CN113191239A - 一种基于计算机视觉的车辆外廓尺寸动态检测系统 - Google Patents
一种基于计算机视觉的车辆外廓尺寸动态检测系统 Download PDFInfo
- Publication number
- CN113191239A CN113191239A CN202110439781.4A CN202110439781A CN113191239A CN 113191239 A CN113191239 A CN 113191239A CN 202110439781 A CN202110439781 A CN 202110439781A CN 113191239 A CN113191239 A CN 113191239A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- image
- pixel
- camera
- module
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 230000000007 visual effect Effects 0.000 claims description 14
- 238000003708 edge detection Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 9
- 230000000877 morphologic effect Effects 0.000 claims description 5
- 230000001629 suppression Effects 0.000 claims description 5
- 239000000725 suspension Substances 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 abstract 1
- 238000011897 real-time detection Methods 0.000 abstract 1
- 239000003550 marker Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于计算机视觉的车辆外廓尺寸动态检测系统,可实现对道路车辆尺寸的实时检测和超限预警,侧置摄像机录制车辆运动的侧面视频,由计算机视觉处理模块得到车长、车高、轴距等侧面像素尺寸;顶置摄像机捕捉车辆的顶部图像和车牌信息,由计算机视觉处理模块输出车宽像素尺寸,由数据库系统输出车辆标准尺寸;相机标定模块计算被检测路段的相机内外参数,由坐标系转换模块将像素尺寸转换为世界坐标系下的实际尺寸;超限预警模块通过比对实际尺寸与标准尺寸,判定车辆是否超限并记录超限信息。本发明设备成本低,检测效率高,可实时动态获取道路通行中车辆的尺寸,不影响通行效率,对增强道路交通的监管强度具有重要意义。
Description
技术领域
本发明属于车辆测量技术领域,更具体地,涉及一种基于计算机视觉技术的车辆外廓尺寸动态检测系统。
背景技术
车辆尺寸超限存在着严重的安全隐患,严重破坏了运输秩序,已经成为恶性交通事故的主要原因。随着汽车工业的飞速发展和交通运输网日益发达,汽车保有量急速增加,给交通监管部门的管理工作带来了新的挑战。另外,对车辆进行外廓尺寸参数检查,以确认与国家机动车安全技术标准、公告、机动车出厂合格证、机动车行驶证等技术资料凭证的符合性,是打击非法改装、拼装机动车和套用公告生产等违法违规行为的重要手段,也是确保车辆生产一致性的重要举措。
目前车辆外廓尺寸测量业务主要还是由人工利用卷尺、杆尺等工具测量,过程繁琐,效率低下,且严重影响道路通行,一些交通监管部门尝试引进一些自动测量方法和装置,如激光扫描仪、激光雷达、成像装置、光幕传感器阵列等,但这些装置存在成本昂贵、安装使用复杂等问题。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提出了一种基于计算机视觉的车辆外廓尺寸动态检测系统,通过两个摄像机拍摄道路通行视频,结合计算机图像处理技术,实现被测车辆不停车状态下的外廓尺寸提取,提高了交通管理部门对车辆尺寸超限及车辆非法改装的检测效率。
为实现上述目的,本发明提供了一种基于计算机视觉的车辆外廓尺寸动态检测系统,包括:视觉路基模块、计算机视觉处理模块、相机标定模块、坐标系转换模块、数据库系统和超限判断模块;
所述视觉路基模块包括顶置摄像机和侧置摄像机,顶置摄像机用于捕捉被测车辆的顶部图像和车牌信息,侧置摄像机拍摄被测车辆运动的侧面视频,其中,侧面视频的内容包括被测车辆未驶入侧置摄像机视野和被测车辆驶过侧置摄像机视野两部分;
所述计算机视觉处理模块,用于对侧置摄像机得到的侧面视频及顶置摄像机得到的顶部图像进行图像处理,从侧面视频及顶部图像中识别被测车辆的像素尺寸;
所述相机标定模块,用于对顶置摄像机和侧置摄像机进行标定,采用最小二乘法曲线拟合求出图像上每个像素代表的长度和高度与行数的函数关系;
所述坐标系转换模块,用于基于图像上每个像素代表的长度和高度与行数的函数关系,将被测车辆的像素尺寸转换为世界坐标系下的实际尺寸;
所述数据库系统用于根据车牌信息所得到的车辆信息,查找并调出被测车辆的标准尺寸;
所述超限预警模块用于对比被测车辆的实际尺寸和标准尺寸,在实际尺寸小于等于标准尺寸时,确定不超限,在实际尺寸大于标准尺寸时,确定超限,并记录超限信息。
在一些可选的实施方案中,所述被测车辆的像素尺寸包括车长、车高、车宽、轴距、车轮半径和前后悬长度。
在一些可选的实施方案中,所述计算机视觉处理模块包括:视频处理模块、图像处理模块、第一像素识别模块及第二像素识别模块;
所述视频处理模块,用于对侧置摄像机输入的侧面视频进行处理得到包含被测车辆的第一目标图像;
所述图像处理模块,用于对顶置摄像机得到的顶部图像进行图像处理得到包含被测车辆的第二目标图像;
所述第一像素识别模块,用于从第一目标图像中识别出车长、车高、轴距、车轮半径和前后悬长度;
所述第二像素识别模块,用于从第二目标图像中识别出车宽。
在一些可选的实施方案中,所述视频处理模块,用于计算预设时间段内侧面视频序列中的N帧图像中每一个像素值的均值μ0和方差把由μ0和组成的具有高斯分布的图像作为初始背景图像;对初始背景图像进行自适应更新,得到更新后的具有高斯分布的背景估计图像μk为第k帧图像中每一个像素的均值,为第k帧图像中每一个像素的方差,Ik为第k帧图像中像素点的像素值,其中,μk=αμk-1+(1-α)Ik,α为学习率;选取被测车辆运动到视野中央的第i帧图像作为前景图像,把前景图像和前景图像对应的背景估计图像进行差分得到目标图像;对目标图像采用Canny算子进行边缘检测,采用一阶偏导的有限差分计算边缘检测后的图像的梯度幅值和梯度方向,对梯度幅值进行非极大值抑制并用双阈值算法检测和连接边缘,得到被测车辆的大体轮廓,然后进行形态学操作,将被测车辆从背景中完整分离出来得到第一分离图像。
在一些可选的实施方案中,所述第一像素识别模块,用于对第一分离图像进行灰度值扫描,得到被测车辆上下极限边缘和前后极限边缘的坐标值,将被测车辆上下极限边缘坐标值相减可得到像素尺寸下的车高Hfigure,将被测车辆前后极限边缘的坐标值相减得到车长Lfigure;采用Hough变换圆检测算法识别车轮,得到前后车轮的圆心坐标(x1,y1)、(x2,y2)和车轮半径r,将两车轮的圆心横坐标相减得到轴距的像素尺寸Wfigure=|x2-x1|;将被测车辆前边缘坐标减去前车轮圆心横坐标,再加车轮半径r得到前悬的像素长度Ffigure,将被测车辆后边缘坐标减去后车轮圆心横坐标,再加车轮半径r得到后悬的像素长度Rfigure。
在一些可选的实施方案中,所述图像处理模块,用于对顶部图像采用Canny算子进行边缘检测,采用一阶偏导的有限差分计算边缘检测后的图像的梯度幅值和梯度方向,对梯度幅值进行非极大值抑制并用双阈值算法检测和连接边缘,得到被测车辆的大体轮廓,然后进行形态学操作,将被测车辆从背景中完整分离出来得到第二分离图像。
在一些可选的实施方案中,所述第二像素识别模块,用于对第二分离图像进行灰度值扫描,得到车辆左右极限边缘的坐标值,将车辆左右极限边缘的坐标值相减得到像素尺寸下的车宽Bfigure。
在一些可选的实施方案中,所述相机标定模块,用于对顶置摄像机采用最小二乘法曲线拟合求出拍摄的标定图像上每个像素代表的长度y与行数x的函数关系y(x)′,以及高度h与行数x的函数关系h(x)′,对侧置摄像机采用最小二乘法曲线拟合求出拍摄的标定图像上每个像素代表的长度y与行数x的函数关系y(x),以及高度h与行数x的函数关系h(x)。
在一些可选的实施方案中,所述坐标系转换模块通过相机标定模块得到的函数关系,将像素尺寸转化为世界坐标系下的实际尺寸:Lreal=Lfigure*y(x),Breal=Bfigure*y(x)′,Hreal=Hfigure*h(x),Wreal=Wfigure*y(x),Freal=Ffigure*y(x),Rreal=Rfigure*y(x),其中,Lreal为被测车辆的实际车长,Breal为被测车辆的实际车宽,Hreal为被测车辆的实际车高,Wreal为被测车辆的实际轴距,Freal为被测车辆的实际前悬长度,Rreal为被测车辆的实际后悬长度。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
车辆尺寸检测与计算机视觉技术相结合,实现动态不停车检测车辆外廓尺寸,降低了检测的人力成本,提高了检测效率。该系统无需专用场地和工具,所需的硬件只有两个摄像机,投入和维护成本低。计算速度快,可根据需求同时对视频内多个车辆跟踪检测外廓尺寸。
附图说明
图1是本发明实施例提供的一种系统实施流程图;
图2是本发明实施例提供的一种视觉路基的布置示意图;
图3是本发明实施例提供的一种被检测车辆侧面尺寸示意图;
图4是本发明实施例提供的一种被检测车辆车宽尺寸示意图;
图5是本发明实施例提供的一种目标检测的实现流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示,一种基于计算机视觉的车辆外廓尺寸动态检测系统,包含视觉路基模块、计算机视觉处理模块、相机标定模块、坐标系转换模块、数据库系统和超限预警模块;数据库系统内储存被测车辆的标准车长、标准车宽、标准车高、标准轴距、标准车轮半径、标准前后悬长度,这些数据通过车牌和车型信息匹配;其中:
视觉路基模块包含顶置摄像机和侧置摄像机,顶置摄像机用于拍摄被测车辆的顶部图像和车牌信息,侧置摄像机用于录制车辆运动的侧面视频;
其中,视觉路基模块中所拍摄的车辆运动的侧面视频,包括被测车辆未驶入侧置摄像机视野和被测车辆驶过侧置摄像机视野两部分。
在本发明实施例中,顶置摄像机可以安装在一般的监控立杆上,支架横臂的高度应确保摄像机及辅助光源安装后离地净高度为6.0m-8.0m,安装规范符合《安全防范工程技术规范》,连接图像采集卡;图像采集卡连接计算机视觉处理模块,将拍摄到的被测车辆的顶部图像传送给计算机视觉处理模块,车牌信息等车辆信息传送给数据库系统;
侧置摄像机可以安装在距车道9m-15m的任一侧的路基上,用于录制被测车辆运动的侧面视频,顶置摄像机和侧置摄像机的布置方式如图2所示。
计算机视觉处理模块用于对侧置摄像机得到的侧面视频及顶置摄像机得到的顶部图像进行图像处理,从侧面视频及顶部图像中识别被测车辆的像素尺寸,并传输至坐标系转换模块,其中,像素尺寸包括车长、车高、车轮半径、轴距、前后悬长度以及车宽,如图3、图4所示。
在本发明实施例中,计算机视觉处理模块中对于侧置摄像机输入的侧面视频的处理方法为:
Ik(x,y)为第k帧图像中坐标为(x,y)处的像素值,把由μ0和组成的具有高斯分布的图像作为初始背景图像。每一个像素的亮度满足即每一个像素点(x,y)都包含了两个属性,均值和方差,N表示所取视频帧数,μk为第k帧图像中每一个像素的均值,为第k帧图像中每一个像素的方差。
μk=αμk-1+(1-α)Ik
其中,α为学习率,a为系数,取值为[0,1]间的常数,至此便可得到背景估计图像中像素点(x,y)的灰度值bk(x,y)。选取被测车辆运动到视野中央的第i帧图像作为前景图像,最后通过把前景图像和前景图像对应的背景估计图像进行差分得到目标图像Di(x,y),即:
Di(x,y)=fi(x,y)-bi(x,y)
其中,fi(x,y)表示前景图像,i表示所取第几帧图像。
然后对目标图像Di(x,y)经形态学处理后即可得到运动目标,目标检测的实现流程如图5所示。
计算机视觉处理模块对于车长、车高、车宽的识别方法为:
对上述经过目标检测得到的目标图像Di(x,y)采用Canny算子进行边缘检测,Canny算子选用合适的一维高斯函数,分别对图像f(x,y)按行和列进行平滑去噪,得到I(x,y),这相当于对图像信号的卷积,所选高斯函数为:
式中:σ为高斯滤波函数的标准差,这里用高斯滤波函数的标准差σ来控制平滑度。当σ较小时,滤波器也较短,卷积运算量小,定位精度高,但信噪比低;当σ较大时,情况恰好相反。因此,要根据实际需要适当选取高斯滤波器参数σ。
然后采用2×2邻域一阶偏导的有限差分计算平滑后的图像的梯度幅值M(x,y)和梯度方向H(x,y),即:
H(x,y)=arctan[kx(x,y),ky(x,y)]
其中,kx和ky分别为图像I(x,y)被滤波器fx和,fy按行、列作用后的结果。
最后对梯度幅值进行非极大值抑制并用双阈值算法检测和连接边缘。得到被测车辆的大体轮廓,然后对图像进行膨胀、腐蚀、开操作等形态学操作,将目标车辆从背景中完整分离出来。然后,利用图像在边缘处产生灰度值跳变的特性,对侧置摄像机和顶置摄像机得到的分离图像分别进行灰度值扫描,即可得到车辆上下极限边缘、前后极限边缘以及左右极限边缘的坐标值,分别将边缘坐标值相减即可得到像素尺寸下的车长Lfigure、车高Hfigure、车宽Bfigure。
按上述方案,计算机视觉处理模块对于车轮半径、轴距和前后悬的识别方法为:
采用Hough变换圆检测算法识别车轮,通过a=x-r*cos(angle),b=y-r*sin(angle)将上述通过Canny算子边缘检测得到的图像空间中的边缘点映射到参数空间(a,b,r)中,由于是数字图像且采取极坐标,angle和r都取一定的范围和步长,这样通过两重循环(angle循环和r循环)即可将通过Canny算子边缘检测得到的图像空间的点映射到参数空间中,再在参数空间(即一个由许多小立方体组成的大立方体)中寻找车轮圆心,然后求出前后轮的圆心坐标(x1,y1)、(x2,y2)和车轮半径r。将两车轮的圆心x坐标相减即可得到轴距的像素尺寸Wfigure=|x2-x1|;将车辆前后边缘坐标分别减去前后车轮圆心x坐标,再加半径r即可得到前后悬的像素长度Ffigure、Rfigure,其中,a为参数空间横坐标,b为参数空间纵坐标,r为车轮半径。
按上述方案,相机标定模块对于被测车辆实际尺寸与像素尺寸的缩放比α获取方法为:
提前在被检测路段架设好摄像机(包括顶置摄像机和侧置摄像机),两者分别进行标定,标定方式相同,均为:选取长和宽为1米长的L形标杆,分别将其置于距摄像机1-10米的位置进行拍摄,在拍摄图像上将标杆外接矩形下边缘当作是标杆所在图像上的行x,统计L形标杆所占行像素和列像素,计算出每个像素代表的长度y和高度h。采用最小二乘法曲线拟合求出y、h与x的函数关系:
y(x)=a0+a1x+…+anxn
h(x)=b0+b1x+…+bnxn
按上述方案,坐标系转换模块通过相机标定模块得到的函数关系,将像素尺寸转化为世界坐标系下的实际尺寸,计算方法为:
Lreal=Lfigure*y(x)
Breal=Bfigure*y(x)′
Hreal=Hfigure*h(x)
Wreal=Wfigure*y(x)
Freal=Ffigure*y(x)
Rreal=Rfigure*y(x)
其中,Lreal为被测车辆的实际车长,Breal为被测车辆的实际车宽,Hreal为被测车辆的实际车高,Wreal为被测车辆的实际轴距,Freal为被测车辆的实际前悬长度,Rreal为被测车辆的实际后悬长度。
数据库系统用于根据顶置摄像机所得到的车辆信息,搜索并调取被测车辆的标准尺寸,并传送至超限预警模块。
超限预警模块用于对比被测车辆的实际尺寸和标准尺寸,并做出以下选择:
实际尺寸小于等于标准尺寸,结束;
或;
实际尺寸大于标准尺寸,记录超限信息,结束。
需要指出,根据实施的需要,可将本申请中描述的各个步骤/部件拆分为更多步骤/部件,也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件,以实现本发明的目的。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于计算机视觉的车辆外廓尺寸动态检测系统,其特征在于,包括:视觉路基模块、计算机视觉处理模块、相机标定模块、坐标系转换模块、数据库系统和超限判断模块;
所述视觉路基模块包括顶置摄像机和侧置摄像机,顶置摄像机用于捕捉被测车辆的顶部图像和车牌信息,侧置摄像机拍摄被测车辆运动的侧面视频,其中,侧面视频的内容包括被测车辆未驶入侧置摄像机视野和被测车辆驶过侧置摄像机视野两部分;
所述计算机视觉处理模块,用于对侧置摄像机得到的侧面视频及顶置摄像机得到的顶部图像进行图像处理,从侧面视频及顶部图像中识别被测车辆的像素尺寸;
所述相机标定模块,用于对顶置摄像机和侧置摄像机进行标定,采用最小二乘法曲线拟合求出图像上每个像素代表的长度和高度与行数的函数关系;
所述坐标系转换模块,用于基于图像上每个像素代表的长度和高度与行数的函数关系,将被测车辆的像素尺寸转换为世界坐标系下的实际尺寸;
所述数据库系统用于根据车牌信息所得到的车辆信息,查找并调出被测车辆的标准尺寸;
所述超限预警模块用于对比被测车辆的实际尺寸和标准尺寸,在实际尺寸小于等于标准尺寸时,确定不超限,在实际尺寸大于标准尺寸时,确定超限,并记录超限信息。
2.根据权利要求1所述的系统,其特征在于,所述被测车辆的像素尺寸包括车长、车高、车宽、轴距、车轮半径和前后悬长度。
3.根据权利要求2所述的系统,其特征在于,所述计算机视觉处理模块包括:视频处理模块、图像处理模块、第一像素识别模块及第二像素识别模块;
所述视频处理模块,用于对侧置摄像机输入的侧面视频进行处理得到包含被测车辆的第一目标图像;
所述图像处理模块,用于对顶置摄像机得到的顶部图像进行图像处理得到包含被测车辆的第二目标图像;
所述第一像素识别模块,用于从第一目标图像中识别出车长、车高、轴距、车轮半径和前后悬长度;
所述第二像素识别模块,用于从第二目标图像中识别出车宽。
4.根据权利要求3所述的系统,其特征在于,所述视频处理模块,用于计算预设时间段内侧面视频序列中的N帧图像中每一个像素值的均值μ0和方差把由μ0和组成的具有高斯分布的图像作为初始背景图像;对初始背景图像进行自适应更新,得到更新后的具有高斯分布的背景估计图像μk为第k帧图像中每一个像素的均值,为第k帧图像中每一个像素的方差,Ik为第k帧图像中像素点的像素值,其中,μk=αμk-1+(1-α)Ik, α为学习率;选取被测车辆运动到视野中央的第i帧图像作为前景图像,把前景图像和前景图像对应的背景估计图像进行差分得到目标图像;对目标图像采用Canny算子进行边缘检测,采用一阶偏导的有限差分计算边缘检测后的图像的梯度幅值和梯度方向,对梯度幅值进行非极大值抑制并用双阈值算法检测和连接边缘,得到被测车辆的大体轮廓,然后进行形态学操作,将被测车辆从背景中完整分离出来得到第一分离图像。
5.根据权利要求4所述的系统,其特征在于,所述第一像素识别模块,用于对第一分离图像进行灰度值扫描,得到被测车辆上下极限边缘和前后极限边缘的坐标值,将被测车辆上下极限边缘坐标值相减可得到像素尺寸下的车高Hfigure,将被测车辆前后极限边缘的坐标值相减得到车长Lfigure;采用Hough变换圆检测算法识别车轮,得到前后车轮的圆心坐标(x1,y1)、(x2,y2)和车轮半径r,将两车轮的圆心横坐标相减得到轴距的像素尺寸Wfigure=|x2-x1|;将被测车辆前边缘坐标减去前车轮圆心横坐标,再加车轮半径r得到前悬的像素长度Ffigure,将被测车辆后边缘坐标减去后车轮圆心横坐标,再加车轮半径r得到后悬的像素长度Rfigure。
6.根据权利要求5所述的系统,其特征在于,所述图像处理模块,用于对顶部图像采用Canny算子进行边缘检测,采用一阶偏导的有限差分计算边缘检测后的图像的梯度幅值和梯度方向,对梯度幅值进行非极大值抑制并用双阈值算法检测和连接边缘,得到被测车辆的大体轮廓,然后进行形态学操作,将被测车辆从背景中完整分离出来得到第二分离图像。
7.根据权利要求6所述的系统,其特征在于,所述第二像素识别模块,用于对第二分离图像进行灰度值扫描,得到车辆左右极限边缘的坐标值,将车辆左右极限边缘的坐标值相减得到像素尺寸下的车宽Bfigure。
8.根据权利要求7所述的系统,其特征在于,所述相机标定模块,用于对顶置摄像机采用最小二乘法曲线拟合求出拍摄的标定图像上每个像素代表的长度y与行数x的函数关系y(x)′,以及高度h与行数x的函数关系h(x)′,对侧置摄像机采用最小二乘法曲线拟合求出拍摄的标定图像上每个像素代表的长度y与行数x的函数关系y(x),以及高度h与行数x的函数关系h(x)。
9.根据权利要求8所述的系统,其特征在于,所述坐标系转换模块通过相机标定模块得到的函数关系,将像素尺寸转化为世界坐标系下的实际尺寸:Lreal=Lfigure*y(x),Breal=Bfigurr*y(x)′,Hreal=Hfigure*h(x),Wreal=Wfigure*y(x),Freal=Ffigure*y(x),Rreal=Rfigure*y(x),其中,Lreal为被测车辆的实际车长,Breal为被测车辆的实际车宽,Hreal为被测车辆的实际车高,Wreal为被测车辆的实际轴距,Freal为被测车辆的实际前悬长度,Rreal为被测车辆的实际后悬长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110439781.4A CN113191239A (zh) | 2021-04-23 | 2021-04-23 | 一种基于计算机视觉的车辆外廓尺寸动态检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110439781.4A CN113191239A (zh) | 2021-04-23 | 2021-04-23 | 一种基于计算机视觉的车辆外廓尺寸动态检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113191239A true CN113191239A (zh) | 2021-07-30 |
Family
ID=76978321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110439781.4A Pending CN113191239A (zh) | 2021-04-23 | 2021-04-23 | 一种基于计算机视觉的车辆外廓尺寸动态检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113191239A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114166132A (zh) * | 2021-11-11 | 2022-03-11 | 中铁大桥科学研究院有限公司 | 一种车辆高度抓拍测量方法及装置 |
CN114708245A (zh) * | 2022-04-21 | 2022-07-05 | 深圳信路通智能技术有限公司 | 车辆尺寸测量方法、装置、计算机设备、存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN211015898U (zh) * | 2019-12-02 | 2020-07-14 | 河南省特利衡器有限公司 | 一种非现场执法车辆超载超限检测系统 |
CN112396868A (zh) * | 2020-11-05 | 2021-02-23 | 中国联合网络通信集团有限公司 | 碰撞预警实现方法、系统、计算机设备及存储介质 |
-
2021
- 2021-04-23 CN CN202110439781.4A patent/CN113191239A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN211015898U (zh) * | 2019-12-02 | 2020-07-14 | 河南省特利衡器有限公司 | 一种非现场执法车辆超载超限检测系统 |
CN112396868A (zh) * | 2020-11-05 | 2021-02-23 | 中国联合网络通信集团有限公司 | 碰撞预警实现方法、系统、计算机设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
FENG’AN ZHAODENG等: "A Vehicle Dimensions Dynamic Detection Method Based on Image Recognition", 《SAE INTERNATIANAL》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114166132A (zh) * | 2021-11-11 | 2022-03-11 | 中铁大桥科学研究院有限公司 | 一种车辆高度抓拍测量方法及装置 |
CN114708245A (zh) * | 2022-04-21 | 2022-07-05 | 深圳信路通智能技术有限公司 | 车辆尺寸测量方法、装置、计算机设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111855664B (zh) | 一种可调节隧道病害三维检测系统 | |
CN107738612B (zh) | 基于全景视觉辅助系统的自动泊车停车位检测与识别系统 | |
US20200041284A1 (en) | Map road marking and road quality collecting apparatus and method based on adas system | |
CN112433203B (zh) | 一种基于毫米波雷达数据的车道线形检测方法 | |
US8238610B2 (en) | Homography-based passive vehicle speed measuring | |
CN110008893B (zh) | 一种基于车载图像传感器的车辆行驶跑偏自动检测方法 | |
CN111485475B (zh) | 一种路面坑槽识别方法及其装置 | |
CN106978774B (zh) | 一种路面坑槽自动检测方法 | |
CN109489724B (zh) | 一种隧道列车安全运行环境综合检测装置及检测方法 | |
CN109827647B (zh) | 一种桥梁动态称重系统 | |
CN113221682B (zh) | 基于计算机视觉的桥梁车辆荷载时空分布细粒度识别方法 | |
CN111626277B (zh) | 一种基于治超站交调指标分析的车辆跟踪方法及装置 | |
CN111141311B (zh) | 一种高精度地图定位模块的评估方法及系统 | |
CN107796373B (zh) | 一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法 | |
CN106124512A (zh) | 悬挂式单轨箱型梁巡检装置 | |
CN104183133A (zh) | 一种采集和传输道路交通流动态信息的方法 | |
CN109887273B (zh) | 一种基于多源冗余信息的桥梁活载优化识别方法 | |
CN113191239A (zh) | 一种基于计算机视觉的车辆外廓尺寸动态检测系统 | |
CN109839175B (zh) | 一种桥梁活载优化识别系统 | |
CN115482195B (zh) | 一种基于三维点云的列车部件变形检测方法 | |
CN111768417B (zh) | 基于单目视觉3d重建技术的铁路货车超限检测方法 | |
CN113223050B (zh) | 一种基于ArUco码的机器人运动轨迹实时采集方法 | |
CN112990128A (zh) | 一种基于视频跟踪的多车辆测速方法 | |
CN111368797A (zh) | 一种基于路端单目摄像头的目标实时测距方法 | |
CN107506753B (zh) | 一种面向动态视频监控的多车辆跟踪方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210730 |
|
RJ01 | Rejection of invention patent application after publication |