(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210720901.2 (22)申请日 2022.06.23 (71)申请人 西安交通大 学 地址 710049 陕西省西安市碑林区咸宁西 路28号西安交通大 学 (72)发明人 徐林海　王芳芳　陈蓉　张童菲　 (74)专利代理 机构 北京市诚辉律师事务所 11430 专利代理师 耿慧敏　成丹 (51)Int.Cl. G06V 20/40(2022.01) G06V 20/52(2022.01) G06V 10/94(2022.01) G06V 10/26(2022.01) G06V 10/48(2022.01)G06V 10/62(2022.01) G06T 7/277(2017.01) G06F 16/78(2019.01) G06F 16/787(2019.01) H04N 7/18(2006.01) (54)发明名称 一种无人驾驶测试监测系统 (57)摘要 本发明涉及一种无人驾驶测试监测系统， 包 括服务器和集成了摄像头、 定位功能且能够连接 通信网络的监测终端； 所述监测终端， 被配置用 于无人驾驶车辆的监测视频采集， 对监测视频中 的图像进行车辆压线违章检测， 并将违章信息发 送给服务器存储； 同时对监测视频进行解析， 加 定位时间戳和地点戳， 进行编码 压缩后推送给服 务器； 所述服务器包括流媒体服务器、 信息管理 服务器； 所述流媒体服务器， 被配置用于视频接 收、 存储、 转播和定点播放； 所述信息管理服务器 用于违章信息和视频信息的存储与检索， 验证监 测的开启与关闭。 所述系统具有易部署性、 实时 观测性、 高并发量， 且能自动检测车辆压线违章 行为， 降低裁判工作强度。 权利要求书2页 说明书13页 附图9页 CN 115272909 A 2022.11.01 CN 115272909 A 1.一种无 人驾驶测试监测系统， 所述系统包括 监测终端、 服 务器， 其特 征在于： 所述监测终端集成了摄 像头、 定位功能且能够连接通信网络； 所述监测终端， 被配置用于无人驾驶测试中监测视频采集， 对监测视频中的图像进行 车辆压线违章检测， 并将 违章信息发送给服务器进 行存储； 同时对监测视频进 行解析， 标记 时间戳和地 点戳后， 进行编码压缩后推送给服 务器； 所述服务器包括信息管理服 务器、 支持高并发的流 媒体服务器； 所述流媒体服务器， 被配置用于 视频接收、 存 储、 转播和定点 播放； 所述信息管理服务器包括数据库， 被配置用于违章信息和视频信息的存储与检索， 验 证视频监测的开启与关闭。 2.根据权利要求1所述的系统， 其特征在于， 所述监测终端置于裁判车中实现跟车视角 监测， 或者置 于路侧实现道路监测。 3.根据权利要求1所述的系统， 其特征在于， 所述对监测视频进行编码压缩 并推送给服 务器， 包括下述 步骤： 将获取的推流 地址设置为推流 通道； 获取编码格式； 将采集到的YUV格式图像转为RGB格式图像后， 按编码格式进行编码压缩， 然后通过推 流通道推流到服 务器。 4.根据权利要求1所述的系统， 其特 征在于， 所述标记时间戳和地 点戳， 包括： 获取GPS时间、 GP S地点坐标， 并用位图编码表示； 依次获取位图编码， 若编码值为 “1”， 则计算其在采集的视频图像中的对应位置， 将该 位置中的Y分量进行修改， 从而将时间戳或地址戳融合在采集的视频图像中。 5.根据权利要求1所述的系统， 其特 征在于， 所述车辆 压线违章检测包括下述 步骤： 采用预设的车道线分割 模型对视频图像中的车道线进行分割， 将车道线分割结果转换 为车道线方程； 基于车道线方程， 进行逆透 视变换， 获得两车道线间的距离； 采用预设的目标检测模型识别视频图像中的车辆目标进行检测， 并使用卡尔曼滤波对 车辆目标进行跟踪估计； 根据车辆与车道线间的距离， 判断是否进行压线标记， 若进行压线标记， 则生成提示信 息。 6.根据权利要求5所述的系统， 其特征在于， 所述根据车辆与 车道线间的距离进行压线 标记， 包括： 在车辆行驶方向下， 当车辆到行驶道路左右两侧车道线的距离比值小于1∶5时， 进行压 线标记， 在所述标记中记录 压线行为时间和地 点。 7.根据权利要求5所述的系统， 其特征在于， 所述预设的目标检测模型采用 MobileNetV3‑Large_SSDlite模型； 预设的车道线分割模型采用Mobi leNetV3‑Large_De epLabv3+模型； 所述MobileNetV3 ‑Large_SSDlite模型、 所述MobileNetV3 ‑Large_DeepLabv3+模型在 训练好后转换为tfl ite格式， 移植到监测终端。 8.根据权利要求5所述的系统， 其特征在于， 所述将车道线分割结果转换为车道线方权　利　要　求　书 1/2 页 2 CN 115272909 A 2程， 包括： 对车道线分割结果进行降采样， 进行霍夫变换， 并进行相近的直线拟合合并， 得到车道 线方程。 9.根据权利要求5所述的系统， 其特征在于， 在使用卡尔曼滤波对车辆目标进行跟踪估 计之前， 包括： 基于帧间距离最近原则将车辆坐标进行分组， 将车辆目标经过逆透视变换以及旋转变 换后， 得到车辆相对裁判 车的位置， 裁判 车的位置由监测终端基于裁判 车的起始位置计算 获得； 根据裁判车的位置与 车辆相对裁判车的位置， 计算得车辆在车道线中的位置为车辆观 测位置， 并将其作为 卡尔曼滤波进行跟踪估计的输入。 10.根据权利要求1所述的系统， 其特 征在于， 所述 监测视频采集， 包括： 基于监测终端生成的通用唯一识别码和获取的监测所需信息， 进行监测申请； 在收到服务器授权后， 在监测终端能够选择开始监测或结束监测； 当选择开始监测， 监 测终端开始进行监测视频采集。权　利　要　求　书 2/2 页 3 CN 115272909 A 3