CN102749030B - 基于脉冲飞行时间激光测距的货车车厢体积分割方法 - Google Patents

Abstract

本发明提供一种基于脉冲飞行时间激光测距的货车车厢体积分割方法,通过该方法可以准确地把2~6轴货车的车厢体积从货车体积中分离出来。第一步：首先将侧面扫描测距仪安装在车道侧左上方，扫描面垂直地面和车行方向，第二步：顶面和侧面的激光扫描测距仪同步进行扫描，每一次从起始角到终止角的扫描过程称为一帧数据；第三步：货车长度跟踪装置不断跟踪车头在车道中的行进方向的位置变化，实时获得两帧数据间车头的移动距离；第四步：通过截面宽度和移动距离的同步性，进行积分计算获得货车的体积；第五步：利用车轴信息对车头到车厢过渡部分进行分析；通过分析缩小搜索车头和车厢的连接处的范围；第六步：分别分割出货车车厢连接处和车厢底部，从而准确地计算出货车体积。

Description

基于脉冲飞行时间激光测距的货车车厢体积分割方法

技术领域

本发明属于体积测量技术领域，尤其涉及一种基于脉冲飞行时间激光测距的货车车厢体积分割方法。

背景技术

现在的有关货车体积测量方案中用于全车体积测量的很少，大多数是货车部件的外型检测和误差检测以及各种生产流水线上的工件误差检测。已有的全车货车体积测量技术方案是针对矿石类产品运输货车车厢体积进行测量，采用的技术是使用脉冲激光三维扫描测距仪（基于脉冲飞行时间激光测量原理）对货车体积进行测量。脉冲三维激光扫描测距仪可以对被测物体进行外轮廓扫描，得到被测物体的外轮廓的三维坐标扫描点云，扫描测距仪通过串口与计算机相连，运行在计算机中的专用测量软件实时接收和处理扫描数据，计算出被测物体的体积。此测量技术一般应用于矿山码头等地的运输测量，运输货车空车进入货场进行一次体积测量，满载出场时再次测量体积，通过体积差值确定货车车厢。而绿色通道货车检测只通过通道一次，因而无法使用此方案。此外，已有的测试设备主要是对整车体积测试，目前还没用通过一次测试就直接从货车整车体积中分割出车厢体积的先例。

发明内容

本发明提供一种基于脉冲飞行时间激光测距的货车车厢体积分割方法,通过该方法可以准确地把2～6轴货车的车厢体积从货车体积中分离出来。

该基于脉冲飞行时间激光测距的货车车厢体积分割方法，包括以下步骤：

第一步：首先将侧面扫描测距仪安装在车道侧左上方，扫描面垂直地面和车行方向，货车顶部到扫描测距仪的距离和地面到扫描测距仪距离的差为货车的截面高度h，利用货车顶部所覆盖的扫描角度计算出货车的截面宽度S_i；

第二步：顶面和侧面的激光扫描测距仪同步进行扫描，每一次从起始角到终止角的扫描过程称为一帧数据；

第三步：货车长度跟踪装置不断跟踪车头在车道中的行进方向的位置变化，实时获得两帧数据间车头的移动距离Δl_i；

第四步：通过截面宽度S_i和移动距离Δl_i的同步性，进行积分计算获得货车的体积；

第五步：采用前三阶灰度矩边缘检测法，用车体的高度代替灰度值来实现对车身边缘的检测，利用车轴信息对车头到车厢过渡部分进行分析；通过分析缩小搜索车头和车厢的连接处的范围；

第六步：反复使用前三阶灰度矩边缘检测法，分别分割出货车车厢连接处和车厢底部，从而准确地计算出 其中N为数据的帧数。

本发明的有益效果：

1、通过本发明所采用的分割算法，对于各种车轴的货车都可以精确地去除车头和车底货架来计算出车厢体积，而且针对有台阶的6轴车，车厢的体积也能准确地获得。

2、利用本发明可以减少激光扫描测距仪的使用数量；原先系统如果要合成、积分出货车车箱体积需要使用三台激光扫描测距仪,左右侧面各一台、顶面一台，利用技术中侧面视图数据的翻摺和拼合算法可以节省一台侧面扫描测距仪，从而降低了系统的成本。

附图说明

图1为本发明方法中硬件模块组成框图；

图2为本发明货车车厢体积分割方法流程图。

具体实施方式

下面结合附图对本发明作进一步介绍。

如图1所示，实现本发明货车车厢体积分割方法的车厢体积分割计算系统由货车截面测量子系统和货车长度跟踪测量子系统、车厢体积分割子系统以及车厢体积计算子系统组成。货车截面测量子系统由位于检测通道侧面的激光扫描测距仪组成。扫描测距仪对货车顶部进行扫描，当被测货车通过测量区域后，可以得到此货车的扫描点云。通过对扫描点云进行分析和计算，得到货车的宽度和高度的多个扫描线集合。

如图2所示，本发明的货车车厢体积分割方法的具体实施步骤如下：

步骤一、司机驾驶货车低速驶入检测通道并触发开始检测信号；

步骤二、侧面激光扫描测距仪开始记录车辆截面数据，顶面激光扫描测距仪同步跟踪车辆行驶位置；

步骤三、司机驾驶货车驶离检测通道并相应触发检测停止信号；

步骤四、系统响应外部停止信号停止侧面激光扫描测距仪的货车截面数据记录和顶面激光扫描测距仪的货车位置跟踪记录；

步骤五、抽取侧面数据结合货车位移构成车纵剖面数据图；

步骤六、结合车轴信息利用三阶高度矩边缘检测法求出车头位置。

步骤七、去掉车头和车厢底，例如：6轴有台阶的货车还要计算出台阶位置，

步骤八、拼合侧面数据从而获得货车车厢截面积；

步骤九、利用货车跟踪子系统结合货车位移来求出货车车箱体积，由于顶面和侧面的激光扫描测距仪是同步的，货车长度跟踪子系统不断跟踪车头在车道中的行进方向的位置变化，实时获得两帧数据间车头的移动距离Δl_i，通过截面宽度S_i和移动距离Δl_i同步性，再进行积分计算就可以准确地获得货车的体积， 其中N为数据的帧数。

其中前三阶灰度矩边缘检测法为：灰度矩边缘定位法的基本原理是假设实际图像中的实际边缘分布与理想阶跃边缘模型的灰度矩保持一致，即矩不变。通过此关系来确定实际边缘的位置。这里我们首次用车体的高度来代替灰度值来实现对车身边缘的检测。

一维理想阶跃边缘模型可以认为是由一系列具有高度h₁与一系列具有灰度h₂的车体扫描点相接而构成的。一维理想边缘由三个参数决定：边缘位置k、边缘两侧的高度值h₁和h₂。

设u(x)为理想阶跃函数，则一维理想边缘函数可表示为

H(x)＝(h₂-h₁)u(x-k)+h₁（1）

设p₁和p₂分别表示高度值为h₁和h₂的扫描点所占的比例，两者满足如下的关系

p₁+p₂＝1（2）

设单调序列h_j(j＝1,2,…N）为实际边缘点的高度值，则该序列的前三阶高度矩满足下式

${\stackrel{\‾}{m}}_i=\underset{j=1}{\overset{2}{\mathrm{\Σ}}}{p}_j{h_j}^i=\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{h_j}^i,i=\mathrm{1,2,3}---\left(3\right)$

其中：n为实际边缘点的总个数，p₁＝k/n。

上式三个方程中包含三个未知数p₁，h₁和h₂，求解可得，

$h_1={\stackrel{\‾}{m}}_1-\stackrel{\‾}{\mathrm{\σ}}\sqrt{p_2/p_1}---\left(4\right)$

$h_1={\stackrel{\‾}{m}}_1-\stackrel{\‾}{\mathrm{\σ}}\sqrt{p_2/p_1}---\left(5\right)$

$p_1=\frac{1}{2}[1+\stackrel{\‾}{s}\sqrt{\frac{1}{4+{\stackrel{\‾}{s}}^2}}]---\left(6\right)$

其中：

${\stackrel{\‾}{\mathrm{\σ}}}^2={{\stackrel{\‾}{m}}_2}^2-{{\stackrel{\‾}{m}}_1}^2---\left(7\right)$

$\stackrel{\‾}{s}=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\frac{{(x_i-{\stackrel{\‾}{m}}_1)}^3}{{\stackrel{\‾}{\mathrm{\σ}}}^3}=\frac{{\stackrel{\‾}{m}}_3+2{{\stackrel{\‾}{m}}_1}^3-3{\stackrel{\‾}{m}}_1{\stackrel{\‾}{m}}_2}{{\stackrel{\‾}{\mathrm{\σ}}}^3}---\left(8\right)$

可以求得边缘点位置

$k=N{p}_1-\frac{1}{2}=\frac{N}{2}\sqrt{\frac{\stackrel{\‾}{s}}{4+{\stackrel{\‾}{s}}^2}}+\frac{N-1}{2}---\left(9\right)$

这里设序列h_i中第一个扫描点的位置取为0。

利用车轴数缩小搜索区间并结合三阶高度矩边缘检测法来检测车厢体起始位置，此方法能准确地定位车头和车厢的连接处（如数据曲线中的黄色十字交叉线交点处）。利用类似的方法，结合车轴相关车厢底高度信息，也能准确地找出2～6轴车（不含6轴带台阶的货车）车厢底的位置，从而在计算车厢体积时可以去掉车底。

Claims (2)

1.基于脉冲飞行时间激光测距的货车车厢体积分割方法，其特征在于，包括以下步骤：

第一步：首先将侧面扫描测距仪安装在车道侧左上方，扫描面垂直地面和车行方向，货车顶部到扫描测距仪的距离和地面到扫描测距仪距离的差为货车的截面高度h，利用货车顶部所覆盖的扫描角度计算出货车的截面宽度S_i；

第二步：顶面和侧面的激光扫描测距仪同步进行扫描，每一次从起始角到终止角的扫描过程称为一帧数据；

第三步：货车长度跟踪装置不断跟踪车头在车道中的行进方向的位置变化，实时获得两帧数据间车头的移动距离Δl_i；

第四步：通过截面宽度S_i和移动距离Δl_i的同步性，进行积分计算获得货车的体积；

第五步：采用前三阶灰度矩边缘检测法，用车体的高度代替灰度值来实现对车身边缘的检测，利用车轴信息对车头到车厢过渡部分进行分析；通过分析缩小搜索车头和车厢的连接处的范围；

第六步：反复使用前三阶灰度矩边缘检测法，分别分割出货车车厢连接处和车厢底部，从而准确地计算出货车体积其中N为数据的帧数。

2.如权利要求1所述的基于脉冲飞行时间激光测距的货车车厢体积分割方法，其特征在于，其中前三阶灰度矩边缘检测时一维理想阶跃边缘模型由一系列具有高度h₁与一系列具有高度h₂的车体扫描点相接而构成；一维理想边缘由三个参数决定：边缘位置k、边缘两侧的高度值h₁和h₂；

设u(x)为理想阶跃函数，则一维理想边缘函数可表示为

H(x)＝(h₂-h₁)u(x-k)+h₁    (1)

设p₁和p₂分别表示高度值为h₁和h₂的扫描点所占的比例，两者满足如下的关系

p₁+p₂＝1         (2)

设单调序列h_j为实际边缘点的高度值，其中，j＝1,2,...N，则该序列的前三阶高度矩满足下式

${\stackrel{\‾}{m}}_i=\underset{j=1}{\overset{2}{\mathrm{\Σ}}}{p}_j{h_j}^i=\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{h_j}^i,i=\mathrm{1,2,3}---\left(3\right)$

其中：N为实际边缘点的总个数，p₁＝k/N；

上式三个方程中包含三个未知数p₁，h₁和h₂，求解可得，

$h_1={\stackrel{\‾}{m}}_1-\stackrel{\‾}{\mathrm{\σ}}\sqrt{p_2/p_1}---\left(4\right)$

$h_1={\stackrel{\‾}{m}}_1-\stackrel{\‾}{\mathrm{\σ}}\sqrt{p_2/p_1}---\left(5\right)$

$p_1=\frac{1}{2}[1+\stackrel{\‾}{s}\sqrt{\frac{1}{4+{\stackrel{-}{s}}^2}}]---\left(6\right)$

其中：

${\stackrel{\‾}{\mathrm{\σ}}}^2={{\stackrel{\‾}{m}}_2}^2-{{\stackrel{\‾}{m}}_1}^2---\left(7\right)$

$\stackrel{\‾}{s}=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\frac{{(x_i-{\stackrel{\‾}{m}}_1)}^3}{{\stackrel{\‾}{\mathrm{\σ}}}^3}=\frac{{\stackrel{\‾}{m}}_3+2{{\stackrel{\‾}{m}}_1}^3-3{\stackrel{\‾}{m}}_1{\stackrel{\‾}{m}}_2}{{\stackrel{\‾}{\mathrm{\σ}}}^3}---\left(8\right)$

可以求得边缘点位置

$k=N{p}_1-\frac{1}{2}=\frac{N}{2}\sqrt{\frac{\stackrel{\‾}{s}}{4+{\stackrel{\‾}{s}}^2}}+\frac{N-1}{2}---\left(9\right)$

这里设序列h_j中第一个扫描点的位置取为0。