CN116543549A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN116543549A
CN116543549A CN202310268237.7A CN202310268237A CN116543549A CN 116543549 A CN116543549 A CN 116543549A CN 202310268237 A CN202310268237 A CN 202310268237A CN 116543549 A CN116543549 A CN 116543549A
Authority
CN
China
Prior art keywords
vehicle
monitoring camera
image
weighing
tire
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
CN202310268237.7A
Other languages
English (en)
Inventor
叶圣华
齐子诚
高婷婷
叶宏武
赵洁
李雨蕾
蒋锐
朱宇瑾
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.)
China Weapon Science Academy Ningbo Branch
Zhejiang Textile and Fashion College
Original Assignee
China Weapon Science Academy Ningbo Branch
Zhejiang Textile and Fashion College
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 China Weapon Science Academy Ningbo Branch, Zhejiang Textile and Fashion College filed Critical China Weapon Science Academy Ningbo Branch
Priority to CN202310268237.7A priority Critical patent/CN116543549A/zh
Publication of CN116543549A publication Critical patent/CN116543549A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
    • G01G19/02—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles
    • G01G19/03—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles for weighing during motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates
    • 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
    • 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
    • G08G1/042—Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • 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)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

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，如下：在公路或桥梁上设置有地感线圈、称重传感器，道路在称重传感器前侧上方设置有监控摄像头A，道路上在地感线圈的一侧设置有监控摄像头B，道路上在称重传感器的一侧设置有监控摄像头C；当车辆驶过地感线圈时，地感线圈产生一触发信号，启动监控摄像头A、监控摄像头B、监控摄像头C、称重传感器，开始识别、称重工作；根据监控摄像头A采集的图像获取车辆牌照信息；根据监控摄像头B采集的图像计算获得车速，称重传感器根据车速动态变换了采样率进行车辆称重获得车辆重量数据；根据监控摄像头C采集的车轮轮胎瞬时图像获得轮胎变形量，结合车辆速度，获得车辆重量数据。

Description

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
技术领域
本发明属于货运车辆在公路及桥梁上超载运营的不停车动态检测技术领域，具体涉及一种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。
背景技术
超载超限运输已经成为制约交通运输发展的瓶颈，其危害主要在于严重破坏了公路和桥梁设施、导致道路交通事故多发。目前，大型货运车辆在路面上的管理要采用静态地磅法和动态称重法两种。地磅法需要工作人员进行路面巡逻，将疑似超重车辆引导进入专门的超限运输检测站进行称重，该方法测量精度较高，但是检测效率低、工作强度大、覆盖面小，难以从根本上治理超限超载。动态称重法则是将多组传感器(以电阻应变式窄条传感器居多)安装于路面上，根据运行中车辆轮胎对地面传感器的压力来计算通过车辆的重量、轴数、速度等信息，可实现非现场的高效称重。在超限超载的深层次原因尚未完全消除的情况下，运输车辆超载现象难以消除，部分驾驶员故意异常行车造成称重系统识别出错必将时有发生。
同时现阶段部分货运车辆驾驶员通过超低速车辆接龙方式通过路面动态称重系统，会造成系统误判，车辆称重结果异常；部分货运车辆由于胎压的差异造成动态称重结果不准确等问题。
发明内容
为解决现在技术存在的上述问题，本发明提供了一种将多传感器数据进行融合减少了车辆误判，提高检测系统对车辆异常车况及行车辨识能力，堵住现有系统漏洞，打击违法货运的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。
本发明采用的技术方案是：
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，其具体步骤如下：
S1，在货运车辆行驶方向的公路或桥梁上依次设置有用于启动称重数据采集及监控数据保存的地感线圈、用于货运车辆动态称重的称重传感器，道路在称重传感器前侧上方设置有监控摄像头A，道路上在地感线圈的一侧设置有对车辆完整拍摄的监控摄像头B，道路上在称重传感器的一侧设置有对称重的车辆轮胎全覆盖的监控摄像头C；
S2，当车辆驶过地感线圈时，地感线圈产生一触发信号，启动监控摄像头A、监控摄像头B、监控摄像头C、称重传感器，开始识别、称重工作；
S3，根据监控摄像头A采集的图像获取车辆牌照信息；
S4，根据监控摄像头B采集的图像计算获得车速，当车速过低时，且跟车识别出该车辆长度明显与常规车型长度不符，且近似与常规车型长度数倍时，则判定该车辆疑似接龙通过称重位置，即判定该车行车异常并将该车信息进行保存；
S5，称重传感器根据车速动态变换了采样率进行车辆称重获得车辆重量数据；同时根据监控摄像头C采集的车辆通过称重传感器时车轮轮胎瞬时图像获得轮胎变形量，结合车辆速度，获得车辆重量数据。
进一步，步骤S3中的车辆牌照信息获取步骤如下：
S31，监控摄像头A采集多幅背景照片取平均图像，进行背景标定形成背景图像；
S32，根据地感线圈的触发信号开始持续采集视野内的图像，该图像减去背景图像获得进入的车辆感兴趣区域图像，在该区域内提取车牌颜色区域，标记为车牌位置，对车牌位置进行OCR文字识别，提取车牌信息。
进一步，监控摄像头A采集到的图像需要进行畸变校正。
进一步，步骤S3中还包括：
S33，采集不同时刻的目标车辆图像，计算车牌在校正后图像的位置，计算两幅不同时刻中校正图像中车牌的距离，将该距离除以时间差，即可获得目标车辆速度；
S34，根据校正后时间序列车辆图像，判断车牌是否越过中线来分辨该车辆在动态称重过程是否进行跨道行驶。
进一步，步骤S4的获得车速具体步骤如下：
S41，监控摄像头B采集多幅背景照片取平均图像，进行背景标定形成背景图像；
S42，根据车道长度对监控摄像头B采集的图像进行像素标定，获得摄像头B采集图像像素对应的实际长度；
S43，当目标车辆进入视野范围内，对车辆进行图像采集，用该图像减去背景图像获得进入的车辆感兴趣区域图像，提取车辆一侧的外观信息，根据车辆的长宽、颜色等信息与监控摄像头A获得的车牌信息进行匹配，建立该车的数据库；
S44，根据目标车辆占据监控摄像头B图像的长及宽度，与像素实际尺寸进行相乘，获得目标车辆的实际长、宽；
S45，通过比较前后帧图像中目标车辆的中心位置即可获得车辆行驶轨迹；计算前后帧图像目标车辆中心位置的距离，再除以前后帧图像拍摄时间间隔，获得该车当前位置的车速。
进一步，步骤S4中当车速过低或过高时，监控摄像头B抓取多张正面俯视图像和侧面图像。
进一步，步骤S5中称重传感器的采样率变换的步骤如下：
根据监控摄像头A或监控摄像头B获得目标车辆的平均车速，设为v，称重系统可动态称重的最高车辆速度为v’，称重传感器采样率为fs，对于车速v下单轮压过传感器形成压力信号为stress[i]的一维数组，设n＝v’/v，将stress[i]数组进行精简，每n个数据取平均值，作为新的压力信号，即根据车辆的车速动态变换了采样率。
进一步，步骤S5中跟车称重时的车辆重量数据获取具体步骤如下：
S51,利用监控摄像头B对跟车的数量及每辆车的长度进行识别及计算，设定前后车距的最小阈值，一旦前后车距离小于该阈值，启动跟车识别方法；
S52,随着车辆速度的降低以及车距的缩小，车辆识别算法可能会将两辆车识别为一辆超长车，根据前帧图像的识别结果，将该超长车标记为两辆车跟车，以此类推；
S53,当跟车通过动态称重传感器时，根据每辆车长在跟车车队总长中的占比及顺序，对动态称重传感器的信号按照时间轴进行等比例分割，根据压力峰值数量即可获得目标车辆的轴数，将每个轴的压力信号进行累加，获得该目标车辆的整车重量数据。
进一步，步骤S5中获取轮胎变形量的具体步骤如下：
1)监控摄像头C采集多幅背景照片取平均图像，进行背景标定形成背景图像；
2)当车辆驶过称重传感器位置时，采集图像，利用该图像减去背景图像，形成初步的轮胎提取，对轮胎进行二值化处理，进行边界提取，形成初步的轮胎轮廓；
3)对轮胎轮廓图像中斜下两侧区域进行边缘提取，采用最小二乘法进行圆拟合；
4)从图像中量取轮胎与路面接触高度，通过拟合圆获得圆心和半径，计算圆心与接触高度的距离，将该距离除以半径获得轮胎变形量。
进一步，步骤S5中还包括胎压变形量、结合速度的称重传感器动态标定，具体如下：根据称重传感器的称重量程分段选取不同重量，不少于4组，设定低、中、高，三种胎压，采用过称的砝码车在不同重量、不同胎压下通过动态称重系统，建立多维标定曲线。
本发明的有益效果：将多传感器数据进行融合减少了车辆误判，提高检测系统对车辆异常车况及行车辨识能力，堵住现有系统漏洞，打击违法货运；保证称重数据的完整性以及填补了由于超慢车速造成的称重数据异常，提高动态称重结果的准确性。
附图说明
图1为本发明的各传感器分布示意图。
图2为本发明的监控摄像头A进行道路畸变校正的结构示意图。
图3为本发明的监控摄像头B的视野示意图。
图4为本发明的监控摄像头C的视野示意图。
图5为本发明的轮胎轮廓提取示意图。
图6为本发明的轮胎轮廓图像进行拟合的示意图。
图7为本发明的多维标定曲线示意图。
图8为本发明的目标车辆通过插值拟合在多维标定曲线上的重量。
图9为本发明的跟车识别示意图。
图中：1、地感线圈；2、称重传感器；3、监控摄像头A；4、监控摄像头B；5、监控摄像头C。
具体实施方式
下面结合具体实施例来对本发明进行进一步说明，但并不将本发明局限于这些具体实施方式。本领域技术人员应该认识到，本发明涵盖了权利要求书范围内所可能包括的所有备选方案、改进方案和等效方案。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上，除非另有明确的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
本实施例提供了一种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，其具体步骤如下：
S1，在货运车辆行驶方向的公路或桥梁上依次设置有用于启动称重数据采集及监控数据保存的地感线圈1、用于货运车辆动态称重的称重传感器2，道路在称重传感器前侧上方设置有监控摄像头A 3，道路上在地感线圈的一侧设置有对车辆完整拍摄的监控摄像头B 4，道路上在称重传感器的一侧设置有对称重的车辆轮胎全覆盖的监控摄像头C 5；见图1所示，其中监控摄像头A 3用于识别车辆车牌和车辆变道，监控摄像头B 4用于车辆定位，监控摄像头C 5用于实现胎压测量；地感线圈1用于启动称重数据采集及视频数据保存；称重传感器2用于货运车辆动态称重。
具体的，地感线圈1位于行驶车辆正前方地面上，当车辆驶过地感线圈时产生触发信号，将该信号传输给监控摄像头A、B、C和称重传感器，触发上述传感器启动数据保存,地感线圈信号同样作为验证监控摄像头A、B、C识别车辆位置的依据。
动态称重传感器采用窄条应变式传感器，窄条传感器出厂时经过静态压力测试及标定。由于动态称重需要适用高速下的车辆动态称重，当车辆经过称重传感器时，称重传感器的信号会在极短时间内从零上升到最大值随后下降到零。车辆行驶速度越快，相应的传感器采样率就越高。
S2，当车辆驶过地感线圈时，地感线圈产生一触发信号，启动监控摄像头A3、监控摄像头B 4、监控摄像头C 5、称重传感器，开始识别、称重工作；
S3，根据监控摄像头A采集的图像获取车辆牌照信息；
其中的车辆牌照信息获取步骤如下：
S31，监控摄像头A 3采集多幅背景照片取平均图像，进行背景标定形成背景图像；
S32，根据地感线圈1的触发信号开始持续采集视野内的图像，该图像减去背景图像获得进入的车辆感兴趣区域图像，在该区域内提取车牌颜色区域，标记为车牌位置，对车牌位置进行OCR文字识别，提取车牌信息。以车牌位置作为车辆位置，计算每一帧图像中车牌位置，根据位置变化获得车辆行驶轨迹及速度，判断车辆是否进行左右移位来分辨该车辆是否进行跨道行驶。
其中监控摄像头A采集到的图像需要进行畸变校正。由于监控摄像头A位于顶部，其采集到的图像空间畸变，在对目标车辆进行定位前，需要对道路进行畸变校正，如图2所示。左侧为实际采集到的道路图像，将其进行像素拉伸，将道路宽度校正成一致，根据实际道路宽度(单位：米)对校正后道路图像进行像素标定，即获得每个像素对应的实际长度。
本实施例步骤S3中还包括：
S33，采集不同时刻的目标车辆图像，计算车牌在校正后图像的位置，计算两幅不同时刻中校正图像中车牌的距离，将该距离除以时间差，即可获得目标车辆速度；
S34，根据校正后时间序列车辆图像，判断车牌是否越过中线来分辨该车辆在动态称重过程是否进行跨道行驶。
本实施例监控摄像头A 3位于行驶车辆正前方，用于识别车辆车牌以及变道行驶。
S4，根据监控摄像头B 4采集的图像计算获得车速，当车速过低时，且跟车识别出该车辆长度明显与常规车型长度不符，且近似与常规车型长度数倍(≧2)时，则判定该车辆疑似接龙通过称重位置，即判定该车行车异常并将该车信息进行保存；
本实施例监控摄像头B 4位于行驶车辆一侧，监控摄像头B 4与车道具有一定距离，保证拍摄视野对车辆通过称重位置的全覆盖，并可以拍摄到完整的车辆，见图3。
其中获得车速具体步骤如下：
S41，监控摄像头B 4采集多幅背景照片取平均图像，进行背景标定形成背景图像；
S42，根据车道长度对监控摄像头B 4采集的图像进行像素标定，获得摄像头B 4采集图像像素对应的实际长度；
S43，当目标车辆进入视野范围内，对车辆进行图像采集，用该图像减去背景图像获得进入的车辆感兴趣区域图像，提取车辆一侧的外观信息，根据车辆的长宽、颜色等信息与监控摄像头A 3获得的车牌信息进行匹配，建立该车的数据库；
S44，根据目标车辆占据监控摄像头B 4图像的长及宽度，与像素实际尺寸进行相乘，获得目标车辆的实际长、宽；
S45，通过比较前后帧图像中目标车辆的中心位置即可获得车辆行驶轨迹；计算前后帧图像目标车辆中心位置的距离，再除以前后帧图像拍摄时间间隔，获得该车当前位置的车速。
步骤S4中当车速过低或过高时，监控摄像头B抓取多张正面俯视图像和侧面图像。
S5,称重传感器2根据车速动态变换了采样率进行车辆称重获得车辆重量数据；同时根据监控摄像头C 5采集的车辆通过称重传感器2时车轮轮胎瞬时图像获得轮胎变形量，结合车辆速度，获得车辆重量数据。
其中称重传感器2的采样率变换的步骤如下：
根据监控摄像头A 3或监控摄像头B 4获得目标车辆的平均车速，设为v(单位：m/s)，称重系统可动态称重的最高车辆速度为v’，称重传感器采样率为fs(单位：Sample/s)，对于车速v下单轮压过传感器形成压力信号为stress[i]的一维数组，设n＝v’/v，将stress[i]数组进行精简，每n个数据取平均值，作为新的压力信号，即根据车辆的车速动态变换了采样率。
本实施例步骤S5中跟车称重时的车辆重量数据获取具体步骤如下：
(1)利用监控摄像头B 4对跟车的数量及每辆车的长度进行识别及计算，设定前后车距的最小阈值，一旦前后车距离小于该阈值，启动跟车识别方法；
(2)随着车辆速度的降低以及车距的缩小，车辆识别算法可能会将两辆车识别为一辆超长车，见图9所示，根据前帧图像的识别结果，将该超长车标记为两辆车跟车，以此类推；
(3)当跟车通过动态称重传感器时，根据每辆车长在跟车车队总长中的占比及顺序，对动态称重传感器的信号按照时间轴进行等比例分割，根据压力峰值数量即可获得目标车辆的轴数，将每个轴的压力信号进行累加，获得该目标车辆的整车重量数据。
本实施例监控摄像头C 5位于行驶车辆一侧，监控摄像头C 5与车道具有一定距离，与一组压电称重传感器处于同一水平线上。保证拍摄视野对车辆通过称重位置的轮胎全覆盖，并可以拍摄到完整的轮胎，见图4。
其中获取轮胎变形量的具体步骤如下：
1)监控摄像头C采集多幅背景照片取平均图像，进行背景标定形成背景图像；
2)当车辆驶过称重传感器位置时，采集图像，利用该图像减去背景图像，形成初步的轮胎提取，对轮胎进行二值化处理，进行边界提取，形成初步的轮胎轮廓；见图5；
3)对轮胎轮廓图像中斜下两侧区域进行边缘提取，采用最小二乘法进行圆拟合；见图6，图中左右斜角区域为边缘提取拟合圆区域。11为拟合后的圆，12为实际轮胎与路面接触边缘。
4)从图像中量取轮胎与路面接触高度，通过拟合圆获得圆心和半径，计算圆心与接触高度的距离，将该距离除以半径获得轮胎变形量。
本实施例步骤S5中还包括胎压变形量、结合速度的称重传感器动态标定，具体如下：根据称重传感器的称重量程分段选取不同重量，不少于4组，优选5组，设定低、中、高，三种胎压，采用过称的砝码车在不同重量、不同胎压下通过动态称重系统，建立多维标定曲线，见图7。
根据监控摄像头C获取通过称重传感器时的轮胎变形量，结合车辆速度，在多维标定曲线中横坐标车速(垂线)与纵坐标轮胎变形量(横线)相交于一点，通过插值拟合确定该点所在的重量线上，从而获得车辆重量数据，见图8。
本发明将多传感器数据进行融合减少了车辆误判，提高检测系统对车辆异常车况及行车辨识能力，堵住现有系统漏洞，打击违法货运；保证称重数据的完整性以及填补了由于超慢车速造成的称重数据异常，提高动态称重结果的准确性。

Claims (10)

1.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，其具体步骤如下：
S1，在货运车辆行驶方向的公路或桥梁上依次设置有用于启动称重数据采集及监控数据保存的地感线圈、用于货运车辆动态称重的称重传感器，道路在称重传感器前侧上方设置有监控摄像头A，道路上在地感线圈的一侧设置有对车辆完整拍摄的监控摄像头B，道路上在称重传感器的一侧设置有对称重的车辆轮胎全覆盖的监控摄像头C；
S2，当车辆驶过地感线圈时，地感线圈产生一触发信号，启动监控摄像头A、监控摄像头B、监控摄像头C、称重传感器，开始识别、称重工作；
S3，根据监控摄像头A采集的图像获取车辆牌照信息；
S4，根据监控摄像头B采集的图像计算获得车速，当车速过低时，且跟车识别出该车辆长度明显与常规车型长度不符，且近似与常规车型长度数倍时，则判定该车辆疑似接龙通过称重位置，即判定该车行车异常并将该车信息进行保存；
S5，称重传感器根据车速动态变换了采样率进行车辆称重获得车辆重量数据；同时根据监控摄像头C采集的车辆通过称重传感器时车轮轮胎瞬时图像获得轮胎变形量，结合车辆速度，获得车辆重量数据。
2.根据权利要求1所述的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，其特征在于：步骤S3中的车辆牌照信息获取步骤如下：
S31，监控摄像头A采集多幅背景照片取平均图像，进行背景标定形成背景图像；
S32，根据地感线圈的触发信号开始持续采集视野内的图像，该图像减去背景图像获得进入的车辆感兴趣区域图像，在该区域内提取车牌颜色区域，标记为车牌位置，对车牌位置进行OCR文字识别，提取车牌信息。
3.根据权利要求2所述的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，其特征在于：监控摄像头A采集到的图像需要进行畸变校正。
4.根据权利要求3所述的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，其特征在于：步骤S3中还包括：
S33，采集不同时刻的目标车辆图像，计算车牌在校正后图像的位置，计算两幅不同时刻中校正图像中车牌的距离，将该距离除以时间差，即可获得目标车辆速度；
S34，根据校正后时间序列车辆图像，判断车牌是否越过中线来分辨该车辆在动态称重过程是否进行跨道行驶。
5.根据权利要求1所述的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，其特征在于：步骤S4的获得车速具体步骤如下：
S41，监控摄像头B采集多幅背景照片取平均图像，进行背景标定形成背景图像；
S42，根据车道长度对监控摄像头B采集的图像进行像素标定，获得摄像头B采集图像像素对应的实际长度；
S43，当目标车辆进入视野范围内，对车辆进行图像采集，用该图像减去背景图像获得进入的车辆感兴趣区域图像，提取车辆一侧的外观信息，根据车辆的长宽、颜色等信息与监控摄像头A获得的车牌信息进行匹配，建立该车的数据库；
S44，根据目标车辆占据监控摄像头B图像的长及宽度，与像素实际尺寸进行相乘，获得目标车辆的实际长、宽；
S45，通过比较前后帧图像中目标车辆的中心位置即可获得车辆行驶轨迹；计算前后帧图像目标车辆中心位置的距离，再除以前后帧图像拍摄时间间隔，获得该车当前位置的车速。
6.根据权利要求5所述的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，其特征在于：步骤S4中当车速过低或过高时，监控摄像头B抓取多张正面俯视图像和侧面图像。
7.根据权利要求5所述的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，其特征在于：步骤S5中称重传感器的采样率变换的步骤如下：
根据监控摄像头A或监控摄像头B获得目标车辆的平均车速，设为v，称重系统可动态称重的最高车辆速度为v’，称重传感器采样率为fs，对于车速v下单轮压过传感器形成压力信号为stress[i]的一维数组，设n＝v’/v，将stress[i]数组进行精简，每n个数据取平均值，作为新的压力信号，即根据车辆的车速动态变换了采样率。
8.根据权利要求5所述的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，其特征在于：步骤S5中跟车称重时的车辆重量数据获取具体步骤如下：
S51,利用监控摄像头B对跟车的数量及每辆车的长度进行识别及计算，设定前后车距的最小阈值，一旦前后车距离小于该阈值，启动跟车识别方法；
S52,随着车辆速度的降低以及车距的缩小，车辆识别算法可能会将两辆车识别为一辆超长车，根据前帧图像的识别结果，将该超长车标记为两辆车跟车，以此类推；
S53,当跟车通过动态称重传感器时，根据每辆车长在跟车车队总长中的占比及顺序，对动态称重传感器的信号按照时间轴进行等比例分割，根据压力峰值数量即可获得目标车辆的轴数，将每个轴的压力信号进行累加，获得该目标车辆的整车重量数据。
9.根据权利要求5所述的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，其特征在于：步骤S5中获取轮胎变形量的具体步骤如下：
1)监控摄像头C采集多幅背景照片取平均图像，进行背景标定形成背景图像；
2)当车辆驶过称重传感器位置时，采集图像，利用该图像减去背景图像，形成初步的轮胎提取，对轮胎进行二值化处理，进行边界提取，形成初步的轮胎轮廓；
3)对轮胎轮廓图像中斜下两侧区域进行边缘提取，采用最小二乘法进行圆拟合；
4)从图像中量取轮胎与路面接触高度，通过拟合圆获得圆心和半径，计算圆心与接触高度的距离，将该距离除以半径获得轮胎变形量。
10.根据权利要求5所述的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，其特征在于：步骤S5中还包括胎压变形量、结合速度的称重传感器动态标定，具体如下：根据称重传感器的称重量程分段选取不同重量，不少于4组，设定低、中、高，三种胎压，采用过称的砝码车在不同重量、不同胎压下通过动态称重系统，建立多维标定曲线。
CN202310268237.7A 2023-03-20 2023-03-20 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 Pending CN116543549A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310268237.7A CN116543549A (zh) 2023-03-20 2023-03-20 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310268237.7A CN116543549A (zh) 2023-03-20 2023-03-20 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

Publications (1)

Publication Number Publication Date
CN116543549A true CN116543549A (zh) 2023-08-04

Family

ID=87454903

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310268237.7A Pending CN116543549A (zh) 2023-03-20 2023-03-20 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

Country Status (1)

Country Link
CN (1) CN116543549A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116972871A (zh) * 2023-09-25 2023-10-31 苏州元脑智能科技有限公司 一种行车路径推送方法、装置、可读存储介质及系统
CN117689400A (zh) * 2024-02-02 2024-03-12 湖南省交通科学研究院有限公司 一种基于数据标签的超限源头溯源方法及系统
CN118225219A (zh) * 2024-05-23 2024-06-21 武汉泰沃滋信息技术有限公司 一种多传感融合的车辆动态称重系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116972871A (zh) * 2023-09-25 2023-10-31 苏州元脑智能科技有限公司 一种行车路径推送方法、装置、可读存储介质及系统
CN116972871B (zh) * 2023-09-25 2024-01-23 苏州元脑智能科技有限公司 一种行车路径推送方法、装置、可读存储介质及系统
CN117689400A (zh) * 2024-02-02 2024-03-12 湖南省交通科学研究院有限公司 一种基于数据标签的超限源头溯源方法及系统
CN117689400B (zh) * 2024-02-02 2024-05-03 湖南省交通科学研究院有限公司 一种基于数据标签的超限源头溯源方法及系统
CN118225219A (zh) * 2024-05-23 2024-06-21 武汉泰沃滋信息技术有限公司 一种多传感融合的车辆动态称重系统
CN118225219B (zh) * 2024-05-23 2024-08-09 武汉泰沃滋信息技术有限公司 一种多传感融合的车辆动态称重系统

Similar Documents

Publication Publication Date Title
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
CN101750137B (zh) 动态汽车衡及其车重测量方法
CN103279998B (zh) 一种收费公路收费站出入口车道车辆信息采集与识别系统
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
CN109855711B (zh) 一种车辆超载超限动态称重系统
CN111783638A (zh) 一种检测车辆轮轴数及车型识别的系统、方法
CN108318117A (zh) 一种车辆动态称重补偿传感器阵列、系统与方法
CN109839175B (zh) 一种桥梁活载优化识别系统
CN114003849B (zh) 一种多车道非接触式车轴数自动计算方法及系统
CN114964445B (zh) 基于车辆识别的多模块动态称重方法
CN108760334B (zh) 一种感应式车辆侧滑检测的装置及检测方法
CN112528208B (zh) 一种无称重ai智能识别货车超载估算方法、装置及系统
CN115493679A (zh) 一种基于多视场热成像技术的收费站车辆动态称重系统
CN111724604A (zh) 一种带车牌识别的高速公路不停车测速称重系统及方法
CN109696232B (zh) 道路轴载谱检测系统的自动标定方法
CN204115661U (zh) 一种基于激光检测技术的车辆轴型与胎型识别系统
JP7424945B2 (ja) 故障検知装置、料金収受システム、故障検知方法、及びプログラム
CN115798194B (zh) 基于车辆振动数据的道路路况监测方法及装置
CN116631187A (zh) 一种案件现场勘查信息智能采集分析系统
CN101487731A (zh) 弯板式轴重轴型检测系统及检测方法
CN116429225A (zh) 一种无需轴检测设备的轴组式车辆称重检测方法
CN113375618B (zh) 一种根据轴间距计算的车型辨识方法
CN113222907B (zh) 一种基于弯道铁轨的检测机器人
CN108106534A (zh) 一种驱动轴识别的装置及方法
CN114279542A (zh) 一种收费站出入口超限运输检测系统

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