CN112014855A - 一种基于激光雷达的车辆外廓检测方法及*** - Google Patents
一种基于激光雷达的车辆外廓检测方法及*** Download PDFInfo
- Publication number
- CN112014855A CN112014855A CN202010701111.0A CN202010701111A CN112014855A CN 112014855 A CN112014855 A CN 112014855A CN 202010701111 A CN202010701111 A CN 202010701111A CN 112014855 A CN112014855 A CN 112014855A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- time
- scanning
- point cloud
- cloud data
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 238000012935 Averaging Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000013075 data extraction Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明涉及一种基于激光雷达的车辆外廓检测方法及***。该方法包括:获取激光雷达扫描的点云数据;激光雷达设置于车辆的上方,激光雷达包括多个扫描面,扫描面垂直于车辆的前进方向;提取每个扫描面对应的第一时间和第二时间;第一时间为扫描面第一次扫描到车头的时间,第二时间为扫描面最后一次扫描到车尾的时间;根据扫描面对应的第一时间和第二时间与相邻两个扫描面之间的距离,确定车辆的长度;根据点云数据对车辆进行三维重构,得到车辆的三维轮廓;将三维轮廓中高度最大值确定为车辆的高度、宽度最大值确定为车辆的宽度。本发明可以提高过往车辆的外廓检测精确度,在车辆超限治理领域可以有效对车辆的超长、超宽和超高情况进行监测。
Description
技术领域
本发明涉及车辆外廓检测领域,特别是涉及一种基于激光雷达的车辆外廓检测方法及***。
背景技术
随着经济的快速发展,公路货物运输在整个运输领域中占有重要的地位,并发挥着越来越显著的作用。但近年来,货运车辆超限超载现象屡禁不止,而且非法超限超载运输屡见不鲜,并且车型越改越大,吨位越来越重,这不仅严重破坏了公路桥梁等基础设施,危害地方经济发展环境,更严重威胁了公众生命财产安全。
目前,全国各地针对超限超载运输的主要治理手段是通过在高速公路道口等地建设治超监测点对往来运输车辆进行相关检测,判定其是否超限超载运输,从而有效遏制超限超载运输。但随着近几年运输行业的发展,该类治超监测点也逐渐面临如下难题:治超设备老化,精度不高,无法对过往车辆进行精确的轮廓测量。
众所周知,车辆超限运输分为两类:一类是载货重量的超限,即超载;另一类是车辆外部轮廓的超限,即超长、超宽、超高。目前,大部分治超监测点在进行治超工作时由于设备的局限性往往只重视车辆的超载情况,忽视了车辆的超长、超宽、超高情况,从而造成治超盲区,导致超长、超宽、超高车辆一直居高不下,引发各类交通事故和标牌损坏。
发明内容
本发明的目的是提供一种基于激光雷达的车辆外廓检测方法及***,以提高过往车辆的外廓检测精确度,在车辆超限治理领域可以有效对车辆的超长、超宽和超高情况进行监测。
为实现上述目的,本发明提供了如下方案:
一种基于激光雷达的车辆外廓检测方法,包括:
获取激光雷达扫描的点云数据;所述激光雷达设置于车辆的上方,所述激光雷达包括多个扫描面,所述扫描面垂直于车辆的前进方向;
提取所述点云数据中每个扫描面对应的第一时间和第二时间;所述第一时间为所述扫描面第一次扫描到车头的时间,所述第二时间为每个扫描面最后一次扫描到车尾的时间;
根据每个扫描面对应的第一时间和第二时间与相邻两个扫描面之间的距离,确定所述车辆的长度;
根据所述点云数据对车辆进行三维重构,得到车辆的三维轮廓;
将所述三维轮廓中高度最大值确定为所述车辆的高度;
将所述三维轮廓中宽度最大值确定为所述车辆的宽度。
可选的,所述获取激光雷达扫描的点云数据,之后还包括:
剔除所述点云数据中超出车道宽度的点云数据,得到预处理后的点云数据;所述车道为所述车辆所在的车道。
可选的,所述根据每个扫描面对应的第一时间和第二时间与相邻两个扫描面之间的距离,确定所述车辆的长度,具体包括:
计算相邻两个扫描面对应的第一时间的差值,得到第一差值;
计算相邻两个扫描面对应的第二时间的差值,得到第二差值;
根据相邻两个扫描面之间的距离以及对应的第一差值,确定相邻两个扫描面之间的车头速度;
根据相邻两个扫描面之间的距离以及对应的第二差值,确定相邻两个扫描面之前的车尾速度;
将所有的车头速度和车尾速度取平均值,确定所述车辆的速度;
根据每个扫描面对应的第一时间和第二时间以及所述车辆速度,确定所述车辆的长度。
可选的,所述根据每个扫描面对应的第一时间和第二时间以及所述车辆的速度,确定所述车辆的长度,具体包括:
根据每个扫描面对应的第一时间和第二时间以及所述车辆的速度,确定每个扫描面对应的车辆的长度;
将每个扫描面对应的车辆的长度取平均值,确定所述车辆的长度。
可选的,所述根据所述点云数据对车辆进行三维重构,得到车辆的三维轮廓,具体包括:
提取每个扫描面扫描的车辆点云数据;所述车辆点云数据为所述扫描面对应的第一时间至第二时间时间段内扫描的点云数据;
按照每个扫描面扫描的车辆点云数据进行三维重构,构建每个扫描面对应的初始车辆三维模型;
对所有扫描面对应的初始车辆三维模型进行融合,得到最终车辆三维模型;
对所述最终车辆三维模型进行轮廓提取,得到所述车辆的三维轮廓。
本发明还提供一种基于激光雷达的车辆外廓检测***,包括:
点云数据获取模块,用于获取激光雷达扫描的点云数据;所述激光雷达设置于车辆的上方,所述激光雷达包括多个扫描面,所述扫描面垂直于车辆的前进方向;
第一时间和第二时间提取模块,用于提取所述点云数据中每个扫描面对应的第一时间和第二时间;所述第一时间为所述扫描面第一次扫描到车头的时间,所述第二时间为每个扫描面最后一次扫描到车尾的时间;
车辆长度确定模块,用于根据每个扫描面对应的第一时间和第二时间与相邻两个扫描面之间的距离,确定所述车辆的长度;
三维重构模块,用于根据所述点云数据对车辆进行三维重构,得到车辆的三维轮廓;
车辆高度确定模块,用于将所述三维轮廓中高度最大值确定为所述车辆的高度;
车辆宽度确定模块,用于将所述三维轮廓中宽度最大值确定为所述车辆的宽度。
可选的,还包括:
预处理模块,用于在获取激光雷达扫描的点云数据之后,剔除所述点云数据中超出车道宽度的点云数据,得到预处理后的点云数据;所述车道为所述车辆所在的车道。
可选的,所述车辆长度确定模块具体包括:
第一差值确定单元,用于计算相邻两个扫描面对应的第一时间的差值,得到第一差值;
第二差值确定单元,用于计算相邻两个扫描面对应的第二时间的差值,得到第二差值;
车头速度确定单元,用于根据相邻两个扫描面之间的距离以及对应的第一差值,确定相邻两个扫描面之间的车头速度;
车尾速度确定单元,用于根据相邻两个扫描面之间的距离以及对应的第二差值,确定相邻两个扫描面之前的车尾速度;
车辆速度确定单元,用于将所有的车头速度和车尾速度取平均值,确定所述车辆的速度;
车辆长度确定单元,用于根据每个扫描面对应的第一时间和第二时间以及所述车辆速度,确定所述车辆的长度。
可选的,所述车辆长度确定单元具体包括:
车辆长度确定子单元,用于根据每个扫描面对应的第一时间和第二时间以及所述车辆的速度,确定每个扫描面对应的车辆的长度;
取平均值子单元,用于将每个扫描面对应的车辆的长度取平均值,确定所述车辆的长度。
可选的,所述三维重构模块具体包括:
点云数据提取单元,用于提取每个扫描面扫描的车辆点云数据;所述车辆点云数据为所述扫描面对应的第一时间至第二时间时间段内扫描的点云数据;
三维重构单元,用于按照每个扫描面扫描的车辆点云数据进行三维重构,构建每个扫描面对应的初始车辆三维模型;
融合单元,用于对所有扫描面对应的初始车辆三维模型进行融合,得到最终车辆三维模型;
轮廓提取单元,用于对所述最终车辆三维模型进行轮廓提取,得到所述车辆的三维轮廓。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
检测精度高,抗环境干扰性强。由于车辆外廓的检测场地多为开放式或半开放式环境,受气温、湿度、扬尘及各种天气因素影响,光幕传感器较容易损坏,光幕传感器的维修过程较为复杂,成本也相对较高。并且光幕法测量出的长度参数有不小的几率会存在较大误差。而激光雷达由于扫描频率高,扫描精度密且受环境影响小,所以检测精度较高,抗环境干扰性也比较强。
成本较低。相较于其他采用多激光雷达进行车辆长宽高检测的***方案,本发明只需采用单个激光雷达,因此在保证精度的同时,降低了成本。
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,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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为本发明基于激光雷达的车辆外廓检测方法的流程示意图;
图2为本发明激光雷达的安装位置示意图;
图3为本发明激光雷达的扫描面示意图;
图4为本发明激光雷达扫描面的立体示意图;
图5为三维重构后的初始车辆三维模型示意图;
图6为本发明基于激光雷达的车辆外廓检测***的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明基于激光雷达的车辆外廓检测方法的流程示意图。如图1所示,本发明基于激光雷达的车辆外廓检测方法包括以下步骤:
步骤100:获取激光雷达扫描的点云数据。图2为本发明激光雷达的安装位置示意图,图3为本发明激光雷达的扫描面示意图,图4为本发明激光雷达扫描面的立体示意图。如图2-图4所示,激光雷达设置于每个车道的上方栏杆上,位于车辆的上方,每个激光雷达对应扫描一个车道的车辆。激光雷达包括多个扫描面,图3和图4中以包括4个扫描面为例,相邻两个扫描面之间的夹角为2°,图中扫描面为P1、P2、P3和P4,每个扫描面的扫描角度为96°。激光雷达距离车道的高度为L,相邻两个扫描面在车道投影的之间的距离分别为L1、L2和L3。激光雷达的扫描面垂直于车辆的前进方向,即每个扫描面的扫描范围覆盖整个车辆的宽度。
激光雷达扫描时,对于每个扫描面的每一帧,每隔0.3516°发射一束激光到车辆表面,然后接收该激光的返回,通过TOF原理,就知道车辆表面该点到激光雷达的距离。每一帧数据会获得274组由角度和距离组成的点云数据,然后通过极坐标转化,可以得到点云数据中每个点的直角坐标位置,因此点云数据中每个点都有相应的坐标。
在获得点云数据后,可以进一步剔除点云数据中超出车辆所在车道宽度的点云数据,得到预处理后的点云数据,避免激光雷达扫描到相邻车道的车辆所带来的的干扰。
步骤200:提取点云数据中每个扫描面对应的第一时间和第二时间。第一时间为扫描面第一次扫描到车头的时间,第二时间为每个扫描面最后一次扫描到车尾的时间。
步骤300:根据每个扫描面对应的第一时间和第二时间与相邻两个扫描面之间的距离,确定车辆的长度。具体过程为:
计算相邻两个扫描面对应的第一时间的差值,得到第一差值。
计算相邻两个扫描面对应的第二时间的差值,得到第二差值。
根据相邻两个扫描面之间的距离以及对应的第一差值,确定相邻两个扫描面之间的车头速度。
根据相邻两个扫描面之间的距离以及对应的第二差值,确定相邻两个扫描面之前的车尾速度。
将所有的车头速度和车尾速度取平均值,确定所述车辆的速度。
根据每个扫描面对应的第一时间和第二时间以及所述车辆速度,确定所述车辆的长度。
以图3所示的激光雷达扫描面为例,车辆驶入激光雷达时,车头会依次经过4个面,记到达每个扫描面的时间点为T1、T2、T3、T4,即为每个扫描面的第一时间。车辆驶离开激光雷达时,车尾会依次离开4个面,即车尾离开每个扫描面的时间点为T5、T6、T7、T8,即为每个扫描面的第二时间。通过L1、L2、L3、T1、T2、T3、T4,可以计算出车辆驶入时,在L1、L2、L3段的速度V1、V2、V3;通过L1、L2、L3、T5、T6、T7、T8,可以计算车辆在驶离时,在L1、L2、L3段的速度V4、V5、V6。将六个速度取平均得到V7,即为车辆的速度。然后结合车头、车尾驶入和驶离同一扫描面的时间与速度V7,就可以算出车辆长度。为了提高准确度,可以进一步将每个扫描面计算得到的车辆的长度取平均值,确定车辆的长度。
步骤400:根据点云数据对车辆进行三维重构,得到车辆的三维轮廓。具体过程如下:
提取每个扫描面扫描的车辆点云数据。所述车辆点云数据为所述扫描面对应的第一时间至第二时间时间段内扫描的点云数据。
按照每个扫描面扫描的车辆点云数据进行三维重构,构建每个扫描面对应的初始车辆三维模型。每个扫描面按照车辆点云数据中每个点的时间与位置坐标,对车辆进行三维重构。如图5所示,图5为三维重构后的初始车辆三维模型示意图。此时可以根据初始车辆三维模型提取车辆的三维轮廓,进一步确定车辆的高度和宽度。
为了提高车辆轮廓的检测精度,可以进一步对所有扫描面对应的初始车辆三维模型进行融合,得到最终车辆三维模型,然后对所述最终车辆三维模型进行轮廓提取,得到所述车辆的三维轮廓。
步骤500:将三维轮廓中高度最大值确定为车辆的高度。
步骤600:将三维轮廓中宽度最大值确定为车辆的宽度。
本发明还提供一种基于激光雷达的车辆外廓检测***,图6为本发明基于激光雷达的车辆外廓检测***的结构示意图,本发明基于激光雷达的车辆外廓检测***包括:
点云数据获取模块601,用于获取激光雷达扫描的点云数据;所述激光雷达设置于车辆的上方,所述激光雷达包括多个扫描面,所述扫描面垂直于车辆的前进方向。
第一时间和第二时间提取模块602,用于提取所述点云数据中每个扫描面对应的第一时间和第二时间;所述第一时间为所述扫描面第一次扫描到车头的时间,所述第二时间为每个扫描面最后一次扫描到车尾的时间。
车辆长度确定模块603,用于根据每个扫描面对应的第一时间和第二时间与相邻两个扫描面之间的距离,确定所述车辆的长度。
三维重构模块604,用于根据所述点云数据对车辆进行三维重构,得到车辆的三维轮廓。
车辆高度确定模块605,用于将所述三维轮廓中高度最大值确定为所述车辆的高度。
车辆宽度确定模块606,用于将所述三维轮廓中宽度最大值确定为所述车辆的宽度。
作为另一实施例,本发明基于激光雷达的车辆外廓检测***还包括:
预处理模块,用于在获取激光雷达扫描的点云数据之后,剔除所述点云数据中超出车道宽度的点云数据,得到预处理后的点云数据;所述车道为所述车辆所在的车道。
作为另一实施例,本发明基于激光雷达的车辆外廓检测***中所述车辆长度确定模块603具体包括:
第一差值确定单元,用于计算相邻两个扫描面对应的第一时间的差值,得到第一差值。
第二差值确定单元,用于计算相邻两个扫描面对应的第二时间的差值,得到第二差值。
车头速度确定单元,用于根据相邻两个扫描面之间的距离以及对应的第一差值,确定相邻两个扫描面之间的车头速度。
车尾速度确定单元,用于根据相邻两个扫描面之间的距离以及对应的第二差值,确定相邻两个扫描面之前的车尾速度。
车辆速度确定单元,用于将所有的车头速度和车尾速度取平均值,确定所述车辆的速度。
车辆长度确定单元,用于根据每个扫描面对应的第一时间和第二时间以及所述车辆速度,确定所述车辆的长度。
作为另一实施例,本发明基于激光雷达的车辆外廓检测***中所述车辆长度确定单元具体包括:
车辆长度确定子单元,用于根据每个扫描面对应的第一时间和第二时间以及所述车辆的速度,确定每个扫描面对应的车辆的长度。
取平均值子单元,用于将每个扫描面对应的车辆的长度取平均值,确定所述车辆的长度。
作为另一实施例,本发明基于激光雷达的车辆外廓检测***所述三维重构模块604具体包括:
点云数据提取单元,用于提取每个扫描面扫描的车辆点云数据;所述车辆点云数据为所述扫描面对应的第一时间至第二时间时间段内扫描的点云数据。
三维重构单元,用于按照每个扫描面扫描的车辆点云数据进行三维重构,构建每个扫描面对应的初始车辆三维模型。
融合单元,用于对所有扫描面对应的初始车辆三维模型进行融合,得到最终车辆三维模型。
轮廓提取单元,用于对所述最终车辆三维模型进行轮廓提取,得到所述车辆的三维轮廓。
关于本发明的硬件,采用通过安装在车道龙门架上的激光雷达对过往的每一辆车辆进行扫描,并将相关扫描信息传送发给后台数据处理主机。后台数据处理主机接收到数据信息后将对扫描数据进行相关处理分析,最终计算得出当前扫描车辆的外廓信息。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于激光雷达的车辆外廓检测方法,其特征在于,包括:
获取激光雷达扫描的点云数据;所述激光雷达设置于车辆的上方,所述激光雷达包括多个扫描面,所述扫描面垂直于车辆的前进方向;
提取所述点云数据中每个扫描面对应的第一时间和第二时间;所述第一时间为所述扫描面第一次扫描到车头的时间,所述第二时间为每个扫描面最后一次扫描到车尾的时间;
根据每个扫描面对应的第一时间和第二时间与相邻两个扫描面之间的距离,确定所述车辆的长度;
根据所述点云数据对车辆进行三维重构,得到车辆的三维轮廓;
将所述三维轮廓中高度最大值确定为所述车辆的高度;
将所述三维轮廓中宽度最大值确定为所述车辆的宽度。
2.根据权利要求1所述的基于激光雷达的车辆外廓检测方法,其特征在于,所述获取激光雷达扫描的点云数据,之后还包括:
剔除所述点云数据中超出车道宽度的点云数据,得到预处理后的点云数据;所述车道为所述车辆所在的车道。
3.根据权利要求1所述的基于激光雷达的车辆外廓检测方法,其特征在于,所述根据每个扫描面对应的第一时间和第二时间与相邻两个扫描面之间的距离,确定所述车辆的长度,具体包括:
计算相邻两个扫描面对应的第一时间的差值,得到第一差值;
计算相邻两个扫描面对应的第二时间的差值,得到第二差值;
根据相邻两个扫描面之间的距离以及对应的第一差值,确定相邻两个扫描面之间的车头速度;
根据相邻两个扫描面之间的距离以及对应的第二差值,确定相邻两个扫描面之前的车尾速度;
将所有的车头速度和车尾速度取平均值,确定所述车辆的速度;
根据每个扫描面对应的第一时间和第二时间以及所述车辆速度,确定所述车辆的长度。
4.根据权利要求3所述的基于激光雷达的车辆外廓检测方法,其特征在于,所述根据每个扫描面对应的第一时间和第二时间以及所述车辆的速度,确定所述车辆的长度,具体包括:
根据每个扫描面对应的第一时间和第二时间以及所述车辆的速度,确定每个扫描面对应的车辆的长度;
将每个扫描面对应的车辆的长度取平均值,确定所述车辆的长度。
5.根据权利要求1所述的基于激光雷达的车辆外廓检测方法,其特征在于,所述根据所述点云数据对车辆进行三维重构,得到车辆的三维轮廓,具体包括:
提取每个扫描面扫描的车辆点云数据;所述车辆点云数据为所述扫描面对应的第一时间至第二时间时间段内扫描的点云数据;
按照每个扫描面扫描的车辆点云数据进行三维重构,构建每个扫描面对应的初始车辆三维模型;
对所有扫描面对应的初始车辆三维模型进行融合,得到最终车辆三维模型;
对所述最终车辆三维模型进行轮廓提取,得到所述车辆的三维轮廓。
6.一种基于激光雷达的车辆外廓检测***,其特征在于,包括:
点云数据获取模块,用于获取激光雷达扫描的点云数据;所述激光雷达设置于车辆的上方,所述激光雷达包括多个扫描面,所述扫描面垂直于车辆的前进方向;
第一时间和第二时间提取模块,用于提取所述点云数据中每个扫描面对应的第一时间和第二时间;所述第一时间为所述扫描面第一次扫描到车头的时间,所述第二时间为每个扫描面最后一次扫描到车尾的时间;
车辆长度确定模块,用于根据每个扫描面对应的第一时间和第二时间与相邻两个扫描面之间的距离,确定所述车辆的长度;
三维重构模块,用于根据所述点云数据对车辆进行三维重构,得到车辆的三维轮廓;
车辆高度确定模块,用于将所述三维轮廓中高度最大值确定为所述车辆的高度;
车辆宽度确定模块,用于将所述三维轮廓中宽度最大值确定为所述车辆的宽度。
7.根据权利要求6所述的基于激光雷达的车辆外廓检测***,其特征在于,还包括:
预处理模块,用于在获取激光雷达扫描的点云数据之后,剔除所述点云数据中超出车道宽度的点云数据,得到预处理后的点云数据;所述车道为所述车辆所在的车道。
8.根据权利要求6所述的基于激光雷达的车辆外廓检测***,其特征在于,所述车辆长度确定模块具体包括:
第一差值确定单元,用于计算相邻两个扫描面对应的第一时间的差值,得到第一差值;
第二差值确定单元,用于计算相邻两个扫描面对应的第二时间的差值,得到第二差值;
车头速度确定单元,用于根据相邻两个扫描面之间的距离以及对应的第一差值,确定相邻两个扫描面之间的车头速度;
车尾速度确定单元,用于根据相邻两个扫描面之间的距离以及对应的第二差值,确定相邻两个扫描面之前的车尾速度;
车辆速度确定单元,用于将所有的车头速度和车尾速度取平均值,确定所述车辆的速度;
车辆长度确定单元,用于根据每个扫描面对应的第一时间和第二时间以及所述车辆速度,确定所述车辆的长度。
9.根据权利要求8所述的基于激光雷达的车辆外廓检测***,其特征在于,所述车辆长度确定单元具体包括:
车辆长度确定子单元,用于根据每个扫描面对应的第一时间和第二时间以及所述车辆的速度,确定每个扫描面对应的车辆的长度;
取平均值子单元,用于将每个扫描面对应的车辆的长度取平均值,确定所述车辆的长度。
10.根据权利要求6所述的基于激光雷达的车辆外廓检测***,其特征在于,所述三维重构模块具体包括:
点云数据提取单元,用于提取每个扫描面扫描的车辆点云数据;所述车辆点云数据为所述扫描面对应的第一时间至第二时间时间段内扫描的点云数据;
三维重构单元,用于按照每个扫描面扫描的车辆点云数据进行三维重构,构建每个扫描面对应的初始车辆三维模型;
融合单元,用于对所有扫描面对应的初始车辆三维模型进行融合,得到最终车辆三维模型;
轮廓提取单元,用于对所述最终车辆三维模型进行轮廓提取,得到所述车辆的三维轮廓。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010701111.0A CN112014855A (zh) | 2020-07-20 | 2020-07-20 | 一种基于激光雷达的车辆外廓检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010701111.0A CN112014855A (zh) | 2020-07-20 | 2020-07-20 | 一种基于激光雷达的车辆外廓检测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112014855A true CN112014855A (zh) | 2020-12-01 |
Family
ID=73498908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010701111.0A Pending CN112014855A (zh) | 2020-07-20 | 2020-07-20 | 一种基于激光雷达的车辆外廓检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112014855A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112735135A (zh) * | 2020-12-31 | 2021-04-30 | 东来智慧交通科技(深圳)有限公司 | 高速运动车辆超限检测方法 |
CN112835061A (zh) * | 2021-02-04 | 2021-05-25 | 郑州衡量科技股份有限公司 | 基于ToF传感器的动态车辆分离与宽高检测方法与*** |
CN112987015A (zh) * | 2021-02-10 | 2021-06-18 | 深圳市镭神智能***有限公司 | 一种船舶检测方法、装置及激光雷达*** |
CN113640821A (zh) * | 2021-07-23 | 2021-11-12 | 鞍钢集团矿业有限公司 | 基于单线激光雷达扫描仪扫描的矿车装载量计量方法 |
CN113777616A (zh) * | 2021-07-27 | 2021-12-10 | 武汉市异方体科技有限公司 | 一种运动车辆测距方法 |
CN114264491A (zh) * | 2021-12-27 | 2022-04-01 | 中车青岛四方车辆研究所有限公司 | 轨道车辆轮对参数检测*** |
CN114495512A (zh) * | 2021-12-24 | 2022-05-13 | 武汉万集光电技术有限公司 | 一种车辆信息检测方法、***、电子设备及可读存储介质 |
CN114688989A (zh) * | 2020-12-25 | 2022-07-01 | 武汉万集信息技术有限公司 | 一种车辆特征的提取方法及提取*** |
CN118090665A (zh) * | 2024-04-23 | 2024-05-28 | 交通运输部天津水运工程科学研究所 | 一种基于近红外检测翻车机房煤炭含水率***及方法 |
CN118090665B (zh) * | 2024-04-23 | 2024-07-05 | 交通运输部天津水运工程科学研究所 | 一种基于近红外检测翻车机房煤炭含水率***及方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11185195A (ja) * | 1997-12-19 | 1999-07-09 | Hitachi Zosen Corp | 車種判別方法および装置 |
US6195019B1 (en) * | 1998-01-20 | 2001-02-27 | Denso Corporation | Vehicle classifying apparatus and a toll system |
CN102679889A (zh) * | 2012-05-30 | 2012-09-19 | 北京恒华伟业科技股份有限公司 | 车辆尺寸的测量方法和装置 |
CN103050010A (zh) * | 2012-12-31 | 2013-04-17 | 北京万集科技股份有限公司 | 一体式激光扫描交通情况调查装置及方法 |
CN103208186A (zh) * | 2013-03-19 | 2013-07-17 | 北京万集科技股份有限公司 | 一种激光三维扫描车辆的方法及装置 |
CN203225009U (zh) * | 2012-12-12 | 2013-10-02 | 北京万集科技股份有限公司 | 一种激光式交通情况调查*** |
JP2015207087A (ja) * | 2014-04-18 | 2015-11-19 | 三菱電機株式会社 | 車両監視装置 |
CN205049180U (zh) * | 2015-10-19 | 2016-02-24 | 何晓昀 | 一种公路超限检测*** |
CN205068772U (zh) * | 2015-08-01 | 2016-03-02 | 深圳市砝石激光测控有限公司 | 光幕激光交通情况调查*** |
CN106052587A (zh) * | 2016-07-27 | 2016-10-26 | 柳州科路测量仪器有限责任公司 | 车辆外廓尺寸激光测量装置及方法 |
CN106597659A (zh) * | 2016-11-18 | 2017-04-26 | 武汉万集信息技术有限公司 | 激光扫描装置 |
CN107146419A (zh) * | 2017-06-26 | 2017-09-08 | 黑龙江八农垦大学 | 高速运动车辆的自动监测*** |
KR20180100892A (ko) * | 2017-03-02 | 2018-09-12 | 현대자동차주식회사 | 차량 크기 추정 장치, 그 방법 및 그를 포함한 차량 인지 시스템 |
CN108765974A (zh) * | 2018-06-15 | 2018-11-06 | 江西路通科技有限公司 | 一种交通情况监测设备、监测方法及*** |
CN109598947A (zh) * | 2018-12-26 | 2019-04-09 | 武汉万集信息技术有限公司 | 一种车辆识别方法及*** |
CN208873286U (zh) * | 2017-12-06 | 2019-05-17 | 北京万集科技股份有限公司 | 一种基于多线激光雷达的交通情况调查*** |
-
2020
- 2020-07-20 CN CN202010701111.0A patent/CN112014855A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11185195A (ja) * | 1997-12-19 | 1999-07-09 | Hitachi Zosen Corp | 車種判別方法および装置 |
US6195019B1 (en) * | 1998-01-20 | 2001-02-27 | Denso Corporation | Vehicle classifying apparatus and a toll system |
CN102679889A (zh) * | 2012-05-30 | 2012-09-19 | 北京恒华伟业科技股份有限公司 | 车辆尺寸的测量方法和装置 |
CN203225009U (zh) * | 2012-12-12 | 2013-10-02 | 北京万集科技股份有限公司 | 一种激光式交通情况调查*** |
CN103050010A (zh) * | 2012-12-31 | 2013-04-17 | 北京万集科技股份有限公司 | 一体式激光扫描交通情况调查装置及方法 |
CN103208186A (zh) * | 2013-03-19 | 2013-07-17 | 北京万集科技股份有限公司 | 一种激光三维扫描车辆的方法及装置 |
JP2015207087A (ja) * | 2014-04-18 | 2015-11-19 | 三菱電機株式会社 | 車両監視装置 |
CN205068772U (zh) * | 2015-08-01 | 2016-03-02 | 深圳市砝石激光测控有限公司 | 光幕激光交通情况调查*** |
CN205049180U (zh) * | 2015-10-19 | 2016-02-24 | 何晓昀 | 一种公路超限检测*** |
CN106052587A (zh) * | 2016-07-27 | 2016-10-26 | 柳州科路测量仪器有限责任公司 | 车辆外廓尺寸激光测量装置及方法 |
CN106597659A (zh) * | 2016-11-18 | 2017-04-26 | 武汉万集信息技术有限公司 | 激光扫描装置 |
KR20180100892A (ko) * | 2017-03-02 | 2018-09-12 | 현대자동차주식회사 | 차량 크기 추정 장치, 그 방법 및 그를 포함한 차량 인지 시스템 |
CN107146419A (zh) * | 2017-06-26 | 2017-09-08 | 黑龙江八农垦大学 | 高速运动车辆的自动监测*** |
CN208873286U (zh) * | 2017-12-06 | 2019-05-17 | 北京万集科技股份有限公司 | 一种基于多线激光雷达的交通情况调查*** |
CN108765974A (zh) * | 2018-06-15 | 2018-11-06 | 江西路通科技有限公司 | 一种交通情况监测设备、监测方法及*** |
CN109598947A (zh) * | 2018-12-26 | 2019-04-09 | 武汉万集信息技术有限公司 | 一种车辆识别方法及*** |
Non-Patent Citations (4)
Title |
---|
KILIAN SCHNEIDER: "LiDAR-Based Contour Estimation of Oncoming Vehicles in Pre-Crash Scenarios", 2019 IEEE INTELLIGENT VEHICLES SYMPOSIUM (IV) * |
王婷;李坤伦;: "高速公路超高超宽车辆自动检测技术研究", 交通科技与经济, no. 05 * |
王海燕: "基于三维激光技术的汽车整车尺寸测量***关键技术的研究及实现", 中国硕士学位论文全文数据库 工程科技Ⅱ辑 * |
胡强;: "激光雷达车型自动识别***研究", 交通世界, no. 34 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114688989A (zh) * | 2020-12-25 | 2022-07-01 | 武汉万集信息技术有限公司 | 一种车辆特征的提取方法及提取*** |
CN112735135A (zh) * | 2020-12-31 | 2021-04-30 | 东来智慧交通科技(深圳)有限公司 | 高速运动车辆超限检测方法 |
CN112835061A (zh) * | 2021-02-04 | 2021-05-25 | 郑州衡量科技股份有限公司 | 基于ToF传感器的动态车辆分离与宽高检测方法与*** |
CN112835061B (zh) * | 2021-02-04 | 2024-02-13 | 郑州衡量科技股份有限公司 | 基于ToF传感器的动态车辆分离与宽高检测方法与*** |
CN112987015A (zh) * | 2021-02-10 | 2021-06-18 | 深圳市镭神智能***有限公司 | 一种船舶检测方法、装置及激光雷达*** |
CN113640821B (zh) * | 2021-07-23 | 2024-01-12 | 鞍钢集团矿业有限公司 | 基于单线激光雷达扫描仪扫描的矿车装载量计量方法 |
CN113640821A (zh) * | 2021-07-23 | 2021-11-12 | 鞍钢集团矿业有限公司 | 基于单线激光雷达扫描仪扫描的矿车装载量计量方法 |
CN113777616A (zh) * | 2021-07-27 | 2021-12-10 | 武汉市异方体科技有限公司 | 一种运动车辆测距方法 |
CN114495512A (zh) * | 2021-12-24 | 2022-05-13 | 武汉万集光电技术有限公司 | 一种车辆信息检测方法、***、电子设备及可读存储介质 |
CN114495512B (zh) * | 2021-12-24 | 2023-11-14 | 武汉万集光电技术有限公司 | 一种车辆信息检测方法、***、电子设备及可读存储介质 |
CN114264491B (zh) * | 2021-12-27 | 2023-07-21 | 中车青岛四方车辆研究所有限公司 | 轨道车辆轮对参数检测*** |
CN114264491A (zh) * | 2021-12-27 | 2022-04-01 | 中车青岛四方车辆研究所有限公司 | 轨道车辆轮对参数检测*** |
CN118090665A (zh) * | 2024-04-23 | 2024-05-28 | 交通运输部天津水运工程科学研究所 | 一种基于近红外检测翻车机房煤炭含水率***及方法 |
CN118090665B (zh) * | 2024-04-23 | 2024-07-05 | 交通运输部天津水运工程科学研究所 | 一种基于近红外检测翻车机房煤炭含水率***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112014855A (zh) | 一种基于激光雷达的车辆外廓检测方法及*** | |
WO2022199472A1 (zh) | 障碍物检测方法、车辆、设备及计算机存储介质 | |
US20210350149A1 (en) | Lane detection method and apparatus,lane detection device,and movable platform | |
US7046822B1 (en) | Method of detecting objects within a wide range of a road vehicle | |
CN112132896B (zh) | 一种轨旁设备状态检测方法及*** | |
CN103065151B (zh) | 一种基于深度信息的车辆识别方法 | |
CN102914290A (zh) | 地铁限界检测***及其检测方法 | |
CN104637059A (zh) | 基于毫米波雷达和机器视觉的夜间前方车辆检测方法 | |
CN104021676A (zh) | 基于车辆动态视频特征的车辆定位及车速测量方法 | |
CN111123262B (zh) | 自动驾驶3d建模方法、装置及*** | |
CN205209441U (zh) | 一种车辆轴距自动测量装置 | |
CN109828282A (zh) | 一种基于激光雷达的车辆外廓尺寸自动检测***及方法 | |
CN109059792A (zh) | 动态三维隧道断面形变检测及分析***、方法及装置 | |
CN108765974A (zh) | 一种交通情况监测设备、监测方法及*** | |
CN110736999B (zh) | 基于激光雷达的铁路道岔检测方法 | |
CN110806193A (zh) | 地铁隧道形变检测*** | |
CN112731440A (zh) | 高速铁路边坡形变检测方法及装置 | |
Musleh et al. | Uv disparity analysis in urban environments | |
CN114415171A (zh) | 一种基于4d毫米波雷达的汽车可行驶区域检测方法 | |
CN103116743B (zh) | 一种基于在线学习的铁路障碍物检测方法 | |
CN110490342B (zh) | 一种基于Faster R-CNN的接触网静态几何参数检测方法 | |
CN110554409B (zh) | 一种凹障碍物检测方法及*** | |
CN105783765A (zh) | 物体轮廓判断方法 | |
CN115236673A (zh) | 一种大型车辆多雷达融合感知***和方法 | |
CN114814826A (zh) | 一种基于目标网格的雷达轨行区环境感知方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |