CN109584573B - 隧道内危险车辆的识别***及方法 - Google Patents
隧道内危险车辆的识别***及方法 Download PDFInfo
- Publication number
- CN109584573B CN109584573B CN201811564191.9A CN201811564191A CN109584573B CN 109584573 B CN109584573 B CN 109584573B CN 201811564191 A CN201811564191 A CN 201811564191A CN 109584573 B CN109584573 B CN 109584573B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- unit
- information
- laser radar
- 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
Links
Images
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
- 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
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供一种隧道内危险车辆的识别***及方法,该***包括:至少两个激光雷达单元,摄像机抓拍单元及数据处理单元;激光雷达单元,摄像头抓拍单元,信息提示单元分别与数据处理单元连接;激光雷达单元,述摄像头抓拍单元分别沿车辆行驶方向先后设置在隧道内壁上;激光雷达单元,用于采集车辆数据信息;数据处理单元,用于根据车辆数据信息识别车辆是否为危险车辆,若车辆为危险车辆,则向摄像头抓拍单元发送抓拍指令;摄像头抓拍单元,用于根据抓拍指令抓拍车辆的图片,以获取车辆抓拍信息;数据处理单元,还用于根据识别出的危险车辆所属的类型,危险类型及车辆抓拍信息构建车辆识别结果信息。能够准确识别出危险车辆。
Description
技术领域
本发明实施例涉及智能交通技术领域,尤其涉及一种隧道内危险车辆的识别***及方法。
背景技术
随着经济快速发展,交通运输量激增,危化品运输车辆由于其易爆、易燃、有毒等特性,在隧道的安全管理和运营中受到高度重视,并且超宽,超高或超速的车辆在隧道内行驶,也威胁着隧道的安全。这些车辆构成了隧道内的危险车辆。因此监控隧道内车辆的运行情况,是管理隧道安全运营的重中之重。
现有技术中,对隧道内的危险车辆的识别方法主要为视频监控的方法,通过视频拍摄车辆的车牌信息及“危险物品”等关键字信息识别车辆是否为危险车辆。
现有技术中对危险车辆的识别方法导致车牌或关键字在遮挡的情况下并不能有效识别出危险车辆,造成危险车辆的检测遗漏,进而不能准确识别出危险车辆。
发明内容
本发明实施例提供一种隧道内危险车辆的识别***及方法,该方法解决了现有技术中的对危险车辆的识别方法导致车牌或关键字在遮挡的情况下并不能有效识别出危险车辆,造成危险车辆的检测遗漏,进而不能准确识别出危险车辆的技术问题。
第一方面,本发明实施例提供一种隧道内危险车辆识别***,包括:
至少两个激光雷达单元,摄像机抓拍单元及数据处理单元;
所述激光雷达单元,所述摄像头抓拍单元分别与所述数据处理单元连接;
所述激光雷达单元,所述摄像头抓拍单元分别沿车辆行驶方向先后设置在隧道内壁上;
所述激光雷达单元,用于采集车辆数据信息;
所述数据处理单元,用于根据所述车辆数据信息识别所述车辆是否为危险车辆,若所述车辆为危险车辆,则向摄像头抓拍单元发送抓拍指令;
所述摄像头抓拍单元,用于根据所述抓拍指令抓拍车辆的图片,以获取车辆抓拍信息;
所述数据处理单元,还用于根据识别出的危险车辆所属的类型,危险类型及所述车辆抓拍信息构建车辆识别结果信息。
进一步地,如上所述的***,还包括:信息提示单元;
所述信息提示单元与所述数据处理单元连接;
所述信息提示单元沿所述车辆行驶方向设置在所述摄像头抓拍单元前方的隧道内壁上或隧道外侧;
所述数据处理单元,还用于将所述车辆识别结果信息发送给信息提示单元;
所述信息提示单元,用于根据所述车辆识别结果信息进行提示和/或警告。
进一步地,如上所述的***,所述激光雷达单元为两个,第一激光雷达单元设置在所述隧道内壁的一侧,第二激光雷达单元设置在所述隧道内壁的另一侧;
所述第一激光雷达单元、所述第二激光雷达单元的安装高度不低于预设高度阈值,至少一个激光雷达单元的扫描面与车辆行驶方向的夹角在预设垂直角度范围内;所述第一激光雷达的扫描面与路面的交线,与所述第二激光雷达的扫描面与路面的交线的距离大于预设长度阈值;
所述第一激光雷达、所述第二激光雷达为以下类型的激光雷达的任意一种:
单线激光雷达,多线激光雷达,三维激光雷达;
所述第一激光雷达单元,用于采集车辆的第一数据信息,所述第一数据信息包括:第一侧面数据信息和第一顶部数据信息;
所述第二激光雷达单元,用于采集车辆的第二数据信息,所述第二数据信息包括:第二侧面数据信息和第二顶部数据信息。
进一步地,如上所述的***,所述摄像头抓拍单元与所述第一激光雷达单元的扫描面的距离为预设距离。
进一步地,如上所述的***,所述信息提示单元为情报板和/或语音播报器。
第二方面,本发明实施例提供一种隧道内危险车辆识别方法,包括:
每个激光雷达单元采集车辆数据信息;
数据处理单元根据所述车辆数据信息识别所述车辆是否为危险车辆,若所述车辆为危险车辆,则向摄像头抓拍单元发送抓拍指令;
所述摄像头抓拍单元根据所述抓拍指令抓拍车辆的图片,以获取车辆抓拍信息;
所述数据处理单元根据识别出的车辆的类型,危险类型及所述车辆抓拍信息构建车辆识别结果信息。
进一步地,如上所述的方法,所述数据处理单元根据识别出的车辆的类型,危险类型及所述车辆抓拍信息构建车辆识别结果信息之后,还包括:
所述数据处理单元将所述车辆识别结果信息发送给信息提示单元;
所述信息提示单元根据所述车辆识别结果信息进行提示和/或警告。
进一步地,如上所述的方法,所述每个激光雷达单元采集车辆数据信息,具体包括:
第一激光雷达单元采集车辆的第一数据信息,所述第一数据信息包括:第一侧面数据信息和第一顶部数据信息;
第二激光雷达单元采集车辆的第二数据信息,所述第二数据信息包括:第二侧面数据信息和第二顶部数据信息。
进一步地,如上所述的方法,所述数据处理单元根据所述车辆数据信息识别所述车辆是否为危险车辆,若所述车辆为危险车辆,则向摄像头抓拍单元发送抓拍指令,具体包括:
所述数据处理单元根据所述第一数据信息和所述第二数据判断所述车辆是否与其他车辆并行或所述车辆是否遮挡;
若否,则所述数据处理单元根据所述第一数据信息计算第一特征数据,并根据所述第二数据信息计算第二特征数据,根据所述第一特征数据和所述第二特征数据确定所述车辆的类型;
若是,则所述数据处理单元根据靠近车辆一侧的激光雷达单元的数据信息计算对应的特征数据,根据所述对应的特征数据确定所述车辆的类型;
所述数据处理单元根据所述车辆的类型,所述第一数据信息和所述第二数据信息判断所述车辆是否超高,超宽及超速;
若所述车辆的类型为罐式危化品车辆,和/或超高,和/或超宽,和/或超速,则向所述摄像头抓拍单元发送抓拍指令;
其中,所述第一特征信息为车辆车身一侧的弧度和/或曲率特征,以及所述车辆顶部货物第一进出口特征;所述第二特征信息为车辆车身另一侧的弧度和/或曲率特征,以及所述车辆顶部货物的第二进出口特征。
进一步地,如上所述的方法,所述摄像头抓拍单元根据所述抓拍指令抓拍车辆的图片,以获取车辆抓拍信息,具体包括:
所述摄像头抓拍单元根据所述抓拍指令抓拍所述车辆的图片;
对所述车辆的图片中的车牌号和车牌颜色进行识别;
将所述车辆的图片,所述车牌号和所述车牌颜色确定为车辆抓拍信息。
所述信息提示单元根据所述车辆识别结果信息进行提示和/或警告,具体包括:
所述信息提示单元将识别出的危险车辆所属的类型,危险类型及所述车牌号通过情报板和/或语音播报器进行提示和/警告。
本发明实施例提供一种隧道内危险车辆的识别***及方法,该***包括:至少两个激光雷达单元,摄像机抓拍单元及数据处理单元;激光雷达单元,摄像头抓拍单元,信息提示单元分别与数据处理单元连接;激光雷达单元,述摄像头抓拍单元分别沿车辆行驶方向先后设置在隧道内壁上;激光雷达单元,用于采集车辆数据信息;数据处理单元,用于根据车辆数据信息识别车辆是否为危险车辆,若车辆为危险车辆,则向摄像头抓拍单元发送抓拍指令;摄像头抓拍单元,用于根据抓拍指令抓拍车辆的图片,以获取车辆抓拍信息;数据处理单元,还用于根据识别出的危险车辆所属的类型,危险类型及车辆抓拍信息构建车辆识别结果信息。能够提取出危险车辆的有效特征并对危险车辆进行有效识别,有效避免由于车牌或关键字的遮挡不能对危险车辆进行识别,能够准确识别出危险车辆。
应当理解,上述发明内容部分中所描述的内容并非旨在限定本发明的实施例的关键或重要特征,亦非用于限制本发明的范围。本发明的其它特征将通过以下的描述变得容易理解。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,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为本发明实施例一提供的隧道内危险车辆识别***的第一结构示意图;
图2为本发明实施例一提供的隧道内危险车辆识别***的第二结构示意图;
图3为本发明实施例二提供的隧道内危险车辆识别***的第一结构示意图;
图4为本发明实施例二提供的隧道内危险车辆识别***的第二结构示意图;
图5为本发明实施例三提供的隧道内危险车辆识别方法的流程图;
图6为本发明实施例四提供的隧道内危险车辆识别方法的流程图。
附图标记
111-第一激光雷达单元 112-第二激光雷达单元 113-第三激光雷达单元 12-数据处理单元 13-摄像头抓拍单元 14-信息提示单元
具体实施方式
下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的某些实施例,然而应当理解的是,本发明可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是,本发明的附图及实施例仅用于示例性作用,并非用于限制本发明的保护范围。
本发明实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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,以便这里描述的本发明实施例如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、***、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。
下面结合说明书附图介绍本发明各实施例。
实施例一
图1为本发明实施例一提供的隧道内危险车辆识别***的第一结构示意图,图2为本发明实施例一提供的隧道内危险车辆识别***的第二结构示意图,其中,图1为本实施例中的隧道内危险车辆识别***中各单元的位置结构示意图,图2为本实施例中的隧道内危险车辆识别***中各单元的连接结构示意图。如图1和图2所示,本实施例提供的隧道内危险车辆识别***包括:至少两个激光雷达单元,摄像头抓拍单元13及数据处理单元12。在图2中,示例出三个激光雷达单元,分别为第一激光雷达单元111,第二激光雷达单元112和第三激光雷达单元113。
其中,每个激光雷达单元可以为单线激光雷达,多线激光雷达或三维激光雷达,本实施例中对此不作限定。
在图1中,每个激光雷达单元对车辆进行扫描时,形成扫描面,在图1中,每个激光雷达单元下方的虚线构成的平面表示扫描面。在对至少两个激光雷达单元进行设置时,可将至少一个激光雷达单元设置在隧道内壁的一侧,以采集该侧的车辆数据信息和车辆顶部数据信息。将至少一个激光雷达单元设置在隧道内壁的另一侧,以采集另一侧的车辆数据信息和车辆顶部的数据信息。本实施例中,至少两个激光雷达单元可在沿车辆行驶方向先后设置。如在图1中,三个激光雷达单元先后设置,第一激光雷达单元111与第三激光雷达单元113沿车辆行驶方向的间距较小,如可以为0.1~1米。第三激光雷达单元113与第二激光雷达单元112沿车辆行驶方向的间距较大,如可以为3~10米。
本实施例中,如图1所示,激光雷达单元,摄像头抓拍单元13分别沿车辆行驶方向先后设置在隧道内壁上。
具体地,本实施例中,摄像头抓拍单元13沿车辆行驶方向设置在每个激光雷达单元的前方,摄像头抓拍单元13可与每个激光雷达单元在沿车辆行驶方向分别间隔对应的预设距离,即摄像头抓拍单元13与每个激光雷达单元的扫描面的距离为对应的预设距离。
本实施例中,如图2所示,激光雷达单元,摄像头抓拍单元13分别与数据处理单元12连接。
本实施例中,激光雷达单元,用于采集车辆数据信息。数据处理单元12,用于根据车辆数据信息识别车辆是否为危险车辆,若车辆为危险车辆,则向摄像头抓拍单元13发送抓拍指令。摄像头抓拍单元13,用于根据抓拍指令抓拍车辆的图片,以获取车辆抓拍信息。数据处理单元12,还用于根据识别出的危险车辆所属的类型,危险类型及车辆抓拍信息构建车辆识别结果信息。
具体地,本实施例中,每个激光雷达单元采集车辆数据信息,数据处理单元12接收每个激光雷达采集的车辆数据信息,根据车辆数据信息可计算车辆的侧面轮廓特征和顶部轮廓特征,根据侧面轮廓特征和顶部轮廓特征确定车辆的类型,根据车辆的类型判断车辆是否为危险车辆,并根据车辆数据信息计算车辆的宽度,高度和速度,根据预存的每种车辆合理的车辆的长度,宽度和速度判断该车辆是否为超宽,超高,超速的车辆,若车辆类型为危险类型,和/或车辆超高,和/或车辆超宽,和/或车辆超速,则确定车辆为危险车辆,则向摄像头抓拍发送抓拍指令,摄像头抓拍单元13根据抓拍指令抓拍车辆的图片,并识别车辆的车牌号和车牌颜色,组成车辆抓拍信息发送给数据处理单元12,数据处理单元12根据识别出的危险车辆的类型,危险类型和车辆的车牌号构建最终的车辆识别结果信息。可将该车辆识别结果信息发送给后台服务器,以使后台服务器对车辆识别结果信息进行记录,为后续的处罚提供依据,或者将该车辆识别结果信息发送给信息提示单元,由信息提示单元向司机进行提示。
本实施例提供的隧道内危险车辆识别***,包括:至少两个激光雷达单元,摄像机抓拍单元及数据处理单元12;激光雷达单元,摄像头抓拍单元13分别与数据处理单元12连接;激光雷达单元,摄像头抓拍单元13分别沿车辆行驶方向先后设置在隧道内壁上;激光雷达单元,用于采集车辆数据信息;数据处理单元12,用于根据车辆数据信息识别车辆是否为危险车辆,若车辆为危险车辆,则向摄像头抓拍单元13发送抓拍指令;摄像头抓拍单元13,用于根据抓拍指令抓拍车辆的图片,以获取车辆抓拍信息;数据处理单元12,还用于根据识别出的危险车辆所属的类型,危险类型及车辆抓拍信息构建车辆识别结果信息。能够提取出危险车辆的有效特征并对危险车辆进行有效识别,有效避免由于车牌或关键字的遮挡不能对危险车辆进行识别,能够准确识别出危险车辆。
实施例二
图3为本发明实施例二提供的隧道内危险车辆识别***的第一结构示意图,图4为本发明实施例二提供的隧道内危险车辆识别***的第二结构示意图,其中,图3为本实施例中的隧道内危险车辆识别***中各单元的位置结构示意图,图4为本实施例中的隧道内危险车辆识别***中各单元的连接结构示意图。如图3和图4所示,本实施例提供的隧道内危险车辆识别***在本发明实施例一提供的隧道内危险车辆识别***的基础上,对隧道内危险车辆识别***进行进一步地细化,则本实施例提供的隧道内危险车辆识别***还包括以下技术方案。
进一步地,本实施例中,隧道内危险车辆识别***还包括:信息提示单元14。
其中,信息提示单元14与数据处理单元12连接。信息提示单元14沿车辆行驶方向设置在摄像头抓拍单元13前方的隧道内壁上或隧道外侧。
本实施例中,数据处理单元12,还用于将车辆识别结果信息发送给信息提示单元14。信息提示单元14,用于根据车辆识别结果信息进行提示和/或警告。
优选地,本实施例中,信息提示单元14为情报板和/或语音播报器。将信息提示单元14沿车辆行驶方向设置在摄像头抓拍单元13前方的隧道内壁上或隧道外侧。如可将信息提示单元14设置在离隧道出口或入口20-100米的地方,或安装在隧道内壁的侧方,在摄像头抓拍单元13的前方,与摄像头抓拍单元13间隔一定距离。
其中,车辆识别结果包括:识别出的危险车辆所属的类型,危险类型及车牌号。危险车辆所属的类型如可以为罐式危化品车辆。车辆的危险类型包括以下任意一种或多种:罐式危化品车辆,超高,超宽,超速。
具体地,本实施例中,数据处理单元12将识别出的危险车辆所属的类型,危险类型及车牌号发送给信息提示单元14,信息提示单元14可通过情报板将车辆所属类型,危险类型及车牌号进行显示,以对司机进行提醒和/或警告。或者信息提示单元14可通过语音播报器对车辆所属的类型,危险类型及车牌号进行播报,以对司机进行提醒和/或警告。或者信息提示单元14可同时通过情报板和语音播放器进行提示和/或警告。
本实施例提供的隧道内危险车辆识别***,还包括:信息提示单元14;信息提示单元14与数据处理单元12连接;信息提示单元14沿车辆行驶方向设置在摄像头抓拍单元13前方的隧道内壁上或隧道外侧;数据处理单元12,还用于将车辆识别结果信息发送给信息提示单元14;信息提示单元14,用于根据车辆识别结果信息进行提示和/或警告。能够实时对危险车辆进行提示和/或警告,能够使司机实时获知识别结果,能够有效减少危险车辆再次通过隧道,利于隧道的安全管理和运营。
进一步地,本实施例中,激光雷达单元为两个。分别为第一激光雷达单元111和第二激光雷达单元112。其中,第一激光雷达单元111设置在隧道内壁的一侧,第二激光雷达单元112设置在隧道内壁的另一侧。
其中,第一激光雷达单元111、第二激光雷达单元112的安装高度不低于预设高度阈值,至少一个激光雷达单元的扫描面与车辆行驶方向的夹角在预设垂直角度范围内;第一激光雷达的扫描面与路面的交线,与第二激光雷达的扫描面与路面的交线的距离大于预设长度阈值。
具体地,本实施例中,第一激光雷达单元111、第二激光雷达单元112的安装高度不低于预设高度阈值,预设高度阈值可以为5米,7米,或其他适宜的数值,本实施例中对此不作限定。
具体地,本实施例中,至少一个激光雷达单元的扫描面与车辆行驶方向的夹角在预设垂直角度范围内,其中,预设垂直角度范围可以为80°~100°,或者85°~95°,或其他适宜的数值,本实施例中对此不作限定。优选地,两个激光雷达单元的扫描面与车辆行驶方向的夹角在预设垂直角度范围内。
具体地,本实施例中,第一激光雷达单元111的扫描面与路面形成第一交线,第二激光雷达单元112的扫描面与路面形成第二交线,第一交线和第二交线的距离大于预设长度阈值。其中,预设长度阈值可以为1米,或大于1米的数值,本实施例中对此不作限定。
优选地,本实施例中,第一激光雷达单元111、第二激光雷达单元112为以下类型的激光雷达的任意一种:单线激光雷达,多线激光雷达,三维激光雷达。
本实施例提供的隧道内危险车辆识别***,激光雷达单元为两个,第一激光雷达单元111设置在隧道内壁的一侧,第二激光雷达单元112设置在隧道内壁的另一侧;第一激光雷达单元111、第二激光雷达单元112的安装高度不低于预设高度阈值,至少一个激光雷达单元的扫描面与车辆行驶方向的夹角在预设垂直角度范围内;第一激光雷达单元111的扫描面与路面的交线,与第二激光雷达单元112的扫描面与路面的交线的距离大于预设长度阈值,能够有效减少激光雷达单元间的干扰,并且使每个激光雷达单元能够准确获取对应的车辆数据信息。
在实际应用中,第一激光雷达单元111,用于采集车辆的第一数据信息,第一数据信息包括:第一侧面数据信息和第一顶部数据信息。第二激光雷达单元112,用于采集车辆的第二数据信息,第二数据信息包括:第二侧面数据信息和第二顶部数据信息。数据处理单元12根据第一数据信息和第二数据判断车辆是否与其他车辆并行或车辆是否遮挡;若否,则数据处理单元12根据第一数据信息计算第一特征数据,并根据第二数据信息计算第二特征数据,根据第一特征数据和第二特征数据确定车辆的类型;若是,则根据靠近车辆一侧的激光雷达单元的数据信息计算对应的特征数据,根据对应的特征数据确定车辆的类型;数据处理单元12根据车辆的类型,第一数据信息和第二数据信息判断车辆是否超高,超宽及超速;若车辆的类型为罐式危化品车辆,和/或超高和/或超宽,和/或超速,则向摄像头抓拍单元13发送抓拍指令。
其中,第一特征信息为车辆车身一侧的弧度和/或曲率特征,以及车辆顶部货物第一进出口特征;第二特征信息为车辆车身另一侧的弧度和/或曲率特征,以及车辆顶部货物的第二进出口特征。
具体地,本实施例中,第一激光雷达单元111将第一数据信息发送给数据处理单元12,第二激光雷达单元112将第二数据信息发送给数据处理单元12,数据处理单元12通过第一数据信息和第二数据信息计算车辆左右两侧相对于第一激光雷达单元111最近的水平位置,相对于第二激光雷达单元112最近的水平位置,根据两个最近的水平位置的距离,判断车辆是否与其他车辆并行或车辆是否遮挡;若车辆与其他车辆并行或车辆遮挡,则数据处理单元12根据靠近车辆一侧的激光雷达单元的数据信息计算车辆的侧面的弧度,和/或曲率特征,及车辆顶部货物的进出口特征,通过上述特征判定车辆所属类型。若车辆未与其他车辆并行或车辆没有遮挡,则数据处理单元12分别根据第一数据信息计算出预设高度范围内的车辆车身一侧的弧度R1和/或曲率C1特征,计算车辆顶部货物第一进出口特征S1,根据第二数据信息计算出预设高度范围内的车辆车身另一侧的弧度R2和/或曲率C2特征,计算车辆顶部货物第一进出口特征S2,通过这些特征判定车辆所属类型。
其中,在判断车辆所属类型时,将检测到的这些特征与预存的每种类型车辆的对应特征进行对比,以确定车辆所属类型。如车辆为罐式危化品车辆,箱式货车等。
在数据处理单元12确定出车辆类型后,根据第一数据信息和/或第二数据信息计算车辆的宽度,高度和速度,将计算出的宽度,高度和速度分别与预存的该类型的车辆的标准的宽度,高度和速度进行对比,判断该车辆是否超高,超宽及超速。若车辆的类型为罐式危化品车辆,和/或超高和/或超宽,和/或超速,则向摄像头抓拍单元13发送抓拍指令,摄像头抓拍单元13根据抓拍指令抓拍车辆的图片,以获取车辆抓拍信息。
具体地,本实施例中,在摄像头抓拍单元13根据抓拍指令抓拍车辆的图片,以获取车辆抓拍信息时,摄像头抓拍单元13根据抓拍指令抓拍车辆的图片;对车辆的图片中的车牌号和车牌颜色进行识别;将车辆的图片,车牌号和车牌颜色确定为车辆抓拍信息。
优选地,本实施例中,摄像头抓拍单元13与第一激光雷达单元111的扫描面的距离为预设距离。其中,预设距离的范围为15~30米。
相应地,本实施例中,信息提示单元14根据车辆识别结果信息进行提示和/或警告,具体包括:信息提示单元14将识别出的危险车辆所属的类型,危险类型及车牌号通过情报板和/或语音播报器进行提示和/警告。
本实施例提供的隧道内危险车辆识别***,第一激光雷达单元111,用于采集车辆的第一数据信息,第一数据信息包括:第一侧面数据信息和第一顶部数据信息;第二激光雷达单元112,用于采集车辆的第二数据信息,第二数据信息包括:第二侧面数据信息和第二顶部数据信息。数据处理单元12根据第一数据信息和第二数据判断车辆是否与其他车辆并行或车辆是否遮挡;若否,则数据处理单元12根据第一数据信息计算第一特征数据,并根据第二数据信息计算第二特征数据,根据第一特征数据和第二特征数据确定车辆的类型;若是,则根据靠近车辆一侧的激光雷达单元的数据信息计算对应的特征数据,根据对应的特征数据确定车辆的类型;数据处理单元12根据车辆的类型,第一数据信息和第二数据信息判断车辆是否超高,超宽及超速;若车辆的类型为罐式危化品车辆,和/或超高和/或超宽,和/或超速,则向摄像头抓拍单元13发送抓拍指令;其中,第一特征信息为车辆车身一侧的弧度和/或曲率特征,以及车辆顶部货物第一进出口特征;第二特征信息为车辆车身另一侧的弧度和/或曲率特征,以及车辆顶部货物的第二进出口特征。能够在车辆并行或遮挡时也能够识别出车辆是否为危险车辆,进一步提高了危险车辆识别的准确率。
实施例三
图5为本发明实施例三提供的隧道内危险车辆识别方法的流程图,如图5所示,本实施例提供的隧道内危险车辆识别方法的执行主体为本发明实施例一提供的隧道内危险车辆识别***,则本实施例提供的隧道内危险车辆识别方法包括以下步骤。
步骤501,每个激光雷达单元采集车辆数据信息。
本实施例中,隧道内危险车辆识别***包括至少两个激光雷达单元,对至少两个激光雷达进行设置时,至少一个激光雷达单元设置在隧道内壁的一侧,以采集该侧的车辆数据信息和车辆顶部数据信息。将至少一个激光雷达单元设置在隧道内壁的另一侧,以采集另一侧的车辆数据信息和车辆顶部的数据信息。
其中,车辆数据信息可以包括:侧面数据信息和顶部数据信息。
步骤502,数据处理单元根据车辆数据信息识别车辆是否为危险车辆,若车辆为危险车辆,则向摄像头抓拍单元发送抓拍指令。
具体地,本实施例中,数据处理单元可根据车辆数据信息计算车辆的侧面轮廓特征和顶部轮廓特征,根据侧面轮廓特征和顶部轮廓特征确定车辆的类型。数据处理单元还可根据车辆数据信息计算车辆的车身侧面的弧度和/或曲率特征,以及车辆顶部货物进出口特征,根据车身侧面的弧度和/或曲率特征,以及车辆顶部货物进出口特征确定车辆的类型。
本实施例中,对数据处理单元根据车辆数据信息确定车辆类型的方法不作限定。
本实施例中,在数据处理单元识别出车辆类型后,将车辆类型与预存的危险车辆类型进行对比,若车辆类型存在于预存的危险车辆类型中,则确定车辆为危险车辆。如识别出的车辆类型为罐式危化品车辆,该罐式危化品车辆预存在危险车辆类型中,则确定该车辆为危险车辆。
本实施例中,在确定车辆类型后,根据车辆数据信息计算车辆的宽度,高度和速度,根据预存的每种车辆标准的车辆的长度,宽度和速度判断该车辆是否为超宽,超高,超速的车辆,若车辆超高,和/或车辆超宽,和/或车辆超速,也确定车辆为危险车辆。
所以危险车辆为车辆类型为危险类型的车辆,和/或超高车辆,和/或超宽车辆,和/或超速车辆。
步骤503,摄像头抓拍单元根据抓拍指令抓拍车辆的图片,以获取车辆抓拍信息。
本实施例中,若数据处理单元识别出车辆为危险车辆,则与摄像头抓拍单元通信,向摄像头抓拍单元发送抓拍指令,摄像头抓拍单元根据抓拍指令抓拍车辆的图片,通过车辆的图片可识别车辆的车牌号和车牌颜色,向数据处理单元发送车辆抓拍信息。
其中,车辆抓拍信息可以包括:车辆的图片,车辆的车牌号和车牌颜色,还可以包括其他车辆信息,本实施例中对此不作限定。
步骤504,数据处理单元根据识别出的车辆的类型,危险类型及车辆抓拍信息构建车辆识别结果信息。
具体地,本实施例中,数据处理单元若识别出车辆为危险车辆,则获取识别出的危险车辆所属的类型,危险类型,并获取车辆抓拍信息,将这些信息构建车辆识别结果信息。
其中,危险类型可以为罐式危化品车辆,和/或超高,和/或超宽,和/或超速。
其中,车辆识别结果信息中可以包括:危险车辆所属的类型,危险类型,车牌号,车牌颜色等。
本实施例提供的隧道内危险车辆识别方法,通过每个激光雷达单元采集车辆数据信息;数据处理单元根据车辆数据信息识别车辆是否为危险车辆,若车辆为危险车辆,则向摄像头抓拍单元发送抓拍指令;摄像头抓拍单元根据抓拍指令抓拍车辆的图片,以获取车辆抓拍信息;数据处理单元根据识别出的车辆的类型,危险类型及车辆抓拍信息构建车辆识别结果信息。能够提取出危险车辆的有效特征并对危险车辆进行有效识别,有效避免由于车牌或关键字的遮挡不能对危险车辆进行识别,能够准确识别出危险车辆。
实施例四
图6为本发明实施例四提供的隧道内危险车辆识别方法的流程图,如图6所示,本实施例提供的隧道内危险车辆识别方法的执行主体为本发明实施例二提供的隧道内危险车辆识别***,本实施例提供的隧道内危险车辆识别方法在本发明实施例三提供的隧道内危险车辆识别方法的基础上,对步骤501-步骤504的进一步细化,并且还包括了信息提示单元根据车辆识别结果信息进行提示和/或警告的步骤,则本实施例提供的隧道内危险车辆识别方法包括以下步骤。
步骤601,每个激光雷达单元采集车辆数据信息。
进一步地,本实施例中,步骤601包括以下步骤。
步骤601a,第一激光雷达单元采集车辆的第一数据信息,第一数据信息包括:第一侧面数据信息和第一顶部数据信息。
步骤601b,第二激光雷达单元采集车辆的第二数据信息,第二数据信息包括:第二侧面数据信息和第二顶部数据信息。
具体地,本实施例中,包括两个激光雷达单元,分别为第一激光雷达单元和第二激光雷达单元。第一激光雷达单元设置在隧道内壁的一侧,第二激光雷达单元设置在隧道内壁的另一侧。
在安装第一激光雷达单元和第二激光雷达单元时,第一激光雷达单元、第二激光雷达单元的安装高度不低于预设高度阈值,至少一个激光雷达单元的扫描面与车辆行驶方向的夹角在预设垂直角度范围内;第一激光雷达单元的扫描面与路面的交线,与第二激光雷达单元的扫描面与路面的交线的距离大于预设长度阈值。
其中,第一激光雷达单元、第二激光雷达单元为以下类型的激光雷达的任意一种:
单线激光雷达,多线激光雷达,三维激光雷达。
需要说明的是,本实施例中,第一激光雷达单元和第二激光雷达单元的结构和功能与本发明实施例二中的第一激光雷达单元和第二激光雷达单元的结构和功能相同,在此不再一一赘述。
步骤602,数据处理单元根据第一数据信息和第二数据判断车辆是否与其他车辆并行或车辆是否遮挡,若否,则执行步骤603,否则执行步骤604。
进一步地,本实施例中,数据处理单元根据第一数据信息和第二数据判断车辆是否与其他车辆并行或车辆是否遮挡,具体包括:
数据处理单元通过第一数据信息和第二数据信息计算车辆左右两侧相对于第一激光雷达单元最近的水平位置,相对于第二激光雷达单元最近的水平位置,根据两个最近的水平位置的距离,判断车辆是否与其他车辆并行或车辆是否遮挡,若两个最近的水平位置的距离不在车辆的预设宽度范围内,则确定车辆与其他车辆并行或车辆遮挡。若两个最近的水平位置的距离大于预设宽度范围内的最大宽度,则确定车辆与其他车辆并行,若两个最近的水平位置的距离小于预设宽度范围内的最小宽度,则确定车辆遮挡。
步骤603,数据处理单元根据第一数据信息计算第一特征数据,并根据第二数据信息计算第二特征数据,根据第一特征数据和第二特征数据确定车辆的类型。
若车辆未并行并且未遮挡,则数据处理单元根据第一数据信息计算第一特征数据,并根据第二数据信息计算第二特征数据。
其中,第一特征信息为车辆车身一侧的弧度和/或曲率特征,以及车辆顶部货物第一进出口特征;第二特征信息为车辆车身另一侧的弧度和/或曲率特征,以及车辆顶部货物的第二进出口特征。
具体地,本实施例中,数据处理单元根据第一数据信息中的第一侧面数据信息计算车辆车身一侧的弧度和/或曲率特征,根据第一数据信息中的第一顶部数据信息计算车辆顶部货物第一进出口特征;数据处理单元根据第二数据信息中的第二侧面数据信息计算车辆车身另一侧的弧度和/或曲率特征,根据第二数据信息中的第二顶部数据信息计算车辆顶部货物第二进出口特征。
其中,数据处理单元根据第一数据信息中的第一侧面数据信息计算车辆车身一侧的弧度和/或曲率特征与数据处理单元根据第二数据信息中的第二侧面数据信息计算车辆车身另一侧的弧度和/或曲率特征的方法相同。本实施例中,以数据处理单元根据第一数据信息计算车辆车身一侧的弧度和/或曲率特征为例进行说明。
本实施例中,数据处理单元根据第一数据信息计算车辆车身一侧的弧度和/或曲率特征包括以下步骤。
步骤603a,数据处理单元根据第一数据信息获取每个截面数据的不同数据点。
进一步地,本实施例中,车辆通过第一激光雷达单元的扫描区域,第一激光雷达单元依次采集车辆不同的截面数据传递给数据处理单元,每个截面数据由不同的数据点组成,以第一激光雷达单元到地面的垂直与地面的交点为原点,以扫描面所在的水平宽度方向为X轴,以扫描面所在的垂直高度方向为Z轴,建立直角坐标系,则截面上每个数据点表示为(x,z),x就是数据点在水平宽度方向离原点的距离,z就是数据点在垂直高度方向的高度。
步骤603b,计算每个截面数据中相邻数据点的斜率。
进一步地,本实施例中,数据处理单元从截面的第一个数据点开始至最后一个数据点,寻找出第一个大于第一预设高度值的数据点为起始点,截面数据中最大高度值的数据点为结束点,计算起始点至结束点之间所有相邻数据点(x,z)的斜率,并根据数据点顺序组成斜率向量表。
其中,第一预设高度值的数值本实施例中不作限定。
步骤603c,确定每个截面数据中满足斜率变化条件的连续数据点,计算连续数据点的最大宽度差、最大高度差、连续数据点数量,以确定截面的弧度,和/或曲率特征。
进一步地,本实施例中,数据处理单元在斜率向量表中计算出满足斜率变化条件的连续斜率段,进而找到对应的连续数据点,计算所有连续数据点的最大宽度差和最大高度差,并确定连续数据点数量。根据连续数据点的最大宽度差、最大高度差、连续数据点数量确定截面的弧度,和/或曲率特征。
步骤603d,根据每个截面数据的弧度,和/或曲率特征确定车辆车身一侧的弧度和/或曲率特征。
进一步地,本实施例中,数据处理传输单元依次计算车辆的所有截面数据的弧度,和/或曲率特征,根据每个截面数据对应的弧度,和/或曲率特征确定整个车辆车身一侧的弧度和/或曲率特征。
本实施例中,数据处理单元根据第一数据信息中的第一顶部数据信息计算车辆顶部货物第一进出口特征与数据处理单元根据第二数据信息中的第二顶部数据信息计算车辆顶部货物第二进出口特征的方法相同。
进一步地,本实施例中,数据处理单元可采用特征提取算法提取第一顶部数据信息中的特征,形成车辆顶部货物第一进出口特征。数据处理单元采用相同的特征提取算法提取第二顶部数据信息中的特征,形成车辆顶部货物第二进出口特征。
进一步地,本实施例中,根据第一特征数据和第二特征数据确定车辆的类型时,将计算到的第一特征数据与预存的所有类型车辆对应的第一特征数据进行对比,并将第二特征数据与预存的所有类型车辆对应的第二特征数据进行对比,若第一特征数据与第二特征数据分别与某一类型车辆对应的第一特征数据和第二特征数据匹配,则确定该识别的车辆类型为匹配的车辆类型。
步骤604,数据处理单元根据靠近车辆一侧的激光雷达单元的数据信息计算对应的特征数据,根据对应的特征数据确定车辆的类型。
进一步地,本实施例中,若车辆并行或车辆遮挡,则远离车辆一侧的激光雷达单元采集的车辆数据信息并不准确,所以根据靠近车辆一侧的激光雷达单元的数据信息计算对应的特征数据,根据对应的特征数据确定车辆的类型。
其中,若靠近车辆一侧的激光雷达单元为第一激光雷达单元,则数据处理单元根据第一数据信息计算第一特征数据,根据第一特征数据确定车辆的类型。若靠近车辆一侧的计算雷达单元为第二激光雷达单元,则数据处理单元根据第二数据信息计算第二特征数据,根据第二特征数据确定车辆的类型。
步骤605,数据处理单元根据车辆的类型,第一数据信息和第二数据信息判断车辆是否超高,超宽及超速。
进一步地,本实施例中,数据处理单元根据第一数据信息和第二数据信息计算车辆的高度,宽度和速度。并将该车辆的高度与预存的与该车辆类型匹配的车辆的标准高度进行对比,判断该车辆是否超高。将该车辆的宽度与预存的与该车辆类型匹配的车辆的标准宽度进行对比,判断该车辆是否超宽。将该车辆的速度与预存的与该车辆匹配的车辆的标准速度进行对比,判断该车辆是否超速。
步骤606,若车辆的类型为罐式危化品车辆,和/或超高和/或超宽,和/或超速,则向摄像头抓拍单元发送抓拍指令。
进一步地,本实施例中,若数据处理单元确定为罐式危化品车辆,和/或超高和/或超宽,和/或超速,则说明该车辆为危险车辆,则向摄像头抓拍单元发送抓拍指令。
步骤607,摄像头抓拍单元根据抓拍指令抓拍车辆的图片,以获取车辆抓拍信息。
进一步地,本实施例中,步骤607包括以下步骤。
步骤607a,摄像头抓拍单元根据抓拍指令抓拍车辆的图片。
其中,在抓拍的车辆的图片中包括车辆前部或后部的图片,在车辆前部或后部的图片中包括车牌号。
步骤607b,对车辆的图片中的车牌号和车牌颜色进行识别。
进一步地,本实施例中,采用识别算法对车辆的前部图片或车辆的后部图片进行车牌识别,识别出车牌号和车牌颜色。
步骤607c,将车辆的图片,车牌号和车牌颜色确定为车辆抓拍信息。
进一步地,本实施例中,获取车辆的图片,车牌号和车牌颜色,将这些信息确定为车辆抓怕信息。
步骤608,数据处理单元根据识别出的车辆的类型,危险类型及车辆抓拍信息构建车辆识别结果信息,并将车辆识别结果信息发送给信息提示单元。
其中,构建的车辆识别结果信息包括:车辆的类型,危险类型,车牌号。
步骤609,信息提示单元根据车辆识别结果信息进行提示和/或警告。
进一步地,本实施例中,信息提示单元为情报板和/或语音播报器。
信息提示单元接收数据处理单元发送的车辆识别结果信息,并将车辆识别结果通过情报板进行显示和/或语音播报器进行播报,以对司机进行提示和/或警告。
本实施例提供的隧道内危险车辆识别方法,通过每个激光雷达单元采集车辆数据信息,数据处理单元根据第一数据信息和第二数据判断车辆是否与其他车辆并行或车辆是否遮挡,若否,则数据处理单元根据第一数据信息计算第一特征数据,并根据第二数据信息计算第二特征数据,根据第一特征数据和第二特征数据确定车辆的类型,若是,则数据处理单元根据靠近车辆一侧的激光雷达单元的数据信息计算对应的特征数据,根据对应的特征数据确定车辆的类型,数据处理单元根据车辆的类型,第一数据信息和第二数据信息判断车辆是否超高,超宽及超速,若车辆的类型为罐式危化品车辆,和/或超高和/或超宽,和/或超速,则向摄像头抓拍单元发送抓拍指令,摄像头抓拍单元根据抓拍指令抓拍车辆的图片,以获取车辆抓拍信息,数据处理单元根据识别出的车辆的类型,危险类型及车辆抓拍信息构建车辆识别结果信息,并将车辆识别结果信息发送给信息提示单元,信息提示单元根据车辆识别结果信息进行提示和/或警告,能够在车辆并行或遮挡时也能够识别出车辆是否为危险车辆,进一步提高了危险车辆识别的准确率,并且能够实时对危险车辆进行提示和/或警告,能够使司机实时获知识别结果,能够有效减少危险车辆再次通过隧道,利于隧道的安全管理和运营。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (9)
1.一种隧道内危险车辆识别***,其特征在于,包括:第一激光雷达单元、第二激光雷达单元、摄像头抓拍单元及数据处理单元;
所述第一激光雷达单元、所述第二激光雷达单元、所述摄像头抓拍单元分别与所述数据处理单元连接;
所述第一激光雷达单元、所述第二激光雷达单元、所述摄像头抓拍单元分别沿车辆行驶方向先后设置在隧道内壁上,所述第一激光雷达单元设置在所述隧道内壁的一侧,所述第二激光雷达单元设置在所述隧道内壁的另一侧;
所述数据处理单元,用于根据车辆数据信息识别所述车辆是否为危险车辆,若所述车辆为危险车辆,则向摄像头抓拍单元发送抓拍指令;
所述摄像头抓拍单元,用于根据所述抓拍指令抓拍车辆的图片,以获取车辆抓拍信息;
所述数据处理单元,还用于根据识别出的危险车辆所属的类型,危险类型及所述车辆抓拍信息构建车辆识别结果信息;
所述第一激光雷达单元,用于采集车辆的第一数据信息,所述第一数据信息包括:第一侧面数据信息和第一顶部数据信息;
所述第二激光雷达单元,用于采集车辆的第二数据信息,所述第二数据信息包括:第二侧面数据信息和第二顶部数据信息;
所述数据处理单元,具体用于根据所述第一数据信息和所述第二数据信息判断所述车辆是否与其他车辆并行或所述车辆是否遮挡;若否,则所述数据处理单元根据所述第一数据信息计算第一特征数据,并根据所述第二数据信息计算第二特征数据,根据所述第一特征数据和所述第二特征数据确定所述车辆的类型;若是,则所述数据处理单元根据靠近车辆一侧的激光雷达单元的数据信息计算对应的特征数据,根据所述对应的特征数据确定所述车辆的类型;若所述车辆的类型为罐式危化品车辆,则向所述摄像头抓拍单元发送抓拍指令;
所述第一特征数据和第二特征数据包括车辆对应车身侧的弧度和/或曲率特征;
所述数据处理单元,在所述数据处理单元根据所述第一数据信息计算第一特征数据时,具体用于:
根据第一数据信息获取每个截面数据的不同数据点,计算每个截面数据中相邻数据点的斜率,确定每个截面数据中满足斜率变化条件的连续数据点,计算连续数据点的最大宽度差、最大高度差、连续数据点数量,以确定截面的弧度,和/或曲率特征,根据每个截面数据的弧度,和/或曲率特征确定车辆车身一侧的弧度和/或曲率特征;
其中,所述第一激光雷达单元的扫描面与路面的交线,与所述第二激光雷达单元的扫描面与路面的交线的距离大于预设长度阈值。
2.根据权利要求1所述的***,其特征在于,还包括:信息提示单元;
所述信息提示单元与所述数据处理单元连接;
所述信息提示单元沿所述车辆行驶方向设置在所述摄像头抓拍单元前方的隧道内壁上或隧道外侧;
所述数据处理单元,还用于将所述车辆识别结果信息发送给信息提示单元;
所述信息提示单元,用于根据所述车辆识别结果信息进行提示和/或警告。
3.根据权利要求1或2所述的***,其特征在于;
所述第一激光雷达单元、所述第二激光雷达单元的安装高度不低于预设高度阈值,所述第一激光雷达单元和所述第二激光雷达单元中的至少一个的扫描面与车辆行驶方向的夹角在预设垂直角度范围内;
所述第一激光雷达单元、所述第二激光雷达单元为以下类型的激光雷达的任意一种:
单线激光雷达,多线激光雷达,三维激光雷达。
4.根据权利要求3所述的***,其特征在于,所述摄像头抓拍单元与所述第一激光雷达单元的扫描面的距离为预设距离。
5.根据权利要求2所述的***,其特征在于,所述信息提示单元为情报板和/或语音播报器。
6.一种隧道内危险车辆识别方法,其特征在于,包括:
每个激光雷达单元采集车辆数据信息;
数据处理单元根据所述车辆数据信息识别所述车辆是否为危险车辆,若所述车辆为危险车辆,则向摄像头抓拍单元发送抓拍指令;
所述摄像头抓拍单元根据所述抓拍指令抓拍车辆的图片,以获取车辆抓拍信息;
所述数据处理单元根据识别出的车辆的类型,危险类型及所述车辆抓拍信息构建车辆识别结果信息;
所述每个激光雷达单元采集车辆数据信息,具体包括:
第一激光雷达单元采集车辆的第一数据信息,所述第一数据信息包括:第一侧面数据信息和第一顶部数据信息;
第二激光雷达单元采集车辆的第二数据信息,所述第二数据信息包括:第二侧面数据信息和第二顶部数据信息;
所述数据处理单元根据所述车辆数据信息识别所述车辆是否为危险车辆,若所述车辆为危险车辆,则向摄像头抓拍单元发送抓拍指令,具体包括:
所述数据处理单元根据所述第一数据信息和所述第二数据信息判断所述车辆是否与其他车辆并行或所述车辆是否遮挡;
若否,则所述数据处理单元根据所述第一数据信息计算第一特征数据,并根据所述第二数据信息计算第二特征数据,根据所述第一特征数据和所述第二特征数据确定所述车辆的类型;
若是,则所述数据处理单元根据靠近车辆一侧的激光雷达单元的数据信息计算对应的特征数据,根据所述对应的特征数据确定所述车辆的类型;
若所述车辆的类型为罐式危化品车辆,则向所述摄像头抓拍单元发送抓拍指令;
所述第一特征数据和第二特征数据包括车辆对应车身侧的弧度和/或曲率特征;
所述数据处理单元根据所述第一数据信息计算第一特征数据,包括:
根据第一数据信息获取每个截面数据的不同数据点,计算每个截面数据中相邻数据点的斜率,确定每个截面数据中满足斜率变化条件的连续数据点,计算连续数据点的最大宽度差、最大高度差、连续数据点数量,以确定截面的弧度,和/或曲率特征,根据每个截面数据的弧度,和/或曲率特征确定车辆车身一侧的弧度和/或曲率特征;
其中,所述第一激光雷达单元的扫描面与路面的交线,与所述第二激光雷达单元的扫描面与路面的交线的距离大于预设长度阈值。
7.根据权利要求6所述的方法,其特征在于,所述数据处理单元根据识别出的车辆的类型,危险类型及所述车辆抓拍信息构建车辆识别结果信息之后,还包括:
所述数据处理单元将所述车辆识别结果信息发送给信息提示单元;
所述信息提示单元根据所述车辆识别结果信息进行提示和/或警告。
8.根据权利要求6所述的方法,其特征在于,
其中,所述第一特征数据还包括:所述车辆顶部货物第一进出口特征;所述第二特征数据还包括:所述车辆顶部货物的第二进出口特征。
9.根据权利要求7所述的方法,其特征在于,所述摄像头抓拍单元根据所述抓拍指令抓拍车辆的图片,以获取车辆抓拍信息,具体包括:
所述摄像头抓拍单元根据所述抓拍指令抓拍所述车辆的图片;
对所述车辆的图片中的车牌号和车牌颜色进行识别;
将所述车辆的图片,所述车牌号和所述车牌颜色确定为车辆抓拍信息;
所述信息提示单元根据所述车辆识别结果信息进行提示和/或警告,具体包括:
所述信息提示单元将识别出的危险车辆所属的类型,危险类型及所述车牌号通过情报板和/或语音播报器进行提示和/警告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811564191.9A CN109584573B (zh) | 2018-12-20 | 2018-12-20 | 隧道内危险车辆的识别***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811564191.9A CN109584573B (zh) | 2018-12-20 | 2018-12-20 | 隧道内危险车辆的识别***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109584573A CN109584573A (zh) | 2019-04-05 |
CN109584573B true CN109584573B (zh) | 2021-08-10 |
Family
ID=65930324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811564191.9A Active CN109584573B (zh) | 2018-12-20 | 2018-12-20 | 隧道内危险车辆的识别***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109584573B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111866768A (zh) * | 2019-04-29 | 2020-10-30 | 阿里巴巴集团控股有限公司 | 感知基站中的消息发送控制方法及装置 |
CN113138393B (zh) * | 2020-01-17 | 2024-05-31 | 浙江菜鸟供应链管理有限公司 | 环境感测***、控制装置以及环境感测数据融合装置 |
CN111311960B (zh) * | 2020-02-23 | 2021-07-27 | 长安大学 | 一种用于隧道路段对占道行驶车辆进行提醒的方法 |
CN111260960B (zh) * | 2020-02-23 | 2021-08-10 | 长安大学 | 一种用于隧道路段对向车辆占道行驶的预警方法 |
CN113111884B (zh) * | 2021-03-26 | 2024-05-24 | 沈阳天眼智云智能技术研究院有限公司 | 危化品运输专用车辆的视频检测方法 |
WO2022247931A1 (zh) * | 2021-05-27 | 2022-12-01 | 北京万集科技股份有限公司 | 识别违规交通参与对象的方法、***和计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201698587U (zh) * | 2010-08-12 | 2011-01-05 | 上海铁安智能***工程有限公司 | 铁路立交桥超高防撞智能预警*** |
KR101281131B1 (ko) * | 2011-09-22 | 2013-07-01 | 한국건설기술연구원 | 교통계측시스템 및 이를 이용한 교통파라미터 획득방법 |
CN204406670U (zh) * | 2015-01-30 | 2015-06-17 | 武汉万集信息技术有限公司 | 一种车辆长宽高检测装置 |
CN105632180A (zh) * | 2015-12-19 | 2016-06-01 | 长安大学 | 一种基于arm的桥隧入口车型识别***及方法 |
CN106023599A (zh) * | 2016-07-27 | 2016-10-12 | 上海市政工程设计研究总院(集团)有限公司 | 一种超高超宽违法抓拍电子警察***及其控制方法 |
CN107437336A (zh) * | 2016-05-27 | 2017-12-05 | 武汉万集信息技术有限公司 | 车型识别装置和方法 |
-
2018
- 2018-12-20 CN CN201811564191.9A patent/CN109584573B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201698587U (zh) * | 2010-08-12 | 2011-01-05 | 上海铁安智能***工程有限公司 | 铁路立交桥超高防撞智能预警*** |
KR101281131B1 (ko) * | 2011-09-22 | 2013-07-01 | 한국건설기술연구원 | 교통계측시스템 및 이를 이용한 교통파라미터 획득방법 |
CN204406670U (zh) * | 2015-01-30 | 2015-06-17 | 武汉万集信息技术有限公司 | 一种车辆长宽高检测装置 |
CN105632180A (zh) * | 2015-12-19 | 2016-06-01 | 长安大学 | 一种基于arm的桥隧入口车型识别***及方法 |
CN107437336A (zh) * | 2016-05-27 | 2017-12-05 | 武汉万集信息技术有限公司 | 车型识别装置和方法 |
CN106023599A (zh) * | 2016-07-27 | 2016-10-12 | 上海市政工程设计研究总院(集团)有限公司 | 一种超高超宽违法抓拍电子警察***及其控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109584573A (zh) | 2019-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109584573B (zh) | 隧道内危险车辆的识别***及方法 | |
US10885777B2 (en) | Multiple exposure event determination | |
CN106991389B (zh) | 确定道路边沿的装置和方法 | |
EP3258214B1 (en) | Object detection device | |
KR102267335B1 (ko) | 객체와 감지 카메라의 거리차를 이용한 속도 검출 방법 | |
CN110298300B (zh) | 一种检测车辆违章压线的方法 | |
KR101925293B1 (ko) | 레이더 및 영상 융합 차량 단속시스템 | |
CN108226917B (zh) | 基于雷达的高精密突发情况检测*** | |
CN107103275B (zh) | 使用雷达和视觉基于车轮进行的车辆检测和追踪 | |
CN105620489A (zh) | 驾驶辅助***及车辆实时预警提醒方法 | |
CN103226891B (zh) | 一种基于视频的车辆碰撞事故检测方法及*** | |
KR101326943B1 (ko) | 추월차량 경고 시스템 및 추월차량 경고 방법 | |
CN111856507B (zh) | 一种环境感测实现方法、智能移动设备和存储介质 | |
CN107798688B (zh) | 运动目标识别方法、预警方法以及汽车防追尾预警装置 | |
CN110341621B (zh) | 一种障碍物检测方法及装置 | |
KR20170080481A (ko) | 다차선 차량 속도 측정 시스템 | |
CN115331191B (zh) | 车型识别方法、装置、***和存储介质 | |
CN113658427A (zh) | 基于视觉与雷达的路况监控方法及***、设备 | |
CN111081031A (zh) | 车辆的抓拍方法及*** | |
CN112489383A (zh) | 一种基于机器视觉的预防闯红灯事故预警***、方法 | |
CN112344854B (zh) | 车辆超限检测方法、***及计算机可读存储介质 | |
CN111332306A (zh) | 一种基于机器视觉的交通道路感知辅助驾驶预警装置 | |
CN113255612A (zh) | 前车起步提醒方法及***、电子设备和存储介质 | |
CN115755094A (zh) | 障碍物检测方法、装置、设备及存储介质 | |
US11643104B2 (en) | Vehicular autonomous control system utilizing superposition of matching metrics during testing |
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 |