[发明专利]车辆车型的识别方法

说明书

本发明公开了一种车辆车型的识别方法，包括步骤：S1.构建车辆模型库；S2.采集车辆经过目标测量区域时的时序图像以及点云信息；S3.对所述时序图像进行拼接，得到所述车辆的完整图像，并对所述车辆的完整图像进行识别，得到所述车辆的轴数；S4.对所述车辆的点云信息进行聚类，得到所述车辆的长度、宽度以及高度；S5.将所述车辆的轴数、长度、宽度以及高度作为所述车辆的外观轮廓参数，构建所述车辆的外观轮廓模型；S6.从所述车辆模型库中查找与所述车辆的外观轮廓模型相同的目标车辆，并将所述目标车辆的车型作为所述车辆的车型。本发明能够有效地对路侧的车辆车型进行识别，识别效果好，识别精度高，应用前景广。

技术领域

本发明涉及车辆领域，具体涉及一种车辆车型的识别方法。

背景技术

中国汽车保有量每年在不断增加，随着车辆的增多，交通堵塞、车辆事故等事件也日益增多。为了解决这些问题，智能交通系统应运而生，其将人、车、路紧密联系起来，有效地缓解了各种交通问题。车辆车型的准确识别是智能交通系统的核心功能之一。车型识别就是利用传感器、图像分析、计算器等技术区分不同品牌或者不同功能用途的车辆的问题。车型识别系统可以广泛地应用于多种交通情况中，如高速公路的电子收费系统可根据不同车型进行差别收费，交管系统检测城市限行道路上的违章车辆等等。

解决车型识别问题一般有两种途径，第一种是通过传感器设备来进行车型的识别，在实际应用中，经常使用雷达、地感线圈等设备获取车辆大小等参数进行车型分析，但是硬件要求高，不易维护，使用成本大；第二种就是利用图像分析手段，利用视频采集道路上行驶车辆的信息，然后根据特征分类进行车型识别，但是纯视觉的方案对远处的物体测距、测速、定位误差较大，且算法设计复杂，算法要求较高，同时系统的稳定性很难保证，无形中增加了后端硬件设备的成本，而且在光照不理想、大雾、暴雨等恶劣条件下，纯视觉的方案精度较差甚至带了很多误检误报，可靠性大大降低。

目前，车型识别系统大多采用图像配合毫米波雷达的方案，其中，图像部分采用图形处理技术，毫米波雷达可以完成车辆的精确测距、测速和检测车辆外部轮廓，但是该方案无法识别道路指示牌，难以识别较远处的目标，并且无法用于视觉识别，同时，其与图像传感器很难做到信息融合，在实际应用方面仍存在一定的不足。

发明内容

有鉴于此，本发明的目的是克服现有技术中的缺陷，提供车辆车型的识别方法，能够有效地对路侧的车辆车型进行识别，识别效果好，识别精度高，应用前景广。

本发明的车辆车型的识别方法，包括如下步骤：

S1.构建车辆模型库；

S2.采集车辆经过目标测量区域时的时序图像以及点云信息；

S3.对所述时序图像进行拼接处理，得到所述车辆经过目标测量区域的完整图像，并对所述车辆的完整图像进行识别，得到所述车辆的轴数；

S4.对所述车辆的点云信息进行聚类处理，得到所述车辆的长度、宽度以及高度；

S5.将所述车辆的轴数、长度、宽度以及高度作为所述车辆的外观轮廓参数，构建所述车辆的外观轮廓模型；

S6.从所述车辆模型库中查找与所述车辆的外观轮廓模型相同的目标车辆，并将所述目标车辆的车型作为所述车辆的车型。

进一步，步骤S2中，使用全局曝光模式的相机采集车辆的时序图像，并使用激光雷达采集车辆的点云信息。

进一步，步骤S3中，对所述时序图像进行拼接处理，得到所述车辆经过目标测量区域的完整图像，具体包括：

S31.确定时序图像中相邻帧图像之间的图像特征区域；

S32.确定所述图像特征区域中的特征点，并生成所述特征点的描述子；

S33.根据所述描述子对图像进行拼接，得到所述车辆的完整图像。