买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆大学申请的专利一种基于车路协同的检测违章变道的系统和方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119540885B 。

龙图腾网通过国家知识产权局官网在2026-04-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411587887.9，技术领域涉及：G06V20/54；该发明授权一种基于车路协同的检测违章变道的系统和方法是由卓钊;刘凯;李荣振;程通通;李楚照设计研发完成，并于2024-11-08向国家知识产权局提交的专利申请。

本一种基于车路协同的检测违章变道的系统和方法在说明书摘要公布了：本发明属于智能车路协同领域，具体涉及一种基于车路协同的检测违章变道的系统和方法,包括以下步骤：构建检测违章用的神经网络模型,模型输入为连续的多帧图像，包括两阶段推理，第一阶段中，模型对每一帧图像进行目标检测，第二阶段中，模型进行车辆目标的关联和跟踪，输出每个车辆目标的跟踪ID和关联的轨迹信息；训练检测违章所用到神经网络模型；将路测采集到的待检测的图像数据送入训练好的所述神经网络模型，获得连续的多帧图像中的检测违章相关信息，以及每个车辆的轨迹信息，并根据这些信息判断车辆是否有违章行为，识别后将违章车辆数据上传到云端。充分利用智能网联汽车的感知能力和闲置资源，进而能够提高道路的交通安全性。

本发明授权一种基于车路协同的检测违章变道的系统和方法在权利要求书中公布了：1.一种基于车路协同的检测违章变道的方法，其特征在于，包括以下步骤： S1按照以下策略构建检测违章用的神经网络模型： 模型输入为连续的多帧图像，包括两阶段推理，第一阶段中，模型对每一帧图像进行目标检测，所述目标包括车辆、道路中线和车辆车牌； 以及得到检测违章相关信息，所述检测违章相关信息包括车辆检测框中心坐标、车辆的正反朝向、车道线的点集合、车道线的类型以及车辆是否含有车牌；所述车道线的类型包括中心实线、中心双实线、两侧车道实线、车行道分界线； 第二阶段中，模型对第一阶段检测到的连续帧的车辆检测框和该检测框的特征向量作为输入，进行车辆目标的关联和跟踪，输出每个车辆目标的跟踪ID和关联的轨迹信息； S2利用路测采集到的图像数据初始化训练检测违章所用到神经网络模型； S3将路测采集到的待检测的图像数据送入训练好的所述神经网络模型，获得连续的多帧图像中的检测违章相关信息，以及每个车辆的轨迹信息，并根据这些信息判断车辆是否有违章行为，包括车辆压中心实线或中心双实线、逆行、超速以及违章超车； 其中，设定车道线为直线，所在坐标系为图坐标系，将车道线的点集合使用最小二乘法拟合成直线，可以得到车道线的斜率，以及一个既在车道线点集里也在车道线上的一个坐标，称为车道线坐标，判断车辆是否有违章行为包括如下步骤： 步骤31使用以下算法来判断是否有车辆压中心实线或中心双实线： 设目标检测出的车辆检测框的中心坐标为，中心实线和中心双实线的坐标和斜率分别为和; 根据中心实线和中心双实线的坐标和斜率，可以得到车道实线的方程： ， 将每辆车辆的检测框中心坐标和中心实线或中心双实线，两两对应，计算车辆中心点到实线的最短距离： 首先，将车辆中心点的坐标代入实线方程，得到该点在实线上的投影坐标： ， ， 然后，计算车辆中心点到实线的距离： ， 如果最短距离小于设定的阈值，则判断车辆压实线； 步骤32使用以下算法进行判断判断车辆是否处于逆行状态： 设目标检测出的车辆检测框的中心坐标为，车辆的行驶方向分别是，正向和逆向车道之间的中心实线的坐标和斜率分别为和,车辆行驶方向，即车辆行驶方向只有两种情况，斜向也判断成靠近的直行方向，中心实线的两侧车辆行驶方向相反，假设中心实线上侧车道的正确行驶方向为1，下侧车道的正确行驶方向为-1，则可以通过以下计算判断车辆是否逆行： 对于每个车辆坐标,计算中心实线方程的值: 若，，则车辆在中心实线的上侧，，则车辆在中心实线的下侧，，则车辆在中心实线上； ，则代表车辆没有逆行，，代表车辆逆行； 步骤32使用以下算法判断车辆是否超速： 首先由目标跟踪得到一系列车辆编号，分别为，设目标检测出的车辆检测框的中心坐标为，车辆的连续帧的坐标表示为，设道路限速为，则可以得到以下公式计算车辆速度： 计算车辆在两帧之间的位移： 车辆在两帧之间的时间间隔为，由此可以计算出车辆的速度为： 最后判断车辆的速度是否大于限速，大于的话就判断为超速； 步骤34使用以下算法判断是否车辆违章超车： 首先由目标跟踪得到一系列车辆编号，分别为，设目标检测出的车辆检测框的中心坐标为，此处以同向双车道为案例，只是为了便于理解，并非不能将此技术运用在其他类型的车道上；两侧车道实线的坐标和斜率分别为和，同向双车道中间的车行道分界线的坐标和斜率分别为和； 通过以下方法来判断编号为的车辆所在的车道以及车辆的前后顺序： 首先分别计算车辆到左侧车道实线、右侧车道实线、车行道分界线的距离： ， ， ， 然后根据以下公式判断车辆所在的车道： ， 此时根据车道方向在坐标系中的对应方向，可以得到左右车道的车辆的前后排序序列，每帧保存一个排序序列，每隔一定帧数进行一次检测，获取这些图像帧中的车辆位置信息，找出这些图像帧中，所有的在某一帧在左车道高速车道，然后在后续的帧中出现在右车道，再回到左车道的车，然后对这些车辆判断其超车后与后车的距离是否小于安全距离，如果小于安全距离就判断为超车； S4:当有车辆被判定为违章且含有车牌时，对检测出违章车辆的车牌图像进行车牌号的识别； 当有车辆被判定为违章且未含有车牌时，将该车辆的检测图像帧以及神经网络模型给出的标注信息传输给附近其他车辆，通知附近其他车辆对该车辆进行重识别；附近车辆使用车辆重识别算法找到违章车辆，执行目标检测，检测出违章车辆的车牌图像并回传，再对回传的车牌图像进行车牌号的识别； 识别后将违章车辆数据上传到云端。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。