CN112614351B - 基于机器视觉的货车超载检测***及方法 - Google Patents

基于机器视觉的货车超载检测***及方法 Download PDF

Info

Publication number
CN112614351B
CN112614351B CN202011596061.0A CN202011596061A CN112614351B CN 112614351 B CN112614351 B CN 112614351B CN 202011596061 A CN202011596061 A CN 202011596061A CN 112614351 B CN112614351 B CN 112614351B
Authority
CN
China
Prior art keywords
contour
tire
radius
contour point
point set
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
Application number
CN202011596061.0A
Other languages
English (en)
Other versions
CN112614351A (zh
Inventor
于福才
徐昌军
豆祥忠
樊璇
陶贤水
曹雏清
高云峰
李增涛
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.)
Wuhu Hit Robot Technology Research Institute Co Ltd
Original Assignee
Wuhu Hit Robot Technology Research Institute Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhu Hit Robot Technology Research Institute Co Ltd filed Critical Wuhu Hit Robot Technology Research Institute Co Ltd
Priority to CN202011596061.0A priority Critical patent/CN112614351B/zh
Publication of CN112614351A publication Critical patent/CN112614351A/zh
Application granted granted Critical
Publication of CN112614351B publication Critical patent/CN112614351B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于机器视觉的货车超载检测方法，包括：依次提取车轮的轮毂区域、轮毂区域的轮毂外轮廓及轮毂外轮廓的圆心坐标；提取车轮外轮廓及轮廓点集Ⅰ，将轮毂外轮廓的圆心作为轮胎外轮廓的圆心，确定轮胎半径；计算轮廓点集Ⅰ各轮廓点距轮胎圆心的距离，将距离小于轮胎半径的轮廓点放入轮廓点集Ⅱ；在轮廓点集Ⅱ中找出x坐标与轮胎圆心x坐标相同的轮廓点p(x0，y0)，在轮廓集Ⅱ中查找y坐标位于[y0‑d，y0+d]的轮廓点，放入轮廓点集Ⅲ；遍历轮廓点集Ⅲ，获取两轮廓点间的距离最大值L，将距离L与轮胎直径的比值作为检测参数，若检测参数大于设定阈值，则判定该货车超载。实现货车超重的初步检测，此外设置位置可根据需求进行灵活性设定。

Description

基于机器视觉的货车超载检测***及方法
技术领域
本发明属于机器视觉技术领域，更具体地，本发明涉及一种基于机器视觉的货车超载检测***及方法。
背景技术
在交通运输中，超载对公路的破坏越严重，还大量导致交通事故发生。在传统车辆超载检查中，通常采用高速入口或出口处设置电子秤或者专业的测量工具人工进行辅助检测，效率较低且易造成交通拥堵。
发明内容
本发明提供了一种基于机器视觉的货车超载检测方法，旨在提供改善上述问题。
本发明是这样实现的，一种基于机器视觉的货车超载检测***，所述***包括：
设于路边的工业相机，与工业相机通讯连接的处理单元，与处理单元通讯连接的终端设备；其中，工业相机用于拍摄路面行驶车辆的图像，将拍摄到的图像发送至处理单元，处理单元判断被拍摄货车是否存在超载，若判断结果为是，则向终端设备发出提醒。
本发明是这样实现的，一种基于机器视觉的货车超载检测方法，所述方法具体包括如下步骤：
S1、依次提取车轮的轮毂区域、轮毂区域的轮毂外轮廓、以及轮毂外轮廓的圆心坐标；
S2、提取车轮外轮廓及车轮外轮廓上的轮廓点集Ⅰ，将轮毂外轮廓的圆心作为轮胎外轮廓的圆心，确定轮胎半径；
S3、计算轮廓点集Ⅰ各轮廓点距轮胎圆心的距离，将距离小于轮胎半径的轮廓点放入轮廓点集Ⅱ；
S4、在轮廓点集Ⅱ中找出x坐标与轮胎圆心x坐标相同的轮廓点p(x0，y0)，在轮廓集Ⅱ中查找y坐标位于[y0-d，y0+d]的轮廓点，放入轮廓点集Ⅲ；
S5、遍历轮廓点集Ⅲ，获取两轮廓点间的距离最大值L，将距离L与轮胎直径的比值作为检测参数，若检测参数大于设定阈值，则判定该车辆超载。
进一步的，所述轮胎半径的确定方法具体如下：
S21、将轮胎圆心距该轮廓点集Ⅰ中任意轮廓点的距离作为待确定的半径预估值r0，并基于半径预估值r0生成候选圆的候选半径区间[r0-a、r0+a]；
S22、依次以候选半径区间内的半径值作为半径，以轮胎圆心作为圆心生成候选圆；
S23、计算轮廓点集Ⅰ中所有轮廓点到各候选圆的距离平方和，将最小距离平方和对应的候选圆半径作为轮胎半径。
进一步的，通过对工业相机采集到图像进行二值化处理，获取车轮的轮毂区域。
本发明提供的基于机器视觉的货车超载检测方法具有如下有益技术效果：通过相机对行驶货车进行拍照，来实现行驶货车的超载初步检测，把反馈至终端设备，在核查胎压的情况下来判断货车是否超载，此外，该***的设置位置可根据需求进行灵活性设定，即根据需求置于指定路段。
附图说明
图1为本发明实施例提供的基于机器视觉的货车超载检测方法流程图。
具体实施方式
下面对照附图，通过对实施例的描述，对本发明的具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
基于机器视觉的货车超载检测***包括：
设于路边的工业相机，与工业相机通讯连接的处理单元，与处理单元通讯连接的终端设备；其中，基于货车的轮胎高度来标定工业相机的设置高度，主要用于拍摄行驶货车的轮胎图像，工业相机用于拍摄路面行驶车辆的图像，将拍摄到的图像发送至处理单元，处理单元判断被拍摄货车是否存在超载，若判断结果为是，则向终端设备发出提醒，用于提醒执法人员该车辆存在超载嫌疑，在该车辆胎压正常的情况下，即可判断该货车是超载的。
图1为本发明实施例提供的基于机器视觉的货车超载检测方法流程图，该方法具体包括如下步骤：
S1、对工业相机采集到车辆图像进行二值化处理，获取车轮的轮毂区域；
对采集到的图像进行二值化处理后，白色区域为轮毂区域，黑色部分为背景区域；若采集到的不是货车的车辆图像，则无法提取出完整的车轮轮毂区域，则停止图像处理程序。
S2、提取轮毂区域的轮毂外轮廓，对轮毂外轮廓进行最小包围圆处理，获取轮毂外轮廓的圆心坐标；
S3、基于圆心来生成设定大小的矩形框，该矩形框内包含了整个车轮；
S4、利用Grabcut自动分割算法，在矩形框区域内提取前景，对前景图像依次进行二值化处理、腐蚀膨胀的形态学处理，保留车轮的完整区域，完成图像预处理。
S5、将轮毂外轮廓的圆心作为轮胎外轮廓的圆心，确定轮胎外轮廓的半径，简称为轮胎半径，轮胎半径的确定方法具体包括如下步骤：
S51、提取定轮胎的外轮廓及车轮外轮廓上的轮廓点集Ⅰ，以轮毂外轮廓的圆心作为轮胎外轮廓的圆心，简称轮胎圆心；
对车轮进行轮廓检测，根据轮廓面积或者轮廓的最小包围盒面积筛选出最外层轮廓，最大轮廓面积及最大面积的最小包围盒对应的轮廓即为车轮外轮廓。将提取到的车轮外轮廓进行离散，离散后的轮廓点放入轮廓点集Ⅰ中。
S52、将轮胎圆心(即上文中的轮胎外轮廓的圆心)距该轮廓点集Ⅰ中任意轮廓点的距离作为待确定的半径预估值r0，并基于半径预估值r0生成候选圆的候选半径区间[r0-a、r0+a]；
S53、依次以候选半径区间内的半径值作为半径，以轮胎圆心作为圆心生成候选圆；
S54、计算轮廓点集Ⅰ中所有轮廓点到各候选圆的距离平方和，将最小距离平方和对应的候选圆半径作为轮胎半径。
S6、计算轮廓点集Ⅰ各轮廓点距轮胎圆心的距离，将距离小于轮胎半径的轮廓点放入轮廓点集Ⅱ；
S7、在轮廓点集Ⅱ中找出x坐标与轮胎圆心x坐标相同的轮廓点p(x0，y0)，在轮廓集Ⅱ中查找y坐标位于[y0-d，y0+d]的轮廓点，放入轮廓点集Ⅲ；
S8、遍历轮廓点集Ⅲ，获取两轮廓点间的距离最大值L，将距离L与轮胎直径的比值作为检测参数，若检测参数大于设定阈值，则判定该车辆超载。
本发明提供的基于机器视觉的货车超载检测方法具有如下有益技术效果：通过相机对行驶货车进行拍照，来实现行驶货车的超载初步检测，把反馈至终端设备，在核查胎压的情况下来判断货车是否超载，此外，该***的设置位置可根据需求进行灵活性设定，即根据需求置于指定路段。
上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。

Claims (2)

1.一种基于机器视觉的货车超载检测方法，其特征在于，基于机器视觉的货车超载检测***包括：
设于路边的工业相机，与工业相机通讯连接的处理单元，与处理单元通讯连接的终端设备；其中，工业相机用于拍摄路面行驶车辆的图像，将拍摄到的图像发送至处理单元，处理单元判断被拍摄货车是否存在超载，若判断结果为是，则向终端设备发出提醒；
基于所述机器视觉的货车超载检测***的货车超载检测方法包括如下步骤：
S1、依次提取车轮的轮毂区域、轮毂区域的轮毂外轮廓、以及轮毂外轮廓的圆心坐标；
S2、提取车轮外轮廓及车轮外轮廓上的轮廓点集Ⅰ，将轮毂外轮廓的圆心作为轮胎外轮廓的圆心，确定轮胎半径；
S3、计算轮廓点集Ⅰ各轮廓点距轮胎圆心的距离，将距离小于轮胎半径的轮廓点放入轮廓点集Ⅱ；
S4、在轮廓点集Ⅱ中找出x坐标与轮胎圆心x坐标相同的轮廓点p(x0，y0)，在轮廓集Ⅱ中查找y坐标位于[y0-d，y0+d]的轮廓点，放入轮廓点集Ⅲ；
S5、遍历轮廓点集Ⅲ，获取两轮廓点间的距离最大值L，将距离L与轮胎直径的比值作为检测参数，若检测参数大于设定阈值，则判定该车辆超载；
所述轮胎半径的确定方法具体如下：
S21、将轮胎圆心距该轮廓点集Ⅰ中任意轮廓点的距离作为待确定的半径预估值r0，并基于半径预估值r0生成候选圆的候选半径区间[r0-a、r0+a]；
S22、依次以候选半径区间内的半径值作为半径，以轮胎圆心作为圆心生成候选圆；
S23、计算轮廓点集Ⅰ中所有轮廓点到各候选圆的距离平方和，将最小距离平方和对应的候选圆半径作为轮胎半径。
2.如权利要求1所述机器视觉的货车超载检测方法，其特征在于，通过对工业相机采集到图像进行二值化处理，获取车轮的轮毂区域。
CN202011596061.0A 2020-12-29 2020-12-29 基于机器视觉的货车超载检测***及方法 Active CN112614351B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011596061.0A CN112614351B (zh) 2020-12-29 2020-12-29 基于机器视觉的货车超载检测***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011596061.0A CN112614351B (zh) 2020-12-29 2020-12-29 基于机器视觉的货车超载检测***及方法

Publications (2)

Publication Number Publication Date
CN112614351A CN112614351A (zh) 2021-04-06
CN112614351B true CN112614351B (zh) 2021-10-26

Family

ID=75248980

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011596061.0A Active CN112614351B (zh) 2020-12-29 2020-12-29 基于机器视觉的货车超载检测***及方法

Country Status (1)

Country Link
CN (1) CN112614351B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160122434A (ko) * 2015-04-14 2016-10-24 주식회사 맵퍼스 경로 탐색 시스템 및 경로 탐색 방법
CN110120155A (zh) * 2018-02-07 2019-08-13 中国石油化工股份有限公司 一种化工厂区车辆超限超载智能监控报警***
CN111274843A (zh) * 2018-11-16 2020-06-12 上海交通大学 基于监控视频的货车超载监测方法及***
CN111735524A (zh) * 2020-08-27 2020-10-02 湖南大学 基于图像识别的轮胎荷载获取方法、车辆称重方法及***
CN112036413A (zh) * 2020-09-04 2020-12-04 湖南大学 车辆重量确定方法、装置、设备及计算机可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160122434A (ko) * 2015-04-14 2016-10-24 주식회사 맵퍼스 경로 탐색 시스템 및 경로 탐색 방법
CN110120155A (zh) * 2018-02-07 2019-08-13 中国石油化工股份有限公司 一种化工厂区车辆超限超载智能监控报警***
CN111274843A (zh) * 2018-11-16 2020-06-12 上海交通大学 基于监控视频的货车超载监测方法及***
CN111735524A (zh) * 2020-08-27 2020-10-02 湖南大学 基于图像识别的轮胎荷载获取方法、车辆称重方法及***
CN112036413A (zh) * 2020-09-04 2020-12-04 湖南大学 车辆重量确定方法、装置、设备及计算机可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于Fisher判别分析的轮毂识别研究;张国胜等;《农业装备与车辆工程》;20200510(第05期);全文 *
轻轨机车轮箍不动车探伤方法研究;杨彦超;《内燃机与配件》;20171215(第23期);全文 *

Also Published As

Publication number Publication date
CN112614351A (zh) 2021-04-06

Similar Documents

Publication Publication Date Title
CN104732227B (zh) 一种基于清晰度和亮度评估的车牌快速定位方法
TWI409718B (zh) 移動中車輛之車牌定位方法
CN110334750B (zh) 输电线路铁塔螺栓锈蚀程度图像分类识别方法
CN110008932B (zh) 一种基于计算机视觉的车辆违章压线检测方法
CN104966049B (zh) 基于图像的货车检测方法
Hadjidemetriou et al. Automated detection of pavement patches utilizing support vector machine classification
CN107798293A (zh) 一种道路裂缝检测装置
CN111735524B (zh) 基于图像识别的轮胎荷载获取方法、车辆称重方法及***
CN111274843A (zh) 基于监控视频的货车超载监测方法及***
CN108198417B (zh) 一种基于无人机的道路巡检***
CN110490150B (zh) 一种基于车辆检索的违章图片自动审核***及方法
CN110658209A (zh) 一种随车道路缺陷智能快速检测方法
CN110120155A (zh) 一种化工厂区车辆超限超载智能监控报警***
CN112699267B (zh) 车辆车型的识别方法
Kim et al. System and method for detecting potholes based on video data
CN112712552A (zh) 一种车辆踏面擦伤的故障检测方法
CN111738228A (zh) 一种面向治超证据链校验的多视角车辆特征匹配方法
CN116168356A (zh) 一种基于计算机视觉的车辆损伤判别方法
CN113903180B (zh) 一种高速公路检测车辆超速的方法及***
CN111507196A (zh) 一种基于机器视觉和深度学习的车辆类型识别方法
CN112614351B (zh) 基于机器视觉的货车超载检测***及方法
CN116631187B (zh) 一种案件现场勘查信息智能采集分析***
CN114882708B (zh) 一种基于监控视频的车辆识别方法
CN115049984A (zh) 一种路面病害检测方法及***
CN113139488B (zh) 训练分割神经网络的方法及装置

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