CN112036413A - 车辆重量确定方法、装置、设备及计算机可读存储介质 - Google Patents
车辆重量确定方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112036413A CN112036413A CN202010922041.1A CN202010922041A CN112036413A CN 112036413 A CN112036413 A CN 112036413A CN 202010922041 A CN202010922041 A CN 202010922041A CN 112036413 A CN112036413 A CN 112036413A
- Authority
- CN
- China
- Prior art keywords
- tire
- image
- vehicle
- acquiring
- segmented
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims abstract description 22
- 238000003709 image segmentation Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000005303 weighing Methods 0.000 description 10
- 206010033307 Overweight Diseases 0.000 description 9
- 235000020825 overweight Nutrition 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 230000010339 dilation Effects 0.000 description 3
- 230000003628 erosive effect Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000004260 weight control Methods 0.000 description 1
Images
Classifications
-
- 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
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/08—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for incorporation in vehicles
- G01G19/086—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for incorporation in vehicles wherein the vehicle mass is dynamically estimated
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Tires In General (AREA)
Abstract
本申请公开了一种车辆重量确定方法、装置、设备及计算机可读存储介质，方法包括：获取车辆的轮胎图像，对轮胎图像进行预处理；对预处理后的轮胎图像进行图像分割，根据分割后的轮胎图像获取轮胎的垂向挠度及径向刚度；根据轮胎的垂向挠度和径向刚度计算轮胎的荷载；根据车辆中各轮胎的荷载得到车辆的重量。本申请公开的上述技术方案，获取轮胎图像，从轮胎图像中获取垂向挠度和径向刚度，并根据垂向挠度和径向刚度计算轮胎的荷载，且根据车辆中各轮胎的荷载得到车辆的重量，以实现自动且无接触地确定车辆的重量，从而避免造成车辆堵塞，并通过获取所有车辆的轮胎图像而实现对所有车辆重量的确定，且提高车辆重量确定的便利性、稳定性和准确性。
Description
技术领域
本申请涉及车辆称重技术领域，更具体地说，涉及一种车辆重量确定方法、装置、设备及计算机可读存储介质。
背景技术
近年来，随着基础设施建设、工业生产、商业物流贸易的快速增长，交通运输业的竞争越发激烈，交通运输工具的超限超额呈现出不可控的增加状态，这将极易导致公路、桥梁发生破坏，而事故发生不仅会造成公共财产遭受重大损失，而且会严重危害人民群众的生命安全。
为了防止车辆超重超限情况的发生，目前，一种做法是交通部门采用便携式称重仪来随机抽查或在高速收费站设置地磅进行车重的检测，但是，这种做法容易出现漏检且容易造成车辆堵塞，另一种做法是采用接触式传感器、应变片等方法进行实现，具体地，在桥梁底部放置称重传感器采集桥梁响应，并识别出车辆的轴重等信息，或者将传感器设置在轮胎上，在车辆行驶期间检测出车辆的动态竖向荷载，但设置在桥梁底部的称重传感器的服役年限、测量精度和测量稳定性都有很大局限性。此外设置在轮胎上的传感器会受到轮胎-路面的相互振动、轮胎的摩擦生热等不利影响而难以高效准确的对车辆重量进行检测。
综上所述，如何自动且无接触地确定车辆重量，是目前本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此，本申请的目的是提供一种车辆重量确定方法、装置、设备及计算机可读存储介质，用于自动且无接触地确定车辆重量。
为了实现上述目的，本申请提供如下技术方案：
一种车辆重量确定方法，包括：
获取车辆的轮胎图像，对所述轮胎图像进行预处理；
对预处理后的轮胎图像进行图像分割，根据分割后的轮胎图像获取轮胎的垂向挠度及径向刚度；
根据所述轮胎的垂向挠度和径向刚度计算所述轮胎的荷载；
根据所述车辆中各所述轮胎的荷载得到所述车辆的重量。
优选的，根据分割后的轮胎图像获取轮胎的垂向挠度，包括：
从所述分割后的轮胎图像中获取轮毂直径上包含的像素点个数及所述轮胎的侧壁标识，并从所述轮胎的侧壁标识中获取轮毂直径及轮胎外径；
根据所述轮毂直径及所述轮毂直径上包含的像素点个数，计算所述分割后的轮胎图像的比例因子；
根据所述轮胎外径及所述比例因子计算所述轮胎外径上包含的像素点个数；
在所述分割后的轮胎图像中确定轮毂的中心，以所述轮毂的中心为圆心，并以与所述轮胎外径上包含的像素点个数对应个数的像素点为直径，确定第一标记圆；
获取所述第一标记圆最低点与所述分割后的轮胎图像中轮胎最低点间的第一像素数，并根据所述第一像素数及所述比例因子得到所述轮胎的垂向挠度。
优选的，根据分割后的轮胎图像获取轮胎的垂向挠度，包括：
从所述分割后的轮胎图像中获取轮毂直径上包含的像素点个数及所述轮胎的侧壁标识，并从所述轮胎的侧壁标识中获取轮毂直径；
根据所述轮毂直径及所述轮毂直径上包含的像素点个数计算所述分割后的轮胎图像的比例因子；
在所述分割后的轮胎图像中确定轮毂的中心及轮胎上半圆图像；
以所述轮毂的中心为对称中心，对所述轮胎上半圆图像进行对称处理，得到第二标记圆；
获取所述第二标记圆最低点与所述分割后的轮胎图像中轮胎最低点间的第二像素数，并根据所述第二像素数及所述比例因子得到所述轮胎的垂向挠度。
优选的，根据分割后的轮胎图像获取轮胎的垂向挠度，包括：
从所述分割后的轮胎图像中获取轮毂直径上包含的像素点个数及所述轮胎的侧壁标识，并从所述轮胎的侧壁标识中获取轮毂直径及轮胎外径；
根据所述轮毂直径及所述轮毂直径上包含的像素点个数，计算所述分割后的轮胎图像的比例因子；
根据所述轮胎外径及所述比例因子计算所述轮胎外径上包含的像素点个数；
在所述分割后的轮胎图像中确定轮毂的中心及轮胎上半圆图像，以所述轮毂的中心为圆心，并以与所述轮胎外径上包含的像素点个数对应个数的像素点为直径，确定第一标记圆；
以所述轮毂的中心为对称中心，对所述轮胎上半圆图像进行对称处理，以得到第二标记圆；
获取所述第一标记圆和所述第二标记圆的平均标记圆，并获取所述平均标记圆最低点与所述分割后的轮胎图像中轮胎最低点间的像素数，根据所述像素数及所述比例因子得到所述轮胎的垂向挠度。
优选的，根据分割后的轮胎图像获取轮胎的径向刚度，包括：
从所述分割后的轮胎图像中获取所述轮胎的侧壁标识，并从所述轮胎的侧壁标识中获取所述轮胎的参考胎压；
根据所述参考胎压及预设修正系数得到所述轮胎的实际胎压；
根据所述轮胎的实际胎压利用K＝αP+β，得到所述轮胎的径向刚度K；其中，P为轮胎的实际胎压，α和β为回归系数。
优选的，在根据所述车辆中各所述轮胎的荷载得到所述车辆的重量之后，还包括：
将所述车辆的重量发送至车辆库云端，并在所述车辆库云端中将所述车辆的重量与车辆重量限值进行比较；
若所述车辆的重量大于车辆重量限值，则向交通部门及所述车辆发送超重警告信息。
优选的，对所述轮胎图像进行预处理，包括：
对所述轮胎图像进行等比例缩放和滤波处理。
一种车辆重量确定装置，包括：
预处理模块，用于获取车辆的轮胎图像，对所述轮胎图像进行预处理；
获取模块，用于对预处理后的轮胎图像进行图像分割，根据分割后的轮胎图像获取轮胎的垂向挠度及径向刚度；
计算模块，用于根据所述轮胎的垂向挠度和径向刚度计算所述轮胎的荷载；
得到重量模块，用于根据所述车辆中各所述轮胎的荷载得到所述车辆的重量。
一种车辆重量确定设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述任一项所述的车辆重量确定方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的车辆重量确定方法的步骤。
本申请提供了一种车辆重量确定方法、装置、设备及计算机可读存储介质，其中，该方法包括：获取车辆的轮胎图像，对轮胎图像进行预处理；对预处理后的轮胎图像进行图像分割，根据分割后的轮胎图像获取轮胎的垂向挠度及径向刚度；根据轮胎的垂向挠度和径向刚度计算轮胎的荷载；根据车辆中各轮胎的荷载得到车辆的重量。
本申请公开的上述技术方案，对获取的车辆的轮胎图像进行预处理，并对预处理后的轮胎图像进行图像分割，根据分割后的轮胎图像获取轮胎的垂向挠度和径向刚度，并基于所获取到的垂向挠度和径向刚度计算轮胎的荷载，且根据车辆中各轮胎的荷载得到车辆的重量，以实现自动地确定车辆的重量，从而减少对车辆行驶过程的影响，以避免造成车辆堵塞，并可以通过获取所有车辆的轮胎图像而实现对所有车辆重量的确定，以避免出现漏检的情况，而且由于其仅需要借助轮胎图像来得到车辆的重量，因此，可以实现无接触地确定车辆的重量，从而提高车辆重量确定的便利性、稳定性和准确性。
附图说明
为了更清楚地说明本申请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，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种车辆重量确定方法的流程图；
图2为本申请实施例提供的对预处理后的轮胎图像进行分割得到的分割后的轮胎图像；
图3为图1所提供的一种车辆重量确定方法中S12的一种实际表示形式的流程图；
图4为本申请实施例提供的轮胎的侧壁标识的示意图；
图5为图1所提供的一种车辆重量确定方法中S12的另一种实际表示形式的流程图；
图6为图1所提供的一种车辆重量确定方法中S12的又一种实际表示形式的流程图；
图7为本申请实施例提供的获取轮胎的垂向挠度的示意图；
图8为本申请实施例提供的一种车辆重量确定装置的结构示意图；
图9为本申请实施例提供的一种车辆重量确定设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
参见图1，其示出了本申请实施例提供的一种车辆重量确定方法的流程图，本申请实施例提供的一种车辆重量确定方法，可以包括：
S11：获取车辆的轮胎图像，对轮胎图像进行预处理。
考虑到现有交通部门通过便携式称重仪来对车辆进行随机抽查称重或在高速收费站设置地磅进行车重检测的方法容易出现漏检且容易造成车辆堵塞，而通过传感器对车辆进行称重的方式会受传感器使用年限、震动等的影响而难以准确、稳定地实现称重，为此，本申请提供一种车辆重量确定方法，用于实现自动且无接触地对车辆进行称重，以提高车辆重量确定的便利性、稳定性和准确性，并避免发生漏检和出现交通堵塞。
具体地，可以利用交通摄像头对车辆的各轮胎进行自动拍摄，以获取车辆的轮胎图像，之后，可以对轮胎图像进行预处理，以提高轮胎图像的质量，从而便于提高车辆重量确定的准确性。
S12：对预处理后的轮胎图像进行图像分割，根据分割后的轮胎图像获取轮胎的垂向挠度及径向刚度。
在执行完步骤S11之后，可以对预处理后的轮胎图像进行图像分割，以将轮胎图像中的轮胎这一目标物与背景准确分离，从而得到分割后的轮胎图像(分割后的轮胎图像中仅包含轮胎这一目标物)。其中，本申请具体可以利用边缘分割技术、阈值分割技术、区域分割技术中的任一种来对预处理后的轮胎图像进行图像分割。
当然，也可以根据形态学图像处理算法来对预处理后的轮胎图像进行分割，其算法流程为图像二值化-膨胀算法-腐蚀算法-背景图像中的边界提取：1)首先进行背景颜色设定，这相当于给图像处理提供背景幕布，然后，可以使用MATLAB的工具箱函数im2bw使用阈值(threshold)变换法把轮胎图像转换成二值图像；2)使用膨胀算法将轮胎边界向外部扩张，与物体接触的所有背景点合并到该物体中，也即膨胀算法可以用来填补物体中的空洞，其中，结构元素B对图像A的膨胀可以记为
其中，把图像A沿矢量x平移一段距离记为Ax，
为结构元素B的映射，
代表把
沿矢量x平移一段距离；3)使用腐蚀算法将膨胀轮胎边缘的部分向内部收缩，从而消除边界点，也即腐蚀算法可以消除小且无意义的物体，其中，图像A被结构元素B的腐蚀可以记为
4)将腐蚀后的轮胎图像放入背景颜色设定中，完成轮胎边界的提取。
具体可以参见图2，其示出了本申请实施例提供的对预处理后的轮胎图像进行分割得到的分割后的轮胎图像。
在对预处理后的轮胎图像进行图像分割，以得到分割后的轮胎图像之后，可以根据分割后的轮胎图像获取轮胎的垂向挠度以及径向刚度。
S13：根据轮胎的垂向挠度和径向刚度计算轮胎的荷载。
在获取轮胎的垂向挠度及径向刚度之后，可以将获取到的轮胎的垂向挠度与获取到的轮胎的径向刚度相乘，以得到轮胎的荷载。
S14：根据车辆中各轮胎的荷载得到车辆的重量。
在计算出车辆中各轮胎的荷载之后，可以将各轮胎的荷载进行累加，以得到车辆的重量。
通过上述过程可知，本申请只需借助车辆的轮胎图像即可实现车辆重量的确定，而无需借助交通部门携带的便携式称重仪或设置在高速收费站的地磅或设置传感器来进行实现，也即本申请可以实现自动、无接触且动态地确定车辆的重量，从而减少对道路上所行驶车辆的行驶过程造成影响，以避免造成车辆堵塞，而且本申请可以通过获取所有车辆的轮胎图像来实现对所有车辆重量的确定，从而可以避免出现漏检的情况出现，另外，本申请可以通过无接触确定车辆重量而提高车辆重量确定的便利性、稳定性和准确性。
本申请公开的上述技术方案，对获取的车辆的轮胎图像进行预处理，并对预处理后的轮胎图像进行图像分割，根据分割后的轮胎图像获取轮胎的垂向挠度和径向刚度，并基于所获取到的垂向挠度和径向刚度计算轮胎的荷载，且根据车辆中各轮胎的荷载得到车辆的重量，以实现自动地确定车辆的重量，从而减少对车辆行驶过程的影响，以避免造成车辆堵塞，并可以通过获取所有车辆的轮胎图像而实现对所有车辆重量的确定，以避免出现漏检的情况，而且由于其仅需要借助轮胎图像来得到车辆的重量，因此，可以实现无接触地确定车辆的重量，从而提高车辆重量确定的便利性、稳定性和准确性。
参见图3，其为图1所提供的一种车辆重量确定方法中S12的一种实际表示形式的流程图，本申请实施例提供的一种车辆重量确定方法，根据分割后的轮胎图像获取轮胎的垂向挠度，可以包括：
S1201：从分割后的轮胎图像中获取轮毂直径上包含的像素点个数及轮胎的侧壁标识，并从轮胎的侧壁标识中获取轮毂直径及轮胎外径；
S1202：根据轮毂直径及轮毂直径上包含的像素点个数，计算分割后的轮胎图像的比例因子；
S1203：根据轮胎外径及比例因子计算轮胎外径上包含的像素点个数；
S1204：在分割后的轮胎图像中确定轮毂的中心，以轮毂的中心为圆心，并以与轮胎外径上包含的像素点个数对应个数的像素点为直径，确定第一标记圆；
S1205：获取第一标记圆最低点与分割后的轮胎图像中轮胎最低点间的第一像素数，并根据第一像素数及比例因子得到轮胎的垂向挠度。
在本申请中，具体可以通过如下方式来根据分割后的轮胎图像获取轮胎的垂向挠度：
01)从分割后的轮胎图像中获取轮胎的侧壁标识，并从分割后的轮胎图像中获取轮毂直径上所包含的像素点个数，且从所获取的轮胎侧壁标识中读取轮毂直径以及轮胎外径；具体可以参见图4，其示出了本申请实施例提供的轮胎的侧壁标识的示意图，其中，在图4中，内部的小圆形轮廓代表分割后的图像中轮毂对应的图像。
02)将轮毂直径与轮毂直径上包含的像素点个数的比值作为分割后的轮胎图像的比例因子，该比例因子即代表在分割后的轮胎图像中一个像素点所对应的长度；
03)将从轮胎侧壁标识中读取到的轮胎外径与所计算出的比例因子相除，以得到轮胎外径上包含的像素点个数，即得到轮胎在未加任何荷载的情况下其轮胎外径在分割后的轮胎图像中应具有的像素点个数；
04)在分割后的轮胎图像中确定轮毂的中心(具体可以先在分割后的轮胎图像中的轮毂图像的边缘确定三个点，然后利用这三个点确定轮毂的中心)，并以轮毂的中心为圆心，且以与所计算出的轮胎外径上包含的像素点个数对应个数的像素点为直径而确定第一标记圆，也即可以以轮毂的中心为圆心，以所计算出的轮胎外径上包含的像素点个数及比例因子的乘积为直径而确定第一标记圆，即确定轮胎在未施加任何荷载的情况下且在分割后的轮胎图像中所对应的形状；
05)获取所确定的第一标记圆最低点与分割后的轮胎图像中轮胎最低点间的第一像素数，并将第一像素数与所计算出的比例因子相乘，以得到轮胎的垂向挠度，即将轮胎在未施加任何荷载的情况与获取轮胎图像时所对应的荷载情况进行对比和计算，以得到轮胎的垂向挠度。
参见图5，其为图1所提供的一种车辆重量确定方法中S12的另一种实际表示形式的流程图，本申请实施例提供的一种车辆重量确定方法，根据分割后的轮胎图像获取轮胎的垂向挠度，可以包括：
S1211：从分割后的轮胎图像中获取轮毂直径上包含的像素点个数及轮胎的侧壁标识，并从轮胎的侧壁标识中获取轮毂直径；
S1212：根据轮毂直径及轮毂直径上包含的像素点个数计算分割后的轮胎图像的比例因子；
S1213：在分割后的轮胎图像中确定轮毂的中心及轮胎上半圆图像；
S1214：以轮毂的中心为对称中心，对轮胎上半圆图像进行对称处理，得到第二标记圆；
S1215：获取第二标记圆最低点与分割后的轮胎图像中轮胎最低点间的第二像素数，并根据第二像素数及比例因子得到轮胎的垂向挠度。
在车辆中，考虑到轮胎的轮毂为刚体，因此，在轮胎受力变形时可认为轮毂中心上半圆几乎不发生变化，轮毂中心下半部分会发生变形，因此，则可以根据轮毂来确定轮胎的垂向挠度，其具体实现步骤如下：
11)从分割后的轮胎图像中获取轮胎的侧壁标识，并从分割后的轮胎图像中获取轮毂直径上所包含的像素点个数，且从所获取的轮胎侧壁标识中读取轮毂直径；
12)将轮毂直径与轮毂直径上包含的像素点个数的比值作为分割后的轮胎图像的比例因子；其与上述提及的02)步骤相同；
13)在分割后的轮胎图像中确定轮毂的中心，并在分割后的轮胎图像中确定轮胎上半圆图像；
14)以轮毂的中心为对称中心，对轮胎上半圆图像进行对称处理，以得到由轮胎上半圆图像及对轮胎上半圆图像进行对称获取到的轮胎下半圆图像构成的第二标记圆，该第二标记圆可视为轮胎在无荷载的情况下及在分割后的轮胎图像中所对应的形状；
15)获取第二标记圆最低点与分割后的轮胎图像中轮胎最低点间的第二像素数，并将第二像素数与比例因子相乘，以得到轮胎的垂向挠度。
参见图6，其为图1所提供的一种车辆重量确定方法中S12的又一种实际表示形式的流程图，本申请实施例提供的一种车辆重量确定方法，根据分割后的轮胎图像获取轮胎的垂向挠度，可以包括：
S1221：从分割后的轮胎图像中获取轮毂直径上包含的像素点个数及轮胎的侧壁标识，并从轮胎的侧壁标识中获取轮毂直径及轮胎外径；
S1222：根据轮毂直径及轮毂直径上包含的像素点个数，计算分割后的轮胎图像的比例因子；
S1223：根据轮胎外径及比例因子计算轮胎外径上包含的像素点个数；
S1224：在分割后的轮胎图像中确定轮毂的中心及轮胎上半圆图像，以轮毂的中心为圆心，并以与轮胎外径上包含的像素点个数对应个数的像素点为直径，确定第一标记圆；
S1225：以轮毂的中心为对称中心，对轮胎上半圆图像进行对称处理，以得到第二标记圆；
S1226：获取第一标记圆和第二标记圆的平均标记圆，并获取平均标记圆最低点与分割后的轮胎图像中轮胎最低点间的像素数，根据像素数及比例因子得到轮胎的垂向挠度。
除了采用上述两种提及的方式获取轮胎的垂向挠度外，还可以对利用第一种方式获取到的第一标记圆和利用第二种方式获取到的标记圆求平均，以获取第一标记圆和第二标记圆的平均标记圆，并获取平均标记圆最低点与分割后的轮胎图像中轮胎最低点间的像素数，然后，将该像素数与比例因子相乘，以得到轮胎的垂向挠度，其中，与第一标记圆获取相关的步骤、与第二标记圆获取相关的步骤的具体过程可以参见上述两种方法中对应部分的描述，在此不再赘述。通过对第一标记圆和第二标记圆求平均的方式可以提高轮胎在无荷载的情况下及在分割后的轮胎图像中所对应的形状的获取精度和准确性，从而便于提高轮胎垂向挠度获取的准确性，进而便于提高车辆重量获取的准确性。
具体可以参见图7，其示出了本申请实施例提供的获取轮胎的垂向挠度的示意图，在图7中，分割后的轮胎图像中轮胎外侧的圆形结构即为标记圆，分割后的轮胎图像底部位于圆形结构内的横线即为分割后的轮胎图像中轮胎最低点对应的水平线，位于圆形结构底部的横线即为标记圆最低点对应的水平线，可以通过这两条水平线确定标记圆最低点与分割后的轮胎图像中轮胎最低点间的像素数，然后，在此基础上得到轮胎的垂向挠度。
本申请实施例提供的一种车辆重量确定方法，根据分割后的轮胎图像获取轮胎的径向刚度，可以包括：
从分割后的轮胎图像中获取轮胎的侧壁标识，并从轮胎的侧壁标识中获取轮胎的参考胎压；
根据参考胎压及预设修正系数得到轮胎的实际胎压；
根据轮胎的实际胎压利用K＝αP+β，得到轮胎的径向刚度K；其中，P为轮胎的实际胎压，α和β为回归系数。
在本申请中，具体可以通过如下方式来根据分割后的轮胎图像获取轮胎的径向刚度：
从分割后的轮胎图像中读取轮胎的侧壁标识，并从轮胎的侧壁标识中获取轮胎的参考胎压。然后，将参考胎压及预设修正系数相乘，以得到轮胎的实际胎压，其中，预设修正系数可以为工作人员预先通过实验采集得到的值，具体地，对于货车而言，其预设修正系数优选1.2，对于客车而言，其预设修正系数优选1.1，对于轿车而言，其预设修正系数优选1.0，当然，也可以根据实际情况而对预设修正系数的大小进行调整。在获取轮胎的实际胎压之后，可以利用K＝αP+β(该公式可以通过有限元模拟和试验获取)计算轮胎的径向刚度K(单位为kN/mm)，其中，P为轮胎的实际胎压(单位为MPa)，α和β为回归系数，α的取值范围在(0.8,1)区间内，β的取值范围在(0,1)区间内。
本申请实施例提供的一种车辆重量确定方法，在根据车辆中各轮胎的荷载得到车辆的重量之后，还可以包括：
将车辆的重量发送至车辆库云端，并在车辆库云端中将车辆的重量与车辆重量限值进行比较；
若车辆的重量大于车辆重量限值，则向交通部门及车辆发送超重警告信息。
在根据车辆中各轮胎的荷载得到车辆的重量之后，可以将车辆的重量发送至车辆库云端，其中，交通摄像头在获取车辆的轮胎图像的同时，可以获取车辆的图像，并通过车辆的图像获取车辆的类型和车辆的车牌号，此时，可以将车辆的类型和车辆的车牌号同时发送到车辆库云端，然后，可以在车辆库云端将车辆的重量与超限运输车辆行驶公路管理所规定且与该车辆对应的车辆重量限值(具体可以依据车辆的类型确定该车辆对应的车辆重量限值)进行比较，若在比较时确定车辆的重量大于对应的车辆重量限值，则可以向交通部门及车辆发送超重警告信息(具体可以依据车辆的车牌号来向车辆发送超重警告信息)，其中，该超重警告信息中可以包括车辆的重量、车辆的车牌号、车辆对应的车辆重量限值，以便于交通部门和车辆的司机可以及时获知该超重警告信息，当然，也可以对超重警告信息所包含的内容进行调整。
本申请实施例提供的一种车辆重量确定方法，对轮胎图像进行预处理，可以包括：
对轮胎图像进行等比例缩放和滤波处理。
在本申请中，考虑到利用交通摄像头拍摄到的轮胎图像为原始无损图像，其为高分辨率的轮胎图像，而这给图像的传输、存储和处理带来了诸多不便，因此，则可以对获取到的轮胎图像进行等比例缩放，以实现对轮胎图像的无损压缩，并便于提高图像的处理效率，其中，数字图像的等比例缩放是在给定的原始图像f0(x0,y0)上在x、y方向上按照等比例缩放N倍，从而获得一幅新的图像f1(x1,y1)，其中，
x1在此为轮胎图像中变换后任意像素的初始横坐标值，x0在此为利用交通摄像头拍摄到的轮胎图像中任意像素的初始横坐标值，y1在此为轮胎图像中变换后任意像素的初始纵坐标值，y0在此为利用交通摄像头拍摄到的轮胎图像中任意像素的初始纵坐标值。
另外，考虑到有噪声的轮胎图会产生轮胎边界不清、颜色差别小及纹理结构复杂等情况，因此，则可以采用小波去噪法来对轮胎图像进行滤波处理(当然，也可以采用其他方法实现滤波处理)，以有效地消减大多数轮胎图像中的敏感噪声，增强图像的对比度，从而获取清晰的轮胎图像，以便于提高图像的质量。
本申请实施例还提供了一种车辆重量确定装置，参见图8，其示出了本申请实施例提供的一种车辆重量确定装置的结构示意图，可以包括：
预处理模块81，用于获取车辆的轮胎图像，对轮胎图像进行预处理；
获取模块82，用于对预处理后的轮胎图像进行图像分割，根据分割后的轮胎图像获取轮胎的垂向挠度及径向刚度；
计算模块83，用于根据轮胎的垂向挠度和径向刚度计算轮胎的荷载；
得到重量模块84，用于根据车辆中各轮胎的荷载得到车辆的重量。
本申请实施例提供的一种车辆重量确定装置，获取模块82可以包括：
第一获取单元，用于从分割后的轮胎图像中获取轮毂直径上包含的像素点个数及轮胎的侧壁标识，并从轮胎的侧壁标识中获取轮毂直径及轮胎外径；
第一计算单元，用于根据轮毂直径及轮毂直径上包含的像素点个数，计算分割后的轮胎图像的比例因子；
第二计算单元，用于根据轮胎外径及比例因子计算轮胎外径上包含的像素点个数；
第一确定单元，用于在分割后的轮胎图像中确定轮毂的中心，以轮毂的中心为圆心，并以与轮胎外径上包含的像素点个数对应个数的像素点为直径，确定第一标记圆；
第二获取单元，用于获取第一标记圆最低点与分割后的轮胎图像中轮胎最低点间的第一像素数，并根据第一像素数及比例因子得到轮胎的垂向挠度。
本申请实施例提供的一种车辆重量确定装置，获取模块82可以包括：
第三获取单元，用于从分割后的轮胎图像中获取轮毂直径上包含的像素点个数及轮胎的侧壁标识，并从轮胎的侧壁标识中获取轮毂直径；
第三计算单元，用于根据轮毂直径及轮毂直径上包含的像素点个数计算分割后的轮胎图像的比例因子；
第二确定单元，用于在分割后的轮胎图像中确定轮毂的中心及轮胎上半圆图像；
第一对称处理单元，用于以轮毂的中心为对称中心，对轮胎上半圆图像进行对称处理，得到第二标记圆；
第四获取单元，用于获取第二标记圆最低点与分割后的轮胎图像中轮胎最低点间的第二像素数，并根据第二像素数及比例因子得到轮胎的垂向挠度。
本申请实施例提供的一种车辆重量确定装置，获取模块82可以包括：
第五获取单元，用于从分割后的轮胎图像中获取轮毂直径上包含的像素点个数及轮胎的侧壁标识，并从轮胎的侧壁标识中获取轮毂直径及轮胎外径；
第四计算单元，用于根据轮毂直径及轮毂直径上包含的像素点个数，计算分割后的轮胎图像的比例因子；
第五计算单元，用于根据轮胎外径及比例因子计算轮胎外径上包含的像素点个数；
第三确定单元，用于在分割后的轮胎图像中确定轮毂的中心及轮胎上半圆图像，以轮毂的中心为圆心，并以与轮胎外径上包含的像素点个数对应个数的像素点为直径，确定第一标记圆；
第二对称处理单元，用于以轮毂的中心为对称中心，对轮胎上半圆图像进行对称处理，以得到第二标记圆；
第六获取单元，用于获取第一标记圆和第二标记圆的平均标记圆，并获取平均标记圆最低点与分割后的轮胎图像中轮胎最低点间的像素数，根据像素数及比例因子得到轮胎的垂向挠度。
本申请实施例提供的一种车辆重量确定装置，获取模块82可以包括：
第七获取单元，用于从分割后的轮胎图像中获取轮胎的侧壁标识，并从轮胎的侧壁标识中获取轮胎的参考胎压；
得到实际胎压单元，用于根据参考胎压及预设修正系数得到轮胎的实际胎压；
得到径向刚度单元，用于根据轮胎的实际胎压利用K＝αP+β，得到轮胎的径向刚度K；其中，P为轮胎的实际胎压，α和β为回归系数。
本申请实施例提供的一种车辆重量确定装置，还可以包括：
第一发送模块，用于在根据车辆中各轮胎的荷载得到车辆的重量之后，将车辆的重量发送至车辆库云端，并在车辆库云端中将车辆的重量与车辆重量限值进行比较；
第二发送模块，用于若车辆的重量大于车辆重量限值，则向交通部门及车辆发送超重警告信息。
本申请实施例提供的一种车辆重量确定装置，预处理模块81可以包括：
预处理单元，用于对轮胎图像进行等比例缩放和滤波处理。
本申请实施例还提供了一种车辆重量确定设备，参见图9，其示出了本申请实施例提供的一种车辆重量确定设备的结构示意图，可以包括：
存储器91，用于存储计算机程序；
处理器92，用于执行存储器91存储的计算机程序时可实现如下步骤：
获取车辆的轮胎图像，对轮胎图像进行预处理；对预处理后的轮胎图像进行图像分割，根据分割后的轮胎图像获取轮胎的垂向挠度及径向刚度；根据轮胎的垂向挠度和径向刚度计算轮胎的荷载；根据车辆中各轮胎的荷载得到车辆的重量。
本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时可实现如下步骤：
获取车辆的轮胎图像，对轮胎图像进行预处理；对预处理后的轮胎图像进行图像分割，根据分割后的轮胎图像获取轮胎的垂向挠度及径向刚度；根据轮胎的垂向挠度和径向刚度计算轮胎的荷载；根据车辆中各轮胎的荷载得到车辆的重量。
该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例提供的一种车辆重量确定装置、设备及计算机可读存储介质中相关部分的说明可以参见本申请实施例提供的一种车辆重量确定方法中对应部分的详细说明，在此不再赘述。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外，本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种车辆重量确定方法，其特征在于，包括：
获取车辆的轮胎图像，对所述轮胎图像进行预处理；
对预处理后的轮胎图像进行图像分割，根据分割后的轮胎图像获取轮胎的垂向挠度及径向刚度；
根据所述轮胎的垂向挠度和径向刚度计算所述轮胎的荷载；
根据所述车辆中各所述轮胎的荷载得到所述车辆的重量。
2.根据权利要求1所述的车辆重量确定方法，其特征在于，根据分割后的轮胎图像获取轮胎的垂向挠度，包括：
从所述分割后的轮胎图像中获取轮毂直径上包含的像素点个数及所述轮胎的侧壁标识，并从所述轮胎的侧壁标识中获取轮毂直径及轮胎外径；
根据所述轮毂直径及所述轮毂直径上包含的像素点个数，计算所述分割后的轮胎图像的比例因子；
根据所述轮胎外径及所述比例因子计算所述轮胎外径上包含的像素点个数；
在所述分割后的轮胎图像中确定轮毂的中心，以所述轮毂的中心为圆心，并以与所述轮胎外径上包含的像素点个数对应个数的像素点为直径，确定第一标记圆；
获取所述第一标记圆最低点与所述分割后的轮胎图像中轮胎最低点间的第一像素数，并根据所述第一像素数及所述比例因子得到所述轮胎的垂向挠度。
3.根据权利要求1所述的车辆重量确定方法，其特征在于，根据分割后的轮胎图像获取轮胎的垂向挠度，包括：
从所述分割后的轮胎图像中获取轮毂直径上包含的像素点个数及所述轮胎的侧壁标识，并从所述轮胎的侧壁标识中获取轮毂直径；
根据所述轮毂直径及所述轮毂直径上包含的像素点个数计算所述分割后的轮胎图像的比例因子；
在所述分割后的轮胎图像中确定轮毂的中心及轮胎上半圆图像；
以所述轮毂的中心为对称中心，对所述轮胎上半圆图像进行对称处理，得到第二标记圆；
获取所述第二标记圆最低点与所述分割后的轮胎图像中轮胎最低点间的第二像素数，并根据所述第二像素数及所述比例因子得到所述轮胎的垂向挠度。
4.根据权利要求1所述的车辆重量确定方法，其特征在于，根据分割后的轮胎图像获取轮胎的垂向挠度，包括：
从所述分割后的轮胎图像中获取轮毂直径上包含的像素点个数及所述轮胎的侧壁标识，并从所述轮胎的侧壁标识中获取轮毂直径及轮胎外径；
根据所述轮毂直径及所述轮毂直径上包含的像素点个数，计算所述分割后的轮胎图像的比例因子；
根据所述轮胎外径及所述比例因子计算所述轮胎外径上包含的像素点个数；
在所述分割后的轮胎图像中确定轮毂的中心及轮胎上半圆图像，以所述轮毂的中心为圆心，并以与所述轮胎外径上包含的像素点个数对应个数的像素点为直径，确定第一标记圆；
以所述轮毂的中心为对称中心，对所述轮胎上半圆图像进行对称处理，以得到第二标记圆；
获取所述第一标记圆和所述第二标记圆的平均标记圆，并获取所述平均标记圆最低点与所述分割后的轮胎图像中轮胎最低点间的像素数，根据所述像素数及所述比例因子得到所述轮胎的垂向挠度。
5.根据权利要求1所述的车辆重量确定方法，其特征在于，根据分割后的轮胎图像获取轮胎的径向刚度，包括：
从所述分割后的轮胎图像中获取所述轮胎的侧壁标识，并从所述轮胎的侧壁标识中获取所述轮胎的参考胎压；
根据所述参考胎压及预设修正系数得到所述轮胎的实际胎压；
根据所述轮胎的实际胎压利用K＝αP+β，得到所述轮胎的径向刚度K；其中，P为轮胎的实际胎压，α和β为回归系数。
6.根据权利要求1所述的车辆重量确定方法，其特征在于，在根据所述车辆中各所述轮胎的荷载得到所述车辆的重量之后，还包括：
将所述车辆的重量发送至车辆库云端，并在所述车辆库云端中将所述车辆的重量与车辆重量限值进行比较；
若所述车辆的重量大于车辆重量限值，则向交通部门及所述车辆发送超重警告信息。
7.根据权利要求1所述的车辆重量确定方法，其特征在于，对所述轮胎图像进行预处理，包括：
对所述轮胎图像进行等比例缩放和滤波处理。
8.一种车辆重量确定装置，其特征在于，包括：
预处理模块，用于获取车辆的轮胎图像，对所述轮胎图像进行预处理；
获取模块，用于对预处理后的轮胎图像进行图像分割，根据分割后的轮胎图像获取轮胎的垂向挠度及径向刚度；
计算模块，用于根据所述轮胎的垂向挠度和径向刚度计算所述轮胎的荷载；
得到重量模块，用于根据所述车辆中各所述轮胎的荷载得到所述车辆的重量。
9.一种车辆重量确定设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述的车辆重量确定方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的车辆重量确定方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010922041.1A CN112036413B (zh) | 2020-09-04 | 2020-09-04 | 车辆重量确定方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010922041.1A CN112036413B (zh) | 2020-09-04 | 2020-09-04 | 车辆重量确定方法、装置、设备及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112036413A true CN112036413A (zh) | 2020-12-04 |
| CN112036413B CN112036413B (zh) | 2024-05-10 |
Family
ID=73592117
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010922041.1A Active CN112036413B (zh) | 2020-09-04 | 2020-09-04 | 车辆重量确定方法、装置、设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112036413B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112326087A (zh) * | 2021-01-04 | 2021-02-05 | 湖南大学 | 基于视频识别的车辆接触时程力测量方法及装置 |
| CN112614351A (zh) * | 2020-12-29 | 2021-04-06 | 芜湖哈特机器人产业技术研究院有限公司 | 基于机器视觉的货车超载检测系统及方法 |
| CN112861401A (zh) * | 2021-02-03 | 2021-05-28 | 湖南大学 | 基于仿真分析的车重识别方法、装置、设备及存储介质 |
| CN112991311A (zh) * | 2021-03-29 | 2021-06-18 | 深圳大学 | 车辆超重检测方法、装置、系统及终端设备 |
| EP4230444A1 (en) * | 2022-02-17 | 2023-08-23 | Volvo Truck Corporation | A method for determining a recommended load for a vehicle to be operated along a predefined route |
| CN117689400A (zh) * | 2024-02-02 | 2024-03-12 | 湖南省交通科学研究院有限公司 | 一种基于数据标签的超限源头溯源方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140260585A1 (en) * | 2013-03-12 | 2014-09-18 | The Goodyear Tire & Rubber Company | Tire suspension fusion system for estimation of tire deflection and tire load |
| US20190120723A1 (en) * | 2017-10-24 | 2019-04-25 | Konica Minolta, Inc. | Tire deformation calculator, overload detecting system, and method for calculating tire deformation |
| CN109781228A (zh) * | 2019-01-30 | 2019-05-21 | 内蒙古大学 | 车辆载荷确定系统和方法 |
| CN110553594A (zh) * | 2018-05-31 | 2019-12-10 | 柯尼卡美能达株式会社 | 图像处理装置、过载检测装置、过载检测系统以及介质 |
| CN110827322A (zh) * | 2019-10-23 | 2020-02-21 | 江苏广宇协同科技发展研究院有限公司 | 一种城市高速路超载车辆的远程跟踪方法、装置及系统 |
| US20200173872A1 (en) * | 2017-09-11 | 2020-06-04 | Bridgestone Corporation | Tire load estimation method and tire load estimation device |
-
2020
- 2020-09-04 CN CN202010922041.1A patent/CN112036413B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140260585A1 (en) * | 2013-03-12 | 2014-09-18 | The Goodyear Tire & Rubber Company | Tire suspension fusion system for estimation of tire deflection and tire load |
| US20200173872A1 (en) * | 2017-09-11 | 2020-06-04 | Bridgestone Corporation | Tire load estimation method and tire load estimation device |
| US20190120723A1 (en) * | 2017-10-24 | 2019-04-25 | Konica Minolta, Inc. | Tire deformation calculator, overload detecting system, and method for calculating tire deformation |
| CN109696133A (zh) * | 2017-10-24 | 2019-04-30 | 柯尼卡美能达株式会社 | 轮胎变形量计算装置及其方法、以及过载检测系统 |
| CN110553594A (zh) * | 2018-05-31 | 2019-12-10 | 柯尼卡美能达株式会社 | 图像处理装置、过载检测装置、过载检测系统以及介质 |
| CN109781228A (zh) * | 2019-01-30 | 2019-05-21 | 内蒙古大学 | 车辆载荷确定系统和方法 |
| CN110827322A (zh) * | 2019-10-23 | 2020-02-21 | 江苏广宇协同科技发展研究院有限公司 | 一种城市高速路超载车辆的远程跟踪方法、装置及系统 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112614351A (zh) * | 2020-12-29 | 2021-04-06 | 芜湖哈特机器人产业技术研究院有限公司 | 基于机器视觉的货车超载检测系统及方法 |
| CN112614351B (zh) * | 2020-12-29 | 2021-10-26 | 芜湖哈特机器人产业技术研究院有限公司 | 基于机器视觉的货车超载检测系统及方法 |
| CN112326087A (zh) * | 2021-01-04 | 2021-02-05 | 湖南大学 | 基于视频识别的车辆接触时程力测量方法及装置 |
| CN112326087B (zh) * | 2021-01-04 | 2021-04-23 | 湖南大学 | 基于视频识别的车辆接触时程力测量方法及装置 |
| CN112861401A (zh) * | 2021-02-03 | 2021-05-28 | 湖南大学 | 基于仿真分析的车重识别方法、装置、设备及存储介质 |
| CN112861401B (zh) * | 2021-02-03 | 2022-04-19 | 湖南大学 | 基于仿真分析的车重识别方法、装置、设备及存储介质 |
| CN112991311A (zh) * | 2021-03-29 | 2021-06-18 | 深圳大学 | 车辆超重检测方法、装置、系统及终端设备 |
| CN112991311B (zh) * | 2021-03-29 | 2021-12-10 | 深圳大学 | 车辆超重检测方法、装置、系统及终端设备 |
| EP4230444A1 (en) * | 2022-02-17 | 2023-08-23 | Volvo Truck Corporation | A method for determining a recommended load for a vehicle to be operated along a predefined route |
| CN117689400A (zh) * | 2024-02-02 | 2024-03-12 | 湖南省交通科学研究院有限公司 | 一种基于数据标签的超限源头溯源方法及系统 |
| CN117689400B (zh) * | 2024-02-02 | 2024-05-03 | 湖南省交通科学研究院有限公司 | 一种基于数据标签的超限源头溯源方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112036413B (zh) | 2024-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112036413B (zh) | 车辆重量确定方法、装置、设备及计算机可读存储介质 | |
| CN111735524B (zh) | 基于图像识别的轮胎荷载获取方法、车辆称重方法及系统 | |
| CN111274843B (zh) | 基于监控视频的货车超载监测方法及系统 | |
| US8391559B2 (en) | Method and system for image identification and identification result output | |
| CN104916163B (zh) | 泊车位检测方法 | |
| Feng et al. | Application of computer vision for estimation of moving vehicle weight | |
| KR101473957B1 (ko) | 운전 패턴 인식에 기반하여 보험료를 결정하는 장치 및 방법 | |
| CN110322428B (zh) | 检测隧道病害的方法、装置及电子设备 | |
| CN112991732A (zh) | 一种基于双目相机的实时弯道侧翻预警系统与方法 | |
| WO2020071249A1 (ja) | タイヤ摩耗推定方法 | |
| CN114092683A (zh) | 基于视觉反馈和深度网络的轮胎变形量识别方法及装置 | |
| CN116342598B (zh) | 基于机器视觉的钢绞线质量检测方法 | |
| CN111724604A (zh) | 一种带车牌识别的高速公路不停车测速称重系统及方法 | |
| CN114228727B (zh) | 车辆行驶安全评估方法、装置、设备及存储介质 | |
| CN110660226A (zh) | 车辆安全规范的检测方法、系统及设备、存储装置 | |
| CN109389644B (zh) | 基于方向梯度增强的车位线检测方法 | |
| CN112161685B (zh) | 一种基于表面特征的车辆荷载测量方法 | |
| CN103870837B (zh) | 一种检测待检测区域内是否存在车辆的方法和装置 | |
| CN116839947A (zh) | 基于胎纹深度检测的轮胎寿命预估方法及装置 | |
| CN110838142A (zh) | 一种基于深度图像的行李尺寸识别方法及装置 | |
| CN111415378A (zh) | 用于汽车玻璃检测的图像配准方法及汽车玻璃检测方法 | |
| TWI408612B (zh) | 動態即時相對關係辨識方法與系統 | |
| CN104915647B (zh) | 一种高速公路前方车辆的检测方法 | |
| JP3434768B2 (ja) | 汗腺孔部分判別装置、汗腺孔部分判別方法、および、記録媒体 | |
| CN112614351B (zh) | 基于机器视觉的货车超载检测系统及方法 |
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 |