales se han compilado y optimizado para cumplir con los requisitos de rendimiento en tiempo real. La calidad de la optimización del programa en lenguaje C afecta directamente la eficiencia del programa. El método de intercambiar espacio por tiempo se usa ampliamente en el programa para mejorar la eficiencia de ejecución del código. Existen muchos métodos de optimización de código. Los métodos principales son 1. Optimización del compilador. Seleccione diferentes opciones de optimización de compilación durante la compilación, como la opción -pm–oe. 2. Optimice el código escrito en lenguaje C y agregue información indicativa. Información indicativa de uso común como #PragmaMUST_ITERATE, etc. 3. Escriba programas de ensamblaje lineal para mejorar la velocidad de ejecución del programa. 4. Escribir programas ensambladores para implementar la canalización de software. La canalización puede utilizar una variedad de técnicas, como confiar en gráficos y tablas de tiempo de intervalos de iteración. Hay descripciones específicas en los documentos técnicos proporcionados por TI y no se repetirán aquí.

4. Análisis y resultados experimentales

Para verificar la confiabilidad del sistema de detección de flujo de tráfico, el algoritmo se trasplantó al sistema de detección y se utilizaron cámaras montadas en trípodes. múltiples pasos elevados de autopistas.

Dado que hay un cierto número de peatones en el paso elevado, el paso elevado tiembla ligeramente, lo que tiene un cierto impacto en la estabilidad de la cámara. Además, hay un cierto error en los resultados de la detección causado por el vehículo que circula por la línea, pero los resultados de la detección siguen siendo buenos. En la Tabla 1 se muestra un conjunto de pruebas. Resultados de la detección del flujo de tráfico En el entorno natural, el tamaño de la imagen recopilada es 720 × 576. La hora de medición durante el día fue las 3:27 pm y la noche fue las 6:50 pm. El clima estaba despejado y el lugar de la prueba fue de dos carriles en Xueyuan Road, distrito de Haidian, Beijing. El tamaño del CCD es de 1/3 de pulgada. La distancia focal del objetivo es de 3,5 a 8 mm y la relación de apertura máxima es de 1:1,4.

Tabla 1 Resultados de la detección del flujo de tráfico

A partir de los resultados de la detección del flujo de tráfico en la Tabla 1, sabemos que los resultados de la detección de video son ligeramente mejores durante el día, pero la forma y el brillo de Las luces del coche por la noche son bastante diferentes, hay un cierto error, pero la tasa de precisión del reconocimiento del sistema es superior al 80%. Los experimentos han demostrado que este método tiene una alta precisión de detección, un bajo costo de implementación y un funcionamiento confiable del sistema.

Los puntos de innovación del autor de este artículo: 1. El hardware de detección de flujo de tráfico basado en imágenes anterior era una computadora industrial. Este artículo propone una nueva solución e introduce un sistema integrado de detección de flujo de tráfico basado en TMS320DM642. . Las pruebas han demostrado que el sistema es de tamaño pequeño, de bajo costo, estable y confiable. 2. Este artículo presenta el algoritmo de detección del flujo de tráfico nocturno. El algoritmo tiene baja complejidad y velocidad de procesamiento rápida. No solo puede garantizar el rendimiento en tiempo real de la detección del flujo de tráfico, sino que también cumple con los requisitos de precisión.

Para obtener más información sobre la redacción y producción de documentos de licitación de ingeniería/servicio/compra para mejorar la tasa de adjudicación de ofertas, puede hacer clic en el sitio web oficial de servicio al cliente en la parte inferior para realizar una consulta gratuita: /#/?source= bdzd