【技术实现步骤摘要】
本专利技术涉及图像数据处理，尤其涉及一种基于激光+视觉ai技术的智能轮轴识别方法及装置。
技术介绍
1、智能轮轴识别方法是一种用于识别和监测轮轴的技术，通常应用于铁路、道路交通、工业设备等领域，旨在使用各种传感器、计算机视觉和机器学习技术来自动检测和跟踪轮轴的位置、状态和运动信息。目前，对车辆的轮轴和车型进行快速、准确的识别在高速公路出入口、不停车检测站和货运源头企业等场景中具有重要意义。然而，传统的检测方法存在精度低、干扰多、环境适应性差等问题。
技术实现思路
1、本专利技术为解决上述技术问题，提出了一种基于激光+视觉ai技术的智能轮轴识别方法及装置，以解决至少一个上述技术问题。
2、本申请提供了一种基于激光+视觉ai技术的智能轮轴识别方法，所述方法包括：
3、s1、通过激光传感器扫描待测量车辆，得到激光点阵云数据；
4、s2、通过高清摄像头采集车辆图像，得到车辆图像数据；
5、s3、对所述车辆图像数据进行特征提取，得到车辆特征数据；
6、s4、对所述激光点阵云数据以及所述车辆特征数据进行多维数据融合，得到车辆多维融合数据，以进行智能轮轴识别作业。
7、本专利技术中通过结合激光点阵云数据和车辆图像数据，该方法能够提供更全面的信息，从而实现对车辆轮轴的高精度识别。激光点阵云数据提供了三维形状和尺寸的信息，而车辆图像数据提供了视觉特征，两者的融合提高了识别准确性。这种方法无需车辆停车或进行特殊操作，可以在车辆行驶
8、可选地，所述通过激光传感器扫描待测量车辆，得到激光点阵云数据，包括：
9、s11、控制激光传感器发射激光扫描待测量车辆并接受反射光，得到激光扫描数据；
10、s12、对所述激光扫描数据进行激光点云数据生成，得到激光点云数据；
11、s13、对所述激光点云数据进行降噪处理，得到点云降噪数据；
12、s14、对所述点云降噪数据进行下采样，得到点云下采样数据；
13、s15、对所述点云下采用数据进行点云配准，得到激光点阵云数据。
14、本专利技术中通过激光传感器扫描车辆，首先得到激光扫描数据，然后将其转化为激光点云数据。这个步骤的有益效果在于它提供了车辆表面的三维信息，包括车身形状、车轮位置和尺寸等，为后续的识别提供了基础数据。在获得点云数据后，降噪处理有助于去除由于传感器或环境噪音引起的不必要的数据点，从而提高了数据质量。点云下采样可以减少数据量，降低计算成本，同时保留了主要特征，有助于提高计算效率。激光点云数据通常来自不同视角或时间的扫描，点云配准是将这些数据集合到一个全局坐标系下，以获得更完整的三维信息。这有益于精确识别车辆的车轮数量、轮轴数量以及车型。
15、可选地，其中所述激光扫描数据包括第一激光扫描数据以及第二激光扫描数据，所述控制激光传感器发射激光扫描待测量车辆并接受反射光，得到激光扫描数据，包括：
16、控制安装在底部的激光传感器发射第一激光扫描待测量车辆并接受第一反射光，得到所述第一激光扫描数据；
17、控制安装在侧部的激光传感器发射第二激光扫描待测量车辆并接受第二反射光，得到所述第二激光扫描数据，其中所述第一激光的扫描角度小于所述第二激光的扫描角度，所述第一激光对应的激光功率大于所述第二激光对应的激光功率，所述第一激光对应的采用密度数据大于所述第二激光的采用密度数据。
18、本专利技术中使用底部和侧部的激光传感器，能够获取不同角度和属性的激光扫描数据。底部传感器可以提供更多的车辆底部信息，而侧部传感器则可以提供侧面信息，这种多传感器融合有助于综合不同视角的信息，提高了车辆识别的准确性。第一激光对应的激光功率大于第二激光，这意味着第一激光在测量时对所述反射强度数据进行反射强度均值计算、反射强度标准差计算以及反射强度梯度计算，分别得到反射强度均值数据、反射强度标准差数据以及反射强度梯度数据具有更高的亮度和灵敏度，可以提高在低光条件下的测量性能，确保数据质量。第一激光对应的采用密度数据大于第二激光，这表明第一激光可以提供更密集的数据点，从而更详细地描述车辆的特征，有助于提高车辆识别的精确性和细节。
19、可选地，所述对所述激光扫描数据进行激光点云数据生成，得到激光点云数据，包括：
20、s121、对所述激光扫描数据进行反射强度数据提取，得到反射强度数据；
21、s122、对所述反射强度数据进行反射强度均值计算、反射强度标准差计算以及反射强度梯度计算，分别得到反射强度均值数据、反射强度标准差数据以及反射强度梯度数据；
22、s123、利用预设的反射强度材质分类模型对所述反射强度均值数据、所述反射强度标准差数据以及所述反射强度梯度数据进行识别，得到反射强度材质数据，其中所述反射强度材质分类模型是利用预设的历史反射强度均值数据、历史反射强度标准差数据、历史反射强度梯度数据以及对应的材料标签数据通过支持向量机算法进行构建生成；
23、s124、利用所述反射强度数据对应的反射强度材质数据对所述激光扫描数据进行标记，得到激光扫描标记数据；
24、s125、对所述激光扫描标记数据进行点云数据生成，得到激光点云数据；
25、其中对所述激光扫描数据进行反射强度数据提取，得到反射强度数据，包括：
26、s1231、对所述激光扫描数据进行局部点云表面拟合，得到局部点云表面拟合数据；
27、s1232、对所述局部点云表面拟合数据进行法线方向计算，得到局部点云法线方向数据；
28、s1233、对所述局部点云表面拟合数据进行曲率计算，得到局部点云曲率数据；
29、s1234、根据所述局部点云法线方向数据以及所述局部点云曲率数据对所述激光扫描数据进行数据划分，得到激光扫描子数据集；
30、s1235、对所述激光扫描子数据集进行反射强度数据提取，得到反射强度数据。
31、本专利技术中通过分析反射强度数据的均值、标准差和梯度，结合预设的材质分类模型，可以对材质进行识别，有助于确定车辆表面的构造材料，例如金属、塑料、橡胶等，对于车辆的进一步分析和识别非常重要。通过局部点云表面拟合、法线方向计算和曲率计算，可以获得每个点的局部特征信息。这些特征有助于更详细地描述表面的几何结构，包括曲率、法线方向等。这可以帮助更准确地识别不同部分的车辆表面。将反射强度材质数据标记到激光点云数据中，可以使每个点都携带有关其表面材质的信息，可以用于后续的任务，如车辆识别、物体检测等。根据局部特征数据对激光扫描数据进行分割，可以将数本文档来自技高网...
【技术保护点】
1.一种基于激光+视觉AI技术的智能轮轴识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过激光传感器扫描待测量车辆，得到激光点阵云数据，包括：
3.根据权利要求2所述的方法，其特征在于，其中所述激光扫描数据包括第一激光扫描数据以及第二激光扫描数据，所述控制激光传感器发射激光扫描待测量车辆并接受反射光，得到激光扫描数据，包括：
4.根据权利要求2所述的方法，其特征在于，所述对所述激光扫描数据进行激光点云数据生成，得到激光点云数据，包括：
5.根据权利要求4所述的方法，其特征在于，所述对所述激光扫描数据进行局部点云表面拟合，得到局部点云表面拟合数据，包括：
6.根据权利要求2所述的方法，其特征在于，所述对所述点云降噪数据进行下采样，得到点云下采样数据，包括：
7.根据权利要求2所述的方法，其特征在于，其中所述点云下采用数据包括第一点云下采用数据以及第二点云下采用数据，所述第一点云下采用数据以及所述第二点云下采用数据为不同传感器或者不同角度对同一车辆采集的激光采用数据对应的点云
8.根据权利要求1所述的方法，其特征在于，其中所述车辆特征数据包括车辆颜色特征数据、车辆纹理特征数据、车辆形状特征数据以及车辆局部特征数据，所述对所述车辆图像数据进行特征提取，得到车辆特征数据，包括：
9.根据权利要求1所述的方法，其特征在于，所述对激光点阵云数据以及所述车辆特征数据进行多维数据融合，得到车辆多维融合数据，包括：
10.一种基于激光+视觉AI技术的智能轮轴识别装置，其特征在于，用于执行如权利要求1所述的一种基于激光+视觉AI技术的智能轮轴识别方法，所述基于激光+视觉AI技术的智能轮轴识别装置包括：
...【技术特征摘要】
1.一种基于激光+视觉ai技术的智能轮轴识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过激光传感器扫描待测量车辆，得到激光点阵云数据，包括：
3.根据权利要求2所述的方法，其特征在于，其中所述激光扫描数据包括第一激光扫描数据以及第二激光扫描数据，所述控制激光传感器发射激光扫描待测量车辆并接受反射光，得到激光扫描数据，包括：
4.根据权利要求2所述的方法，其特征在于，所述对所述激光扫描数据进行激光点云数据生成，得到激光点云数据，包括：
5.根据权利要求4所述的方法，其特征在于，所述对所述激光扫描数据进行局部点云表面拟合，得到局部点云表面拟合数据，包括：
6.根据权利要求2所述的方法，其特征在于，所述对所述点云降噪数据进行下采样，得到点云下采样数据，包括：
7.根据权利要求2所述的方法，其特征在于...
【专利技术属性】
技术研发人员：戴剑军，邓露，姚崇富，孔烜，李苗华，陈贤谋，戴渡野，郑祖恩，陈夙乾，
申请(专利权)人：湖南省交通科学研究院有限公司，
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。