[发明专利]一种基于视频和GPS的里程桩精密定位算法

权利要求书

1.一种基于视频和GPS的里程桩精密定位算法，其特征在于，包括：

对行车视频进行里程桩识别，获得桩号、时间和时间比；

对采集的GPS轨迹进行无迹卡尔曼滤波，查找时间戳对应的GPS信息；

结果校正，生成映射关系表，插值填补缺失桩号。

2.根据权利要求1所述的一种基于视频和GPS的里程桩精密定位算法，其特征在于，对行车视频进行里程桩识别具体包括：

利用摄像机采集行车视频，其中摄像机相对汽车车身旋转角度为θ；

基于速度估计的滑动窗口对行车视频进行目标检测，将里程桩划分出百米桩和公里桩，并分别得出公里桩桩号、公里桩桩号对应的时间和时间比，百米桩桩号、百米桩桩号对应的时间和时间比。

3.根据权利要求2所述的一种基于视频和GPS的里程桩精密定位算法，其特征在于，基于速度估计的滑动窗口对行车视频进行目标检测，将里程桩划分出百米桩和公里桩具体步骤为：

获取T₀时刻状态,并根据状态转移方程假设下一个公里桩出现在T₁＝n这一状态；

检测T₁中是否检测到公里桩，若检测到将预测状态T₁存储为当前状态，继续更新进行预测，若没有检测到，移动检测窗时间轴，移动后检测是否有识别目标，若检测到，把检测状态T₁'存储为当前状态，否则放弃预测状态T₁，从T₀开始逐帧识别，直到检测到公里桩；

基于速度估计的滑动窗口对全部公里桩检测后，对相邻公里桩确定的检测时间区间进行统计，针对该检测时间区间进行百米桩的检测。

4.根据权利要求3所述的一种基于视频和GPS的里程桩精密定位算法，其特征在于，对公里桩进行检测具体包括：

将视频图像的RGB色彩模式转换为HSV模式；

利用局部直方图二值化对图像进行彩色区域提取；

对提取后的图像进行区域分割，令分割后的区域显示为黑色，根据黑色区域对原图进行掩膜分割，获取待检测区域；

CRAFT网络对待检测区域进行识别，检测出公里桩桩号；

确定含有该公里桩桩号的图像帧在视频图像中的时间和时间比例。

5.根据权利要求3所述的一种基于视频和GPS的里程桩精密定位算法，其特征在于，对百米桩进行检测具体包括：

将视频图像转换为灰度图像后依次进行MESR区域特征提取和ROI目标区域定位；

基于霍夫梯度法进行圆检测，得出圆半径，并基于圆半径得到精准圆形区域；

针对圆形区域采用Tesseract单字符检测进行百米桩桩号识别；

确定含有该百米桩桩号的图像在视频图像中的时间和时间比例。

6.根据权利要求5所述的一种基于视频和GPS的里程桩精密定位算法，其特征在于，基于霍夫梯度法进行圆检测，得出圆半径具体步骤为：

基于目标定位区域估计圆心，确定圆心集合；

基于圆心集合估计出全部半径，并对半径进行排序，通过遍历圆心集合找到最合适的圆半径。

7.根据权利要求3所述的一种基于视频和GPS的里程桩精密定位算法，其特征在于，预测方程为：

其中，D_i表示当前时刻到目标公里桩出现的距离，v₀表示当前距离区间的瞬时速度,v_i表示估计的下一秒对应的速度,t_i表示下一公里桩出现的时刻,t_0表示公里桩出现的视频帧对应的时刻。

8.根据权利要求4或5所述的一种基于视频和GPS的里程桩精密定位算法，其特征在于，时间比例计算公式为：

其中，λ表示公里桩图像或百米桩图像在一秒内的位置比例，N表示公里桩图像或百米桩图像数，rate表示摄像机的帧率，T表示时间比例。

9.根据权利要求7所述的一种基于视频和GPS的里程桩精密定位算法，其特征在于，结果校正，生成映射关系表，插值填补缺失桩号具体步骤为：

判断丢失百米桩个数及桩号，获取丢失百米桩前后两个百米桩桩号A、B；

根据[A、B]区间采用贝塞尔曲线，等弧长插值，循环求出丢失的百米桩对应的位置。