CN113375618B - 一种根据轴间距计算的车型辨识方法 - Google Patents

一种根据轴间距计算的车型辨识方法 Download PDF

Info

Publication number
CN113375618B
CN113375618B CN202110921937.2A CN202110921937A CN113375618B CN 113375618 B CN113375618 B CN 113375618B CN 202110921937 A CN202110921937 A CN 202110921937A CN 113375618 B CN113375618 B CN 113375618B
Authority
CN
China
Prior art keywords
vehicle
wheelbase
wheel base
axle
steps
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
Application number
CN202110921937.2A
Other languages
English (en)
Other versions
CN113375618A (zh
Inventor
叶圣华
陈创
华松涛
闫春东
胡天乾
杨崇智
刘刊刊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
KELI SENSING TECHNOLOGY (NINGBO) CO LTD
Original Assignee
KELI SENSING TECHNOLOGY (NINGBO) CO LTD
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by KELI SENSING TECHNOLOGY (NINGBO) CO LTD filed Critical KELI SENSING TECHNOLOGY (NINGBO) CO LTD
Priority to CN202110921937.2A priority Critical patent/CN113375618B/zh
Publication of CN113375618A publication Critical patent/CN113375618A/zh
Application granted granted Critical
Publication of CN113375618B publication Critical patent/CN113375618B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种根据轴间距计算的车型辨识方法，为了解决无法通过计算轴距的方式辨识车型，且辨识车型方法不够精确的问题，包括以下步骤：S1：建立车型轴距数据库；S2：采集车辆经过的波形信号，计算轴距；S3：采集车辆图像信息，计算轴距；S4：对比步骤S2和S3计算的轴距，获得最终轴距；S5：将最终轴距对比轴距数据库，辨识车辆类型。本发明的有益效果是：本方法可以通过波形信号和图像处理计算轴距的方式辨识车型；通过步骤S2和步骤S3两种不同的轴距计算方法进行对比数据，最终实现精确辨识车型的目的；无需停车检测即可检测所需参数，在不影响交通的情况下实现快速检测。

Description

一种根据轴间距计算的车型辨识方法
技术领域
本发明涉及检测技术领域，尤其涉及一种根据轴间距计算的车型辨识方法。
背景技术
二轴货车车货总量不应超过行驶证标明的总质量。除驱动轴外，二轴组、三轴组以及半挂车和全挂车，每减少两个轮胎，其总质量限值减少3吨。
安装名义断面宽度不小于425mm 轮胎的挂车及其组成的汽车列车，驱动轴安装名义断面宽度不小于445mm轮胎备的载货汽车及其组成的汽车列车，其总质量限值不予核减。
驱动轴为每轴每侧双轮胎且装备空气悬架时，3轴和4轴货车的总质量限值各增加1吨；驱动轴为每轴每侧双轮胎并装备空气悬架、且半挂车的两轴之间的距离d≥1800mm的4轴铰接列车，总质量限值为37吨。
因此检测轴距来确定车型，从而实现车辆载重分析的可行性较高。
一种在中国专利文献上公开的“整车式车辆动态自动称重和车型辨识系统及方法”，其公告号CN103267563B，包括按照车行方向顺序依次连接的第一方向秤台、第一主秤台、第一分车秤台、第二主秤台、第二分车秤台、第三主秤台以及第二方向秤台，并且所有的称重传感器均同数字化接线盒相连接，数字化接线盒同称重处理器相连接，所述的第一地感线圈、光栅车辆分离器、第二地感线圈以及内嵌于整车式组合秤台的轮轴识别器同信息采集器相连接，信息采集器同称重处理器相连接。其不足之处是：无法通过计算轴距的方式辨识车型，且辨识车型方法不够精确。
发明内容
本发明主要是为了解决无法通过计算轴距的方式辨识车型，且辨识车型方法不够精确的问题，提供一种根据轴间距计算的车型辨识方法，可以通过计算轴距的方式辨识车型，并通过两种不同的轴距计算方法从而精确辨识车型。
为了实现上述目的，本发明采用以下技术方案：
一种根据轴间距计算的车型辨识方法，包括以下步骤：
S1：建立车型轴距数据库；
S2：采集车辆经过的波形信号，计算轴距；
S3：采集车辆图像信息，计算轴距；
S4：对比步骤S2和S3计算的轴距，获得最终轴距；
S5：将最终轴距对比轴距数据库，辨识车辆类型。
本方法可以通过波形信号和图像处理计算轴距的方式辨识车型，通过这两种不同的轴距计算方法进行对比数据，最终实现精确辨识车型的目的。此外，本方法无需停车检测即可检测所需参数，在不影响交通的情况下实现快速检测。
作为优选，步骤S1中所述建立车型轴距数据库包括以下步骤：
S11：收集不同轴数的不同车辆类型的轴距数据；
S12：验证轴距数据准确性，建立标准车型轴距数据库。
步骤S11中收集的轴距数据可以通过实际测量、参数资料等方式进行收集，为确保轴距数据准确性，可以通过控制变量法等来验证轴距数据的准确性。所述车型轴距数据库中包括轴距数据库和轴数数据库，便于通过轴数和轴距两个参数来确定检测的车辆类型。
作为优选，步骤S2包括以下步骤：
S21：在车辆经过的区域设置若干排传感器，设置每排传感器之间的距离为d，采样频率为s；
S22：采集车辆经过若干排传感器时产生的波形信号；
S23：根据每排传感器得到的波形信号的起始时间和结束时间，得到车速公式；
S24：根据车速公式计算车辆轴距数据，并对轴距数据求取平均值，得到最终轴距。
步骤S2中使用多排传感器的目的是为了通过大量检测波形信号数据，获取更加精确的数据。求取平均值时，需要去掉过大或者过小噪音，以提高精确性。
若干排传感器设置在车辆经过的车道上，每排传感器可以包括两个并排的传感器，且左右分布在同一车道上，便于传感器采集车辆经过后产生的左右两侧的波形信号，提高采集精度；也可以包括一个传感器，便于安装布置，提高资源利用率，且能保证一定的精度。这两种设置方式均可以采集车辆经过若干排传感器时产生的波形信号，且不需要停车即可进行采集，采集速度快且方便。
传感器的排数可以根据不同的误差需求进行增加或减少，一般为2-3排即可，便于后续的计算和节省传感器的安装空间。
作为优选，步骤S23中所述根据每排传感器得到的波形信号的起始时间和结束时间具体公式如下：
Figure DEST_PATH_IMAGE001
Figure 9105DEST_PATH_IMAGE002
式中，
Figure DEST_PATH_IMAGE003
表示第i排的传感器波形，i表示传感器排数（i=1，2，3…），k表示第k个波 峰（k=1，2，3…），
Figure 895152DEST_PATH_IMAGE004
、…、
Figure 66371DEST_PATH_IMAGE005
表示波峰起始时间，
Figure 617962DEST_PATH_IMAGE006
、…、
Figure 532829DEST_PATH_IMAGE007
表示波峰结束时间，
Figure 866858DEST_PATH_IMAGE008
表 示第i排的传感器波峰，i表示传感器排数（i=1，2，3…）。
获取每排传感器的波形信号
Figure 458245DEST_PATH_IMAGE009
、…、
Figure 510515DEST_PATH_IMAGE010
，可以得到每排传感器 每个波形的起始时间和结束时间。然后计算
Figure 229072DEST_PATH_IMAGE008
，即每排传感器波峰的起始时间和结束时 间之差
Figure 666876DEST_PATH_IMAGE011
。
作为优选，步骤S23中所述得到车速公式的具体公式如下：
Figure 445476DEST_PATH_IMAGE012
Figure 250621DEST_PATH_IMAGE013
结合上述公式可得
Figure 507290DEST_PATH_IMAGE014
式中，t表示结束时间-起始时间，i表示传感器排数（i=1，2，3…），spd表示车速，
Figure 65179DEST_PATH_IMAGE015
表示所有传感器的结束时间-起始时间的时间t之和。
由于每排传感器的间距是固定的，因此理想情况下起始时间和结束时间时间差应相等。但由于现实情况，会有些偏差，因此这里用平均值来表示，可以提高结果的准确性。
通过公式速度=路程/时间，得到最终车速公式。
作为优选，步骤S24中所述根据车速公式计算车辆轴距数据的具体公式如下：
Figure 14680DEST_PATH_IMAGE016
式中，q表示轴距，
Figure 806923DEST_PATH_IMAGE017
表示第i排的传感器的k+1个波峰到第i排 的传感器的k个波峰的时间之差。
通过上述公式可以得到轴距q的值，从而与轴距数据库中的数据进行对比，可以辨识车辆类型。
作为优选，步骤S3中包括以下步骤：
S31：建立成像模型坐标系；
S32：确定图像采集装置在坐标系中位置，标定图像采集装置参数；
S33：采集图像数据，通过IPM公式将二维图像映射为鸟瞰图；
S34：根据图像采集装置安装参数和鸟瞰图计算车辆的轴距像素距离；
S35：步骤S34中的轴距像素距离与实际轴距进行比较，通过多组实验确定线性关系；
S36：根据线性关系计算车辆轴距。
步骤S31中所述成像模型坐标系包括图像像素坐标系、图像平面坐标系、图像采集装置坐标系和世界坐标系。
所述图像采集装置可以放置在所述世界坐标系的任意位置，通过平移、旋转可以实现两者的重合。
根据小孔成像原理和相似三角形定理，可以获得图像采集装置坐标系中的物点投影到图像平面坐标系的变换，从而获得图像平面坐标系到图像像素坐标系的变换。通过卷积神经网络原理对图像进行预处理，得到图像的特征值。
步骤S33中，由于单目视觉的成像模型无法提供深度和距离信息，经过现有技术中的IPM公式可以映射二维图像至三维世界坐标中的某个平面。
根据图像采集装置的安装参数俯视角、架设高度等，结合鸟瞰图，计算轴距像素距离，并与实际的车辆轴距进行对比，通过多组实验可以确定两者之间的线性关系。
通过上述步骤可以确定车辆的轴距和轴数。
作为优选，步骤S4包括以下步骤：
S41：对比步骤S2和S3计算的轴距；
S42：若步骤S2和S3计算的轴距相同，则输出最终轴距；若步骤S2和S3计算的轴距不同，则重新重复步骤S2和S3，直至两者计算的轴距一致；
S43：通过步骤S42，确定最终轴距。
通过对比步骤S2和S3计算的轴距，可以通过两种不同的轴距计算方法进行对比数据，最终实现精确辨识车型的目的。
作为优选，步骤S5包括以下步骤：
S51：将最终轴距与步骤S1中建立的轴距数据库进行对比；
S52：通过最终轴距及车辆轴数辨识车辆类型。
在步骤S2中的所述轴数的值与每排传感器检测的波峰总数一致；在步骤S3中的所述轴数的值可以通过图像处理得到。通过轴数和最终轴距与数据库中的数据对比，可以通过多种参数辨识车辆类型，提高了本方法的准确性。
作为优选，所述车辆类型包括两轴车、三轴车、四轴车、五轴车和六轴车。
所述两轴车包括载货汽车等。
所述三轴车包括中置轴挂车、中置轴列车、铰接列车、载货汽车等。
所述四轴车包括中置轴挂车、中置轴列车、铰接列车、全挂汽车、全挂列车、载货汽车等。
所述五轴车包括中置轴挂车、中置轴列车、铰接列车、全挂汽车、全挂列车等。
所述六轴车包括中置轴挂车、中置轴列车、铰接列车、全挂列车等。
所述两轴车、三轴车、四轴车、五轴车和六轴车的轴距和轴数结合后均不相同，因此可以作为车型辨识的参数，便于检测车型。
本发明的有益效果是：
（1）本方法可以通过波形信号和图像处理计算轴距的方式辨识车型。
（2）通过步骤S2和步骤S3两种不同的轴距计算方法进行对比数据，最终实现精确辨识车型的目的。
（3）本方法无需停车检测即可检测所需参数，在不影响交通的情况下实现快速检测。
附图说明
图1是本发明的流程示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进一步的描述。
如图1所示，一种根据轴间距计算的车型辨识方法，包括以下步骤：
S1：建立车型轴距数据库；
S2：采集车辆经过的波形信号，计算轴距；
S3：采集车辆图像信息，计算轴距；
S4：对比步骤S2和S3计算的轴距，获得最终轴距；
S5：将最终轴距对比轴距数据库，辨识车辆类型。
本方法可以通过波形信号和图像处理计算轴距的方式辨识车型，通过这两种不同的轴距计算方法进行对比数据，最终实现精确辨识车型的目的。此外，本方法无需停车检测即可检测所需参数，在不影响交通的情况下实现快速检测。
步骤S1中建立车型轴距数据库包括以下步骤：
S11：收集不同轴数的不同车辆类型的轴距数据；
S12：验证轴距数据准确性，建立标准车型轴距数据库。
步骤S11中收集的轴距数据可以通过实际测量、参数资料等方式进行收集，为确保轴距数据准确性，可以通过控制变量法等来验证轴距数据的准确性。车型轴距数据库中包括轴距数据库和轴数数据库，便于通过轴数和轴距两个参数来确定检测的车辆类型。
步骤S2包括以下步骤：
S21：在车辆经过的区域设置若干排传感器，设置每排传感器之间的距离为d，采样频率为s；
S22：采集车辆经过若干排传感器时产生的波形信号；
S23：根据每排传感器得到的波形信号的起始时间和结束时间，得到车速公式；
S24：根据车速公式计算车辆轴距数据，并对轴距数据求取平均值，得到最终轴距。
步骤S2中使用多排传感器的目的是为了通过大量检测波形信号数据，获取更加精确的数据。求取平均值时，需要去掉过大或者过小噪音，以提高精确性。
若干排传感器设置在车辆经过的车道上，每排传感器可以包括两个并排的传感器，且左右分布在同一车道上，便于传感器采集车辆经过后产生的左右两侧的波形信号，提高采集精度；也可以包括一个传感器，便于安装布置，提高资源利用率，且能保证一定的精度。这两种设置方式均可以采集车辆经过若干排传感器时产生的波形信号，且不需要停车即可进行采集，采集速度快且方便。
传感器的排数可以根据不同的误差需求进行增加或减少，一般为2-3排即可，便于后续的计算和节省传感器的安装空间。
步骤S23中根据每排传感器得到的波形信号的起始时间和结束时间具体公式如下：
Figure 585392DEST_PATH_IMAGE001
Figure 482941DEST_PATH_IMAGE002
式中，
Figure 603344DEST_PATH_IMAGE003
表示第i排的传感器波形，i表示传感器排数（i=1，2，3…），k表示第k个波 峰（k=1，2，3…），
Figure 101190DEST_PATH_IMAGE004
、…、
Figure 965241DEST_PATH_IMAGE005
表示波峰起始时间，
Figure 982875DEST_PATH_IMAGE006
、…、
Figure 539759DEST_PATH_IMAGE007
表示波峰结束时间，
Figure 541213DEST_PATH_IMAGE008
表 示第i排的传感器波峰，i表示传感器排数（i=1，2，3…）。
获取每排传感器的波形信号
Figure 195572DEST_PATH_IMAGE009
、…、
Figure 67713DEST_PATH_IMAGE010
，可以得到每排传感器 每个波形的起始时间和结束时间。然后计算
Figure 795498DEST_PATH_IMAGE008
，即每排传感器波峰的起始时间和结束时 间之差
Figure 267937DEST_PATH_IMAGE011
。
步骤S23中得到车速公式的具体公式如下：
Figure 739369DEST_PATH_IMAGE012
Figure 466017DEST_PATH_IMAGE013
结合上述公式可得
Figure 443331DEST_PATH_IMAGE014
式中，t表示结束时间-起始时间，i表示传感器排数（i=1，2，3…），spd表示车速，
Figure 91481DEST_PATH_IMAGE015
表示所有传感器的结束时间-起始时间的时间t之和。
由于每排传感器的间距是固定的，因此理想情况下起始时间和结束时间时间差应相等。但由于现实情况，会有些偏差，因此这里用平均值来表示，可以提高结果的准确性。
通过公式速度=路程/时间，得到最终车速公式。
步骤S24中根据车速公式计算车辆轴距数据的具体公式如下：
Figure 75925DEST_PATH_IMAGE016
式中，q表示轴距，
Figure 188237DEST_PATH_IMAGE017
表示第i排的传感器的k+1个波峰到第i排 的传感器的k个波峰的时间之差。
通过上述公式可以得到轴距q的值，从而与轴距数据库中的数据进行对比，可以辨识车辆类型。
步骤S3中包括以下步骤：
S31：建立成像模型坐标系；
S32：确定图像采集装置在坐标系中位置，标定图像采集装置参数；
S33：采集图像数据，通过IPM公式将二维图像映射为鸟瞰图；
S34：根据图像采集装置安装参数和鸟瞰图计算车辆的轴距像素距离；
S35：步骤S34中的轴距像素距离与实际轴距进行比较，通过多组实验确定线性关系；
S36：根据线性关系计算车辆轴距。
步骤S31中成像模型坐标系包括图像像素坐标系、图像平面坐标系、图像采集装置坐标系和世界坐标系。
图像采集装置可以放置在世界坐标系的任意位置，通过平移、旋转可以实现两者的重合。
根据小孔成像原理和相似三角形定理，可以获得图像采集装置坐标系中的物点投影到图像平面坐标系的变换，从而获得图像平面坐标系到图像像素坐标系的变换。通过卷积神经网络原理对图像进行预处理，得到图像的特征值。
步骤S33中，由于单目视觉的成像模型无法提供深度和距离信息，经过现有技术中的IPM公式可以映射二维图像至三维世界坐标中的某个平面。
根据图像采集装置的安装参数俯视角、架设高度等，结合鸟瞰图，计算轴距像素距离，并与实际的车辆轴距进行对比，通过多组实验可以确定两者之间的线性关系。
通过上述步骤可以确定车辆的轴距和轴数。
步骤S4包括以下步骤：
S41：对比步骤S2和S3计算的轴距；
S42：若步骤S2和S3计算的轴距相同，则输出最终轴距；若步骤S2和S3计算的轴距不同，则重新重复步骤S2和S3，直至两者计算的轴距一致；
S43：通过步骤S42，确定最终轴距。
通过对比步骤S2和S3计算的轴距，可以通过两种不同的轴距计算方法进行对比数据，最终实现精确辨识车型的目的。
步骤S5包括以下步骤：
S51：将最终轴距与步骤S1中建立的轴距数据库进行对比；
S52：通过最终轴距及车辆轴数辨识车辆类型。
在步骤S2中的轴数的值与每排传感器检测的波峰总数一致；在步骤S3中的轴数的值可以通过图像处理得到。通过轴数和最终轴距与数据库中的数据对比，可以通过多种参数辨识车辆类型，提高了本方法的准确性。
车辆类型包括两轴车、三轴车、四轴车、五轴车和六轴车。
两轴车包括载货汽车等。
三轴车包括中置轴挂车、中置轴列车、铰接列车、载货汽车等。
四轴车包括中置轴挂车、中置轴列车、铰接列车、全挂汽车、全挂列车、载货汽车等。
五轴车包括中置轴挂车、中置轴列车、铰接列车、全挂汽车、全挂列车等。
六轴车包括中置轴挂车、中置轴列车、铰接列车、全挂列车等。
两轴车、三轴车、四轴车、五轴车和六轴车的轴距和轴数结合后均不相同，因此可以作为车型辨识的参数，便于检测车型。
应理解，该实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

Claims (8)

1.一种根据轴间距计算的车型辨识方法，其特征在于，包括以下步骤：
S1：建立车型轴距数据库；
S2：采集车辆经过的波形信号，计算轴距；
S3：采集车辆图像信息，计算轴距；
S4：对比步骤S2和S3计算的轴距，获得最终轴距；
S5：将最终轴距对比轴距数据库，辨识车辆类型；
步骤S2包括以下步骤：
S21：在车辆经过的区域设置若干排传感器，设置每排传感器之间的距离为d，采样频率为s；
S22：采集车辆经过若干排传感器时产生的波形信号；
S23：根据每排传感器得到的波形信号的起始时间和结束时间，得到车速公式；
S24：根据车速公式计算车辆轴距数据，并对轴距数据求取平均值，得到最终轴距；
步骤S23中所述根据每排传感器得到的波形信号的起始时间和结束时间具体公式如下：
Figure DEST_PATH_IMAGE002
（1）
Figure DEST_PATH_IMAGE004
（2）
式中，
Figure DEST_PATH_IMAGE006
表示第i排的传感器波形，i表示传感器排数（i=1，2，3…），k表示第k个波峰（k=1，2，3…），
Figure DEST_PATH_IMAGE008
、…、
Figure DEST_PATH_IMAGE010
表示波峰起始时间，
Figure DEST_PATH_IMAGE012
、…、
Figure DEST_PATH_IMAGE014
表示波峰结束时间，
Figure DEST_PATH_IMAGE016
表示第i排的传感器波峰，i表示传感器排数（i=1，2，3…）。
2.根据权利要求1所述的一种根据轴间距计算的车型辨识方法，其特征在于， 步骤S1中所述建立车型轴距数据库包括以下步骤：
S11：收集不同轴数的不同车辆类型的轴距数据；
S12：验证轴距数据准确性，建立标准车型轴距数据库。
3.根据权利要求1所述的一种根据轴间距计算的车型辨识方法，其特征在于，步骤S23中所述得到车速公式的具体公式如下：
Figure DEST_PATH_IMAGE018
（3）
Figure DEST_PATH_IMAGE020
（4）
结合公式（3）和（4）可得
Figure DEST_PATH_IMAGE022
（5）
式中，t表示结束时间-起始时间，i表示传感器排数（i=1，2，3…），spd表示车速，
Figure DEST_PATH_IMAGE024
表示所有传感器的结束时间-起始时间的时间t之和。
4.根据权利要求1或3所述的一种根据轴间距计算的车型辨识方法，其特征在于，步骤S24中所述根据车速公式计算车辆轴距数据的具体公式如下：
Figure DEST_PATH_IMAGE026
（6）
式中，q表示轴距，
Figure DEST_PATH_IMAGE028
表示第i排的传感器的k+1个波峰到第i排的传感器的k个波峰的时间之差。
5.根据权利要求1所述的一种根据轴间距计算的车型辨识方法，其特征在于，步骤S3中包括以下步骤：
S31：建立成像模型坐标系；
S32：确定图像采集装置在坐标系中位置，标定图像采集装置参数；
S33：采集图像数据，通过IPM公式将二维图像映射为鸟瞰图；
S34：根据图像采集装置安装参数和鸟瞰图计算车辆的轴距像素距离；
S35：步骤S34中的轴距像素距离与实际轴距进行比较，通过多组实验确定线性关系；
S36：根据线性关系计算车辆轴距。
6.根据权利要求1所述的一种根据轴间距计算的车型辨识方法，其特征在于，步骤S4包括以下步骤：
S41：对比步骤S2和S3计算的轴距；
S42：若步骤S2和S3计算的轴距相同，则输出最终轴距；若步骤S2和S3计算的轴距不同，则重新重复步骤S2和S3，直至两者计算的轴距一致；
S43：通过步骤S42，确定最终轴距。
7.根据权利要求1所述的一种根据轴间距计算的车型辨识方法，其特征在于，步骤S5包括以下步骤：
S51：将最终轴距与步骤S1中建立的轴距数据库进行对比；
S52：通过最终轴距及车辆轴数辨识车辆类型。
8.根据权利要求1或7所述的一种根据轴间距计算的车型辨识方法，其特征在于，所述车辆类型包括两轴车、三轴车、四轴车、五轴车和六轴车。
CN202110921937.2A 2021-08-12 2021-08-12 一种根据轴间距计算的车型辨识方法 Active CN113375618B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110921937.2A CN113375618B (zh) 2021-08-12 2021-08-12 一种根据轴间距计算的车型辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110921937.2A CN113375618B (zh) 2021-08-12 2021-08-12 一种根据轴间距计算的车型辨识方法

Publications (2)

Publication Number Publication Date
CN113375618A CN113375618A (zh) 2021-09-10
CN113375618B true CN113375618B (zh) 2021-11-30

Family

ID=77576877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110921937.2A Active CN113375618B (zh) 2021-08-12 2021-08-12 一种根据轴间距计算的车型辨识方法

Country Status (1)

Country Link
CN (1) CN113375618B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102706419A (zh) * 2011-12-27 2012-10-03 罗煜 实时车辆超载监控系统及其监控方法
JP2014002056A (ja) * 2012-06-19 2014-01-09 Hino Motors Ltd 被牽引車両ホイールベース検出装置及び被牽引車両ホイールベース検出装置を備えた車両制御装置
CN204808588U (zh) * 2015-07-29 2015-11-25 王云 一种车型识别系统
CN105651338A (zh) * 2016-03-01 2016-06-08 湖南大学 用于桥梁的车轴识别方法及系统
CN109917417A (zh) * 2019-03-14 2019-06-21 珠海丽亭智能科技有限公司 一种基于摄像装置的车辆外观测量方法和装置以及设备
CN112097665A (zh) * 2020-09-11 2020-12-18 江苏小白兔智造科技有限公司 一种根据车型获取车辆轴距的方法、系统及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102706419A (zh) * 2011-12-27 2012-10-03 罗煜 实时车辆超载监控系统及其监控方法
JP2014002056A (ja) * 2012-06-19 2014-01-09 Hino Motors Ltd 被牽引車両ホイールベース検出装置及び被牽引車両ホイールベース検出装置を備えた車両制御装置
CN204808588U (zh) * 2015-07-29 2015-11-25 王云 一种车型识别系统
CN105651338A (zh) * 2016-03-01 2016-06-08 湖南大学 用于桥梁的车轴识别方法及系统
CN109917417A (zh) * 2019-03-14 2019-06-21 珠海丽亭智能科技有限公司 一种基于摄像装置的车辆外观测量方法和装置以及设备
CN112097665A (zh) * 2020-09-11 2020-12-18 江苏小白兔智造科技有限公司 一种根据车型获取车辆轴距的方法、系统及装置

Also Published As

Publication number Publication date
CN113375618A (zh) 2021-09-10

Similar Documents

Publication Publication Date Title
CN102208013B (zh) 风景匹配参考数据生成系统和位置测量系统
US11208101B2 (en) Device and method for measuring transverse distribution of wheel path
CN101831862B (zh) 路面弯沉激光高速检测系统
CN111882882B (zh) 一种动态平板秤称重区域汽车跨车道行驶行为检测方法
CN111783638B (zh) 一种检测车辆轮轴数及车型识别的系统、方法
CN101776438A (zh) 道路标线测量装置及其测量方法
CN112710371A (zh) 基于车辆实时空间位置的桥梁动态称重方法及系统
CN103473948B (zh) 压电电缆布设结构及超载车辆轮迹线横向位置识别方法
CN103927870A (zh) 一种基于多个震动检测传感器的车辆检测装置
CN101750137A (zh) 动态汽车衡及其车重测量方法
CN111348048B (zh) 货车超载报警方法、装置、设备及存储介质
CN112464889A (zh) 道路车辆姿态和运动信息检测方法
CN107796373A (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
CN105632180A (zh) 一种基于arm的桥隧入口车型识别系统及方法
CN100476652C (zh) 桥梁限载自动监控方法
CN102589434A (zh) 车辆侧滑运动的图像轮毂标识检测方法
CN116543549A (zh) 基于多传感器数据融合的货运车辆车况及行车异常辨识方法
CN105759078A (zh) 车载加速传感器的三轴自校准方法及装置
CN103426211A (zh) 车辆行驶状况分析系统、分析装置和分析方法
CN112781702B (zh) 一种对车辆称重的方法及系统
CN113375618B (zh) 一种根据轴间距计算的车型辨识方法
CN114118241A (zh) 一种基于车载雷达的道路信息检测系统
CN112161685B (zh) 一种基于表面特征的车辆荷载测量方法
CN112726351B (zh) 一种车载便携轻量化智能巡检方法与系统
CN114964445B (zh) 基于车辆识别的多模块动态称重方法

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