CN113240729A - 一种基于图像识别的车辆质心位置估算方法 - Google Patents
一种基于图像识别的车辆质心位置估算方法 Download PDFInfo
- Publication number
- CN113240729A CN113240729A CN202110448175.9A CN202110448175A CN113240729A CN 113240729 A CN113240729 A CN 113240729A CN 202110448175 A CN202110448175 A CN 202110448175A CN 113240729 A CN113240729 A CN 113240729A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- vibration
- mass center
- frequency
- video
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
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)
- Image Analysis (AREA)
- Image Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于图像识别的车辆质心位置估算方法,属于视觉识别技术在车辆动力学领域的应用。该方法利用车辆自由振动中,在一定条件下质心纵向高度位置变化最小这一特性,使用侧置摄像机记录车辆驶过连续、均匀激励源的视频,采用MATLAB对视频进行处理,以一定顺序遍历车身上所有的像素点,比较各像素点振幅后寻找出对应最小振动幅度的像素点,结合车辆垂向动力学规律,即可确定车辆质心的位置范围。进一步提高采集视频像素,可使确定的位置范围进一步缩小。可以实现实时对载重车辆质心位置的检测。
Description
技术领域
本发明属于视觉识别技术在车辆动力学领域的应用,更具体地,涉及一种基于图像识别的车辆质心位置估算方法,可以实现实时对载重车辆质心位置的检测。
背景技术
在过去几年中,车辆动力学在交通及物流监管方面有着越来越多的应用。车辆质心位置作为车辆动力学的一个重要参数,其位置信息与车辆的制动性、轴荷分布及侧向稳定性等动力学特性关系密切。
传统的检测方法普遍使用测试台架或加装车载传感器,测试精度高,但在实际运行过程中,不同的驾驶和载重条件会使其动态变化,位置信息与台架测得结果有较大差距,且传统方法测量成本高,不利于大规模使用。
目前,大都利用车辆制动特性,如公开号为CN105928657A的车辆质心位置测量装置及方法,公开号为CN103162905A的一种车辆质心高度测量方法等。目前已有方法由于对于检测轮胎受力具有极高的要求,会影响车辆的正常通行,需要搭建复杂传感器设备等因素,导致实际应用时难度较大。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供一种更为简便与灵活地检测车辆质心位置的方法,在不影响车辆运行的前提下,对加载车辆的质心位置进行识别,以应用解决车辆动力学时有关质心位置获取的问题。
为实现上述目的,本发明提供了一种基于图像识别的车辆质心位置估算方法,包括:
S1:采集车辆通过振动激励源的振动视频;
S2:获取振动视频的目标帧图像,遍历目标帧图像中的像素,寻找车辆振动结点,根据车辆振动结点的高度确定车辆质心的高度;
S3:基于车辆振动结点的振动数据得到系统垂直振动部分固有圆周频率;
S4:在车辆振动结点相同高度的任一像素点提取振动数据,振动结点与相同高度的像素点的振动数据作加法,得到系统角振动部分固有圆周频率;
S5:根据系统垂直振动部分固有圆周频率和系统角振动部分固有圆周频率,确定质心的水平位置;
S6:将质心的水平位置和质心的高度结合起来,确定车辆质心的二维位置坐标。
在一些可选的实施方案中,步骤S1包括:
使用距离车辆3~5m的侧置摄像机,采集车辆通过振动激励源的振动视频,其中,振动视频内至少包括不含车辆的背景帧图像和含有车辆的前景帧图像。
在一些可选的实施方案中,步骤S2包括:
获取振动视频的目标帧图像,根据预设的遍历策略遍历各目标帧图像中的车身前后轴之间的像素点,寻找车辆振动结点,根据车辆振动结点的高度确定车辆质心的高度,其中,目标帧图像为不含车辆的背景帧图像和含有车辆的前景帧图像。
在一些可选的实施方案中,所述根据预设的遍历策略遍历各目标帧图像中的车身前后轴之间的像素点,包括:
对于每个目标帧图像,首先横向选择车身底部或者顶部进行遍历,识别并比较这条线上像素点的振动频率,找出其中振动频率最小的点;
在振动频率最小点对应的水平位置上,选中垂直于车身上下沿的直线,对直线上的像素点进行遍历,寻找出振幅最小的像素点作为车辆振动结点。
在一些可选的实施方案中,步骤S3包括:
通过提取车辆振动结点到地面的相对距离,对相对距离进行离散傅里叶变换,获取系统垂直振动部分固有圆周频率。
在一些可选的实施方案中,步骤S4包括:
在车辆振动结点相同高度的任一像素点提取振动数据,振动结点与相同高度的像素点的振动数据对应时刻分别相加,得到新的时间-距离数据组,由此得到系统角振动部分固有圆周频率。
在一些可选的实施方案中,步骤S5包括:
在一些可选的实施方案中,步骤S6包括:
将质心的位置在以车身左下角为原点,水平方向为横坐标,竖直方向为纵坐标的二维坐标系中表示出来。
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:
本发明通过对侧置摄像机捕捉到的视频进行图像处理,可以更加快捷、方便地对加载车辆的质心位置进行测定,既满足了对于质心位置识别的需求,又进一步提高了检测的灵活性。具体操作包括:将不含车辆的背景帧图像和含有车辆的前景帧图像转化为灰度图,进行图像差分处理,获取多帧图像中车身上的像素点间的相对位移,结合侧置摄像机的安装位置,利用透视原理计算出像素点所对应的车身上点的实际位移。采用本发明提供的质心位置估算方法,可以在实际应用车辆动力学的场景下,实时地对车辆质心位置进行测定,为车辆的制动性,轴荷分布,侧向稳定性等方面的检测提供必要的质心位置信息。本发明提供的方法通过检测车辆垂向运动规律,视觉识别出了质心在纵向和垂向上的位置,可以为车辆上不同方向上的传感器提供冗余备份,提高传感器工作的抗干扰能力。
附图说明
图1是本发明实施例提供的一种基于图像识别的车辆质心位置估算方法的流程示意图;
图2是本发明实施例提供的一种基于图像识别的车辆质心位置估算方法的像素遍历顺序示意图。
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。
图1是本发明实施例提供的一种基于图像识别的车辆质心位置估算方法的流程示意图,包括如下步骤:
S1:采集车辆通过振动激励源的振动视频,使用距离车辆3~5m的侧置摄像机,采集车辆通过振动激励源的振动视频,振动视频内至少包括不含车辆的背景帧图像和含有车辆的前景帧图像,应完整包含车辆通过振动激励源的全部过程;
S2:如图2所示,为基于图像识别的车辆质心位置估算方法的像素遍历顺序示意图,根据预设的顺序遍历车身前后轴之间的像素点;横向选择车身底部或者顶部进行遍历,识别并比较这条线上像素点的振动频率,找出其中振动频率最小的点。在此点对应的水平位置上,选中垂直于车身上下沿的直线,对直线上的像素点进行遍历,寻找出振幅最小的像素点,此点即为车辆振动结点,根据振动结点高度确定车辆质心的竖直高度;
S3:提取车辆振动结点的振动数据,通过提取车辆振动结点到地面的相对距离,对相对距离进行离散傅里叶变换,获取其振动频率,即为系统垂直振动部分的固有圆周频率ωz;
S5:根据系统垂直振动部分的固有圆周频率和系统角振动部分的固有圆周频率,确定质心所在像素的水平位置,所用公式如下:
S6:建立以车身左下角为原点,水平方向为横坐标,竖直方向为纵坐标的二维坐标系,将步骤S2和步骤S5中得到的质心水平位置和质心竖直高度结合起来,根据侧置摄像机距离车辆的距离和车辆前后轴距,进行比例变换,确定实际质心位置,得到车辆质心的二维位置坐标。
试验表明,本发明的识别方法的正确率高,且识别速度快、效率高、灵活性好。本发明的识别方法可以在实际应用车辆动力学的场景下,实时地对车辆质心位置进行测定,为某些特定车辆动力学模型的应用提供必要参数
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 (8)
1.一种基于图像识别的车辆质心位置估算方法,其特征在于,包括:
S1:采集车辆通过振动激励源的振动视频;
S2:获取振动视频的目标帧图像,遍历目标帧图像中的像素,寻找车辆振动结点,根据车辆振动结点的高度确定车辆质心的高度;
S3:基于车辆振动结点的振动数据得到系统垂直振动部分固有圆周频率;
S4:在车辆振动结点相同高度的任一像素点提取振动数据,振动结点与相同高度的像素点的振动数据作加法,得到系统角振动部分固有圆周频率;
S5:根据系统垂直振动部分固有圆周频率和系统角振动部分固有圆周频率,确定质心的水平位置;
S6:将质心的水平位置和质心的高度结合起来,确定车辆质心的二维位置坐标。
2.根据权利要求1所述的方法,其特征在于,步骤S1包括:
使用距离车辆3~5m的侧置摄像机,采集车辆通过振动激励源的振动视频,其中,振动视频内至少包括不含车辆的背景帧图像和含有车辆的前景帧图像。
3.根据权利要求2所述的方法,其特征在于,步骤S2包括:
获取振动视频的目标帧图像,根据预设的遍历策略遍历各目标帧图像中的车身前后轴之间的像素点,寻找车辆振动结点,根据车辆振动结点的高度确定车辆质心的高度,其中,目标帧图像为不含车辆的背景帧图像和含有车辆的前景帧图像。
4.根据权利要求3所述的方法,其特征在于,所述根据预设的遍历策略遍历各目标帧图像中的车身前后轴之间的像素点,包括:
对于每个目标帧图像,首先横向选择车身底部或者顶部进行遍历,识别并比较这条线上像素点的振动频率,找出其中振动频率最小的点;
在振动频率最小点对应的水平位置上,选中垂直于车身上下沿的直线,对直线上的像素点进行遍历,寻找出振幅最小的像素点作为车辆振动结点。
5.根据权利要求1至4任意一项所述的方法,其特征在于,步骤S3包括:
通过提取车辆振动结点到地面的相对距离,对相对距离进行离散傅里叶变换,获取系统垂直振动部分固有圆周频率。
6.根据权利要求5所述的方法,其特征在于,步骤S4包括:
在车辆振动结点相同高度的任一像素点提取振动数据,振动结点与相同高度的像素点的振动数据对应时刻分别相加,得到新的时间-距离数据组,由此得到系统角振动部分固有圆周频率。
8.根据权利要求7所述的方法,其特征在于,步骤S6包括:
将质心的位置在以车身左下角为原点,水平方向为横坐标,竖直方向为纵坐标的二维坐标系中表示出来。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110448175.9A CN113240729B (zh) | 2021-04-25 | 2021-04-25 | 一种基于图像识别的车辆质心位置估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110448175.9A CN113240729B (zh) | 2021-04-25 | 2021-04-25 | 一种基于图像识别的车辆质心位置估算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113240729A true CN113240729A (zh) | 2021-08-10 |
CN113240729B CN113240729B (zh) | 2022-10-11 |
Family
ID=77129124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110448175.9A Active CN113240729B (zh) | 2021-04-25 | 2021-04-25 | 一种基于图像识别的车辆质心位置估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113240729B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102721457A (zh) * | 2012-05-29 | 2012-10-10 | 华中科技大学 | 超声散斑水下稳态振动测量方法和测量装置 |
CN102945374A (zh) * | 2012-10-24 | 2013-02-27 | 北京航空航天大学 | 一种高分辨率遥感图像中民航飞机自动检测方法 |
CN103679171A (zh) * | 2013-09-24 | 2014-03-26 | 暨南大学 | 基于人体重心轨迹分析的步态特征提取方法 |
JP2015106192A (ja) * | 2013-11-28 | 2015-06-08 | 日本放送協会 | 不快度推定装置及び不快度推定プログラム |
CN106840519A (zh) * | 2017-01-19 | 2017-06-13 | 河南理工大学 | 一种两轴车辆质心高度的静态测量方法 |
CN111222087A (zh) * | 2020-01-15 | 2020-06-02 | 西南交通大学 | 一种铁道客车车体滚摆频率和摆心位置计算方法 |
CN111582288A (zh) * | 2020-05-06 | 2020-08-25 | 武汉理工大学 | 一种基于车身振动模型的非接触式车辆超载识别系统 |
-
2021
- 2021-04-25 CN CN202110448175.9A patent/CN113240729B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102721457A (zh) * | 2012-05-29 | 2012-10-10 | 华中科技大学 | 超声散斑水下稳态振动测量方法和测量装置 |
CN102945374A (zh) * | 2012-10-24 | 2013-02-27 | 北京航空航天大学 | 一种高分辨率遥感图像中民航飞机自动检测方法 |
CN103679171A (zh) * | 2013-09-24 | 2014-03-26 | 暨南大学 | 基于人体重心轨迹分析的步态特征提取方法 |
JP2015106192A (ja) * | 2013-11-28 | 2015-06-08 | 日本放送協会 | 不快度推定装置及び不快度推定プログラム |
CN106840519A (zh) * | 2017-01-19 | 2017-06-13 | 河南理工大学 | 一种两轴车辆质心高度的静态测量方法 |
CN111222087A (zh) * | 2020-01-15 | 2020-06-02 | 西南交通大学 | 一种铁道客车车体滚摆频率和摆心位置计算方法 |
CN111582288A (zh) * | 2020-05-06 | 2020-08-25 | 武汉理工大学 | 一种基于车身振动模型的非接触式车辆超载识别系统 |
Non-Patent Citations (3)
Title |
---|
NICHOLAS MANGO: "measurement & Calculation of Vehicle Center of Gravity Using Portable Wheel Scales", 《SAE TECHNICAL PAPER》 * |
唐静宁等: "汽车内饰材料中挥发性有机物检测方法研究", 《中国标准化》 * |
黄冠华等: "动态激励下高速列车齿轮传动系统振动特性分析", 《铁道学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113240729B (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106871805B (zh) | 车载钢轨轨距测量系统及测量方法 | |
CN104700414A (zh) | 一种基于车载双目相机的前方道路行人快速测距方法 | |
CN110232824A (zh) | 一种非接触式车辆超载识别预警系统 | |
CN108759823B (zh) | 基于图像匹配的指定道路上低速自动驾驶车辆定位及纠偏方法 | |
CN102788572B (zh) | 一种工程机械吊钩姿态的测量方法、装置及系统 | |
CN106643545A (zh) | 激光位移技术测量钢轨轮廓的校准方法 | |
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 | |
CN104204726A (zh) | 移动物体位置姿态估计装置和移动物体位置姿态估计方法 | |
CN115482195B (zh) | 一种基于三维点云的列车部件变形检测方法 | |
CN108877237A (zh) | 基于监控视频图像的车辆行驶速度集成解算系统及方法 | |
CN112711027B (zh) | 一种基于激光雷达点云数据的隧道内横向定位方法 | |
CN108765393B (zh) | 一种高速铁路接触网振动行为检测方法 | |
CN112990128A (zh) | 一种基于视频跟踪的多车辆测速方法 | |
CN112735135A (zh) | 高速运动车辆超限检测方法 | |
CN111768417A (zh) | 基于单目视觉3d重建技术的铁路货车超限检测方法 | |
CN116242316A (zh) | 刚性接触网定位点实时检测的方法及装置 | |
CN116680894A (zh) | 一种桥梁车辆荷载效应实时孪生方法 | |
CN112161685B (zh) | 一种基于表面特征的车辆荷载测量方法 | |
CN113240729B (zh) | 一种基于图像识别的车辆质心位置估算方法 | |
CN107506739A (zh) | 一种夜间前向车辆检测及测距方法 | |
CN116500645A (zh) | 车载激光点云侵限识别方法及装置 | |
CN113848209B (zh) | 一种基于无人机与激光测距的堤坝裂缝检测方法 | |
CN112991734B (zh) | 一种视觉车位的车位状态检测系统 | |
CN115205397A (zh) | 一种基于计算机视觉和位姿估计的车辆时空信息识别方法 | |
Liu et al. | Computer Vision-Based Structural Displacement Monitoring and Modal Identification with Subpixel Localization Refinement |
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 |