本发明提供一种基于雷达的智慧路灯动态物捕捉系统。该系统包括多个路灯和雷达控制子系统。所述路灯设置有雷达检测器以及通讯器。所述雷达检测器面向道路设置并用于检测道路上移动的物体以生成检测信号。所述雷达控制子系统包括建模模块、实时定位模块以及动态捕捉模块。本发明可以实现对被测车辆的动态捕捉，并产生运动轨迹，为收集道路交通数据提供可能，并为更加详细地记录路况信息提供了依据。
1.一种基于雷达的智慧路灯动态物捕捉系统，包括多个路灯，以及雷达控制子系统，其中，每个所述路灯设置有雷达检测器以及通讯器，所述雷达检测器面向道路设置并用于检测道路上的被测车辆以生成检测信号；
所述雷达控制子系统包括建模模块、实时定位模块以及动态捕捉模块；
所述建模模块配置有建模策略，所述建模策略配置为建立道路坐标模型，并在所述道路坐标模型中标定每一所述雷达检测器的位置；
所述定位计算单元配置为处理每一所述雷达检测器的所述检测信号，以实时地生成一对应的车辆-雷达位置关系，所述车辆-雷达位置关系反映在该雷达检测器的检测区域内，道路上的被测车辆和该雷达检测器之间的位置关系；
所述定位策略包括定位算法和形状检测算法，所述定位算法配置为根据每一所述车辆-雷达位置关系，在所述道路坐标模型中确定被测车辆的一独立位置测量结果；
所述形状检测算法配置为根据所述雷达检测器的所述检测信号，在所述道路坐标模型中生成被测车辆的独立形状测量结果，所述被测车辆的独立形状测量结果反映被测车辆的形状；
所述动态捕捉模块配置有捕捉策略以及跟随策略；其中所述捕捉策略配置为：每一次生成被测车辆的所述独立位置测量结果以及所述独立形状测量结果时，在所述道路坐标模型中生成与被测车辆的所述独立位置测量结果相对应的位置标记信息；
所述跟随策略配置为：接收并更新所述位置标记信息，从而生成被测车辆在所述道路坐标模型中的车辆轨迹信息，所述车辆轨迹信息反映被测车辆在道路上的运动轨迹；
其中，多个所述雷达检测器的检测区域存在重合区域；所述形状检测算法还配置为：每次被测车辆经过所述重合区域时，在所述道路坐标模型中确定被测车辆的所述独立形状测量结果。
2.如权利要求1所述的基于雷达的智慧路灯动态物捕捉系统，其特征在于：所述捕捉策略还配置为：为每一所述位置标记信息建立时间戳；所述跟随策略还配置为：根据所述车辆轨迹信息和所述时间戳，生成被测车辆的车辆速度信息。
3.如权利要求1所述的基于雷达的智慧路灯动态物捕捉系统，其特征在于：所述形状检测算法还配置为：当被测车辆经过所述重合区域时，对应的雷达检测器检测遮挡物区域，并将检测到的所述遮挡物区域在所述道路坐标模型中关联以生成被测车辆的所述独立形状测量结果。
4.如权利要求1所述的基于雷达的智慧路灯动态物捕捉系统，其特征在于：所述建模策略配置为：通过所述雷达检测器获取道路的路面结构信息，根据所述路面结构信息建立所述道路坐标模型。
5.如权利要求1所述的基于雷达的智慧路灯动态物捕捉系统，其特征在于：所述定位策略还配置有情境数据表，在所述情境数据表中存储有情境信息以及与每一所述情境信息对应的所述定位算法；所述定位策略进一步配置为根据当前环境因素确定所述情境信息，从而确定对应的所述定位算法。
6.如权利要求5所述的基于雷达的智慧路灯动态物捕捉系统，其特征在于：所述情境信息包括车速因子以及距离因子；是车速因子反映被测车辆的车速，所述距离因子反映被测车辆与所述雷达检测器之间的距离。
7.如权利要求5所述的基于雷达的智慧路灯动态物捕捉系统，其特征在于：所述情境信息包括温度因子以及湿度因子；所述温度因子反映当前环境的温度，所述湿度因子反映当前环境的湿度。
8.如权利要求1所述的基于雷达的智慧路灯动态物捕捉系统，其特征在于：所述通讯器配置有蜂窝通信模块。
9.如权利要求1所述的基于雷达的智慧路灯动态物捕捉系统，其特征在于：一个所述雷达控制子系统与至少16个所述路灯通信。
一种基于雷达的智慧路灯动态物捕捉系统
技术领域
[0001] 本发明涉及市政路灯系统，更具体地，涉及一种基于雷达的智慧路灯动态物捕捉系统。
背景技术
[0002] 车速检测器是指检验行驶中汽车速度的仪器。最常见的是手持式雷达多普勒检测器，价廉实用；其外形似手枪，俗称″雷达枪″。其原理基于多普勒效应，即车速与微波频率变化成正比。该检测器发射微波，据反射波的多普勒效应立即可从其末端显示器表明汽车的地点、车速读数。交警可在路侧以该器观测，也可乘车观测，如发现超速者则予处罚。而道路摄像系统通过图像采集的方式记录车况信息，为交通信息记录提供依据，而目前尚未出现能够替代摄像系统对车况信息进行检测的系统。
发明内容
[0003] 有鉴于此，本发明目的是提供一种基于雷达的智慧路灯动态物捕捉系统.本发明可以实现对被测车辆的动态捕捉，并产生运动轨迹，为收集道路交通数据提供可能，并为更加详细地记录路况信息提供了依据。
[0004] 在本发明的一个方面，提供了一种基于雷达的智慧路灯动态物捕捉系统。该系统可以包括多个路灯，以及雷达控制子系统。
[0005] 在一些实例中，每个所述路灯设置有雷达检测器以及通讯器，所述雷达检测器面向道路设置并用于检测道路上的被测车辆以生成检测信号。
[0006] 在一些实例中，所述雷达控制子系统包括建模模块、实时定位模块以及动态捕捉模块。
[0007] 在一些实例中，所述建模模块配置有建模策略，所述建模策略配置为建立道路坐标模型，并在所述道路坐标模型中标定每一所述雷达检测器的位置。
[0008] 在一些实例中，所述实时定位模块配置有定位计算单元以及定位策略；其中，所述定位计算单元配置为处理每一所述雷达检测器的所述检测信号，以实时地生成一对应的车辆-雷达位置关系，所述车辆-雷达位置关系反映在该雷达检测器的检测区域内，道路上的被测车辆和该雷达检测器之间的位置关系
[0009] 在一些实例中，所述定位策略包括定位算法和形状检测算法，所述定位算法配置为根据每一所述车辆-雷达位置关系，在所述道路坐标模型中确定被测车辆的一独立位置测量结果；所述形状检测算法配置为根据所述雷达检测器的所述检测信号，在所述道路坐标模型中生成被测车辆的独立形状测量结果，所述被测车辆的独立形状测量结果反映被测车辆的形状。
[0010] 在一些实例中，所述动态捕捉模块配置有捕捉策略以及跟随策略；其中所述捕捉策略配置为：每一次生成被测车辆的所述独立位置测量结果以及所述独立形状测量结果时，在所述道路坐标模型中生成与被测车辆的所述独立位置测量结果相对应的位置标记信息在一些实例中，所述跟随策略配置为：接收并更新所述位置标记信息，从而生成被测车辆在所述道路坐标模型中的车辆轨迹信息，所述车辆轨迹信息反映被测车辆在道路上的运动轨迹
[0011] 虽然本文已经示出和描述了本发明的优选实施方式，但对于本领域技术人员显而易见的是，这样的实施方式只是以示例的方式提供的。本领域技术人员现将会在不偏离本发明的情况下想到许多更改、改变和替代。应当理解，在实践本发明的过程中可以采用对本文所描述的本发明实施方式的各种替代方案。以下权利要求旨在限定本发明的范围，并因此覆盖这些权利要求范围内的方法和结构及其等效项。
附图说明
[0012] 本发明的新颖特征在所附权利要求书中具体阐述。通过参考以下对其中利用本发明原理的说明性实施方案加以阐述的详细描述和附图，将会获得对本发明的特征和优点的更好的理解，在这些附图中：
[0013] 图1是根据本发明的示例性实施例的路灯的设置示意图；
[0014] 图2是根据本发明的示例性实施例的基于雷达的智慧路灯动态物捕捉系统的系统架构原理图；以及
[0015] 图3是根据本发明的示例性实施例的策略流程原理图。
[0016] 附图标记：1、路灯；11、雷达检测器；12、通讯器；2、雷达控制子系统；21、建模模块；22、实时定位模块；23、动态捕捉模块；S1、建模策略；S2、定位策略；S3、捕捉策略；S4、跟随策略。
具体实施方式
[0017] 虽然在本文中已示出并描述了本发明的优选实施方案，但对于本领域技术人员显而易见的是，这些实施方案仅以示例的方式提供。本领域技术人员在不脱离本发明的情况下现将会想到多种变化、改变和替换。应当理解，本文中所述的本发明实施方案的各种替代方案可用于实施本发明。
[0018] 参照图1所示，本发明的基于雷达的智慧路灯动态物捕捉系统包括多个路灯1。每个路灯1可以设置有雷达检测器11以及通讯器12。所述雷达检测器11面向道路设置并用于检测道路上移动的物体以生成针对被测车辆的检测信号。雷达检测器可以利用多普勒原理检测车辆，通过反射信号的方向(道路的方向作为辅助判断位置的依据)就可以确定车辆的方位。路灯1上还设置有通讯器12，所述通讯器12用于实现路灯1之间以及路灯与控制系统(例如，下文描述的雷达控制子系统)之间的数据交互。例如，通讯器可以包括有蜂窝通信模块，例如4G模块。在一些实例中，一个雷达控制子系统2可以与至少16个路灯1经由各通讯器12进行通信。
[0019] 本发明的基于雷达的智慧路灯动态物捕捉系统还包括雷达控制子系统2。雷达控制子系统2可以包括建模模块21、实时定位模块22以及动态捕捉模块23。
[0020] 在一些实例中，所述建模模块21配置有建模策略S1。该建模策略S1配置为建立道路坐标模型，并在所述道路坐标模型中标定每一所述雷达检测器11的位置。道路坐标模型中除了基本的道路坐标系外，还有雷达检测器的具体位置坐标，从而可以判断雷达检测器之间的相对位置关系。同时，根据雷达检测器的参数可以确定雷达检测器的检测范围，为判断车辆的位置建立基础。
[0021] 在一些实例中，所述实时定位模块22配置有定位策略S2以及定位计算单元。所述定位计算单元配置为处理每一所述雷达检测器11的检测信号，从而实时地生成一对应的车辆-雷达位置关系。该车辆-雷达位置关系反映在某一雷达检测器11的检测区域内，道路上的被测车辆和该雷达检测器之间11的位置关系。所述定位策略S2可以包括定位算法，用于根据每一车辆-雷达位置关系，在所述道路坐标模型中确定被测车辆的一独立位置测量结果(即，该雷达检测器对被测车辆的位置测量结果)。在一些实例中，所述定位策略S2还可以包括形状检测算法，用于根据雷达检测器11的检测信号，生成被测车辆在道路坐标模型中的一独立形状测量结果(即，该雷达检测器对于被测车辆的形状的测量结果)，该独立形状测量结果反映被测车辆的形状。被测车辆的形状是生成轨迹信息的中间结果，便于生成被测车辆在所述道路坐标模型中的车辆轨迹信息，所述车辆轨迹信息反映被测车辆在道路上的运动轨迹。
[0022] 利用雷达检测器定位车辆的位置有以下两种算法。在第一种算法中，每一雷达检测器包括若干个阵列设置角度不同的雷达检测单元。根据雷达检测器检测到的反射信号的角度可以确定车辆的方向，再根据反射信号的时间差确定车辆的距离，从而实现车辆的定位。同时，根据雷达检测单元的数量和位置，并结合雷达检测器检测到的反射信号，可以确定相应的车辆形状。在第二种算法中，通过雷达检测单元发射恰好覆盖检测区域的信号。由于车辆行驶方向已知，因此当雷达检测到反射信号时，即判断车辆位于检测区域的起始位置，从而实现位置检测。可以发现，以上两种方式都存在测量误差较大的弊端。
[0023] 在本发明的一些实例中，所述动态捕捉模块23配置有捕捉策略S3以及跟随策略S4。所述捕捉策略S3配置为：每一次生成被测车辆的独立位置测量结果以及独立形状测量结果时，在所述道路坐标模型中生成与被测车辆的所述独立位置测量结果相对应的位置标记信息。所述跟随策略S4配置为：接收并更新所述位置标记信息，从而生成被测车辆在所述道路坐标模型中的车辆轨迹信息，所述车辆轨迹信息反映被测车辆在道路上的运动轨迹。由于被测车辆的车速较快，为了实现动态实时捕捉，需要消耗系统的大量计算资源。在本法命中，通过间隔地、单次地获取被测车辆的位置信息和形状信息并予以更新，便可以实现对被测车辆的位置和形状的连续监测。相较于基于视频流的车辆实时监测，本发明的系统需要处理的数据量较小，却仍可保证车辆监控和轨迹生成的可靠性。
[0024] 在本发明的一些实例中，所述捕捉策略S3还配置为，所述跟随策略S4还配置为：根据所述车辆轨迹信息和所述时间戳，生成被测车辆的车辆速度信息。
[0025] 在本发明的一些实例中，所述雷达检测器11的检测区域存在重合区域，从而使得监测范围无缝地覆盖整个道路。所述形状检测算法还配置为：每次被测车辆经过所述重合区域时，在所述道路坐标模型中确定被测车辆的所述独立形状测量结果。
[0026] 在本发明的一些实例中，所述形状检测算法还配置为：当被测车辆经过所述重合区域时，对应的雷达检测器检测遮挡物区域，并将检测到的所述遮挡物区域在所述道路坐标模型中关联以生成被测车辆的所述独立形状测量结果。如果若干个遮挡物区域在道路坐标模型中是连续的，那么就可以判断为它们是关联。对于雷达测量遮挡物区域，只要雷达数量和朝向设置不同，就可以测量得到这个检测结果，而检测遮挡物区域是为了获得形状信息产生的中间结果，便可以实现对被测车辆的位置和形状的连续监测。
[0027] 在本发明的一些实例中，所述建模策略S1配置为：通过所述雷达检测器获取道路的路面结构信息，根据所述路面结构信息建立所述道路坐标模型。
[0028] 在一些实例中，所述定位策略S2还包括配置有情境数据表。在所述情境数据表中存储有情境信息以及与每一情境信息对应的实时定位算法。所述定位策略S2根据当前环境因素确定情境信息，从而确定对应的定位算法。在一些实例中，所述情境信息包括车速因子以及距离因子，实时车速因子反映被测车辆的车速，所述距离因子反映被测车辆与雷达检测器11之间的距离。在一些实例中，所述情境信息包括温度因子以及湿度因子，所述温度因子反映当前环境的温度，所述湿度因子反映当前环境的湿度。
[0029] 设置情境数据表的原因是，雷达测距的精确度会受到环境因素的影响。因此建立对应的情境表，就可以根据不同的情境配置不同的定位算法，从而在各种外部环境下都能确保检测精度。例如，情境数据表中可以保存有10种环境因素和10种对应的定位算法；在湿度为40％、温度为37摄氏度的情况下，可以采用相应的定位算法进行车辆的位置测量，从而确保在该特定环境下的测量精度。。
[0030] 在一些实例中，一个雷达控制子系统2可以与至少16个路灯1经由各通讯器12进行通信。
[0031] 在本发明一示例性实施例中，对于某一被测车辆，由雷达检测器和雷达控制子系统测量的位置坐标集合为 假设每一雷达检测器的位坐标为(x0，y0)，距离因子 集合计算公式为 由于计算速度因子，需要先
模拟出被测车辆的路径轨迹，而使用有限定位点来模拟车辆行驶轨迹会产生误差，因此采用最小二乘法拟合能减小误差；
[0032] 在函数：
[0033] 中找到一个函数： 使得误差平方和最小，即： 计算得到的
即为拟合车辆轨迹图，进一步通过轨迹图得到时间-位移关系数据，对数据进一步拟合得到函数s＝ω(t)，对指定时间t求导即可得到t时刻下的车速因子。
[0034] 虽然本文已经示出和描述了本发明的优选实施方式，但对于本领域技术人员显而易见的是，这样的实施方式只是以示例的方式提供的。本领域技术人员现将会在不偏离本发明的情况下想到许多更改、改变和替代。应当理解，在实践本发明的过程中可以采用对本文所描述的本发明实施方式的各种替代方案。以下权利要求旨在限定本发明的范围，并因此覆盖这些权利要求范围内的方法和结构及其等效项。
