CN115909758B

CN115909758B - 基于激光雷达的车辆检测方法及装置、设备及存储介质

Info

Publication number: CN115909758B
Application number: CN202310028826.8A
Authority: CN
Inventors: 祝清文; 袁智彬; 张胜平; 谢东恒; 徐军; 黄勇文
Original assignee: Shenzhen Hongyida Technology Co ltd
Current assignee: Shenzhen Hongyida Technology Co ltd
Priority date: 2023-01-09
Filing date: 2023-01-09
Publication date: 2023-07-21
Anticipated expiration: 2043-01-09
Also published as: CN115909758A

Abstract

本发明实施例公开了基于激光雷达的车辆检测方法及装置、设备及存储介质，基于激光雷达的车辆检测方法应用于设置于检测区域的车辆检测装置，车辆检测装置包括激光雷达，激光雷达扫描的区域为检测区域，方法具体包括：利用激光雷达对检测区域内的待检测目标进行扫描，得到检测区域内的第一目标物集，利用预设的标准车辆的属性参数和运动参数对第一目标物集进行筛选，得到目标车辆集；根据目标车辆集中各个目标车辆的运动参数，判断是否有车辆违规，若确认有车辆违规，则触发告警模式，通过上述方法解决了在通行道路上对车辆检测准确度不高，且无法对违规车辆进行识别和告警的问题。

Description

基于激光雷达的车辆检测方法及装置、设备及存储介质

技术领域

本发明涉及交通智能车辆监测技术领域，尤其涉及基于激光雷达的车辆检测方法及装置、设备及存储介质。

背景技术

车辆在通行过程中违法违规行为是引发交通事故重要原因之一，因此利用交通智能化对行车进行监测被广泛应用。

目前，大多数利用的是图像识别技术对检测区域的目标进行识别检测，但是：图像识别技术对天气与光线要求高，依赖日照，并且对运动目标的空间位置判断能力弱，在缺少必备的条件下无法正常识别，因此，现有技术在对车辆违规行为检测时，存在着在通行道路上对车辆检测准确度不高，且无法对违规车辆进行识别和告警的问题。

发明内容

基于此，有必要针对上述问题，提出基于激光雷达的车辆检测方法及装置、设备及存储介质，以解决对车辆空间位置判断准确度不高，无法对违规车辆进行识别和区分的问题。

为实现上述目的，本申请第一方面提供一种基于激光雷达的车辆检测方法，所述方法应用于设置于检测区域的车辆检测装置，所述车辆检测装置包括激光雷达，所述激光雷达扫描的区域为所述检测区域，所述方法包括：

利用所述激光雷达对所述检测区域内的待检测目标进行扫描，得到所述检测区域内的第一目标物集，所述第一目标物集包括所述检测区域内疑似为车辆和人员的第一目标物；

利用预设的标准车辆的属性参数和运动参数对所述第一目标物集进行筛选，得到目标车辆集；

根据所述目标车辆集中各个目标车辆的运动参数，判断是否有车辆违规；

若确认有车辆违规，则触发告警模式。

进一步的，所述利用所述激光雷达对所述检测区域内的待检测目标进行扫描，得到所述检测区域内的第一目标物集，具体包括：

利用所述激光雷达对所述检测区域进行一次扫描，得到所述检测区域内一帧的点云数据，并删除所述点云数据中的背景点，得到所述检测区域内的前景点；

利用聚类算法对所述前景点进行聚类，得到第一目标物集。

进一步的，所述利用预设的标准车辆的属性参数和运动参数对所述第一目标物集进行筛选，得到目标车辆集，具体包括：

对各个所述第一目标物进行属性分析，得到各个所述第一目标物的属性参数；

根据预设的所述标准车辆的属性参数与各个所述第一目标物的属性参数，对所述第一目标物集进行筛选，得到第二目标物集，所述第二目标物集包含疑似为车辆的第二目标物；

对各个所述第二目标物进行目标跟踪，得到各个所述第二目标物的运动参数；

根据预设的所述标准车辆的运动参数与各个所述第二目标物的运动参数，对所述第二目标物集进行筛选，得到目标车辆集。

进一步的，所述第一目标物的属性参数至少包括所述第一目标物的长度、宽度和坐标信息；

所述标准车辆的属性参数至少包括所述标准车辆的长度、宽度和坐标信息；

所述根据预设的所述标准车辆的属性参数与各个所述第一目标物的属性参数，对所述第一目标物集进行筛选，得到第二目标物集，具体包括：

利用所述标准车辆的长度、宽度和坐标信息分别与各个所述第一目标物的长度、宽度和坐标信息，对各个所述第一目标物依次进行匹配筛选，得到第二目标物集。

进一步的，所述对各个所述第二目标物进行目标跟踪，得到各个所述第二目标物的运动参数，具体包括：

利用目标跟踪算法对各个所述第二目标物进行目标跟踪，得到各个所述第二目标物在不同时刻的位置信息；

根据各个所述第二目标物在不同时刻的位置信息进行分析计算，得到各个所述第二目标物的运动参数。

进一步的，所述第二目标物的运动参数至少包括所述第二目标物的运动方向和运动速度；

所述标准车辆的运动参数至少包括标准车辆的运动方向和运动速度；

所述根据预设的所述标准车辆的运动参数与各个所述第二目标物的运动参数，对所述第二目标物集进行筛选，得到目标车辆集，具体包括：

利用所述标准车辆的的运动方向和运动速度分别与各个所述第二目标物的的运动方向和运动速度，对各个所述第二目标物依次进行匹配筛选，得到目标车辆集。

进一步的，所述车辆违规至少包括车辆逆行、车辆超速、车辆低速和车辆停留；

所述根据所述目标车辆集中各个目标车辆的运动参数，判断是否有车辆违规，具体包括：

根据各个所述目标车辆的运动方向，判断在所述检测区域内是否有车辆逆行；

若存在运动方向与预设的运动方向不一致的目标车辆，则确定有车辆逆行；

和/或；

根据所述各个目标车辆的运动速度，判断在所述检测区域内是否有车辆低速或超速行驶；

若存在运动速度不在预设的运动速度范围内的目标车辆，则确定有车辆低速或超速行驶；

或；

根据各个所述目标车辆的运动方向或运动速度，判断在所述检测区域内是否有车辆停留；

若存在无运动方向的目标车辆，或存在运动速度为零的目标车辆，则确定有车辆停留。

为实现上述目的，本申请第二方面提供一种基于激光雷达的车辆检测装置，所述装置包括：激光雷达单元、车辆筛选单元和违规告警单元；

所述激光雷达单元，用于利用所述激光雷达对所述检测区域内的待检测目标进行扫描，得到所述检测区域内的第一目标物集，所述第一目标物集包括所述检测区域内疑似为车辆或人员的第一目标物；

所述车辆筛选单元，用于利用预设的标准车辆的属性参数和运动参数对所述第一目标物集进行筛选，得到目标车辆集；

所述违规告警单元，用于根据所述目标车辆集中各个目标车辆的运动参数，判断是否有车辆违规；

若确认有车辆违规，则触发告警模式。

为实现上述目的，本申请第三方面提供一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，使得所述处理器执行如第一方面所述方法的步骤。

为实现上述目的，本申请第四方面提供一种计算机设备，包括存储器和处理器，其特征在于，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如第一方面所述方法的步骤。

采用本发明实施例，具有如下有益效果：

本发明的基于激光雷达的车辆检测方法应用于设置于检测区域的车辆检测装置，车辆检测装置包括激光雷达，激光雷达扫描的区域为检测区域，方法具体包括：利用激光雷达对检测区域内的待检测目标进行扫描，得到检测区域内的第一目标物集，利用预设的标准车辆的属性参数和运动参数对第一目标物集进行筛选，得到目标车辆集；根据目标车辆集中各个目标车辆的运动参数，判断是否有车辆违规，若确认有车辆违规，则触发告警模式，上述方法利用激光雷达对检测区域进行检测，可得到精确度更高的空间定位信息，并对疑似车辆进行两次标准车辆筛选，得到更加准确的车辆信息，并根据车辆的运动信息进行违规行为的判断，进而对违规车辆进行告警，因此，通过上述方法解决了在通行道路上对车辆检测准确度不高，且无法对违规车辆进行识别和告警的问题。

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的前提下，还可以根据这些附图获得其他的附图。

其中：

图1为本申请实施例基于激光雷达的车辆检测方法的流程的示意图；

图2为本申请实施例中图1步骤200的细化流程的示意图；

图3a为本申请实施例中没有出现违规车辆情境下的示意图；

图3b为本申请实施例中出现违规车辆情境下的示意图；

图4为本申请实施例中基于激光雷达的车辆检测装置的结构图；

图5为本申请实施例中计算机设备的内部结构图。

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作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。

在本申请实施例中，提供基于激光雷达的车辆检测方法及装置、设备及存储介质，请参阅图1，图1是本发明实施例基于激光雷达的车辆检测方法的流程的示意图，方法应用于设置于检测区域的车辆检测装置，车辆检测装置包括激光雷达，激光雷达扫描的区域为检测区域，方法包括：

步骤100，利用激光雷达对检测区域内的待检测目标进行扫描，得到检测区域内的第一目标物集，第一目标物集至少包括检测区域内疑似为车辆和人员的第一目标物。

步骤200，利用预设的标准车辆的属性参数和运动参数对第一目标物集进行筛选，得到目标车辆集。

步骤300，根据目标车辆集中各个目标车辆的运动参数，判断是否有车辆违规。

步骤400，若确认有车辆违规，则触发告警模式。

在本申请一可行的实施例中，可将激光雷达架设在检测的区域的道路旁边，对检测区域中的通行车辆进行扫描，以便得到检测区域内的所有疑似车辆和人的信息，且在本申请实施例中，可采用性能参数为20HZ/S和扫描角度270°的激光雷达，因此利用激光雷达对检测区域进行扫描，可得到检测区域内所有疑似车辆和人的第一目标物集，以便达到对检测区域背景过滤的目的。

在获取到疑似车辆和人的目标之后，利用获取到预先设置好的标准车辆的属性参数和运动参数，对第一目标物集中各个第一目标物的属性参数和运动参数一一进行比较筛选，得到符合标准车辆的属性参数和运动参数的目标车辆，根据所有符合标准的目标车辆得到目标车辆集，经过对所有第一目标物进行属性参数和运动参数两次筛选，可得到更为精准的目标车辆信息，属性参数可以包括目标物的长度、宽度和坐标信息，运动参数可以包括目标物的运动方向和运动速度。

在对第一目标物筛选时，可得到目标车辆的运动参数，那么可以利用目标车辆的运动参数，对目标车辆进行违规检测，判断目标车辆是否违规，以实现对检测区域内的目标车辆监测的目的。

若确认目标车辆违规，则会触发告警模式，对违规车辆发出警告，以实现减少目标车辆的违规行为。

通过上述车辆检测方法，可利用激光雷达对检测区域进行检测，并对疑似车辆进行两次筛选，可得到精确度更高的车辆信息，利用车辆信息对车辆进行违规行为判断，进而对违规车辆进行告警，因此，通过上述方法解决了在通行道路上对车辆检测准确度不高，且无法对违规车辆进行识别和告警的问题。

进一步的，步骤100，利用激光雷达对检测区域内的待检测目标进行扫描，得到检测区域内的第一目标物集，具体包括：

步骤110，利用激光雷达对检测区域进行一次扫描，得到检测区域内一帧的点云数据，并删除点云数据中的背景点，得到检测区域内的前景点。

步骤120，利用聚类算法对前景点进行聚类，得到第一目标物集。

在本申请一可行的实施例中，利用激光雷达对检测区域扫描一周，可以获得检测区域内所有的点云数据，根据得到的点云数据，删除不感兴趣的点，保留感兴趣的点，其中，不感兴趣的点可以是包括建筑物和树木的点，感兴趣的点可以是包括人和车辆的点；将所有不感兴趣的点作为背景点，所有感兴趣的点作为前景点，以此，对检测区域进行背景过滤，消除背景对检测结果的干扰。

在对检测区域内的点云数据进行背景过滤之后，利用DBSCAN聚类算法对经过背景过滤得到的前景点进行聚类分析，进而得到检测区域内所有疑似车辆和人的第一目标物，将所有的第一目标物的集合作为第一目标物集。

通过激光雷达得到检测区域所有的前景点，并利用聚类算法对前景点进行聚类得到第一目标物，以此达到对检测区域进行背景过滤并得到第一目标物的目的。

进一步的，请参阅图2，图2是本申请实施例中图1步骤200的细化流程的示意图，具体包括：

步骤210，对各个第一目标物进行属性分析，得到各个第一目标物的属性参数。

步骤220，根据预设的标准车辆的属性参数与各个第一目标物的属性参数，对第一目标物集进行筛选，得到第二目标物集，第二目标物集包含疑似为车辆的第二目标物。

步骤230，对各个第二目标物进行目标跟踪，得到各个第二目标物的运动参数。

步骤240，根据预设的标准车辆的运动参数与各个第二目标物的运动参数，对第二目标物集进行筛选，得到目标车辆集。

在本申请一可行的实施例中，利用第一目标物集中的各个第一目标物的点云数据进行属性分析，可以得到各个第一目标物的属性参数，第一目标物的属性参数至少包括第一目标物的长度、宽度和坐标信息。

此外，标准车辆的属性参数至少包括标准车辆的长度、宽度和坐标信息。

那么在获得第一目标物和标准车辆的属性参数之后，可利用标准车辆的长度、宽度和坐标信息分别与各个第一目标物的长度、宽度和坐标信息，对各个第一目标物依次进行匹配筛选，得到第二目标物集。

具体的，预先设置好标准车辆的属性参数，并利用标准车辆的属性参数和各个第一目标物的属性参数依次对比，筛选出疑似为车辆的第二目标物，因此经过属性参数的一次筛选可得到形状、大小以及中心点坐标位置符合疑似车辆的目标。

可以理解的是，激光雷达是以发射激光束探测目标的位置、速度等特征量的雷达***，具体的，是向目标发射探测信号，然后将接收到的从目标反射回来的信号与发射信号进行比较，作适当处理后，就可获得目标的有关信息，如目标距离、方位、高度、速度、姿态、甚至形状等参数，从而对目标进行探测、跟踪和识别，因此，可利用激光雷达对疑似车辆的第二目标物进行跟踪，得到各个第二目标物的运动参数。

因此，步骤230可利用激光雷达对第二目标物进行跟踪，具体实现方式如下：

利用目标跟踪算法对各个第二目标物进行目标跟踪，得到各个第二目标物在不同时刻的位置信息；根据各个第二目标物在不同时刻的位置信息进行分析计算，得到各个第二目标物的运动参数；对目标标轨迹集合中的各个第二目标物的不同时刻的位置信息进行计算分析，得到各个第二目标物的运动参数。

具体的，利用激光雷达对检测区域扫描一周可以获得一帧各个目标物的原始数据信息，因此，在本实施例中经过一次扫描得到第二目标物集后，也可到各个第二目标物的原始数据信息，假设，当前第二目标物有n个，那么可以得到第一帧的原始数据信息D₁=（d_1,1,d_1，2，d_1,3,…，d_1，n），其中，d为激光雷达发射点到第二目标物的距离值。

在获取到原始数据信息D₁=（d_1,1,d_1，2，d_1,3,…，d_1，n）之后，根据距离值和扫描到第二目标物时激光雷达的偏移夹角进行计算，得到各个第二目标物以激光雷达为原点的坐标，例如，激光雷达距离与第n个第二目标物的距离值为d_n，且此时激光雷达的偏移夹角为α，那么该第二目标物的坐标可以为表示为p_1，n（x，y）=（d_1，n*cosα，d_1，n*sinα），因此，对原始数据信息进行数据分类，可以获得各个第二目标物的位置信息，根据各个第二目标物的位置信息得到目标坐标集K₁={k_1，1，k_1，2，…，k_1，n}，其中，k_1，n=p_1，n（x，y）=（d_1，n*cosα，d_1，n*sinα）。

由于扫描一次可得到一帧的目标坐标集，那么利用激光雷达对第二目标物进行跟踪，即对第二目标物进行多次扫描，就可以得到多帧关于各个第二目标物的坐标集，接着根据包含第二目标物在不同时刻位置信息的多帧目标坐标集，可以得到目标轨迹集合T=｛t₁，t₂，…，t_n｝且t_n={p_1，n，p_2，n，…，p_m，n}，其中m为扫描次数，目标轨迹集合包含了各个第二目标物在某段时间内的运动轨迹，通过对各个第二目标物的运动轨迹计算分析，进而得到各个第二目标物的运动参数。

具体的，第二目标物的运动参数至少包括第二目标物的运动方向和运动速度；标准车辆的运动参数至少包括标准车辆的运动方向和运动速度。

那么，步骤240具体实现方式可以为：利用标准车辆的运动方向和运动速度分别与各个第二目标物的运动方向和运动速度，对各个第二目标物依次进行匹配筛选，得到目标车辆集。

可以理解的是，标准车辆的运动参数为预先设置的，那么利用标准车辆的运动参数和各个第二目标物的运动参数进行对比，从疑似为车辆的第二目标物中筛选出目标车辆，对第二目标物集进行筛选，可得到运动方向和运动速度符合标准车辆的目标物。

通过对第一目标物的属性参数进行一次筛选得到第二目标物集，再对第二目标物集的运动参数进行二次筛选得到目标车辆集，以此可以得到更加精准的目标车辆数据。

进一步的，在本申请一可行的实施例中，车辆违规至少包括车辆逆行、车辆超速和车辆减速。

那么，步骤300，根据目标车辆集中各个目标车辆的运动参数，判断是否有车辆违规，具体包括：

根据各个目标车辆的运动方向，判断在检测区域内是否有车辆逆行；若存在运动方向与预设的运动方向不一致的目标车辆，则确定有车辆逆行。

和/或，根据各个目标车辆的运动速度，判断在检测区域内是否有车辆缓慢行驶或超速；若存在运动速度不在预设的运动速度范围内的目标车辆，则确定有车辆缓慢行驶或超速；或，根据各个目标车辆的运动方向或运动速度，判断在检测区域内是否有车辆停留，若存在无运动方向的目标车辆，或存在运动速度为零的目标车辆，则确定有车辆停留。

具体的，当目标车辆出现逆行、超速、低速和停留等违规行为中的至少一种，则确认目标车辆违规。例如，在检测区域内的其中一条车道预设的车辆行驶方向为向西行驶，而检测到目标车辆为向东行驶，那么该目标车辆为逆行；又例如，在检测区域内其中一条车道内预设的运动速度为80km/h-120km/h，而检测到的目标车辆的车速为60km/h，那么该目标车辆为低速行驶，又或者，在同一场景下，目标车辆的车速为150km/h，那么该目标车辆为超速行驶；再例如，在检测区域内检测到目标车辆并无运动方向或者检测到的目标车辆运动速度为零，那么该目标车辆为停留状态。

上述中的目标车辆均属于违规行为，当目标车辆发生上述情况中的一种或多种，即确认有车辆违规。

通过获取得到的目标车辆的运动参数对检测区域内车辆的违规行为进行监测，及时发现违规车辆。

当有目标车辆违规，则会触发告警模式。

为便于理解，请参阅图3a和图3b，图3a为本申请实施例中没有违规车辆情境下的示意图，图3b为本申请实施例中出现违规车辆情境下的示意图。

如图3a、3b所示，在一条有向西直行，且有右转弯的分叉道路，将激光雷达架设在直行道路和右转弯道路中间，在该条道路上，假设允许通行的车速为80km/h-120km/h，以激光雷达为圆心对检测区域扫描，激光雷达的扫描角度可以为270°。

在图3a中，A、B和C为目标车辆，可见检测到目标车辆A、B和C均正常通行，无违规行为，因此不会触发告警模式。

在图3b中，检测到目标车辆D、E、F和G，由图可以看出目标车辆D存在逆行的违规行为、目标车辆E存在低速的违规行为、目标车辆F存在高速的违规行为以及目标车辆G存在停留的违规行为，因此检测区域内有目标车辆存在违规行为，则会触发告警模式；例如，目标车辆E低速行驶，则触发告警模式，可以是警示灯亮起，以及语音告警“请提高通行速度”，以此实现警告违规车辆，减少违规行为的目的。

本申请实施例提到的车辆检测方法利用激光雷达对检测区域进行检测，可得到精准度更高的车辆空间定位信息，并对疑似车辆进行两次筛选，得到更加准确的车辆信息，并根据车辆的运动信息进行违规行为判断，进而对违规车辆进行告警，因此，通过上述方法解决了在通行道路上对车辆检测准确度不高，且无法对违规车辆进行识别和告警的问题。

在本申请实施例中，提供基于激光雷达的车辆检测装置，请参阅图4，图4为本申请实施例中基于激光雷达的车辆检测装置的结构图，该装置包括：激光雷达单元401、车辆筛选单元402和违规告警单元403。

激光雷达单元401，用于利用激光雷达对检测区域内的待检测目标进行扫描，得到检测区域内的第一目标物集，第一目标物集包括检测区域内疑似为车辆或人员的第一目标物。

车辆筛选单元402，用于利用预设的标准车辆的属性参数和运动参数对第一目标物集进行筛选，得到目标车辆集。

违规告警单元403，用于根据目标车辆集中各个目标车辆的运动参数，判断是否有车辆违规。

若确认有车辆违规，则触发告警模式。

通过该装置实现了利用激光雷达对检测区域内的待检测目标进行扫描，得到检测区域内的第一目标物集，利用预设的标准车辆的属性参数和运动参数对第一目标物集进行筛选，得到目标车辆集；根据目标车辆集中各个目标车辆的运动参数，判断是否有车辆违规，若确认有车辆违规，则触发告警模式，该装置利用激光雷达对检测区域进行检测，可得到精确度更高的空间定位信息，并对疑似车辆进行两次标准车辆筛选，得到更加准确的车辆信息，再根据车辆的运动信息进行违规行为的判断，进而对违规车辆进行告警，因此，通过上述装置解决了在通行道路上对车辆检测准确度不高，且无法对违规车辆进行识别和告警的问题。

图5示出了本发明一个实施例中计算机设备的内部结构图。该计算机设备具体可以是终端，也可以是***。如图5所示，该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作***，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现上述方法实施例中的各个步骤。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行上述方法实施例中的各个步骤。本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提出了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述方法实施例中的各个步骤。

在一个实施例中，提出了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述方法实施例中的各个步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims

1.一种基于激光雷达的车辆检测方法，其特征在于，所述方法应用于设置于检测区域的车辆检测装置，所述车辆检测装置包括激光雷达，所述激光雷达扫描的区域为所述检测区域，所述方法包括：

若确认有车辆违规，则触发告警模式；

所述利用所述激光雷达对所述检测区域内的待检测目标进行扫描，得到所述检测区域内的第一目标物集，具体包括：

利用聚类算法对所述前景点进行聚类，得到第一目标物集；

所述利用预设的标准车辆的属性参数和运动参数对所述第一目标物集进行筛选，得到目标车辆集，具体包括：

根据预设的所述标准车辆的运动参数与各个所述第二目标物的运动参数，对所述第二目标物集进行筛选，得到目标车辆集；

所述第一目标物的属性参数至少包括所述第一目标物的长度、宽度和坐标信息；

2.根据权利要求1所述的方法，其特征在于，所述对各个所述第二目标物进行目标跟踪，得到各个所述第二目标物的运动参数，具体包括：

3.根据权利要求1所述的方法，其特征在于，所述第二目标物的运动参数至少包括所述第二目标物的运动方向和运动速度；

利用所述标准车辆的运动方向和运动速度分别与各个所述第二目标物的运动方向和运动速度，对各个所述第二目标物依次进行匹配筛选，得到目标车辆集。

4.根据权利要求3所述的方法，其特征在于，所述车辆违规至少包括车辆逆行、车辆超速、车辆低速和车辆停留；

和/或；

根据各个所述目标车辆的运动速度，判断在所述检测区域内是否有车辆低速或超速行驶；

或；

5.一种基于激光雷达的车辆检测装置，其特征在于，所述装置包括：激光雷达单元、车辆筛选单元和违规告警单元；

所述激光雷达单元，用于利用所述激光雷达对检测区域内的待检测目标进行扫描，得到所述检测区域内的第一目标物集，所述第一目标物集包括所述检测区域内疑似为车辆或人员的第一目标物；

若确认有车辆违规，则触发告警模式；

利用聚类算法对所述前景点进行聚类，得到第一目标物集；

6.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至4中任一项所述方法的步骤。

7.一种计算机设备，包括存储器和处理器，其特征在于，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至4中任一项所述方法的步骤。