一种基于激光雷达的车型识别装置的制作方法

本发明申请涉及车型识别技术领域，尤其涉及一种基于激光雷达的车型识别装置。

背景技术：

随着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，也给交通系统的管理带来了巨大的压力。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。而车型识别是智能交通系统的最重要的技术，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。

现有的车型识别方法按照工作原理的大概分为：微波识别技术、超声波识别技术、压电识别技术、图像识别技术、被动红外识别技术、激光雷达识别技术等。其中现有的车型识别算法是通过获取车辆图片的方式，基于图像识别的视觉算法。该方案需要搭建雷达及视频设备，图像识别算法计算量大，需要配备高性能的芯片才能满足对实时性要求较高场景的应用。

技术实现要素：

本申请实施例在于提出一种基于激光雷达的车型识别装置，解决现有技术存在的结构复杂、计算量大的问题。

为达此目的，本发明申请实施例采用以下技术方案：

一方面，一种基于激光雷达的车型识别装置，包括：

设置在车道上方的激光雷达模块，包括多个激光雷达，用于获取车辆的车辆参数，其中包括至少一个倾斜雷达，至少一个垂直雷达；

处理模块，所述的处理模块与激光雷达模块电路连接，用于接收激光雷达模块获取的车辆参数，并进行数据处理，判别车型。

在一种可能的实现方式中，所述的倾斜雷达，其出射激光与车辆行驶方向夹角为θ,30°≦θ≦60°。

在一种可能的实现方式中，所述的激光雷达包括一个倾斜雷达，一个垂直雷达。

在一种可能的实现方式中，所述的垂直雷达与车道的垂直距离为4-8米。

在一种可能的实现方式中，所述的处理模块包括车高计算单元、车长与车速计算单元、轮廓计算单元、数据库、车型判断单元。

在一种可能的实现方式中，所述的激光雷达模块还包括雷达数据处理子单元，所述的雷达数据处理子单元，用于根据所述激光雷达传递的车辆参数，计算所述车辆的车速、车长、车高、车辆轮廓信息。

在一种可能的实现方式中，所述的处理模块用于接收雷达数据处理子单元获取的车速、车长、车高、车辆轮廓信息，并进行数据处理，判别车型。

在一种可能的实现方式中，所述的处理模块包括数据库、车型判断单元。

本申请实施例通过将至少一个倾斜雷达，和至少一个垂直雷达设置在车道上方，对车辆进行测量，获取车辆轮廓信息，计算得到车长、车高的车辆参数，将车长、车高、车辆轮廓信息作为车型识别参数，通过数据处理得到识别结果，实现车型分类。本申请实施例结构简单，不涉及对图像的识别，计算，计算量小。

附图说明

图1是本申请实施例1的模块连接示意图。

图2是本申请实施例1的工作原理示意图。

图3是本申请实施例2的模块连接示意图。

图中：

1、倾斜雷达；2、垂直雷达；3处理模块；4、车高计算单元；5、车长与车速计算单元；6、轮廓计算单元；7、数据库；8、车型判断单元；9、雷达数据处理子单元。

具体实施方式

下面结合附图并通过具体实施方式来进一步说明本申请的技术方案。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

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。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、装置、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。

本申请实施例。

实施例1

由图1、图2所示，一种基于激光雷达的车型识别装置，包括：

设置在车道上方的激光雷达模块，包括两个激光雷达，用于获取车辆的车辆参数，其中包括一个倾斜雷达1，一个垂直雷达2；

处理模块3，所述的处理模块3与激光雷达模块电路连接，用于接收激光雷达模块获取的车辆参数，并进行数据处理，判别车型。

其中倾斜雷达1用于测量车辆进入倾斜雷达工作距离的时刻，即倾斜雷达触发时刻Ta，垂直雷达2用于测量车辆进入垂直雷达工作距离的时刻，即垂直雷达触发时刻Tb，还用于测量车辆离开垂直雷达工作距离时刻Tc、垂直雷达与车辆之间实时距离。

倾斜雷达1、垂直雷达2优先选用激光雷达。处理模块3为单片机或微处理器。

如图2所示，所述的倾斜雷达1，其出射激光与车辆行驶方向夹角为θ,30°≦θ≦60°。

出射激光与车辆行驶方向夹角，即俯角θ在这个角度范围内，可以同时满足测量距离和测量精度的要求。俯角θ太小，测量距离远，但是测量精度低，超出雷达有效测量范围的情况下会存在误差。俯视角θ太大，测量距离过近，车速快的时候倾斜雷达1和垂直雷达2获取的通过时刻过于接近，无法根据通过时刻进行计算。

所述的激光雷达包括一个倾斜雷达1，一个垂直雷达2。

根据实际需要，可以设置多个其他方向的雷达，协助测量车辆参数。本实施例采用一个倾斜雷达1配合一个垂直雷达2，可以通过架设两台激光雷达获取车辆的触发时刻、离开时刻及车辆轮廓的信息。将这些信息作为车辆参数输入处理模块，处理模块进行计算，得出车速、车辆轮廓，进而识别车型。这一方案结构精简，只通过两台激光雷达即可实现测量，计算量较小，以更低成本的方式实现车型识别功能。

所述的垂直雷达2与车道的距离为4-8米。

垂直雷达2设置在车道上方4-8米，可以满足测量精度的要求，过低与车顶过近，容易被较高的车型剐蹭，过高距离车顶较远，超过激光雷达测量范围，测量精度受影响。

所述的处理模块3用于接收倾斜雷达1在探测到车辆的触发时刻Ta、垂直雷达2探测到车辆驶入的触发时刻Tb、车辆离开垂直雷达2工作范围时刻Tc、垂直雷达2与车辆之间实时距离，并进行数据处理，计算车速、车辆轮廓信息，判别车型。

其中车速的计算原理为：由图2可知，倾斜雷达1俯角为θ，车辆在先后触发倾斜雷达1、垂直雷达2工作后的行驶距离为S=Lcosθ。其中L是车辆进入倾斜雷达1工作距离，倾斜雷达1测量得到的雷达与车辆之间的距离。已知倾斜雷达1触发时刻Ta，垂直雷达2触发时刻Tb，两个雷达的触发时刻间隔T1=Tb-Ta，设车辆匀速触发倾斜雷达1、垂直雷达2，则速度V=S/T1。

另外汽车通过垂直雷达2的时间为T2=Tc-Tb，则可以得出车长L=V*T2。

轮廓信息的获得原理为：处理模块3从垂直雷达2获取垂直雷达2与车辆之间的距离数据，并对该数据进行归一化，形成车辆轮廓向量Dist。设无车状态时测距为D1，有车时测距结果为D(t)，车辆轮廓向量为Dist=D1-D(t)，车辆轮廓向量形成的数据集为轮廓数据。

另外统计出的轮廓向量最大值为车高。

处理器3的一种单元结构为：

处理模块3包括车高计算单元4、车长与车速计算单元5、轮廓计算单元6、数据库7、车型判断单元8。其中车高计算单元4、车长与车速计算单元5、轮廓计算单元6分别用来计算车高、车长、车速、车辆轮廓。

数据库7接收车速、车辆轮廓，构建车型参数向量，向量V=[车速，车辆轮廓]。

车型判断单元8预存有车型参数向量数据集、车高、车长参数，数据集按照车速、车辆轮廓的不同将车分成不同类别，测量时将数据库7构建的车型参数向量与其对比，进行车型判断。车高、车长起辅助作用，当车速、车辆轮廓不能准确识别时，将车高、车长与数据集预存的车高、车长数据对比，协助进行车型判断。

采用该处理模块的车型识别方法，包括如下步骤：

步骤101、通过倾斜雷达1，获得倾斜雷达触发时刻Ta；

步骤102、通过垂直雷达2，获得垂直雷达触发时刻Tb、车辆离开垂直雷达工作距离时刻Tc、垂直雷达2与车辆之间实时距离；

步骤103、通过处理模块3，将倾斜雷达触发时刻Ta、垂直雷达触发时刻Tb，车辆离开垂直雷达工作距离时刻Tc和垂直雷达2与车辆之间实时距离进行处理、计算，得到车速，车辆轮廓信息，识别车型。

本申请实施例通过将激光雷达模块设置在车道上方，且包括一个倾斜雷达，一个垂直雷达，对车辆进行测量，获取车辆轮廓信息，计算得到车长、车高的车辆参数，将所有车辆参数作为车型识别参数，通过数据处理得到识别结果，实现车型分类，整个装置结构简单，计算量小。

实施例2

如图3所示，与实施例1相比，本实施例激光雷达模块还包括雷达数据处理子单元9，所述的雷达数据处理子单元9，用于根据所述激光雷达传递的车辆参数，计算所述车辆的车速、车辆轮廓信息。雷达数据处理子单元9还可以用来计算车长、车高信息。

所述的处理模块3用于接收雷达数据处理子单元获取的车速、车辆轮廓信息，并进行数据处理，判别车型。

所述的处理模块包括数据库7、车型判断单元8。

另一方面，一种基于激光雷达的车型识别方法，包括如下步骤：

步骤200、通过倾斜雷达1，获得倾斜雷达1触发时刻Ta；

步骤201、通过垂直雷达2，获得垂直雷达触发时刻Tb、车辆离开垂直雷达工作距离时刻Tc、垂直雷达2与车辆之间实时距离；

步骤202、通过雷达数据处理子单元9，将倾斜雷达触发时刻Ta、垂直雷达触发时刻Tb、车辆离开垂直雷达工作距离时刻Tc和垂直雷达与车辆之间实时距离进行处理，计算，得到车速、车辆轮廓信息；

步骤203、处理模块3接收步骤202传递的车速、车辆轮廓信息，构建车型参数向量，完成车型识别。

步骤203中，数据库7接收车速、车辆轮廓，构建车型参数向量，向量V=[车速，车辆轮廓]。

车型判断单元8预存有车型参数向量数据集、车高、车长参数，数据集按照车速、车辆轮廓的不同将车分成不同类别，测量时将数据库7构建的车型参数向量与其对比，进行车型判断。车高、车长起辅助作用，当车速、车辆轮廓不能准确识别时，将车高、车长与数据集预存的车高、车长数据对比，协助进行车型判断。

本实施例将车速、车辆轮廓信息的计算放在激光雷达一端，减少了处理模块的计算量。

以上结合具体实施例描述了本申请的技术原理。这些描述只是为了解释本申请的原理，而不能以任何方式解释为对本申请保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本申请的其它具体实施方式，这些方式都将落入本申请的保护范围之内。