Resumen

La detección de carriles es un proceso crucial en los sistemas de monitorización de transporte basados en vídeo. Este artículo propone un método novedoso para detectar el centro del carril mediante la extracción rápida y la agrupación de alta precisión de las trayectorias de movimiento de los vehículos. En primer lugar, utilizamos el mapa de actividad para realizar automáticamente la extracción de la región de la carretera, la calibración de la cámara dinámica y el establecimiento de tres líneas de detección virtuales. En segundo lugar, se utilizan las tres líneas de detección virtuales y un modelo de fondo local con retroalimentación del flujo de tráfico para extraer y agrupar los puntos característicos del vehículo en unidades de vehículo. A continuación, los grupos de puntos característicos se describen con precisión mediante un gráfico dinámico de bordes ponderados y se modifican mediante un filtro de Kalman de similitud de movimiento durante el seguimiento de puntos característicos dispersos. Una vez obtenidas las trayectorias del vehículo, se diseña una agrupación incremental aproximada de k-means con distancia Hausdorff para realizar la rápida extracción en línea del centro del carril con gran precisión. El uso del conjunto rugoso reduce eficazmente la disminución de la precisión, que resulta de las trayectorias que discurren de forma irregular. Los resultados experimentales demuestran que el método propuesto puede detectar eficientemente la posición del centro del carril, el tiempo afectado de las tareas subsiguientes puede reducirse obviamente, y la seguridad de los sistemas de vigilancia del tráfico puede mejorarse significativamente.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Mathematical logic
• Palabras claves:detección virtual de líneas, centro del carril, grupo de puntos característicos del vehículo, seguimiento de puntos característicos dispersos, grupos de puntos característicos, agrupación de alta precisión, posición del centro del carril, modelo de fondo local, extracción rápida en línea, k -means aproximado
• Keywords:virtual detecting lines, lane center, group vehicle feature points, sparse feature point tracking, feature point groups, high accuracy clustering, lane center position, local background model, rapid online extraction, rough k -means