CN112699738B - 基于无人机平台的高速公路绿色通道车辆快速检测方法 - Google Patents
基于无人机平台的高速公路绿色通道车辆快速检测方法 Download PDFInfo
- Publication number
- CN112699738B CN112699738B CN202011454715.6A CN202011454715A CN112699738B CN 112699738 B CN112699738 B CN 112699738B CN 202011454715 A CN202011454715 A CN 202011454715A CN 112699738 B CN112699738 B CN 112699738B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- unmanned aerial
- aerial vehicle
- data
- green channel
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 66
- 238000012544 monitoring process Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000010365 information processing Effects 0.000 claims abstract description 19
- 230000005540 biological transmission Effects 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 9
- 230000001502 supplementing effect Effects 0.000 claims abstract description 4
- 238000007476 Maximum Likelihood Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000013485 heteroscedasticity test Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 1
- 238000007405 data analysis Methods 0.000 abstract description 4
- 238000013500 data storage Methods 0.000 abstract description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 241000287828 Gallus gallus Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 235000013330 chicken meat Nutrition 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 235000019688 fish Nutrition 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012031 short term test Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
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
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- 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)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Remote Sensing (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Radar, Positioning & Navigation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Aviation & Aerospace Engineering (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公布的基于无人机平台的高速公路绿色通道车辆快速检测的方法及系统包括无人机数据采集平台、无人机信息处理中心、数据存储中心、无人机监控管理中心。无人机数据采集平台包括摄像头、X射线模块、无线传输模块、GPS模块、LED补光模块和测速仪,采集车辆和驾驶员的各项信息;无人机信息处理中心包括人脸检测模块、车牌检测模块、车辆检测模块、速度检测模块和数据分析模块,整合并处理无人机数据采集平台采集的数据,采用二元选择模型自动判断出车辆是否为绿色通道车辆;数据存储中心包括数据存储服务器和驾驶员、车型、货物密度信息数据库,存储采集和处理得到的所有数据;无人机监控管理中心用于处理并查看X射线检测器采集到的数字数据。
Description
技术领域
本发明涉及车辆货物检测领域,具体来说,涉及一种基于无人机平台的高速公路绿色通道车辆快速检测系统及方法。
背景技术
为了减轻农民负担支持农业发展、稳定物价,从2005年开始,交通部门开始开展“绿色通道”建设工作,建立了“五纵二横”的鲜活农产品运输“绿色通道”网络。《绿色通道实施管理办法》规定:整车(达到该货车核定载重或装载容积80%)并合法装载运输鸡鱼肉蛋水果蔬菜等鲜活农产品的车辆使用绿色通道通过高速公路收费站时可免收通行费。
目前,交通管理相关部门对于车辆检测的方法主要是人工查检,检查人员通过肉眼观察、内窥镜等对车辆进行抽检,这种方法很依赖人的经验,无法推广,效率低下,而且准确性不高。近来,针对绿色通道车辆检测,部分公司研发了适合高速公路的绿色通道快速检测系统。这类检测设备利用Ⅲ类X射线透视成像原理,安装在收费站安全岛上,自动对过往的车辆所装载货物进行射线扫描,车辆内部货物扫描图像同步显示在远端计算机屏幕上,检测速度快,效率高,全自动运行,但是需要安装大型的固定检测装置,占地面积大,且成本昂贵,一套检测装置需要几百万元,不利于设备的推广应用,日常维护成本高,并且这些大型的X射线装置对于驾驶员和工作人员来说存在辐射隐患。
发明内容
本发明要解决的技术问题是:提供一种能够适用于高速公路绿色通道存在排队现象的快速检测系统和方法,能够有效的判断车辆是否为绿色通道车辆,提高检查效率,并解决背景技术存在的缺乏灵活性问题。
为了解决上述技术问题,本发明采用了一种基于无人机平台的高速公路绿色通道车辆快速检测方法及系统。
基于无人机平台的高速公路绿色通道车辆快速检测系统,包括无人机数据采集平台、无人机信息处理中心、数据存储中心、无人机监控管理中心,其中:所述无人机数据采集平台包括摄像头、X射线模块、无线传输模块、GPS模块、LED补光模块和测速仪,均安装在检测无人机上。所述无人机信息处理中心包括人脸检测模块、车牌检测模块、车辆检测模块、速度检测模块和数据分析模块;所述无人机数据采集平台通过无线传输模块将数据实时的传输到无人机信息处理中心。所述数据存储中心包括数据存储服务器和含有驾驶员、车型、货物密度信息的数据库,用于存储整合处理得到的数据;所述无人机监控管理中心包括计算机和显示屏,与数据存储中心连接,用于处理X射线检测器采集到的数字数据,重建图像,输出在显示屏幕上,除此之外,显示屏幕上还显示识别结果以及摄像头实时拍摄的现场视频。
基于无人机平台的高速公路绿色通道车辆快速检测方法,包括以下步骤:
步骤1:当无人机监控管理中心观测到绿色通道排队车辆过多时,发出无人机启动指令。
步骤2:无人机起飞,前往指定检测车辆区域,测速仪检测待检车辆实时速度,通过无线传输模块传送到无人机监控管理中心。
步骤3:无人机监控管理中心实时调整无人机飞行速度,无人机与待检车辆保持同步运动状态。
步骤4:无人机监控管理中心发出检测指令,无人机飞至检测位置一,摄像头采集驾驶员面部图像、车辆前端面图像传输至无人机信息处理中心。LED补光模块根据采集的实时光照强度控制LED灯组的开关,保证采集图像的质量。
步骤5:无人机监控管理中心发出检测指令和X射线模块打开指令,无人机飞至检测位置二,摄像头采集车辆侧面图像;X射线发生源发出低能量的X光线,X射线探测器检测X射线的透视比率。将采集的所有数据通过无线传输模块传送至无人机信息处理中心。
步骤6:无人机飞至检测位置三,同步骤5,摄像头采集车辆顶部图像,X射线探测器检测X射线的透视比率,并将所有数据传输到无人机信息处理中心。
步骤7:对步骤4获得的驾驶员面部图像以及车辆前端面图像进行图像识别,并与交通信息数据库中的数据匹配,获得驾驶员的详细个人信息以及车辆的详细信息;通过步骤5和步骤6得到的图像数据,使用图像识别技术得到货车的长度、宽度和高度,自动计算出货车的体积。将步骤5和步骤6中用X射线对货车载运货物进行识别得到的不同信号,进行图像处理并在监控屏幕上显示,通过车辆内部物品的轮廓和形态识别货物种类和体积,最后,根据货车的体积和已经制定的绿色通道货物密度数据库,计算装载货物的重量(如果为混装货物,则根据混装比重计算平均密度值)。将得到的车辆的整车载重量、车轴轴载重量、车型(平板式或厢式)、车轴数、货物类型、入关时间、车辆核定载重进行整合。
基于这些数据集合对车辆进行鉴定,采用二元选择模型,建立如式(1)所示的绿色车辆分类的二元选择模型:
其中,β=(β0,β1,β2…β7)T为参数向量,xi=(1,x1i,x2i…x7i)T;x1i为车辆i的整车载重量,x2i为车辆i的轴载重量,x3i为车辆i的车型种类,x4i为车辆i装载的货物类型,x5i车辆i入关时间,x6i为车辆i的核定载重;x7i为车辆i的车轴数量;ui为均值为0且互相独立的随机干扰项;yi的值表示车辆是否为绿色通道车辆,且
步骤8:确定标定后的二元选择模型,因为式(1)所定义的模型中残差项具有异方差性,普通的最小二乘法不再适用于该模型的参数标定。引入潜在变量
其中为随机扰动项,服从逻辑分布,分别用f(u)和F(u)表示随机扰动项的密度和分布函数,且yi与/>的关系如下:
因此,yi的条件概率为:
由式(5),采用极大似然法对模型进行标定,对联合概率取对数得到对数似然函数式(6),代入历史数据样本,使该似然函数最大化,即可以得到参数的极大似然值。
步骤9:将步骤7实时检测到的数据,用步骤8建立的模型进行判断是否为绿色通道车辆,并将判别结果生成报表,包括司机姓名、车辆车牌号、货物类型、车辆类型、检测时间、检测人员、收费情况7个部分,并将数据存储在数据存储中心,并且当车辆驶入收费位置时,根据车牌识别信息,直接给出放行或者收费的指令。
与现有技术相比,本发明的技术方案具有以下有益效果:
1.提高了对高速公路绿色通道车辆检测的准确性和效率。采集车辆的详细信息数据,通过二元选择模型能够对所有车辆进行快速且准确检测是否为绿色通道车辆,并且当车流量较大时,这种提前预判方式能够大幅度提高通行速度,避免收费站堵塞。
2.基于无人机平台提高了检测系统的灵活性和便携性,适用范围广,工作人员只需在站内远程操控无人机飞行路径便能实时得到车辆的所有数据,操作过程简单,实用性强,提高了工作环境的安全性,系统自动判别车辆。
附图说明
图1是本发明优选实施例的基于无人机平台的高速公路绿色通道车辆快速检测系统
图2是本发明优选实施例的工作流程图
具体实施方式
下面结合附图,对本发明的技术方案作进一步详细说明。
本发明专利公布的基于无人机平台的高速公路绿色通道车辆快速检测系统如图1所示,具体包括无人机数据采集平台1、无人机信息处理中心2、数据存储中心3、无人机监控管理中心4,所述无人机数据采集平台1通过无线传输模块与无人机信息处理中心2连接,将拍摄的视频图像、X射线检测信息实时传送到无人机信息处理中心2,无人机信息处理中心2、无人机监控管理中心4和数据存储中心3相互用有线连接,无人机信息处理中心2对无人机数据采集平台1传输回来的实时数据,进行数据处理和数据分析,自动检测车辆是否为绿色通道车辆,并将结果存储在数据存储中心3,最后,无人机监控管理中心4读取检测结果和实时现场视频并在显示屏18上显示出来。
所述无人机数据采集平台1包括摄像头5、X射线模块6、无线传输模块7、GPS模块8、LED补光模块9和测速仪10,均安装在检测无人机上,摄像头实时拍摄的视频数据通过无线传输模块直接传送至无人机监控管理中心4,通过计算机17处理后实时显示在显示屏18上,便于终端的监控与管理。所述无人机信息处理中心2包括人脸检测模块11、车牌检测模块12、车辆检测模块13、速度检测模块14和数据分析模块15;所述数据存储中心3设置有数据服务器16和含有驾驶员、车型、货物密度信息的数据库17,用于存储、提取和整合处理数据并自动识别车辆是否为绿色通道车辆;所述无人机监控管理中心4包括计算机18和显示屏19,与数据存储中心3连接,用于处理X射线检测器采集到的数字数据,重建图像,输出在显示屏幕19上,除此之外,显示屏19上还显示车辆检测的最终结果。
本发明公布的基于无人机平台的高速公路绿色通道车辆快速检测方法流程图如图2所示,包括以下步骤:
步骤1:当无人机监控管理中心观测到绿色通道发生车辆排队现象时,发出无人机启动指令。
步骤2:无人机起飞,前往指定检测车辆区域,测速仪检测待检车辆实时速度,通过无线传输模块将速度传送到无人机监控管理中心。
步骤3:无人机监控管理中心实时调整无人机飞行速度,无人机与待检车辆保持同步运动状态。
步骤4:无人机监控管理中心发出检测指令,无人机飞至检测位置一,摄像头采集驾驶员面部图像、车辆前端面图像传输至无人机信息处理中心。LED补光模块根据采集的实时光照强度控制LED灯组的开关,保证采集图像的质量(位置一位于车辆左前方,拍摄角度约为30度,距离地面2米)。
步骤5:无人机监控管理中心发出检测指令和X射线模块打开指令,无人机飞至检测位置二,摄像头采集车辆侧面图像;X射线发生源发出低能量的X光线,X射线探测器检测X射线的透视比率。将采集的所有数据通过无线传输模块传送至无人机信息处理中心。(位置二位于车辆左侧中间,距离车辆左侧1.5米,距离地面2米)
步骤6:无人机飞至检测位置三,同步骤5,摄像头采集车辆顶部图像,X射线探测器检测X射线的透视比率,并将所有数据传输到无人机信息处理中心。(步骤6中的位置三位于车辆顶部正中间,距离车辆底部1.5米。)
步骤7:对步骤4获得的驾驶员面部图像以及车辆前端面图像进行图像识别,并与交通信息数据库中的数据匹配,获得驾驶员的详细个人信息(姓名、年龄、驾驶证、通行记录)以及车辆的详细信息(车牌号、车型、车轴数、车辆自重、车辆核定载重);通过步骤5和步骤6得到的图像数据,使用图像识别技术得到货车的长度、宽度和高度,自动计算出货车的体积。将步骤5和步骤6中用X射线对货车载运货物进行识别得到的不同信号,进行图像处理并在监控屏幕上显示,通过车辆内部物品的轮廓和形态可以识别货物种类和体积,最后,根据货车的体积和已经制定的绿色通道货物密度数据库,计算装载货物的重量(如果为混装货物,则根据混装比重计算平均密度值)。将得到的车辆的整车载重量、车轴轴载重量、车型(平板式或厢式)、车轴数、货物类型、入关时间、车辆核定载重形成集合,并对车型、入关时间、货物类型进行了进一步定义,具体操作定义见表一。
表一
基于这些数据集合对车辆进行鉴定,采用二元logit模型,建立如式(1)所示的绿色车辆分类的二元选择模型:
其中,β=(β0,β1,β2…β7)T为参数向量,xi=(1,x1i,x2i…x7i)T;x1i为车辆i的整车载重量,x2i为车辆i的轴载重量,x3i为车辆i的车型种类,x4i为车辆i装载的货物类型,x5i车辆i入关时间,x6i为车辆i的核定载重;x7i为车辆i的车轴数量;ui为均值为0且互相独立的随机干扰项;yi的值表示车辆是否为绿色通道车辆,且
步骤8:确定标定后的二元选择模型,因为式(1)所定义的模型中残差项具有异方差性,普通的最小二乘法不再适用于该模型的参数标定。引入潜在变量
其中为随机扰动项,服从逻辑分布,分别用f(u)和F(u)表示随机扰动项的密度和分布函数,且yi与/>的关系如下:
因此,yi的条件概率为:
由式(5),采用极大似然法对模型进行标定,对联合概率取对数得到对数似然函数式(6),代入历史数据样本,使该似然函数最大化,即可以得到参数的极大似然值。
步骤9:将步骤7实时检测到的数据,用步骤8建立的模型进行判断是否为绿色通道车辆,并将判别结果生成报表,包括司机姓名、车辆车牌号、货物类型、车辆类型、检测时间、检测人员、收费情况7个部分,具体形式如表二所示。将检测结果存储在数据存储中心,通过对排队车辆进行预判断,当车辆驶入收费区域时,根据车牌识别信息,直接给出放行或者收费的指令,大大提高了车辆的通行效率。
表二
司机姓名 | 车辆类型 | 车牌号 | 货物类型 | 检测时间 | 检测人员 | 收费情况 |
Claims (6)
1.一种基于无人机平台的高速公路绿色通道车辆快速检测方法,其特征在于,包括如下步骤:
步骤1:当无人机监控管理中心观测到绿色通道排队车辆过多时,发出无人机启动指令;
步骤2:无人机起飞,前往指定检测车辆区域,测速仪检测待检车辆实时速度,通过无线传输模块将速度传送到无人机监控管理中心;
步骤3:无人机监控管理中心实时调整无人机飞行速度,无人机与待检车辆保持同步运动状态;
步骤4:无人机监控管理中心发出检测指令,无人机飞至检测位置一,摄像头采集驾驶员面部图像、车辆前端面图像传输至无人机信息处理中心,LED补光模块根据采集的实时光照强度控制LED灯组的开关,保证采集图像的质量;
步骤5:无人机监控管理中心发出检测指令和X射线模块打开指令,无人机飞至检测位置二,摄像头采集车辆侧面图像;X射线发生源发出低能量的X光线,X射线探测器检测X射线的透视比率,将采集的所有数据通过无线传输模块传送至无人机信息处理中心;
步骤6:无人机飞至检测位置三,同步骤5,摄像头采集车辆顶部图像,X射线探测器检测X射线的透视比率,并将所有数据传输到无人机信息处理中心;
步骤7:对步骤4获得的驾驶员面部图像以及车辆前端面图像进行图像识别,并与交通信息数据库中的数据匹配,获得驾驶员的详细个人信息以及车辆的详细信息;通过步骤5和步骤6得到的图像数据,使用图像识别技术得到货车的长度、宽度和高度,自动计算出货车的体积,将步骤5和步骤6中用X射线对货车载运货物进行识别得到的数字信号,进行图像处理并在监控屏幕上显示,通过车辆内部物品的轮廓和形态识别货物种类和体积,最后,根据货车的体积和已经制定的绿色通道货物密度数据库,计算装载货物的重量,将得到的车辆的整车载重量、车轴轴载重量、车型、车轴数、货物类型、入关时间、车辆核定载重进行整合,基于这些数据集合对车辆进行鉴定,采用二元logit模型,建立如式(1)所示的绿色车辆分类的二元选择模型:
其中,β=(β0,β1,β2…β7)T为参数向量,xi=(1,x1i,x2i…x7i)T;x1i为车辆i的整车载重量,x2i为车辆i的轴载重量,x3i为车辆i的车型种类,x4i为车辆i装载的货物类型,x5i车辆i入关时间,x6i为车辆i的核定载重;x7i为车辆i的车轴数量;ui为均值为0且互相独立的随机干扰项;yi的值表示车辆是否为绿色通道车辆,且
步骤8:确定标定后的二元选择模型,因为式(1)所定义的模型中残差项具有异方差性,普通的最小二乘法不再适用于该模型的参数标定,引入潜在变量
其中为随机扰动项,服从逻辑分布,分别用f(u)和F(u)表示随机扰动项的密度和分布函数,且yi与/>的关系如下:
因此,yi的条件概率为:
由式(5),采用极大似然法对模型进行标定,对联合概率取对数得到对数似然函数式(6),代入历史数据样本,使该似然函数最大化,即可以得到参数的极大似然值;
步骤9:将步骤7实时检测到的数据,用步骤8建立的模型进行判断是否为绿色通道车辆,并将判别结果生成报表,并将数据存储在数据存储中心,并且当车辆驶入收费位置时,根据车牌识别信息,直接给出放行或者收费的指令。
2.根据权利要求1所述的基于无人机平台的高速公路绿色通道车辆快速检测方法,其特征在于,步骤4中的位置一位于车辆左前方,拍摄角度为30度,距离地面2米;步骤5中的位置二位于车辆左侧中间,距离车辆左侧1.5米,距离地面2米;步骤6中的位置三位于车辆顶部正中间,距离车辆底部1.5米。
3.根据权利要求1所述的基于无人机平台的高速公路绿色通道车辆快速检测方法,其特征在于,步骤7中,驾驶员的详细个人信息包括姓名、年龄、驾驶证、通行记录,车辆详细信息包括车牌号、车型、车轴数、车辆自重、车辆核定载重。
4.根据权利要求1所述的基于无人机平台的高速公路绿色通道车辆快速检测方法,其特征在于,步骤7中当装载货物为混装时,根据装载量对密度取平均值,为了方便步骤8的建模计算,对车型、入关时间、货物类型进行了进一步定义。
5.根据权利要求1所述的基于无人机平台的高速公路绿色通道车辆快速检测方法,其特征在于,步骤9生成的报表包括司机姓名、车辆车牌号、货物类型、车辆类型、检测时间、检测人员、收费情况7个部分。
6.根据权利要求1所述的基于无人机平台的高速公路绿色通道车辆快速检测方法,其特征在于,经过检测的车辆将被标记为合格或者不合格,进行一个提前预判,当车辆行驶进收费站收费区域时,无需进行检查直接放行或者收费。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011454715.6A CN112699738B (zh) | 2020-12-10 | 2020-12-10 | 基于无人机平台的高速公路绿色通道车辆快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011454715.6A CN112699738B (zh) | 2020-12-10 | 2020-12-10 | 基于无人机平台的高速公路绿色通道车辆快速检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112699738A CN112699738A (zh) | 2021-04-23 |
CN112699738B true CN112699738B (zh) | 2024-03-12 |
Family
ID=75508716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011454715.6A Active CN112699738B (zh) | 2020-12-10 | 2020-12-10 | 基于无人机平台的高速公路绿色通道车辆快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112699738B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113759986A (zh) * | 2021-09-27 | 2021-12-07 | 深圳市道通智能航空技术股份有限公司 | 一种无人机监测追踪方法、装置、设备及存储介质 |
CN115239791B (zh) * | 2022-08-09 | 2023-05-02 | 广东龙眼数字科技有限公司 | 基于物联网的车辆过磅方法、系统、电子设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203055163U (zh) * | 2012-12-21 | 2013-07-10 | 河北保津高速公路有限公司 | 货车多参数智能分析绿色通道管理系统 |
KR20170108710A (ko) * | 2016-03-18 | 2017-09-27 | 주식회사에스에이티 | 무인비행체를 이용한 적재불량 차량 단속 시스템 및 그 방법 |
-
2020
- 2020-12-10 CN CN202011454715.6A patent/CN112699738B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203055163U (zh) * | 2012-12-21 | 2013-07-10 | 河北保津高速公路有限公司 | 货车多参数智能分析绿色通道管理系统 |
KR20170108710A (ko) * | 2016-03-18 | 2017-09-27 | 주식회사에스에이티 | 무인비행체를 이용한 적재불량 차량 단속 시스템 및 그 방법 |
Non-Patent Citations (1)
Title |
---|
无人机跟踪场景下的粒子滤波算法的改进;孙海洋;张利;;计算机仿真;20170215(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112699738A (zh) | 2021-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112699738B (zh) | 基于无人机平台的高速公路绿色通道车辆快速检测方法 | |
US10768338B2 (en) | Systems and methods for detecting threats and contraband in cargo | |
CN108960737B (zh) | 基于机器视觉的仓库自动巡检系统及方法 | |
KR102067367B1 (ko) | 적하목록 데이터를 이미징/검출 프로세싱에 통합시킨 x-선 검사 방법 | |
CN203055163U (zh) | 货车多参数智能分析绿色通道管理系统 | |
US20180157246A1 (en) | Automated production system for mobile phone | |
AU2017201277A1 (en) | Train Wagon 3D Profiler | |
CN110458307A (zh) | 实现智能采购管理的系统及方法 | |
CN115481989B (zh) | 混凝土搅拌站无人值守的收料售料系统及工作方法 | |
CN113515985A (zh) | 自助过磅系统、过磅检测方法、设备及存储介质 | |
CN107133849A (zh) | 一种基于云计算技术的农产品交易管理系统及其方法 | |
CN111830917A (zh) | 一种造纸企业原料数字化防作弊质检管控系统及方法 | |
CN108535138B (zh) | 用于绿色通道车辆的比重检测装置及方法 | |
Corregidor-Castro et al. | Counting breeding gulls with unmanned aerial vehicles: camera quality and flying height affects precision of a semi-automatic counting method | |
CN115482474A (zh) | 一种基于高空航拍图像的桥面车辆荷载识别方法和系统 | |
EP2568252A1 (en) | Method and a device for accurate measuring of volume of timber | |
CN109469507A (zh) | 一种煤矿运销系统 | |
AU2013237637A1 (en) | Train Wagon 3D Profiler | |
CN111950456A (zh) | 一种基于无人机的智能化fod探测方法及系统 | |
CN114140044A (zh) | 一种货物多维度数据分析方法 | |
CN107255638A (zh) | 一种车辆查验方法、装置及系统 | |
CN107389511B (zh) | 一种作物种籽表型测量方法及便携装置 | |
CN116342027A (zh) | 一种大宗原料数字化仓储系统及仓储方法 | |
CN105631795A (zh) | 一种燃料煤汽车入场验收装置及系统 | |
CN109686107A (zh) | 一种智能运输车辆车底识别系统 |
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 |