CN116222397A - 车辆信息检测方法和系统、存储介质和电子装置 - Google Patents

车辆信息检测方法和系统、存储介质和电子装置 Download PDF

Info

Publication number
CN116222397A
CN116222397A CN202211711775.0A CN202211711775A CN116222397A CN 116222397 A CN116222397 A CN 116222397A CN 202211711775 A CN202211711775 A CN 202211711775A CN 116222397 A CN116222397 A CN 116222397A
Authority
CN
China
Prior art keywords
vehicle
point cloud
target
cloud data
scanning
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
Application number
CN202211711775.0A
Other languages
English (en)
Inventor
吴振宇
黎俊超
李康
方睿
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.)
Wuhan Wanji Photoelectric Technology Co Ltd
Original Assignee
Beijing Wanji 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 Beijing Wanji Technology Co Ltd filed Critical Beijing Wanji Technology Co Ltd
Priority to CN202211711775.0A priority Critical patent/CN116222397A/zh
Publication of CN116222397A publication Critical patent/CN116222397A/zh
Pending legal-status Critical Current

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
    • 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
    • G01B11/04—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness specially adapted for measuring length or width of objects while moving
    • G01B11/043—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness specially adapted for measuring length or width of objects while moving for measuring length
    • 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
    • G01B11/04—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness specially adapted for measuring length or width of objects while moving
    • G01B11/046—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness specially adapted for measuring length or width of objects while moving for measuring width
    • 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
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G01B11/0608—Height gauges
    • 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
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G01B11/0691—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material of objects while moving
    • 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
    • G01B21/06—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 specially adapted for measuring length or width of objects while moving
    • 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
    • G01B21/08—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 for measuring thickness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/08—Systems determining position data of a target for measuring distance only
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/50—Systems of measurement based on relative movement of target
    • G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • 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
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)

Abstract

本申请公开了一种车辆信息检测方法和系统、存储介质和电子装置，其中，上述方法包括：通过横向扫描部件对目标车辆进行横向扫描，确定目标车辆的车辆尾部经过横向扫描部件的扫描面的目标时刻；根据多线扫描部件扫描到的目标车辆的多帧点云数据，确定目标车辆的第一车头距离和车辆速度，其中，多线扫描部件在目标车辆的行车方向上位于横向扫描部件的前侧，第一车头距离为目标车辆的车头在第一时刻与横向扫描部件之间的水平距离；根据车辆速度以及目标时刻与第一时刻的时间差，确定目标车辆的目标移动距离，其中，目标移动距离为目标车辆按照车辆速度由第一时刻至目标时刻所移动的距离；根据第一车头距离和目标移动距离，确定目标车辆的车辆长度。

Description

车辆信息检测方法和系统、存储介质和电子装置
技术领域
本申请涉及车辆识别领域，具体而言，涉及一种车辆信息检测方法和系统、存储介质和电子装置。
背景技术
为了降低货运车辆超限带来的安全隐患，可以对车辆信息进行获取，例如，采用车辆轮廓识别系统对车辆轮廓信息进行检测。上述车辆轮廓识别系统可以通过单线激光雷达检测车辆的宽度、高度、长度等信息，得到完整的车辆轮廓信息，从而判断车辆是否存在超限问题。
相关技术中的车辆轮廓识别系统通常需要在每个车道上分别设置一个识别车长的单线扫描部件进行车辆长度检测。然而，对于具有多个车道的道路来说，每个车道安装用于测量车辆长度的单线扫描部件需要花费较大的成本。
由此可见，相关技术中的车辆信息检测方法，存在由于需要针对不同车道分别设置单线扫描部件导致的车辆信息检测的成本高的技术问题。
发明内容
本申请实施例提供了一种车辆信息检测方法和系统、存储介质和电子装置，以至少解决相关技术中的车辆信息检测方法存在由于需要针对不同车道分别设置单线扫描部件导致的车辆信息检测的成本高的技术问题。
根据本申请实施例的一个方面，提供了一种车辆信息检测方法，包括：通过横向扫描部件对目标车辆进行横向扫描，确定所述目标车辆的车辆尾部经过所述横向扫描部件的扫描面的目标时刻；根据多线扫描部件扫描到的所述目标车辆的多帧点云数据，确定所述目标车辆的第一车头距离和所述目标车辆的车辆速度，其中，所述多线扫描部件在所述目标车辆的行车方向上位于所述横向扫描部件的前侧，所述第一车头距离为所述目标车辆的车辆头部在第一时刻与所述横向扫描部件之间的水平距离；根据所述车辆速度以及所述目标时刻与所述第一时刻的时间差，确定所述目标车辆的目标移动距离，其中，所述目标移动距离为所述目标车辆按照所述车辆速度由所述第一时刻至所述目标时刻所移动的距离；根据所述第一车头距离和所述目标移动距离，确定所述目标车辆的车辆长度。
根据本申请实施例的另一个方面，还提供了一种车辆信息检测系统，包括：横向扫描部件，用于对经过的目标车辆进行横向扫描；多线扫描部件，在所述目标车辆的行车方向上设置在所述横向扫描部件的前侧，用于对所述目标车辆进行多线扫描；数据处理部件，用于通过所述横向扫描部件对目标车辆进行横向扫描，确定所述目标车辆的车辆尾部经过所述横向扫描部件的扫描面的目标时刻；根据所述多线扫描部件扫描到的所述目标车辆的多帧点云数据，确定所述目标车辆的第一车头距离和所述目标车辆的车辆速度，其中，所述多线扫描部件所述第一车头距离为所述目标车辆的车辆头部在第一时刻与所述横向扫描部件之间的水平距离；根据所述车辆速度以及所述目标时刻与所述第一时刻的时间差，确定所述目标车辆的目标移动距离，其中，所述目标移动距离为所述目标车辆按照所述车辆速度由所述第一时刻至所述目标时刻所移动的距离；根据所述第一车头距离和所述目标移动距离，确定所述目标车辆的车辆长度。
根据本申请实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述车辆信息检测方法。
根据本申请实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的车辆信息检测方法。
在本申请实施例中，采用横向扫描部件结合多线扫描部件进行车辆长度检测的方式，通过横向扫描部件对目标车辆进行横向扫描，确定目标车辆的车辆尾部经过横向扫描部件的扫描面的目标时刻；根据多线扫描部件扫描到的目标车辆的多帧点云数据，确定目标车辆的第一车头距离和目标车辆的车辆速度，其中，多线扫描部件在目标车辆的行车方向上位于横向扫描部件的前侧，第一车头距离为目标车辆的车辆头部在第一时刻与横向扫描部件之间的水平距离；根据车辆速度以及目标时刻与第一时刻的时间差，确定目标车辆的目标移动距离，其中，目标移动距离为目标车辆按照车辆速度由第一时刻至目标时刻所移动的距离；根据第一车头距离和目标移动距离，确定目标车辆的车辆长度，由于通过横向扫描部件确定车辆收尾时刻，并基于多线扫描部件所扫描到的车辆信息确定出在某一个扫描时刻车辆头部与横向扫描部件之间的距离以及车辆的移动速度，基于速度和时间差可以确定出在车辆收尾时刻与某一个扫描时刻之间的时间段内车辆的移动距离，进而确定出车辆收尾时刻车辆头部与横向扫描部件之间的距离，即可确定出车辆长度，可以实现使用一个多线扫描部件代替在不同车道上设置的单线扫描部件进行车辆长度检测的目的，达到降低车辆信息检测成本的技术效果，进而解决了相关技术中的车辆信息检测方法存在由于需要针对不同车道分别设置单线扫描部件导致的车辆信息检测的成本高的技术问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是根据本申请实施例的一种可选的车辆信息检测方法的硬件环境的示意图；
图2是根据本申请实施例的一种可选的车辆信息检测方法的流程示意图；
图3是根据本申请实施例的一种可选的车辆轮廓识别系统的示意图；
图4是根据本申请实施例的一种可选的车辆信息检测方法的示意图；
图5是根据本申请实施例的一种可选的电子装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例的一个方面，提供了一种车辆信息检测方法。可选地，在本实施例中，上述车辆信息检测方法可以应用于如图1所示的包括检测部件102和服务器104的硬件环境中。如图1所示，服务器104通过网络与检测部件102进行连接，可用于基于检测部件102的检测数据进行车辆信息识别，例如，识别车辆的轮廓信息，可在服务器上或独立于服务器设置数据库，用于为服务器104提供数据存储服务。这里，检测部件102和服务器104可以均属于车辆轮廓识别系统。
上述网络可以包括但不限于以下至少之一：有线网络，无线网络。上述有线网络可以包括但不限于以下至少之一：广域网，城域网，局域网，上述无线网络可以包括但不限于以下至少之一：WIFI(Wireless Fidelity，无线保真)，蓝牙。检测部件102可以包括横向扫描部件和多线扫描部件，其中，横向扫描部件可以但不限定于为激光传感器，例如，单线激光雷达(一种用于进行激光测距的单线激光器)，多线扫描部件可以但不限定于为激光传感器，例如，多线激光雷达(一种用于进行激光测距的多线激光器)。
本申请实施例的车辆信息检测方法可以由服务器104来执行，也可以由检测部件102来执行，还可以是由服务器104和检测部件102共同执行。以由服务器104来执行本实施例中的车辆信息检测方法为例，图2是根据本申请实施例的一种可选的车辆信息检测方法的流程示意图，如图2所示，该方法的流程可以包括以下步骤：
步骤S202，通过横向扫描部件对目标车辆进行横向扫描，确定目标车辆的车辆尾部经过横向扫描部件的扫描面的目标时刻。
本实施例中的车辆信息检测方法可以应用到在预设区域内对经过的车辆进行车辆轮廓识别的场景，可以应用到车辆轮廓识别系统中。上述的预设区域可以是高速公路或者其他需要对车辆轮廓进行识别的区域，可以包含有多个车道。车辆轮廓可以包括车辆长度、车辆宽度和车辆高度，上述车辆信息检测方法可以应用于车辆的车辆长度的检测过程中。通过对车辆长度进行检测，并结合通过其他方式检测到的车辆宽度和车辆高度，还可以结合其他的车辆轮廓信息，确定完整的车辆轮廓信息，从而判断车辆是否存在超限，比如，超宽、超高等。在本实施例的部分示例中，以应用到高速公路的车辆轮廓识别系统为例进行说明。
车辆轮廓识别系统可以包括用于进行车辆轮廓信息检测的检测部件，例如，用于检测车辆宽度和车辆高度的横向扫描部件。上述横向扫描部件可以是激光传感器(比如，单线激光雷达)，激光传感器以激光作为信号源，接收被物体返回的激光，从而计算距离。横向扫描部件也可以是微波传感器、红外传感器、超声波传感器等，本实施例中以单线激光雷达为例进行解释说明。
在本实施例中，横向扫描部件可以位于设置在目标道路的支撑结构上，支撑结构可以是横跨目标道路的支撑结构，比如，门框式支架(即，龙门架)、L型支架等，目标道路可以包含N个车道(N为车道数)，对应地，横向扫描部件的数量可以为N+1个，即，相邻的两个横向扫描部件用于扫描位于两个横向扫描部件之间的车道(也就是，1个车道对应于两个横向扫描部件)，N为大于或者等于1的正整数。
某一个车道，可以通过与其对应的横向扫描部件进行横向扫描，其扫描过程可以是持续进行的扫描，也可以是在检测到有车辆(比如，目标车辆)到达横向扫描部件所在的支撑结构时所触发进行的扫描，本实施例中对此不做限定。
横向扫描部件的扫描面是固定的，对于经过的目标车辆，通过横向扫描部件对目标车辆进行横向扫描，可以确定目标车辆的车辆尾部经过横向扫描部件的扫描面的时刻，即，目标时刻。这里，目标车辆可以是行驶在与横向扫描部件所对应的车道上、且经过横向扫描部件所在的支撑结构的车辆；目标时刻可以是目标车辆通过横向扫描部件检测到目标车辆离开横向扫描部件的扫描面的时刻。
在目标时刻的前一时刻，目标车辆未完全通过横向扫描部件的扫描面，横向扫描部件可以扫描到目标车辆，而在目标时刻及其之后的时刻，目标车辆已完全通过横向扫描部件的扫描面，横向扫描部件无法扫描到目标车辆。因此，可以根据相邻两个时刻的扫描数据确定目标时刻。此外，由于横向扫描部件的扫描方向的限制，横向扫描部件的扫描面可以与目标车道的行车方向垂直。
例如，当车辆A进入门架之后，单线激光雷达与多线激光雷达都在不断地扫描点云。当单线激光雷达扫描不到车身数据时，则从扫描不到车身数据的t0时刻起，认为车辆A收尾(即，认为车辆A的尾部已通过门架)。
步骤S204，根据多线扫描部件扫描到的目标车辆的多帧点云数据，确定目标车辆的第一车头距离和目标车辆的车辆速度，其中，多线扫描部件在目标车辆的行车方向上位于横向扫描部件的前侧，第一车头距离为目标车辆的车辆头部在第一时刻与横向扫描部件之间的水平距离。
相关技术中，可以采用多种方式检测道路上经过车辆的车辆轮廓信息(即，车辆几何尺寸)，主要包括：人工测量，微波测量，红外测量，超声波测量，单线扫描部件测量等。然而，人工测量的方式需要消耗较大的人力资源成本，且检测的准确率以及工作效率均较低；微波测量检测精度低，易受天气影响；红外测量以及超声波测量对环境的要求较高，当温度变化或者天气变化时，测量结果波动较大，甚至检测不到结果；而单线扫描部件测量需要在每个车道都需要安装用于检测车辆长度的纵向扫描部件，成本较高，比如，对于具有N个车道的道路，需要安装N个用于识别车辆长度的单线激光雷达和N+1个用于识别车辆宽度的单线激光雷达。
为了至少解决上述的部分问题，在本实施例中，可以在具有多个车道的道路上，以在道路一侧安装一个多线扫描部件代替多个纵向扫描部件。这里，多线扫描部件可以是多线激光雷达。多线激光雷达可以有多个发射源，通过多个激光发射器在垂直方向上的分布，利用电机的旋转形成多条线束的扫描，可以同时发射和接收多束激光。在目标车道的行车方向上，多线扫描部件设置在横向扫描部件的前侧，即，在目标车辆在通过横向扫描部件的扫描面之后继续向前行驶时，其与多线扫描部件的距离越来越近。多线激光雷达可以按照在位于目标道路一侧的支撑结构上，例如，竖直支架或者L型支架等。
例如，对于多车道的车辆轮廓识别系统可以包括：N+1个单线激光雷达(N为车道数)以及1个安装单线激光雷达的门框式支架；1个多线激光雷达以及1个安装多线激光雷达的竖直或L型支架，1个控制柜。各个部件的安装位置可以如图3所示，其中，两个单线激光雷达安装在龙门架的两侧，用于测量车辆宽度和车辆高度；多线激光雷达安装于行车方向的前方距离龙门架25米以上(保证可以进行超长车的测量)，横向距离车道距离1米左右，保证扫到距离杆最近车道内的车辆的侧面，以测量车长。
多线扫描部件可以持续进行车辆扫描。对于目标车辆，多线扫描部件可以扫描到目标车辆的多帧点云数据。基于多帧点云数据，可以确定目标车辆的车辆长度，车辆长度是车辆的头部至车辆的尾部的长度。由于多线扫描部件的扫描线与扫描线之间存在发射角，多线扫描部件扫描到的点云数据中车辆的位置与实际位置可能会存在误差，因此，直接基于多帧点云数据确定目标车辆的车辆长度存在较大的误差。为了提高车辆长度检测的准确性，并且考虑到车辆是以靠近多线扫描部件的方向行驶的，相比于车尾的点云数据，扫描到的车头位置的误差较小，在本实施例中，可以基于多帧点云数据确定目标车辆的车辆头部的位置，进而基于车辆头部的位置确定对应的车辆长度。
为了确定目标车辆的车辆长度，可以首先根据多帧点云数据，确定在某一时刻目标车辆的车辆头部的位置，这里的某一时刻可以是与多帧点云数据中的某一帧点云数据所对应的扫描时刻。例如，根据多帧点云数据，可以确定目标车辆的车辆头部在第一时刻的位置，进而确定目标车辆的车辆头部在第一时刻与横向扫描部件之间的水平距离，即，第一车头距离。
由于多线扫描部件与横向扫描部件为独立工作的扫描部件，两者之间的频率可能是不同步的，当横向扫描部件检测到车辆的车辆尾部经过横向扫描部件时，同一时刻的多线扫描部件可能并没有对应的扫描数据。因此，第一时刻与目标时刻与目标时刻可以是相同的，也可以是不同的，两者之间可能存在时间差。在本实施例中，可以基于第一时刻与目标时刻的时间差结合预估的目标车辆的移动速度，确定出在第一时刻与目标时刻之间的时间段内，目标车辆预估的移动距离；基于第一车头距离和预估的移动距离，可以确定在目标时刻的车头距离，也就是，在目标时刻目标车辆的车辆头部与横向扫描部件之间的水平距离，从而得到目标车辆的车辆长度。
目标车辆的移动速度可以是根据多帧点云数据进行预估的，例如，可以根据多帧点云数据确定目标车辆的车辆头部在除了第一时刻以外的另一时刻与横向扫描部件之间的水平距离，得到另一个车头距离；基于第一时刻与另一时刻的时间差和第一车头距离和另一个车头距离的差值，确定预估的目标车辆的车辆速度。
需要说明的是，第一时刻和上述另一时刻可以是任一扫描时刻，其可以是在目标时刻之前的时刻，也可以是在目标时刻之后的时刻；第一车头距离可以根据多线扫描部件在第一时刻扫描到的目标车辆的车辆头部与多线扫描部件之间的水平距离，以及多线扫描部件与横向扫描部件的水平距离来确定。
步骤S206，根据车辆速度以及目标时刻与第一时刻的时间差，确定目标车辆的目标移动距离，其中，目标移动距离为目标车辆按照车辆速度由第一时刻至目标时刻所移动的距离。
在本实施例中，根据确定的目标车辆的车辆速度以及目标时刻与第一时刻的时间差，可以确定目标车辆的目标移动距离。车辆速度与时间差的乘积即为目标移动距离。这里，目标移动距离可以是目标车辆按照车辆速度由第一时刻至目标时刻所移动的距离。
需要说明的是，在计算目标移动距离时，可以将目标时刻与第一时刻的时间差与车辆速度的乘积，作为目标移动距离。第一时刻可以是目标时刻之前的时刻，也可以是目标时刻之后的时刻，对应地，目标时刻与第一时刻的时间差可以是正值，也可以是负值。对应地，在确定目标移动距离时，可以取目标时刻与第一时刻之间的时间差的绝对值计算目标移动距离，也可以直接取目标时刻与第一时刻之间的时间差计算目标移动距离。目标移动距离所表示的是：相对于目标车辆的车辆头部在第一时刻所在的位置，目标车辆的车辆头部在目标时刻所移动的水平距离。
步骤S208，根据第一车头距离和目标移动距离，确定目标车辆的车辆长度。
在本实施例中，目标移动距离可以用于描述目标车辆的车辆头部在第一时刻和目标时刻之间的位置关系，而第一车头距离为目标车辆的车辆头部在第一时刻与横向扫描部件之间的水平距离，那么，根据第一车头距离和目标移动距离，可以确定目标车辆的车辆头部在目标时刻与横向扫描部件之间的水平距离。由于横向扫描部件的扫描面垂直于目标车辆的行驶方向，目标车辆的车辆尾部经过横向扫描部件的扫描面时，目标车辆的车辆头部与横向扫描部件之间的水平距离即为目标车辆的车辆长度，因此，根据第一车头距离和目标移动距离，可以确定目标车辆的车辆长度。
可选地，如果目标移动距离是按照目标时刻与第一时刻之间的时间差计算的，则可以将第一车头距离与目标移动距离的和，确定为目标车辆的车辆长度。如果目标移动距离是按照目标时刻与第一时刻之间的时间差的绝对值计算的，那么，如果第一时刻是目标时刻之前的时刻，则可以将第一车头距离与目标移动距离的和，确定为目标车辆的车辆长度。如果第一时刻是目标时刻之后的时刻，则可以将第一车头距离与目标移动距离的差，确定为目标车辆的车辆长度。
通过上述步骤S202至步骤S208，通过横向扫描部件对目标车辆进行横向扫描，确定目标车辆的车辆尾部经过横向扫描部件的扫描面的目标时刻；根据多线扫描部件扫描到的目标车辆的多帧点云数据，确定目标车辆的第一车头距离和目标车辆的车辆速度，其中，多线扫描部件在目标车辆的行车方向上位于横向扫描部件的前侧，第一车头距离为目标车辆的车辆头部在第一时刻与横向扫描部件之间的水平距离；根据车辆速度以及目标时刻与第一时刻的时间差，确定目标车辆的目标移动距离，其中，目标移动距离为目标车辆按照车辆速度由第一时刻至目标时刻所移动的距离；根据第一车头距离和目标移动距离，确定目标车辆的车辆长度，解决了相关技术中的车辆信息检测方法存在由于需要针对不同车道分别设置单线扫描部件导致的车辆信息检测的成本高的技术问题，降低了车辆信息检测的成本。
在一个示例性实施例中，根据多线扫描部件扫描到的目标车辆的多帧点云数据，确定目标车辆的第一车头距离和目标车辆的车辆速度，包括：
S11，根据多帧点云数据，确定第一车头距离和第二车头距离，其中，第二车头距离为目标车辆的车辆头部在第二时刻与横向扫描部件之间的水平距离；
S12，将第一车头距离和第二车头距离之间的距离差与第一时刻与第二时刻之间的时间差的商，确定为车辆速度。
为了确定目标车辆的车辆速度，可以分别确定在与多帧点云数据中的每帧点云数据对应的扫描时刻，目标车辆的车辆头部在第二时刻与横向扫描部件之间的水平距离，从而确定出任意两个相邻扫描时刻，目标车辆的移动速度，得到一组移动速度；对一组移动速度进行加权求和(与第一时刻和目标时刻之间的时间段的距离越近，权重越高)，得到目标车辆的车辆速度。采用上述车辆速度的计算方式，存在计算复杂度高、且车辆的移动速度预估的准确性差的问题。
在本实施例中，可以根据多帧点云数据，分别确定目标车辆在两个扫描时刻(即，第一时刻和第二时刻)与横向扫描部件之间的水平距离，即，第一车头距离和第二车头距离；根据第一车头距离和第二车头距离，可以确定目标车辆在这两个扫描时刻之间的时间段内目标车辆的移动距离；那么，取第一车头距离和第二车头距离之间的距离差与两个扫描时刻的时间差的商，可以得到目标车辆的车辆速度。由于仅需确定两个扫描时刻之间的时间段内目标车辆的移动速度，可以降低速度计算的复杂度。
考虑到车辆的移动速度不是一直固定的，为了避免由于车辆速度估计不准确导致的车辆长度检测的准确性低的问题，可以取多帧点云数据对应的多个扫描时刻中，与目标时刻最近的两个扫描时刻分别作为第一时刻和第二时刻，即，第一时刻和第二时刻为多帧点云数据对应的扫描时刻中，与目标时刻最近的两个扫描时刻。
通过本实施例，通过两个时刻的车头距离的距离差和对应的时间差确定车辆速度，可以提高车辆速度确定的准确性。
在一个示例性实施例中，根据多帧点云数据，确定第一车头距离和第二车头距离，包括：
S21，通过对多帧点云数据进行点云配准，建立目标车辆的车辆点云模型；
S22，将第一点云数据和第二点云数据分别作为当前点云数据执行以下操作：
将当前点云数据与车辆点云模型进行特征匹配，得到当前点云位置，其中，当前点云位置为当前点云数据在车辆点云模型中的点云位置；
根据当前点云位置，确定当前点云数据中的目标点与车辆点云模型的车辆头部之间的水平距离，得到目标参考距离；
将目标点与横向扫描部件之间的水平距离与目标参考距离的距离和，确定为与当前点云数据对应的车头距离；
其中，在当前点云数据为第一点云数据时，与当前点云数据对应的车头距离为第一车头距离，在当前点云数据为第二点云数据时，与当前点云数据对应的车头距离为第二车头距离。
由于多线扫描部件存在扫描线与扫描线之间存在发射角的固有特性，扫描到的点云数据中的目标车辆的车头位置与实际目标车辆的车头位置可能存在一个差值，如果直接基于扫描到的点云数据中的车头位置确定与横向扫描部件之间的水平距离，可能会由于车头位置不准确降低车辆长度的准确性。对此，在本实施例中，可以对多帧点云数据进行点云配准，建立目标车辆的车辆点云模型，车辆点云模型可以为3D(Three Dimensions，三维)点云模型。基于建立的车辆点云模型，可以对扫描到的点云数据中的车头位置进行校准，得到校准后的车头位置。通过对车头位置进行校准，可以提高车辆长度确定的准确性。
在对车头位置进行校准时，对于当前点云数据，可以将当前点云数据与车辆点云模型进行特征匹配，得到当前点云位置，当前点云位置为当前点云数据在车辆点云模型中的点云位置，这里的当前点云数据可以是第一点云数据，也可以为第二点云数据。
当前点云位置可以包括当前点云数据中的各个点在车辆点云模型中的位置，可以取其中的一个点作为参考点，即，目标点，分别确定该目标点与车辆点云模型的车辆头部之间的水平距离，得到目标参考距离，目标参考距离可以认为是目标点与实际的车头位置之间的水平距离，这里的水平距离是指沿着目标车道的行车方向的距离。
通过与前述类似的方式，还可以确定出目标点与横向扫描部件之间的水平距离(比如，基于多线扫描部件与横向扫描部件之间的水平距离、以及多线扫描部件与目标点之间的水平距离确定目标点与横向扫描部件之间的水平距离)。在目标点与横向扫描部件之间的水平距离的基础上增加目标参考距离，可以确定出实际的车头位置与横向扫描部件之间的水平距离，从而得到上述的第一车头距离和第二车头距离。
上述目标点可以是当前点云数据中的任一点，为了减少计算误差，可以取当前点云数据中，与车辆点云模型的车辆头部之间的水平距离最近的点作为目标点，或者，与多线扫描部件之间的距离最近的点作为目标点本实施例中对于目标点的选取方式不做限定。
例如，由于多线激光雷达的固有特性(扫描线与扫描线之间存在发散角)，导致扫描的数据F1和F2并不一定是车辆A最前端的位置。此时扫描数据中车辆最前端的位置和实际车辆最前端位置存在一个差值。为了消除这个差值，且考虑到当车辆向前行驶时，会越来越靠近多线激光雷达，此时多线激光雷达的扫描点云相对密集，可以对这些数据进行点云配准，从而建立一个完整车辆A的3D点云模型。
上述3D点云模型根据车辆靠近多线激光雷达时的数据建立，因此车辆头部的模型数据相对准确，将扫描帧F1和F2与3D点云模型做特征匹配，可以得到F1和F2在3D点云模型中对应的位置，然后，计算扫描帧F1和F2到真实车头的距离，即，将3D车辆点云模型与F1和F2配准，得到F1和F2对应的真实车头位置。这里，虽然建立了车辆的3D点云模型，由于尾部误差相对较大，因此无法直接根据模型计算出车长。
在得到车辆头部的真实位置后，根据F1中车辆最前端的位置和F2中车辆最前端的位置可以求出车辆A在t1和t2时间段内的平均速度，而t0时刻位于t1和t2之间，因此，t0时刻车辆A最前端的位置到t1时刻车辆A最前端的位置的距离可以根据t0和t1的时间差与速度计算出，再加上t1时刻车辆最前端的位置到门架的距离，可以计算出完整的车长L。
通过本实施例，通过对多线扫描部件扫描到的点云数据进行配准，并建立车辆点云模型，基于建立的车辆点云模型与扫描到的点云数据之间的对应关系，可以确定真实的车头位置，提高车辆长度检测的准确性。
在一个示例性实施例中，通过对多帧点云数据进行点云配准，建立目标车辆的车辆点云模型，包括：
S31，分别构建多帧点云数据中除了目标帧点云数据以外的其他帧点云数据与目标帧点云数据之间的转换矩阵，得到与其他帧点云数据对应的转换矩阵；
S32，按照与其他帧点云数据对应的转换矩阵对其他帧点云数据进行坐标转换，得到配准后的其他帧点云数据；
S33，使用目标帧点云数据和配准后的其他帧点云数据建立三维点云模型，得到车辆点云模型。
考虑到单帧点云数据难以完整的包含整个车辆的点云，本实施例中是基于多帧点云数据建立目标车辆的车辆点云模型的。而多帧点云数据是在不同时刻对不同位置上的目标车辆进行扫描得到的点云数据。因此，需要对多帧点云数据进行点云配准。对点云配准实质上是拟合原始点云在目标点云的对应关系，从而让原始点云在目标点云的坐标系上进行显示。同时，点云配准的任务属于刚性物体场景，原始点云与目标点云之间只存在旋转和平移变换关系，可以通过构造转换矩阵的方式，完成点云配准。
在本实施例中，车辆点云模型可以是以多帧点云数据中的目标帧点云数据为基准建立的，即，目标点云为目标帧点云数据，而原始点云为多帧点云数据中除了目标帧点云数据以外的其他帧点云数据。在进行点云配准时，可以分别构建其他帧点云数据与目标帧点云数据之间的转换矩阵，得到与其他帧点云数据对应的转换矩阵。这里，目标帧点云数据可以是多帧点云数据中的任意一帧的点云数据。转换矩阵可以用于对其他帧点云数据进行坐标转换。
按照对应的转换矩阵，可以分别对其他帧点云数据进行坐标转换，得到配准后的点云数据。通过对其他帧点云数据均进行坐标变换，可以将所有帧点云数据转换到同一坐标系下，即，目标帧点云数据对应的坐标系下，可以认为目标帧点云数据和配准后的其他帧点云数据是对同一位置上的目标车辆进行扫描得到的点云数据。使用目标帧点云数据和配准后的其他帧点云数据建立三维点云模型，可以得到车辆点云模型。
例如，可以对多线激光雷达扫描到的数据进行预处理，得到每一帧的车辆点云集，比如，A1、A2...，对所有的车辆点云集进行点云配准，建立3D车辆模型，即，将每一帧中的车辆点云数据通过配准的方法在同一坐标系下匹配出对应的位置关系，以构建出整辆车完整的3D点云模型。以车辆点云集
Figure BDA0004027927020000131
Figure BDA0004027927020000132
进行配准为例，如图4所示，在进行点云配准时，可以首先获取待配准的点云集，即，目标点云集A1和输入点云集(初始点云集)A2；然后进行点云匹配，通过多轮迭代构造转换矩阵R、T，通过判断目标函数E(R,T)是否小于收敛误差判断是否收敛，并在E(R,T)小于收敛误差或者达到最大迭代次数之后停止迭代，得到构造的转换矩阵R、T，其中，目标函数如公式(1)所示，
Figure BDA0004027927020000141
其中，Np为点云数量(对于A1、A2，Np为n)，pi为源点集(A2)中的点，R表示旋转矩阵，T表示平移矩阵，xi为目标点集(A1)中的点。
通过本实施例，通过构建不同帧点云数据之间的转换矩阵，并基于构建的转换矩阵进行点云配准，可以提高车辆点云模型构建的准确性。
在一个示例性实施例中，在通过对多帧点云数据进行点云配准，建立目标车辆的车辆点云模型之前，上述方法还包括：
S41，将多帧点云数据中的每帧点云数据转换为以多线扫描部件同侧的横向扫描部件与地面的交界点为坐标原点的三维空间坐标，得到与每帧点云数据对应的三维空间坐标；
S42，根据与每帧点云数据对应的三维空间坐标以及多线扫描部件的安装高度，确定与每帧点云数据对应的地面高度以及与每帧点云数据对应的车道区域；
S43，滤除每帧点云数据中位于与每帧点云数据对应的车道区域以外的点云数据，并滤除每帧点云数据中点云高度属于与每帧点云数据对应的地面高度的点云数据，得到更新后的每帧点云数据。
由于多线扫描部件扫描到的多帧点云数据中除了目标车辆的车辆点云数据以外，还可能包含车道、地面以及车道上的非车辆物体的点云数据，为了减少所需处理的数据量，同时提高车辆点云模型构建的准确性，可以在对多帧点云数据进行点云配准之前，先对每帧点云数据进行预处理(比如，通过进行滤波处理，去除非车辆点云数据)，得到车辆点云数据，再对每一帧的车辆点云数据进行点云配准。
在本实施例中，横向扫描部件(例如，单线扫描部件)与多线扫描部件位于目标道路的同侧，可以先将每帧点云数据转换为以横向扫描部件与地面的交界点为坐标原点的三维空间坐标，得到与每帧点云数据对应的三维空间坐标，从得到每帧点云数据中各个点相比于多线扫描部件的位置。比如，可以首先将多线激光雷达扫描数据转化成以激光雷达为原点的三维空间坐标。
由于横向扫描部件的安装位置(比如，相对于目标车道的安装位置)是已知的，在以横向扫描部件与地面的交界点为坐标原点的三维空间坐标中，地面高度和车道区域的位置基本是保持不变的。根据与每帧点云数据对应的三维空间坐标以及多线扫描部件的安装高度，可以确定与每帧点云数据对应的地面高度以及与每帧点云数据对应的车道区域。比如，可以根据转化后的三维空间坐标、以及多线激光雷达安装高度，找出地面高度以及车道区域。
一个车辆在一个车道内行驶时，所扫描到的车辆点云数据均地面以外、且位于所在的车道区域内的。基于此，可以直接滤除每帧点云数据中位于与每帧点云数据对应的车道区域以外的点云数据；根据地面高度，滤除每帧点云数据中的地面点，即，点云高度属于与每帧点云数据对应的地面高度的点云数据，得到更新后的每帧点云数据，即，位于车道区域内、且不是地面点的点云数据。这里，更新后的每帧点云数据可以是目标车辆的点云集。例如，根据车道区域滤波，只留下车道区域内的点；再根据地面高度滤除地面点，可以得到每一帧的车辆点云集。
通过本实施例，在点云配准之前，滤除扫描到的点云数据中车道区域以外点云数据以及地面点，得到车辆点云数据，从而可以基于车辆点云数据进行点云匹配，可以提高点云配准的效率，并提高车辆点云模型建立的准确性。
在一个示例性实施例中，上述方法还包括：
S51，将多帧点云数据中，对应的扫描时刻为第一时刻的点云数据，确定为第一点云数据，其中，第一时刻为多帧点云数据对应的扫描时刻中，位于目标时刻之前、且与目标时刻的间隔时间最小的扫描时刻；
S52，将多帧点云数据中，对应的扫描时刻为第二时刻的点云数据，确定为第二点云数据，其中，第二时刻为多帧点云数据对应的扫描时刻中，位于目标时刻之后、且与目标时刻的间隔时间最小的扫描时刻。
为了避免车辆加速度等对车辆速度预估的影响，可以取上述多个扫描时刻中，位于目标时刻之前、且与目标时刻距离最近的扫描时刻以及位于目标时刻之后、且与目标时刻距离最近的扫描时刻，作为第一时刻和第二时刻。比如，第一时刻是多个扫描时刻中，位于目标时刻之前、且与目标时刻距离最近的扫描时刻，第二时刻是多个扫描时刻中，位于目标时刻之后、且与目标时刻距离最近的扫描时刻；或者，第一时刻是多个扫描时刻中，位于目标时刻之后、且与目标时刻距离最近的扫描时刻，第二时刻是多个扫描时刻中，位于目标时刻之前、且与目标时刻距离最近的扫描时刻。
在本实施例中，第一时刻可以为多帧点云数据对应的扫描时刻中，位于目标时刻之前、且与目标时刻的间隔时间最小(即，与目标时刻之间的时间差最小)的扫描时刻，而第二时刻可以为多帧点云数据对应的扫描时刻中，位于目标时刻之后、且与目标时刻之间的间隔时间最小的扫描时刻。对应地，可以将多帧点云数据中，对应的扫描时刻为第一时刻的点云数据，确定为第一点云数据，以及将多帧点云数据中，对应的扫描时刻为第二时刻的点云数据，确定为第二点云数据。
例如，当车辆收尾时，由于单线激光雷达与多线激光雷达之间的频率并不同步，所以t0时刻多线激光雷达不一定会有扫描数据，而是在t0时刻的前后，分别存在一帧多线激光雷达的数据F1和F2，对应时刻t1和t2。可以基于F1和F2、以及t1和t2，计算车辆的移动速度。
通过本实施例，选择目标时刻前后间隔最近的时刻对应的点云数据作为用于计算车辆移动速度和移动距离的点云数据，可以提高车辆速度确定的准确性，从而提升车长检测的准确性。
在一个示例性实施例中，通过横向扫描部件对目标车辆进行横向扫描，确定目标车辆的车辆尾部经过横向扫描部件的扫描面的目标时刻，包括：
S61，在目标车辆经过横向扫描部件的扫描面的情况下，通过横向扫描部件持续进行横向扫描，得到多组横向扫描数据；
S62，将多组横向扫描数据中包含的高度值大于或者等于预设高度阈值的点的数量小于或者等于预设数量阈值的第一组横向扫描数据所对应的扫描时刻，确定为目标时刻。
由于车辆与地面在高度上存在明显的差别，当没有车辆经过时，横向扫描部件扫描到的点云数据均是地面点云数据，而当有车辆经过时，横向扫描部件扫描到的点云数据中将存在一定数量的点不是地面点，即，存在一定数量的点高于预设高度阈值，这里，预设高度阈值可以是预先设定的地面点的高度阈值，其可以为0，也可以是大于0的值。在本实施例中，可以根据横向扫描部件所扫描到的点云数据中的点云高度确定是否扫描到车辆，以及确定车辆尾部是否已经通过扫描面。
横向扫描部件可以持续进行横向扫描，也可以是在确定有车辆经过时开始持续进行横向扫描。在目标车辆经过横向扫描部件的扫描面的情况下，可以通过横向扫描部件持续进行横向扫描，得到多组横向扫描数据。这里，不同组横向扫描数据可以是横向扫描部件在不同扫描时刻所扫描到的点云数据(即，点集)。可选地，一组横向扫描数据可以是一个或两个横向扫描部件在同一时刻扫描到的、与目标车道(目标车辆所在的车道)对应的点云数据。
对于多组横向扫描数据，可以依次确定每组横向扫描数据包含的点中，高度值大于或者等于预设高度阈值的点的数量。在目标车辆经过横向扫描部件的扫描面的过程中，横向扫描部件所扫描到的点云数据包含的高度值大于或者等于预设高度阈值的点的数量有一个从大于或者等于预设数量阈值(车辆正在经过扫描面)到小于预设数量阈值(车尾经过扫描面)的过程。可以将多组横向扫描数据中包含的高度值大于或者等于预设高度阈值的点的数量小于或者等于预设数量阈值的第一组横向扫描数据所对应的扫描时刻，确定为目标时刻。
需要说明的是，在上述的第一组横向扫描数据之后的至少一组横向扫描数据中，包含的高度值大于或者等于预设高度阈值的点的数量也是小于或者等于预设数量阈值的；在判断横向扫描数据中点的高度之前，可以先进行坐标转换，使每组横向扫描数据均转换到统一坐标系下。
例如，当无车经过单线激光雷达所在的门架下时，单线激光雷达扫到的均是地面点，当有车经过单线激光雷达所在的门架下时，单线激光雷达会扫到车身点。在进行坐标转换之后，车身点高度会明显高于地面点高度。可以设置一高度阈值α，当单线激光雷达扫描到的点云数据中，高度大于α的点的个数大于n时，则认为有车经过。在判断有车辆经过之后，将单线激光雷达扫描到的点云数据中，高度大于α的点的个数首次小于或者等于n的时刻t0，确定为车辆收尾的时刻。
通过本实施例，根据横向扫描数据中高度值达到预设高度阈值的点的数量确定车辆是否离开横向扫描部件的扫描面，可以提高车长检测的准确性。
在一个示例性实施例中，在根据多线扫描部件扫描到的目标车辆的多帧点云数据，确定目标车辆的第一车头距离和目标车辆的车辆速度之前，上述方法还包括：
S71，获取多线扫描部件进行车辆扫描所得到的多帧车辆扫描数据，其中，多线扫描部件的扫描范围内包含多个车道；
S72，确定多帧车辆扫描数据中的第一帧车辆扫描数据中目标车辆的第一帧点云数据，其中，第一帧点云数据为第一帧车辆扫描数据中与多个车道中的第一车道对应的车辆扫描数据；
S73，将第一帧点云数据与第二帧车辆扫描数据进行相似度匹配，得到目标车辆的第二帧点云数据，其中，第二帧车辆扫描数据为多帧车辆扫描数据中，第一帧车辆扫描数据的下一帧车辆扫描数据，第二帧点云数据为第二帧车辆扫描数据中与多个车道中的第二车道对应的车辆扫描数据。
对于包含多个车道的道路，对通过单线扫描部件(比如，单线激光雷达)进行车辆长度检测的方案，在车辆不规则行驶时，单线扫描部件无法准确测量车长。比如，车辆在行驶过程中如果出现变道、跨道，单线扫描部件无法扫描到车辆，导致测长不准甚至无法测量长度的情况。对于本实施例中使用多线扫描部件进行车辆长度检测的方案，如果目标车辆在靠近多线扫描部件的过程中发生变道，可能会出现多线扫描部件扫描到的不同时刻的点云数据中目标车辆的点云数据位于不同的车道，如果基于扫描到的目标车道内的点云数据确定车辆长度，则存在由于扫描到的点云数据不全、包含其他车辆的点云数据等导致的无法准确检测车辆长度的情况。
在本实施例中，为了至少部分解决因车辆跨道变道等导致的车长测量不准确的问题，提高车辆长度检测的准确性，可以通过相似度匹配的方式匹配多线扫描部件在不同时刻扫描到的点云数据中不同车道内的点云数据，进而确定出不同时刻扫描到的点云数据，与目标车辆对应的点云数据，得到上述目标车辆的多帧点云数据。
多线扫描部件可以持续进行车辆扫描，得到多帧车辆扫描数据，多线扫描部件的扫描范围内包含多个车道，对应地，多帧车辆扫描数据中包含每个车道内的点云数据。服务器可以获取上述多帧车辆扫描数据。对于多帧车辆扫描数据中的第一帧车辆扫描数据(可以是任一帧车辆扫描数据)中目标车辆的第一帧点云数据。在扫描得到第一帧车辆扫描数据时，目标车辆位于第一车道(可以是前述目标车道，也可以是目标车道以外的其他车道)，则第一帧点云数据为第一帧车辆扫描数据中与第一车道对应的车辆扫描数据。
对于第一帧车辆扫描数据的下一帧车辆扫描数据，即，第二帧车辆扫描数据，可以将第一帧点云数据与第二帧车辆扫描数据进行相似度匹配，得到目标车辆的第二帧点云数据。将第一帧点云数据与第二帧车辆扫描数据进行相似度匹配可以是：将第一帧点云数据与第二帧车辆扫描数据中与每个车道对应的车辆扫描数据进行相似度匹配，将与每个车道对应的车辆扫描数据中，与第一帧点云数据相似度最高(或者，与第一帧点云数据相似度最高、且高于预设相似度阈值)的车辆扫描数据，确定为第二帧点云数据。这里，第二帧点云数据是与第二车道对应的车辆扫描数据，其与第一车道可以是同一车道，也可以是不同车道，如果第一车道和第二车道为不同车道，可以确定目标车辆发生了变道。通过分别确定多帧车辆扫描数据中的每帧车辆扫描数据中与目标车辆对应的车辆扫描数据，可以得到前述多帧点云数据。
可选地，可以基于每个车道对应的车道区域以及一帧车辆扫描数据中的每个点的位置确定与每个车道对应的车辆扫描数据。每个车道的车道区域可以是预先配置的。为了提高相似度匹配的准确性，对于与每个车道对应的车辆扫描数据，可以基于车辆扫描数据中每个点的高度与地面高度对车辆扫描数据进行滤波，滤除与每个车道对应的车辆扫描数据中的地面点，得到与每个车道对应的车辆点云数据，从而可以基于一帧车辆扫描数据中与每个车道对应的车辆点云数据进行相似度匹配，确定出同一车辆的车辆点云数据。
例如，当道路内的车道数变多时，车辆进入龙门架之后，对每个车辆赋值一个ID；提取出当前帧的车辆数据并记录对应的车道号，将当前帧的车辆数据与前一帧的车辆数据求相似度，相似度最高的车辆数据认为是同一辆车的车辆数据。若同一辆车在前后帧中处于不同的车道，则认为该车变道。
需要说明的是，在进行车辆长度检测时，车辆变道影响车辆头部的头部位置(比如，第一头部位置和第二头部位置)确定的准确性，进而影响车辆长度检测的准确性。如果采用构建车辆点云模型的方式，车辆变道会影响车辆点云模型构建的不准确，也会影响车辆头部的头部位置确定的准确性。
通过本实施例，通过进行相似度匹配的方式确定不同帧车辆扫描数据中的车辆数据，确定每一帧点云数据同一车辆的点云数据，可以提高车长检测的准确性。
在一个示例性实施例中，上述方法还包括：
S81，根据横向扫描部件在目标车辆经过横向扫描部件的扫描面时所扫描到的点云数据，确定目标车辆的车辆高度和目标车辆的车辆宽度。
除了车辆长度以外，车辆轮廓信息还可以包括：车辆高度和车辆宽度。可以通过横向扫描部件对目标车辆进行横向扫描，根据横向扫描部件在目标车辆经过横向扫描部件的扫描面时所扫描到的点云数据，确定目标车辆的车辆高度和目标车辆的车辆宽度。
可以将目标车辆经过横向扫描部件的扫描面时所扫描到的单帧点云数据中的车辆点的最高高度，或者多帧点云数据中的车辆点的最高高度的平均值，确定为目标车辆的车辆高度。
例如，当车辆通过龙门架时，两侧单线激光雷达直接测出车辆的单帧高度Hi，最终取测到的最高高度H为车辆高度。
可以将目标车辆经过横向扫描部件的扫描面时所扫描到的单帧点云数据中的车辆点的最宽宽度，或者多帧点云数据中的车辆点的最宽宽度的平均值，确定为目标车辆的车辆宽度。
例如，由于安装位置固定，两侧单线激光雷达的间距w1是确定的，当车辆通过龙门架时，通过两侧单线激光雷达每一帧的扫描数据，可以确定两侧单线激光雷达到车辆的距离w2和w3，则车辆单帧宽度为W＝w1-w2-w3，最终取测到的最宽宽度W为车辆宽度。
这里，目标车辆的宽度和高度可以是基于前述实施例中的车辆点云模型确定的，然而，由于多线扫描部件发散角的原因，导致车辆点云模型与实际的目标车辆之间存在一定的差异。而基于横向扫描部件所扫描到的点云数据确定车辆宽度和车辆高度，可以提高车辆轮廓信息检测的准确性。
例如，如果直接采用多线激光雷达建立的3D点云模型来计算宽高，当车道数较多时，较远车道的车辆会由于多线激光雷达发散角的原因无法准确的测量宽度，因此，通过两个单线激光雷达测宽高可以保证车辆宽度和高度检测的准确性。
通过本实施例，根据横向扫描部件检测车辆宽度和车辆高度，可以提高车辆宽度和高度检测的准确性。
下面结合可选示例对本申请实施例中的车辆信息检测方法进行解释说明。在本可选示例中，横向扫描部件为单线激光雷达，多线扫描部件为多线激光雷达，目标时刻为t0，第一时刻为t0之前、距离t0最近的扫描时刻t1，第二时刻为t0之后、距离t0最近的扫描时刻t2。
本可选示例中提供了一种自由流车辆长宽高检测方法，通过单线激光雷达测量车辆的宽、高以及判断车辆的状态，通过多线激光雷达配合单线激光雷达测量车长。
本可选示例中的车辆信息检测方法的流程可以包括以下步骤：
步骤1，在单线激光雷达判断车辆收尾时刻t0后，取多线激光雷达在收尾时刻t0扫描到的前后帧数据F1和F2，对应时刻t1和t2。
步骤2，利用车辆靠近多线激光雷达时多线激光雷达扫描到的车辆数据，通过点云配准来构建3D点云模型。
步骤3，通过特征匹配(比如，基于特征相似度)确定F1和F2在3D点云模型中对应的位置，找出车头的真实位置。
步骤4，根据F1和F2对应的车头的真实位置计算两帧之间车头位置的距离，进而求出车辆行驶的平均速度。
步骤5，根据t1和t0的时间差与速度算出车辆在t1至t0的时间段内移动的距离，再加上t1时刻车辆最前端到门架的距离，可以计算出收尾时刻t0车头的位置，从而计算出完整的车长L。
通过本可选示例，通过单线激光雷达配合多线激光雷达测量车辆长宽高，可以降低车辆轮廓信息检测的成本，提高车辆轮廓信息检测的准确性。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM(Read-Only Memory，只读存储器)/RAM(Random Access Memory，随机存取存储器)、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例的方法。
根据本申请实施例的另一个方面，还提供了一种用于实施上述车辆信息检测方法的车辆信息检测系统。该车辆信息检测系统可以包括：
横向扫描部件，用于对经过的目标车辆进行横向扫描；
多线扫描部件，在目标车辆的行车方向上设置在横向扫描部件的前侧，用于对目标车辆进行多线扫描；
数据处理部件，用于通过横向扫描部件对目标车辆进行横向扫描，确定目标车辆的车辆尾部经过横向扫描部件的扫描面的目标时刻；根据多线扫描部件扫描到的目标车辆的多帧点云数据，确定目标车辆的第一车头距离和目标车辆的车辆速度，其中，多线扫描部件第一车头距离为目标车辆的车辆头部在第一时刻与横向扫描部件之间的水平距离；根据车辆速度以及目标时刻与第一时刻的时间差，确定目标车辆的目标移动距离，其中，目标移动距离为目标车辆按照车辆速度由第一时刻至目标时刻所移动的距离；根据第一车头距离和目标移动距离，确定目标车辆的车辆长度。
需要说明的是，数据处理部件可以是服务器或者某一处理设备上执行前述确定第一车头距离、车辆速度、移动距离以及基于第一车头距离和移动距离确定车辆长度的部件，例如，处理器、控制器等。确定确定第一车头距离、车辆速度、移动距离以及基于第一车头距离和移动距离确定车辆长度的方式与前述实施例中类似，已经进行过说明的，在此不做赘述。
通过上述车辆信息检测系统，根据横向激光雷达对目标车辆进行横向扫描所得到的纵向扫描数据，确定所述目标车辆的车辆尾部经过所述横向激光雷达的扫描面的目标时刻；根据多线激光雷达扫描到的所述目标车辆的多帧点云数据，确定所述目标车辆的第一车头距离和所述目标车辆的车辆速度，其中，所述第一车头距离为所述目标车辆的车辆头部在第一时刻与所述横向激光雷达之间的水平距离；根据所述车辆速度以及所述目标时刻与所述第一时刻的时间差，确定所述目标车辆的目标移动距离，其中，所述目标移动距离为所述目标车辆按照所述车辆速度由所述第一时刻至所述目标时刻所移动的距离；根据所述第一车头距离和所述目标移动距离，确定所述目标车辆的车辆长度解决了相关技术中的车辆信息检测方法存在由于需要针对不同车道分别设置单线扫描部件导致的车辆信息检测的成本高的技术问题，降低了车辆信息检测的成本。
在一个示例性实施例中，数据处理部件，还用于根据多帧点云数据，确定第一车头距离和第二车头距离，其中，第二车头距离为目标车辆的车辆头部在第二时刻与横向激光雷达之间的水平距离；将第一车头距离和第二车头距离之间的距离差与第一时刻与第二时刻之间的时间差的商，确定为车辆速度。
在一个示例性实施例中，数据处理部件，还用于通过对多帧点云数据进行点云配准，建立目标车辆的车辆点云模型；将第一点云数据和第二点云数据分别作为当前点云数据执行以下操作：将当前点云数据与车辆点云模型进行特征匹配，得到当前点云位置，其中，当前点云位置为当前点云数据在车辆点云模型中的点云位置；据当前点云位置，确定当前点云数据中的目标点与车辆点云模型的车辆头部之间的水平距离，得到目标参考距离；将目标点与横向激光雷达之间的水平距离与目标参考距离的距离和，确定为与当前点云数据对应的车头距离；其中，在当前点云数据为第一点云数据时，与当前点云数据对应的车头距离为第一车头距离，在当前点云数据为第二点云数据时，与当前点云数据对应的车头距离为第二车头距离。
在一个示例性实施例中，数据处理部件，还用于分别构建多帧点云数据中除了目标帧点云数据以外的其他帧点云数据与目标帧点云数据之间的转换矩阵，得到与其他帧点云数据对应的转换矩阵；按照与其他帧点云数据对应的转换矩阵对其他帧点云数据进行坐标转换，得到配准后的其他帧点云数据；使用目标帧点云数据和配准后的其他帧点云数据建立三维点云模型，得到车辆点云模型。
在一个示例性实施例中，数据处理部件，还用于将多帧点云数据中的每帧点云数据转换为以多线激光雷达同侧单线激光雷达与地面的交界点为坐标原点的三维空间坐标，得到与每帧点云数据对应的三维空间坐标；根据与每帧点云数据对应的三维空间坐标以及多线激光雷达的安装高度，确定与每帧点云数据对应的地面高度以及与每帧点云数据对应的车道区域；滤除每帧点云数据中位于与每帧点云数据对应的车道区域以外的点云数据，并滤除每帧点云数据中点云高度属于与每帧点云数据对应的地面高度的点云数据，得到更新后的每帧点云数据。
在一个示例性实施例中，数据处理部件，还用于将多帧点云数据中，对应的扫描时刻为第一时刻的点云数据，确定为第一点云数据，其中，第一时刻为多帧点云数据对应的扫描时刻中，位于目标时刻之前、且与目标时刻的间隔时间最小的扫描时刻；将多帧点云数据中，对应的扫描时刻为第二时刻的点云数据，确定为第二点云数据，其中，第二时刻为多帧点云数据对应的扫描时刻中，位于目标时刻之后、且与目标时刻的间隔时间最小的扫描时刻。
在一个示例性实施例中，数据处理部件，还用于在目标车辆经过横向激光雷达的扫描面的情况下，通过横向激光雷达持续进行横向扫描，得到多组横向扫描数据；将多组横向扫描数据中包含的高度值大于或者等于预设高度阈值的点的数量小于或者等于预设数量阈值的第一组横向扫描数据所对应的扫描时刻，确定为目标时刻。
在一个示例性实施例中，数据处理部件，还用于获取多线激光雷达进行车辆扫描所得到的多帧车辆扫描数据，其中，多线激光雷达的扫描范围内包含多个车道；确定多帧车辆扫描数据中的第一帧车辆扫描数据中目标车辆的第一帧点云数据，其中，第一帧点云数据为第一帧车辆扫描数据中与多个车道中的第一车道对应的车辆扫描数据；将第一帧点云数据与第二帧车辆扫描数据进行相似度匹配，得到目标车辆的第二帧点云数据，其中，第二帧车辆扫描数据为多帧车辆扫描数据中，第一帧车辆扫描数据的下一帧车辆扫描数据，第二帧点云数据为第二帧车辆扫描数据中与多个车道中的第二车道对应的车辆扫描数据；其中，多帧点云数据包括第一帧点云数据和第二帧点云数据。
在一个示例性实施例中，数据处理部件，还用于根据横向激光雷达在目标车辆经过横向激光雷达的扫描面时所扫描到的点云数据，确定目标车辆的车辆高度和目标车辆的车辆宽度。
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。
根据本申请实施例的又一个方面，还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于执行本申请实施例中上述任一项车辆信息检测方法的程序代码。
可选地，在本实施例中，上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：
S1，通过横向扫描部件对目标车辆进行横向扫描，确定目标车辆的车辆尾部经过横向扫描部件的扫描面的目标时刻；
S2，根据多线扫描部件扫描到的目标车辆的多帧点云数据，确定目标车辆的第一车头距离和目标车辆的车辆速度，其中，多线扫描部件在目标车辆的行车方向上位于横向扫描部件的前侧，第一车头距离为目标车辆的车辆头部在第一时刻与横向扫描部件之间的水平距离；
S3，根据车辆速度以及目标时刻与第一时刻的时间差，确定目标车辆的目标移动距离，其中，目标移动距离为目标车辆按照车辆速度由第一时刻至目标时刻所移动的距离；
S4，根据第一车头距离和目标移动距离，确定目标车辆的车辆长度。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例中对此不再赘述。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、ROM、RAM、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
根据本申请实施例的又一个方面，还提供了一种用于实施上述车辆信息检测方法的电子装置，该电子装置可以是服务器、终端、或者其组合。
图5是根据本申请实施例的一种可选的电子装置的结构框图，如图5所示，包括处理器502、通信接口504、存储器506和通信总线508，其中，处理器502、通信接口504和存储器506通过通信总线508完成相互间的通信，其中，
存储器506，用于存储计算机程序；
处理器502，用于执行存储器506上所存放的计算机程序时，实现如下步骤：
S1，通过横向扫描部件对目标车辆进行横向扫描，确定目标车辆的车辆尾部经过横向扫描部件的扫描面的目标时刻；
S2，根据多线扫描部件扫描到的目标车辆的多帧点云数据，确定目标车辆的第一车头距离和目标车辆的车辆速度，其中，多线扫描部件在目标车辆的行车方向上位于横向扫描部件的前侧，第一车头距离为目标车辆的车辆头部在第一时刻与横向扫描部件之间的水平距离；
S3，根据车辆速度以及目标时刻与第一时刻的时间差，确定目标车辆的目标移动距离，其中，目标移动距离为目标车辆按照车辆速度由第一时刻至目标时刻所移动的距离；
S4，根据第一车头距离和目标移动距离，确定目标车辆的车辆长度。
可选地，通信总线可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线、或EISA(Extended Industry Standard Architecture，扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口用于上述电子装置与其他设备之间的通信。
存储器可以包括RAM，也可以包括非易失性存储器(non-volatile memory)，例如，至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器，可以包含但不限于：CPU(Central ProcessingUnit，中央处理器)、NP(Network Processor，网络处理器)等；还可以是DSP(DigitalSignal Processing，数字信号处理器)、ASIC(Application Specific IntegratedCircuit，专用集成电路)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
本领域普通技术人员可以理解，图5所示的结构仅为示意，实施上述车辆信息检测方法的设备可以是终端设备，该终端设备可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices，MID)、PAD等终端设备。图5其并不对上述电子装置的结构造成限定。例如，电子装置还可包括比图5中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图5所示的不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、ROM、RAM、磁盘或光盘等。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例中所提供的方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以至少两个单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (12)

1.一种车辆信息检测方法，其特征在于，包括：
通过横向扫描部件对目标车辆进行横向扫描，确定所述目标车辆的车辆尾部经过所述横向扫描部件的扫描面的目标时刻；
根据多线扫描部件扫描到的所述目标车辆的多帧点云数据，确定所述目标车辆的第一车头距离和所述目标车辆的车辆速度，其中，所述多线扫描部件在所述目标车辆的行车方向上位于所述横向扫描部件的前侧，所述第一车头距离为所述目标车辆的车辆头部在第一时刻与所述横向扫描部件之间的水平距离；
根据所述车辆速度以及所述目标时刻与所述第一时刻的时间差，确定所述目标车辆的目标移动距离，其中，所述目标移动距离为所述目标车辆按照所述车辆速度由所述第一时刻至所述目标时刻所移动的距离；
根据所述第一车头距离和所述目标移动距离，确定所述目标车辆的车辆长度。
2.根据权利要求1所述的方法，其特征在于，所述根据多线扫描部件扫描到的所述目标车辆的多帧点云数据，确定所述目标车辆的第一车头距离和所述目标车辆的车辆速度，包括：
根据所述多帧点云数据，确定所述第一车头距离和第二车头距离，其中，所述第二车头距离为所述目标车辆的车辆头部在第二时刻与所述横向扫描部件之间的水平距离；
将所述第一车头距离和所述第二车头距离之间的距离差与所述第一时刻与所述第二时刻之间的时间差的商，确定为所述车辆速度。
3.根据权利要求2所述的方法，其特征在于，所述根据所述多帧点云数据，确定所述第一车头距离和第二车头距离，包括：
通过对所述多帧点云数据进行点云配准，建立所述目标车辆的车辆点云模型；
将第一点云数据和第二点云数据分别作为当前点云数据执行以下操作：
将所述当前点云数据与所述车辆点云模型进行特征匹配，得到当前点云位置，其中，所述当前点云位置为所述当前点云数据在所述车辆点云模型中的点云位置；
根据所述当前点云位置，确定所述当前点云数据中的目标点与所述车辆点云模型的车辆头部之间的水平距离，得到目标参考距离；
将所述目标点与所述横向扫描部件之间的水平距离与所述目标参考距离的距离和，确定为与所述当前点云数据对应的车头距离；
其中，在所述当前点云数据为第一点云数据时，与所述当前点云数据对应的车头距离为所述第一车头距离，在所述当前点云数据为第二点云数据时，与所述当前点云数据对应的车头距离为所述第二车头距离。
4.根据权利要求3所述的方法，其特征在于，所述通过对所述多帧点云数据进行点云配准，建立所述目标车辆的车辆点云模型，包括：
分别构建所述多帧点云数据中除了目标帧点云数据以外的其他帧点云数据与所述目标帧点云数据之间的转换矩阵，得到与所述其他帧点云数据对应的转换矩阵；
按照与所述其他帧点云数据对应的转换矩阵对所述其他帧点云数据进行坐标转换，得到配准后的所述其他帧点云数据；
使用所述目标帧点云数据和配准后的所述其他帧点云数据建立三维点云模型，得到所述车辆点云模型。
5.根据权利要求4所述的方法，其特征在于，在所述通过对所述多帧点云数据进行点云配准，建立所述目标车辆的车辆点云模型之前，所述方法还包括：
将所述多帧点云数据中的每帧点云数据转换为以所述多线扫描部件同侧的所述横向扫描部件与地面的交界点为坐标原点的三维空间坐标，得到与所述每帧点云数据对应的三维空间坐标；
根据与所述每帧点云数据对应的三维空间坐标以及所述多线扫描部件的安装高度，确定与所述每帧点云数据对应的地面高度以及与所述每帧点云数据对应的车道区域；
滤除所述每帧点云数据中位于与所述每帧点云数据对应的车道区域以外的点云数据，并滤除所述每帧点云数据中点云高度属于与所述每帧点云数据对应的地面高度的点云数据，得到更新后的所述每帧点云数据。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
将所述多帧点云数据中，对应的扫描时刻为所述第一时刻的点云数据，确定为所述第一点云数据，其中，所述第一时刻为所述多帧点云数据对应的扫描时刻中，位于所述目标时刻之前、且与所述目标时刻的间隔时间最小的扫描时刻；
将所述多帧点云数据中，对应的扫描时刻为所述第二时刻的点云数据，确定为所述第二点云数据，其中，所述第二时刻为所述多帧点云数据对应的扫描时刻中，位于所述目标时刻之后、且与所述目标时刻的间隔时间最小的扫描时刻。
7.根据权利要求1所述的方法，其特征在于，所述通过横向扫描部件对目标车辆进行横向扫描，确定所述目标车辆的车辆尾部经过所述横向扫描部件的扫描面的目标时刻，包括：
在所述目标车辆经过所述横向扫描部件的扫描面的情况下，通过所述横向扫描部件持续进行横向扫描，得到多组横向扫描数据；
将所述多组横向扫描数据中包含的高度值大于或者等于预设高度阈值的点的数量小于或者等于预设数量阈值的第一组横向扫描数据所对应的扫描时刻，确定为所述目标时刻。
8.根据权利要求1所述的方法，其特征在于，在所述根据多线扫描部件扫描到的所述目标车辆的多帧点云数据，确定所述目标车辆的第一车头距离和所述目标车辆的车辆速度之前，所述方法还包括：
获取所述多线扫描部件进行车辆扫描所得到的多帧车辆扫描数据，其中，所述多线扫描部件的扫描范围内包含多个车道；
确定所述多帧车辆扫描数据中的第一帧车辆扫描数据中所述目标车辆的第一帧点云数据，其中，所述第一帧点云数据为所述第一帧车辆扫描数据中与所述多个车道中的第一车道对应的车辆扫描数据；
将所述第一帧点云数据与第二帧车辆扫描数据进行相似度匹配，得到所述目标车辆的第二帧点云数据，其中，所述第二帧车辆扫描数据为所述多帧车辆扫描数据中，所述第一帧车辆扫描数据的下一帧车辆扫描数据，所述第二帧点云数据为所述第二帧车辆扫描数据中与所述多个车道中的第二车道对应的车辆扫描数据；
其中，所述多帧点云数据包括所述第一帧点云数据和所述第二帧点云数据。
9.根据权利要求1至8中任一项所述的方法，其特征在于，所述方法还包括：
根据所述横向扫描部件在所述目标车辆经过所述横向扫描部件的扫描面时所扫描到的点云数据，确定所述目标车辆的车辆高度和所述目标车辆的车辆宽度。
10.一种车辆信息检测系统，其特征在于，包括：
横向扫描部件，用于对经过的目标车辆进行横向扫描；
多线扫描部件，在所述目标车辆的行车方向上设置在所述横向扫描部件的前侧，用于对所述目标车辆进行多线扫描；
数据处理部件，用于通过所述横向扫描部件对目标车辆进行横向扫描，确定所述目标车辆的车辆尾部经过所述横向扫描部件的扫描面的目标时刻；根据所述多线扫描部件扫描到的所述目标车辆的多帧点云数据，确定所述目标车辆的第一车头距离和所述目标车辆的车辆速度，其中，所述多线扫描部件所述第一车头距离为所述目标车辆的车辆头部在第一时刻与所述横向扫描部件之间的水平距离；根据所述车辆速度以及所述目标时刻与所述第一时刻的时间差，确定所述目标车辆的目标移动距离，其中，所述目标移动距离为所述目标车辆按照所述车辆速度由所述第一时刻至所述目标时刻所移动的距离；根据所述第一车头距离和所述目标移动距离，确定所述目标车辆的车辆长度。
11.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行权利要求1至9中任一项所述的方法。
12.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行权利要求1至9中任一项所述的方法。
CN202211711775.0A 2022-12-29 2022-12-29 车辆信息检测方法和系统、存储介质和电子装置 Pending CN116222397A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211711775.0A CN116222397A (zh) 2022-12-29 2022-12-29 车辆信息检测方法和系统、存储介质和电子装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211711775.0A CN116222397A (zh) 2022-12-29 2022-12-29 车辆信息检测方法和系统、存储介质和电子装置

Publications (1)

Publication Number Publication Date
CN116222397A true CN116222397A (zh) 2023-06-06

Family

ID=86577687

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211711775.0A Pending CN116222397A (zh) 2022-12-29 2022-12-29 车辆信息检测方法和系统、存储介质和电子装置

Country Status (1)

Country Link
CN (1) CN116222397A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117553695A (zh) * 2024-01-11 2024-02-13 摩斯智联科技有限公司 基于宽高比抑制噪声计算车辆高度的方法、装置及计算机存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117553695A (zh) * 2024-01-11 2024-02-13 摩斯智联科技有限公司 基于宽高比抑制噪声计算车辆高度的方法、装置及计算机存储介质
CN117553695B (zh) * 2024-01-11 2024-05-03 摩斯智联科技有限公司 计算车辆高度的方法、装置及计算机存储介质

Similar Documents

Publication Publication Date Title
US11719788B2 (en) Signal processing apparatus, signal processing method, and program
CN104793202B (zh) 多雷达成像传感器的对象融合系统
US10501059B2 (en) Stereo camera device
US9083856B2 (en) Vehicle speed measurement method and system utilizing a single image capturing unit
CN104021676A (zh) 基于车辆动态视频特征的车辆定位及车速测量方法
CN102592456B (zh) 一种基于视频的车辆测速方法
JP2018092501A (ja) 車載用画像処理装置
CN110758379B (zh) 一种斜列泊车位检测方法、装置以及自动泊车方法和系统
CN105785370A (zh) 物体检测装置和物体检测方法
CN110726993B (zh) 一种利用单线激光雷达和毫米波雷达的障碍物检测方法
CN112014855A (zh) 一种基于激光雷达的车辆外廓检测方法及系统
CN116222397A (zh) 车辆信息检测方法和系统、存储介质和电子装置
CN115856872A (zh) 一种车辆运动轨迹连续跟踪方法
KR20210135753A (ko) 라이다 기반의 차량 위치 추정 방법 및 장치
CN110554409B (zh) 一种凹障碍物检测方法及系统
CN110068826B (zh) 一种测距的方法及装置
CN115151836A (zh) 用于探测车辆周围环境中的移动对象的方法和机动车辆
CN111551122A (zh) 一种基于激光雷达的火车车皮数量和长度测量系统及方法
CN111539305A (zh) 一种地图构建方法及系统、车辆及存储介质
CN112902911A (zh) 基于单目相机的测距方法、装置、设备及存储介质
CN116129669A (zh) 一种基于激光雷达的车位测评方法、系统、设备及介质
CN202903176U (zh) 激光辅助机器视觉测距装置
CN111025300B (zh) 一种车位长度的测量方法及装置
WO2021056185A1 (en) Systems and methods for partially updating high-definition map based on sensor data matching
CN110809228B (zh) 速度测量方法、装置、设备和计算机可读存储介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20231128

Address after: 430074 room 01-04, 6-7 / F, building B5, phase II construction project of financial back office service center base, 77 Guanggu Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province

Applicant after: Wuhan Wanji Photoelectric Technology Co.,Ltd.

Address before: Wanji space, building 12, Zhongguancun Software Park, yard 8, Dongbei Wangxi Road, Haidian District, Beijing 100193

Applicant before: BEIJING WANJI TECHNOLOGY Co.,Ltd.