本發(fā)明涉及智能交通，尤其涉及基于激光雷達與卡口相機融合的收費車型檢測方法及系統(tǒng)。

背景技術：

1、在車輛收費車型檢測領域，傳統(tǒng)的車牌識別和車輛外形分類方法廣泛應用于收費系統(tǒng)，這些技術主要依賴卡口相機進行車輛識別，通過車牌信息匹配和車輛的圖像特征來判斷車型。然而，在復雜交通場景中，例如夜間、低能見度、強反光、車流密集等，單純依靠圖像識別的方式容易受到環(huán)境影響，導致車型分類和檢測精度下降，尤其在面對尺寸接近、形狀相似的車型時，傳統(tǒng)圖像識別方法易產生誤判，難以滿足高精度收費要求。

2、近年來在智能交通系統(tǒng)的推動下，逐步引入激光雷達與圖像融合技術用于收費車型檢測，隨著智慧城市的建設和自動化收費需求的增長，國內的智能收費系統(tǒng)技術也在逐步更新。針對車流密集、車型多樣化等特殊情況，國內研究重點解決復雜環(huán)境下的車型檢測與收費問題，探索了基于激光雷達的目標檢測方法，以克服傳統(tǒng)相機在低能見度環(huán)境下的局限性。通過多傳感器聯合建模，使用點云與圖像融合進行車輛識別和分類，同時結合多模態(tài)特征進行遷移學習，以增強模型在不同收費站和道路環(huán)境中的泛化能力。在國內外的車輛收費車型檢測技術中，盡管激光雷達與圖像融合技術取得了一定進展，但仍存在復雜環(huán)境下的識別精度仍然不足、算法模型計算成本較高，難以在邊緣設備上實時應用、數據資源相對有限等問題。因此，基于激光雷達與卡口相機融合的收費車型檢測方法成為目前研究的方向之一。

技術實現思路

1、本發(fā)明提供了基于激光雷達與卡口相機融合的收費車型檢測方法及系統(tǒng)，可有效解決背景技術中的問題。

2、為了達到上述目的，本發(fā)明所采用的技術方案是：

3、基于激光雷達與卡口相機融合的收費車型檢測方法，所述方法包括：

4、通過激光雷達對進入收費站的車輛進行掃描，得到車輛的三維點云數據；

5、對所述三維點云數據進行特征提取，得到車輛尺寸信息；

6、通過卡口相機采集進入收費站的車輛的二維圖像數據，根據所述二維圖像數據識別所述車輛的類型，得到車輛類型信息；

7、將所述車輛尺寸信息和所述車輛類型信息進行對比匹配，通過多模態(tài)融合算法對所述車輛尺寸信息和所述車輛類型信息進行分析，得到車輛完整信息；

8、基于所述車輛完整信息，根據車型收費規(guī)則計算所述車輛的應收費用。

9、進一步地，所述得到車輛的三維點云數據包括：通過所述激光雷達連續(xù)發(fā)射高頻激光脈沖，并且接收從車輛表面反射回的信號，構建所述車輛的三維點云數據。

10、進一步地，所述對所述三維點云數據進行特征提取，得到車輛尺寸信息包括：

11、對所述三維點云數據進行預處理；

12、優(yōu)化3d目標檢測算法，通過優(yōu)化后的所述3d目標檢測算法對所述三維點云數據進行特征提取，得到車輛尺寸信息。

13、進一步地，所述通過卡口相機采集進入收費站的車輛的二維圖像數據，根據所述二維圖像數據識別所述車輛的類型，得到車輛類型信息包括：

14、通過所述卡口相機采集進入收費站的所述車輛的二維圖像數據；

15、對所述二維圖像數據進行預處理，利用深度學習算法識別所述車輛的車輛類型，并且輸出所述車輛的車輛邊界框；

16、基于所述車輛邊界框，通過車牌識別算法提取所述車輛的車牌號碼，將所述車輛類型和所述車牌號碼進行整合，得到車輛類型信息。

17、進一步地，還包括在所述車輛邊界框中提取車牌區(qū)域時，采用圖像處理技術優(yōu)化所述車牌區(qū)域。

18、進一步地，包括通過時鐘同步技術將所述激光雷達和所述卡口相機的采集頻率進行對齊。

19、進一步地，還包括使用高精度時鐘源實現所述激光雷達和所述卡口相機的時間同步。

20、進一步地，將所述車輛尺寸信息和所述車輛類型信息進行對比匹配包括：

21、通過空間對齊算法將所述激光雷達采集的所述三維點云數據和所述卡口相機采集的所述二維圖像數據映射到同一坐標系中。

22、基于激光雷達與卡口相機融合的收費車型檢測系統(tǒng)，所述系統(tǒng)包括：

23、激光雷達模塊，通過激光雷達對進入收費站的車輛進行掃描，得到車輛的三維點云數據；對所述三維點云數據進行特征提取，得到車輛尺寸信息；

24、卡口相機模塊，通過卡口相機采集進入收費站的車輛的二維圖像數據，根據所述二維圖像數據識別所述車輛的類型，得到車輛類型信息；

25、時間同步模塊，通過時鐘同步技術將所述激光雷達和所述卡口相機的采集頻率進行對齊；

26、數據融合模塊，將所述車輛尺寸信息和所述車輛類型信息進行對比匹配，通過多模態(tài)融合算法對所述車輛尺寸信息和所述車輛類型信息進行分析，得到車輛完整信息；

27、收費計算模塊，基于所述車輛完整信息，根據車型收費規(guī)則計算所述車輛的應收費用。

28、進一步地，還包括在所述收費計算模塊中集成審計和記錄功能，記錄每一筆所述應收費用的詳細信息。

29、通過本發(fā)明的技術方案，可實現以下技術效果：

30、1、提高車輛類型識別的準確性：通過融合激光雷達與卡口相機的檢測信息，系統(tǒng)可以更精確地識別車輛類型，激光雷達提供了車輛的三維尺寸數據，而卡口相機的圖像識別則補充了車輛外觀特征信息，兩者結合能有效提高識別精度。

31、2、尺寸判定更為精確：系統(tǒng)對大型貨車、輕型車、客車等車型的尺寸判定更加準確，激光雷達捕獲的幾何尺寸信息有助于區(qū)分尺寸接近但分類不同的車輛，例如區(qū)分大型貨車與小型貨車或客車，避免因外觀相似導致的識別錯誤。

32、3、車牌識別與尺寸信息的雙重校驗：利用車牌識別結合車輛的幾何尺寸數據，系統(tǒng)實現了車輛類型的雙重校驗，通過兩種獨立的信息來源相互驗證，可以有效減少誤檢和漏檢，進一步提升車型識別的準確性。

33、4、提高收費系統(tǒng)的可靠性：多模態(tài)融合方式顯著增強了收費系統(tǒng)的整體可靠性，多種檢測信息相互校驗確保了在復雜交通環(huán)境中也能保持較高的識別精度，從而降低錯誤收費的風險，適應各種交通場景的實際需求。

34、上述說明僅是本申請技術方案的概述，為了能夠更清楚了解本申請的技術手段，而可依照說明書的內容予以實施，并且為了讓本申請的上述和其它目的、特征和優(yōu)點能夠更明顯易懂，以下特舉本申請的具體實施方式。

技術特征：

1.基于激光雷達與卡口相機融合的收費車型檢測方法，其特征在于，所述方法包括：

2.根據權利要求1所述的基于激光雷達與卡口相機融合的收費車型檢測方法，其特征在于，所述得到車輛的三維點云數據包括：通過所述激光雷達連續(xù)發(fā)射高頻激光脈沖，并且接收從車輛表面反射回的信號，構建所述車輛的三維點云數據。

3.根據權利要求2所述的基于激光雷達與卡口相機融合的收費車型檢測方法，其特征在于，所述對所述三維點云數據進行特征提取，得到車輛尺寸信息包括：

4.根據權利要求1所述的基于激光雷達與卡口相機融合的收費車型檢測方法，其特征在于，所述通過卡口相機采集進入收費站的車輛的二維圖像數據，根據所述二維圖像數據識別所述車輛的類型，得到車輛類型信息包括：

5.根據權利要求4所述的基于激光雷達與卡口相機融合的收費車型檢測方法，其特征在于，還包括在所述車輛邊界框中提取車牌區(qū)域時，采用圖像處理技術優(yōu)化所述車牌區(qū)域。

6.根據權利要求1所述的基于激光雷達與卡口相機融合的收費車型檢測方法，其特征在于，包括通過時鐘同步技術將所述激光雷達和所述卡口相機的采集頻率進行對齊。

7.根據權利要求6所述的基于激光雷達與卡口相機融合的收費車型檢測方法，其特征在于，還包括使用高精度時鐘源實現所述激光雷達和所述卡口相機的時間同步。

8.根據權利要求1所述的基于激光雷達與卡口相機融合的收費車型檢測方法，其特征在于，將所述車輛尺寸信息和所述車輛類型信息進行對比匹配包括：

9.基于激光雷達與卡口相機融合的收費車型檢測系統(tǒng)，其特征在于，所述系統(tǒng)包括：

10.根據權利要求9所述的基于激光雷達與卡口相機融合的收費車型檢測系統(tǒng)，其特征在于，還包括在所述收費計算模塊中集成審計和記錄功能，記錄每一筆所述應收費用的詳細信息。

技術總結
本發(fā)明涉及智能交通技術領域，尤其涉及一種基于激光雷達與卡口相機融合的收費車型檢測方法及系統(tǒng)，方法包括：通過激光雷達對進入收費站的車輛進行掃描，得到車輛的三維點云數據；對三維點云數據進行特征提取，得到車輛尺寸信息；通過卡口相機采集進入收費站的車輛的二維圖像數據，識別車輛的類型，得到車輛類型信息；將車輛尺寸信息和車輛類型信息進行對比匹配，通過多模態(tài)融合算法對車輛尺寸信息和車輛類型信息進行分析，得到車輛完整信息；基于車輛完整信息，根據車型收費規(guī)則計算車輛的應收費用。通過本發(fā)明，有效提高了在復雜交通環(huán)境中車輛識別精度，實現了車輛類型的雙重校驗，有效減少誤檢和漏檢，并且增強了收費系統(tǒng)的整體可靠性。

技術研發(fā)人員：楊陽,張志祥,劉強,李東亞,趙劉,關永勝
受保護的技術使用者：江蘇景行物元科技有限公司
技術研發(fā)日：
技術公布日：2025/5/15