CN103854320A - 基于激光雷达的车型自动识别装置及其识别方法 - Google Patents

Abstract

本发明公开一种基于激光雷达的车型自动识别装置，该装置包含支架，设置在支架上的激光雷达和特征辅助识别摄像头，以及与激光雷达和特征辅助识别摄像头电路连接的工控机，工控机提取激光雷达采集的车辆轮廓数据和特征辅助摄像头采集的车辆位置信息，并进行后台数据处理和特征提取。本发明通过激光雷达及其他辅助设备对车辆的轮廓进行扫描并重建，再从重建后的车辆轮廓数据中提取出用于车型识别的各种特征，最后进行匹配得出车型，排除了因套牌、私换车载设备等因素而出现的少收费等现象；需要的辅助设备少、识别精度高、安装维护方便等特点而具有更高的研究价值，同时，这种方法能够同时识别相邻两个车道上的车辆，降低使用成本。

Description

基于激光雷达的车型自动识别装置及其识别方法

技术领域

本发明涉及一种用于道口收费系统的车型识别技术，具体涉及一种基于激光雷达的车型自动识别装置及其识别方法。

背景技术

近些年来，随着我国各大城市经济的快速发展和经济规模的不断扩大，城与城之间往返交通流量和交通流密度都很大，同时对道路的服务水平要求也变的更高，因此对电子不停车收费系统（Electronic Toll Collection System，简称ETC）的需求也日益增加。尽管我国现阶段人工收费的方式在相当长时间内仍将占据主导地位，但不停车、非现金的收费方式越来越受到高速公路运营公司及司机们的欢迎。这样可以有效地减少车辆在高速公路道口、隧道、桥梁等收费处的拥堵情况，提高了收费的效率、降低了收费的成本，节约了司机时间的同时，也给高速公路运营公司带来更大的效益。

目前，国内外一般用于高速公路车型识别系统主要有以下几种：基于非接触式智能卡的车型识别系统、基于光幕及轴距检测车型识别系统、基于图像识别的车型识别系统。

第一种基于非接触式智能卡的车型识别系统主要是在车辆上装上主动双片式车载单元OBU(RFID电子标签)，该车载单元遵循2007年5月最新出台的ETC&DSRC中国国家标准GB/T20851-2007，采用集成芯片的方案。使用时将车载单元安装在车辆前挡风玻璃内侧，单元内主要存储有被标识物体——车辆的各种信息（如车辆类型、车主、余额信息、车牌等）。当车辆经过收费区域时，收费区域的高增益定向束控读写天线和射频控制器利用5.8G频段专用短程通信（DSRC, Dedicated Short Range Communication）对车载单元进行车型读取，并根据国家或地方上的高速公路车型收费标准对车辆进行收费，这种识别系统的主要优点是可靠性高、稳定性好、免调试、使用安装方便、对天气、温度及其他环境的影响小。这种车型识别系统是目前国际上较为常用、先进、成熟的系统，也是国内用的最多的辅助收费方式，极大的提高我国公路通行服务水平和运营管理水平。但由于我国大型车辆和小型车辆的收费差距较大、导致套牌车、车载电子标签乱贴现象严重，有些大车司机贴上小车或客车的电子标签并装上套牌顺利通过收费区域的现象时有发生。

第二种基于光幕及轴距检测的车型识别系统主要是采用红外传感器（光幕）和压力传感器（线圈）及其他辅助设备（分车器、记重器）来完成对车型的识别。当车辆经过红外传感器区域时，通过红外光幕被遮挡情况可以检测到判别区域内的车辆所具有的特征信息。利用红外接收装置可以采集到车辆的高度、大体形状、车底盘大概高度等信息。利用感应线圈能得到经过车辆轮胎间的轴距信息，这也为车型分类提供了依据。但是，这种车型识别技术辅助设备数量繁多，各种传感器与辅助设备要联合使用，它们相互之间的依赖性强，当某一设备发生故障后，对识别的准确性将造成致命的影响，并且现有的许多基于光幕的车型识别系统在客货分离上还存在一定的难度。

第三种基于图像识别的车型识别系统是通过相机采集车辆侧面的图像，再通过滤波、增强、边缘提取、图像分割等技术对图像进行预处理，以便提高图像的质量，最后通过边缘检测技术及相关的算法提取车辆轮廓的特征。这种完全基于图像学的识别系统简化了车型的识别，不过环境、车辆颜色对于这种车型识别方式的影响也是巨大的，当碰到大雨、大雾天气，或是车辆颜色与环境颜色相近时，增加了车型识别的难度，因此还没有得到广泛的应用。

发明内容

本发明提供一种基于激光雷达的车型自动识别装置及其识别方法，排除了因套牌、私换车载设备等因素而出现的少收费的问题，辅助设备少、识别精度高、安装维护方便，降低成本。

为实现上述目的，本发明提供一种基于激光雷达的车型自动识别装置，其特点是，该装置包含：

支架，

激光雷达，其设置在支架上，用于实时获取通过车辆的车辆轮廓数据；

特征辅助识别摄像头，其设置在支架上，用于实时跟踪车辆位置；以及，

工控机，其电路连接激光雷达和特征辅助识别摄像头，工控机提取激光雷达获取的车辆轮廓数据和特征辅助识别摄像头监测的车辆位置信息，并进行后台数据处理和特征提取，判别车型。

上述的激光雷达采用二维激光雷达。

上述的激光雷达的扫描角度为270度。

上述的基于激光雷达的车型自动识别装置设有两个特征辅助识别摄像头；该特征辅助识别摄像头采用任意摄像头。

上述的支架采用不锈钢材料制成。

上述的支架由上至下设有若干个螺纹孔，用于调节激光雷达或特征辅助识别摄像头的安装高度。

一种基于激光雷达的车型自动识别装置的识别方法，其特点是，该方法包含以下步骤：

步骤1、激光雷达实时扫描，获取并保存每个扫描截面的车辆轮廓点云数据；

步骤1.1、激光雷达实时扫描经过的车辆获取点云数据传输至工控机，该点云数据是激光雷达到车辆上扫描点的直线距离                                               ；

步骤1.2、工控机对点云数据进行笛卡尔直角坐标转换，获取点云相对与所在截面的坐标信息；激光雷达（2）的起始扫描角度为-45°，逆时针扫描，设第i个扫描点Pi离起始扫描激光束的夹角为，由于每相邻的扫描激光束间的夹角为0.5°，那么

。然后求出点Pi在XoYo平面坐标系上的坐标（

，

）,

，

，其中h为激光雷达（2）相对与地面的高度。

步骤2、特征辅助识别摄像头利用车轮特征的相对位置信息实时跟踪车辆位置，得到相邻截面之间的间隔距离；

步骤3、工控机根据车辆纵向轮廓数据和车辆横向截面间距信息重建车辆的三维轮廓；

步骤3.1、工控机通过插值算法平均化间距，除去大量的密集截面；

步骤3.2、工控机根据纵向的车辆截面点云坐标和横向的车辆截面间距信息重建出车辆的三维轮廓；

步骤4、工控机根据车辆的三维轮廓获取其二维平面灰度图，并对图像数据进行处理，提高画面质量；

步骤4.1、工控机将重建出的三维轮廓转化为二维平面灰度图，其中灰度值表示车辆距离激光雷达的水平距离；

步骤4.2、工控机采用形态学的开运算对二维平面灰度图数据进行滤波处理，以提高图像质量；

步骤5、工控机特征处理二维平面灰度图，获取出特征向量维度中的各个特征向量，分析其线性相关性，从而决定它们的权重关系；

步骤6、工控机依据预设的车辆特征阈值及特征权重，将车型分入不同的类别。

本发明基于激光雷达的车型自动识别装置及其识别方法和现有技术的车辆识别系统相比，其优点在于，本发明通过激光雷达及其他辅助设备对车辆的轮廓进行扫描并重建，再从重建后的车辆轮廓数据中提取出用于车型识别的各种特征，最后进行匹配得出车型，是一种不受环境、温度等影响、结构简单、识别率高、无车载辅助设备的主动式车型识别系统，相对于使用记入车辆信息的不停车收费系统（ETC）有着其优势，排除了因套牌、私换车载设备等因素而出现的少收费等现象；相对于传统的基于光幕式的自动收费系统，更因其需要的辅助设备少、识别精度高、安装维护方便等特点而具有更高的研究价值，同时，这种方法能够同时识别相邻两个车道上的车辆，极大地降低了使用成本。

附图说明

图1为本发明基于激光雷达的车型自动识别装置的结构示意图；

图2为本发明基于激光雷达的车型自动识别装置的识别方法的流程图。

具体实施方式

以下结合附图，进一步说明本发明具体实施例。

本发明公开一种基于激光雷达的车型自动识别装置及其识别方法，用于通过激光雷达及特征辅助识别摄像头对车辆4的轮廓进行扫描并重建，再从重建后的车辆轮廓数据中提取出用于车型识别的各种特征，最后进行匹配得出车型。

如图1所示，本发明基于激光雷达的车型自动识别装置，该装置包含：支架1、激光雷达2、特征辅助识别摄像头3和工控机。

本实施例中，根据实地测量得到的数据显示车道之间道牙的高度约为0.2m，道牙的宽度约为2m。

支架1设置于道牙，采用不锈钢材料制成。支架1由上至下设有若干个螺纹孔，用于调节激光雷达2或特征辅助识别摄像头3的安装高度。

激光雷达2设置在支架1上，用于实时获取通过车辆的车辆截面轮廓数据。该激光雷达2采用二维激光雷达，其扫描角度为270度，向下的90度的区域是激光雷达扫描的盲区，激光束无法发射到该区域。本实施例中，为了满足同时识别双车道的要求，雷达必须放置在离地高1m处，而且只有当车辆离道牙的距离超过0.2m时，才能扫描出完整的车轮形状。为了解决这一问题，可以将道牙靠近了达扫描区域的两侧挖掉两个缺口。

特征辅助识别摄像头3设置在支架上1，用于实时跟踪车辆位置。该特征辅助摄像头3可以采用任意摄像头。本实施例中，基于激光雷达的车型自动识别装置设有两个特征辅助识别摄像头3。

工控机电路连接激光雷达2和特征辅助识别摄像头3，工控机用于提取激光雷达2获取的车辆轮廓数据和特征辅助摄像头3监测的车辆位置信息，并进行后台数据处理和特征提取。

如图2所示，本发明还公开一种基于激光雷达的车型自动识别装置的识别方法，该方法包含以下步骤：

在本基于激光雷达的车型自动识别装置进行车辆识别之前需对工控机进行关键阈值参数预设值。

步骤1、激光雷达2实时扫描，获取车辆轮廓数据。开始扫描车辆之前先要对激光雷达2进行初始化设置，将激光雷达2的工作频率设置为50Hz，扫描角度分辨率设置为0.5°，并约定每个扫描截面都要输出。

步骤1.1、当软件的初始化过程结束后，激光雷达2开始对截面进行扫描，激光雷达2实时扫描区域内有无车辆通过（有无遮挡）。当有车辆通过时，即开始获取点云数据，并传输至工控机，该点云数据是激光雷达到车辆上扫描点的直线距离

。

步骤1.2、工控机对点云数据进行笛卡尔直角坐标转换，获取点云相对与所在截面的坐标信息。激光雷达的起始扫描角度为-45°，雷达逆时针扫描，设第i个扫描点Pi离起始扫描激光束的夹角为

，由于每相邻的扫描激光束间的夹角为0.5°，那么

。然后求出点Pi在XoYo平面坐标系上的坐标（，

）, 

，

。

步骤2、特征辅助识别摄像头利用车轮特征的相对位置信息实时跟踪车辆位置，得到相邻截面之间的间隔距离；

步骤3、工控机根据车辆纵向轮廓数据和车辆横向截面间距信息重建车辆的三维轮廓；

步骤3.1、工控机通过插值算法平均化间距，除去大量的密集截面；

步骤3.2、工控机根据纵向的车辆截面点云坐标和横向的车辆截面间距信息重建出车辆的三维轮廓；

步骤4、工控机根据车辆的三维轮廓获取其二维平面灰度图，并对图像数据进行处理，提高画面质量；

步骤4.1、工控机将重建出的三维轮廓转化为二维平面灰度图，其中灰度值表示车辆距离激光雷达的水平距离；

步骤4.2、工控机采用形态学的开运算对二维平面灰度图数据进行滤波处理，以提高图像质量；以获取高质量的原始图像。

步骤5、工控机用设计并验证通过的特征提取算法处理车辆的二维平面灰度图，计算出特征向量维度中的各个特征向量，分析其线性相关性，从而决定它们的权重关系；

步骤6、工控机依据预设的车辆特征阈值及特征权重，将车型分入不同的类别。

尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (10)

1.一种基于激光雷达的车型自动识别装置，其特征在于，该装置包含：

支架（1），

激光雷达（2），其设置在所述支架（1）上，用于实时获取通过车辆的车辆轮廓数据；

特征辅助识别摄像头（3），其设置在所述支架（1）上，用于实时跟踪车辆位置；以及，

工控机，其电路连接所述的激光雷达（2）和特征辅助摄像头（3），工控机提取激光雷达（2）获取的车辆轮廓数据和特征辅助摄像头（3）监测的车辆位置信息，并进行后台数据处理和特征提取，判别车型。

2.如权利要求1所述的基于激光雷达的车型自动识别装置，其特征在于，所述的激光雷达（2）采用二维激光雷达。

3.如权利要求1所述的基于激光雷达的车型自动识别装置，其特征在于，所述的激光雷达（2）的扫描角度为270度。

4.如权利要求1所述的基于激光雷达的车型自动识别装置，其特征在于，所述的基于激光雷达的车型自动识别装置设有两个特征辅助识别摄像头（3）；该特征辅助识别摄像头（3）采用任意摄像头。

5.如权利要求1所述的基于激光雷达的车型自动识别装置，其特征在于，所述的支架（1）采用不锈钢材料制成。

6.如权利要求1所述的基于激光雷达的车型自动识别装置，其特征在于，所述的支架（1）由上至下设有若干个螺纹孔，用于调节激光雷达（2）或特征辅助识别摄像头（3）的安装高度。

7.一种基于激光雷达的车型自动识别装置的识别方法，其特征在于，该方法包含以下步骤：

步骤1、激光雷达（2）实时扫描，获取并保存每个扫描截面的车辆轮廓点云数据；

步骤2、特征辅助识别摄像头（3）利用车轮特征的相对位置信息实时跟踪车辆位置，得到相邻截面之间的间隔距离；

步骤3、工控机根据车辆纵向轮廓数据和车辆横向截面间距信息重建车辆的三维轮廓；

步骤4、工控机根据车辆的三维轮廓获取其二维平面灰度图，并对图像数据进行处理，提高画面质量；

步骤5、工控机特征处理二维平面灰度图，获取出特征向量维度中的各个特征向量，分析其线性相关性，从而决定它们的权重关系；

步骤6、工控机依据预设的车辆特征阈值及特征权重，将车型分入不同的类别。

8.如权利要求7所述的基于激光雷达的车型自动识别装置的识别方法，其特征在于，所述步骤1包含以下步骤：

步骤1.1、激光雷达（2）实时扫描经过的车辆获取点云数据传输至工控机，该点云数据是激光雷达到车辆上扫描点的直线距离                                               

；

步骤1.2、工控机对点云数据进行笛卡尔直角坐标转换，获取点云相对与所在截面的坐标信息，激光雷达（2）的起始扫描角度为-45°，逆时针扫描，设第i个扫描点Pi离起始扫描激光束的夹角为

，由于每相邻的扫描激光束间的夹角为0.5°，那么

，然后求出点Pi在XoYo平面坐标系上的坐标（，）,，

，其中h为激光雷达（2）相对与地面的高度。

9.如权利要求7所述的基于激光雷达的车型自动识别装置的识别方法，其特征在于，所述步骤3包含以下步骤：

步骤3.1、工控机通过插值算法平均化间距，除去大量的密集截面；

步骤3.2、工控机根据纵向的车辆截面点云坐标和横向的车辆截面间距信息重建出车辆的三维轮廓。

10.如权利要求7所述的基于激光雷达的车型自动识别装置的识别方法，其特征在于，所述步骤4包含以下步骤：

步骤4.1、工控机将重建出的三维轮廓转化为二维平面灰度图，其中灰度值表示车辆距离激光雷达的水平距离；

步骤4.2、工控机采用形态学的开运算对二维平面灰度图数据进行滤波处理，以提高图像质量。

Images