CN105335723B - 一种基于红外结构光的车型识别方法 - Google Patents
一种基于红外结构光的车型识别方法 Download PDFInfo
- Publication number
- CN105335723B CN105335723B CN201510730737.3A CN201510730737A CN105335723B CN 105335723 B CN105335723 B CN 105335723B CN 201510730737 A CN201510730737 A CN 201510730737A CN 105335723 B CN105335723 B CN 105335723B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- structure light
- infrared
- grating
- projector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于红外结构光的车型识别方法,属于智能交通技术领域。本方法包括以下步骤:1)通过红外光栅投影仪‑摄像机装置获取结构光成像数据;2)根据结构光图像数据计算被检测车辆的三维轮廓信息;3)采用支持向量机多分类法根据被检测车辆的三维轮廓信息进行分类,从而识别出被检测车辆车型。本方法具有准确、快捷、高数据空间分辨率和计算量小等优点,能够提高车型识别的精确度及保证实时性;利用红外光栅获取结构光成像数据,不会对驾驶人员造成视觉污染,有利于驾驶人员行车安全,且不易受光照因素的影响;同时,装置安装比较简便,无需破坏路面,维护费用低;摄像机或者探头安装无需在车道路面上施工,检测器的更换、调整和移动也不会影响交通。
Description
技术领域
本发明属于智能交通技术领域,涉及一种基于红外结构光的车型识别方法。
背景技术
随着当今社会经济高速增长,社会对交通运输的需求增高,交通密度也随之增大,人们在工作生活中,交通事故发生频繁,交通容易出现拥堵。急需运用当前已有的信息与通信技术去解决上述问题。同时,全世界各国也逐渐对交通系统的管理加大了投入,更加重视交通问题,慢慢形成了道路交通管理研究领域。当今的道路交通管理研究领域常见的系统有智能交通系统(Intelligent Transportation System,ITS),车辆自动识别系统(Automatic Vehicle Identification,AVI)、车型识别系统(Vehicle RecognitionSystem,VRS)等。
目前,车型识别技术主要有感应线圈法、压电传感器法和基于视频图像处理的方法等。基于感应线圈的车型识别方法基于感应线圈的车型识别技术是通过在要检测的路段预先埋下环形感应线圈,线圈构成稳定的振荡回路,在这个环形线圈区域内形成相对稳定的磁场。基于感应线圈的车型识别方法具有较大的不确定性,维护复杂。基于压电传感器的车型识别技术是通过在要检测的路段预先埋下压电传感材料,当车辆经过时,压电材料产生同承重压力成正比的电量,根据电量的大小和产生的次数可以得到车辆载重量和轮轴数等,通过模版匹配的方法可以确定车型。基于压电传感器的车型识别技术存在以下问题:传感器响应结果易受周围环境和繁忙交通的影响;压电传感器寿面有限,更换传感器需要破坏交通路面后重新铺设,要花费较高的代价。基于视频图像的车型识别技术是通过探头或者摄像机等视频采集装置采集车辆数据,从道路交通中采集到的车辆图像(正面图像或者其他角度)进行图像处理,然后应用特征提取和选择方法提取已检测出车辆的分类特征,最后将提取的分类特征用于车辆分类识别。基于视频图像的车型识别技术易受道路交通拥挤程度、光线等因素的影响。
发明内容
有鉴于此,本发明的目的在于提供一种基于红外结构光的车型识别方法,该方法通过红外光栅投影仪-摄像机装置获取结构光成像数据,再通过计算得到车辆的三维轮廓信息,再运用支持向量机多分类法来识别车辆的车型。
为达到上述目的,本发明提供如下技术方案:
一种基于红外结构光的车型识别方法,包括以下步骤:
步骤一:通过红外光栅投影仪-摄像机装置获取结构光成像数据;
步骤二:根据结构光图像数据计算被检测车辆的三维轮廓信息;
步骤三:采用支持向量机多分类法根据被检测车辆的三维轮廓信息进行分类,从而识别出被检测车辆车型。
进一步,在步骤一中,所述红外投影仪-摄像机装置包括红外投影仪、红外摄像头;利用红外投影仪将红外正弦光栅投影到被检测车辆,红外摄像头通过读取车辆上的条纹信息得到结构光成像数据。
进一步,在步骤一中,所述光栅越密,表面测量精细度越高,但测量的高度范围越小;通过增大光栅的空间周期,使得由高度变化引起的光栅条纹移动在一个周期以内;设定每个条纹的宽度是1.5mm,则光栅的空间周期为72mm,能够测得的最大高度为3.6m。
进一步,步骤二具体包括:
21):在投影光栅的垂直方向上在相位周期2π内做等距的平移,每次平移π/2,每平移一次拍摄一幅图像,然后得到相应的四帧条纹图,再根据四帧条纹图计算得到检测点的相位值;
22):求得两套条纹投影后相邻两幅图像同一点的解包相位差;
23):将所有的解包相位差值累加即可得到最后的解包相位值;
24):利用解包裹位相值得到高度信息;
25):判断是否所有条纹测量点测量完毕并得到完整的车辆三维轮廓信息,当存在条纹测量点未测量完毕,则转21),反之,结束。
进一步,在步骤三中,运用支持向量机法解决多分类问题,通过各车型三维轮廓信息的训练样本构造多个两类分类机,再根据被检测车辆三维轮廓信息判别其车型类别。
本发明的有益效果在于:本方法所提及的装置安装比较简便,无需破坏路面,且维护费用低;摄像机或者探头安装无需在车道路面上施工,同时检测器的更换、调整和移动也不会影响交通;本发明所用到的面结构光投影法具有准确、快捷、高数据空间分辨率和计算量小等优点,能够提高车型识别的精确度及保证实时性;利用红外光栅获取结构光成像数据,不会对驾驶人员造成视觉污染,有利于驾驶人员行车安全,且不易受光照因素的影响。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为本发明所述方法的流程示意图。
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
图1为本发明所述方法的流程示意图,如图所示,本发明所述的基于红外结构光的车型识别方法,包括以下步骤:
S1:通过红外光栅投影仪-摄像机装置投射光栅条纹图到被检测车辆表面,摄像机再获取结构光成像数据;
S2:根据结构光成像数据并计算被检测车辆的三维轮廓信息,具体步骤如下:
S21:在投影光栅的垂直方向上在相位周期2π内做等距的平移,每次平移π/2,每平移一次拍摄一幅图像,最后得到相应的四帧条纹图为:
I1(x,y,t)=R(x,y,t)[B(x,y,t)+T(x,y,t)cosω(x,y,t)]
I2(x,y,t)=R(x,y,t)[B(x,y,t)+T(x,y,t)sinω(x,y,t)]
(1)
I3(x,y,t)=R(x,y,t)[B(x,y,t)+T(x,y,t)cosω(x,y,t)]
I4(x,y,t)=R(x,y,t)[B(x,y,t)+T(x,y,t)sinω(x,y,t)]
其中,R(x,y)是物体表面的不均匀反射率,B(x,y)和T(x,y)是背景和投影光强度,ω(x,y)表示条纹的变形,时刻t=1,2,Λ,s,s为最大投影条纹数;根据式(1)可以计算出相位函数:
S22:根据式(2)求两套条纹投影后相邻两幅图像同一点的解包相位差:
其中,U表示解包运算符,定义为INT表示向最近整数取整。
S23:将所有的解包相位差值累加即可得到最后的相位测量结果:
S24:利用解包裹位相值得到高度信息h=dω/2πtgα,α为相机主光轴与投影仪主光轴之间的夹角。
S25:判断是否所有条纹测量点测量完毕并得到完整的车辆三维轮廓信息,当存在条纹测量点未测量完毕,则转21,反之,结束。
S3:根据已经训练好的各车型三维轮廓样本数据,并利用支持向量机多分类法对获得的被检测车辆三维轮廓信息进行分类,从而识别出被检测车辆车型。
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (1)
1.一种基于红外结构光的车型识别方法,其特征在于:包括以下步骤:
步骤一:通过红外光栅投影仪-摄像机装置获取结构光成像数据;
步骤二:根据结构光图像数据计算被检测车辆的三维轮廓信息;
步骤三:采用支持向量机多分类法根据被检测车辆的三维轮廓信息进行分类,从而识别出被检测车辆车型;
在步骤一中,所述红外投影仪-摄像机装置包括红外投影仪、红外摄像头;利用红外投影仪将红外正弦光栅投影到被检测车辆,红外摄像头通过读取车辆上的条纹信息得到结构光成像数据;
在步骤一中,所述光栅越密,表面测量精细度越高,但测量的高度范围越小;通过增大光栅的空间周期,使得由高度变化引起的光栅条纹移动在一个周期以内;设定每个条纹的宽度是1.5mm,则光栅的空间周期为72mm,能够测得的最大高度为3.6m;
步骤二具体包括:
21):在投影光栅的垂直方向上在相位周期2π内做等距的平移,每次平移π/2,每平移一次拍摄一幅图像,然后得到相应的四帧条纹图,再根据四帧条纹图计算得到检测点的相位值;
四帧条纹图为:
其中,R(x,y)是物体表面的不均匀反射率,B(x,y)和T(x,y)是背景和投影光强度,ω(x,y)表示条纹的变形,时刻t=1,2,…,s,s为最大投影条纹数;根据式(1)计算出相位函数:
22):求得两套条纹投影后相邻两幅图像同一点的解包相位差;
其中,U表示解包运算符,定义为INT表示向最近整数取整;
23):将所有的解包相位差值累加即可得到最后的解包相位值;
24):利用解包裹位相值得到高度信息h=dω/2πtgα,α为相机主光轴与投影仪主光轴之间的夹角;
25):判断是否所有条纹测量点测量完毕并得到完整的车辆三维轮廓信息,当存在条纹测量点未测量完毕,则转21),反之,结束;
在步骤三中,运用支持向量机法解决多分类问题,通过各车型三维轮廓信息的训练样本构造多个两类分类机,再根据被检测车辆三维轮廓信息判别其车型类别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510730737.3A CN105335723B (zh) | 2015-11-02 | 2015-11-02 | 一种基于红外结构光的车型识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510730737.3A CN105335723B (zh) | 2015-11-02 | 2015-11-02 | 一种基于红外结构光的车型识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105335723A CN105335723A (zh) | 2016-02-17 |
CN105335723B true CN105335723B (zh) | 2019-04-19 |
Family
ID=55286239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510730737.3A Expired - Fee Related CN105335723B (zh) | 2015-11-02 | 2015-11-02 | 一种基于红外结构光的车型识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105335723B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107582001B (zh) * | 2017-10-20 | 2020-08-11 | 珠海格力电器股份有限公司 | 洗碗机及其控制方法、装置和系统 |
CN109808586A (zh) * | 2019-03-14 | 2019-05-28 | 华域视觉科技(上海)有限公司 | 自动调控的汽车大灯以及自动调控方法 |
CN111421553A (zh) * | 2020-05-14 | 2020-07-17 | 小狗电器互联网科技(北京)股份有限公司 | 基于轮廓识别的机器人控制方法、存储介质及移动机器人 |
CN111540073A (zh) * | 2020-05-16 | 2020-08-14 | 北京博纳菲德科技有限公司 | 一种智能识别和引导的停车场管理系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034087A (zh) * | 2009-10-01 | 2011-04-27 | 卡波施交通公司 | 用于对汽车进行分类的装置和方法 |
CN202486981U (zh) * | 2012-03-23 | 2012-10-10 | 广州市图之灵计算机技术有限公司 | 一种基于车辆轮廓扫描的车型识别器 |
CN104361751A (zh) * | 2014-10-27 | 2015-02-18 | 北京握奇智能科技有限公司 | 一种自由流收费的激光扫描车型识别系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013128427A1 (en) * | 2012-03-02 | 2013-09-06 | Leddartech Inc. | System and method for multipurpose traffic detection and characterization |
-
2015
- 2015-11-02 CN CN201510730737.3A patent/CN105335723B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034087A (zh) * | 2009-10-01 | 2011-04-27 | 卡波施交通公司 | 用于对汽车进行分类的装置和方法 |
CN202486981U (zh) * | 2012-03-23 | 2012-10-10 | 广州市图之灵计算机技术有限公司 | 一种基于车辆轮廓扫描的车型识别器 |
CN104361751A (zh) * | 2014-10-27 | 2015-02-18 | 北京握奇智能科技有限公司 | 一种自由流收费的激光扫描车型识别系统 |
Non-Patent Citations (1)
Title |
---|
基于相位测量法的光学三维形貌测量研究;刘菲;《中 国优秀硕士学位论文全文数据库 信息科技辑》;20080815(第08期);摘要、第4、29、46页 |
Also Published As
Publication number | Publication date |
---|---|
CN105335723A (zh) | 2016-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105335723B (zh) | 一种基于红外结构光的车型识别方法 | |
CN106871805B (zh) | 车载钢轨轨距测量系统及测量方法 | |
CN100588775C (zh) | 检测公路路面平整度的摄像测量方法 | |
CN104005325B (zh) | 基于深度和灰度图像的路面裂缝检测装置和方法 | |
CN109870223B (zh) | 一种视觉技术辅助的桥梁动态称重方法 | |
CN105091748B (zh) | 轨道车辆公差尺寸测量系统 | |
CN101833862B (zh) | 一种防误检环形线圈车辆检测器 | |
CN104964708B (zh) | 一种基于车载双目视觉的路面坑槽检测方法 | |
CN101126638A (zh) | 检测公路路面平整度的摄像测量方法 | |
CN104313986B (zh) | 路面平整度检测系统和方法 | |
CN102354457B (zh) | 基于广义霍夫变换的交通信号灯位置检测方法 | |
CN106944719B (zh) | 基于多极阵列电容传感器的焊枪姿态识别方法 | |
CN101514993B (zh) | 基于线阵ccd摄像机的车辆速度测量装置 | |
CN109754368A (zh) | 一种桥梁质量检测中的裂缝拼接方法 | |
CN104021676A (zh) | 基于车辆动态视频特征的车辆定位及车速测量方法 | |
CN105286871A (zh) | 一种基于视频处理的人体身高测量方法 | |
CN102735186B (zh) | 利用数字图像获取路面三维构造的装置及方法 | |
JP2013037394A (ja) | 車両検出装置 | |
CN103292733A (zh) | 一种基于相移和三视张量的对应点查找方法 | |
CN105262983A (zh) | 基于灯联网的道路监控系统与方法 | |
CN116399302A (zh) | 基于双目视觉和神经网络模型实时监测强夯夯沉量的方法 | |
CN103913121A (zh) | 一种车辆轮廓尺寸自动测量装置及方法 | |
CN103322918B (zh) | 测量车辆高度的设备及其测量方法 | |
CN110207605A (zh) | 一种基于机器视觉的金属结构变形的测量装置及方法 | |
CN211042086U (zh) | 一种基于双目3d视觉的接触网几何参数动态检测仪 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190419 Termination date: 20211102 |