CN111382597A - 车头识别方法及装置、车辆扫描***、设备和可读介质 - Google Patents
车头识别方法及装置、车辆扫描***、设备和可读介质 Download PDFInfo
- Publication number
- CN111382597A CN111382597A CN201811615134.9A CN201811615134A CN111382597A CN 111382597 A CN111382597 A CN 111382597A CN 201811615134 A CN201811615134 A CN 201811615134A CN 111382597 A CN111382597 A CN 111382597A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- laser image
- image
- determining
- regional
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 230000008859 change Effects 0.000 claims abstract description 56
- 238000004378 air conditioning Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 9
- 230000003137 locomotive effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 17
- 238000001514 detection method Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 29
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005855 radiation Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
- G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- 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
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/12—Acquisition of 3D measurements of objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Vascular Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pulmonology (AREA)
- Radiology & Medical Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本公开提供一种车头识别方法及装置、车辆扫描***、设备和可读介质,涉及车辆扫描检测领域,该方法包括:获取车辆的区域激光图像,所述区域激光图像包括深度信息和高度信息;基于所述区域激光图像确定所述车辆的前车轮位置;确定所述区域激光图像中车体高度的梯度值大于预定阈值的高度变化点;根据所述高度变化点与所述前车轮位置的位置关系确定车头和车厢分界位置,从而确定车头位置。本公开提出的车头识别方法可以在车辆扫描过程中自动、便捷地识别车头位置,以实现对车厢的单独扫描,具有很强的实用性。
Description
技术领域
本公开涉及车辆扫描检测领域,尤其涉及一种车头识别方法及装置、车辆扫描方法及***、电子设备和计算机可读介质。
背景技术
走私犯罪以及携带危险品入境会对社会治安造成极大的损害,危害国家安全,基于对国家和人民安全考虑,各海关口岸严格核查出入境车辆信息。但是海关每日货物吞吐量较大并且现有的***检测速度较慢且严重依赖技术人员,现有的车辆检测***不能满足海关每日检查需求。因此提高检测***的自动化程度和检测速度是当今关注的重点问题。
基于此,不停车自动车辆检测成为关注的热点。不停车自动车辆检测技术一般使用射线扫描行驶中的车辆,完成对车厢中货物的识别。但是射线对人体具有很大的伤害,为了避免对车辆中驾驶员的伤害,在使用射线对车辆进行扫描时需要避开车头部分,仅使用射线扫描车辆的车厢位置。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此,本公开提供一种车头识别方法及装置、车辆扫描方法及***、电子设备和计算机可读介质,能够快速准确地识别车辆的车头位置,进一步方便在车辆扫描检测时对车头和车厢采用不同的扫描处理。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的第一个方面,提出一种车头识别方法,该方法包括:
获取车辆的区域激光图像,所述区域激光图像包括深度信息和高度信息;基于所述区域激光图像确定所述车辆的前车轮位置;确定所述区域激光图像中车体高度的梯度值大于预定阈值的高度变化点;根据所述高度变化点与所述前车轮位置的位置关系确定车头和车厢分界位置,从而确定车头位置。
在本公开的一种示例性实施例中,车头识别方法还包括:根据所述区域激光图像生成车辆的区域二值平面图像;基于所述区域二值平面图像确定车辆空调位置;根据所述车辆空调位置去除所述区域激光图像中车辆空调信息。
在本公开的一种示例性实施例中,所述基于所述区域激光图像确定所述车辆的前车轮位置包括:如果基于所述区域激光图像不能确定所述车辆的前车轮位置,则根据所述区域激光图像生成车辆的区域二值平面图像,并基于所述区域二值平面图像确定所述车辆的前车轮位置。
在本公开的一种示例性实施例中,所述获取车辆的区域激光图像包括:获取所述车辆的序列图像信息;根据所述序列图像信息生成所述区域激光图像。
根据本公开的第二个方面,提出一种车头识别方法,该方法包括:获取车辆的区域激光图像,所述区域激光图像包括深度信息和高度信息;基于所述区域激光图像确定所述车辆的前车轮位置;基于所述区域激光图像的深度信息确定所述区域激光图像中的远点区域;根据所述远点区域与所述前车轮位置的位置关系确定车头和车厢分界位置,从而确定车头位置。
在本公开的一种示例性实施例中,车头识别方法还包括:根据所述区域激光图像生成车辆的区域二值平面图像;基于所述区域二值平面图像确定车辆空调位置;根据所述车辆空调位置去除所述区域激光图像中车辆空调信息。
在本公开的一种示例性实施例中,所述基于所述区域激光图像确定所述车辆的前车轮位置包括:如果基于所述区域激光图像不能确定所述车辆的前车轮位置,则根据所述区域激光图像生成车辆的区域二值平面图像,并基于所述区域二值平面图像确定所述车辆的前车轮位置。
在本公开的一种示例性实施例中,所述获取车辆的区域激光图像包括:获取所述车辆的序列图像信息;根据所述序列图像信息生成所述区域激光图像。
根据本公开的第三个方面,提出一种车辆扫描方法,该方法包括:根据上述任意一种车头识别方法确定车辆车头位置;基于所述车辆车头位置对所述车辆进行扫描。
在本公开的一种示例性实施例中,所述基于所述车辆车头位置对所述车辆进行扫描包括:基于所述车辆车头位置,实现对所述车辆车厢的单独扫描。
根据本公开的第四个方面,提出一种车头识别装置,该装置包括:区域激光图像获取模块,配置为获取车辆的区域激光图像,所述区域激光图像包括深度信息和高度信息;前车轮位置确定模块,配置为基于所述区域激光图像确定所述车辆的前车轮位置;高度变化点确定模块,配置为确定所述区域激光图像中车体高度的梯度值大于预定阈值的高度变化点;车头位置确定模块,配置为根据所述高度变化点与所述前车轮位置的位置关系确定车头和车厢分界位置,从而确定车头位置。
根据本公开的第五个方面,提出一种车头识别装置,该装置包括:获取区域激光图像模块,配置为获取车辆的区域激光图像,所述区域激光图像包括深度信息和高度信息;确定前车轮模块,配置为基于所述区域激光图像确定所述车辆的前车轮位置;图像远点区域位置确定模块,配置为基于所述区域激光图像的深度信息确定所述区域激光图像中的远点区域;车辆车头位置确定模块,配置为根据所述远点区域与所述前车轮位置的位置关系确定车头和车厢分界位置,从而确定车头位置。
根据本公开的第六个方面,提出一种车辆扫描***,其特征在于,包括:激光设备,用于获取车辆的区域激光图像;扫描设备,用于对车辆进行扫描;控制设备,用于接收车辆的区域激光图像,所述区域激光图像包括深度信息和高度信息;基于所述区域激光图像确定所述车辆的前车轮位置;确定所述区域激光图像中车体高度的梯度值大于预定阈值的高度变化点;根据所述高度变化点与所述前车轮位置的位置关系确定车头和车厢分界位置,从而确定车头位置;基于所述车辆车头位置控制所述扫描设备对所述车辆进行扫描。
根据本公开的第七个方面,提出一种车辆扫描***,其特征在于,包括:激光设备,用于获取车辆的区域激光图像;扫描设备,用于对车辆进行扫描;控制设备,用于接收车辆的区域激光图像,所述区域激光图像包括深度信息和高度信息;基于所述区域激光图像确定所述车辆的前车轮位置;基于所述区域激光图像的深度信息确定所述区域激光图像中的远点区域;根据所述远点区域与所述前车轮位置的位置关系确定车头和车厢分界位置,从而确定车头位置;基于所述车辆车头位置控制所述扫描设备对所述车辆进行扫描。
根据本公开的第八个方面,提出一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述任一项所述的车头识别方法。
根据本公开的第九个方面,提出一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如上述任一项所述的车头识别方法。
根据本公开某些实施例提供的车头识别方法及装置、车辆扫描***、电子设备和计算机可读介质,通过对车辆激光扫描以获得区域激光图像,基于区域激光图像为完成对车头位置的识别,然后根据车头位置完成对车头和车厢分别进行扫描操作。使用本公开提供的车头识别方法可以在车辆扫描过程中自动、便捷地识别车头位置,以实现对车头和车厢分别进行扫描,具有很强的实用性应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
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,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。下面描述的附图仅仅是本公开的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例示出的可用于车辆扫描方法的应用场景的示意图。
图2是根据一示例性实施例示出的一种车头识别方法的流程图。
图3是根据一示例性实施例示出的激光设备发射激光的示意图。
图4是根据一示例性实施例示出的区域激光图像中的序列数据逐渐增加的示意图。
图5是根据一示例性实施例示出的根据区域激光图像识别车辆前车轮的示意图。
图6是根据一示例性实施例示出的根据区域激光图像生成的区域二值平面图。
图7是根据一示例性实施例示出的根据区域激光图像识别车辆前车轮的示意图。
图8是根据一示例性实施例示出的根据区域二值平面图识别车辆空调位置的示意图。
图9是根据一示例性实施例示出的根据区域激光图像中的高度变化点确定车头和车厢分界处的示意图。
图10是根据另一示例性实施例示出的一种车头识别方法的流程图。
图11是根据一示例性实施例示出的根据区域激光图像确定图像远点的示意图。
图12是根据一示例性实施例示出的一种车辆扫描方法的流程图。
图13是根据另一示例性实施例示出的一种车辆扫描方法的流程图。
图14是根据一示例性实施例示出的一种车头识别装置的框图。
图15是根据另一示例性实施例示出的一种车头识别装置的框图。
图16是根据另一示例性实施例示出的一种车头识别装置的框图。
图17是根据另一示例性实施例示出的一种车头识别装置的框图。
图18是根据另一示例性实施例示出的一种车头识别装置的框图。
图19是根据另一示例性实施例示出的一种车头识别装置的框图。
图20是根据另一示例性实施例示出的一种车头识别装置的框图。
图21是根据另一示例性实施例示出的一种车头识别装置的框图。
图22是根据另一示例性实施例示出的一种车车辆扫描***的框图。
图23是根据一示例性实施例示出的一种应用于车头识别装置的计算机***的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本发明将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本发明的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而省略特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图仅为本发明的示意性图解,图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和步骤,也不是必须按所描述的顺序执行。例如,有的步骤还可以分解,而有的步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
本说明书中,用语“一个”、“一”、“该”、“所述”和“至少一个”用以表示存在一个或多个要素/组成部分/等;用语“包含”、“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等;用语“第一”、“第二”和“第三”等仅作为标记使用,不是对其对象的数量限制。
下面结合附图对本发明示例实施方式进行详细说明。
图1是根据一示例性实施例示出的可用于车辆扫描方法的应用场景的示意图。
如图1所示,在车辆扫描场景中包括激光设备101、车辆102、扫描设备103以及控制设备104。在车辆行进过程中,激光设备101从车头开始持续扫描车辆以获取序列图像信息,并将该序列图像信息传输给控制设备104。控制设备104根据激光设备101扫描获得的序列图像信息生成区域激光图像,并根据区域激光图像确定车头与车厢的分界处,进而确定车头位置。一旦控制设备104成功确定车头位置,控制设备104会控制激光设备101停止采集车辆序列图像信息,并控制扫描设备103开始扫描车辆。
激光设备101可以是区域激光等激光图像数据采集设备,用来采集车辆通过***时的序列图像信息。
扫描设备103可以是X射线图像安检设备,用于对车辆进行扫描,可例如用来确定车辆车厢中货物情况。
控制设备104用于根据激光设备101采集的图像信息识别车头位置并控制扫描设备103进行车辆扫描。在车头识别过程中控制设备104可例如获取车辆的区域激光图像,所述区域激光图像包括深度信息和高度信息;控制设备104可例如基于所述区域激光图像确定所述车辆的前车轮位置;控制设备104确定所述区域激光图像中车体高度的梯度值大于预定阈值的高度变化点;控制设备104根据所述高度变化点与所述前车轮位置的位置关系确定车头和车厢分界位置,从而确定车头位置。
在另一实施例中,在车头识别过程中控制设备104还可例如获取车辆的区域激光图像,所述区域激光图像包括深度信息和高度信息;控制设备104可例如基于所述区域激光图像确定所述车辆的前车轮位置;控制设备104可例如基于所述区域激光图像的深度信息确定所述区域激光图像中的远点区域;控制设备104可例如根据所述远点区域与所述前车轮位置的位置关系确定车头和车厢分界位置,从而确定车头位置。
图2是根据一示例性实施例示出的一种车头识别方法的流程图。
参照图2,车头识别方法可以包括以下步骤。
步骤S201,获取车辆的区域激光图像,所述区域激光图像包括深度信息和高度信息。
在一些实施例中,车辆的区域激光图像可以指的是由激光设备扫描获取的车辆的部分车体的图像,在该区域激光图像信息中包含了车辆的深度信息以及车体的实际高度信息。
在一些实施例中,激光设备可以获取车辆的序列图像信息,其中序列图像信息指的是组成图像的列数据,其中序列图像信息中包含车辆被扫描部分的车体距离激光设备的直线距离。根据序列图像中车辆被扫描部分的车体距离激光设备的直线距离可以进一步的求出车辆被扫描部分的车体的深度信息,再根据车辆的速度信息对多列根据序列图像信息求出的深度信息矫正后就可以得出区域激光图像。
在一些实施例中,如图3所示,在一次激光扫描中,激光设备会发出多束方向不同的激光301,其中该多束激光在同一个垂直于地面303的激光平面中传播,并且激光传播轨迹与激光平面的垂直面的夹角是是θi,θi的取值范围是0至180度。当激光接触到车辆时会在车辆表面发生发射,反射的激光会进一步地被激光接收设备接收。通过计算激光在空中的传播时间可以计算该激光反射点距离激光设备的直线距离Li,通过公式:车高=Li*cosθi+激光设备实际高度,可以计算出激光反射点的实际高度,由此便获得了车辆序列图像信息。该车辆序列图像信息包括车体上激光反射点距离激光设备的直线距离以及激光反射点的实际高度。
上述采集的车辆的序列图像信息仅是一列数据,根据多列上述序列图像信息可以获取区域激光图像信息。例如,如果已知车辆的序列图像信息,其中序列图像信息包含激光发射点距离激光设备的直线距离Li,通过公式:深度值(图像灰度值)=Li*sinθi,可以计算出激光反射点的深度值。另外,通过公式:车高=Li*cosθi+激光设备实际高度,可以计算出激光反射点的实际高度。已知多列车辆的深度信息和高度信息,就可以得出如图4所示的车辆的区域激光图像。图4从左至右依次展示了在激光设备扫描车体的扫描过程中,生成的区域激光图像中的序列数据逐渐增加的过程。
步骤S202,基于所述区域激光图像确定所述车辆的前车轮位置。
在一些实施例中,获得车辆的区域激光图像之后,还需要在区域激光图像中确定车辆前车轮的位置。已知区域激光设备包含车辆的高度信息,又根据常识可得车轮的位置的实际高度最低,可以通过找到区域激光图像中高度低于确定阈值的区域以确定车轮位置。如图5所示,可以将区域激光图像中高度低于10厘米的点判定为车轮上的点,又由于激光设备从车辆的车头开始扫描,所以在激光设备扫描车辆过程中优先找到的车轮就是前车轮501。
在一些实施例中,由于一些车辆驾驶舱存在脚踏,使得无法找到车轮位置。如图5中所示,脚踏502的位置也非常低,如果根据区域激光图像中点的高度信息判断车辆的前车轮位置会由于脚踏的存在导致无法确定前车轮位置。为此,还需引入车辆的区域二值平面图像进行辅助判断。
在一些实施例中,区域激光图像中包含激光反射点的实际高度。令高度最高的反射点存储在二值数据的最高行,令高度最低的反射点存储在二值数据最低行,以此类推将所有反射点按照高度填充至最高行和最低行之间。如果已知多列激光反射点的实际高度,根据以上方法可以生成车辆的区域二值平面图像,如图6所示。
如图7所示,得到了车辆的区域二值平面图像后,结合车轮是圆形这一信息,利用图像处理知识可以找到图像中的车轮位置。同理,由于激光设备从车辆的车头开始扫描,所以优先找到的车轮就是前车轮701。
步骤S203,确定所述区域激光图像中车体高度的梯度值大于预定阈值的高度变化点。
在一些实施例中,有些车辆的区域激光图像中,车头和车厢连接处的上方会存在空调。区域激光图像中空调的存在会严重影响满足条件的高度变化点的确定。所以,在确定符合条件的高度变化点时,首先要去掉区域激光图像中的空调信息。
在一些实施例中,如果要去掉区域激光图像中的空调信息,首先要根据区域激光图像生成区域二值平面图像。在一些实施例中,区域激光图像中包含激光反射点的实际高度。令高度最高的反射点存储在数据的最高行,令高度最低的反射点存储在数据最低行,以此类推将所有反射点按照高度填充至最高行和最低行之间。如果已知多列激光反射点的实际高度,根据以上方法可以生成车辆的区域二值平面,如图6所示。
在一些实施例中,如图8所示的车辆的区域二值平面图像中,首先求出区域二值平面信息中每一行数据中车头前段位置距离区域二值平面图像最左端的序列信息,我们把这些信息统称为空气序列信息。根据空气序列信息可以得到车辆最左端位置的变化曲线801,我们可以根据车辆最左端位置的变化曲线801上的拐点802找到车辆的空调的位置。所述拐点就是变化曲线801的凹凸分界点。找到变化曲线801上的拐点就可以进一步的确定空调信息,如果在车辆的区域二值平面图像中可以找到空调图像信息,那么在区域激光图像中也可以对应的找到空调图像信息。
在一些实施例中,如果车辆的上方配置有空调,则根据车辆的区域二值平面信息确定车辆的空调位置,并在区域激光图像中对应的找到并去掉空调图像信息。在去除区域激光图像中的空调信息之后再根据区域激光图像的高度信息确定车体的高度的梯度值大于预定阈值的高度变化点;如果车辆上方没有配置空调,则直接根据区域激光图像的高度信息确定车体高度的梯度值大于预定阈值的高度变化点。
其中,高度变化点指的是车体高度发生变化的位置。确定车体高度的梯度值大于预定阈值的高度变化点可以具体实现为:根据区域激光图像中包含的高度信息计算区域激光图像相邻列最高点之间的高度梯度值;找到高度梯度值大于预定阈值的高度变化点,例如,找到高度梯度值大于1米的位置即可判定该点为满足条件的高度变化点。一辆车的车体可能会包含多个满足条件的高度变化点,例如,连接车头和车厢的连接处就远低于车头或者车厢,该连接处与车头或车厢的交接处就是高度变化点。
步骤204,根据所述高度变化点与所述前车轮位置的位置关系确定车头和车厢分界位置,从而确定车头位置。
在一些实施例中,如果已经找到区域激光图像中车体高度的梯度变化至大于预定阈值的高度变化点,则根据所述高度变化点与前车轮位置的位置关系确定车头和车厢分界位置。例如,如果已经找到至少一个高度变化点,则判断上述高度变化点是否在车辆前车轮位置之后;如果该高度变化点确定在车辆前车轮位置之后,则继续判断该高度变化点距离车辆前车轮中心点的水平距离是否在50厘米至100厘米范围之内,如果该高度变化点不在车辆前车轮之后,则放弃该高度变化点,继续判断其他高度变化点;如果判定落在车辆前车轮之后的高度变化点距离前车轮中心点的水平距离落在50厘米至100厘米范围之内,则认为该高度变化点所在位置处就是车头和车厢的分界处,如果判定落在车辆前车轮之后的高度变化点距离前车轮中心点的水平距离不落在50厘米至100厘米范围之内,则放弃该高度变化点,继续判断其他高度变化点。如图9所示,高度变化点902就在前车轮901之后,并且距离前车轮中心点的实际水平距离只有80厘米,则可以判定高度变化点902位置处就是根据上述步骤判断得出的车头和车厢的分界处,根据车头和车厢的分界处就可以找到车头所在的位置。
但是,在实际工作中,并不是所有车辆都存在满足要求的高度变化点,例如,有些车辆车头和车厢连在一起并且等高,此时就无法确定符合条件的车辆车体的高度变化点。
基于此,本公开在一些实施例中还提出了另一种车头识别方法,即基于区域激光图像中的远点区域的位置进行车头识别。
图10是根据另一示例性实施例示出的一种车头识别方法的流程图。
步骤S1001,获取车辆的区域激光图像,所述区域激光图像包括深度信息和高度信息。
在一些实施例中,车辆的区域激光图像可以指的是由激光设备扫描获取的车辆的部分车体的图像,在该区域激光图像信息中包含了车辆的深度信息以及车体的实际高度信息。
在一些实施例中,激光设备可以获取车辆的序列图像信息,其中序列图像信息指的是组成图像的列数据,其中序列图像信息中包含车辆被扫描部分的车体距离激光设备的直线距离。根据序列图像中车辆被扫描部分的车体距离激光设备的直线距离可以进一步的求出车辆被扫描部分的车体的深度信息,再根据车辆的速度信息对多列根据序列图像信息求出的深度信息矫正后就可以得出区域激光图像。
在一些实施例中,如图3所示,在一次激光扫描中,激光设备会发出多束方向不同的激光301,其中该多束激光在同一个垂直于地面303的激光平面中传播,并且激光传播轨迹与激光平面的垂直面的夹角是是θi,θi的取值范围是0至180度。当激光接触到车辆时会在车辆表面发生发射,反射的激光会进一步地被激光接收设备接收。通过计算激光在空中的传播时间可以计算该激光反射点距离激光设备的直线距离Li,通过公式:车高=Li*cosθi+激光设备实际高度,可以计算出激光反射点的实际高度,由此便获得了车辆序列图像信息。该车辆序列图像信息包括车体上激光反射点距离激光设备的直线距离以及激光反射点的实际高度。
上述采集的车辆的序列图像信息仅是一列数据,根据多列上述序列图像信息可以获取区域激光图像信息。例如,如果已知车辆的序列图像信息,其中序列图像信息包含激光发射点距离激光设备的直线距离Li,通过公式:深度值(图像灰度值)=Li*sinθi,可以计算出激光反射点的深度值。另外,通过公式:车高=Li*cosθi+激光设备实际高度,可以计算出激光反射点的实际高度。已知多列车辆反射点的深度信息和高度信息,就可以得出如图4所示的车辆的区域激光图像。图4从左至右依次展示了在激光设备扫描车体的扫描过程中,生成的区域激光图像中的序列数据逐渐增加的过程。
步骤S1002,基于所述区域激光图像确定所述车辆的前车轮位置。
在一些实施例中,获得车辆的区域激光图像之后,还需要在区域激光图像中确定车辆前车轮的位置。已知区域激光图像信息中车辆的高度信息,又根据常识可得车轮的位置的实际高度最低,可以通过找到区域激光图像中高度低于确定阈值的区域以确定车轮位置。如图5所示,可以将区域激光图像中高度低于10厘米的点判定为车轮上的点,又由于激光设备从车辆的车头开始扫描,所以在激光设备扫描车辆过程中优先找到的车轮就是前车轮501。
在一些实施例中,由于一些车辆驾驶舱外存在脚踏,使得无法找到车轮位置。如图5中所示,脚踏502的位置也非常低,如果根据区域激光图像中点的高度信息判断车辆的前车轮位置会由于脚踏的存在导致无法确定前车轮位置。为此,还需引入车辆的区域二值平面图像进行辅助判断。
在一些实施例中,区域激光图像中还包含激光反射点的实际高度。令高度最高的发射点存储在数据的最高行,令高度最低的发射点存储在数据最低行,以此类推将所有反射点按照高度填充至最高行和最低行之间。如果已知车辆中多列激光反射点的实际高度,就可以生成车辆的区域二值平面图像,如图6所示。
如图7所示,得到了车辆的区域二值平面图像后,结合车轮是圆形这一信息,利用图像处理知识可以找到图像中的车轮位置。同理,由于激光设备从车辆的车头开始扫描,所以优先找到的车轮就是前车轮701。
步骤S1003,基于所述区域激光图像的深度信息确定所述区域激光图像中的远点区域。
其中,远点区域指的是区域激光图像中深度信息大于预定阈值的区域。例如,可以将区域激光图像中灰度值大于200的点组成的区域叫做远点区域。图11中是根据一示例性实施例示出的根据区域激光图像找到的两个远点区域。
步骤S1004,根据所述远点与前车轮位置的位置关系确定车头和车厢分界位置,从而确定车头位置。
在一些实施例中,如果已经找到区域激光图像中的远点区域,则根据所述远点区域与前车轮位置的位置关系确定车头和车厢分界位置。例如,如果已经找到至少一个远点区域,则判断上述远点区域是否在车辆前车轮位置之后;如果该远点区域确定在车辆前车轮位置之后,则继续判断该远点区域靠近前车轮的一端距离车辆前车轮中心点的水平距离是否在50厘米至100厘米范围之内,如果该远点区域靠近前车轮的一端不在车辆前车轮之后,则放弃该远点区域,继续判断其它远点区域;如果判定落在车辆前车轮之后的远点区域靠近前车轮的一端距离前车轮中心点的水平距离落在50厘米至100厘米范围之内,则认为该高度变化点所在位置处就是车头和车厢的分界处,如果判定落在车辆前车轮之后的远点区域距离前车轮中心点的水平距离不落在50厘米至100厘米范围之内,则放弃该高远点区域,继续判断其它远点区域。如图11所示,两个亮度较大的区域就是远点区域,可以判断右侧远点区域就在前车轮之后,并且距离前车轮中心点的实际水平距离只有80厘米,则可以判定该远点区域所在位置处就是根据上述步骤判断得出的车头和车厢的分界处,根据车头和车厢的分界处就可以找到车头所在的位置。
图12根据一示例性实施例示出的一种车辆扫描方法的流程图。
步骤S1201,根据车头识别方法确定车辆车头位置。
在一示例性实施例中,当需要采取不同的方式对车头和车厢分别进行扫描时,首先要确定车头位置。
在一些实施例中,通过上述实施例提供的车头识别方法可以确定车辆的车头位置。
步骤S1202,基于所述车辆车头位置对所述车辆进行扫描。
如果已经确定车辆的车头位置,则可以基于车辆车头位置,对车头和车厢采取不同的方式进行扫描。例如,在海关检车辆时需要对行驶中的车辆进行X射线扫描,但是X射线对人体伤害比较大。所以在使用X射线扫描车辆时需要先确定车头位置,然后避开车头位置使用X射线对车辆车厢进行扫描。
图13根据另一示例性实施例示出的一种车辆扫描方法的流程图。
参照图13,车辆扫描方法主要包括以下步骤。
步骤S1301,激光设备采集车辆的序列图像信息。
使用激光设备采集车辆的序列图像信息。
步骤S1302,激光设备将序列图像信息传入控制设备。
激光设备将采集到的序列图像信息传入控制设备,以控制设备识别车头位置。
步骤S1303,控制设备根据序列图像生成区域激光图像并根据生成的区域激光图像识别车头位置。
控制设备根据激光设备传入的序列图像信息生成区域激光图像,并根据上述描述的任意一种车头识别方法识别车头。
步骤S1304,判断控制设备是否已经识别出车头位置,如果判断控制设备尚未识别出车头位置,则执行步骤S1301继续采集车辆序列图像信息,如果判断控制室设备已经识别出车头位置,则执行步骤S1305。
识别车头结束后,控制设备判断是否已经识别出车头位置。如果判断已经识别车头位置,则就行执行步骤S1305控制扫描设备对车辆进行扫描;如果判断没有识别出车头位置,则执行步骤S1301继续采集车辆的序列图像信息继续识别车头位置。
步骤S1305,控制设备控制激光设备停止工作,并启动扫描设备对车辆进行扫描。
如果判断已经识别车头位置,控制设备会控制激光设备停止工作,并控制扫描设备对车辆进行扫描。控制设备可以控制扫描设备对车辆车厢单独进行扫描。例如,控制设备可以控制扫描设备对车辆车厢采用X射线进行扫描,对车头不进行扫描。
图14是根据一示例性实施例示出的一种车头识别装置的框图。参照图14,该装置140包括区域激光图像获取模块1401、区域激光图像确定前车轮位置模块1402、高度变化点确定模块1403以及车头位置确定模块1404。
其中,激光图像获取模块1401可以配置为获取车辆的区域激光图像,所述区域激光图像包括深度信息和高度信息。
区域激光图像确定前车轮位置模块1402可以配置为基于所述区域激光图像确定所述车辆的前车轮位置。
高度变化点确定模块1403可以配置为确定所述区域激光图像中车体高度的梯度值大于预定阈值的高度变化点。
车头位置确定模块1404可以配置为根据所述高度变化点与所述前车轮位置的位置关系确定车头和车厢分界位置,从而确定车头位置。
在一些实施例中,如图15所示,装置140还可以包括去空调模块1405,该去空调模块1405可以配置为根据所述区域激光图像生成车辆的区域二值平面图像;基于所述区域二值平面图像确定车辆空调位置;根据所述车辆空调位置去除所述区域激光图像中车辆空调信息。
在示例性实施例中,如图16所示,区域激光图像获取模块1401包括:序列图像获取单元14011、区域激光图像生成单元14012。该序列图像获取单元14011可以配置为获取所述车辆的序列图像信息,区域激光图像生成单元14012可以配置为根据所述序列图像信息生成所述区域激光图像。
在示例性实施例中,如图17所示,如果基于区域激光图像不能确定车辆前车轮位置,区域激光图像确定前车轮位置模块1402还可以包括:区域二值平面图像生成单元14021,可以配置为根据所述区域激光图像生成车辆的区域二值平面图像;区域二值平面图像确定前车轮单元14022可以配置为基于所述区域二值平面图像确定所述车辆的前车轮位置。
图18是根据一示例性实施例示出的一种车头识别装置的框图。参照图18,该装置180包括获取区域激光图像模块1801、区域激光图像确定前车轮位置模块1802、图像远点区域确定模块1803以及车辆车头位置确定模块1804。
其中,获取区域激光图像模块1801可以配置为获取车辆的区域激光图像,所述区域激光图像包括深度信息和高度信息。
确定前车轮位置模块1802可以配置为基于所述区域激光图像确定所述车辆的前车轮位置。
图像远点区域确定模块1803可以配置为基于所述区域激光图像的深度信息确定所述区域激光图像中的远点区域。
车辆车头位置确定模块1804可以配置为根据所述远点区域与所述前车轮位置的位置关系确定车头和车厢分界位置,从而确定车头位置。
在示例性实施例中,如图19所示,装置180还可以包括去空调模块1805,该去空调模块1805可以配置为根据所述区域激光图像生成车辆的区域二值平面图像;基于所述区域二值平面图像确定车辆空调位置;根据所述车辆空调位置去除所述区域激光图像中车辆空调信息。
在示例性实施例中,如图20所示,获取区域激光图像模块1801包括:序列图像获取单元18011、区域激光图像生成单元18012。该序列图像获取单元18011可以配置为获取所述车辆的序列图像信息,区域激光图像生成单元18012可以配置为根据所述序列图像信息生成所述区域激光图像。
在示例性实施例中,如图21所示,如果基于区域激光图像不能确定车辆前车轮位置,确定前车轮位置模块1802还可以包括:区域二值平面图像生成单元18021,可以配置为根据所述区域激光图像生成车辆的区域二值平面图像;区域二值平面图像确定前车轮位置单元18022可以配置为基于所述区域二值平面图像确定所述车辆的前车轮位置。
由于本发明的示例实施例的车头识别装置180、180的各个功能模块与上述车头识别方法的示例实施例的步骤对应,因此在此不再赘述。
图22是根据一示例性实施例示出的一种车辆扫描***的框图。该***包括激光设备2201、扫描设备2202以及控制设备2203。其中激光设备2201用于获取车辆的区域激光图像,扫描设备2202用于对车辆进行扫描,控制设备2203用于接收车辆的区域激光图像,所述区域激光图像包括深度信息和高度信息;基于所述区域激光图像确定所述车辆的前车轮位置;基于所述区域激光图像的深度信息确定所述区域激光图像中的远点区域;根据所述远点区域与所述前车轮位置的位置关系确定车头和车厢分界位置,从而确定车头位置;基于所述车辆车头位置控制所述扫描设备对所述车辆进行扫描。
在另一实施例中,激光设备2201用于获取车辆的区域激光图像,扫描设备2202用于对车辆进行扫描,控制设备2203用于接收车辆的区域激光图像,所述区域激光图像包括深度信息和高度信息;基于所述区域激光图像确定所述车辆的前车轮位置;基于所述区域激光图像的深度信息确定所述区域激光图像中的远点区域;根据所述远点区域与所述前车轮位置的位置关系确定车头和车厢分界位置,从而确定车头位置;基于所述车辆车头位置控制所述扫描设备对所述车辆进行扫描。
下面参考图23,其示出了适于用来实现本申请实施例的终端设备的计算机***230的结构示意图。图23示出的终端设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图23所示,计算机***230包括中央处理单元(CPU)2301,其可以根据存储在只读存储器(ROM)2302中的程序或者从存储部分2308加载到随机访问存储器(RAM)2303中的程序而执行各种适当的动作和处理。在RAM 2303中,还存储有***2300操作所需的各种程序和数据。CPU 2301、ROM 2302以及RAM 2303通过总线2304彼此相连。输入/输出(I/O)接口2305也连接至总线2304。
以下部件连接至I/O接口2305:包括键盘、鼠标等的输入部分2306;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分2307;包括硬盘等的存储部分2308;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分2309。通信部分2309经由诸如因特网的网络执行通信处理。驱动器2310也根据需要连接至I/O接口2305。可拆卸介质2311,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器2310上,以便于从其上读出的计算机程序根据需要被安装入存储部分2308。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分2309从网络上被下载和安装,和/或从可拆卸介质2311被安装。在该计算机程序被中央处理单元(CPU)2301执行时,执行本申请的***中限定的上述功能。
需要说明的是,本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括发送单元、获取单元、确定单元和第一处理单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备可实现功能包括:获取车辆的区域激光图像,所述区域激光图像包括深度信息和高度信息;基于所述区域激光图像确定所述车辆的前车轮位置;确定所述区域激光图像中车体高度的梯度值大于预定阈值的高度变化点;根据所述高度变化点与所述前车轮位置的位置关系确定车头和车厢分界位置,从而确定车头位置。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,本发明实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者智能设备等)执行根据本发明实施例的方法。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本公开旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由权利要求指出。
应当理解的是,本发明并不限于这里已经示出的详细结构、附图方式或实现方法,相反,本发明意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
Claims (16)
1.一种车头识别方法,其特征在于,包括:
获取车辆的区域激光图像,所述区域激光图像包括深度信息和高度信息;
基于所述区域激光图像确定所述车辆的前车轮位置;
确定所述区域激光图像中车体高度的梯度值大于预定阈值的高度变化点;
根据所述高度变化点与所述前车轮位置的位置关系确定车头和车厢分界位置,从而确定车头位置。
2.根据权利要求1所述方法,其特征在于,还包括:
根据所述区域激光图像生成车辆的区域二值平面图像;
基于所述区域二值平面图像确定车辆空调位置;
根据所述车辆空调位置去除所述区域激光图像中车辆空调信息。
3.根据权利要求1所述方法,其特征在于,所述基于所述区域激光图像确定所述车辆的前车轮位置包括:
如果基于所述区域激光图像不能确定所述车辆的前车轮位置,则根据所述区域激光图像生成车辆的区域二值平面图像,并基于所述区域二值平面图像确定所述车辆的前车轮位置。
4.根据权利要求1所述方法,其特征在于,所述获取车辆的区域激光图像包括:
获取所述车辆的序列图像信息;
根据所述序列图像信息生成所述区域激光图像。
5.一种车头识别方法,其特征在于,包括:
获取车辆的区域激光图像,所述区域激光图像包括深度信息和高度信息;
基于所述区域激光图像确定所述车辆的前车轮位置;
基于所述区域激光图像的深度信息确定所述区域激光图像中的远点区域;
根据所述远点区域与所述前车轮位置的位置关系确定车头和车厢分界位置,从而确定车头位置。
6.根据权利要求5所述方法,其特征在于,还包括:
根据所述区域激光图像生成车辆的区域二值平面图像;
基于所述区域二值平面图像确定车辆空调位置;
根据所述车辆空调位置去除所述区域激光图像中车辆空调信息。
7.根据权利要求5所述方法,其特征在于,所述基于所述区域激光图像确定所述车辆的前车轮位置包括:
如果基于所述区域激光图像不能确定所述车辆的前车轮位置,则根据所述区域激光图像生成车辆的区域二值平面图像,并基于所述区域二值平面图像确定所述车辆的前车轮位置。
8.根据权利要求5所述方法,其特征在于,所述获取车辆的区域激光图像包括:
获取所述车辆的序列图像信息;
根据所述序列图像信息生成所述区域激光图像。
9.一种车辆扫描方法,其特征在于,包括:
根据权利要求1-8中任一项所述的车头识别方法确定车辆车头位置;
基于所述车辆车头位置对所述车辆进行扫描。
10.根据权利要求9所述的方法,其特征在于,所述基于所述车辆车头位置对所述车辆进行扫描包括:基于所述车辆车头位置,实现对所述车辆车厢的单独扫描。
11.一种车头识别装置,其特征在于,包括:
区域激光图像获取模块,配置为获取车辆的区域激光图像,所述区域激光图像包括深度信息和高度信息;
前车轮位置确定模块,配置为基于所述区域激光图像确定所述车辆的前车轮位置;
高度变化点确定模块,配置为确定所述区域激光图像中车体高度的梯度值大于预定阈值的高度变化点;
车头位置确定模块,配置为根据所述高度变化点与所述前车轮位置的位置关系确定车头和车厢分界位置,从而确定车头位置。
12.一种车头识别装置,其特征在于,包括:
获取区域激光图像模块,配置为获取车辆的区域激光图像,所述区域激光图像包括深度信息和高度信息;
确定前车轮模块,配置为基于所述区域激光图像确定所述车辆的前车轮位置;
图像远点区域位置确定模块,配置为基于所述区域激光图像的深度信息确定所述区域激光图像中的远点区域;
车辆车头位置确定模块,配置为根据所述远点区域与所述前车轮位置的位置关系确定车头和车厢分界位置,从而确定车头位置。
13.一种车辆扫描***,其特征在于,包括:
激光设备,用于获取车辆的区域激光图像;
扫描设备,用于对车辆进行扫描;
控制设备,用于接收车辆的区域激光图像,所述区域激光图像包括深度信息和高度信息;基于所述区域激光图像确定所述车辆的前车轮位置;确定所述区域激光图像中车体高度的梯度值大于预定阈值的高度变化点;根据所述高度变化点与所述前车轮位置的位置关系确定车头和车厢分界位置,从而确定车头位置;基于所述车辆车头位置控制所述扫描设备对所述车辆进行扫描。
14.一种车辆扫描***,其特征在于,包括:
激光设备,用于获取车辆的区域激光图像;
扫描设备,用于对车辆进行扫描;
控制设备,用于接收车辆的区域激光图像,所述区域激光图像包括深度信息和高度信息;基于所述区域激光图像确定所述车辆的前车轮位置;基于所述区域激光图像的深度信息确定所述区域激光图像中的远点区域;根据所述远点区域与所述前车轮位置的位置关系确定车头和车厢分界位置,从而确定车头位置;基于所述车辆车头位置控制所述扫描设备对所述车辆进行扫描。
15.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10中任一项所述的方法。
16.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-10中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311064592.9A CN117037086A (zh) | 2018-12-27 | 2018-12-27 | 车头识别方法及装置、车辆扫描***、设备和可读介质 |
CN201811615134.9A CN111382597B (zh) | 2018-12-27 | 2018-12-27 | 车头识别方法及装置、车辆扫描***、设备和可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811615134.9A CN111382597B (zh) | 2018-12-27 | 2018-12-27 | 车头识别方法及装置、车辆扫描***、设备和可读介质 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311064592.9A Division CN117037086A (zh) | 2018-12-27 | 2018-12-27 | 车头识别方法及装置、车辆扫描***、设备和可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111382597A true CN111382597A (zh) | 2020-07-07 |
CN111382597B CN111382597B (zh) | 2023-09-12 |
Family
ID=71216523
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811615134.9A Active CN111382597B (zh) | 2018-12-27 | 2018-12-27 | 车头识别方法及装置、车辆扫描***、设备和可读介质 |
CN202311064592.9A Pending CN117037086A (zh) | 2018-12-27 | 2018-12-27 | 车头识别方法及装置、车辆扫描***、设备和可读介质 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311064592.9A Pending CN117037086A (zh) | 2018-12-27 | 2018-12-27 | 车头识别方法及装置、车辆扫描***、设备和可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN111382597B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112462086A (zh) * | 2020-10-23 | 2021-03-09 | 宁波傲视智绘光电科技有限公司 | 一种测速方法、装置及可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011108223A (ja) * | 2009-10-22 | 2011-06-02 | Mitsubishi Electric Corp | 車軸検知システム |
CN104050811A (zh) * | 2014-06-13 | 2014-09-17 | 深圳市砝石激光测控有限公司 | 激光机动车分型***及方法 |
CN104391339A (zh) * | 2014-12-17 | 2015-03-04 | 同方威视技术股份有限公司 | 车型识别方法以及利用该方法的车辆快速检查*** |
CN105427614A (zh) * | 2015-08-28 | 2016-03-23 | 北京动视元科技有限公司 | 一种车型分类***及其方法 |
-
2018
- 2018-12-27 CN CN201811615134.9A patent/CN111382597B/zh active Active
- 2018-12-27 CN CN202311064592.9A patent/CN117037086A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011108223A (ja) * | 2009-10-22 | 2011-06-02 | Mitsubishi Electric Corp | 車軸検知システム |
CN104050811A (zh) * | 2014-06-13 | 2014-09-17 | 深圳市砝石激光测控有限公司 | 激光机动车分型***及方法 |
CN104391339A (zh) * | 2014-12-17 | 2015-03-04 | 同方威视技术股份有限公司 | 车型识别方法以及利用该方法的车辆快速检查*** |
CN105427614A (zh) * | 2015-08-28 | 2016-03-23 | 北京动视元科技有限公司 | 一种车型分类***及其方法 |
Non-Patent Citations (1)
Title |
---|
张飞: "基于激光扫描技术的车辆识别与三维重构***" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112462086A (zh) * | 2020-10-23 | 2021-03-09 | 宁波傲视智绘光电科技有限公司 | 一种测速方法、装置及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111382597B (zh) | 2023-09-12 |
CN117037086A (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110286387B (zh) | 应用于自动驾驶***的障碍物检测方法、装置及存储介质 | |
CN109284348B (zh) | 一种电子地图的更新方法、装置、设备和存储介质 | |
US10824880B2 (en) | Methods and systems for detecting environmental information of a vehicle | |
CN112634181B (zh) | 用于检测地面点云点的方法和装置 | |
CN108509820B (zh) | 障碍物分割方法及装置、计算机设备及可读介质 | |
CN106845412B (zh) | 障碍物识别方法及装置、计算机设备及可读介质 | |
CN106919908B (zh) | 障碍物识别方法及装置、计算机设备及可读介质 | |
CN109993192B (zh) | 目标对象识别方法及装置、电子设备、存储介质 | |
CN106934347B (zh) | 障碍物识别方法及装置、计算机设备及可读介质 | |
CN106709475B (zh) | 障碍物识别方法及装置、计算机设备及可读存储介质 | |
CN108470174B (zh) | 障碍物分割方法及装置、计算机设备及可读介质 | |
CN112897345B (zh) | 集装箱卡车与起重机的对位方法及相关设备 | |
CN106845416B (zh) | 障碍物识别方法及装置、计算机设备及可读介质 | |
CN106651881B (zh) | 车辆检查***、车辆部位识别方法及*** | |
US20230005278A1 (en) | Lane extraction method using projection transformation of three-dimensional point cloud map | |
CN113835102B (zh) | 车道线生成方法和装置 | |
JP4674179B2 (ja) | 影認識方法及び影境界抽出方法 | |
CN112613424A (zh) | 铁轨障碍物检测方法、装置、电子设备和存储介质 | |
CN106530825B (zh) | 基于st-mrf模型的电动自行车与汽车交通冲突检测方法 | |
CN104881661A (zh) | 基于结构相似度的车辆检测方法 | |
CN113514847A (zh) | 一种车辆外轮廓尺寸检测方法、***及存储介质 | |
KR101178508B1 (ko) | 차량 충돌 경보 시스템 및 방법 | |
CN109827610B (zh) | 用于校验传感器融合结果的方法和装置 | |
CN111382597A (zh) | 车头识别方法及装置、车辆扫描***、设备和可读介质 | |
CN112598668B (zh) | 基于三维图像的缺陷识别方法、装置及电子设备 |
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 |