交通信号灯智能控制系统及其控制方法

摘要

一种智能交通技术领域的交通信号灯智能控制系统及其控制方法，系统包括：四个CCD摄像头、信号处理器和控制器；方法包括：建立坐标系及其转换关系；对车流图像依次进行畸变校正、锐化和透视变换处理；提取车辆图像的边缘，并滤除图像中的车道线和交通标志箭头；图像切割；边缘投影获取计算机图像坐标系下每个方向每种类型车道上等待通行车辆的排队长度所对应的像素坐标；求取等待通行车辆的实际排队长度；得到每个方向每种类型车道上车辆全部通行所需的时间；根据车辆全部通行的时间，控制交通信号灯的开启和关闭。本发明能够为高效、节能地控制交通信号灯的启闭时间，为最终实现城市智能交通提供科学的信息基础。

权利要求

1.一种交通信号灯智能控制系统的控制方法，所述交通信号灯智能控制系统包括：四个CCD摄像头、信号处理器和控制器，其中：四个CCD摄像头分别安装在路口的四个来车方向上且距地面的高度为H，四个CCD摄像头的输出端分别与信号处理器的输入端相连传输图像信号，信号处理器的输出端与控制器的输入端相连传输控制指令，控制器的输出端与交通信号灯的继电开关电路相连传输电压驱动信号；所述的H的范围是8m～10m；其特征在于，所述控制方法包括以下步骤：第一步，建立世界坐标系，对摄像头参数进行标定，进而得到计算机图像坐标系与世界坐标系的转换关系；

所述的建立世界坐标系是：将世界坐标系中的Zj轴与直行/左转行车方向分界线重合且指向行车的方向为正方向，令Xj为零，将原点设置在停车线与行车方向分界线的交点上，Yj轴与停车线重合且以行车的左侧为正方向；

第二步，对摄像头得到的车流图像依次进行畸变校正、锐化和透视变换处理；

第三步，提取上一步得到的车辆图像的边缘，并根据数学形态学滤波法滤除边缘检测图中的杂线条，即滤除图像中的非车辆边缘线的车道线和交通标志箭头；

第四步，对第三步获取的图像按照道路行车类型进行切割，即将图像中的每个方向上等待通行的机动车道路分别按右转、直行和左转三种类型沿着行车类型分界线进行切割，得到三幅分别为为右转、直行和左转行车类型的车辆边缘检测子图；

第五步，将切割后的右转、直行、左转行车类型的车辆边缘检测子图分别进行边界像素投影且累加边界点得到每种类型车道上边界像素点累加分布图，进而得到计算机图像坐标系下每个方向每种类型车道上等待通行车辆排队长度的像素分布；

第六步，根据计算机图像坐标系图像中等待通行车辆排队长度的像素分布和计算机图像坐标系与世界坐标系的转换关系，得到世界坐标系中每个方向每种类型车道上等待通行车辆的排队长度，即实际排队长度；

第七步，根据车速和车辆的排队长度，得到每个方向每种类型车道上车辆全部通行所需的时间；

第八步，根据得到的每个方向每种类型车道上车辆全部通行的时间，控制交通信号灯的开启和关闭。

2.根据权利要求1所述的交通信号灯智能控制方法，其特征是，所述的信号处理器包括：四个图像输入接口、图像处理模块和输出接口，其中：第一CCD摄像头和第一图像输入接口的输入端相连传输第一路图像信号，第二CCD摄像头和第二图像输入接口的输入端相连传输第二路图像信号，第三CCD摄像头和第三图像输入接口的输入端相连传输第三路图像信号，第四CCD摄像头和第四图像输入接口的输入端相连传输第四路图像信号，四个图像输入接口的输出端分别与图像处理模块的输入端相连并行传输四路图像信号，图像处理模块的输出端与输出接口的输入端相连传输控制指令，输出接口的输出端与控制器相连传输控制指令。

3.根据权利要求1所述的交通信号灯智能控制方法，其特征是，第三步中所述的滤除边缘检测图中的杂线条是采用数学形态学滤波法探测图中的直线，并结合车道的位置信息，将图像中的车道线和交通标志箭头去除，即将车道线及车辆行驶方向指示箭头上所有像素点的黑色全部转换为白色。

4.根据权利要求1所述的交通信号灯智能控制方法，其特征是，第五步中所述的将切割后的右转、直行、左转行车类型的车辆边缘检测子图分别进行边界像素投影，即每种类型车道上的车辆的边界像素分别向Zj轴的计算机图像坐标系的直线投影且累加边界点得到每种类型车道上边界像素点累加分布图，进而得到计算机图像坐标系下每个方向每种类型车道上等待通行车辆排队长度的像素分布；

所述的每种类型车道上等待通行车辆排队长度的像素分布是该类型车道上边界像素点累加分布图上最后一个边界像素点的坐标。

5.根据权利要求1所述的交通信号灯智能控制方法，其特征是，第七步中所述的车辆全部通行的时间，具体公式为：

其中： 表示第j个方向第i种类型车道上车辆全部通行的时间， 表示第j个方向第i种类型车道上车辆实际的排队长度，i＝1，2，3，i＝1代表“直行”、i＝2代表“左转弯”、i＝3代表“右转弯”；j代表道路编号，对于十字路口，j＝1，2，3，4，j＝1代表由东向西的路口，j＝2代表由西向东的路口，j＝3代表由南向北的路口，j＝4代表由北向南的路口；V代表车辆通过路口的规定车速，τ为车辆从停车线开始通过路口所需要的时间。

6.根据权利要求1所述的交通信号灯智能控制方法，其特征是，第八步中所述的控制交通信号灯的开启和关闭是：当第j个路口第i种类型车道上车辆全部通行的时间时，将该车道的绿灯时间设为Tm；否则，将该车道的绿灯时间设为 其中：Tm是设定的单向最长通行时间阈值。

说明书

交通信号灯智能控制系统及其控制方法

技术领域

[0001] 本发明涉及的是一种智能交通技术领域的装置及其方法，具体是一种交通信号灯智能控制系统及其控制方法。

背景技术

[0002] 智能交通系统作为解决城市交通问题的高新技术手段已经日益受到人们的重视。然而，要实现交通系统智能化，却不是一项简单的技术，关键在于如何充分、有效和实时地获取交通信息。

[0003] 尽管获取交通信息的手段和方法多种多样，比如：目前国内大多数城市交通信号灯控制方法基本上还是采用感应线圈等设备来获取道路交通信息，但是，由于这种交通量检测设备需要埋设在道路下面，安装与维修时必须破坏原有路面，使得安装与维护都很不方便，技术经济成本高、抗干扰性差而且感应范围极为有限。实际上，随着电子警察应用的日益普及，在城市的许多交叉路口早已装备实时采集交通流量的摄像装置，尽管配置这些摄像装置的初衷是用于人工监控，但是，这些摄像装置无疑已经成为拾取道路车流图像信息的技术基础。本发明就是基于图像信息处理的一项技术。可以预见，基于图像信息的视感技术必将日益成为获取车辆与交通信息的重要手段之一，特别是在城市交通信号灯的智能控制中能够起到越来越重要的作用。

[0004] 在城市车辆日益增多的现实情况下，城市交通信号灯的智能控制显然在整个城市智能交通系统中占据着非常重要的地位，因为它是确保城市道路疏堵保畅的重要技术手段。当前绝大多数的城市交通信号灯控制是采用时钟控制方式，这种控制方式在车辆数量激增的情况下，完全不能适用，因为它是一种极为简单、固定周期性地转换信号灯。在这种控制方式下，最大的弊端就在于无车的道路方向上会亮着绿灯，而车辆排着长队等待通行的道路方向上却亮着红灯，因而人为地造成交通拥堵，严重降低了交通运行效率。交叉路口视感智能控制技术正是针对城市交通压力日益加重的情况下应运而生。这里所说的“视感”，简单地说就是视图感知的简称。

[0005] 经对现有技术文献的检索发现，中国专利申请号为：200610017561.8，名称为：自适应交通信号灯智能控制方法及实现该方法的装置，该技术提供了一种自适应交通信号灯智能控制装置及方法，该方法步骤是：设定主道和次道通行时间初值；检测当前绿灯道口有/无车；如果通行时间倒计数为零时仍然有车，增加下次该道的通行时间值；如果通行时间倒计数未结束该道口无车，减少下次该道的通行时间值；如果连续N次在通行时间倒计数未结束两个道的道口均无车，系统切换到夜间状态；如果检测到任意两个或三个道口有车，系统从夜间状态唤醒；该装置中车辆探测器获取道口有车/无车状态，输入接口电路经总线读入单片机，单片机经总线通过输出接口电路，一路驱动主道、次道通行时间时钟显示器，另一路驱动主道、次道红黄绿信号灯和行人通行信号灯。但是该技术的缺点是：采用当前测定的“通行时间倒计数为零时仍然有车”作为“增加下次该道的通行时间值”，采用当前测定的“通行时间倒计数未结束该道口无车”作为“减少下次该道的通行时间值”，缺乏统计特征依据，可行性较差，车流是随机变量，一旦路口下一时刻的车流状况完全不同于当前时刻的车流状况，仍然按照既定的前一时刻“通行时间”来控制信号灯，显然失去其意义；需要对道路安装专用“车辆探测器”，又势必增加设备投入和维护成本，同时对运行可靠性也有不利因素存在。

[0006] 经对现有技术文献的检索还发现，中国专利申请号：200710065440.5，名称为：一种智能交通控制方法及装置，该技术公开一种智能交通控制装置及方法，该方法包括：过漫反射式红外传感器对车流、人流量进行检测，单片机依据预设的延时参数处理检测到的数据，得到合理的信号灯延迟时间，而延时参数的预设可以根据交通状况由计算机实时调整；通过漫反射式红外传感器对闯红灯等违规行为进行检测，并触发语音芯片进行警告。该装置包括：红外检测部分、单片机数据处理部分、信号灯及其驱动电路部分、语音报警部分、串口连接部分、软件部分。但是该技术存在的技术缺陷是：以当前“车流量”数据作为“调整”下一时刻“信号灯延迟时间”的依据，同样是统计所需要的采集样本极为单一，调整“信号灯延迟时间”的依据不充分；同时，受“漫反射式红外传感器”感应“空间角”的局限无法准确检测等待通行车辆排队长度，因此最终无法准确实施交通信号灯的通行时间控制。

发明内容

[0007] 本发明的目的在于克服现有技术中的上述不足，提供一种交通信号灯智能控制系统及其控制方法，本发明使城市交通信号灯的开/关时间能够根据道路上车流量的实际大小实施准确控制，因此使交通信号灯的控制达到智能化的技术水平。

[0008] 本发明是通过以下技术方案实现的：

[0009] 本发明涉及的交通信号灯智能控制系统，包括：四个CCD摄像头、信号处理器和控制器，其中：四个CCD摄像头分别安装在路口的四个来车方向上且距地面的高度为H，四个CCD摄像头的输出端分别与信号处理器的输入端相连传输图像信号，信号处理器的输出端与控制器的输入端相连传输控制指令，控制器的输出端与交通信号灯的继电开关电路相连传输电压驱动信号。

[0010] 所述的H的取值范围是8m～10m。

[0011] 所述的信号处理器包括：四个图像输入接口、图像处理模块和输出接口，其中：第一CCD摄像头和第一图像输入接口的输入端相连传输第一路图像信号，第二CCD摄像头和第二图像输入接口的输入端相连传输第二路图像信号，第三CCD摄像头和第三图像输入接口的输入端相连传输第三路图像信号，第四CCD摄像头和第四图像输入接口的输入端相连传输第四路图像信号，四个图像输入接口的输出端分别与图像处理模块的输入端相连并行传输四路图像信号，图像处理模块的输出端与输出接口的输入端相连传输控制指令，输出接口的输出端与控制器相连传输控制指令。

[0012] 本发明涉及的上述交通信号灯智能控制系统的控制方法，包括以下步骤：

[0013] 第一步，建立世界坐标系，对摄像头参数进行标定，进而得到计算机图像坐标系与世界坐标系的转换关系。

[0014] 所述的建立世界坐标系是：将世界坐标系中的Zj轴与直行/左转行车方向分界线重合且指向行车的方向为正方向，令Xj为零，将原点设置在停车线与行车方向分界线的交点上，Yj轴与停车线重合且以行车的左侧为正方向。

[0015] 所述的摄像头参数进行标定是：对四个摄像头的内、外参数分别实施标定，即通过试验和计算得到四个摄像头成像的几何模型参数和摄像头所处的位姿参数(位置与姿态参数)的标定。

[0016] 每个摄像头均各自根据计算机图像坐标系像素点坐标(u，v)和世界坐标系空间三维坐标(Xj，Yj，Zj)之间的关系：

[0017] (公式一)

[0018] 标定其内、外参数值。其中：p＝[u v]T，u和v分别表示像素位于数组的列数和行T数，单位为pixel(像素)；P＝[Xj Yj Zj]，Xj、Yj、Zj分别代表第j个方向道路上的竖直高度、横向宽度和纵向长度坐标值，单位为m；代表纵向长度坐标值的Zj表明被测空间点(如：
车辆前挡板)的距离参数值；j代表道路编号，如：对于十字路口，j＝1，2，3，4，j＝1代表由东向西的路口，j＝2代表由西向东的路口，j＝3代表由南向北的路口，j＝4代表由北向南的路口，作为角标使用时，Z1、Z2、Z3、Z4分别代表由东向西、由西向东、由南向北、由北向南行车道路所对应的世界坐标系的Zj轴坐标；s为世界坐标系中空间点映射到摄像头坐标系(xc，yc，zc)中zc轴上的分量，其数值等于(公式一)右边计算结果所得到的三维列向量中的第三元素值； 为三维点坐标从归一化成像平面到物理成像平面的等
比例缩放矩阵，其缩放的比例和实际焦距f有关，单位为“像素/m”，fx、fy称为u轴和v轴上的尺度因子，(cx，cy)为主点o(即物理图像坐标系oxy的原点)的像素坐标，又称主点坐标，矩阵K的参数被称为摄像机内参数； R中的矩阵元素ri(i＝
1，2，…，9)称为摄像头旋转参数，t中列向量元素称为摄像头的平移参数，R与t的参数统称为摄像头的外部参数。

[0019] 所述外部参数，包括R和t，共12个，但因R为单位正交矩阵，必须满足6个正交约束，所以只需要标定6个外部参数，加上内部参数f、k1、sx和cx、cy，总共有11个参数需要标定。

[0020] 第二步，对摄像头得到的车流图像依次进行畸变校正、锐化和透视变换处理。

[0021] 所述的畸变校正，具体是：

[0022] 1)由计算机图像坐标系像素点(u，v)求取在归一化虚平面图像坐标系上对应畸变点坐标(xd，yd)；

[0023] 2)将(xd，yd)代入归一化虚平面图像坐标系中图像畸变矫正数学模型xd＝2 2
(1+k1r)xu、yd＝(1+k1r)yu，其中， k1为一阶径向畸变系数，得到矫正畸变后的归一化虚平面图像坐标系理想点坐标(xu，yu)；

[0024] 3)由理想点坐标(xu，yu)的值代入u′＝xu/dx+cx、v′＝yu/dy+cy、sx＝dy/dx，得到对应点(u，v)新的坐标值(u′，v′)，即新的像素点位置，其中，dx、dy分别为图像平面x、y方向上单位像素间的距离，sx为图像纵横比，cx、cy分别为物理图像坐标系oxy原点o的x、y轴上的像素坐标，因此得到的(u′，v′)即为(u，v)经过畸变校正后的计算机图像坐标；

[0025] 4)按照上述步骤，分别对计算机图像坐标系中的每个像素点进行畸变校正，从而得到一幅反映真实景物的理想图像。

[0026] 所述图像的归一化虚平面图像坐标系表达，是指：沿光轴在与摄像机光学成像平面形成对称的平面称为虚平面，在其上所建立的坐标系称为虚平面图像坐标系，将图像像素特征量进行归一化后在虚平面图像坐标系上的表达称为图像的归一化虚平面图像坐标系表达，使用归一化表达的虚平面图像坐标系所处平面，又称为归一化虚平面。

[0027] 所述的锐化是增强图像的边缘和轮廓，是梯度锐化法，或者是Laplacian(拉普拉斯)增强算子方法两种。

[0028] 所述的透视变换是为了改变物体图像形状和位置，以便使用变换后的表达方式来获取其几何信息。透视变换是根据摄像头在两个位置和角度上得到的同样的物体图像之间呈现一种透视关系，即透视变换模型。

[0029] 第三步，提取上一步得到的车辆图像的边缘，并根据数学形态学滤波法滤除边缘检测图中的杂线条，即图像中的非车辆边缘线的车道线和交通标志箭头。

[0030] 所述的提取图像的边缘是采用基于梯度的边缘检测方法，或者是采用Laplacan算子检测方法，或者是采用Canny边缘算子检测方法。

[0031] 所述的滤除边缘检测图中的杂线条是采用数学形态学滤波法，探测图中的直线，并结合车道的位置信息，将图像中的车道线和交通标志箭头去除，即将车道线及车辆行驶方向指示箭头上所有像素点的黑色全部转换为白色。

[0032] 第四步，对第三步获取的图像按照道路行车类型进行切割，即将图像中的每个方向上等待通行的机动车道路分别按右转、直行和左转三种类型沿着行车类型分界线进行切割，得到三幅分别为为右转、直行、左转行车类型的车辆边缘检测子图。

[0033] 当某个方向道路上并排右转、直行、左转各有一条行车道；右转车道的左侧车道线，亦即直行车道的右侧车道线就是右转与直行车道的分界线；直行车道的左侧车道线，亦即左转车道的右侧车道线就是直行与左转车道的分界线；沿着这两条分界线将边缘检测图像进行切割就能将其分解为三幅分别为右转、直行、左转行车类型的车辆边缘检测子图。

[0034] 第五步，分别对三幅车辆边缘检测子图进行边界像素投影，即每种类型车道上车辆的边界像素分别向Zj轴所对应的计算机图像坐标系的直线投影且累加边界点得到每种类型车道上边界像素点累加分布图，进而得到计算机图像坐标系下每个方向每种类型车道上等待通行车辆排队长度的像素分布。

[0035] 所述的每种类型车道上等待通行车辆排队长度的像素分布是该类型车道上边界像素点累加分布图上所对应的最后一个边界像素点的坐标参数值。

[0036] 第六步，根据计算机图像坐标系图像中等待通行车辆排队长度的像素分布和计算机图像坐标系与世界坐标系的转换关系，得到世界坐标系中每个方向每种类型车道上等待通行车辆的排队长度，即实际排队长度。

[0037] 第七步，根据车速和车辆的排队长度，得到每个方向每种类型车道上车辆全部通行所需的时间。

[0038] 所述的车辆全部通行的时间，具体公式为：

[0039]

[0040] 其中：Tj(i)表示第j个方向第i种类型车道上车辆全部通行的时间，|Zj(i)|表示第j个方向第i种类型车道上车辆实际的排队长度，i＝1，2，3，i＝1代表“直行”、i＝2代表“左转弯”、i＝3代表“右转弯”；j代表道路编号，对于十字路口，j＝1，2，3，4，j＝1代表由东向西的路口，j＝2代表由西向东的路口，j＝3代表由南向北的路口，j＝4代表由北向南的路口；V代表车辆通过路口的规定车速，τ为车辆从停车线开始通过路口所需要的时间。

[0041] 第八步，根据得到的每个方向每种类型车道上车辆全部通行的时间，控制交通信号灯的开启和关闭。

[0042] 所述的控制交通信号灯的开启和关闭是：当第j个路口第i种类型车道上车辆全部通行的时间 时，将该车道的绿灯时间设为Tm；否则，将该车道的绿灯时间设为(i)Tj ，其中：Tm是设定的单向最长通行时间阈值。

[0043] 多条机动车道以及人行横道红、绿、黄灯的切换规律遵从现行方式不变，或者根据上述提供的车辆实际排队长度予以优化。

[0044] 与现有技术相比，本发明具有如下有益效果：第一，能够对交叉路口的车流状况及其车辆排队长度进行自动检测，包括：右转、直行、左转三种行车方向的车辆排队长度；第二，能够根据车辆排队长度准确计算出车辆通过路口所需要的时间，因此能够高效、节能地控制交通信号灯的启闭时间，为最终实现城市智能交通提供科学的信息基础。

附图说明

[0045] 图1为实施例摄像头在交叉路口的布局及世界坐标系设置图；

[0046] 图2为实施例摄像头安装姿态图；

[0047] 图3为实施例系统组成连接示意图；

[0048] 图4为实施例信号处理器组成连接示意图；

[0049] 图5为实施例道路车流实况图；

[0050] 图6为实施例计算机图像坐标系与世界坐标系的几何关系图；

[0051] 图7为实施例透视变换效果图；

[0052] 图8为实施例边缘检测图；

[0053] 图9为实施例边缘检测图经过滤波处理后的效果图；

[0054] 图10为实施例车道分解图；

[0055] 图11为实施例Zj坐标轴左侧车道投影变换图；

[0056] 图12为实施例Zj坐标轴右侧车道投影变换图。

具体实施方式

[0057] 下面结合附图对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

[0058] 如图3所示，本实施例涉及的交通信号灯智能控制系统，包括：四个CCD摄像头、信号处理器5和控制器6，其中：如图2所示，每个CCD摄像头分别安装在路口的四个来车方向上且距地面的高度为10m，如图1所示，第一CCD摄像头1放置在Z1路面上，第二CCD摄像头2放置在Z2路面上，第三CCD摄像头3放置在Z3路面上，第四CCD摄像头4放置在Z4路面上，四个CCD摄像头的输出端分别与信号处理器5的输入端相连传输图像信号，信号处理器5的输出端与控制器6的输入端相连传输控制指令，控制器6的输出端与交通信号灯的继电开关电路相连传输电压驱动信号。

[0059] 所述的CCD摄像头，采用MV-VS系列1394高分辨率工业数字CCD摄像机。该系列型号摄像机以IEEE 1394作为输出通信协议，直接输出数字图像信号而且信号稳定，CPU资源占用少，一台嵌入式系统同时连接若干台摄像机，十分适合交通路口的车流图像信息采集。MV-VS系列1394高分辨率工业数字CCD摄像机通过外部信号触发采集或连续采集。MV-VS系列1394高分辨率工业数字CCD摄像机广泛应用于工业在线检测、机器视觉、科研、军事科学、航天航空等众多领域，在智能交通行业：超速抓拍，电子警察、卡口收费等交通行业都有很好的应用。MV-VS系列1394高分辨率工业数字CCD摄像机具备数字面阵CCD逐行扫描，软件控制图像窗口无级缩放，软件调整增益、对比度的优越功能，如：MV-VS142FM/FC高分辨率工业数字CCD摄像机就是其中的一种。

[0060] 如图4所示，所述的信号处理器5包括：四个图像输入接口、图像处理模块55和输出接口50，其中：第一CCD摄像头1和第一图像输入接口51的输入端相连传输第一路图像信号，第二CCD摄像头2和第二图像输入接口52的输入端相连传输第二路图像信号，第三CCD摄像头3和第三图像输入接口53的输入端相连传输第三路图像信号，第四CCD摄像头4和第四图像输入接口54的输入端相连传输第四路图像信号，四个图像输入接口的输出端分别与图像处理模块55的输入端相连并行传输四路图像信号，图像处理模块55的输出端与输出接口50的输入端相连传输控制指令，输出接口50的输出端与控制器6相连传输控制指令。

[0061] 本实施例涉及的上述交通信号灯智能控制系统的控制方法，包括以下步骤；

[0062] 第一步，建立世界坐标系，对摄像头参数进行标定，进而得到计算机图像坐标系与世界坐标系的转换关系。

[0063] 所述的建立世界坐标系是：将世界坐标系中的Zj轴与行车方向分界线重合且指向行车的方向为正方向，令Xj为零，将原点设置在停车线与行车方向分界线的交点上，Yj轴与停车线重合且以行车的左侧为正方向。

[0064] 所述的摄像头参数进行标定是：每个摄像头均各自根据计算机图像坐标系像素点坐标(u，v)和世界坐标系空间三维坐标(Xj，Yj，Zj)之间的关系：

[0065] (公式一)

[0066] 标定其内、外参数值，即：利用R为单位正交矩阵满足6个正交约束性质，只需要标定6个外部参数，即可求出 与 的全部外部参数和内部参数f、k1、sx和cx、cy。

[0067] 在完成参数标定后，在Xj＝0的条件下，建立计算机图像坐标系与世界坐标系的简化转换公式

[0068] (公式二)

[0069] 本实施例中每个摄像头对应于世界坐标系的几何关系如图6所示。

[0070] 第二步，对摄像头得到的车流图像依次进行畸变校正、锐化和透视变换处理。

[0071] 本实施例道路车流实况图如图5所示。

[0072] 所述的畸变校正，具体是：

[0073] 1)由计算机图像坐标系像素点(u，v)求取在归一化虚平面图像坐标系上对应畸变点坐标(xd，yd)；

[0074] 2)将(xd，yd)代入归一化虚平面图像坐标系中图像畸变矫正数学模型xd＝2 2
(1+k1r)xu、yd＝(1+k1r)yu，其中， k1为一阶径向畸变系数，得到矫正畸变后的归一化虚平面图像坐标系理想点坐标(xu，yu)；

[0075] 3)由理想点坐标(xu，yu)的值代入u′＝xu/dx+cx、v′＝yu/dy+cy、sx＝dy/dx，求出对应点(u，v)新的坐标值(u′，v′)，即新的像素点位置，其中，dx、dy分别为图像平面x、y方向上单位像素间的距离，sx为图像纵横比，cx、cy为物理图像坐标系oxy原点o的x、y轴上的像素坐标，因此得到的(u′，v′)即为(u，v)经过畸变校正后的计算机图像坐标；

[0076] 4)按照上述步骤，分别对计算机图像坐标系中的每个像素点进行畸变校正，从而得到一幅反映真实景物的理想图像。

[0077] 所述的锐化是增强图像的边缘和轮廓，本实施例采用Laplacian增强算子方法对图像进行锐化处理。

[0078] 所述的透视变换是为了改变物体图像形状和位置，以便使用变换后的表达方式来获取其几何信息。透视变换是根据摄像头在两个位置和角度上得到的同样的物体图像之间呈现一种透视关系，即透视变换模型。

[0079] 本实施例透视变换后的图像如图7所示。

[0080] 第三步，提取上一步得到的车辆图像的边缘，并根据数学形态学滤波法滤除边缘检测图中的杂线条，即滤除图像中的非车辆边缘线的车道线和交通标志箭头等。

[0081] 本实施例采用Canny边缘算子检测方法提取图像的边缘，将背景的像素点置“1”，即白色；景物边缘像素点置“0”，即黑色，得到的边缘图像如图8所示。

[0082] 所述的滤除边缘检测图中的杂线条是采用数学形态学滤波法探测图中的直线，并结合车道的位置信息，将图像中的车道线和交通标志箭头去除，即将车道线及车辆行驶方向指示箭头上所有像素点的黑色全部转换为白色，滤波后的图像如图9所示。

[0083] 第四步，对第三步获取的图像按照道路行车类型进行切割，即将图像中的每个方向上等待通行的机动车道路分别按右转、直行和左转三种类型沿着行车类型分界线进行切割，得到三幅分别为为右转、直行和左转行车类型的车辆边缘检测子图。

[0084] 如图10所示，将图像中等待通行的机动车道路按直行(图10(a))和左转(图10(b))进行切割，获得直行、左转行车类型的车辆边缘检测子图。

[0085] 第五步，将切割后的右转、直行、左转行车类型的车辆边缘检测子图分别进行边界像素投影，即每种类型车道上的车辆的边界像素分别向Zj轴所对应的计算机图像坐标系的直线投影且累加边界点得到每种类型车道上边界像素点累加分布图，进而得到计算机图像坐标系下每个方向每种类型车道上等待通行车辆排队长度的像素分布。

[0086] 本实施例道路经过分割后，将Zj坐标轴左侧直行车道上所有车辆的边界像素向Zj轴所对应的计算机图像坐标系中的直线投影并累加，凡是边界点计1，非边界点计0，得到Zj坐标轴左侧直行车辆边界像素点累加分布图。如图11所示，直行车辆边界像素点累加结果表明：在第180像素行处，车辆边界像素点的累加值达到120像素列，这也是四条直行车道上车辆最为密集的区段，四条直行车道上的车辆不均匀排列，最长的距离达到500像素行。将Zj坐标轴右侧左转车道上所有车辆的边界像素向Zj轴所对应的计算机图像坐标系中的直线投影并累加，凡是边界点计1，非边界点计0，得到Zj坐标轴右侧左转车辆边界像素点累加分布图，如图12所示，左转车辆边界像素点累加结果表明：车辆分布极不“连续”，在第
130～255像素行之间和450～500像素行之间才有车辆零星抵达，此时左转车辆排队长度最多只能认为达到250行像素行。

[0087] 边界像素点累加分布图上最后一个边界像素点坐标，即边界像素点累加后达到的最大像素行数所对应的车辆边界像素点坐标，就是每种类型车道上等待通行车辆的排队长度所对应的计算机图像坐标系坐标参值。

[0088] 第六步，根据计算机图像坐标系图像中等待通行车辆排队长度的像素分布和计算机图像坐标系与世界坐标系的转换关系，得到世界坐标系中每个方向每种类型车道上等待通行车辆的排队长度，即实际排队长度。

[0089] 如图11所示，其中的第500像素行代表了等待直行车辆的计算机图像坐标系排队长度，用其所对应的像素坐标通过(公式二)反变换即可计算出世界坐标系中的实际长度距离值，或者说，车辆边界像素点投影的连续行数值500所对应的世界坐标系的|Zj|就代表了直行车道上的车辆排队长度值。

[0090] 如图12所示，其中的第255像素行代表了等待左转车辆的计算机图像坐标系排队长度，用其所对应的像素坐标通过(公式二)反变换即可计算出世界坐标系中的实际长度距离值，即车辆边界像素点投影的连续行数值255所对应的世界坐标系的|Zj|就代表了左转车道上的车辆排队长度值。

[0091] 第七步，根据车速和车辆的排队长度，得到每个方向每种类型车道上车辆全部通行所需的时间。

[0092] 所述的车辆全部通行的时间，具体公式为：

[0093]

[0094] 其中：Tj(i)表示第j个方向第i种类型车道上车辆全部通行的时间，|Zj(i)|表示第j个方向第i种类型车道上车辆实际的排队长度，i＝1，2，3，i＝1代表“直行”、i＝2代表“左转弯”、i＝3代表“右转弯”；j代表道路编号，对于十字路口，j＝1，2，3，4，j＝1代表由东向西的路口，j＝2代表由西向东的路口，j＝3代表由南向北的路口，j＝4代表由北向南的路口；V代表车辆通过路口的规定车速，τ为车辆从停车线开始通过路口所需要的时间。

[0095] 本实施例V＝6km/h，直行车辆排队长度 τ＝3s；则该直行“车队”全部通过路口所需要的时间T＝28.2s。

[0096] 第八步，根据得到的每个方向每种类型车道上车辆全部通行的时间，控制交通信号灯的开启和关闭。

[0097] 所述的控制交通信号灯的开启和关闭是：当第j个路口第i种类型车道上车辆全部通行的时间 时，将该车道的绿灯时间设为Tm；否则，将该车道的绿灯时间设为(i)Tj ，其中：Tm是设定的单向最长通行时间阈值。多条机动车道以及人行横道红、绿、黄灯的切换规律遵从现行方式不变，或者根据上述提供的车辆实际排队长度予以优化，如：

[0098] (1)Z1直行车辆排队超过一次通过所允许的长度，而且比Z3或Z4的直行或左转车辆排队长度大时，Z1直行车辆通行需要开通的绿灯时间应该为一次性通过路口所允许的最长时间；Z1、Z2右转车辆在相应直行车辆通行时间内不受限制；

[0099] (2)Z2直行车辆排队长度小于一次通过所允许的长度时，该方向直行车辆通行需要开通的绿灯时间应该为小于一次性通过路口所允许的最长时间，并以第七步得到的时间为准；Z2直行车辆开通的绿灯时间一关闭，即可开启Z1左转绿灯，使Z1左转车辆利用Z3和Z4红灯开启的时间里迅速通过交叉路口、进入Z3道路；

[0100] (3)其它车流信息状态下的交通信号灯的开通、关闭和切换以此类推。

[0101] 本实施例能够对交叉路口的车流状况及其车辆排队长度进行自动检测，包括：右转、直行、左转三种行车方向的车辆排队长度；且能够根据车辆排队长度准确计算出车辆通过路口所需要的时间，因此能够为高效、节能地控制交通信号灯的启闭时间，为最终实现城市智能交通提供科学的信息基础。