CN114003849A - 一种多车道非接触式车轴数自动计算方法及系统 - Google Patents

一种多车道非接触式车轴数自动计算方法及系统 Download PDF

Info

Publication number
CN114003849A
CN114003849A CN202111274673.2A CN202111274673A CN114003849A CN 114003849 A CN114003849 A CN 114003849A CN 202111274673 A CN202111274673 A CN 202111274673A CN 114003849 A CN114003849 A CN 114003849A
Authority
CN
China
Prior art keywords
vehicle
laser
lane
laser sensor
height
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
Application number
CN202111274673.2A
Other languages
English (en)
Other versions
CN114003849B (zh
Inventor
王军群
刘俊
袁彬
杨东烨
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.)
Cosco Shipping Technology Co Ltd
Original Assignee
Cosco Shipping Technology 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 Cosco Shipping Technology Co Ltd filed Critical Cosco Shipping Technology Co Ltd
Priority to CN202111274673.2A priority Critical patent/CN114003849B/zh
Publication of CN114003849A publication Critical patent/CN114003849A/zh
Application granted granted Critical
Publication of CN114003849B publication Critical patent/CN114003849B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01DMEASURING 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
    • G01D21/00Measuring or testing not otherwise provided for
    • G01D21/02Measuring two or more variables by means not covered by a single other subclass
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/15Vehicle, aircraft or watercraft design
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Computer Graphics (AREA)
  • Traffic Control Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供了一种多车道非接触式车轴数自动计算方法及系统,该方法包括激光传感器设置扫描步骤、激光雷达数据获取步骤、单车数据分离步骤和车轴数计算步骤,基于激光雷达数据,利用照射到车道的行进车辆表面漫反射的原理,计算各旋转角度时行进车辆的高度和横向坐标,进而构建车辆三维模型,提取车辆单车数据,在非接触式的情况下实现多车道的车辆车轴数自动计算,并提高车型分类的准确度。

Description

一种多车道非接触式车轴数自动计算方法及系统
技术领域
本发明涉及公路交通情况调查设备技术领域,具体涉及一种基于激光雷达数据的多车道非接触式车轴数自动计算方法及系统。
背景技术
在《关于加强公路交通情况调查设备技术管理的指导意见》中规定了交通情况调查设备(以下简称“交调设备”)上传的技术指标数据包括:车型分类、流量、地点车速、车头时距、车头间距、时间占有率、跟车百分比等七种交通参数。车型分类依据《关于调整公路交通情况调查车型分类及折算系数的通知》,见表1,且其单类车型识别相对误差和总体车型识别相对误差均应在±10%内。
表1
Figure BDA0003329004200000011
从表1车型分类规则中可看出,车辆车长、车高和车轴数量是判断车辆类型三个关键性参数。大客车、中型货车、大型货车三类车型识别主要是以车轴数作为重要的分类特征。
车轴数动态计算技术目前研究较少,多以接触式传感器方式获取相应的数据进行分析,比如以动态称重的方式,通过车辆驶入称重台时利用车辆分离器采集到的分车信息和第一状态信息统计车辆各轴的车辆轴数,和利用车辆分离器采集到的分车信息和第二状态信息统计车辆各轴的车辆轴数,能够解决车辆轴数准确获取的技术问题,但只能针对单车道进行分析,还需要预埋传感器,设备维护困难,成本较高,类似技术方法如桥上移动车辆车轴识别小波变换方法。也有车轴轮胎数量的识别方法是通过摄像机采集轮胎轮毂形状信息来确定车辆车轴轮胎数量,设备安装条件较为严格,夜间需要稳定补光,同样只能解决单车道车辆车轴问题。还有车辆轴数确定方法是获取监控区域的红外视频数据,对其图像增强处理,根据前景图与图像增强图确定所述当前帧图像中的单个车辆图像,并计算每个车辆的轴数,该方法属于非接触式技术,但红外热成像图像对比度低,分辨细节能力较差,车轴温度与其它车辆部位温度差较大才能计算准确,误差较大,成本高,导致其技术应用受到限制。
激光雷达扫描技术是集物理学、电子学和计算机应用学于一体的现代化科学技术,激光具有高亮度、高方向性、高单色性和高相干性的特性,安装便捷,不需要对行车道路面进行破坏性施工,适应性强,工作时对测量条件要求不高,不易受天气阴晴的影响,测量精确度高。本发明提出利用激光数据解决自由流交通场景中多车道非接触式车轴数自动计算问题,作为激光交调设备车型分类技术核心算法之一。
发明内容
本发明针对现有的车轴数动态计算技术只能针对单车道进行分析而且还需要预埋传感器,存在设备维护困难和成本较高等问题,本发明提供了一种多车道非接触式车轴数自动计算方法,基于激光雷达数据,利用照射到车道的行进车辆表面漫反射的原理,计算各旋转角度时行进车辆的高度和横向坐标,进而构建车辆三维模型,提取车辆单车数据,实现车辆车轴数计算,提高车型分类的准确度。本发明还涉及一种多车道非接触式车轴数自动计算系统。
本发明的技术方案如下:
一种多车道非接触式车轴数自动计算方法,其特征在于,包括以下步骤:
激光传感器设置扫描步骤,在车道上方或路侧集成设置两个以相同频率旋转的激光传感器,第一激光传感器垂直于车道设置,第二激光传感器与车道成一定角度倾斜设置,第一激光传感器旋转的各激光线沿与车道方向垂直的截面对行进车辆的车身扫描,第二激光传感器用于测量行进车辆通过路段时的平均速度;
激光雷达数据获取步骤,在第一激光传感器的激光线所在截面建立二维坐标系且第一激光传感器为坐标原点,第一激光传感器对单一行进车辆的车身扫描若干截面且各截面均具有若干扫描的数据点,基于第一激光传感器照射到车道的行进车辆表面漫反射的原理,通过第一激光器收发激光的时间差来计算特定旋转角度时车身所在数据点到第一激光传感器的距离,进而计算各旋转角度时行进车辆的高度和横向坐标;
单车数据分离步骤,在各车道范围内,根据计算得到的高度和横向坐标,并结合第二激光传感器测量的平均速度所计算得到的行进车辆长度,构建适应多车道的车辆三维模型,在所述车辆三维模型中提取时间序列上行进车辆单车数据;
车轴数计算步骤,根据提取的行进车辆单车数据,分析车辆与车道接触的边缘数据,通过计算边缘数据的缩进宽度变化判断车轴位置,进而确定车辆车轴数。
优选地,在所述单车数据分离步骤中,先对计算得到的高度进行分析处理,当计算得到的高度小于触发阈值时设置高度为零,并且当计算得到的横向坐标在车道范围外时设置高度为零,基于分析处理后的高度构建适应多车道的车辆三维模型。
优选地,所述车轴数计算步骤是根据提取的行进车辆单车数据的高度,定义车辆边缘数据点,计算车辆边缘数据点平均高度,根据计算的车辆边缘数据点平均高度定义车辆边缘数据点相邻点横坐标差值为缩进宽度指标,进而统计得到车辆边缘数据点平均缩进宽度,根据车辆边缘数据点平均缩进宽度判断扫描行是否属于车轴位置,进而确定车辆车轴数。
优选地,所述车轴数计算步骤是通过缩进宽度指标与平均缩进宽度的比对,定义行进车辆数据车轴状态值,将车轴状态为1的行数判断为一个车轴位置,进而确定车辆车轴数。
优选地,两激光传感器以50Hz的频率旋转,且当激光传感器在车道上方设置时位于车道上方6至8米,第二激光传感器与车道成30度至60度倾斜设置,激光传感器同时检测4个车道。
一种多车道非接触式车轴数自动计算系统,其特征在于,包括在车道上方或路侧集成设置的两个以相同频率旋转的激光传感器,还包括与激光传感器依次连接的激光雷达数据获取模块、单车数据分离模块和车轴数计算模块,
第一激光传感器垂直于车道设置,第二激光传感器与车道成一定角度倾斜设置,第一激光传感器旋转的各激光线沿与车道方向垂直的截面对行进车辆的车身扫描,第二激光传感器用于测量行进车辆通过路段时的平均速度;
所述激光雷达数据获取模块,在第一激光传感器的激光线所在截面建立二维坐标系且第一激光传感器为坐标原点,第一激光传感器对单一行进车辆的车身扫描若干截面且各截面均具有若干扫描的数据点,基于第一激光传感器照射到车道的行进车辆表面漫反射的原理,通过第一激光器收发激光的时间差来计算特定旋转角度时车身所在数据点到第一激光传感器的距离,进而计算各旋转角度时行进车辆的高度和横向坐标;
所述单车数据分离模块,在各车道范围内,根据计算得到的高度和横向坐标,并结合第二激光传感器测量的平均速度所计算得到的行进车辆长度,构建适应多车道的车辆三维模型,在所述车辆三维模型中提取时间序列上行进车辆单车数据;
所述车轴数计算模块,根据提取的行进车辆单车数据,分析车辆与车道接触的边缘数据,通过计算边缘数据的缩进宽度变化判断车轴位置,进而确定车辆车轴数。
优选地,在所述单车数据分离模块中,先对计算得到的高度进行分析处理,当计算得到的高度小于触发阈值时设置高度为零,并且当计算得到的横向坐标在车道范围外时设置高度为零,基于分析处理后的高度构建适应多车道的车辆三维模型。
优选地,所述车轴数计算模块是根据提取的行进车辆单车数据的高度,定义车辆边缘数据点,计算车辆边缘数据点平均高度,根据计算的车辆边缘数据点平均高度定义车辆边缘数据点相邻点横坐标差值为缩进宽度指标,进而统计得到车辆边缘数据点平均缩进宽度,根据车辆边缘数据点平均缩进宽度判断扫描行是否属于车轴位置,进而确定车辆车轴数。
优选地,所述车轴数计算模块是通过缩进宽度指标与平均缩进宽度的比对,定义行进车辆数据车轴状态值,将车轴状态为1的行数判断为一个车轴位置,进而确定车辆车轴数。
优选地,两激光传感器以50Hz的频率旋转,且当激光传感器在车道上方设置时是安装于车道上方6至8米,第二激光传感器与车道成30度至60度倾斜设置,激光传感器同时检测4个车道。
本发明的有益效果为:
本发明提供一种多车道非接触式车轴数自动计算方法,通过借助激光传感器,获取原始激光雷达数据。在车道上方或路侧集成设置两个以相同频率旋转的激光传感器,即第一激光传感器和第二激光传感器,第一激光传感器垂直于车道设置,且旋转的各激光线沿与车道方向垂直的截面对行进车辆的车身扫描,测量车辆长度、宽度及高度,第二激光传感器与车道成一定角度倾斜设置,测量行进车辆通过路段时的平均速度。根据实际路况指定角度范围和步进角度,由激光照射到道路车辆表面会漫反射的原理,通过激光传感器发射出的激光与接收的激光的时间差,能够推算出物体与激光传感器的距离。激光是一种主动光源,因其高方向性、高单色性、高相干性等特点,其测量精度相对较高,抗干扰性较好。利用激光数据分析车辆轮廓特征,解决车辆车轴数计算的问题,大大提高交调设备车型分类的准确性。激光传感器无需与行进车辆进行接触,不用限制车辆行驶速度,同其它接触式传感器相比,本发明非接触式安装方便,激光传感器寿命长。利用原始激光数据,提取时间序列上车辆单车数据,构造车辆三维模型,分析车辆与地面接触的边缘数据,依据车辆行驶过程中只有车轮与地面接触建立数学公式,计算车轴数,再根据车辆的长和高等其它特征进行车型分类分析,本发明方法可同时计算单向3到4个车道的车辆车轴数,实现多车道同时检测,较其它车轴计算方法,效率高,成本低,安装方便,准确率较高,维护方便。
本发明还涉及一种多车道非接触式车轴数自动计算系统,该系统与上述的多车道非接触式车轴数自动计算方法相对应,可理解为是一种实现多车道非接触式车轴数自动计算方法的系统,包括两激光传感器以及与其依次连接的激光雷达数据获取模块、单车数据分离模块和车轴数计算模块,各模块协同工作,基于利用激光雷达数据,建立车辆三维模型,在非接触式的情况下实现多个车道同时检测计算,解决激光交调设备车型分类技术中车轴数获取困难的问题,提高车型分类的准确度。
附图说明
图1是本发明多车道非接触式车轴数自动计算方法的流程图。
图2是两激光传感器的安装示意图。
图3是车身扫描截面各分辨角度测量高度曲线。
图4是激光扫描数据截面图。
图5是本发明多车道非接触式车轴数自动计算系统的工作原理图。
具体实施方式
下面结合附图对本发明进行说明。
本发明涉及一种多车道非接触式车轴数自动计算方法,主要使用激光数据对交通监控场景中车辆车轴动态计算分析,提高交调设备车型分类准确性。其流程图如图1所示,包括:
一、激光传感器设置扫描步骤,在车道上方或路侧集成设置两个以相同频率旋转的激光传感器,称为第一激光传感器和第二激光传感器,如图2所示,在车道上方安装两个激光传感器,第一激光传感器1垂直于车道设置,第二激光传感器2与车道成一定角度倾斜设置,第一激光传感器1旋转的各激光线沿与车道方向垂直的截面对行进车辆的车身扫描,第二激光传感器2用于测量行进车辆通过路段时的平均速度。优选地,两激光传感器以一定频率如50Hz旋转,且当激光传感器在车道上方设置时位于车道上方6至8米,有效测量距离30米以上,第二激光传感器与车道成30度至60度倾斜设置,进一步地,可45度左右安装;激光传感器可同时检测3到4个车道,效率高,成本低。
二、激光雷达数据获取步骤,在第一激光传感器的激光线所在截面建立二维坐标系且第一激光传感器为坐标原点,第一激光传感器对单一行进车辆的车身扫描若干截面且各截面均具有若干扫描的数据点,基于第一激光传感器照射到车道的行进车辆表面漫反射的原理,通过第一激光器收发激光的时间差来计算特定旋转角度时车身所在数据点到第一激光传感器的距离,进而计算各旋转角度时行进车辆的高度和横向坐标。
激光传感器频率为50HZ时,激光头的旋转周期
Figure BDA0003329004200000061
旋转角度分辨率为0.5°。当旋转角度为α时,行进车辆的车身所在点坐标(x0,y0)计算:
Figure BDA0003329004200000062
其中,L为车身所在数据点到第一激光传感器的距离。车身扫描截面各分辨角度测量高度曲线如图3。
激光头对某一行进车辆共扫描了m个截面,扫描截面图如图4,单个截面上数据点的个数为pn,故对每一辆车的数据点可构成m×pn矩阵,即为
Figure BDA0003329004200000063
根据每一个lij,则行进车辆高度hij和横向坐标xij
Figure BDA0003329004200000064
其中,H为激光传感器安装架设高度,θj为某一时刻激光头与中轴线夹角,i=1,2,…,m;j=1,2,…,pn
三、单车数据分离步骤,在各车道范围内,根据计算得到的高度和横向坐标,并结合第二激光传感器测量的平均速度所计算得到的行进车辆长度,构建适应多车道的车辆三维模型,在所述车辆三维模型中提取时间序列上行进车辆单车数据。
车辆在车道行驶时,触发第二激光传感器记录时间t1,触发第一激光传感器记录时间t2,两个激光传感器触发线之间距离LS,计算车辆速度V=LS/(t2-t1),根据车道行驶时被第一激光传感器扫描次数N,周期时间T,则计算车辆车长VL=NT*V。
进一步地,可以先对计算得到的高度进行分析处理,当计算得到的高度hij小于触发阈值时设置高度hij为零,并且当计算得到的横向坐标xij在车道范围外时设置高度hij为零,基于分析处理后的高度构建适应多车道的车辆三维模型。
假设某车道范围[X1,X2],如果hij<hr,则hij=0,且如果xij<X1||xij>X2,则hij=0。根据上述条件,对m×pn矩阵进行单车数据获取,提取单车数据矩阵V。
Figure BDA0003329004200000071
其中,hr为触发阈值,取决于激光传感器测试误差,建议取100mm。单车数据矩阵V即为适应多车道的车辆三维模型。
四、车轴数计算步骤,根据提取的行进车辆单车数据,分析车辆与车道接触的边缘数据,通过计算边缘数据的缩进宽度变化判断车轴位置,进而确定车辆车轴数。进一步地,可根据提取的行进车辆单车数据的高度,定义车辆边缘数据点,计算车辆边缘数据点平均高度,根据计算的车辆边缘数据点平均高度定义车辆边缘数据点相邻点横坐标差值为缩进宽度指标,进而统计得到车辆边缘数据点平均缩进宽度,根据车辆边缘数据点平均缩进宽度判断扫描行是否属于车轴位置,进而确定车辆车轴数。
在单车数据矩阵V中,如果hij>0且hi(j+1)=0,则定义其为车辆边缘数据点Fi,其中i=1,2,...,pn。车辆边缘数据点平均高度AV计算公式为:
Figure BDA0003329004200000072
定义车辆边缘数据点Fi相邻点横坐标差值为缩进宽度指标Si,其计算公式为
Figure BDA0003329004200000073
统计Si大于0的行数n,计算车辆边缘数据点平均缩进宽度AS,其公式为:
Figure BDA0003329004200000074
因为车辆车轴轮胎与地面接触,其激光测量边缘高度都低于车身其它部位,而且其缩进宽度变化较小,根据AS指标判断扫描行是否属于车轴位置,定义某车辆数据行车轴状态值为Gi,其中i=1,2,...,pn
Figure BDA0003329004200000075
如果Gi与Gi+1值都为1,则可判断为车轴位置。连续车軕状态为1的行数判断为1个车轴位置,最终可确定车辆车轴数,实现对交通监控场景中车辆车轴动态计算分析,并能够准确地进行车型分类。
本发明还涉及一种多车道非接触式车轴数自动计算系统,该系统与上述的多车道非接触式车轴数自动计算方法相对应,可理解为是一种实现多车道非接触式车轴数自动计算方法的系统,包括在车道上方或路侧集成设置的两个以相同频率旋转的激光传感器,还包括与激光传感器依次连接的激光雷达数据获取模块、单车数据分离模块和车轴数计算模块,系统工作原理如图5所示,采集激光数据——计算场景坐标——背景建模(车辆三维模型)——提取单车数据——计算边缘高度——计算缩进宽度——计算统计特征——计算车轴数,各模块协同工作,基于利用激光雷达数据,建立车辆三维模型,采用非接触式实现多个车道同时检测计算,解决激光交调设备车型分类技术中车轴数获取困难的问题,提高车型分类的准确度。
可参考图2,第一激光传感器垂直于车道设置,第二激光传感器与车道成一定角度倾斜设置,第一激光传感器旋转的各激光线沿与车道方向垂直的截面对行进车辆的车身扫描,第二激光传感器用于测量行进车辆通过路段时的平均速度。激光雷达数据获取模块,在第一激光传感器的激光线所在截面建立二维坐标系且第一激光传感器为坐标原点,第一激光传感器对单一行进车辆的车身扫描若干截面且各截面均具有若干扫描的数据点,基于第一激光传感器照射到车道的行进车辆表面漫反射的原理,通过第一激光器收发激光的时间差来计算特定旋转角度时车身所在数据点到第一激光传感器的距离,进而计算各旋转角度时行进车辆的高度和横向坐标。单车数据分离模块,在各车道范围内,根据计算得到的高度和横向坐标,并结合第二激光传感器测量的平均速度所计算得到的行进车辆长度,构建适应多车道的车辆三维模型,在所述车辆三维模型中提取时间序列上行进车辆单车数据。车轴数计算模块,根据提取的行进车辆单车数据,分析车辆与车道接触的边缘数据,通过计算边缘数据的缩进宽度变化判断车轴位置,进而确定车辆车轴数。
进一步地,在所述单车数据分离模块中,先对计算得到的高度进行分析处理,当计算得到的高度小于触发阈值时设置高度为零,并且当计算得到的横向坐标在车道范围外时设置高度为零,基于分析处理后的高度构建适应多车道的车辆三维模型。
进一步地,所述车轴数计算模块是根据提取的行进车辆单车数据的高度,定义车辆边缘数据点,计算车辆边缘数据点平均高度,根据计算的车辆边缘数据点平均高度定义车辆边缘数据点相邻点横坐标差值为缩进宽度指标,进而统计得到车辆边缘数据点平均缩进宽度,根据车辆边缘数据点平均缩进宽度判断扫描行是否属于车轴位置,进一步讲,通过缩进宽度指标与平均缩进宽度的比对,定义行进车辆数据车轴状态值,将车轴状态为1的行数判断为一个车轴位置,进而确定车辆车轴数。
进一步地,两激光传感器以50Hz的频率旋转,且当激光传感器在车道上方设置时位于车道上方6至8米,第二激光传感器与车道成30度至60度倾斜设置,如45度,激光传感器可以同时检测3至4个车道。利用激光数据分析车辆轮廓特征,解决车辆车轴数计算的问题,大大提高交调设备车型分类的准确性。车辆车轴计算过程中,激光传感器无需与行进车辆进行接触,不用限制车辆行驶速度,同其它接触式传感器相比,安装方便,激光传感器寿命长。
实施例一:
车辆经过第二激光传感器触发时间为2021-10-20 12:30:200,车辆经过第一激光传感器触发时间2021-10-20 12:30:500,激光触发线之间距离为6m,计算车辆行驶速度V=20m/s,车辆被第一激光传器扫描次数16次,计算车辆车长VL=6.4米,根据表1初步判断车型可能为大客车、中型货车或大型货车,车轴数可能是2轴或3轴,获取激光雷达数据时,当第一激光传感器旋转角度为30度,车身所在数据点到第一激光传感器的距离5m,根据公式(1)行进车辆的车身所在点坐标分别为x0=2.5m,y0=4.33m,若第一激光传感器安装高度6m,则车身此点位置高度为1.67m。依次计算方法,假设分离的单车数据有16行,其车辆边缘点检测高度分别{0.86,0.25,0.32,0.52,0.64,0.66,0.69,0.72,0.63,0.67,0.65,0.28,0.30,0.49,0.68,0.64},单位米,根据公式(4)计算平均高度AV=0.5625m,假设车辆边缘点边缘缩进宽度分别为S={0.36,0.15,0.12,0.32,0.44,0.46,0.39,0.32,0.43,0.37,0.35,0.18,0.10,0.19,0.38,0.34},针对公式(5)对S进行数据整理计算,S0={0,0.15,0.12,0.32,0,0,0,0,0,0,0,0.18,0.10,0.19,0,0},根据公式(6)求解平均缩进宽度AS=0.176m,根据公式(7)得到车辆状态值G={0,1,1,0,0,0,0,0,0,0,0,0,1,0,0,0},车轴状态在第2行、第3行和第13行,分布在2个局部连续区域,则说明存在2个车轴,进一步可确定车型为中型货车或大客车。
应当指出,以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造,但不以任何方式限制本发明创造。因此,尽管本说明书参照附图和实施例对本发明创造已进行了详细的说明,但是,本领域技术人员应当理解,仍然可以对本发明创造进行修改或者等同替换,总之,一切不脱离本发明创造的精神和范围的技术方案及其改进,其均应涵盖在本发明创造专利的保护范围当中。

Claims (10)

1.一种多车道非接触式车轴数自动计算方法,其特征在于,包括以下步骤:
激光传感器设置扫描步骤,在车道上方或路侧集成设置两个以相同频率旋转的激光传感器,第一激光传感器垂直于车道设置,第二激光传感器与车道成一定角度倾斜设置,第一激光传感器旋转的各激光线沿与车道方向垂直的截面对行进车辆的车身扫描,第二激光传感器用于测量行进车辆通过路段时的平均速度;
激光雷达数据获取步骤,在第一激光传感器的激光线所在截面建立二维坐标系且第一激光传感器为坐标原点,第一激光传感器对单一行进车辆的车身扫描若干截面且各截面均具有若干扫描的数据点,基于第一激光传感器照射到车道的行进车辆表面漫反射的原理,通过第一激光器收发激光的时间差来计算特定旋转角度时车身所在数据点到第一激光传感器的距离,进而计算各旋转角度时行进车辆的高度和横向坐标;
单车数据分离步骤,在各车道范围内,根据计算得到的高度和横向坐标,并结合第二激光传感器测量的平均速度所计算得到的行进车辆长度,构建适应多车道的车辆三维模型,在所述车辆三维模型中提取时间序列上行进车辆单车数据;
车轴数计算步骤,根据提取的行进车辆单车数据,分析车辆与车道接触的边缘数据,通过计算边缘数据的缩进宽度变化判断车轴位置,进而确定车辆车轴数。
2.根据权利要求1所述的多车道非接触式车轴数自动计算方法,其特征在于,在所述单车数据分离步骤中,先对计算得到的高度进行分析处理,当计算得到的高度小于触发阈值时设置高度为零,并且当计算得到的横向坐标在车道范围外时设置高度为零,基于分析处理后的高度构建适应多车道的车辆三维模型。
3.根据权利要求1或2所述的多车道非接触式车轴数自动计算方法,其特征在于,所述车轴数计算步骤是根据提取的行进车辆单车数据的高度,定义车辆边缘数据点,计算车辆边缘数据点平均高度,根据计算的车辆边缘数据点平均高度定义车辆边缘数据点相邻点横坐标差值为缩进宽度指标,进而统计得到车辆边缘数据点平均缩进宽度,根据车辆边缘数据点平均缩进宽度判断扫描行是否属于车轴位置,进而确定车辆车轴数。
4.根据权利要求3所述的多车道非接触式车轴数自动计算方法,其特征在于,所述车轴数计算步骤是通过缩进宽度指标与平均缩进宽度的比对,定义行进车辆数据车轴状态值,将车轴状态为1的行数判断为一个车轴位置,进而确定车辆车轴数。
5.根据权利要求1所述的多车道非接触式车轴数自动计算方法,其特征在于,两激光传感器以50Hz的频率旋转,且当激光传感器在车道上方设置时位于车道上方6至8米,第二激光传感器与车道成30度至60度倾斜设置,激光传感器同时检测4个车道。
6.一种多车道非接触式车轴数自动计算系统,其特征在于,包括在车道上方或路侧集成设置的两个以相同频率旋转的激光传感器,还包括与激光传感器依次连接的激光雷达数据获取模块、单车数据分离模块和车轴数计算模块,
第一激光传感器垂直于车道设置,第二激光传感器与车道成一定角度倾斜设置,第一激光传感器旋转的各激光线沿与车道方向垂直的截面对行进车辆的车身扫描,第二激光传感器用于测量行进车辆通过路段时的平均速度;
所述激光雷达数据获取模块,在第一激光传感器的激光线所在截面建立二维坐标系且第一激光传感器为坐标原点,第一激光传感器对单一行进车辆的车身扫描若干截面且各截面均具有若干扫描的数据点,基于第一激光传感器照射到车道的行进车辆表面漫反射的原理,通过第一激光器收发激光的时间差来计算特定旋转角度时车身所在数据点到第一激光传感器的距离,进而计算各旋转角度时行进车辆的高度和横向坐标;
所述单车数据分离模块,在各车道范围内,根据计算得到的高度和横向坐标,并结合第二激光传感器测量的平均速度所计算得到的行进车辆长度,构建适应多车道的车辆三维模型,在所述车辆三维模型中提取时间序列上行进车辆单车数据;
所述车轴数计算模块,根据提取的行进车辆单车数据,分析车辆与车道接触的边缘数据,通过计算边缘数据的缩进宽度变化判断车轴位置,进而确定车辆车轴数。
7.根据权利要求6所述的多车道非接触式车轴数自动计算系统,其特征在于,在所述单车数据分离模块中,先对计算得到的高度进行分析处理,当计算得到的高度小于触发阈值时设置高度为零,并且当计算得到的横向坐标在车道范围外时设置高度为零,基于分析处理后的高度构建适应多车道的车辆三维模型。
8.根据权利要求6或7所述的多车道非接触式车轴数自动计算系统,其特征在于,所述车轴数计算模块是根据提取的行进车辆单车数据的高度,定义车辆边缘数据点,计算车辆边缘数据点平均高度,根据计算的车辆边缘数据点平均高度定义车辆边缘数据点相邻点横坐标差值为缩进宽度指标,进而统计得到车辆边缘数据点平均缩进宽度,根据车辆边缘数据点平均缩进宽度判断扫描行是否属于车轴位置,进而确定车辆车轴数。
9.根据权利要求8所述的多车道非接触式车轴数自动计算系统,其特征在于,所述车轴数计算模块是通过缩进宽度指标与平均缩进宽度的比对,定义行进车辆数据车轴状态值,将车轴状态为1的行数判断为一个车轴位置,进而确定车辆车轴数。
10.根据权利要求6所述的多车道非接触式车轴数自动计算系统,其特征在于,两激光传感器以50Hz的频率旋转,且当激光传感器在车道上方设置时是安装于车道上方6至8米,第二激光传感器与车道成30度至60度倾斜设置,激光传感器同时检测4个车道。
CN202111274673.2A 2021-10-29 2021-10-29 一种多车道非接触式车轴数自动计算方法及系统 Active CN114003849B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111274673.2A CN114003849B (zh) 2021-10-29 2021-10-29 一种多车道非接触式车轴数自动计算方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111274673.2A CN114003849B (zh) 2021-10-29 2021-10-29 一种多车道非接触式车轴数自动计算方法及系统

Publications (2)

Publication Number Publication Date
CN114003849A true CN114003849A (zh) 2022-02-01
CN114003849B CN114003849B (zh) 2024-03-15

Family

ID=79925405

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111274673.2A Active CN114003849B (zh) 2021-10-29 2021-10-29 一种多车道非接触式车轴数自动计算方法及系统

Country Status (1)

Country Link
CN (1) CN114003849B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114942450A (zh) * 2022-05-17 2022-08-26 苏州思卡信息系统有限公司 一种激光雷达检测车辆过秤行为的检测方法
CN116189113A (zh) * 2022-12-29 2023-05-30 北京中科神通科技有限公司 一种货车车型识别方法和系统
CN116740662A (zh) * 2023-08-15 2023-09-12 贵州中南锦天科技有限责任公司 一种基于激光雷达的车轴识别方法及系统
CN117789486A (zh) * 2024-02-28 2024-03-29 南京莱斯信息技术股份有限公司 一种大型车交叉路口右转必停监管系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103279996A (zh) * 2013-05-06 2013-09-04 华南理工大学 一种多车道情况下的车辆信息检测与识别系统
WO2016143750A1 (ja) * 2015-03-11 2016-09-15 三菱重工メカトロシステムズ株式会社 車両諸元計測装置、車種判別装置、車両諸元計測方法及びプログラム
CN107146419A (zh) * 2017-06-26 2017-09-08 黑龙江八农垦大学 高速运动车辆的自动监测系统
CN108132025A (zh) * 2017-12-24 2018-06-08 上海捷崇科技有限公司 一种车辆三维轮廓扫描构建方法
KR20190048979A (ko) * 2017-10-31 2019-05-09 (주)노바코스 비접촉식 자동 차량 감지기를 이용한 차종 분류시스템
US20200142067A1 (en) * 2018-11-01 2020-05-07 Automotive Research & Testing Center Lane stripe detecting method based on three-dimensional lidar and system thereof

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103279996A (zh) * 2013-05-06 2013-09-04 华南理工大学 一种多车道情况下的车辆信息检测与识别系统
WO2016143750A1 (ja) * 2015-03-11 2016-09-15 三菱重工メカトロシステムズ株式会社 車両諸元計測装置、車種判別装置、車両諸元計測方法及びプログラム
CN107146419A (zh) * 2017-06-26 2017-09-08 黑龙江八农垦大学 高速运动车辆的自动监测系统
KR20190048979A (ko) * 2017-10-31 2019-05-09 (주)노바코스 비접촉식 자동 차량 감지기를 이용한 차종 분류시스템
CN108132025A (zh) * 2017-12-24 2018-06-08 上海捷崇科技有限公司 一种车辆三维轮廓扫描构建方法
US20200142067A1 (en) * 2018-11-01 2020-05-07 Automotive Research & Testing Center Lane stripe detecting method based on three-dimensional lidar and system thereof

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
兰晓晨;宋飞;: "车辆类型与数量的自动检测建模方法", 南方农机, no. 14, 28 July 2018 (2018-07-28), pages 49 *
吕涛;张建斌;陈伟海;宋荣贵;: "路面随机激励对移动式激光扫描器的影响分析", 机械技术史及机械设计, no. 00, 31 October 2008 (2008-10-31), pages 237 - 242 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114942450A (zh) * 2022-05-17 2022-08-26 苏州思卡信息系统有限公司 一种激光雷达检测车辆过秤行为的检测方法
CN116189113A (zh) * 2022-12-29 2023-05-30 北京中科神通科技有限公司 一种货车车型识别方法和系统
CN116189113B (zh) * 2022-12-29 2024-03-08 北京中科神通科技有限公司 一种货车车型识别方法和系统
CN116740662A (zh) * 2023-08-15 2023-09-12 贵州中南锦天科技有限责任公司 一种基于激光雷达的车轴识别方法及系统
CN116740662B (zh) * 2023-08-15 2023-11-21 贵州中南锦天科技有限责任公司 一种基于激光雷达的车轴识别方法及系统
CN117789486A (zh) * 2024-02-28 2024-03-29 南京莱斯信息技术股份有限公司 一种大型车交叉路口右转必停监管系统及方法
CN117789486B (zh) * 2024-02-28 2024-05-10 南京莱斯信息技术股份有限公司 一种大型车交叉路口右转必停监管系统及方法

Also Published As

Publication number Publication date
CN114003849B (zh) 2024-03-15

Similar Documents

Publication Publication Date Title
CN114003849A (zh) 一种多车道非接触式车轴数自动计算方法及系统
CN112927512B (zh) 一种高速公路匝道合流控制系统及方法
CN103714363B (zh) 一种机动车尾气烟度视频识别系统
CN205049180U (zh) 一种公路超限检测系统
CN208422108U (zh) 基于毫米波雷达与激光雷达的交通情况调查装置
CN111325978B (zh) 一种高速公路车辆异常行为的全程监测警示系统和方法
CN103714603B (zh) 基于红外测距传感器的公交车客流统计系统
CN104183133A (zh) 一种采集和传输道路交通流动态信息的方法
CN113345237A (zh) 一种使用路侧激光雷达数据提取车辆轨迹的变道识别与预测方法、系统、设备及存储介质
CN104848924B (zh) 桥梁载重监测方法、装置及系统
CN107895482A (zh) 基于毫米波雷达与激光雷达的交通情况调查装置及方法
WO2019213982A1 (zh) 基于最小作用量原理的驾驶人操控行为量化方法及装置
CN111783638A (zh) 一种检测车辆轮轴数及车型识别的系统、方法
CN114858214B (zh) 一种城市道路性能监测系统
CN113869196B (zh) 一种基于激光点云数据多特征分析的车型分类方法及装置
CN110363988B (zh) 一种交叉口车辆通行效率的计算系统及方法
CN114624726A (zh) 轮轴识别系统和轮轴识别方法
CN109801503B (zh) 基于激光的车辆测速方法及系统
CN116631187B (zh) 一种案件现场勘查信息智能采集分析系统
CN114333331B (zh) 一种多车道桥梁车辆通行信息与车重识别方法及系统
CN104485002B (zh) 一种基于psd的交通流检测系统
CN113128847A (zh) 一种基于激光雷达的出入口匝道实时风险预警系统及方法
CN206107236U (zh) 不良天气下高速公路车辆偏离车道的预警装置
CN105629333A (zh) 一种基于视频的道路气象检测方法
CN115376310B (zh) 一种基于门架系统的高速公路车辆检测装置及其方法

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