CN105761305A - 一种车辆行驶检测方法及系统 - Google Patents

Abstract

本发明公开了一种车辆行驶检测方法及系统。该方法包括：在车辆行驶过程中，利用激光扫描探测器实时扫描通过的行驶车辆，形成三维点云数据，并将所述三维点云数据发送至监控系统；所述监控系统根据所述三维点云数据建立所述行驶车辆的三维空间模型；所述监控系统将所述三维空间模型和标准模型进行实时比对，并根据比对结果进行报警处理。本方案实现了车辆行驶过程中异物的高分辨率检测且识别效率大幅提高。

Description

一种车辆行驶检测方法及系统

技术领域

本发明实施例涉及扫描检测领域，尤其涉及一种车辆行驶检测方法及系统。

背景技术

随着铁路建设的飞速发展，确保铁路车辆行驶安全的任务越来越艰巨。车辆顶部出现异物或部件缺失、变形等异常现象都将对车辆的行驶安全造成重大隐患。

现有技术中，对行驶车辆的安全检测主要包括人工检测及非接触式检测两种方式，其中人工检测方式需要投入大量人力同时检测效率低下。而非接触式检测主要通过对摄像头获取的画面进行图像处理，进而完成检测的目的，该方式易受环境光、温湿度等条件的影响，且由于目标物结构的复杂性，检测效果不佳。

发明内容

本发明提供了一种车辆行驶检测方法及系统，以实现对行驶车辆进行更加高效的安全检测，同时降低了外部环境对检测结果的干扰。

第一方面，本发明实施例提供了一种车辆行驶检测方法，包括：

在车辆行驶过程中，利用激光扫描探测器实时扫描通过的行驶车辆，形成三维点云数据，并将所述三维点云数据发送至监控系统；

所述监控系统根据所述三维点云数据建立所述行驶车辆的三维空间模型；

所述监控系统将所述三维空间模型和标准模型进行实时比对，并根据比对结果进行报警处理。

第二方面，本发明实施例还提供了一种车辆行驶检测系统，包括：

数据获取模块，用于在车辆行驶过程中，利用激光扫描探测器实时扫描通过的行驶车辆，形成三维点云数据，并将所述三维点云数据发送至监控系统；

模型建立模块，用于所述监控系统根据所述三维点云数据建立所述行驶车辆的三维空间模型；

模型比对模块，用于所述监控系统将所述三维空间模型和标准模型进行实时比对，并根据比对结果进行报警处理。

本发明通过在车辆行驶过程中，利用激光扫描探测器实时扫描通过的行驶车辆，形成三维点云数据，并将三维点云数据发送至监控系统，监控系统再根据三维点云数据建立行驶车辆的三维空间模型并和标准模型实时比对，并根据比对结果进行报警处理，解决了现有检测方法带中图像分辨率低、识别率差及检测结果易受天气环境影响的问题，实现了高分辨率检测且识别效率大幅提高的目的。

附图说明

图1是本发明实施例一提供的车辆行驶检测方法的流程图；

图2是本发明实施例二提供的对行驶车辆的车顶进行安全检测的示意图；

图3是本发明实施例三提供的对行驶车辆的车底进行安全检测的示意图；

图4为本发明实施例四提供的车辆行驶检测方法的流程图。

图5为本发明实施例五提供的车辆行驶检测系统的示意框图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的车辆行驶检测方法的流程图，本实施例可适用于火车、高铁和地铁等车体表面是否存在异物、部件缺失或变形等异常现象的检测，该方法可以由监控系统和激光扫描探测器来执行，具体包括如下步骤：

步骤101、在车辆行驶过程中，利用激光扫描探测器实时扫描通过的行驶车辆，形成三维点云数据，并将所述三维点云数据发送至监控系统；

其中，利用激光扫描探测器实时扫描通过的行驶车辆，采用非接触目标的扫描方法，无需反射棱镜。优选的采用脉冲式扫描或相位式扫描，探测器自身主动发出激光，通过自身发射激光的回波直接得到数字信号，其形成的三维点云数据达到每秒数千至十万点。激光扫描探测器将扫描获取的三维点云数据自动发送传输至监控系统，优选的采用有线连接传输，也可采用无线网络进行传输。监控系统典型的布置在室内数据处理中心的大型服务器上，其部分功能也可在列车中控台实现。

步骤102、所述监控系统根据所述三维点云数据建立所述行驶车辆的三维空间模型；

其中，监控系统实时接收激光扫描探测器发送的三维点云数据，通过对三维点云数据的处理得到行驶车辆的三维空间模型。

步骤103、所述监控系统将所述三维空间模型和标准模型进行实时比对，并根据比对结果进行报警处理。

其中，监控系统通过自学习功能建立三维标准模型，将建立的行驶车辆的三维空间模型与标准模型进行整幅对比，该报警处理包括进行报警提示，也包括不报警，还可以设置报警条件，当比对结果符合报警条件时，进行报警，否则不报警。

该车辆行驶检测方法的工作原理：

利用激光扫描探测器的测距原理，通过记录行驶车辆表面大量的密集的点的三维坐标、反射率和纹理等信息，快速复建出行驶车辆的三维空间模型。

本实施例的技术方案，通过在车辆行驶过程中，利用激光扫描探测器实时扫描通过的行驶车辆，形成三维点云数据，并将三维点云数据发送至监控系统，监控系统再根据三维点云数据建立行驶车辆的三维空间模型并和标准模型实时比对，并根据比对结果进行报警处理，解决了现有检测方法带中图像分辨率低、识别率差及检测结果易受天气环境影响的问题，实现了高分辨率检测且识别效率大幅提高的目的。

在上述方案的基础上，优选的是建立所述行驶车辆的三维空间模型包括：建立所述行驶车辆的车顶的三维空间模型；和/或建立所述行驶车辆的车底的三维空间模型。

实施例二

图2为本发明实施例二提供的对行驶车辆的车顶进行安全检测的示意图，本实施例在实施例一的基础上，优选的给出了一种使用激光探测器对行驶车辆车顶进行安全检测的方式。如图2所示：

激光扫描探测器1安装在检修平台2上，典型的采用端部侧装的安装方式，基本安装结构采用包夹护栏方式，检测平台2的高度可根据激光扫描探测器1的扫描范围适应性调节，具体的，该检修平台2的高度根据行驶车辆车顶高度及车体偏侧距离设定。激光扫描探测器1对行驶在铁轨4的行驶车辆3的车顶进行扫描探测以建立行驶车辆的车顶的三维空间模型。

本实施例的技术方案，通过抱夹护栏的方式将激光扫描探测器安装在高度可调节的检修平台上，达到了安装安全可靠，扫描无遮挡的效果。

实施例三

图3为本发明实施例三提供的对行驶车辆的车底进行安全检测的示意图，本实施例在实施例一的基础上，优选的给出了一种使用激光探测器对行驶车辆车底进行安全检测的方式。如图所示：

激光扫描探测器1的扫描范围为0.7米至3米，可利用现场条件进行相应布置。具体的，优选采用地沟地面安装方式，安装结构采用M10*100膨胀螺栓与地面固定，激光扫描探测器的保护结构采用和安装结构分离的方式布设。优选的，激光扫描探测器1选用型号为LMS400的激光探测器，测量角度分辨率为0.25°至1°可动态调整，扫描角度为70°扫描频率为180HZ至500HZ，距离分辨率为1mm。

本实施例提供的技术方案，保证行驶车辆在高速行驶过程中可实时高分辨率的对车辆底部进行扫描以获取三维点云数据。

实施例四

图4为本发明实施例四提供的车辆行驶检测方法的流程图，本实施例在上述各实施例的基础上，优选的给出了监控系统根据激光扫描探测器获取的三维点云数据建立行驶车辆三维空间模型的步骤，如图4所示，包括：

步骤401、对三维点云数据进行数据分割得到分割后的数据集；

其中，对三维点云数据进行数据分割得到分割后的数据集包括：对所述三维点云数据进行几何数据分割得到分割后的数据集。

具体的，数据分割指按照原行驶车辆三维点云数据所具有的特征,将原始三维点云数据分割成不同的区域，由于行驶车辆车长一般为20米，为减少速度及速度不均匀性对识别的影响，优选采用几何分割法进行数据分割，依据行驶车辆的特定结构，设计多个车轮传感器将行驶车辆的车体划分为多个检测块，平均长度为1至2米。

步骤402、对数据集进行特征提取、分析识别及三维重构得到所述行驶车辆的三维空间模型。

其中，特征提取指监控系统提取数据分割后的三维点云数据信息，判断独立的点云数据是否属于同一个图像特征，特征提取即将行驶车辆的三维点云数据分为不同的子集，这些子集通常属于孤立的点、连续的曲线或者连续的区域；

其中，数据集的分析包括下述至少一种：数据预处理、归一化处理、最大相似度配准、特征分析及识别。

具体的，数据预处理包括噪点处理、盲点处理、边缘处理、多视对齐和数据精简等。噪点处理为去除点云数据扫描对象之外的数据，即去除由于外界因素造成的扫描过程中记录的非行驶车辆三维点云数据外的噪声。边缘处理时提取行驶车辆和背景的分割线，主要通过滤波、边缘增强、边缘检测及边缘定位实现。本实施例中主要的实现边缘处理的方法包括：滤波法，如均值滤波、中值滤波、自适应滤波、小波滤波和形态滤波等；微分法，如一阶微分法、二阶微分法。多视对齐为将点云数据进行对齐、拼接，数据精简指在不影响三维空间模型精度的前提下对海量的点云数据进行压缩精简处理，主要包括平均精简法和按距离精简法。

具体的，归一化处理包括：扫描宽度归一化、高程归一化和数据量归一化等，以此保证分析数据的标准化。典型的，可选用离差标准化或z-score标准化，离差标准化即对原始点云数据做线性变换，转换函数如下：

$X^{*}=\frac{X-\min }{max-min}$

其中，max为点云数据的最大值，min为点云数据的最小值，x为原始点云数据，x*为归一化后的点云数据。z-score标准化使用原始点云数据的均值和标准差进行数据的标准化，转化函数为：

$X^{*}=\frac{X-\mathrm{\μ}}{\mathrm{\δ}}$

其中，μ为均值，δ为所有样本数据的标准差，x为原始点云数据，x*为归一化后的点云数据。

具体的，最大相似度匹配通过平移、旋转算法对点云数据进行修正及标准数据匹配。

具体的，本实施例的三维重构可采用逐点插入法、分治法和三角网生成法，其中逐点插入法为首先建立一个大的三角形或多边形，以包括所有的点云数据，然后向其中插入一点，该点与包含它的三角形三个顶点相连，形成三个新的三角形，再逐个进行空外接圆检测；分治法为将分割后的点云数据分别进行三角剖分，找出连接各个点云子集的底线和顶线，由底线至顶线合并三角剖分网格得到大的三角网络；三角网生成法需满足：寻找的第三点不在扩展边上或扩展边的延长线上，且寻找点与待扩展的三角形的第三点分别在扩展边的两侧，寻找的第三点与待扩展边的两个端点相连接构成的角应该尽量大，尽量使生成的新三角形接近正三角形，符合最小角最大特性。

本实施例的技术方案，通过在车辆行驶过程中，利用激光扫描探测器实时扫描通过的行驶车辆，形成三维点云数据，并将三维点云数据发送至监控系统，监控系统再根据三维点云数据建立行驶车辆的三维空间模型并和标准模型实时比对，并根据比对结果进行报警处理，在具体的三维空间模型建立过程中采用了一系列优化处理，解决了现有检测方法带中图像分辨率低、识别率差及检测结果易受天气环境影响的问题，实现了高分辨率检测且识别效率大幅提高的目的。

在上述方案中优选的是，在得到行驶车辆的三维空间模型后，还包括：将三维空间模型存入数据库。三维空间模型的扫描图像信息存入数据库后可供工作人员随时调用查看。

实施例五

图5为本发明实施例五提供的车辆行驶检测系统的示意框图，如图所示，该系统包括：

数据获取模块501，用于在车辆行驶过程中，利用激光扫描探测器实时扫描通过的行驶车辆，形成三维点云数据，并将所述三维点云数据发送至监控系统；

模型建立模块502，用于所述监控系统根据所述三维点云数据建立所述行驶车辆的三维空间模型；

模型比对模块503，用于所述监控系统将所述三维空间模型和标准模型进行实时比对，并根据比对结果进行报警处理。

本实施例提供的技术方案，数据获取模块在车辆行驶过程中，利用激光扫描探测器实时扫描通过的行驶车辆，形成三维点云数据，并将三维点云数据发送至监控系统，模型建立模块再根据三维点云数据建立行驶车辆的三维空间模型并通过模型比对模块和标准模型实时比对，并根据比对结果进行报警处理，解决了现有检测方法带中图像分辨率低、识别率差及检测结果易受天气环境影响的问题，实现了高分辨率检测且识别效率大幅提高的目的。

在上述方案中优选的是，所述模型建立模块502具体用于：建立所述行驶车辆的车顶的三维空间模型；和/或建立所述行驶车辆的车底的三维空间模型。

在上述方案中优选的是，所述模型建立模块502具体用于：对所述三维点云数据进行数据分割得到分割后的数据集；对所述数据集进行特征提取、分析识别及三维重构得到所述行驶车辆的三维空间模型。

在上述方案中优选的是，所述模型建立模块502具体用于：对所述三维点云数据进行几何数据分割得到分割后的数据集。

在上述方案中优选的是，所述模型建立模块502具体用于下述至少一种：对所述数据集进行数据预处理、归一化处理、最大相似度配准、特征分析及识别。

在上述方案中优选的是，模型建立模块502还用于：将所述三维空间模型存入数据库。

上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (12)

1.一种车辆行驶检测方法，其特征在于，包括：

在车辆行驶过程中，利用激光扫描探测器实时扫描通过的行驶车辆，形成三维点云数据，并将所述三维点云数据发送至监控系统；

所述监控系统根据所述三维点云数据建立所述行驶车辆的三维空间模型；

所述监控系统将所述三维空间模型和标准模型进行实时比对，并根据比对结果进行报警处理。

2.根据权利要求1所述的车辆行驶检测方法，其特征在于，所述建立所述行驶车辆的三维空间模型包括：

建立所述行驶车辆的车顶的三维空间模型；和/或

建立所述行驶车辆的车底的三维空间模型。

3.根据权利要求1所述的车辆行驶检测方法，其特征在于，所述根据所述三维点云数据建立所述行驶车辆的三维空间模型包括：

对所述三维点云数据进行数据分割得到分割后的数据集；

对所述数据集进行特征提取、分析识别及三维重构得到所述行驶车辆的三维空间模型。

4.根据权利要求3所述的车辆行驶检测方法，其特征在于，对所述三维点云数据进行数据分割得到分割后的数据集包括：

对所述三维点云数据进行几何数据分割得到分割后的数据集。

5.根据权利要求3所述的车辆行驶检测方法，其特征在于，对所述数据集进行分析识别包括下述至少一种：

对所述数据集进行数据预处理、归一化处理、最大相似度配准、特征分析及识别。

6.根据权利要求3所述的车辆行驶检测方法，其特征在于，在所述得到所述行驶车辆的三维空间模型后，还包括：

将所述三维空间模型存入数据库。

7.一种车辆行驶检测系统，其特征在于，包括：

数据获取模块，用于在车辆行驶过程中，利用激光扫描探测器实时扫描通过的行驶车辆，形成三维点云数据，并将所述三维点云数据发送至监控系统；

模型建立模块，用于所述监控系统根据所述三维点云数据建立所述行驶车辆的三维空间模型；

模型比对模块，用于所述监控系统将所述三维空间模型和标准模型进行实时比对，并根据比对结果进行报警处理。

8.根据权利要求7所述的车辆行驶检测系统，其特征在于，所述模型建立模块具体用于：

建立所述行驶车辆的车顶的三维空间模型；和/或

建立所述行驶车辆的车底的三维空间模型。

9.根据权利要求7所述的车辆行驶检测系统，其特征在于，所述模型建立模块具体用于：

对所述三维点云数据进行数据分割得到分割后的数据集；

对所述数据集进行特征提取、分析识别及三维重构得到所述行驶车辆的三维空间模型。

10.根据权利要求9所述的车辆行驶检测系统，其特征在于，所述模型建立模块具体用于：

对所述三维点云数据进行几何数据分割得到分割后的数据集。

11.根据权利要求9所述的车辆行驶检测系统，其特征在于，所述模型建立模块具体用于下述至少一种：

对所述数据集进行数据预处理、归一化处理、最大相似度配准、特征分析及识别。

12.根据权利要求9所述的车辆行驶检测系统，其特征在于，所述模型建立模块还用于：

将所述三维空间模型存入数据库。