CN111783638B - 一种检测车辆轮轴数及车型识别的系统、方法 - Google Patents

一种检测车辆轮轴数及车型识别的系统、方法 Download PDF

Info

Publication number
CN111783638B
CN111783638B CN202010612985.9A CN202010612985A CN111783638B CN 111783638 B CN111783638 B CN 111783638B CN 202010612985 A CN202010612985 A CN 202010612985A CN 111783638 B CN111783638 B CN 111783638B
Authority
CN
China
Prior art keywords
vehicle
data
depth map
axle
frequency
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.)
Active
Application number
CN202010612985.9A
Other languages
English (en)
Other versions
CN111783638A (zh
Inventor
张庞
房勇
亓霄
张国华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Dinggao Information Technology Co ltd
Original Assignee
Shandong Dinggao Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Dinggao Information Technology Co ltd filed Critical Shandong Dinggao Information Technology Co ltd
Priority to CN202010612985.9A priority Critical patent/CN111783638B/zh
Publication of CN111783638A publication Critical patent/CN111783638A/zh
Application granted granted Critical
Publication of CN111783638B publication Critical patent/CN111783638B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63—Scene text, e.g. street names
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
    • G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种检测车辆轮轴数及车型识别的系统、方法，该系统包括测距传感装置、高频并行信号采集设备、计算处理设备；测距传感装置，用于扫描行驶过程中的车辆侧面采集分别用于车轮深度图和车身深度图的数据序列；高频并行信号采集设备，用于获取测距传感装置的数据序列生成高频连续数据主动上传到计算处理设备；计算处理设备，用于将接收的高频连续数据进行预处理，实时形成有效的连续识别车辆深度图，并根据车辆深度图，实现车辆识别检测；还用于根据识别的结果同时接收车辆信息采集设备采集的车牌信息获得准确计费车型识别结果；对车辆车身进行高频扫描，可实现快速度下轮轴的准确识别，扫描精度高。提高车辆的精确分割、车轮轴数识别。

Description

一种检测车辆轮轴数及车型识别的系统、方法
技术领域
本发明涉及车型识别技术领域，具体涉及一种检测车辆轮轴数及车型识别的系统、方法。
背景技术
目前针对车辆的轮轴识别技术，主要为静态或低速(一般20km/h以下)状态下，采用的主要技术有压力接触式轮轴识别和雷达检测外形轮廓识别两种。在车辆在高速行驶状态，特别是在高速公路场景下应用有重大局限，主要体现在：压力接触式轮轴识别主要在低速(0-20km/h)状态下，需要破坏路面，无法有效实现车辆分隔，存在排队连续错误缺陷，且对货车悬浮轮轴无法实现的问题。外形轮廓检测技术，有双目图像抓拍、激光扫描等方式，外形轮廓检测技术以车辆整体外形检测为基础，普遍安装位置较高，对车辆下部的车轮检测精确检测精度非常有限，同时由于扫描频率较低(每秒30帧左右)仅能对车辆低速行驶(0-20km/h)识别，速度一旦提升识别率严重下降。
专利申请号：CN201710721344.5，名称：一种激光轮轴识别系统及其识别方法，采用发射的激光信号经车辆反射回来后,激光传感器接收反射信号,并将信号传输给数据处理单元；数据处理单元处理之后的信号传输至计算机终端处理器；预先把车型的相关特性参数对应的有关轮胎结构、车轴数量存储在计算机终端处理器的存储器中,计算机终端处理器根据信号完成车型相关特性参数计算,选出与被测车辆相关特性参数相对应的车型参数,完成车型识别,并显示出被测车辆的轮胎数量、车轴数量和车型。该发明仅依赖激光信号反射获取车辆外形信号，并需要车型相关特性参数计算，先识别车型，再推算轮胎数量、车轴数量，如果车型参数变化将严重影响识别效果。同时该发明未在车辆高速模式下如何实现及保证识别率提出方法，显然这在一定程度上该发明在车辆高速通过时以及实际恶劣环境下的精准识别难度非常大。
发明内容
针对上述现有技术中的问题，本发明提供一种检测车辆轮轴数及车型识别的系统、方法。
本发明的技术方案是：
一方面，本发明提供一种检测车辆轮轴数及车型识别的系统，包括测距传感装置、高频并行信号采集设备、计算处理设备、车辆信息采集设备、输出显示设备；
测距传感装置与高频并行信号采集设备通信连接；
高频并行信号采集设备和车辆信息采集设备分别与计算处理设备通信连接；
车辆信息采集设备，用于采集车辆的车牌信息；
测距传感装置，用于扫描行驶过程中的车辆侧面采集分别用于车轮深度图和车身深度图的数据序列；
高频并行信号采集设备，用于获取测距传感装置的数据序列生成高频连续数据主动上传到计算处理设备；
计算处理设备，用于将接收的高频连续数据进行预处理，实时形成有效的连续识别车辆深度图，并根据车辆深度图，实现车辆识别检测；还用于根据识别的结果同时接收车辆信息采集设备采集的车牌信息获得准确计费车型识别结果；
输出显示设备，用于将获得准确计费车型识别结果输出显示。
优选地，测距传感装置包括设置在道路侧面安装架以及安装在支架上的高频/超高频测距传感器点阵组。采用高频/超高频测距传感器点阵，在车辆行驶过程中，对车辆车身进行高频扫描，可实现0-150km/h速度下轮轴的准确识别，原始扫描精度高，达到厘米级。
优选地，测距传感器点阵至少设置两组，一组设置在支架上距离路面第一高度值的位置，用于对轮胎部分进行扫描；
一组设置在支架上距离路面第二高度值的位置，用于对车身部分进行扫描，其中，第一高度值小于第二高度值。采集数据序列分别用于车轮深度图和车身深度图。
优选地，计算处理设备包括预处理模块、分析处理模块、计算模块；
预处理模块，用于将接收的高频连续数据进行多路信号精确时序化、降噪、去干扰处理，实时形成有效的连续识别车辆深度图；
分析处理模块，用于根据车辆深度图，实现车辆分割、车辆车轴检测检测；车辆车轴检测检测通过车轮点阵深度图判断；深度图有由颜色浅至颜色深的变化时，即传感器前有车辆使距离结果变小，符合车辆分割规则即判定为有车。
计算模块，用于根据车辆深度图时间变化和采集频率、采集原始数据，计算车长、车速；
分析处理模块，还用于根据车辆检测、车轴数、车长同时接受车辆信息采集设备采集的车牌信息形成完整的轮轴数、车长、车速结果，并通过设定车型定义参数获得准确计费车型识别结果。
优选地，车长＝车轴直径/车轴所占整车车长比例；车轴所占整车车长比例与车辆模型有关，先基于采集数据判定车辆模型，车辆模型与车轴占比有对应关系；
车速＝车轴直径/车轴经过时间。
另一方面，本发明技术方案还提供一种检测车辆轮轴数及车型识别的方法，包括如下步骤：
扫描行驶过程中的车辆侧面采集分别用于车轮深度图和车身深度图的数据序列；
获取数据序列生成高频连续数据并将生成数据主动上传；
将接收的高频连续数据进行预处理，实时形成有效的连续识别车辆深度图，并根据车辆深度图，实现车辆识别检测；还用于根据识别的结果同时接收车辆信息采集设备采集的车牌信息获得准确计费车型识别结果；
将获得准确计费车型识别结果输出显示。
优选地，所述的将接收的高频连续数据进行预处理，实时形成有效的连续识别车辆深度图，并根据车辆深度图，实现车辆识别检测；还用于根据识别的结果同时接收车辆信息采集设备采集的车牌信息获得准确计费车型识别结果的步骤包括：
接收的高频连续数据按时序形成原始深度数据组；
将高频连续数据进行降噪、去干扰处理，实时形成有效的连续识别车辆深度图；
根据车辆深度图，实现车辆分割、车辆车轴检测；
根据车辆深度图时间变化和采集频率、采集原始数据，计算车长、车速；
接受车辆信息采集设备采集的车牌信息并按照时序、队列逻辑判断进行匹配形成完整的轮轴数、车长、车速结果，并通过设定车型定义参数获得准确计费车型识别结果；
优选地，根据车辆深度图，实现车辆分割、车辆车轴检测的步骤中，车辆分割判定方法包括：
设定距离有效阈值m，采集的数据中存在一组数据小于m，即，将该组数据判定为有效；
设定进入分割数据组数x，对每一组数据进行判定，当连续获取有效数据组数量>x时，判定进入车辆记录阶段；
判定进入车辆记录阶段后，将上一步中进入分割数据组数先存入记录数据组，并将持续收集到的后续数据进行存储，记录的数量记为y，数据存入分割数据缓存区；
设定结束分割数据组数记为z，对每一组数据进行判定，当连续获取有效数据组数量>z时，判定退出记录阶段，同时将判定结束的y组数据从记录中删除。
优选地，根据车辆深度图，实现车辆分割、车辆车轴检测的步骤中，车辆车轴检测检测的步骤包括：
设定从下到上各组数据有效值权重；
设定车轴有效值权重阈值；
开始遍历当前车辆记录数组，按权重设置获取各组数据的有效值，有效权重>设定阈值，则记为车轴有效数据；
检测到有效数据后,开始判断后续数据,记录后续所有小于距离阈值的点的数量，连续出现多组有效数据,进行切割,认为记录此组数据为1个轮子；
判断数据有效性，直至出现连续多组无效数据，开始重新计数；
判断数据集，直至数据集结束；
输出识别车轴数。
优选地，车长＝车轴直径/车轴所占整车车长比例；
车速＝车轴直径/车轴经过时间。
从以上技术方案可以看出，本发明具有以下优点：本发明采用高频超高频测距传感器点阵，在车辆行驶过程中，对车辆车身进行高频扫描，可实现0-150km/h速度下轮轴的准确识别，原始扫描精度高。结合高速海量数据并行信号采集、图像处理等技术，大大提高车辆的精确分割、车轮轴数识别。由高运算量的计算单元实现高频、实时、连续、多点的信号采集，并基于并行时序算法，得出车辆测距深度图。通过传感器个数作为X轴，检测时间作为Y轴，传感器测量距离为颜色深度，通过对应开发平台下通用的图片生成方法，生成车辆测距深度图。
此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。
由此可见，本发明与现有技术相比，具有突出的实质性特点和显著地进步，其实施的有益效果也是显而易见的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例的系统的示意性框图。
图2是本发明一个实施例的方法的示意性流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
如图1所示，本发明实施例提供一种检测车辆轮轴数及车型识别的系统，包括测距传感装置、高频并行信号采集设备、计算处理设备和车辆信息采集设备、输出显示设备；
测距传感装置与高频并行信号采集设备通信连接；
高频并行信号采集设备和车辆信息采集设备分别与计算处理设备通信连接；
车辆信息采集设备，用于采集车辆的车牌信息；
测距传感装置，用于扫描行驶过程中的车辆侧面采集分别用于车轮深度图和车身深度图的数据序列；
高频并行信号采集设备，用于获取测距传感装置的数据序列生成高频连续数据主动上传到计算处理设备；
计算处理设备，用于将接收的高频连续数据进行预处理，实时形成有效的连续识别车辆深度图，并根据车辆深度图，实现车辆识别检测；还用于根据识别的结果同时接收车辆信息采集设备采集的车牌信息获得准确计费车型识别结果；
输出显示设备，用于将获得准确计费车型识别结果输出显示。
在有些实施例中，测距传感装置包括设置在道路侧面安装架以及安装在支架上的高频/超高频测距传感器点阵组。
进一步需要说明的是，测距传感器点阵至少设置两组，一组设置在支架上距离路面第一高度值的位置，用于对轮胎部分进行扫描；
一组设置在支架上距离路面第二高度值的位置，用于对车身部分进行扫描，其中，第一高度值小于第二高度值。采集数据序列分别用于车轮深度图和车身深度图。第一高度值为距离路面8CM高度，第二高度值为距离路面50CM-70CM，高度可进行人工调节，即手动放置测距传感器点阵分组的位置。
在有些实施例中，计算处理设备包括预处理模块、分析处理模块、计算模块；
预处理模块，用于将接收的高频连续数据进行多路信号精确时序化、降噪、去干扰处理，实时形成有效的连续识别车辆深度图；
分析处理模块，用于根据车辆深度图，实现车辆分割、车辆车轴检测检测；车辆车轴检测检测通过车轮点阵深度图判断；深度图有由颜色浅至颜色深的变化时，即传感器前有车辆使距离结果变小，符合车辆分割规则即判定为有车。
计算模块，用于根据车辆深度图时间变化和采集频率、采集原始数据，计算车长、车速；
分析处理模块，还用于根据车辆检测、车轴数、车长同时接受车辆信息采集设备采集的车牌信息形成完整的轮轴数、车长、车速结果，并通过设定车型定义参数获得准确计费车型识别结果。
车长＝车轴直径/车轴所占整车车长比例；车轴所占整车车长比例与车辆模型有关，先基于采集数据判定车辆模型，车辆模型与车轴占比有对应关系；
车速＝车轴直径/车轴经过时间。
通过高速并行信号采集设备在这里，可以采用北醒TF mini激光测距仪采集高频连续数据，采用传感器信号主动上传，采集设备缓存所有数据并由计算处理设备接收，由计算处理设备进行预处理，包括多路信号精确时序化、降噪、去干扰等处理，实时形成有效的连续识别车辆深度图；
计算处理设备根据车辆深度图，实现车辆检测(深度图有由颜色浅至颜色深的变化时，即传感器前有车辆使距离结果变小，符合车辆分割规则即判定为有车)，车辆分割(两车之间出现不小于参数时间的空白图，即出现了没有测量到车辆的情况)，车辆车轴检测(车轮点阵深度图判断)；
计算处理设备根据深度图时间变化和采集频率、采集原始数据，计算单元以轮胎大致直径长度为参照，可进一步计算车长、车速。车长＝车轴直径/车轴所占整车车长比例(与车辆模型有关，先基于采集数据判定车辆模型，车辆模型与车轴占比有对应关系)，车速＝车轴直径/车轴经过时间。
计算处理设备根据识别的结果(车辆检测、车轴数、车长)，同时接受外部车辆信息采集设备如车牌识别系统、天线OBU识别系统采集的车牌信息、OBU信息等，根据需要形成完整的车辆检测、轮轴数、车长、车速结果，并通过设定车型定义参数(如高速公路车型定义，以轮轴数和车长为基础参数)，获得准确计费车型识别结果。
最终检测结果按照应用需要，通过网络(有线或无线)发送到外部上层应用系统，如ETC车道软件系统、门架系统或收费稽查、稽核系统等。
如图2所示，本发明实施例还提供一种检测车辆轮轴数及车型识别的方法，包括如下步骤：
S1：扫描行驶过程中的车辆侧面采集分别用于车轮深度图和车身深度图的数据序列；
S2：获取数据序列生成高频连续数据并将生成数据主动上传；
S3：将接收的高频连续数据进行预处理，实时形成有效的连续识别车辆深度图，并根据车辆深度图，实现车辆识别检测；根据识别的结果同时接收车辆信息采集设备采集的车牌信息获得准确计费车型识别结果；
S4：将获得准确计费车型识别结果输出显示。
需要说明的是，在有些实施例中，所述的将接收的高频连续数据进行预处理，实时形成有效的连续识别车辆深度图，并根据车辆深度图，实现车辆识别检测；还用于根据识别的结果同时接收车辆信息采集设备采集的车牌信息获得准确计费车型识别结果的步骤包括：
S31：接收的高频连续数据按时序形成原始深度数据组；数据采集采用上述8个侧面高频/超高频(500hz及以上)测距传感器，串口RS-232协议进行信息的采集，基础波特率为115200bps。8个测距传感器独立采集，采集后数据存入数据缓存区，程序每隔一个极短的单位时间获取一次由8个最新的数据组成的一组数据集。
S32：将高频连续数据进行降噪、去干扰处理，实时形成有效的连续识别车辆深度图；
S33：根据车辆深度图，实现车辆分割、车辆车轴检测；
S34：根据车辆深度图时间变化和采集频率、采集原始数据，计算车长、车速；优选地，车长＝车轴直径/车轴所占整车车长比例；
车速＝车轴直径/车轴经过时间。
S35：接受车辆信息采集设备采集的车牌信息并按照时序、队列逻辑判断进行匹配形成完整的轮轴数、车长、车速结果，并通过设定车型定义参数获得准确计费车型识别结果。
步骤S4中，将获得准确计费车型识别结果进行输出显示。识别结果还按照应用需要，通过网络(有线或无线)发送到外部上层应用系统，如ETC车道软件系统、门架系统或收费稽查、稽核系统等。
步骤S34中，车辆分割判定方法包括：
设定距离有效阈值m，采集的数据中存在一组数据小于m，即，将该组数据判定为有效，比如设置为2.5M；
设定进入分割数据组数x，比如设置为10，对每一组数据进行判定，当连续获取有效数据组数量>x时，判定进入车辆记录阶段；
判定进入车辆记录阶段后，将上一步中进入分割数据组数先存入记录数据组，并将持续收集到的后续数据进行存储，记录的数量记为y，数据存入分割数据缓存区；
设定结束分割数据组数记为z，比如设置为30，对每一组数据进行判定，当连续获取有效数据组数量>z时，判定退出记录阶段，同时将判定结束的y组数据从记录中删除。
例如：一辆二轴轿车经过传感器(500Hz)点阵前，车长2.5M，距离传感器1M，车速36km/h。
1.车辆符合距离有效阈值，即小于2.5M。
2.车辆驶入检测区域，车辆收集到10组有效数据，进入记录阶段。
3.车辆持续记录到125组记录，车辆完全经过传感器识别区域。
4.车辆经过后30组记录为无效，判定退出此次记录。
5.分割后的数据进入车轴计算阶段。
步骤S34中，车辆车轴检测检测的步骤包括：
设定从下到上各组数据有效值权重；
设定车轴有效值权重阈值；
开始遍历当前车辆记录数组，按权重设置获取各组数据的有效值，有效权重>5，则记为车轴有效数据；
检测到有效数据后,开始判断后续数据,记录后续所有小于距离阈值的点的数量，连续出现多组有效数据,进行切割,认为记录此组数据为1个轮子；
判断数据有效性，直至出现连续多组无效数据，开始重新计数；
判断数据集，直至数据集结束；
输出识别车轴数。
例如：一辆二轴轿车经过传感器(500Hz)点阵前，车长2.5M，距离传感器1M，车速36km/h。
1.获取分割得到的有效125组记录。
2.分别计算每一组记录的有效值，是否符合有效阈值。
3.有效值连续出现五组，即判断为一个轮子，轮轴计数加1。
4.此轿车一共出现两次轮轴计数，即为两轴车。
步骤S36中，将结果输出显示三种结果信息：车轴数，车轮点阵深度图，原始数据记录文件。
①车轴数，为大于零的数字。
②车轮点阵深度图，为车辆分割之后，根据传感器测距结果，在二维平面上的展示。
③原始数据记录文件，为上述进行车辆轴数判定之前的原始记录数据，保存为文件形式进行输出，进行证据留存和校对使用。
计算处理装置实现高频、实时、连续、多点的信号采集，并基于并行时序算法，得出车辆测距深度图。通过传感器个数作为X轴，检测时间作为Y轴，传感器测量距离为颜色深度，通过对应开发平台下通用的图片生成方法，生成车辆测距深度图。
采用高精度测距传感器点阵，可以在各种户外环境，包括夜晚、各种天气状态下长时间稳定运行，识别设备支持较宽路面(1-20m)上高速运动车辆的有效识别。可以用于高速行驶过程中的车辆轮轴精确识别，采用非接触的方式,安装维护不需要破开路面，非常适合于高速公路入出口车道、高速公路门架以及高速公路收费稽核等高速公路ETC应用场景下，同时可以广泛应用在港口、物流园区需要不停车车轴识别的各种领域。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述，但本发明并不限于此。在不脱离本发明的精神和实质的前提下，本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换，而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种检测车辆轮轴数及车型识别的系统，其特征在于，包括测距传感装置、高频并行信号采集设备、计算处理设备、车辆信息采集设备、输出显示设备；
测距传感装置与高频并行信号采集设备通信连接；
高频并行信号采集设备和车辆信息采集设备分别与计算处理设备通信连接；
车辆信息采集设备，用于采集车辆的车牌信息；
测距传感装置，用于扫描行驶过程中的车辆侧面采集分别用于车轮深度图和车身深度图的数据序列；
高频并行信号采集设备，用于获取测距传感装置的数据序列生成高频连续数据主动上传到计算处理设备；
计算处理设备，用于将接收的高频连续数据进行预处理，实时形成有效的连续识别车辆深度图，并根据车辆深度图，实现车辆识别检测；还用于根据识别的结果同时接收车辆信息采集设备采集的车牌信息获得准确计费车型识别结果；
输出显示设备，用于将获得准确计费车型识别结果输出显示；
计算处理设备包括预处理模块、分析处理模块、计算模块；
预处理模块，用于将接收的高频连续数据进行多路信号精确时序化、降噪、去干扰处理，实时形成有效的连续识别车辆深度图；
分析处理模块，用于根据车辆深度图，实现车辆分割、车辆车轴检测检测；
计算模块，用于根据车辆深度图时间变化和采集频率、采集原始数据，计算车长、车速；
分析处理模块，还用于根据车辆检测、车轴数、车长同时接受车辆信息采集设备采集的车牌信息形成完整的轮轴数、车长、车速结果，并通过设定车型定义参数获得准确计费车型识别结果。
2.根据权利要求1所述的一种检测车辆轮轴数及车型识别的系统，其特征在于，测距传感装置包括设置在道路侧面支架以及安装在支架上的高频/超高频测距传感器点阵组。
3.根据权利要求2所述的一种检测车辆轮轴数及车型识别的系统，其特征在于，测距传感器点阵至少设置两组，一组设置在支架上距离路面第一高度值的位置，用于对轮胎部分进行扫描；
一组设置在支架上距离路面第二高度值的位置，用于对车身部分进行扫描，其中，第一高度值小于第二高度值。
4.根据权利要求1所述的一种检测车辆轮轴数及车型识别的系统，其特征在于，车长＝车轴直径/车轴所占整车车长比例；
车速＝车轴直径/车轴经过时间。
5.一种检测车辆轮轴数及车型识别的方法，其特征在于，包括如下步骤：
扫描行驶过程中的车辆侧面采集分别用于车轮深度图和车身深度图的数据序列；
获取数据序列生成高频连续数据并将生成数据主动上传；
将接收的高频连续数据进行预处理，实时形成有效的连续识别车辆深度图，并根据车辆深度图，实现车辆识别检测；还用于根据识别的结果同时接收车辆信息采集设备采集的车牌信息获得准确计费车型识别结果；
将获得准确计费车型识别结果输出显示；
所述的将接收的高频连续数据进行预处理，实时形成有效的连续识别车辆深度图，并根据车辆深度图，实现车辆识别检测；还用于根据识别的结果同时接收车辆信息采集设备采集的车牌信息获得准确计费车型识别结果的步骤包括：
接收的高频连续数据按时序形成原始深度数据组；
将高频连续数据进行降噪、去干扰处理，实时形成有效的连续识别车辆深度图；
根据车辆深度图，实现车辆分割、车辆车轴检测；
根据车辆深度图时间变化和采集频率、采集原始数据，计算车长、车速；
接受车辆信息采集设备采集的车牌信息并按照时序、队列逻辑判断进行匹配形成完整的轮轴数、车长、车速结果，并通过设定车型定义参数获得准确计费车型识别结果。
6.根据权利要求5所述的一种检测车辆轮轴数及车型识别的方法，其特征在于，根据车辆深度图，实现车辆分割、车辆车轴检测的步骤中，车辆分割判定方法包括：
设定距离有效阈值m，采集的数据中存在一组数据小于m，即，将该组数据判定为有效；
设定进入分割数据组数x，对每一组数据进行判定，当连续获取有效数据组数量>x时，判定进入车辆记录阶段；
判定进入车辆记录阶段后，将上一步中进入分割数据组数先存入记录数据组，并将持续收集到的后续数据进行存储，记录的数量记为y，数据存入分割数据缓存区；
设定结束分割数据组数记为z，对每一组数据进行判定，当连续获取有效数据组数量>z时，判定退出记录阶段，同时将判定结束的y组数据从记录中删除。
7.根据权利要求5所述的一种检测车辆轮轴数及车型识别的方法，其特征在于，根据车辆深度图，实现车辆分割、车辆车轴检测的步骤中，车辆车轴检测检测的步骤包括：
设定从下到上各组数据有效值权重；
设定车轴有效值权重阈值；
开始遍历当前车辆记录数组，按权重设置获取各组数据的有效值，有效权重>设定阈值，则记为车轴有效数据；
检测到有效数据后,开始判断后续数据,记录后续所有小于距离阈值的点的数量，连续出现多组有效数据,进行切割,认为记录此组数据为1个轮子；
判断数据有效性，直至出现连续多组无效数据，开始重新计数；
判断数据集，直至数据集结束；
输出识别车轴数。
8.根据权利要求5所述的一种检测车辆轮轴数及车型识别的方法，其特征在于，车长＝车轴直径/车轴所占整车车长比例；
车速＝车轴直径/车轴经过时间。
CN202010612985.9A 2020-06-30 2020-06-30 一种检测车辆轮轴数及车型识别的系统、方法 Active CN111783638B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010612985.9A CN111783638B (zh) 2020-06-30 2020-06-30 一种检测车辆轮轴数及车型识别的系统、方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010612985.9A CN111783638B (zh) 2020-06-30 2020-06-30 一种检测车辆轮轴数及车型识别的系统、方法

Publications (2)

Publication Number Publication Date
CN111783638A CN111783638A (zh) 2020-10-16
CN111783638B true CN111783638B (zh) 2023-09-01

Family

ID=72761424

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010612985.9A Active CN111783638B (zh) 2020-06-30 2020-06-30 一种检测车辆轮轴数及车型识别的系统、方法

Country Status (1)

Country Link
CN (1) CN111783638B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112307965B (zh) * 2020-10-30 2021-05-25 哈尔滨市科佳通用机电股份有限公司 一种滚动轴承施封锁丢失和折断故障检测方法
CN112697248B (zh) * 2020-12-30 2023-04-14 北京万集科技股份有限公司 一种动态车辆超限判定方法及判定系统
CN113392695B (zh) * 2021-04-02 2023-04-25 太原理工大学 一种公路货车及其轮轴识别方法
CN112883943B (zh) * 2021-04-28 2022-08-12 北京云星宇交通科技股份有限公司 一种轴型识别方法及系统
CN114046864B (zh) * 2021-10-29 2024-05-14 北京万集科技股份有限公司 车辆轴数确定方法及装置
CN114526814A (zh) * 2022-02-18 2022-05-24 湖南中登科技有限公司 一种车速、车轴、车型信息识别系统及方法
CN114937263B (zh) * 2022-05-05 2023-02-10 北京容联易通信息技术有限公司 一种基于视频智能分析的车辆轴数计数方法及系统
CN116740662B (zh) * 2023-08-15 2023-11-21 贵州中南锦天科技有限责任公司 一种基于激光雷达的车轴识别方法及系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03260897A (ja) * 1990-03-12 1991-11-20 Mitsubishi Heavy Ind Ltd 車種判別装置
JP2001052289A (ja) * 1999-08-09 2001-02-23 Hitachi Zosen Corp 車種判別装置および車種判別方法
CN102622890A (zh) * 2012-04-16 2012-08-01 公安部第三研究所 基于激光测距的道路车辆信息采集节点装置
CN102708694A (zh) * 2012-06-19 2012-10-03 公安部第三研究所 基于高速脉冲激光扫描的车型自动识别系统及方法
CN103279996A (zh) * 2013-05-06 2013-09-04 华南理工大学 一种多车道情况下的车辆信息检测与识别系统
CN104361752A (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方法
CN104866858A (zh) * 2015-05-27 2015-08-26 北京信路威科技股份有限公司 一种车型特征分析方法
CN204632107U (zh) * 2015-05-21 2015-09-09 武汉万集信息技术有限公司 一种基于扫描式激光测距仪的组合型车型识别系统
JP2016164756A (ja) * 2015-03-06 2016-09-08 三菱重工メカトロシステムズ株式会社 車種判別装置、車種判別方法及びプログラム
EP3193276A1 (de) * 2016-01-18 2017-07-19 Sick Ag Erfassungsvorrichtung und verfahren zum erkennen von fahrzeugachsen
CN108765964A (zh) * 2018-05-31 2018-11-06 运城学院 一种汽车车型视频识别装置及方法
CN109840474A (zh) * 2018-12-28 2019-06-04 广州粤建三和软件股份有限公司 一种车辆出入规范识别方法、系统及存储介质
CN110232324A (zh) * 2019-05-16 2019-09-13 苏州思卡信息系统有限公司 一种高速公路收费车型的自动识别系统及方法
CN111292432A (zh) * 2020-01-14 2020-06-16 北京巨视科技有限公司 基于车型识别和轮轴检测的车辆收费类型判别方法与装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100459475B1 (ko) * 2002-04-04 2004-12-03 엘지산전 주식회사 차종 판단 시스템 및 그 방법
JP7103759B2 (ja) * 2017-06-16 2022-07-20 株式会社デンソーウェーブ 車両認識装置、車両認識システム、車両認識プログラム

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03260897A (ja) * 1990-03-12 1991-11-20 Mitsubishi Heavy Ind Ltd 車種判別装置
JP2001052289A (ja) * 1999-08-09 2001-02-23 Hitachi Zosen Corp 車種判別装置および車種判別方法
CN102622890A (zh) * 2012-04-16 2012-08-01 公安部第三研究所 基于激光测距的道路车辆信息采集节点装置
CN102708694A (zh) * 2012-06-19 2012-10-03 公安部第三研究所 基于高速脉冲激光扫描的车型自动识别系统及方法
CN103279996A (zh) * 2013-05-06 2013-09-04 华南理工大学 一种多车道情况下的车辆信息检测与识别系统
CN104361752A (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方法
JP2016164756A (ja) * 2015-03-06 2016-09-08 三菱重工メカトロシステムズ株式会社 車種判別装置、車種判別方法及びプログラム
CN204632107U (zh) * 2015-05-21 2015-09-09 武汉万集信息技术有限公司 一种基于扫描式激光测距仪的组合型车型识别系统
CN104866858A (zh) * 2015-05-27 2015-08-26 北京信路威科技股份有限公司 一种车型特征分析方法
EP3193276A1 (de) * 2016-01-18 2017-07-19 Sick Ag Erfassungsvorrichtung und verfahren zum erkennen von fahrzeugachsen
CN108765964A (zh) * 2018-05-31 2018-11-06 运城学院 一种汽车车型视频识别装置及方法
CN109840474A (zh) * 2018-12-28 2019-06-04 广州粤建三和软件股份有限公司 一种车辆出入规范识别方法、系统及存储介质
CN110232324A (zh) * 2019-05-16 2019-09-13 苏州思卡信息系统有限公司 一种高速公路收费车型的自动识别系统及方法
CN111292432A (zh) * 2020-01-14 2020-06-16 北京巨视科技有限公司 基于车型识别和轮轴检测的车辆收费类型判别方法与装置

Also Published As

Publication number Publication date
CN111783638A (zh) 2020-10-16

Similar Documents

Publication Publication Date Title
CN111783638B (zh) 一种检测车辆轮轴数及车型识别的系统、方法
CN111985494B (zh) 一种基于轻量化车载终端的道路病害检测及分类方法
CN102737247B (zh) 一种柴油车尾气烟度图像识别系统
CN112433203B (zh) 一种基于毫米波雷达数据的车道线形检测方法
CN103927870B (zh) 一种基于多个震动检测传感器的车辆检测装置
CN106978774B (zh) 一种路面坑槽自动检测方法
US11208101B2 (en) Device and method for measuring transverse distribution of wheel path
CN103714603B (zh) 基于红外测距传感器的公交车客流统计系统
CN111882882B (zh) 一种动态平板秤称重区域汽车跨车道行驶行为检测方法
CN109839175B (zh) 一种桥梁活载优化识别系统
CN107895482A (zh) 基于毫米波雷达与激光雷达的交通情况调查装置及方法
CN114003849B (zh) 一种多车道非接触式车轴数自动计算方法及系统
CN107941170A (zh) 道路检测装置及系统
CN114964445B (zh) 基于车辆识别的多模块动态称重方法
CN113689483A (zh) 一种基于单目摄像头和激光雷达的测距方法
CN112464889A (zh) 道路车辆姿态和运动信息检测方法
CN114814823A (zh) 基于毫米波雷达和相机融合的轨道车辆检测系统和方法
CN116818009A (zh) 一种货车超限检测系统及方法
CN114971166A (zh) 一种轻量化道路路面服务质量巡检系统
CN101470080A (zh) 基于结构光投射的表面形状图象检测系统
CN112781702B (zh) 一种对车辆称重的方法及系统
CN117309903B (zh) 一种隧道内缺陷定位方法及装置
CN211734979U (zh) 基于驾乘感受的模块化路面智能感知设备
CN116409325A (zh) 车辆底盘控制方法、装置、车辆及计算机存储介质
CN115272930A (zh) 一种基于探地雷达的路面状态评估方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant