CN108345884A

CN108345884A - 一种基于三维激光扫描的车牌识别装置及其方法

Info

Publication number: CN108345884A
Application number: CN201810044325.8A
Authority: CN
Inventors: 王凌; 平慈草; 高建秋; 高雁凤; 王斌锐; 陈锡爱
Original assignee: China Jiliang University
Current assignee: China Jiliang University
Priority date: 2018-01-11
Filing date: 2018-01-11
Publication date: 2018-07-31
Anticipated expiration: 2038-01-11
Also published as: CN108345884B

Abstract

一种基于三维激光扫描的车牌识别装置及其方法，包括三维激光扫描仪、计算机系统、龙门。计算机系统包括数据预处理模块、字符分割模块、数据存储模块、字符识别模块。计算机系统内各模块的工作步骤为：数据预处理模块接收并过滤非车牌范围内的数据点和周围的噪声数据点，从三维激光点云数据中提取出属于车牌点云数据，完成车牌的定位；字符分割模块从提取出的车牌点云数据中分割出车牌字符的点簇；数据存储模块将从车牌中分割出的字符点簇存入到车牌字符数据库，并将字符点簇数据传送给字符识别模块；字符识别模块将待识别的字符点簇数据输入给训练好的神经网络，最终完成对车牌字符的识别。

Description

一种基于三维激光扫描的车牌识别装置及其方法

技术领域

本发明专利涉及一种基于三维激光扫描的车牌识别装置及其方法，涉及到一种车牌识别方法。

背景技术

随着城市化进程加快，汽车的价格不断下降，使用量逐年上升，使得公共场所管理和交通管理均需要车牌识别装置进行监控。汽车拍照就像是机动车的身份证，其重要程度不言而喻，车牌识别技术作为能够自动、实时地检测汽车牌照的一种智能交通管理手段。以图像处理和模式识别为技术基础的车牌自动识别技术，能够对发送过来的汽车图像完成自动识别，然后生成结果是仅仅为几个比特的车牌字符串。

现有的车牌识别装置为了获得清楚的车牌字符需要调节摄像头装置的参数和光照。但是在不同环境下，某些车牌照片会变得不够清晰，无法满足监控的需求。有的车牌漆面被车主故意污损，导致基于图像很难辨认车牌号码。

近年来，有不少针对这些缺点而研发的方法和新装置。发明专利“车牌识别方法”(申请公布号CN105320953A)通过照相机对监控范围内的过往车辆进行拍摄，然而它对安装条件和光照条件要求很高。

发明内容

为了解决上述的问题，本发明的目的在于提供一种基于三维激光扫描的车牌识别装置，能够基于车牌上凹凸的字符的三维表面点云数据实现车牌识别。

为实现本发明所述的内容，本发明提供一种基于三维激光扫描的车牌识别装置及其方法，包括三维激光扫描仪、计算机系统、龙门，所述三维激光扫描仪与计算机通过电气连接，所述计算机系统包括数据预处理模块、字符分割模块、数据存储模块、字符识别模块，所述三维激光扫描仪安装在龙门端的顶部。

一种基于三维激光扫描的车牌识别装置及其方法，其工作步骤是：

步骤1)三维激光扫描仪以低分辨对检测区域进行持续扫描；

步骤2)当车辆触碰虚拟触发线时，三维激光扫描仪对检测区域以高分辨进行持续扫描；

步骤3)当步骤2)没有进行时，重复步骤1)，否则执行步骤4)；

步骤4)三维激光扫描仪对车辆的高度和宽度、三维表面形貌进行检测，并把车辆检测信息发送给计算机的数据预处理模块，每个点的信息包括三维空间坐标数据和灰度数据；

步骤5)计算机系统的数据预处理模块接收并过滤非车牌范围内的数据点和周围的噪声数据点，从三维激光点云数据中提取出属于车牌点云数据，完成车牌的定位；

步骤6)计算机系统的字符分割模块从提取出的车牌点云数据中分割出车牌字符的点簇；

步骤7)计算机系统的数据存储模块将从车牌中分割出的字符点簇存入到车牌字符数据库，并将字符点簇数据传送给字符识别模块；

步骤8)计算机系统的字符识别模块将待识别的字符点簇数据输入给训练好的神经网络，最终完成对车牌字符的识别。

本发明的计算机系统是便携式计算机、台式机、工业控制计算机、DSP处理器其中一种及其软件系统组成。

本发明是一种基于三维激光扫描的车牌识别装置及其方法，该装置不易受光照的影响，能够基于车牌上凹凸的字符的三维表面点云数据实现车牌识别。

附图说明

图1是本发明的结构框图；

图2是本发明各模块和子模块之间的连接示意图；

图中1是三维激光扫描仪，2是计算机系统，3是龙门，4是虚拟触发线，5是数据预处理模块，6是字符分割模块，7是数据存储模块，8是字符识别模块。

具体实施方式

如图1所示，本具体实施例包括三维激光扫描仪1、计算机系统2、龙门3、虚拟触发线4。该装置中的三维激光扫描仪1与计算机系统2通过电气连接，所述计算机系统2包括数据预处理模块5、字符分割模块6、数据存储模块7、字符识别模块8。

本具体实施例的三维激光扫描仪1安装在龙门3的顶部。车辆的检测区域在三维激光扫描仪1的工作范围内。

本具体实施例的三维激光扫描仪1是徕卡三维激光扫描仪HDS7000。本具体实施例的计算机系统2为一台工业控制计算机，具体型号为研华IPC-610L。

本具体实施例的汽车车牌长度为440mm，高度为140mm；从三维激光扫描仪分辨率考虑，要求车牌字符突出车牌背景2mm以上。

本具体实施例中，在VC6.0开发平台上用C++语言开发得到计算机系统软件。三维激光扫描仪1由SOPAS_ET软件通过以太网和计算机系统2连接。三维激光扫描仪1以高分辨率工作时，三维激光扫描仪1的扫描速度是1016000点/秒。三维激光扫描仪1以低分辨率工作时，此时三维激光扫描仪1的扫描速度是50000点/秒。

本具体实施例为实现识别车牌的目标，包含如下工作步骤：

步骤1)三维激光扫描仪1以低分辨对检测区域进行持续扫描；

步骤2)当车辆触碰虚拟触发线4时，三维激光扫描仪1对检测区域以高分辨进行持续扫描；

步骤3)当步骤2)没有进行时，重复步骤1)，否则执行步骤4)；

步骤4)三维激光扫描仪1对车辆的高度和宽度、三维表面形貌进行检测，并把车辆检测信息发送给计算机的数据预处理模块5，每个点的信息包括三维空间坐标数据和灰度信息；

步骤5)计算机系统2的数据预处理模块5接收并过滤非车牌范围内的数据点和周围的噪声数据点，从三维激光点云数据中提取出属于车牌点云数据，完成车牌的定位；

步骤6)计算机系统2的字符分割模块6从提取出的车牌点云数据中分割出车牌字符的点簇；

步骤7)计算机系统2的数据存储模块7将从车牌中分割出的字符点簇存入到车牌字符数据库，并将字符点簇数据传送给字符识别模块8；

步骤8)计算机系统2的字符识别模块8将待识别的字符点簇数据输入给训练好的神经网络，最终完成对车牌字符的识别。

本具体实施例中为了实现步骤4)的车辆的三维数据采集，所述三维激光扫描仪的扫描范围设置为180°，选择0.25分度进行扫描，以便于分割出车牌背景和车牌字符的点簇。

本具体实施例中，先将字符的点簇进行提取及归一化，并将其作为输入，将深层卷积神经网络和soft-max分类器相结合，设计出字符点簇的特征提取神经网络。

本具体实施例中，所建立的字符识别神经网络所包含的n路soft-max回归层的输出个数为n，代表车牌字符的种类数为n，每个值代表了属于该类别的概率值，预测标签值y∈{1，2，...，n}，即：

α_i＝P(y＝i|α) (1)

表示属于第i个种类的概率值，i∈n，显然有：

对于第n类的预测值有：

最终可以推导出：

其中soft-max回归层的参数集为θ_j＝{W_j-b_j}，j∈{1，2，...，n}。

本具体实施例中，由于车牌中的数字与字母一共有36类。在神经网络训练时，其中每类都使用了500个训练样本点簇。通过不断的参数调整，确定神经网络有三个隐层，它们包含的神经元个数分别为300、150、50。将建立的神经网络模型利用训练样本数据进行迭代训练，迭代次数设置为5000次，并保存训练得到的权值矩阵，得到训练好的神经网络模型。

本具体实施例中，三维激光扫描仪1获取的数据点通过数据分割处理将点云分组，每组表示一个物体，分类后的组称为聚类。聚类将一帧激光雷达数据分割为几个点簇，其中包含了车牌和非车牌的点簇。聚类的判断规则如下：

本具体实施例中：

本具体实施例中，r_min＝{r_k，r_k+1}，r_k，k+1＝|r_k-r_k+1|为相邻2个激光雷达的距离。φ为激光雷达角分辨率，本文设φ＝0.25°，C0用来调节激光雷达的纵向误差。由经验值给定，这里设C0＝0.001。式(5)的物理含义为：当相邻2个激光雷达距离小于某个阀值时，可以视为同一个物体。

本具体实施例中，长度为D的车牌，宽度为K的车牌，接收到激光点的数目n与s的关系为：

θ取值为0.25度，随着d的增加，n减小。

由于车牌距离激光雷达远近不同时对应的采集点的数量不同，因此提供一种根据车牌高度和宽度信息的聚类算法。车牌长度和宽度的计算分别如下：

w＝(r² _up+r² _under-2r_upr_undercos θ₁)^1/2 (9)

w＝(r² _left+r² _right-2r_leftr_rightcos θ₂)^1/2 (10)

本具体实施例中，r_left、r_right分别为某一点集左、右边界上的距离，r_up、r_under分别为某一点集上、下边界上的距离；θ₂为从左边界到右边界的角度。θ₁为从上边界到下边界的角度。本具体实施例中的标准车牌的长度是440mm，宽度为140mm，这里将此长度和宽度作为阈值，通过该聚类算法可以分割出车牌的点簇。

本具体实施例中，字符要求突出车牌背景2mm以上，车牌点簇信息包括了车牌背景和车牌字符的灰度信息，以2mm为阀值并根据不同的颜色信息可以分割出字符点簇。

本具体实施例中，将车牌中分割出的字符点簇存入到车牌字符数据库，并将字符点簇数据传送给字符识别模块8，字符识别模块8将待识别的字符点簇数据输入给训练好的神经网络，最终完成对车牌字符的识别。

应当说明的是，以上所述仅为本发明的示例性描述，并非对本发明任何形式上的限制。在不脱离本发明设计构思的前提下，本领域普通技术人员对本发明的技术方案做出的各种变型和改进，均应属于本发明所附权利要求的保护范围。

Claims

1.一种基于三维激光扫描的车牌识别装置及其方法，包括三维激光扫描仪、计算机系统、龙门，其特征在于，所述三维激光扫描仪与计算机通过电气连接，所述计算机系统包括数据预处理模块、字符分割模块、数据存储模块、字符识别模块，所述三维激光扫描仪安装在龙门端的顶部，本装置为识别出车牌字符，执行以下步骤：

步骤1)三维激光扫描仪以低分辨对检测区域进行持续扫描；

步骤3)当步骤2)没有进行时，重复步骤1)，否则执行步骤4)；

2.按照权利要求书1或2所述的一种基于三维激光扫描的车牌识别装置及其方法，其特征在于，所述计算机系统是便携式计算机、台式机、工业控制计算机、DSP处理器其中一种及其软件系统组成。