CN117911504A - 车厢检测***和方法 - Google Patents
车厢检测***和方法 Download PDFInfo
- Publication number
- CN117911504A CN117911504A CN202311755093.4A CN202311755093A CN117911504A CN 117911504 A CN117911504 A CN 117911504A CN 202311755093 A CN202311755093 A CN 202311755093A CN 117911504 A CN117911504 A CN 117911504A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- point cloud
- ray detection
- ray
- green
- 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 267
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000035515 penetration Effects 0.000 claims abstract description 43
- 238000007689 inspection Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 description 9
- 230000006399 behavior Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 230000000149 penetrating effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000005357 flat glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请公开了一种车厢检测***和方法,***包括:沿车辆行驶方向依次设置的图像获取设备、激光雷达、X光检测设备和数据处理设备;激光雷达,用于实时扫描得到绿通车的点云并发给数据处理设备保存;图像获取设备,用于实时获取绿通车的图像信息并发给数据处理设备;数据处理设备,与图像获取设备、激光雷达和X光检测设备连接,用于根据图像信息对绿通车的车厢进行跟踪,并在确定车厢到达视频触发线、已保存的历史帧中的点云具有穿透特征、且当前帧的点云不具有穿透特征时,生成并发送第一触发信号给X光检测设备,绿通车的点云包含一组车辆帧中的点云,一组车辆帧包含历史帧和当前帧;X光检测设备,用于根据第一触发信号对绿通车进行X光检测。
Description
技术领域
本申请涉及车辆识别领域,具体而言,涉及一种车厢检测***和方法。
背景技术
现有技术中对于绿色通道车辆的检测,主要是利用X射线辐射成像原理,由射线装置发出的射线穿透封闭车厢及其装载的货物,将探测器输出的强弱不同信号经图像处理后,生成车辆装载的物品的轮廓和形态相关的图像,进而确定封闭车厢内装载物品的情况。
然而,X射线存在安全隐患,如果开启X光检测设备的时间过早,容易使驾驶室内的人员暴露在X光下,如果开启X光检测设备的时间过晚,车厢的部分位置可能无法被X光检测设备拍到,进而导致对车厢内部分物体的检测出现遗漏,进而导致对车厢内部物体的检测结果不准确。
由此可见,相关技术中的车厢检测方法,存在车厢检测的准确性较低的问题。
发明内容
本申请实施例提供了一种车厢检测***和方法,以至少解决相关技术中的车厢检测方法存在车厢检测的准确性低的问题。
根据本申请实施例的一个方面,提供了一种车厢检测***,包括:包括图像获取设备、激光雷达、X光检测设备和数据处理设备,其中,所述图像获取设备、所述激光雷达和所述X光检测设备沿车辆行驶方向依次设置;所述激光雷达,用于实时扫描以获取所述绿通车的车辆点云信息,并发送给所述数据处理设备进行保存;所述图像获取设备,用于实时获取所述绿通车的车辆图像信息,并发送给所述数据处理设备;所述数据处理设备,与所述图像获取设备、所述激光雷达和所述X光检测设备分别电连接,用于根据所述车辆图像信息对所述绿通车的车厢进行跟踪,并在确定所述车厢到达视频触发线的情况下,判断已保存的历史帧中的车辆点云信息是否具有穿透特征、且当前帧的车辆点云信息是否不具有穿透特征,在确定已保存的所述历史帧中的车辆点云信息具有穿透特征、且所述当前帧的车辆点云信息不具有穿透特征的情况下,生成并发送第一触发信号给所述X光检测设备,其中,所述绿通车的车辆点云信息包含一组车辆帧中的车辆点云信息,所述一组车辆帧包含所述历史帧和所述当前帧;所述X光检测设备,用于根据所述第一触发信号,对所述绿通车进行X光检测。
根据本申请实施例的另一个方面,还提供了一种车厢检测方法,所述方法应用于所述绿通车检测***,所述方法包括:实时获取并保存所述绿通车的车辆点云信息,其中所述车辆点云信息是通过激光雷达获取的;实时获取所述绿通车的车辆图像信息,并根据所述车辆图像信息对所述绿通车的车厢进行跟踪,其中所述车辆图像信息是通过图像获取设备获取的;在确定所述车厢到达视频触发线时,判断已保存的历史帧中的车辆点云信息是否具有穿透特征、且当前帧的车辆点云信息是否不具有穿透特征;在确定已保存的所述历史帧中的车辆点云信息具有穿透特征、且所述当前帧的车辆点云信息不具有穿透特征的情况下,生成并发送第一触发信号给X光检测设备,以使所述X光检测设备根据所述第一触发信号对所述绿通车进行X光检测,其中,所述绿通车的车辆点云信息包含一组车辆帧中的车辆点云信息,所述一组车辆帧包含所述历史帧和所述当前帧。
根据本申请实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述车厢检测方法。
根据本申请实施例的又一方面,还提供了一种电子装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,上述处理器通过计算机程序执行上述的车厢检测方法。
在本申请实施例中,采用图像检测结果与激光扫描结果结合判断车辆车厢位置的方式,在图像检测确定车辆车厢到达视频触发线的情况下,基于激光扫描到的点云,进一步确定当前时刻车辆车窗是否离开X光检测设备的检测范围,并在当前时刻所扫描到的点云不具有穿透特征、且当前时刻之前的其他点云具有穿透特征时,确定车头已离开X光检测设备的检测范围,开启X光检测设备。由于在由图像确定车厢到达X光检测设备的检测范围时,通过激光的点云信息确定车头驾驶室是否已离开X光检测设备的检测范围,可以有效避免图像误差所造成的判断出的车厢位置不准确,进而导致提前开启X光检测设备的情况,此外,先根据采集到的图像获取车厢的实时位置,可以避免激光检测的滞后性所导致的确定车厢到达视频触发线的滞后性,提高开启X光检测设备的及时性,达到了提高车厢检测的准确性的技术效果,进而解决了相关技术中的车厢检测方法存在车厢检测的准确性低的问题。
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,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请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,对于本领域普通技术人员而言,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是根据本申请实施例的一种可选的车厢检测方法的硬件环境的示意图;
图2是根据本申请实施例的一种可选的车厢检测方法的流程示意图;
图3是根据本申请实施例的一种可选的车厢检测方法的示意图;
图4是根据本申请实施例的另一种可选的车厢检测方法的示意图;
图5是根据本申请实施例的又一种可选的车厢检测方法的示意图;
图6是根据本申请实施例的又一种可选的车厢检测方法的示意图;
图7是根据本申请实施例的另一种可选的车厢检测方法的流程示意图;
图8是根据本申请实施例的一种可选的电子装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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,以便这里描述的本申请的实施例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。
根据本申请实施例的一个方面,提供了一种车厢检测方法。可选地,在本实施例中,上述车厢检测方法可以应用于如图1所示的包括检测部件102和服务器104的硬件环境中。如图1所示,服务器104通过网络与检测部件102进行连接,可用于基于检测部件102的检测数据进行车厢检测,可在服务器上或独立于服务器设置数据库,用于为服务器104提供数据存储服务。
上述网络可以包括但不限于以下至少之一:有线网络,无线网络。上述有线网络可以包括但不限于以下至少之一:广域网,城域网,局域网,上述无线网络可以包括但不限于以下至少之一:WIFI(Wireless Fidelity,无线保真),蓝牙。检测部件102可以包括激光雷达、图像获取设备以及X光检测设备。
本申请实施例的车厢检测方法可以由服务器104来执行,也可以由检测部件102来执行,还可以是由服务器104和检测部件102共同执行。以由服务器104来执行本实施例中的车厢检测方法为例,图2是根据本申请实施例的一种可选的车厢检测方法的流程示意图,如图2所示,该方法的流程可以包括以下步骤:
步骤S202,实时获取并保存绿通车的车辆点云信息,其中,车辆点云信息是通过激光雷达获取的;
步骤S204,实时获取绿通车的车辆图像信息,并根据车辆图像信息对绿通车的车厢进行跟踪,其中,车辆图像信息是通过图像获取设备获取的;
步骤S206,在确定车厢到达视频触发线的情况下,判断已保存的历史帧中的车辆点云信息是否具有穿透特征、且当前帧的车辆点云信息是否不具有穿透特征;
步骤S208,在确定已保存的历史帧中的车辆点云信息具有穿透特征、且当前帧的车辆点云信息不具有穿透特征的情况下,生成并发送第一触发信号给X光检测设备,以使X光检测设备根据第一触发信号对绿通车进行X光检测,其中,绿通车的车辆点云信息包含一组车辆帧中的车辆点云信息,一组车辆帧包含历史帧和当前帧。
本实施例中的车厢检测方法可以应用到对绿通车辆进行识别的场景。这里,绿通车辆可以是指高速公路上运输蔬菜水果的特殊车辆。高速公路实行绿通车免费通行政策,但要求绿通车不能拉载其他货物。本实施例中的车厢可以是指货车的车厢。
一般绿通车经过收费站入口,需要人工打开车厢对其所拉货物进行人工检查确认,如发现有其他货物,则不允许走绿通通道。
相比人工检查的低效率,相关技术中采用X光拍照的方式,对车厢内部的货物进行检测,可以有效提高对绿通车的检查效率以及检测的准确性。但X光操作复杂,且存在一定的安全隐患,为了降低X光对人体的危害,需要避免对车头进行X光拍照,即,需要在车头通过X光检测设备的检测范围之后,再开启X光的检测。
确定车辆是否通过X光检测设备,往往依靠激光或者视频的方式来进行,激光方式可以包括单线激光或者多线激光,但由于单线激光只有单一光束,所以要识别车厢特征,需要多帧后整体识别,造成车厢检测滞后,实时性受到影响;而多线激光,虽然可以做到提前检测和识别车厢位置,但是激光器的价格高,增加了检测成本;视频方式通常依靠实时采集到的图像确定车辆的当前位置,由于视场角大,可以提前检测识别车厢,但是由于存在视觉角度偏差,无法准确确认车厢是否正好到达X光检测设备下方,且视频受光线影响较大,容易造成误判,给安全造成较大隐患。
为了至少解决上述的部分问题,在本实施例中,可以结合视频和单线激光检测的方式,依靠图像获取设备的大视角,提前获取车辆的车厢位置,提高车厢检测的实时性,再结合激光检测的准确性,避免图像受光线影响或畸变角度影响造成的车厢位置不准确、误判等,从而避免对驾驶室造成的误拍照,提高开启X光检测设备的时间的准确性,进而提高车厢检测的准确性。
上述激光雷达位于车道一侧、且与X光检测设备所在位置相邻,激光雷达发射的激光垂直于绿通车的行车方向,图像获取设备的图像采集范围包括车道的一部分区域,在绿通车沿行车方向移动时,绿通车被设置为先经过图像获取设备、再经过激光雷达。
如图3所示,在X光检测设备的旁边放置激光扫描器件(即,激光雷达),扫描线垂直于行车方向;在距离激光水平位置1-3米位置,布设视频扫描相机(即,图像获取设备)。
需要说明的是,上述车厢到达视频触发线,可以是指,车厢到达与X光检测设备所在位置的距离满足预设距离的第一位置,如图4所示,在车辆沿行车方向移动时,车辆先经过X光检测设备,再经过第一位置。
需要说明的是,上述穿透特征,可以是指车窗对激光束的透射行为所对应的点云特征。可以通过点云中是否包含用于表示车窗的点,来确定每帧车辆点云信息是否具有穿透特征。
在本实施例中,可以在当前车辆图像中检测到绿通车的车厢到达视频触发线的情况下,确定激光雷达扫描到的第一目标点云中是否包含用于表示车窗的点,并确定激光雷达扫描到的第一组点云中的每个点云中是否包含用于表示车窗的点。这里,当前车辆图像,可以是图像获取设备在第一时刻采集到的绿通车的图像。本实施例中的激光雷达可以是单线激光雷达。
上述视频触发线可以是X光检测设备与激光雷达之间、靠近X光检测设备位置的线。
在车辆经过X光检测设备的过程中,激光雷达可以一直对车辆进行检测,第一组点云可以是激光雷达在第一时刻之前的第一组时刻扫描到的绿通车的点云。第一目标点云可以是激光雷达在第一时刻扫描到的绿通车的点云。
需要说明的是,第一组时刻与第一时刻是连续的多个检测时刻,激光雷达被设置为在检测时刻上检测预设的检测范围内的点云。第一组点云中可以包括有多帧点云数据,上述每个点云可以是指一帧的点云数据,一帧的点云数据可以是由一个激光光束在一个扫描周期内所扫描到的点云组成的数据。
点云中是否包含用于表示车窗的点,可以用于表示与该点云对应的检测时刻,车窗是否经过激光雷达的检测面。
在本实施例中,若第一组点云中的每个点云中包含用于表示车窗的点、且第一目标点云中不包含用于表示车窗的点,可以确定在第一组点云所对应的检测时刻内,车辆的车窗经过了激光雷达的检测面的位置,且在第一目标点云所对应的检测时刻,车辆的车窗已离开激光雷达的检测面的位置。
由于车辆的车窗与驾驶室的位置是对应的,基于车窗的位置,可以确定车头内驾驶人员的大致位置。
在根据采集到的车辆图像确定车辆的车厢到达视频触发线时,基于激光雷达所检测到点云,进一步确定驾驶室确实已离开X光检测设备的检测范围,可以避免因图像采集的误差导致的对驾驶室的误拍照。
根据X光检测设备的拍摄结果,可以确定车厢内所运输的物体。这里,对车厢内运输的物体的识别,可以是人工进行的(即,人工根据拍到的X光图像进行车厢物体的识别),也可以是利用深度学习等技术,由训练好的识别模型自动进行的,还可以是自动识别和人工识别结合进行的(例如,自动识别出外观特征较为明显的物体,再由人工对外观特征不明显的物体的X光图像进行判断)。
通过上述步骤S202至步骤S208,实时获取并保存绿通车的车辆点云信息,其中车辆点云信息是通过激光雷达获取的;实时获取绿通车的车辆图像信息,并根据车辆图像信息对绿通车的车厢进行跟踪,其中车辆图像信息是通过图像获取设备获取的;在确定车厢到达视频触发线的情况下,判断已保存的历史帧中的车辆点云信息是否具有穿透特征、且当前帧的车辆点云信息是否不具有穿透特征;在确定已保存的历史帧中的车辆点云信息具有穿透特征、且当前帧的车辆点云信息不具有穿透特征的情况下,生成并发送第一触发信号给X光检测设备,以使X光检测设备根据第一触发信号对绿通车进行X光检测,其中,绿通车的车辆点云信息包含一组车辆帧中的车辆点云信息,一组车辆帧包含历史帧和当前帧,解决了相关技术中的车厢检测方法存在车厢检测的准确性低的问题,提高了车厢检测的准确性。
在一个示例性实施例中,实时获取绿通车的车辆图像信息,包括:
S11,在根据绿通车的车辆点云信息确定绿通车的车头进入X光检测设备的检测区域的情况下,生成并发送第二触发信号给图像获取设备;
S12,通过图像获取设备根据第二触发信号实时获取绿通车的车辆图像信息,并发送给数据处理设备。
为了降低进行车厢检测所消耗的CPU(Central Processing Unit,中央处理器)使用率,在本实施例中,可以先控制激光雷达进行实时检测,在激光雷达检测到绿通车的车头的情况下,再通过第二触发信号启动图像获取设备对绿通车进行图像采集。
在本实施例中,可以通过确定激光雷达扫描到的第二组点云中的每个点云中是否包含用于表示车头的点,来确定激光雷达是否检测到车辆车头。这里的第二组点云,可以是激光雷达在第二组时刻扫描到的绿通车的点云,第二组时刻是第一组时刻之前的时刻。
在确定第二组点云中存在部分点云为车辆的车头的情况下,可以确定有车辆进入检测区域,且该车辆当前已处于图像获取设备的图像采集范围内,可以立即控制图像获取设备对绿通车进行图像采集,并获取图像获取设备所采集到的绿通车的一组车辆图像,同时,还可以从识别出车头的点云开始,保存后续的点云信息,为后续确定车辆是否到达X光检测设备的检测范围提供点云信息的支持。
通过本实施例,利用激光判别车辆驶入检测区域后再启动视频,实时监测车厢,可以降低CPU使用率,提高工作性能。
在一个示例性实施例中,确定第一组点云中的每个点云中是否包含用于表示车窗的点,包括:
S21,通过以下步骤确定第一组点云中的第i个点云中是否包含用于表示车窗的点,其中,i为大于或等于1的正整数,第i个点云是激光雷达在第一组时刻中的第i个时刻扫描到的绿通车的点云:
S22,确定第i个点云中的一组点形成的线段是否与第i个车辆轮廓匹配,其中,第i个车辆轮廓包括第i个点云中的第i组点形成的线段,第i组点用于表示绿通车的轮廓;
S23,在第i个点云中的一组点形成的线段与第i个车辆轮廓不匹配的情况下,确定第i个点云中包含用于表示车窗的点;
S24,在第i个点云中的一组点形成的线段与第i个车辆轮廓匹配的情况下,确定第i个点云中不包含用于表示车窗的点。
在确定每个点云中是否包含用于表示车窗的点时,可以基于车窗玻璃对激光的反射能力,来确定是否存在用于表示车窗的点。在本实施例中,由于玻璃对激光的反射能力弱于车辆的其他部分,发射到车窗上的激光光束,很有可能不会被玻璃反射回去,反而会进入驾驶室内部,被驾驶室内部的物体反射回去。因此,在一帧点云中,一个激光光束所形成的一组点若全部是基于被车辆表面物体所反射回的激光确定的,这一组点所形成的线段,可以对应所扫描到的车辆的部分轮廓。
如图5所示,对于扫描到的非车窗的点云,一组点所形成的线段是与车辆轮廓匹配的,而在一组点中包含多个与车窗位置对应的点时,由于激光是被驾驶室内部的物体反射回去的,因此对应位置的点是对应于驾驶室内部的物体,而非车窗,这组点所形成的线段,与车辆轮廓是不匹配的。
在本实施例中,若第一组点云中的第i个点云中的一组点形成的线段与第i个车辆轮廓不匹配,可以确定第i个点云中包含用于表示车窗的点,若第i个点云中的一组点形成的线段与第i个车辆轮廓匹配,则可以确定第i个点云中不包含用于表示车窗的点。
通过本实施例,基于每个点云中是否存在与部分车辆轮廓不匹配的一组点,来确定每个点云是否包含用于表示车窗的点,无需对点云进行其他复杂的计算,可以提高确定是否检测到车窗的效率,进而提高确定车头是否经过X光检测范围的效率。
在一个示例性实施例中,确定第i个点云中的一组点形成的线段是否与第i个车辆轮廓匹配,包括:
S31,在第i个车辆轮廓包括第i个车头轮廓、线段位于第i个车头轮廓所形成的面之外、线段在面上的投影位于第i个车头轮廓内、且线段与激光雷达的距离大于第i个车头轮廓所形成的面与激光雷达的距离的情况下,确定第i个点云中的一组点形成的线段与第i个车辆轮廓不匹配,其中,第i个车头轮廓用于表示在第i个时刻的绿通车的车头。
考虑到车辆在经过激光雷达时,激光雷达所检测到的点云,除了车辆所对应的点云以外,还可以检测到其他非车辆的点云,在本实施例中,在确定第i个点云中的一组点形成的线段是否与第i个车辆轮廓匹配时,可以基于线段与车头轮廓的关系来确定,包括但不限于线段是否位于车头轮廓所形成的面内,线段在车头轮廓所形成面上的投影是否位于对应的车头轮廓内,线段与激光雷达的距离是否小于车头策划头轮廓所形成的面与激光雷达的距离。
需要说明的是,车头轮廓所形成的面可以是一个平面,也可以是一个曲面。
在第i个车辆轮廓包括第i个车头轮廓、线段位于第i个车头轮廓所形成的面之外、线段在面上的投影位于第i个车头轮廓内、且线段与激光雷达的距离大于第i个车头轮廓所形成的面与激光雷达的距离的情况下,可以确定第i个点云中的一组点形成的线段与第i个车辆轮廓不匹配,进而确定第i个点云中包含用于表示车窗的点。
在一个示例性实施例中,在生成并发送第一触发信号给X光检测设备,以使X光检测设备根据第一触发信号对绿通车进行X光检测之后,上述方法还包括:
S41,根据绿通车的车辆点云信息判断绿通车的车尾是否离开X光检测设备的检测区域;
S42,在确定绿通车的车尾离开X光检测设备的检测区域的情况下,生成并发送终止信号给X光检测设备和图像获取设备,以使X光检测设备接收并根据终止信号停止检测,以及图像获取设备接收并根据终止信号停止获取图像。
为了降低资源的使用率,避免X光检测设备因长时间开启而拍到其他车辆中的驾驶人员或者其他路过的人,在绿通车的车尾离开X光检测设备的检测范围之后,可以立即停止X光拍摄,并关闭图像获取设备的图像采集。
可选地,确定绿通车的车尾是否离开X光检测设备的检测范围,可以通过激光雷达所检测到的点云来确定。在激光雷达在第二时刻检测到的第三目标点云中不包含用于表示车厢的点,但第二时刻之前的第二组时刻内检测到第二组点云中均包含用于表示车厢的点时,可以确定绿通车的车尾离开X光检测设备的检测范围。
需要说明的是,上述第二组时刻与第二时刻可以是连续的多个检测时刻,激光雷达被设置为在检测时刻上检测预设的检测范围内的点云。第二组时刻和第二时刻均是前述第一组时刻以及第一时刻之后的时刻。
可选地,在生成并发送第一触发信号给X光检测设备,以使X光检测设备根据第一触发信号对绿通车进行X光检测之后,上述方法还包括:
根据绿通车的车辆点云信息或车辆图像信息判断车厢和绿通车的车头是否分别位于X光扫描截面的两侧、且同时存在倒车行为;
在确定车厢和车头分别位于X光扫描截面的两侧、且同时存在倒车行为的情况下,生成并发送终止信号给X光检测设备,以使X光检测设备根据终止信号停止检测。
由于绿通车的车头和车厢之间存在一定距离,在绿通车按照车道行驶方向通过X光检测设备的检测范围的时候,若车辆发生倒退时,绿通车的车厢离开激光的扫描面,考虑到车头可能会进入X光检测设备的检测范围,在本实施例中可以根据车辆点云信息或车辆图像信息判断车厢和绿通车的车头是否分别位于X光扫描截面的两侧,在确定车厢和车头分别位于X光扫描截面的两侧时,进一步确定车辆是否存在倒车行为。
需要说明的是,确定车辆是否存在倒车行为,可以是根据连续时刻内的车辆点云信息或者车辆图像信息确定的。若激光雷达在第三时刻检测到的第四目标点云中不包含用于表示车厢的点,但第三时刻之前的第三组时刻内检测到第三组点云中均包含用于表示车厢的点时,可以确定绿通车存在倒车行为、且车辆的车厢已经离开X光检测设备的检测区域之外。
通过本实施例,在激光检测到车厢离开X光检测设备的检测范围的情况下,关闭X光检测设备,可以在车辆收尾时通过及时关闭X光检测设备,降低X光检测设备的使用时间,还可以在车辆发生倒退的情况下,避免X光拍摄到驾驶室,提高X光的安全性。
可选地,在启动X光检测设备对绿通车的车厢进行X光拍摄之后,上述方法还包括:
S51,在车辆图像信息中检测到与绿通车不同的其他车辆的车头到达X光检测设备的检测范围的情况下,关闭X光检测设备,其中,车辆图像信息是图像获取设备在第一时刻之后采集到的其他车辆的图像;或者,
S52,确定第二目标点云中是否包含用于表示车厢的点,以及确定第三组点云中的每个点云中是否包含用于表示车厢的点,其中,第三组点云是激光雷达在第二时刻之前的扫描到的绿通车的点云,第二目标点云是激光雷达在第二时刻扫描到的绿通车的点云;在确定第二组点云中的每个点云中包含用于表示车厢的点、且第二目标点云中不包含用于表示车厢的点的情况下,确定绿通车的车厢离开X光检测设备的检测范围;在车辆图像信息中检测到与绿通车不同的其他车辆的车头到达X光检测设备的检测范围、且确定绿通车的车厢离开X光检测设备的检测范围的情况下,关闭X光检测设备。
考虑到单线激光雷达需要多帧点云合并后才能进行车辆识别,基于激光确定车辆是否收尾时,存在滞后性,若绿通车后面的车辆与绿通车的车尾相邻较近,可能会因单线激光检测的滞后性,使得X光检测设备拍摄到下一辆车的车头,因此,在本实施例中,可以根据图像获取设备所采集到的车辆图像,确定是否需要关闭X光检测设备。
在图像获取设备在第一时刻之后采集到的其他车辆的图像中,若在车辆图像信息中检测到与绿通车不同的其他车辆的车头到达X光检测设备的检测范围时,可以立即关闭X光检测设备,以避免X光拍摄到其他车辆内的人员。
需要说明的是,上述车头到达X光检测设备的检测范围,可以是指,车头到达与X光检测设备所在位置的距离满足预设距离的第二位置,如图6所示,在车辆沿行车方向移动时,车辆先经过第二位置,再经过X光检测设备。
此外,也可以结合激光检测到的点云信息和图像获取设备采集到的图像信息,确定是否需要关闭X光检测设备。即,采用与前述实施例中的判断方式,在确定第三组点云中的每个点云中包含用于表示车厢的点、且第二目标点云中不包含用于表示车厢的点时,确定绿通车的车厢离开X光检测设备的检测范围;在车辆图像信息中检测到与绿通车不同的其他车辆的车头到达X光检测设备的检测范围、且确定绿通车的车厢离开X光检测设备的检测范围时,关闭X光检测设备。
通过本实施例,在确定当前车辆收尾,或者检测到下一车辆的车头到达相应位置之后,关闭X光检测设备,可以降低X光检测设备的使用时间,减小X光检测设备可能带来的安全隐患。
下面结合可选示例对本申请实施例中的车厢检测方法进行解释说明。在本可选示例中,图像获取设备为视频扫描相机,激光雷达为单线激光雷达。
本可选示例提供了一种绿通车检测方法,本可选示例中的车厢检测方法的流程可以如图7所示,可以包括以下步骤:
步骤S702,激光实时扫描,当检测到车头进入后,保存激光从车头进入后的点云信息,并启动视频扫描。
步骤S704,通过视频扫描实时检测货车车厢,并跟踪车厢实时位置。
步骤S706,当通过视频确定车厢到达X光检测范围后,确定当前时刻的激光点云中是否包含车窗上的点云,且当前时刻之前的激光点云中是否包含车窗上的点云。
当发现车厢进入视频触发线后,利用车窗穿透模块识别已经保存的点云信息是否具有车窗穿透特征(有穿透特征说明已经过了驾驶室位置),同时识别当前激光帧是否具备车窗穿透特征。这里,点云信息具备车窗穿透特征,表示点云中包含用于表示车窗的点。
步骤S708,若当前时刻的激光点云中不包含车窗上的点云,且当前时刻之前的激光点云中包含车窗上的点云,启动X光检测设备进行拍摄。
若已经保存的点云信息具有车窗穿透特征、且当前激光帧不具备车窗穿透特征,则认为当前可安全启动X光检测设备进行拍摄。
步骤S710,当车辆收尾后,停止X光拍摄,关闭视频实时检测。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM(Read-Only Memory,只读存储器)/RAM(Random Access Memory,随机存取存储器)、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例的方法。
根据本申请实施例的另一个方面,还提供了一种用于实施上述车厢检测方法的车厢检测***。该车厢检测***可以包括:
图像获取设备、激光雷达、X光检测设备和数据处理设备,其中,图像获取设备、激光雷达和X光检测设备沿车辆行驶方向依次设置;
激光雷达,用于实时扫描以获取绿通车的车辆点云信息,并发送给数据处理设备进行保存;
图像获取设备,用于实时获取绿通车的车辆图像信息,并发送给数据处理设备;
数据处理设备,与图像获取设备、激光雷达和X光检测设备分别电连接,用于根据车辆图像信息对绿通车的车厢进行跟踪,并在确定车厢到达视频触发线的情况下,判断已保存的历史帧中的车辆点云信息是否具有穿透特征、且当前帧的车辆点云信息是否不具有穿透特征,在确定已保存的历史帧中的车辆点云信息具有穿透特征、且当前帧的车辆点云信息不具有穿透特征的情况下,生成并发送第一触发信号给X光检测设备,其中,绿通车的车辆点云信息包含一组车辆帧中的车辆点云信息,一组车辆帧包含历史帧和当前帧;
X光检测设备,用于根据第一触发信号,对绿通车进行X光检测。
需要说明的是,数据处理设备可以是服务器或者某一处理设备上执行前述车厢检测的部件,例如,处理器、控制器等。车厢检测的方式与前述实施例中类似,已经进行过说明的,在此不做赘述。
通过上述车厢检测,实时获取并保存绿通车的车辆点云信息,其中车辆点云信息是通过激光雷达获取的;实时获取绿通车的车辆图像信息,并根据车辆图像信息对绿通车的车厢进行跟踪,其中车辆图像信息是通过图像获取设备获取的;在确定车厢到达视频触发线的情况下,判断已保存的历史帧中的车辆点云信息是否具有穿透特征、且当前帧的车辆点云信息是否不具有穿透特征;在确定已保存的历史帧中的车辆点云信息具有穿透特征、且当前帧的车辆点云信息不具有穿透特征的情况下,生成并发送第一触发信号给X光检测设备,以使X光检测设备根据第一触发信号对绿通车进行X光检测,其中,绿通车的车辆点云信息包含一组车辆帧中的车辆点云信息,一组车辆帧包含历史帧和当前帧,解决了相关技术中的车厢检测方法存在车厢检测的准确性低的问题,提高了车厢检测的准确性。
在一个示例性实施例中,激光雷达的扫描截面和X光检测设备的扫描截面均与车辆行驶方向垂直。
在一个示例性实施例中,激光雷达的扫描截面和X光检测设备的扫描截面的间距不大于1米;激光雷达与图像获取设备之间的距离为1~3米。
在一个示例性实施例中,数据处理设备还用于在根据绿通车的车辆点云信息确定绿通车的车头进入X光检测设备的检测区域的情况下,生成并发送第二触发信号给图像获取设备;
图像获取设备,还用于根据第二触发信号实时获取绿通车的车辆图像信息,并发送给数据处理设备。
在一个示例性实施例中,数据处理设备还用于在根据绿通车的车辆点云信息确定绿通车的车尾离开X光检测设备的检测区域的情况下,生成并发送终止信号给X光检测设备和图像获取设备;
X光检测设备还用于接收并根据终止信号停止检测,图像获取设备还有接收并根据终止信号停止获取图像。
在一个示例性实施例中,数据处理设备还用于在生成并发送第一触发信号给X光检测设备,以使X光检测设备根据第一触发信号对绿通车进行X光检测之后,根据绿通车的车辆点云信息或车辆图像信息判断车厢和绿通车的车头分别位于X光扫描截面的两侧、且同时存在倒车行为,并在确定车厢和车头分别位于X光扫描截面的两侧、且同时存在倒车行为的情况下,生成并发送终止信号给X光检测设备,以使X光检测设备根据终止信号停止检测。
此处需要说明的是,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述***可以运行在如图1所示的硬件环境中,可以通过软件实现,也可以通过硬件实现,其中,硬件环境包括网络环境。
根据本申请实施例的又一个方面,还提供了一种存储介质。可选地,在本实施例中,上述存储介质可以用于执行本申请实施例中上述任一项车厢检测方法的程序代码。
可选地,在本实施例中,上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:
S1,实时获取并保存绿通车的车辆点云信息,其中,车辆点云信息是通过激光雷达获取的;
S2,实时获取绿通车的车辆图像信息,并根据车辆图像信息对绿通车的车厢进行跟踪,其中,车辆图像信息是通过图像获取设备获取的;
S3,在确定车厢到达视频触发线的情况下,判断已保存的历史帧中的车辆点云信息是否具有穿透特征、且当前帧的车辆点云信息是否不具有穿透特征;
S4,在确定已保存的历史帧中的车辆点云信息具有穿透特征、且当前帧的车辆点云信息不具有穿透特征的情况下,生成并发送第一触发信号给X光检测设备,以使X光检测设备根据第一触发信号对绿通车进行X光检测,其中,绿通车的车辆点云信息包含一组车辆帧中的车辆点云信息,一组车辆帧包含历史帧和当前帧。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例中对此不再赘述。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、ROM、RAM、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
根据本申请实施例的又一个方面,还提供了一种用于实施上述车厢检测方法的电子装置,该电子装置可以是服务器、终端、或者其组合。
图8是根据本申请实施例的一种可选的电子装置的结构框图,如图8所示,包括处理器802、通信接口804、存储器806和通信总线808,其中,处理器802、通信接口804和存储器806通过通信总线808完成相互间的通信,其中,
存储器806,用于存储计算机程序;
处理器802,用于执行存储器806上所存放的计算机程序时,实现上述实施例中的绿通车的检测方法。
可选地,通信总线可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线、或EISA(Extended Industry Standard Architecture,扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图8中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信接口用于上述电子装置与其他设备之间的通信。
存储器可以包括RAM,也可以包括非易失性存储器(non-volatile memory),例如,至少一个磁盘存储器。可选地,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器,可以包含但不限于:CPU(Central ProcessingUnit,中央处理器)、NP(Network Processor,网络处理器)等;还可以是DSP(DigitalSignal Processing,数字信号处理器)、ASIC(Application Specific IntegratedCircuit,专用集成电路)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例在此不再赘述。
本领域普通技术人员可以理解,图8所示的结构仅为示意,实施上述车厢检测方法的设备可以是终端设备,该终端设备可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices,MID)、PAD等终端设备。图8其并不对上述电子装置的结构造成限定。例如,电子装置还可包括比图8中所示更多或者更少的组件(如网络接口、显示装置等),或者具有与图8所示的不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、ROM、RAM、磁盘或光盘等。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例中所提供的方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以至少两个单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种车厢检测***,其特征在于,包括图像获取设备、激光雷达、X光检测设备和数据处理设备,其中,所述图像获取设备、所述激光雷达和所述X光检测设备沿车辆行驶方向依次设置;
所述激光雷达,用于实时扫描以获取所述绿通车的车辆点云信息,并发送给所述数据处理设备进行保存;
所述图像获取设备,用于实时获取所述绿通车的车辆图像信息,并发送给所述数据处理设备;
所述数据处理设备,与所述图像获取设备、所述激光雷达和所述X光检测设备分别电连接,用于根据所述车辆图像信息对所述绿通车的车厢进行跟踪,并在确定所述车厢到达视频触发线的情况下,判断已保存的历史帧中的车辆点云信息是否具有穿透特征、且当前帧的车辆点云信息是否不具有穿透特征,在确定已保存的所述历史帧中的车辆点云信息具有穿透特征、且所述当前帧的车辆点云信息不具有穿透特征的情况下,生成并发送第一触发信号给所述X光检测设备,其中,所述绿通车的车辆点云信息包含一组车辆帧中的车辆点云信息,所述一组车辆帧包含所述历史帧和所述当前帧;
所述X光检测设备,用于根据所述第一触发信号,对所述绿通车进行X光检测。
2.根据权利要求1所述的检测***,其特征在于,所述激光雷达的扫描截面和所述X光检测设备的扫描截面均与车辆行驶方向垂直。
3.根据权利要求2所述的检测***,其特征在于,所述激光雷达的扫描截面和所述X光检测设备的扫描截面的间距不大于1米;所述激光雷达与所述图像获取设备之间的距离为1~3米。
4.根据权利要求1所述的检测***,其特征在于,
所述数据处理设备还用于在根据所述绿通车的车辆点云信息确定所述绿通车的车头进入所述X光检测设备的检测区域的情况下,生成并发送第二触发信号给所述图像获取设备;
所述图像获取设备,还用于根据所述第二触发信号实时获取所述绿通车的车辆图像信息,并发送给所述数据处理设备。
5.根据权利要求1所述的检测***,其特征在于,
所述数据处理设备还用于在根据所述绿通车的车辆点云信息确定所述绿通车的车尾离开所述X光检测设备的检测区域的情况下,生成并发送终止信号给所述X光检测设备和所述图像获取设备;
所述X光检测设备还用于接收并根据所述终止信号停止检测,所述图像获取设备还有接收并根据所述终止信号停止获取图像。
6.根据权利要求1所述的检测***,其特征在于,所述数据处理设备还用于在所述生成并发送第一触发信号给X光检测设备,以使所述X光检测设备根据所述第一触发信号对所述绿通车进行X光检测之后,根据所述绿通车的车辆点云信息或所述车辆图像信息判断所述车厢和所述绿通车的车头分别位于X光扫描截面的两侧、且同时存在倒车行为,并在确定所述车厢和所述车头分别位于X光扫描截面的两侧、且同时存在倒车行为的情况下,生成并发送终止信号给所述X光检测设备,以使所述X光检测设备根据所述终止信号停止检测。
7.一种车厢检测方法,其特征在于,所述方法应用于基于权利要求1-5任一权项所述的车厢检测***,所述方法包括:
实时获取并保存所述绿通车的车辆点云信息,其中所述车辆点云信息是通过激光雷达获取的;
实时获取所述绿通车的车辆图像信息,并根据所述车辆图像信息对所述绿通车的车厢进行跟踪,其中所述车辆图像信息是通过图像获取设备获取的;
在确定所述车厢到达视频触发线的情况下,判断已保存的历史帧中的车辆点云信息是否具有穿透特征、且当前帧的车辆点云信息是否不具有穿透特征;在确定已保存的所述历史帧中的车辆点云信息具有穿透特征、且所述当前帧的车辆点云信息不具有穿透特征的情况下,生成并发送第一触发信号给X光检测设备,以使所述X光检测设备根据所述第一触发信号对所述绿通车进行X光检测,其中,所述绿通车的车辆点云信息包含一组车辆帧中的车辆点云信息,所述一组车辆帧包含所述历史帧和所述当前帧。
8.根据权利要求7所述的检测方法,其特征在于,所述实时获取所述绿通车的车辆图像信息,包括:
在根据所述绿通车的车辆点云信息确定所述绿通车的车头进入所述X光检测设备的检测区域的情况下,生成并发送第二触发信号给所述图像获取设备;通过所述图像获取设备根据所述第二触发信号实时获取所述绿通车的车辆图像信息,并发送给数据处理设备。
9.根据权利要求7所述的检测方法,其特征在于,在所述生成并发送第一触发信号给X光检测设备,以使所述X光检测设备根据所述第一触发信号对所述绿通车进行X光检测之后,所述方法还包括:
根据所述绿通车的车辆点云信息判断所述绿通车的车尾是否离开所述X光检测设备的检测区域;
在确定所述绿通车的车尾离开所述X光检测设备的检测区域的情况下,生成并发送终止信号给所述X光检测设备和所述图像获取设备,以使所述X光检测设备接收并根据所述终止信号停止检测,以及所述图像获取设备接收并根据所述终止信号停止获取图像。
10.根据权利要求7所述的检测方法,其特征在于,在所述生成并发送第一触发信号给X光检测设备,以使所述X光检测设备根据所述第一触发信号对所述绿通车进行X光检测之后,所述方法还包括:
根据所述绿通车的车辆点云信息或所述车辆图像信息判断所述车厢和所述绿通车的车头是否分别位于X光扫描截面的两侧、且同时存在倒车行为;
在确定所述车厢和所述车头分别位于X光扫描截面的两侧、且同时存在倒车行为的情况下,生成并发送终止信号给所述X光检测设备,以使所述X光检测设备根据所述终止信号停止检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311755093.4A CN117911504A (zh) | 2023-12-19 | 2023-12-19 | 车厢检测***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311755093.4A CN117911504A (zh) | 2023-12-19 | 2023-12-19 | 车厢检测***和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117911504A true CN117911504A (zh) | 2024-04-19 |
Family
ID=90684657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311755093.4A Pending CN117911504A (zh) | 2023-12-19 | 2023-12-19 | 车厢检测***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117911504A (zh) |
-
2023
- 2023-12-19 CN CN202311755093.4A patent/CN117911504A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3676784B1 (en) | Analyzing images and videos of damaged vehicles to determine damaged vehicle parts and vehicle asymmetries | |
US10706505B2 (en) | Method and system for generating a range image using sparse depth data | |
CN108270970B (zh) | 一种图像采集控制方法及装置、图像采集*** | |
RU2682007C1 (ru) | Способ и система для идентификации номера и типа вагона и способ и система для инспекции безопасности | |
US11841434B2 (en) | Annotation cross-labeling for autonomous control systems | |
CN105894384A (zh) | 获得车辆出险理赔信息的方法和装置 | |
EP4016496A1 (en) | Parking space detection method and apparatus, vehicle and readable medium | |
CN108528443A (zh) | 车辆及其防剐蹭方法、***、处理器 | |
CN112784814B (zh) | 车辆倒车入库的姿态识别方法及输送车倒车入库引导*** | |
CN113515985A (zh) | 自助过磅***、过磅检测方法、设备及存储介质 | |
CN114067295A (zh) | 一种车辆装载率的确定方法、装置及车辆管理*** | |
CN112052878B (zh) | 一种雷达的遮挡识别的方法、装置及存储介质 | |
CN113777622B (zh) | 轨道障碍物辨识的方法及装置 | |
CN105882516A (zh) | 车辆碰撞预警方法、装置和车辆 | |
US11009604B1 (en) | Methods for detecting if a time of flight (ToF) sensor is looking into a container | |
CN117911504A (zh) | 车厢检测***和方法 | |
EP3975042A1 (en) | Method and apparatus for determining running region information | |
KR101403936B1 (ko) | 차량촬영시스템 | |
CN110188645B (zh) | 用于车载场景的人脸检测方法、装置、车辆及存储介质 | |
US11475574B2 (en) | Methods for unit load device (ULD) door tarp detection | |
US11436835B2 (en) | Method for detecting trailer status using combined 3D algorithms and 2D machine learning models | |
US20220101025A1 (en) | Temporary stop detection device, temporary stop detection system, and recording medium | |
CN113947760A (zh) | 一种绿色通道车辆的检测方法及装置 | |
CN108664695B (zh) | 模拟车辆事故***及其应用 | |
CN112306053A (zh) | 无人车控制方法 |
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 |