一种多旋翼载激光雷达的车型识别与车速测量装置及方法与流程

文档序号:14268105阅读:175来源:国知局

本发明涉及一种多旋翼载激光雷达的车型识别与车速测量装置及方法,属于智能交通系统技术领域。



背景技术:

随着我国经济的快速发展,人均车辆数快速增加,车辆的增加在带给人们交通便利的同时,也给智能交通系统带来了巨大的压力。智能交通系统是将先进的科学技术如数据通讯传输技术、电子传感技术、信息技术以及计算机技术等有效的结合运用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的,实时、准确、高效的综合交通运输管理系统。而车型识别和车速测量是智能交通系统的两个最重要的参数指标,为智能交通系统进行车流量统计、收费站管理等提供重要的基础数据,具有重要的研究意义。

目前的车型识别方法主要有地感线圈检测、超声波检测、基于图像处理的检测等。车速测量方法有基于视频图像、地埋式感应线圈、红外检测等。这些方法都是将传感器安装在地面或者离地面有一定距离的固定位置,通过处理传感器的数据进行的,具有技术应用广泛、测量精度高、方法研究较为深入等优点。但是,这些方法不适用于应急场所的车型识别和车速测量。因此,本文提出采用多旋翼无人机搭载激光雷达为采集平台,研究基于激光雷达数据同时完成车型识别和车速测量的方法。由于多旋翼可以迅速地飞往指定的检测地点,因此可以满足用于应急检测等区域的需求。



技术实现要素:

本发明的目的是针对目前车型识别和车速测量方法不适用于应急场所的问题,提出了一种基于多旋翼载激光雷达的车型识别与车速测量方法。

本发明的目的是通过如下技术方案实现的:

一种多旋翼载激光雷达的车型识别与车速测量装置,将激光雷达安装在无人机上,用于空中采集车辆数据,实现对车型的识别和车速的测量。

本方法使用无人机搭载激光雷达对路面信息进行采集,激光雷达采集硬件系统分为空中采集子系统和地面控制子系统两部分,空中采集子系统由电池、dc-dc模块、激光雷达、树莓派以及无线数据传输模块五部分组成。地面控制子系统由无线数据传输模块和电脑两部分组成。空中采集子系统与地面控制子系统之间通过无线数据传输模块以无线电信号为介质进行数据交互。

一种多旋翼载激光雷达的车型识别与车速测量方法,具体步骤如下:

步骤一、数据预处理:根据雷达信号特征以及多旋翼平台的特性,首先对雷达数据进行坐标系转换、目标路面信息数据提取、路面信息数据与雷达位置的调正。将激光雷达采集到的有效数据点由极坐标系转换到笛卡尔直角坐标系中,得到预处理特征,以便后续车型识别和车速测量算法的使用。

步骤二、车型识别:根据步骤一对激光雷达测量数据的预处理特征,对现有车型进行再分类。选取车辆的高度、宽度以及车厢数作为车型识别的特征参数,根据计算得到的车型特征参数数值,对比车型分类标准,输出车型识别结果。

步骤三、车速测量:本方法车速测量的数据以车宽、车高为输入,车长为输出,因为车长的推算值允许存在误差,因此选用多项式拟合法对已知数据建立模型。根据多项式拟合方法,建立以车宽和车高为输入、车长为输出的数学模型,在计算出车长之后,再根据车辆数据的帧数来计算时间,进而得到车速。

所述步骤二,车型识别的具体步骤如下:

步骤1、选取车高、车宽和车厢数作为识别车型的特征参数;

步骤2、根据激光雷达数据特征对车辆进行再分类,建立以车高、车宽和车厢数为特征的车辆分类标准。

步骤3、从激光雷达的数据中把属于车辆的数据提取出来;

步骤4、按照车辆驶入激光雷达扫描范围的先后顺序对车辆进行编号;

步骤5、计算激光雷达数据中车辆的车厢数、车高和车宽三个特征参数;

步骤6、根据步骤5得到的车高、车宽和车厢数,即车型识别的特征参数,与步骤2车型分类标准对比,输出车型识别结果。

有益效果

本发明提出采用多旋翼无人机搭载激光雷达为采集平台,研究基于激光雷达数据同时完成车型识别和车速测量的方法。由于多旋翼可以迅速地飞往指定的检测地点,因此可以满足用于应急检测等区域的需求。

附图说明

图1为采集系统组成框图;

图2为车型识别与车速测量方法流程图;

图3为硬件系统供电连接;

图4为硬件通信连接图;

图5为激光雷达原始数据重构图;

图6为激光雷达道路采集状态图;

图7为车型特征参数选取流程图;

图8为激光雷达汽车横向数据示意图;

图9为激光雷达汽车纵向数据示意图;

图10为两厢型车车高统计图;

图11为车辆提取算法流程图;

图12为目标道路数据提取流程图;

图13为提取疑似车辆数据的流程图;

图14为提取车辆数目流程图;

图15为雷达数据文件部分车辆示意图;

图16为车辆纵向示意图,其中(a)为三厢车纵向示意图,(b)为两厢车纵向示意图;

图17为相对雷达不同方位时的车辆数据特性,其中(a)为雷达左侧车辆数据,(b)为雷达正下方车辆数据;

图18为雷达左侧车辆求取车宽示意图。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

实施例1

采用matlab作为软件开发环境,编制了相应的车型识别和车速测量处理软件。所描述的实施案例是本发明的一部分。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的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。

一种多旋翼载激光雷达的车型识别与车速测量装置,采集系统框架图如图1所示。

一种多旋翼载激光雷达的车型识别与车速测量方法,如图2所示,具体实施步骤如下:

步骤1:采集平台搭建

本方法采集平台为多旋翼载激光雷达。

在硬件系统搭建时首先需要考虑各部分的供电连接,保证各模块的供电需求。本方法硬件系统供电连接如图3所示。激光雷达工作电压19.2-28.8v,而多旋翼采用6s锂聚合物电池,供电电压为21.6-25.2v,所以可以采用飞行平台动力电池直接给激光雷达供电。树莓派供电需求为5v/2a,无法直接采用动力电池供电,因此增加5v/3adc-dc模块为树莓派供电,同时也为无线数据传输模块供电,电源管理单元的作用与dc-dc相似,将锂电池输出的22.2v电压转换输出给飞行控制单元(输入电压5v)和gps(输入电压5v)。电子调速器输出给直流无刷电机的电压是随信号变化的不是一个固定的值。

满足各硬件系统的供电连接之后,需要根据各模块通信协议等完成数据的输入和输出,本方法硬件系统各部分通信连接如图4所示。在空中采集子系统中,树莓派和激光雷达之间采用tcp/ip协议进行通讯,通讯速率可达100mbit/s。根据tcp/ip协议的物理层标准及激光雷达通讯协议,树莓派和激光雷达之间共须连接4根数据线,以树莓派为主机定义数据线名称为tx+、tx-、rx+、rx-,二者之间采用高品质六类屏蔽双绞线连接。树莓派和无线数据传输模块之间采用异步串行通信方式进行数据传输,共需连接2根数据线,以树莓派为主机定义数据线名称为tx和rx。

选取脉冲频率为27kz的lms511二维激光雷达,多旋翼平台任务要求,飞行高度大于10m,飞行速度0m/s,悬停飞行,飞行时间大于5min,有效载荷大于4kg。

步骤2:数据预处理

激光雷达的数据文件包中,每一帧数据都包含数量相等的数据点,每个数据点包含距离值并对应有一个角度值,激光雷达的原始数据以极坐标的形式表示。为了便于处理,首先将极坐标转换到直角坐标系中,如图5。直角坐标系:以激光雷达的位置为原点,道路横向为横坐标,竖直方向为纵坐标。式(1)和(2)为坐标转换公式。

xi=ri*cosθi(1)

yi=ri*sinθi(2)

其中:ri为激光雷达与被扫描物体的距离值,θi为与ri对应的角度值,xi表示水平方向距离,yi竖直方向距离。

由于激光雷达采集的信息中除了目标路面信息之外,还包含路面景观、路旁栅栏和路旁建筑物等,因此,需要对目标路面信息数据进行提取。

对单帧数据来说,激光雷达扫描的是路面某一横截面的数据,目标路面数据类似一条直线。本发明采用基于距离阈值的聚类方法,根据激光雷达采集时的状态图,如图6,和路面的激光雷达数据特征将属于目标路面信息的数据点提取出来。

在提取出目标路面信息数据之后,采用最小二乘法拟合出路面信息数据点数学模型,式(3)。

y=k*x+b(3)

其中:y为式(2)的yi值,x为式(1)的xi值,k和b为拟合模型系数。

步骤3:车型识别

车型识别根据现有车辆车长、车宽和车高的数据和激光雷达原始数据的分析结果对车辆进行重新分类,选取用于车型识别的车型特征参数,设计车型特征参数的算法,根据路面试验对车型识别算法进行验证。具体实施方式如下:

①车型特征参数选取

车型特征参数选取首先需要了解现有车辆都有哪些分类,了解这些分类的原则,然后分析现有车型特征参数种类,以及这些特征参数的定义,再分析传感器数据的特征,确定哪些传感器数据与车型特征参数是可以在数据处理中使用的,最终确定车辆的分类和使用的车辆特征参数。本方法车型特征参数选取的流程图如图7所示。图8和图9分别为激光雷达汽车横向和纵向的数据示意图,可以看出,根据激光雷达数据特点可以计算出车辆的高度、宽度以及车厢数。综合考虑选取车厢数、车高、车宽作为特征参数,因为这三个参数是激光雷达可扫描且可以较为明显的区分不同车辆类型

②车型分类

本方法主要针对常见的轿车(包括:微型车、小型车、紧凑型车、中型车、中大型车、大型车)、suv和mpv进行识别,并根据激光雷达数据特征对这些车辆进行再分类。表1是统计得到的随机获得的800多种车型车辆的主要特征参数表。

表1车辆尺寸平均值统计表

根据统计分析,对两厢轿车和两厢suv,还需要对车高设置一个阈值来区分。当车高阈值设置为1629mm时,两厢suv车高大于1629mm的车辆比以及两厢轿车低于1629mm的车辆在各自类别的占比最大,如图10,分别为86%和95%。因此,将1629mm设置为车高阈值,车高小于1629mm的两厢车认为是两厢轿车,大于1629mm的两厢车认为是两厢suv。

③提取车辆数据

进行车型识别的前提是从激光雷达的数据中把属于车辆的数据提取出来,本方法车辆提取算法的流程图如图11所示。

本方法使用激光雷达在约10m的高度竖直向下采集路面车辆等信息,采集的信息数据中除了目标路面数据,还有路旁植被、路牌、辅路和其它非目标车道的影响,因此需要首先提取目标道路数据,根据步骤2,数据预处理的方法对目标道路数据进行提取,目标道路数据提取流程图如图12所示。

采集一帧雷达数据,提取出目标道路数据之后,开始调整道路数据位置,即根据道路基准模型调整倾斜的道路数据。调整道路数据使用的公式如式(4)所示

上式中,hy是激光雷达到路面的真实垂直距离,k为式(3)的四帧模型系数的平均值,xi和yi是式(1)和式(2)的结果,ir为道路数据的总点数。

将道路数据位置从倾斜到调正之后,开始疑似车辆数据的提取,并将这些数据点存储到变量data中,data中只存储属于疑似车辆的数据点水平和竖直方向的值。提取疑似车辆数据的流程图如图13所示。

将一帧数据的疑似车辆数据点提取之后,需要识别这些数据点包含几辆车,即需要提取疑似车辆数据中的车辆数目。本方法提取车辆数目的流程图如图14所示,

④车辆编号

识别出单帧数据含有的车辆数据之后,需要对整个数据文件的所有车辆数据进行编号,如图15。道路上行驶的车辆行驶方式有两种:一种是车辆顺序通过激光雷达下方,即每次通过一辆车,另一种是多辆车并行通过激光雷达下方,多辆车可以以两辆车的比较方式为基准,两两比较,区分多辆车的前后顺序,依次对车辆进行编号。

⑤计算车型特征参数数值

本方法使用车高、车宽和车厢数作为识别车型的特征参数,下面是这些特征参数的计算方法。

(1)车高

车高是车辆处于可运行状态的空载条件下,支撑车辆的水平面到与车辆最高突出部位所在的水平面间的距离(mm)。如图9,y轴的最大高度就是车辆的高度,取所有单帧高度的最大值作为车辆的高度。

(2)车厢数

如图16,两厢车与三厢车的顶长比(车顶帧数与车长帧数之比)与尾长比(车尾帧数与车长帧数之比)具有明显区别,本方法根据这两个比值来区分车厢数。由车型分类标准统计结果,将车顶与车长的帧数之比阈值设置为0.51,将车尾与车长帧数之比阈值设置为0.15时可以获得最佳结果,即当一辆车车顶与车长的帧数比小于0.51且车尾与车长的帧数比小于0.15则认为该车是两厢车,不满足这个条件的认为是三厢车。

(3)车宽

由车宽的定义可知,车宽是除后视镜之外车辆横向最宽的距离。对于单帧数据来说,当车辆位于激光雷达左侧、右侧和正下方等不同方位的时候,采集的数据特征不同,如图17。正下方的车辆可以直接计算最左侧和最右侧的数据点的水平距离作为车宽。位于雷达左右两侧的数据点,分别在不同侧有数据缺失。

如图18所示,以雷达左侧车辆为例,首先找到最左侧点,然后使用插值法将车辆的数据点建立拟合直线,经过最左侧点拉一条水平线,求水平线与该直线的交点;则最左侧点与交点的中点水平坐标就是车辆的中点;中点坐标与该帧最右侧点的水平距离就是车辆宽度值的一半。对车辆的所有帧数据都取上述车宽数值,统计每帧车宽数值的最大值作为该辆车的车宽。

⑥输出车型识别结果

根据计算得到的车型特征参数数值,对比车型分类,输出车型识别结果。

步骤4:车速测量

本方法建立以车宽和车高为输入、车长为输出的数学模型,在计算出车长之后,再根据车辆数据的帧数来计算时间,进而得到车速。具体实施方式如下:

①建立车长数学模型

本方法的数据以车宽、车高为输入,车长为输出,因为车长的推算值允许有一定误差,因此选用多项式拟合法对已知数据建立模型,为了简化模型,使用一次多项式拟合,一次多项式的公式如式(5)所示

z=po+p1*x+p2y(5)

上式中,z是车长的样本值,x是车高样本值,y是车宽样本值,p0、p1和p2是模型参数。

②计算车长

根据建立的车长数学模型,输入车高、车宽,计算输出车长。

③输出车速测量结果

车速的计算公式如式(6)所示:

上式中v是车速(单位:km/h),l是车辆长度(单位:m),f是激光雷达扫描频率(单位:hz),n是激光雷达数据中属于该车的数据帧数。

飞行试验验证结果如表2所示:

表2飞行试验结果

由表2可知,车高的平均误差为3.3mm,该误差对于车辆总高1460mm来说可以忽略不计,并且车厢数识别率为100%。

飞行试验的车宽平均误差是因为多旋翼在悬停飞行时会因为空中风速突然增大发生小范围的转动,造成在采集道路车辆数据时,雷达的扫描面与车辆横断面不再平行,会发生小范围的倾斜,相当于车辆斜着进入激光雷达下方,因此,得到的结果会比真实值偏大。车速误差在0.4km/h至3km/h,对比车速表的误差,该误差对于车速计算来说是可以接受的。

本发明涉及的方法基于多旋翼无人机搭载激光雷达平台采集路面信息,可以有效解决车型识别和车速测量中使用固定平台搭载传感器不能应用于应急路段车型识别和车速测量的问题;并研究给出了基于激光雷达数据完成车型识别和车速测量的方法,可同时输出车型识别和车速测量结果,实现了采用一种传感器同时给出its两个参数指标的结果。

基于本发明提供的方法,搭建了飞行试验平台,并通过飞行试验验证了本方法的有效性,其中:在车型分类中,车型识别算法对于非黑色车辆识别率为100%、黑色车辆识别率为57.1%,非黑色车辆识别率非常高,黑色车辆相对于非黑色车辆识别率低;车速测量结果满足gb15082-2008的要求。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1