本发明专利技术提供了基于点云的闸口分车识别方法、系统、设备及存储介质，该方法包括以下步骤：在闸口的道路一侧设置一激光雷达，激光雷达实时采集经过闸口的车辆的点云信息，获得第一点云数据；对第一点云数据进行聚类以获得第二点云数据，基于第一神经网络对第二点云数据进行识别，以至少获得车辆类型信息；基于预设高度范围对代表集卡车辆的局部空间的点云进行截取，以获得第四点云数据；基于第二神经网络对第四点云数据进行识别，获得集装箱长度信息和箱压车位信息。本发明专利技术能够对通过闸口的集卡进行逐一定位、分析从而提高分车信息的准确性，并获得集装箱尺寸和集装箱压车位信息，大幅提高集装箱码头或堆场中车辆进出闸口的效率和检测准确性。率和检测准确性。率和检测准确性。
【技术实现步骤摘要】
基于点云的闸口分车识别方法、系统、设备及存储介质
[0001]本专利技术涉及车辆监控领域，具体地说，涉及基于点云的闸口分车识别系统、方法、设备及存储介质。
技术介绍
[0002]集装箱码头或堆场一般是封闭场地，通过闸口与外界道路相连，集装箱卡车通过闸口进出场地时都需要登记各种信息，比如车牌、是否带有集装箱、集装箱压车位信息等。传统码头或堆场在车辆进出时通常需要人工识别以上信息，效率往往不高，也存在偶尔登记错误等问题。
[0003]现有技术虽然有通过视频识别来进行分车的方法，但是单纯的视频识别误差较大，容易发生检测漏车或是难以采集准确的集装箱尺寸和集装箱压车位信息等情况，不适用于无人码头或是智能码头的使用场景。
[0004]有鉴于此，本专利技术提供了一种基于点云的闸口分车识别方法、系统、设备及存储介质。
[0005]需要说明的是，上述
技术介绍
部分公开的信息仅用于加强对本专利技术的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
[0006]针对现有技术中的问题，本专利技术的目的在于提供基于点云的闸口分车识别方法、系统、设备及存储介质，克服了现有技术的困难，能够对通过闸口的集卡进行逐一定位、分析从而提高分车信息的准确性，并获得集装箱尺寸和集装箱压车位信息，大幅提高集装箱码头或堆场中车辆进出闸口的效率和检测准确性。
[0007]本专利技术的实施例提供一种基于点云的闸口分车识别方法，包括以下步骤：
[0008]S110、在闸口的道路一侧设置一激光雷达，所述激光雷达实时采集经过所述闸口的车辆的点云信息，获得第一点云数据；
[0009]S120、对所述第一点云数据进行聚类以获得第二点云数据，基于第一神经网络对所述第二点云数据进行识别，以至少获得车辆类型信息；
[0010]S130、基于预设高度范围对代表集卡车辆的局部空间的点云进行截取，以获得第四点云数据；以及
[0011]S140、基于第二神经网络对所述第四点云数据进行识别，获得集装箱长度信息和箱压车位信息。
[0012]优选地，所述步骤S110中，所述激光雷达基于所述闸口的道路形成侧俯视视角。
[0013]优选地，所述步骤S120包括：
[0014]S121、对所述第一点云数据进行聚类以获得第二点云数据；
[0015]S122、基于第一神经网络对所述第二点云数据进行车型识别，以获得车辆类型信息；
[0016]S123、对所述第二点云数据进行自上下两个方向分别进行水平面拟合，获得代表集卡车头的顶面的第一点云平面和代表集装箱的顶面的第二点云平面，所述第二点云平面高于所述第一点云平面；以及
[0017]S124、将所述第一点云平面的离地高度作为集卡车头的顶面高度信息，将所述第二点云平面的离地高度作为集装箱的顶面高度信息。
[0018]优选地，所述步骤S130包括：
[0019]S131、自所述第二点云数据对代表集卡车辆的局部空间的点云进行第一次截取，以获得第三点云数据；
[0020]S132、自所述第三点云数据中基于预设高度范围进行第三次截取，以获得第四点云数据，所述预设高度范围的下限高于集卡平板顶面的离地高度且低于集卡车头顶面的离地高度，所述预设高度范围的上限取所述集卡车头顶面的离地高度和集装箱顶面的离地高度两者中的较大值。
[0021]优选地，所述预设高度范围的下限高于集卡平板顶面的离地高度5cm。
[0022]优选地，所述步骤S140包括：
[0023]S141、基于第二神经网络对所述第四点云数据进行识别，获得代表集装箱的第五点云数据，以及代表集卡车身的第六点云数据；
[0024]S142、根据所述第五点云数据获得集装箱长度信息，根据所述第五点云数据与所述第六点云数据的位置关系获得箱压车位信息。
[0025]优选地，所述步骤S110替换为：
[0026]在闸口的道路一侧设置一检测组件，所述检测组件包括经过联合标定激光雷达和图像传感器，所述激光雷达实时采集经过所述闸口的车辆的点云信息，获得第一点云数据，所述图像传感器同步采集图像信息，所述激光雷达和图像传感器基于所述闸口的道路形成侧俯视视角；
[0027]所述步骤S140替换为：
[0028]S143、基于第二神经网络对所述第四点云数据进行识别，获得代表集装箱的第五点云数据，以及代表集卡车身的第六点云数据；
[0029]S144、根据所述第五点云数据获得集装箱长度信息，根据所述第五点云数据与所述第六点云数据的位置关系获得箱压车位信息；
[0030]S145、将自所述图像信息中通过图文识别获得图文信息以及每条图文信息在图像中的位置；
[0031]S146、将位于所述第五点云数据的局部图像范围内的图文信息与所述集装箱建立映射关系，将位于所述第六点云数据的局部图像范围内的图文信息与所述集卡车身建立映射关系。
[0032]本专利技术的实施例还提供一种基于点云的闸口分车识别系统，用于实现上述的基于点云的闸口分车识别方法，基于点云的闸口分车识别系统包括：
[0033]点云采集模块，在闸口的道路一侧设置一激光雷达，所述激光雷达实时采集经过所述闸口的车辆的点云信息，获得第一点云数据；
[0034]点云聚类模块，对所述第一点云数据进行聚类以获得第二点云数据，基于第一神经网络对所述第二点云数据进行识别，以至少获得车辆类型信息；
[0035]点云截取模块，基于预设高度范围对代表集卡车辆的局部空间的点云进行截取，以获得第四点云数据；以及
[0036]信息生成模块，基于第三神经网络对所述第四点云数据进行识别，获得集装箱长度信息和箱压车位信息。
[0037]本专利技术的实施例还提供一种基于点云的闸口分车识别设备，包括：
[0038]处理器；
[0039]存储器，其中存储有处理器的可执行指令；
[0040]其中，处理器配置为经由执行可执行指令来执行上述基于点云的闸口分车识别方法的步骤。
[0041]本专利技术的实施例还提供一种计算机可读存储介质，用于存储程序，程序被执行时实现上述基于点云的闸口分车识别方法的步骤。
[0042]本专利技术的基于点云的闸口分车识别方法、系统、设备及存储介质，能够对通过闸口的集卡进行逐一定位、分析从而提高分车信息的准确性，并获得集装箱尺寸和集装箱压车位信息，大幅提高集装箱码头或堆场中车辆进出闸口的效率和检测准确性。
附图说明
[0043]通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显。
[0044]图1是本专利技术的基于点云的闸口分车识别方法的流程图。
[0045]图2至5是实施本专利技术的基于点云的闸口分车识别方法的第一种实施过程示意图。
[0046]图6是实施本专利技术的基于点云的闸口分车识别方法的第二种实施过程的映射关系示意图。
[0047]图7是实本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于点云的闸口分车识别方法，其特征在于，包括如下步骤：S110、在闸口的道路一侧设置一激光雷达，所述激光雷达实时采集经过所述闸口的车辆的点云信息，获得第一点云数据；S120、对所述第一点云数据进行聚类以获得第二点云数据，基于第一神经网络对所述第二点云数据进行识别，以至少获得车辆类型信息；S130、基于预设高度范围对代表集卡车辆的局部空间的点云进行截取，以获得第四点云数据；以及S140、基于第二神经网络对所述第四点云数据进行识别，获得集装箱长度信息和箱压车位信息。2.根据权利要求1所述的基于点云的闸口分车识别方法，其特征在于，所述步骤S110中，所述激光雷达基于所述闸口的道路形成侧俯视视角。3.根据权利要求1所述的基于点云的闸口分车识别方法，其特征在于，所述步骤S120包括：S121、对所述第一点云数据进行聚类以获得第二点云数据；S122、基于第一神经网络对所述第二点云数据进行车型识别，以获得车辆类型信息；S123、对所述第二点云数据进行自上下两个方向分别进行水平面拟合，获得代表集卡车头的顶面的第一点云平面和代表集装箱的顶面的第二点云平面，所述第二点云平面高于所述第一点云平面；以及S124、将所述第一点云平面的离地高度作为集卡车头的顶面高度信息，将所述第二点云平面的离地高度作为集装箱的顶面高度信息。4.根据权利要求1所述的基于点云的闸口分车识别方法，其特征在于，所述步骤S130包括：S131、自所述第二点云数据对代表集卡车辆的局部空间的点云进行第一次截取，以获得第三点云数据；S132、自所述第三点云数据中基于预设高度范围进行第三次截取，以获得第四点云数据，所述预设高度范围的下限高于集卡平板顶面的离地高度且低于集卡车头顶面的离地高度，所述预设高度范围的上限取所述集卡车头顶面的离地高度和集装箱顶面的离地高度两者中的较大值。5.根据权利要求1所述的基于点云的闸口分车识别方法，其特征在于，所述预设高度范围的下限高于集卡平板顶面的离地高度5cm。6.根据权利要求1所述的基于点云的闸口分车识别方法，其特征在于，所述步骤S140包括：S141、基于第二神经网络对所述第四点云数据进行识别，获得代表集装箱的第五点云数据，以及...
【专利技术属性】
技术研发人员：谭黎敏，赵钊，沈方舟，
申请(专利权)人：上海西井科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。