CN112309108A - 一种货车车载超限检测系统及方法 - Google Patents
一种货车车载超限检测系统及方法 Download PDFInfo
- Publication number
- CN112309108A CN112309108A CN201910708911.2A CN201910708911A CN112309108A CN 112309108 A CN112309108 A CN 112309108A CN 201910708911 A CN201910708911 A CN 201910708911A CN 112309108 A CN112309108 A CN 112309108A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- weighing
- load
- data processing
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/02—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles
- G01G19/03—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles for weighing during motion
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种货车车载超限检测系统及方法,包括称重设备、激光雷达、抓拍相机以及数据处理设备。实际应用中,先通过激光雷达获取车辆轮轴信息,并根据车辆轮轴信息,提取第一识别特征和判断驶入状态。若判断车辆为进入检测区域,则通过称重设备获取车辆的载重信息,以及通过抓拍相机获取车辆图像信息。再从车辆图像信息中提取第二识别特征,以及,根据第一识别特征及第二识别特征获取车辆额定载重。最后对比载重信息和额定载重,判断载重信息是否超过额定载重。本申请可以通过激光雷达与称重设备进行双重分车操作,提高分车的精准度和容错率,使采集的各个数据能够精准匹配。
Description
技术领域
本申请涉及智慧交通技术领域,尤其涉及一种货车车载超限检测系统及方法。
背景技术
货车车载超限检测,也称超载检测,是通过称取货车的总重量,计算车辆载重重量,并货车车辆的额定载重进行对比,确定当前车辆是否超载的治超管理手段。通常,货车重量可以通过设置在底面上的称重传感器实现自动测量。由于货车是否超载,需要通过额定载重进行对比,然而不同类型的货车车辆,其额定载重是不同的,因此,需要人工目测,判断当前货车车辆的型号,以确定其额定载重。
为了弥补人工目测测量所带来的自动化程度低、劳动强度大、工作流程慢以及容易发生作弊行为的缺陷,可以通过搭建自动化监测区域,提高超载检测的自动化程度。典型的自动化监测区域需要沿车道行车方向间隔一段距离依次设置后龙门架、中龙门架、前龙门架,以安装多个图像采集设备、指定车辆称重设备、轮轴识别设备和其他类型的传感器设备,以通过车辆的外形车获取车辆的额定载重。
然而为适应大部分货车情况,搭建的龙门架结构庞大,如各龙门架高度约为6米,间距约20~30米,总占地距离约40-60米,导致此方法的安装工程规模较为浩大。不但施工成本较高且某些厂区不具备安装可行性。
发明内容
本申请提供了一种货车车载超限检测系统及方法,以解决传统方法难以进行数据的精准匹配的问题。
一方面,本申请提供一种货车车载超限检测系统,包括相互建立数据通信连接的称重设备、单激光雷达、抓拍相机以及数据处理设备;
其中,所述称重设备可利旧使用原有地磅,以获取车辆的载重信息;所述激光雷达沿称重车道架设在所述原称重设备的入口端,以获取车辆轮轴信息;所述激光雷达的扫描方向垂直于车辆进入方向,以获取车辆轮轴信息;抓拍相机架设在所述称重设备的出口端,以获取车辆图像信息;所述抓拍相机的拍摄方向朝向称重车道;
所述数据处理设备被配置为执行以下程序步骤:
通过激光雷达获取车辆轮轴信息;
根据所述车辆轮轴信息,提取第一识别特征,以及判断车辆的驶入状态;
若判断车辆为进入检测区域,则通过称重设备获取车辆的载重信息,以及通过抓拍相机获取车辆图像信息;
从所述车辆图像信息中提取第二识别特征,根据所述第一识别特征获取车辆额定载重,以及,根据所述第二特征判断车辆分车界限;
对比所述载重信息和所述额定载重,判断所述载重信息是否超过所述额定载重。
可选的,所述激光雷达的扫描平面垂直于称重车道,所述第一识别特征包括车辆的轮轴数量及类型,所述数据处理设备被进一步配置为执行以下程序步骤:
提取所述车辆轮轴信息中的多帧反射光斑点集合;
逐一定位每一帧反射光斑点集合中的车轮点位置,生成车轮形状数据;
根据所述车轮形状数据测量轮轴数量及类型。
可选的,所述第二识别特征包括车辆的车牌号、车牌颜色以及车牌类型,所述数据处理设备被进一步配置为执行以下程序步骤:
获取车辆图像,以及提取车辆图像中的图形边缘;
根据所述图形边缘,确定与车牌形状相匹配的分析区域;
从所述分析区域中提取文字特征,识别车牌号;以及提取背景色特征生成车牌颜色;
根据所述车牌号和所述车牌颜色生成车牌类型。
可选的,所述数据处理设备内置车型匹配数据库,所述车型匹配数据库中包括车型数据,所述数据处理设备被进一步配置为执行以下程序步骤:
根据所述第一识别特征和所述第二识别特征,在所述车型匹配数据库中匹配车型数据;
根据匹配到的车型数据,提取额定载重。
可选的,所述数据处理设备被进一步配置为执行以下程序步骤:
根据所述第一识别特征和所述第二识别特征,计算与所述车型匹配数据库中车型数据的匹配度;
提取所述匹配度最高的车型数据,作为匹配到的车型数据。
可选的,所述数据处理设备被进一步配置为执行以下程序步骤:
提取所述车辆轮轴信息中的多帧反射光斑点集合;
从所述反射光斑点集合中识别车头及车尾特征;
如果所述反射光斑点集合中识别出所述车头及车尾特征,判断车辆的驶入状态为进入检测区域。
可选的,所述数据处理设备被进一步配置为执行以下程序步骤:
提取所述车辆轮轴信息中的多帧反射光斑点集合;
从所述反射光斑点集合中识别车辆实体点,以及标记每帧所述反射光斑点集合中的车辆实体点;
如果在连续帧的一帧所述反射光斑点集合中,未识别出车辆实体点,判断当前车辆的检测区域驶入状态为进入检测区域。
可选的,所述系统还包括连接所述数据处理设备的上位机设备;所述数据处理设备被进一步配置为执行以下程序步骤:
如果所述载重信息超过所述额定载重,向上位机设备发送所述车辆图像信息和所述载重信息;
在向上位机设备发送后,或者所述载重信息未超过所述额定载重,清零获取的车辆轮轴信息、载重信息以及车辆图像信息。
可选的,所述称重设备还用于预设时间内获取重量变化信息,所述数据处理设备被进一步配置为执行以下程序步骤:
在预设时间内获取所述车辆轮轴信息和重量变化信息;
如果获取到所述车辆轮轴信息,根据所述车辆轮轴信息判断车辆的驶入状态;
如果未获取到所述车辆轮轴信息,根据所述重量变化信息,判断车辆的驶入状态。
另一方面,本申请还提供一种货车车载超限检测方法,包括:
通过激光雷达获取车辆轮轴信息;
根据所述车辆轮轴信息,提取第一识别特征,以及判断车辆的驶入状态;
若判断车辆为进入检测区域,则通过称重设备获取车辆的载重信息,以及通过抓拍相机获取车辆图像信息;
从所述车辆图像信息中提取第二识别特征,以及,根据所述第一识别特征及所述第二识别特征获取车辆额定载重;
对比所述载重信息和所述额定载重,判断所述载重信息是否超过所述额定载重。
由以上技术方案可知,本申请提供一种货车车载超限检测系统及方法,包括称重设备、激光雷达、抓拍相机以及数据处理设备。实际应用中,数据处理设备可以先通过激光雷达获取车辆轮轴信息,并根据车辆轮轴信息,提取第一识别特征,以及判断车辆的驶入状态,若判断车辆为进入检测区域,则通过称重设备获取车辆的载重信息,以及通过抓拍相机获取车辆图像信息。再从车辆图像信息中提取第二识别特征,以及,根据第一识别特征及第二识别特征获取车辆额定载重。最后对比载重信息和额定载重,判断载重信息是否超过额定载重,以确定当前货车是否出现车载超限违规现象。
本申请可以通过称重设备的入口端设置一个激光雷达,以通过激光雷达实时判断货车的轮轴数和类型,进而确定车辆的额定载重,使所述检测系统可以根据不同的货车类型确定不同的额定载重,便于进行精准检测。本申请还可以通过激光雷达与称重设备进行双重分车操作,提高分车的精准度和容错率,使采集的各个数据能够精准匹配,解决传统方法难以进行数据的精准匹配的问题。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例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为本申请一种货车车载超限检测系统的结构示意图;
图2为本申请一种货车车载超限检测方法的流程示意图;
图3为本申请提取第一识别特征的流程示意图;
图4为本申请一种判断车辆驶入状态的流程示意图;
图5为本申请另一种判断车辆驶入状态的流程示意图;
图6为本申请提取第二识别特征的流程示意图;
图7为本申请提取额定载重的流程示意图;
图8为本申请匹配车型数据的流程示意图;
图9为本申请向上位机设备发送检测数据的流程示意图;
图10为本申请根据称重设备判断车辆驶入状态的流程示意图。
具体实施方式
下面将详细地对实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式。仅是与权利要求书中所详述的、本申请的一些方面相一致的系统和方法的示例。
参见图1,为一种货车车载超限检测系统的结构示意图。由图1可知本申请提供的本申请提供一种货车车载超限检测系统,包括相互建立数据通信连接的称重设备、激光雷达、抓拍相机以及数据处理设备。
其中,所述称重设备设置在称重车道上,以获取车辆的载重信息;所述激光雷达沿称重车道架设在所述称重设备的入口端,以获取车辆轮轴信息;所述激光雷达的扫描方向朝向称重车道;所述抓拍相机架设在所述称重设备的出口端,以获取车辆图像信息;所述抓拍相机的拍摄方向朝向称重车道。
本申请提供的技术方案中,称重车道可以设置在厂区出口或入口处,或者设置在公路的收费区或服务区内,具体情况可以根据实际应用场景进行适应性设计。为了提高称重效率,称重设备可以为设置在称重车道中的地磅等传感器,待称重的车辆在驶入称重设备上以后,称重设备会检测出车辆的重量,本申请称重设备检测的车辆重量即作为载重信息。
所述激光雷达包括一个单束窄带激光器和一个接收器。激光器产生并发射一束光脉冲,打在物体上并反射回来,最终被接收器所接收。接收器准确地测量光脉冲从发射到被反射回的传播时间。因为光脉冲以光速传播,所以接收器总会在下一个脉冲发出之前收到前一个被反射回的脉冲。鉴于光速是已知的,传播时间即可被转换为对距离的测量。结合激光器的位置,激光扫描角度,就可以准确地计算出每一个光斑的坐标。实际应用中,激光束发射的频率可以从每秒几个脉冲到每秒几万个脉冲。连续的光斑坐标就可获得目标的有关信息,如目标距离、方位、高度、速度、姿态、甚至形状等参数,从而对扫描物体进行探测和识别。
本申请提供的技术方案中,激光雷达可以在称重车道方向进行扫描,当待检测车辆经过时,激光雷达可以获取到对应的检测结果,即生成一帧带有反射光斑点的集合。随着车辆的行驶,激光雷达会在一定时间内持续进行扫描,生成多帧反射光斑点的集合。
所述抓拍相机可以为能够对称重车道上的待检测车辆,实施图像采集的相机或者摄像机,由于后续检测过程中,需要对相机采集的图像信息进行特征分析,因此在本申请中应抓拍相机应在待检测车辆驶离前获取到至少一张清晰的图像,可以采用响应速度较高的彩色相机或者抓拍频率较高的彩色摄像机。而为了能够在夜间实施抓拍动作,还可以在抓拍相机上内置闪光灯等补光装置,从而在夜间或者照明条件不好的环境下,也能够获取到清晰的彩色图像。
本申请提供的技术方案中,所述数据处理设备泛指一切可以进行数据处理,并且满足检测数据处理速度的设备,如计算机、服务器、微型控制器等。实际应用中,根据检测现场的网络部署情况的不同,可以选择本地处理或云端处理。其中,若采用本地处理,即数据处理设备要在一次检测过程中执行全部预设程序,并对检测的数据进行处理、计算以获得最终的车载超限检测结果,即判断出当前车辆是否超载。
因此,本地处理的情况下数据处理设备的处理能力要达到处理要求,即具有较高的硬件需求。而如果采用云端处理,数据处理设备可以不执行全部的应用程序,只需将检测的数据进行降噪处理后,转发给云端进行处理,并由云端设备进行具体判断,以确定当前车辆是否超载。
本申请实施例中,以本地处理为示例进行方案的描述,云端处理的过程也是相同的原理,仅是将原本由本地数据处理设备的执行的程序步骤,部分配置给云端数据处理设备,其本质数据分析和处理过程是相同的,都属于本申请的保护范围。如图2所示,本申请提供的技术方案中,所述数据处理设备被配置为执行以下程序步骤:
S1:通过激光雷达获取车辆轮轴信息。
实际应用中,激光雷达安装在称重车道入口处,扫描货车单侧车身。由于实际扫描范围不大,因此,可以采用微型激光雷达实时对称重车道进行实时扫描,以及时发现车道上驶入的货车。还可以通过称重设备实时检测车道上是否有车辆驶入,当有车辆驶入时,称重设备会检测到信号,此时再启动激光雷达进行扫描,这种控制方式可以在没有车辆驶入检测区域时,激光雷达保持为待机状态,不进行扫描,减少冗余信息影响车辆轮轴信息的获取结果。
本申请提供的技术方案中,车辆轮轴信息是指激光雷达扫描到多帧反射光斑点的集合。激光雷达可以对车辆的车轮端面进行探测,根据激光雷达的安装位置和扫描面角度,实际检测的每一帧结果中,包括至少一个车轮的反射点。由于实际应用中,车辆的车轮高度具有差异,因此本申请中可以将激光雷达的扫描面设置为垂直于称重车道平面,这样激光雷达可以检测到车辆靠近面的整个截面形状,从而便于确定哪部分为车轮,而通过多个连续帧的检测数据进行融合,则可以进一步确定车轮形状、数量、间距等,以至于确定整个车辆靠近面的形状。
S2:根据所述车辆轮轴信息,提取第一识别特征,以及判断车辆的驶入状态。
在本申请提供的技术方案中,在获取到车辆轮轴信息后,数据处理装置可以先根据获取的车辆轮轴信息,进行分析识别,从而在车辆轮轴信息中提取第一识别特征。由于在本申请中,激光雷达检测的数据为多帧反射点集合,因此数据处理装置需要在特定时间内对所有检测数据进行分析融合,以确定车辆识别的第一识别特征。
进一步地,所述第一识别特征包括车辆的轮轴数量及类型,如图3所示,数据处理装置可以通过以下步骤从车辆轮轴信息中提取第一识别特征,即所述数据处理设备被进一步配置为执行以下程序步骤:
S201:提取所述车辆轮轴信息中的多帧反射光斑点集合;
S202:逐一定位每一帧反射光斑点集合中的车轮点位置,生成车轮形状数据;
S203:根据所述车轮形状数据测量轮轴数量及类型。
实际应用中,可以先在车辆轮轴信息中调用刚刚检测的多帧反射光斑点集合数据,再逐一分析识别每一帧反射光斑点集合中的车轮点位置,具体车轮点位置可以根据扫描到的车辆上的点到地面之间的距离实现,或者根据多个扫描点形状与车轮轮胎的形状进行匹配,确地车轮点位置等。根据每一帧车轮点的识别结果,可以通过建模融合等方式,生成车轮形状数据,并且在车轮形状数据中,进一步对轮轴的数量和类型进行判断,以确定第一识别特征。
需要说明的是,在本申请提供的技术方案中,轮轴的类型可以包括轮轴之间的轴距,轮轴粗细程度等。由于不同车辆的车轮轮轴类型和数量具有差别,例如,对于轻型载重货车,其轮轴一般为两个,轮轴轴距较短;而对于重型载重货车,其轮轴可能有多个,如后轮有两个,还可能包含中间轮轴,并且轮轴的轴距较长等特点。
在确定第一识别特征以后,本申请数据处理设备还可以根据车辆轮轴信息进一步判断当前车辆是否进入到检测区域中,具体地,如图4所示,可以通过以下方式,判断车辆的驶入状态,即所述数据处理设备被进一步配置为执行以下程序步骤:
S204:提取所述车辆轮轴信息中的多帧反射光斑点集合;
S205:从所述反射光斑点集合中识别车头及车尾特征;
S206:如果所述反射光斑点集合中识别出所述车头及车尾特征,判断车辆的驶入状态为进入检测区域。
实际应用中,车头特征可以是车辆头部的形状特征,车尾特征可以是车辆尾部的形状特征,但由于车辆是移动中,因此,还可以通过识别车辆是否驶过激光雷达的扫描平面,作为车尾特征。进一步地,如图5所示,数据处理设备还可以根据以下步骤识别车尾特征,即所述数据处理设备被进一步配置为执行以下程序步骤:
S2051:提取所述车辆轮轴信息中的多帧反射光斑点集合;
S2052:从所述反射光斑点集合中识别车辆实体点,以及标记每帧所述反射光斑点集合中的车辆实体点;
S2053:如果在连续帧的一帧所述反射光斑点集合中,未识别出车辆实体点,判断当前车辆的检测区域驶入状态为进入检测区域。
由以上方案可知,本申请可以在现场使用单个微型激光雷达扫描每辆货车单侧车轮外形,通过采集反射光斑点集合,逐帧分析光斑点集合形状特征,识别轴数和轴型,并判定货车出入检测区域。
S3:若判断车辆为进入检测区域,则通过称重设备获取车辆的载重信息,以及通过抓拍相机获取车辆图像信息。
本申请提供的技术方案,如果判断车辆已进入检测区域,则可以通过称重设备称取车辆的载重信息,并且通过抓拍相机获取车辆图像信息。实际应用中,可以当车辆完全驶入地磅称重平台,通过数据挖掘技术获取车辆稳定称重值,同时获取摄像机抓拍车牌信息及图片。
S4:从所述车辆图像信息中提取第二识别特征,根据所述第一识别特征获取车辆额定载重,以及,根据所述第二特征判断车辆分车界限。
本申请通过车辆图像信息,可以提取第二识别特征,其中,所述第二识别特征包括车辆的车牌号、车牌颜色以及车牌类型。由于在实际应用中,车牌颜色可以对车辆的型号进行筛选,例如蓝牌白字的车辆为一般民用车辆,其额定载重较小,而黄牌黑字的车辆一般为载重货车,其额定载重较大,因此,可以通过识别车牌的颜色对车辆的类型进行初步判定,以快速缩小后续数据匹配范围,提高匹配的效率。车辆的车牌号可以包含用于匹配不同的数据库,以避免地域差异对额定载重情况的影响。
进一步地,如图6所示,可以通过以下步骤确定第二识别特征,即所述数据处理设备被进一步配置为执行以下程序步骤:
S401:获取车辆图像,以及提取车辆图像中的图形边缘;
S402:根据所述图形边缘,确定与车牌形状相匹配的分析区域;
S403:从所述分析区域中提取文字特征,识别车牌号;以及提取背景色特征生成车牌颜色;
S404:根据所述车牌号和所述车牌颜色生成车牌类型。
本申请提供的技术方案中,可以根据车牌类型结合第一识别特征中的轴数和类型,快速在数据库中匹配当前车辆的额定载重,其车型判断的准确度,以及数据的匹配速度可以大大提高。
进一步地,为了完成对额定载重数据的匹配,所述数据处理设备内置车型匹配数据库,所述车型匹配数据库中包括车型数据,如图7所示,本申请可以通过以下步骤对额定载重进行匹配,即所述数据处理设备被进一步配置为执行以下程序步骤:
S405:根据所述第一识别特征和所述第二识别特征,在所述车型匹配数据库中匹配车型数据;
S406:根据匹配到的车型数据,提取额定载重。
本实施例中,车型匹配数据库中,可以记载多种车辆的额定载重和特征信息,数据处理装置可以通过第一识别特征和第二识别特征在车型匹配数据库中进行相应的数据匹配。为了便于进行匹配,可以在数据库中预先根据不同类型的特征设定多个分区,每个分区还可以进一步划分子分区,以便根据第一识别特征或者第二识别特征进行数据匹配。
例如,可以通过第二识别特征中的车牌颜色确定车牌类型,以确定对应的颜色分区,再通过在确定的颜色分区中选择再通过车牌号确定下一个分区,最后通过在确定的分区中对轴数和类型等信息进行匹配,确定最符合的车辆类型以及对应的额定载重。
具体地,如图8所示,还可以通过以下方式进一步匹配车型数据:
S4051:根据所述第一识别特征和所述第二识别特征,计算与所述车型匹配数据库中车型数据的匹配度;
S4052:提取所述匹配度最高的车型数据,作为匹配到的车型数据。
本实施例中,可以根据第一识别特征和第二识别特征中对应的检测结果,在数据库中的具体匹配命中情况进行加权计算,确定匹配度。一般命中的检测结果越多,其匹配度越大。再计算匹配度后,可以根据匹配度对计算的车型数据进行排序,也确定匹配度最高的车型数据为匹配到的车型数据。
在提取到相对应车辆的额定载重后,即可以通过数据对比,确定当前车辆是否存在车辆的超载现象,即:
S5:对比所述载重信息和所述额定载重,判断所述载重信息是否超过所述额定载重。
在本申请的部分实施例中,如图9所示,所述系统还包括连接所述数据处理设备的上位机设备;所述数据处理设备被进一步配置为执行以下程序步骤:
S501:如果所述载重信息超过所述额定载重,向上位机设备发送所述车辆图像信息和所述载重信息;
S502:在向上位机设备发送后,或者所述载重信息未超过所述额定载重,清零获取的车辆轮轴信息、载重信息以及车辆图像信息。
上位机设备可以对检测到的数据进行存储,使数据处理装置能够及时清零检测结果,避免前后检测过程之间产生相互影响。
在本申请的部分实施例中,如图10所示,所述称重设备还用于预设时间内获取重量变化信息,所述数据处理设备被进一步配置为执行以下程序步骤:
S601:在预设时间内获取所述车辆轮轴信息和重量变化信息;
S602:如果获取到所述车辆轮轴信息,根据所述车辆轮轴信息判断车辆的驶入状态;
S603:如果未获取到所述车辆轮轴信息,根据所述重量变化信息,判断车辆的驶入状态。
实际应用中,车辆超载检测系统需要汇总车牌、称重及轴型信息,倘若某传感器产生数据丢失(如丢重量、丢图片)情况,会造成该车信息缺失,而恰好下一辆车又补充了缺失数据,所上传信息就会出现不匹配的现象,如此类推,导致随后所有车辆信息均出现上述问题,引发多米诺效应。
为避免上述问题产生,本技术采用雷达扫描和称重分析双重分车方法,即:雷达扫描分车方法,当雷达通过扫描车头、车轮等多个部位,符合车辆特征时,即认定检测到车辆进入,此时,如果上一辆车存在信息缺失,及时过滤,并不计入新进车辆信息。称重分析分车方法,当车辆驶入驶出地磅,其称重会产生大幅度变化,如产生大幅度变化或重量接近于0,即认为车辆已驶出检测区,如存在信息缺失,及时过滤,避免该车信息汇入下一辆车信息汇总范围。以上两种分车方发搭配使用,可避免检测信息不匹配及其多米诺效应。
由以上技术方案可知,本申请相对于传统计量检测系统,具有以下有益效果:节约成本,本申请无需人工记录打单,节约人员成功,提高工作效率。较目前现有治超系统,传感器数量大大减少,并且称重地磅不做限定,可就地取材,利旧接入原厂家地磅,尤其是系统仅使用单雷达进行轴型识别,无论从设备采购成本,安装人工成本都大大降低。
施工难度低,系统安装只需在地磅入口垂直架设单雷达、出口面向地磅车道处安装摄像机和数据采集设备即可,施工距离大致等同于地磅长度,务须架设龙门架,开掘地沟等大型工程。兼容性强,数据采集设备采集地磅称重信息采用数据挖掘技术,通过分析报文提取称重数据,可接入绝大多数地磅设备,各厂家可就地取材,利旧接入原厂家地磅,不必更换设备。
基于上述车辆超载检测系统,如图2所示,本申请还提供一种货车车载超限检测方法,包括:
S1:通过激光雷达获取车辆轮轴信息;
S2:根据所述车辆轮轴信息,提取第一识别特征,以及判断车辆的驶入状态;
S3:若判断车辆为进入检测区域,则通过称重设备获取车辆的载重信息,以及通过抓拍相机获取车辆图像信息;
S4:从所述车辆图像信息中提取第二识别特征,以及,根据所述第一识别特征及所述第二识别特征获取车辆额定载重;
S5:对比所述载重信息和所述额定载重,判断所述载重信息是否超过所述额定载重。
由以上技术方案可知,本申请提供一种货车车载超限检测系统,包括称重设备、激光雷达、抓拍相机以及数据处理设备。实际应用中,数据处理设备可以先通过激光雷达获取车辆轮轴信息,并根据车辆轮轴信息,提取第一识别特征,以及判断车辆的驶入状态,若判断车辆为进入检测区域,则通过称重设备获取车辆的载重信息,以及通过抓拍相机获取车辆图像信息。再从车辆图像信息中提取第二识别特征,以及,根据第一识别特征及第二识别特征获取车辆额定载重。最后对比载重信息和额定载重,判断载重信息是否超过额定载重,以确定当前货车是否出现车载超限违规现象。
本申请可以通过称重设备的入口端设置一个激光雷达,以通过激光雷达实时判断货车的轮轴数和类型,进而确定车辆的额定载重,使所述检测系统可以根据不同的货车类型确定不同的额定载重,便于进行精准检测。本申请还可以通过激光雷达与称重设备进行双重分车操作,提高分车的精准度和容错率,使采集的各个数据能够精准匹配,解决传统方法难以进行数据的精准匹配的问题。
本申请提供的实施例之间的相似部分相互参见即可,以上提供的具体实施方式只是本申请总的构思下的几个示例,并不构成本申请保护范围的限定。对于本领域的技术人员而言,在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。
Claims (10)
1.一种货车车载超限检测系统,其特征在于,包括相互建立数据通信连接的称重设备、激光雷达、抓拍相机以及数据处理设备;
其中,所述称重设备设置在称重车道上,以获取车辆的载重信息;所述激光雷达沿称重车道架设在所述称重设备的入口端,以获取车辆轮轴信息;所述激光雷达的扫描方向朝向称重车道;所述抓拍相机架设在所述称重设备的出口端,以获取车辆图像信息;所述抓拍相机的拍摄方向朝向称重车道;
所述数据处理设备被配置为执行以下程序步骤:
通过激光雷达获取车辆轮轴信息;
根据所述车辆轮轴信息,提取第一识别特征,以及判断车辆的驶入状态;
若判断车辆为进入检测区域,则通过称重设备获取车辆的载重信息,以及通过抓拍相机获取车辆图像信息;
从所述车辆图像信息中提取第二识别特征,根据所述第一识别特征获取车辆额定载重,以及,根据所述第二特征判断车辆分车界限;
对比所述载重信息和所述额定载重,判断所述载重信息是否超过所述额定载重。
2.根据权利要求1所述的货车车载超限检测系统,其特征在于,所述激光雷达的扫描平面垂直于称重车道,所述第一识别特征包括车辆的轮轴数量及类型,所述数据处理设备被进一步配置为执行以下程序步骤:
提取所述车辆轮轴信息中的多帧反射光斑点集合;
逐一定位每一帧反射光斑点集合中的车轮点位置,生成车轮形状数据;
根据所述车轮形状数据测量轮轴数量及类型。
3.根据权利要求1所述的货车车载超限检测系统,其特征在于,所述第二识别特征包括车辆的车牌号、车牌颜色以及车牌类型,所述数据处理设备被进一步配置为执行以下程序步骤:
获取车辆图像,以及提取车辆图像中的图形边缘;
根据所述图形边缘,确定与车牌形状相匹配的分析区域;
从所述分析区域中提取文字特征,识别车牌号;以及提取背景色特征生成车牌颜色;
根据所述车牌号和所述车牌颜色生成车牌类型。
4.根据权利要求1所述的货车车载超限检测系统,其特征在于,所述数据处理设备内置车型匹配数据库,所述车型匹配数据库中包括车型数据,所述数据处理设备被进一步配置为执行以下程序步骤:
根据所述第一识别特征和所述第二识别特征,在所述车型匹配数据库中匹配车型数据;
根据匹配到的车型数据,提取额定载重。
5.根据权利要求4所述的货车车载超限检测系统,其特征在于,所述数据处理设备被进一步配置为执行以下程序步骤:
根据所述第一识别特征和所述第二识别特征,计算与所述车型匹配数据库中车型数据的匹配度;
提取所述匹配度最高的车型数据,作为匹配到的车型数据。
6.根据权利要求1所述的货车车载超限检测系统,其特征在于,所述数据处理设备被进一步配置为执行以下程序步骤:
提取所述车辆轮轴信息中的多帧反射光斑点集合;
从所述反射光斑点集合中识别车头及车尾特征;
如果所述反射光斑点集合中识别出所述车头及车尾特征,判断车辆的驶入状态为进入检测区域。
7.根据权利要求1所述的货车车载超限检测系统,其特征在于,所述数据处理设备被进一步配置为执行以下程序步骤:
提取所述车辆轮轴信息中的多帧反射光斑点集合;
从所述反射光斑点集合中识别车辆实体点,以及标记每帧所述反射光斑点集合中的车辆实体点;
如果在连续帧的一帧所述反射光斑点集合中,未识别出车辆实体点,判断当前车辆的检测区域驶入状态为进入检测区域。
8.根据权利要求1所述的货车车载超限检测系统,其特征在于,所述系统还包括连接所述数据处理设备的上位机设备;所述数据处理设备被进一步配置为执行以下程序步骤:
如果所述载重信息超过所述额定载重,向上位机设备发送所述车辆图像信息和所述载重信息;
在向上位机设备发送后,或者所述载重信息未超过所述额定载重,清零获取的车辆轮轴信息、载重信息以及车辆图像信息。
9.根据权利要求1所述的货车车载超限检测系统,其特征在于,所述称重设备还用于预设时间内获取重量变化信息,所述数据处理设备被进一步配置为执行以下程序步骤:
在预设时间内获取所述车辆轮轴信息和重量变化信息;
如果获取到所述车辆轮轴信息,根据所述车辆轮轴信息判断车辆的驶入状态;
如果未获取到所述车辆轮轴信息,根据所述重量变化信息,判断车辆的驶入状态。
10.一种货车车载超限检测方法,其特征在于,包括:
通过激光雷达获取车辆轮轴信息;
根据所述车辆轮轴信息,提取第一识别特征,以及判断车辆的驶入状态;
若判断车辆为进入检测区域,则通过称重设备获取车辆的载重信息,以及通过抓拍相机获取车辆图像信息;
从所述车辆图像信息中提取第二识别特征,根据所述第一识别特征获取车辆额定载重,以及,根据所述第二特征判断车辆分车界限;
通过车辆信息获取车辆额定载重,对比所述载重信息和所述额定载重,判断所述载重信息是否超过所述额定载重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910708911.2A CN112309108B (zh) | 2019-08-01 | 2019-08-01 | 一种货车车载超限检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910708911.2A CN112309108B (zh) | 2019-08-01 | 2019-08-01 | 一种货车车载超限检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112309108A true CN112309108A (zh) | 2021-02-02 |
CN112309108B CN112309108B (zh) | 2022-01-28 |
Family
ID=74485452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910708911.2A Active CN112309108B (zh) | 2019-08-01 | 2019-08-01 | 一种货车车载超限检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112309108B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113112798A (zh) * | 2021-04-09 | 2021-07-13 | 苏庆裕 | 一种车辆超载检测方法、系统及存储介质 |
CN113654632A (zh) * | 2021-08-16 | 2021-11-16 | 东华理工大学 | 一种基于高速激光雷达的铁路货运几何超限预警系统 |
CN113781797A (zh) * | 2021-11-11 | 2021-12-10 | 成都古河云科技有限公司 | 一种车辆外廓自动光学识别系统 |
CN114018376A (zh) * | 2021-10-29 | 2022-02-08 | 北京万集科技股份有限公司 | 车辆信息的匹配方法、装置、终端设备及存储介质 |
CN114241766A (zh) * | 2021-12-14 | 2022-03-25 | 安徽天诚交通工程有限公司 | 一种基于云平台的治超分析方法及系统 |
CN114353922A (zh) * | 2021-12-07 | 2022-04-15 | 陕西地建土地工程技术研究院有限责任公司 | 一种衡器称重计量管控一体化系统及方法 |
CN114396998A (zh) * | 2021-11-17 | 2022-04-26 | 西安航天三沃机电设备有限责任公司 | 一种多源车辆信息匹配方法 |
CN114550462A (zh) * | 2021-12-31 | 2022-05-27 | 视缘(上海)交通科技有限公司 | 一种高速公路人工智能治超取证系统和方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000149184A (ja) * | 1998-11-10 | 2000-05-30 | Nippon Dainamatto Kk | 過積載取締装置 |
CN101363751A (zh) * | 2007-08-06 | 2009-02-11 | 西门子公司 | 用于测定行驶中的汽车的载荷的方法和装置 |
CN104050811A (zh) * | 2014-06-13 | 2014-09-17 | 深圳市砝石激光测控有限公司 | 激光机动车分型系统及方法 |
CN104655249A (zh) * | 2015-03-16 | 2015-05-27 | 武汉大学 | 一种公路车辆尺寸与重量自动测量系统及方法 |
KR20160038943A (ko) * | 2014-09-30 | 2016-04-08 | 주식회사 디아이랩 | 스테레오 카메라에서 레이저 센서들을 이용한 차량 검지 시스템 및 방법 |
CN206248039U (zh) * | 2016-11-24 | 2017-06-13 | 武汉万集信息技术有限公司 | 一种车辆超限检测系统 |
KR20170107219A (ko) * | 2016-03-15 | 2017-09-25 | 주식회사에스에이티 | 계중 센서를 이용한 무인 과적 단속 시스템 |
CN107945530A (zh) * | 2017-12-24 | 2018-04-20 | 上海捷崇科技有限公司 | 一种车辆超限检测系统及其检测方法 |
CN108230688A (zh) * | 2017-12-25 | 2018-06-29 | 重庆冀繁科技发展有限公司 | 车辆超载远程监控系统 |
CN108564792A (zh) * | 2018-06-21 | 2018-09-21 | 中国联合网络通信集团有限公司 | 车辆超载监控方法及系统 |
-
2019
- 2019-08-01 CN CN201910708911.2A patent/CN112309108B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000149184A (ja) * | 1998-11-10 | 2000-05-30 | Nippon Dainamatto Kk | 過積載取締装置 |
CN101363751A (zh) * | 2007-08-06 | 2009-02-11 | 西门子公司 | 用于测定行驶中的汽车的载荷的方法和装置 |
CN104050811A (zh) * | 2014-06-13 | 2014-09-17 | 深圳市砝石激光测控有限公司 | 激光机动车分型系统及方法 |
KR20160038943A (ko) * | 2014-09-30 | 2016-04-08 | 주식회사 디아이랩 | 스테레오 카메라에서 레이저 센서들을 이용한 차량 검지 시스템 및 방법 |
CN104655249A (zh) * | 2015-03-16 | 2015-05-27 | 武汉大学 | 一种公路车辆尺寸与重量自动测量系统及方法 |
KR20170107219A (ko) * | 2016-03-15 | 2017-09-25 | 주식회사에스에이티 | 계중 센서를 이용한 무인 과적 단속 시스템 |
CN206248039U (zh) * | 2016-11-24 | 2017-06-13 | 武汉万集信息技术有限公司 | 一种车辆超限检测系统 |
CN107945530A (zh) * | 2017-12-24 | 2018-04-20 | 上海捷崇科技有限公司 | 一种车辆超限检测系统及其检测方法 |
CN108230688A (zh) * | 2017-12-25 | 2018-06-29 | 重庆冀繁科技发展有限公司 | 车辆超载远程监控系统 |
CN108564792A (zh) * | 2018-06-21 | 2018-09-21 | 中国联合网络通信集团有限公司 | 车辆超载监控方法及系统 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113112798A (zh) * | 2021-04-09 | 2021-07-13 | 苏庆裕 | 一种车辆超载检测方法、系统及存储介质 |
CN113654632A (zh) * | 2021-08-16 | 2021-11-16 | 东华理工大学 | 一种基于高速激光雷达的铁路货运几何超限预警系统 |
CN114018376A (zh) * | 2021-10-29 | 2022-02-08 | 北京万集科技股份有限公司 | 车辆信息的匹配方法、装置、终端设备及存储介质 |
CN113781797A (zh) * | 2021-11-11 | 2021-12-10 | 成都古河云科技有限公司 | 一种车辆外廓自动光学识别系统 |
CN113781797B (zh) * | 2021-11-11 | 2022-02-18 | 成都古河云科技有限公司 | 一种车辆外廓自动光学识别系统 |
CN114396998A (zh) * | 2021-11-17 | 2022-04-26 | 西安航天三沃机电设备有限责任公司 | 一种多源车辆信息匹配方法 |
CN114396998B (zh) * | 2021-11-17 | 2024-04-09 | 西安航天三沃机电设备有限责任公司 | 一种多源车辆信息匹配方法 |
CN114353922A (zh) * | 2021-12-07 | 2022-04-15 | 陕西地建土地工程技术研究院有限责任公司 | 一种衡器称重计量管控一体化系统及方法 |
CN114353922B (zh) * | 2021-12-07 | 2024-03-19 | 陕西地建土地工程技术研究院有限责任公司 | 一种衡器称重计量管控一体化系统及方法 |
CN114241766A (zh) * | 2021-12-14 | 2022-03-25 | 安徽天诚交通工程有限公司 | 一种基于云平台的治超分析方法及系统 |
CN114550462A (zh) * | 2021-12-31 | 2022-05-27 | 视缘(上海)交通科技有限公司 | 一种高速公路人工智能治超取证系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112309108B (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112309108B (zh) | 一种货车车载超限检测系统及方法 | |
CN109059954B (zh) | 支持高精度地图车道线实时融合更新的方法和系统 | |
US5083200A (en) | Method for identifying objects in motion, in particular vehicles, and systems for its implementation | |
CN112693466A (zh) | 一种车辆环境感知传感器性能测评系统及方法 | |
CN108914815B (zh) | 桥面车辆荷载识别装置、桥梁及桥梁荷载分布识别方法 | |
US20140375770A1 (en) | Method and apparatus for detection of foreign object debris | |
CN102073846A (zh) | 基于航拍图像的交通信息获取方法 | |
CN115257784A (zh) | 基于4d毫米波雷达的车路协同系统 | |
CN115113206B (zh) | 井下有轨车辅助驾驶的行人与障碍物检测方法 | |
Bock et al. | On-street parking statistics using lidar mobile mapping | |
CN110942663A (zh) | 一种停车场的监控分配引导方法和系统 | |
CN109035837B (zh) | 一种基于无人机的智能交通系统测试方法 | |
CN111506069B (zh) | 一种全天候全地面起重机障碍识别系统及方法 | |
CN109598947A (zh) | 一种车辆识别方法及系统 | |
CN114913399A (zh) | 一种车辆轨迹优化方法及智能交通系统 | |
CN112184707A (zh) | 基于点云数据的渣土车土石方装载判断方法以及判断系统 | |
CN106320173B (zh) | 车载无人机桥梁日常安全检测系统及检测方法 | |
CN213518003U (zh) | 用于机场道面的巡检机器人以及巡检系统 | |
CN114494845A (zh) | 一种用于施工项目现场人工智能隐患排查系统及其排查方法 | |
EP4033460A1 (en) | Data recording for adas testing and validation | |
Angel et al. | Methods of traffic data collection, using aerial video | |
CN115830457A (zh) | 基于激光雷达检测的复杂林分生物量估测系统及方法 | |
CN115116034A (zh) | 一种夜间行人检测方法、装置及系统 | |
Johnston et al. | Estimating building floor plans from exterior using laser scanners | |
Lienhart et al. | Efficient and Large Scale Monitoring of Retaining Walls along Highways using a Mobile Mapping System |
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 |