一种基于激光点云数据多特征分析的车型分类方法及装置制造方法及图纸

本发明专利技术属于交通运输及云计算领域，特别涉及一种基于激光点云数据多特征分析的车型分类方法及装置。本发明专利技术采用双激光器，分别垂直于路面以及与路面成一定角度设置，以采集经过车辆的点云数据信息，来获取车辆数据；基于点云数据获取车辆的长宽高等基础特征信息，以及车辆的宽度整齐性、玻璃特征、弧形特征等深层次特征信息，通过神经网络模型及车辆的三维信息构建模型进行数据分析，确定车型分类；对车型、车流量、车速等数据进行统计并上传；最后通过终端显示单元进行分析及获取数据的显示。本发明专利技术的运用可以有效解决传统交通情况调查设备的检测精度低、施工复杂、寿命低、功能单一以及提高交通管理运输的效率等问题。及提高交通管理运输的效率等问题。

【技术实现步骤摘要】
一种基于激光点云数据多特征分析的车型分类方法及装置


[0001]本专利技术属于交通运输及云计算领域，特别涉及一种基于激光点云数据多特征分析的车型分类方法及装置。

技术介绍

[0002]至2020年底，全国公路总里程519.81万公里，全国四级及以上等级公路里程494.45万公，公路总里程比重为95.1％，高速公路里程16.10万公里，四通八达的公路为国民经济的发展提供了良好的条件，对于管理者则亟需了解道路运行状况，准确掌握如车流量、平均车速、车型等的道路运行信息，以便于及时把握实时状况，提高道路服务水平和维护水平。
[0003]目前公路交通情况调查设备检测方式多数采用线圈、压电、微波、超声波、视频等。其中，线圈检测方式是在公路下方铺设线圈，通过线圈中的电流变化来检测车辆，这种检测方式只能检测车辆数量等有限信息，并且使用寿命较短，施工需要破坏路面，安装不便。压电称重检测方式采用压电膜、线圈组合的布局方式，具有成本低、车型分类精度高、不受气候影响等优势，缺点依然是破坏路面。超声波、微波检测方式利用反射回波原理，属于非接触式检测，不需破坏路面，而且使用寿命长，架设方便，其不足之处在于检测范围呈锥形，当有车辆遮挡和行人时反射信号不稳定，同时其精度也易受环境如大风、暴雨等自然条件的影响，容易造成误检。视频检测方式通过对视频图像的分析处理提取出车辆信息，目前这种技术还很不成熟，特别是在夜晚以及其他环境干扰的情况下，检测能力较低。
[0004]在现有技术中，作为可见光等受制于环境的检测方法的代替品，激光雷达具备着以下几个特点：全天候工作，主动获取数据；隐蔽性好，抗有源干扰能力强，且获取数据范围广；激光穿透能力强；外业工作量小；点云精度高，空间坐标信息准确。所以，激光雷达获取的点云数据，往往也适用资源勘探、城市规划、农业开发、水利工程、环境监测、矿山测量、隧道测量、公路道路测量、电缆监测、海洋深水测量等各个方面。
[0005]然而往往在现实中，面对大量的测量实施的需求，很多场合下如何实现无人化运作是亟待解决的问题。尤其是面对全国大体量的公路道路以及每日实时大体量的交通运输的环境下，能够实现无人运作的操作平台的基础上实现准确高效地把握车流量、车速、车型等信息，是目前交通运输管理中亟待解决的技术问题。

技术实现思路

[0006]为准确高效地把握车流量、车速、车型等信息，本专利技术提供了一种基于激光点云数据多特征分析的车型分类方法及装置，本专利技术的运用可以有效解决传统交通情况调查设备的检测精度低、施工复杂、寿命低以及提高交通管理运输的效率等问题。
[0007]本专利技术请求保护以下技术方案：
[0008]本专利技术采用双激光器，分别垂直于路面以及与路面成一定角度设置，以采集经过车辆的点云数据信息。基于点云数据获取车辆的长宽高等基础特征信息，以及车辆的宽度
整齐性、玻璃特征、弧形特征等深层次特征信息。基于这些特征信息，通过数据网络模型的计算，车型分类。并且，对车型、车流量、车速等数据进行统计并上传。
[0009]本专利技术通过提供一种基于激光点云数据多特征分析的车型分类方法，其特征在于，包括以下步骤：
[0010]获取车辆数据，利用一个激光器获取所经过的车辆的多个车辆特征值信息的点云数据；利用另一个激光采集器获取所经过的车辆的车速、经过车辆间距的数据；利用高清摄像机获取实时拍摄的视频，用于给工作人员一个辅助验证的实时观看的工具；
[0011]数据分析，通过检测工控机将获取的所述多个车辆特征值信息的点云数据，构建车辆的三维信息模型，计算车速、车流量、车头时距和车头间距等参数，并通过神经网络分析，判断车辆类型；其中，所述神经网络进行分析包括：利用根据国家车型标准预先设定的多个车辆特征值的车型分类体系，将所述多个车辆特征值信息通过神经网络模型进行分类，得出置信度，并设定阈值进行判断，从而可区分车型；
[0012]数据统计及上传，将所述数据分析结果，所述另一个激光器获取的车速和车辆间距进项统计以及将获取的所述实时拍摄的视频进项统计并上传至服务器；
[0013]数据显示，通过终端显示单元的显示界面，可以调用服务器将所述数据分析结果及获取数据进行显示；还可以通过调用服务器显示所述实时拍摄的视频，以用于验证检测结果。
[0014]进一步的，所述点云数据获取过程是：通过激光器发射出一束激光，激光光束遇到物体后，经过漫反射，返回至激光接收器，雷达模块根据发送和接收信号的时间间隔乘以光速，再除以2，即可计算出发射器与物体的距离，并能获取点云数据。
[0015]进一步的，所述多个车辆特征值信息，包括车辆的长宽高等基础特征信息，以及车辆的宽度整齐性、玻璃特征、弧形特征等深层次特征信息。
[0016]进一步的，所述多个车辆特征值是包括15个车辆特征值，其中所述基础特征包括车长、车宽、车高；所述深层次特征包括高度跳变次数、宽度整齐性、弧形特征、玻璃特征、是否黑色材质、底盘高度、空洞特征、车尾高度、箱体型车尾、车轴数、车头高度变化率、车头高度。
[0017]进一步的，所述神经网络模型，包括由多个车辆特征值构成的多个输入结点，通过多个隐藏层结点，最终可区分多个车型。
[0018]进一步的，所述车辆的三维信息构建模型是：
[0019]对两个激光器建立坐标系，其中以安装激光传感器的立杆的底端为原点，与车辆行驶方向垂直的方向为x轴，沿立杆方向向上为y轴正方向建立坐标系；这里假设路面是水平的，且认为在路面上的点y＝0恒成立时，则激光扫描到路面上时，若此时没有车辆经过，激光扫描到地上，则y＝0；激光头在一个扫描周期内得到的离散的点再同一个平面上，且该平面与xOy面平行，称该平面为截面；当有车辆行驶时，激光头的一个旋转周期在车上形成的截面与静止时的截面成一角度；当激光器频率为50Hz时，激光头的旋转周期由于周期极短，可假设该截面与xOy面平行；
[0020]当激光头扫描的同一个截面的高度数据始终为0时，即n为一个周期
内得到的点数，即可认为激光的反射点始终位于路面；当出现Y≠0的截面时，即对截面进行计数，再次出现Y＝0的截面即停止计数，则可获得行进车辆的截面数m；
[0021]在任意t时刻，激光头旋转的角度为θ＝θ0+Δθ*t，Δθ为激光器旋转的步进角度，θ0为激光头开始旋转的初始角度，设某个截面上第一个扫描到车辆上的点对应的距离为l1，最后一个扫描到车辆上的点对应的距离为l2，再此过程中激光器旋转角度为θ
k
，则车辆宽度为
[0022][0023]对于垂直放置的激光器，激光头对某一行进车辆共扫描了m个截面，单个截面上数据点的个数为p
n
，故对每一辆车的数据点可构成m
×
p
n
矩阵，即为根据每一个l
ij
，则车辆高度为
[0024]h
ij
＝{H
‑
l
ij cosθ
j
},i＝1,2,
…本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于激光点云数据多特征分析的车型分类方法，其特征在于，包括以下步骤：获取车辆数据，利用一个激光器获取所经过的车辆的多个车辆特征值信息的点云数据；利用另一个激光采集器获取所经过的车辆的车速、经过车辆间距的数据；利用高清摄像机获取实时拍摄的视频，用于给工作人员一个辅助验证的实时观看的工具；数据分析，通过检测工控机将获取的所述多个车辆特征值信息的点云数据，构建车辆的三维信息模型，计算车速、车流量、车头时距和车头间距等参数，并通过神经网络分析，判断车辆类型；其中，所述神经网络进行分析包括：利用根据国家车型标准预先设定的多个车辆特征值的车型分类体系，将所述多个车辆特征值信息通过神经网络模型进行分类，得出置信度，并设定阈值进行判断，从而可区分车型；数据统计及上传，将所述数据分析结果，所述另一个激光器获取的车速和车辆间距进项统计以及将获取的所述实时拍摄的视频进项统计并上传至服务器；数据显示，通过终端显示单元的显示界面，可以调用服务器将所述数据分析结果及获取数据进行显示；还可以通过调用服务器显示所述实时拍摄的视频，以用于验证检测结果。2.根据权利要求1所述的车型分类方法，其特征还在于，所述点云数据获取过程是：通过激光器发射出一束激光，激光光束遇到物体后，经过漫反射，返回至激光接收器，雷达模块根据发送和接收信号的时间间隔乘以光速，再除以2，即可计算出发射器与物体的距离，并能获取点云数据。3.根据权利要求1或2所述的车型分类方法，其特征还在于，所述多个车辆特征值信息，包括车辆的长宽高等基础特征信息，以及车辆的宽度整齐性、玻璃特征、弧形特征等深层次特征信息。4.根据权利要求1
‑
3任一项所述的车型分类方法，其特征还在于，所述多个车辆特征值是包括15个车辆特征值，其中所述基础特征包括车长、车宽、车高；所述深层次特征包括高度跳变次数、宽度整齐性、弧形特征、玻璃特征、是否黑色材质、底盘高度、空洞特征、车尾高度、箱体型车尾、车轴数、车头高度变化率、车头高度。5.根据权利要求1或4所述的车型分类方法，其特征还在于，所述神经网络模型，包括由多个车辆特征值构成的多个输入结点，通过多个隐藏层结点，最终可区分多个车型。6.根据权利要求1所述的车型分类方法，其特征还在于，所述车辆的三维信息构建模型是：对两个激光器建立坐标系，其中以安装激光传感器的立杆的底端为原点，与车辆行驶方向垂直的方向为x轴，沿立杆方向向上为y轴正方向建立坐标系；这里假设路面是水平的，且认为在路面上的点y＝0恒成立时，则激光扫描到路面上时，若此时没有车辆经过，激光扫描到地上，则y＝0；激光头在一个扫描周期内得到的离散的点再同一个平面上，且该平面与xOy面平行，称该平面为截面；当有车辆行驶时，激光头的一个旋转周期在车上形成的截面与静止时的截面成一角度；当激光器频率为50Hz时，激光头的旋转周期由于周期极短，可假设该截面与xOy面平行；
当激光头扫描的同一个截面的高度数据始终为0时，即n为一个周期内得到的点数，即可认为激光的反射点始终位于路面；当出现Y≠0的截面时，即对截面进行计数，再次出现Y＝0的截面即停止计数，则可获得行进车辆的截面数m；在任意t时刻，激光头旋转的角度为θ＝θ0+Δθ*t，Δθ为激光器旋转的步进角度，θ0为激光头开始旋转的初始角度，设某个截面上第一个扫描到车辆上的点对应的距离为l1，最后一个扫描到车辆上的点对应的距离为l2，再此过程中激光器旋转角度为θ
k
，则车辆宽度为对于垂直放置的激光器，激光头...

【专利技术属性】
技术研发人员：姚奕帆，徐俊楠，李川，
申请(专利权)人：中远海运科技股份有限公司，
类型：发明
国别省市：