CN109752728A - 一种基于多帧平均的激光雷达式车辆宽度测量方法 - Google Patents

Abstract

本发明提出了一种基于多帧平均的激光雷达式车辆宽度测量方法，它以左、右激光雷达在对车辆进行外廓尺寸检测的时间段内获得的所有点云坐标数据作为方法输入，方法输出即为经过此方法计算出的车辆宽度测量值。经过此方法计算得出的车辆宽度与实际值的误差将远小于目前市面上采用的其他计算车辆宽度方法计算出的车辆宽度与实际值的误差。此方法消除了车辆前进方向与中轴线存在的偏转角度对于测量带来的误差，同时克服了左右雷达的同步要求和去除了部分噪声数据，能显著避免反复复检甚至手工测量。

Description

一种基于多帧平均的激光雷达式车辆宽度测量方法

技术领域

本发明属于车辆外廓自动检测领域，具体是一种基于多帧平均的激光雷达式车辆宽度测量方法。

背景技术

使用市面上常见的基于激光雷达的车辆外廓尺寸自动测量系统测量车辆外廓尺寸，车辆宽度参数的计算较为复杂且误差较大。而较大误差会导致车辆需要复检甚至手工测量。降低了检测工作的工作效率，添加了检测站工作人员的工作负担，浪费了车主及检测人员的时间。当前涉及基于激光雷达点云坐标数据的车辆宽度测量方法中与本发明较接近的技术方案为：发明专利(申请号：201410684562.2，名称：一种基于激光测距的车辆超高超宽监控方法)利用LMS二维激光测距传感器,实现对行进车辆的宽高进行检测和超限声光报警；发明专利(申请号：201410684812.2，名称：一种通过激光自动测量物体宽高的方法)提出利用激光测距传感器左右运动和上下运动测量出物体的宽度和高度的方法；发明专利(申请号：201611246954.6，名称：一种基于激光标定的车辆超高超宽检测系统及方法)利用光带型激光发射器、光束型激光发射器及预先标定的车辆高宽测算函数模型图像采集装置实现非接触式的车辆超高超宽检测；文献(朱英龙.车辆轮廓尺寸测量系统研究[D].长安大学,2016)利用便携式坐标测量工具激光测距仪作为基础测量工具测量出车辆的宽度；文献(李源波,宫清华.车辆外廓尺寸动态测量装置的设计与实现[J].电子技术与软件工程,2016(20):243-244)利用激光发光器进行线阵排列，从而得到一组平面光源，用此激光来测量车身投影的高度及宽度尺寸；文献(陈显龙,陈晓龙.基于激光雷达的车辆几何尺寸超限检测系统设计[J].测绘通报,2014(3):9-11)利用两台激光雷达以垂直于车辆行进的方向进行扫描来测量车身投影的宽度。然而这些检测方法主要存在如下问题：

1)当车辆存在非法加装的杆、支架、防撞杆等超出车身外的物体时，这些物体很可能会无法检测出来，造成测量结果与实际情况不符；

2)所需硬件设备安装结构复杂，成本昂贵，可靠性不高，并且不同传感器需要同步；

3)检测过程中车辆需要严格匀速行驶，并且行驶方向要与车道方向严格平行。对驾驶者的驾驶水平有着极高的要求。

发明内容

为克服现有技术上的不足，本发明的目的在于提供一种基于多帧平均的激光雷达式车辆宽度测量方法，它以左、右激光雷达在对车辆进行外廓尺寸检测的时间段内获得的所有点云坐标数据作为方法输入，方法输出即为经过此方法计算出的车辆宽度测量值。

一种基于多帧平均的激光雷达式车辆宽度测量方法，其特征在于，包括如下步骤：

步骤1：左右激光雷达采集点云坐标数据，并将点云坐标数据转换到同一坐标系下，得到左边雷达点云坐标数据集表示为L＝{(x_ij,y_ij)|i＝0,1,2,...,n-1,j＝0,1,...,Q-1}，其中，n表示左边雷达得到的点云坐标数据的帧数，每帧点云坐标数据中有Q个坐标点，(x_ij,y_ij)表示第i个点云坐标数据帧中第j个坐标点的坐标值；右边雷达得到的点云坐标数据集表示为R＝{(x_kv,y_kv)|k＝0,1,2,...,m-1,v＝0,1,...,Q-1}，其中m表示右边雷达得到的点云坐标数据的帧数，每帧点云坐标数据中有Q个坐标点，(x_kv,y_kv)表示第k个点云坐标数据帧中第v个坐标点的坐标值；

步骤2：过滤数据，得到新的L和R，具体为：将L中满足Y_ij＞h₁或Y_ij＜h₂的点去除，同理，将R中满足y_kv＞h₁或y_kv＜h₂的点去除，其中，h₁表示坐标点Y轴方向上的阈值上限，h₂表示坐标点Y轴方向上的阈值下限，由预先设定；

步骤3：将左边雷达按每K₁帧进行分组，则左边雷达的数据共有N₁组，N₁＝n/K₁，K₁值由预先设定；同理，将右边雷达按每K₂帧进行分组，则右边雷达的数据共有N₂组，N₂＝m/K₂，K₂值由预先设定；则可计算得到Lop₁＝{XL_t|t＝0,1,2,...,N₁-1}，其中，op₁表示一种运算，XL_t根据式(1)计算且表示L中第t帧点云坐标数据帧经过op1运算后得出的结果值，Lop₁表示L中所有N₁帧点云坐标数据都经过op₁运算后得到的结果集合；Rop₂＝{XR_s|s＝0,1,2,...,N₂-1}，其中，op₂表示某种运算，XR_s根据式(2)计算且表示R中第s帧点云坐标数据帧经过op₂运算后得出的结果值，Lop₂表示R中所有N₂帧点云坐标数据都经过op₂运算后的结果集合；

XL_t＝op₁{x_ij|i＝K₁*t,K₁*t+1,...,K₁*(t+1)-1；x_ij∈L} (1)

XR_s＝op₂{x_kv|k＝K₂*s,K₂*s+1,...,K₂*(s+1)-1；x_kv∈R} (2)

其中，x_ij是L中过滤之后剩下的第i帧的点云坐标数据的x坐标值，x_kv是R中过滤之后剩下的第K帧的点云坐标数据的x坐标值；

步骤4：根据式(3)可计算得到车辆宽度；

W＝|mean(Lop₁)-mean(Rop₂)| (3)

式中，mean表示取平均值。

作为优选的，所述一种基于多帧平均的激光雷达式车辆宽度测量方法，其特征在于：步骤4中计算车辆宽度根据式(4)得到。

W＝|min(Lop₁)-max(Rop₂)| (4)

式中，min表示取最小值，max表示取最大值。

所述的一种基于多帧平均的激光雷达式车辆宽度测量方法，其特征在于：步骤3中的op₁运算和op₂运算须组合使用，且取两种组合中的一种：op₁＝min且op₂＝max，或者op₁＝mean且op₂＝mean；其中，min表示取最小值，max表示取最大值，mean取集合中的所有元素的平均值。

本发明的优点在于：1)经过此方法计算得出的车辆宽度与实际值的误差将远小于目前市面上采用的其他计算车辆宽度方法计算出的车辆宽度与实际值的误差；2)此方法消除了车辆前进方向与中轴线存在的偏转角度对于测量带来的误差，同时克服了左右雷达的同步要求和去除了部分噪声数据；3)能显著避免反复复检甚至手工测量。本发明能够显著的提高检测效率，减轻监测站工作人员的工作负担，节省车主及检测人员的宝贵时间；4)本发明测量精度高，实用性强，成本低，具有很好的实用价值及推广前景。

附图说明

图1为系统安装结构图；

图中：1-左激光雷达传感器，2-右激光雷达传感器，3-前激光雷达传感器，4-光电开关传感器，5-硬件集成控制箱，6-上位机。

具体实施方式

下面结合实施例来详细阐述本发明的一种基于多帧平均的激光雷达式车辆宽度测量方法的具体实施方式。其中激光雷达与光电开关传感器通过串口线与硬件集成控制箱相连接，硬件集成控制箱通过网线与上位机相连接。

一种基于多帧平均的激光雷达式车辆宽度测量方法，具体步骤如下：

步骤1：左右激光雷达采集点云坐标数据，并将点云坐标数据转换到同一坐标系下，得到的左边雷达点云坐标数据集表示为L＝{(x_ij,y_ij)|i＝0,1,2,...,n-1,j＝0,1,...,Q-1}，其中n表示左边雷达得到的点云坐标数据的帧数，每帧点云坐标数据中有Q个坐标点，(x_ij,y_ij)表示第i个点云坐标数据帧中第j个坐标点的坐标值；右边雷达得到的点云坐标数据集表示为R＝{(x_kv,y_kv)|k＝0,1,2,...,m-1,v＝0,1,...,Q-1}，其中m表示右边雷达得到的点云坐标数据的帧数，每帧点云坐标数据中有Q个坐标点，(x_kv,y_kv)表示第k个点云坐标数据帧中第v个坐标点的坐标值；

步骤2：过滤数据，得到新的L和R，具体为：将L中满足Y_ij＞h₁或Y_ij＜h₂的点去除，同理，将R中满足y_kv＞h₁或y_kv＜h₂的点去除，其中，h₁表示坐标点Y轴方向上的阈值上限，h₂表示坐标点Y轴方向上的阈值下限，由预先设定；在本实施例中，h₁＝4000mm，h₂＝200mm；

步骤3：将左边雷达按每K₁帧进行分组，则左边雷达的数据共有N₁组，N₁＝n/K₁，K₁值由预先设定；同理，将右边雷达按每K₂帧进行分组，则右边雷达的数据共有N₂组，N₂＝m/K₂，K₂值由预先设定；则可计算得到Lop₁＝{XL_t|t＝0,1,2,...,N₁-1}，其中，op₁表示一种运算，XL_t根据式(1)计算且表示L中第t帧点云坐标数据帧经过op₁运算后得出的结果值，Lop₁表示所有L中N₁帧点云坐标数据都经过op₁运算后L中所有结果值的集合；Rop₂＝{XR_s|s＝0,1,2,...,N₂-1}，其中，op₂表示某种运算，XR_s根据式(2)计算且表示R中第s帧点云坐标数据帧经过op₂运算后得出的结果值，Lop₂表示所有R中N₂帧点云坐标数据都经过op₂运算后R中所有结果值的集合；在本实施例中，K₁＝10，K₂＝10，N₁＝41，N₂＝43；

XL_t＝op₁{x_ij|i＝K₁*t,K₁*t+1,...,K₁*(t+1)-1；x_ij∈L} (1)

XR_s＝op₂{x_kv|k＝K₂*s,K₂*s+1,...,K₂*(s+1)-1；x_kv∈R} (2)

其中，x_ij是L中过滤之后剩下的第i帧的点云坐标数据的x坐标值，x_kv是R中过滤之后剩下的第K帧的点云坐标数据的x坐标值；

步骤4：根据式(3)计算得到车辆宽度。

W＝|mean(Lop₁)-mean(Rop₂)| (3)

作为优选的，所述一种基于多帧平均的激光雷达式车辆宽度测量方法，其特征在于：步骤4中计算车辆宽度根据式(4)得到。

W＝|min(Lop₁)-max(Rop₂)| (4)

式中，min表示取最小值，max表示取最大值。

所述的一种基于多帧平均的激光雷达式车辆宽度测量方法，其特征在于：步骤3中的op₁运算和op₂运算须组合使用，且取两种组合中的一种：op₁＝min且op₂＝max，或者op₁＝mean且op₂＝mean；其中，min表示取最小值，max表示取最大值，mean取集合中的所有元素的平均值。

在本实施例中，取op₁＝min且op₂＝max时，根据式(3)计算W＝2508mm，根据式(4)计算得到W＝2514mm；取op₁＝mean且op₂＝mean时，根据式(3)计算W＝2503mm，根据式(4)计算得到W＝2518mm。

Claims (3)

1.一种基于多帧平均的激光雷达式车辆宽度测量方法，其特征在于，包括如下步骤：

步骤1：左右激光雷达采集点云坐标数据，并将点云坐标数据转换到同一坐标系下，得到左边雷达点云坐标数据集表示为L＝{(x_ij,y_ij)|i＝0,1,2,...,n-1,j＝0,1,...,Q-1}，其中，n表示左边雷达得到的点云坐标数据的帧数，每帧点云坐标数据中有Q个坐标点，(x_ij,y_ij)表示第i个点云坐标数据帧中第j个坐标点的坐标值；右边雷达得到的点云坐标数据集表示为R＝{(x_kv,y_kv)|k＝0,1,2,...,m-1,v＝0,1,...,Q-1}，其中m表示右边雷达得到的点云坐标数据的帧数，每帧点云坐标数据中有Q个坐标点，(x_kv,y_kv)表示第k个点云坐标数据帧中第v个坐标点的坐标值；

步骤2：过滤数据，得到新的L和R，具体为：将L中满足Y_ij＞h₁或Y_ij＜h₂的点去除，同理，将R中满足y_kv＞h₁或y_kv＜h₂的点去除，其中，h₁表示坐标点Y轴方向上的阈值上限，h₂表示坐标点Y轴方向上的阈值下限，由预先设定；

步骤3：将左边雷达按每K₁帧进行分组，则左边雷达的数据共有N₁组，N₁＝n/K₁，K₁值由预先设定；同理，将右边雷达按每K₂帧进行分组，则右边雷达的数据共有N₂组，N₂＝m/K₂，K₂值由预先设定；则可计算得到Lop₁＝{XL_t|t＝0,1,2,...,N₁-1}，其中，op₁表示一种运算，XL_t根据式(1)计算且表示L中第t帧点云坐标数据帧经过op₁运算后得出的结果值，Lop₁表示L中所有N₁帧点云坐标数据都经过op₁运算后得到的结果集合；Rop₂＝{XR_s|s＝0,1,2,...,N₂-1}，其中，op₂表示某种运算，XR_s根据式(2)计算且表示R中第s帧点云坐标数据帧经过op₂运算后得出的结果值，Lop₂表示R中所有N₂帧点云坐标数据都经过op₂运算后的结果集合；

XL_t＝op₁{x_ij|i＝K₁*t,K₁*t+1,...,K₁*(t+1)-1；x_ij∈L} (1)

XR_s＝op₂{x_kv|k＝K₂*s,K₂*s+1,...,K₂*(s+1)-1；x_kv∈R} (2)

其中，x_ij是L中过滤之后剩下的第i帧的点云坐标数据的x坐标值，x_kv是R中过滤之后剩下的第K帧的点云坐标数据的x坐标值；

步骤4：根据式(3)可计算得到车辆宽度；

W＝|mean(Lop₁)-mean(Rop₂)| (3)

式中，mean表示取平均值。

2.根据权利要求1所述的一种基于多帧平均的激光雷达式车辆宽度测量方法，其特征在于：步骤4中计算车辆宽度根据式(4)得到；

W＝|min(Lop₁)-max(Rop₂)| (4)

式中，min表示取最小值，max表示取最大值。

3.根据权利要求1所述的一种基于多帧平均的激光雷达式车辆宽度测量方法，其特征在于：步骤3中的op₁运算和op₂运算须组合使用，且取两种组合中的一种：op₁＝min且op₂＝max，或者op₁＝mean且op₂＝mean；其中，min表示取最小值，max表示取最大值，mean取集合中的所有元素的平均值。