车辆超重检测方法、装置、系统及终端设备
文献发布时间:2023-06-19 11:29:13
技术领域
本申请属于车辆检测技术领域,尤其涉及一种车辆超重检测方法、装置、系统及终端设备。
背景技术
随着人工智能技术的发展,对路面安全的管理也越来越智能化,其中路面安全管理主要包括检测路面的行驶质量、路面损坏状况以及路面承载能力。目前,影响路面安全管理的主要因素是车辆超重行驶,车辆超重行驶不仅会导致路面损坏、桥梁断裂,还会导致路面的使用年限大大的缩短,为了尽可能增加道路的使用年限,目前已采用多种车辆超重检测方法对车辆的载重进行检测。
目前的车辆超重检测方法主要有:将车辆超重检测设备埋在路面基层中对路面行驶状况以及车辆载重进行检测,或设置地磅等称重设备,或者在路面中央凸出设置减速带,并在减速带区域放置称重板与压力传感器,通过获取压力传感器的数据计算车辆的载重。上述车辆超重检测方法容易使车辆超重检测设备发生疲劳破坏,增大维修成本,且对车速有一定限制。因此,提出一种新型的车辆超重检测方法成为了一个急需解决的重要问题。
发明内容
本申请实施例提供了一种车辆超重检测方法、装置、系统及终端设备,可以解决现有技术中车辆超重检测设备易发生疲劳破坏,增大维修成本的问题。
本申请实施例的第一方面提供了一种车辆超重检测方法,所述车辆超重检测方法包括:
获取车辆的车轴数量、每个车轴上目标轮胎的第一曲面图像和所述目标轮胎所在车轴上的轮胎数量;
获取所述第一曲面图像与轮胎数据库中曲面图像的相似度,并确定所述轮胎数据库中与所述第一曲面图像相似度最大的曲面图像为第二曲面图像,所述轮胎数据库包括不同载重下的轮胎的曲面图像;
根据所述第二曲面图像对应的轮胎的载重、所述车辆的车轴数量和所述目标轮胎所在车轴上的轮胎数量,确定所述车辆的超重检测结果。
本申请实施例的第二方面提供了一种车辆超重检测装置,所述车辆超重检测装置包括:
获取模块,用于获取车辆的车轴数量、每个车轴上目标轮胎的第一曲面图像和所述目标轮胎所在车轴上的轮胎数量;
相似度确定模块,用于获取所述第一曲面图像与轮胎数据库中曲面图像的相似度,并确定所述轮胎数据库中与所述第一曲面图像相似度最大的曲面图像为第二曲面图像,所述轮胎数据库包括不同载重下的轮胎的曲面图像;
结果确定模块,用于根据所述第二曲面图像对应的轮胎的载重、所述车辆的车轴数量和所述目标轮胎所在车轴上的轮胎数量,确定所述车辆的超重检测结果。
本申请实施例的第三方面提供了一种车辆超重检测系统,所述车辆超重检测系统包括图像采集设备、车辆型号识别设备和如上述第二方面中所述的车辆超重检测装置,所述图像采集设备和所述车辆型号识别设备分别与所述车辆超重检测装置连接;
所述图像采集设备,用于获取车辆每个车轴上目标轮胎的第一曲面图像,并将所述第一曲面图像传输给所述车辆超重检测装置;
所述车辆型号识别设备,用于识别所述车辆的车轴数量、所述车辆每个车轴上的轮胎数量,并将所述车辆的车轴数量、所述车辆每个车轴上的轮胎数量传输给所述车辆超重检测装置;
所述车辆超重检测装置,用于获取所述第一曲面图像与轮胎数据库中曲面图像的相似度,并确定所述轮胎数据库中与所述第一曲面图像相似度最大的曲面图像为第二曲面图像,所述轮胎数据库包括不同载重下的轮胎的曲面图像;根据所述第二曲面图像对应的轮胎的载重、所述车辆的车轴数量和所述目标轮胎所在车轴上的轮胎数量,确定所述车辆的超重检测结果。
本申请实施例的第四方面提供了一种终端设备,包括:处理器以及可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的车辆超重检测方法。
本申请实施例的第五方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述车辆超重检测方法的步骤。
本申请实施例的第六方面提供了一种计算机程序产品,当所述计算机程序产品在终端设备上运行时,使得所述终端设备执行上述第一方面所述的车辆超重检测方法。
本申请实施例与现有技术相比存在的有益效果是:本申请实施例通过获取车辆每个车轴上目标轮胎的第一曲面图像,根据目标轮胎的第一曲面图像,获取第一曲面图像与轮胎数据库中曲面的相似度,在轮胎数据库中获取与第一曲面图像相似度最大的图像为第二曲面图像,由于第二曲面图像中包含对应的轮胎的载重,因此可以根据第二曲面图像对应的轮胎的载重、车辆的车轴数量以及目标轮胎所在车轴上的轮胎数量,检测车辆是否超重,相比于采用压力传感器计算载重的方法,本申请实施例的方法不需要与车辆实体接触,设备不易发生损坏,节约了维修成本。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例一提供的一种车辆超重检测方法的流程示意图;
图2是车辆超重检测方法在单行道的应用场景示意图;
图3是车辆超重检测方法在双车道的应用场景示意图;
图4是本申请实施例二提供的一种车辆超重检测方法的流程示意图;
图5是本申请实施例三提供的一种车辆超重检测装置的结构示意图;
图6是本申请实施例四提供的一种车辆超重检测系统的结构示意图;
图7是本申请实施例五提供的一种终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
应理解,本实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
为了说明本申请的技术方案,下面通过具体实施例来说明。
参照图1,示出了本申请实施例一提供的一种车辆超重检测方法的流程示意图,如图1所示,该车辆超重检测方法可以包括如下步骤:
步骤101,获取车辆的车轴数量、每个车轴上目标轮胎的第一曲面图像和目标轮胎所在车轴上的轮胎数量。
其中,目标轮胎的第一曲面图像可以是终端设备在车辆行驶过程中实时获取的曲面图像,还可以是终端设备从深度摄像头所记录的视频中获取的曲面图像。获取目标轮胎的第一曲面图像的方式可以依据具体应用环境进行调整,此处不做具体限定。
具体地,终端设备在车辆行驶过程中实时获取目标轮胎的第一曲面图像过程可以为:首先通过图像采集设备采集目标轮胎的第一曲面图像,再将第一曲面图像传输给终端设备,最后由终端设备接收该第一曲面图像。其中,图像采集设备可以为任一能够采集曲面图像的任一设备,例如三维激光扫描仪、深度摄像头等。
具体地,终端设备从深度摄像头所记录的视频中获取目标轮胎的第一曲面图像过程可以为:首先对深度摄像头所记录的视频进行图像采样,提取出目标轮胎的第一曲面图像,再将第一曲面图像传输给终端设备,最后由终端设备接收该第一曲面图像。
在本申请实施例中,获取车辆的车轴数量时,可以先由终端设备获取车辆型号,再根据车辆型号从车辆信息数据库中获取与车辆型号对应的车轴数量。同理,在获取目标轮胎所在车轴上的轮胎数量,也可以先由终端设备获取车辆型号,再根据车辆型号从车辆信息数据库中获取每个车轴上的轮胎数量,即可得到目标轮胎所在车轴上的轮胎数量。其中,车辆信息数据库中包括车辆型号,以及车辆型号对应的车辆结构信息,还包括车辆型号对应的额定载重,其中车辆结构信息包括但不限于车辆的车轴数量、每个车轴上的轮胎数量以及轮胎的总数量。
在本申请实施例中,每个车轴上的目标轮胎是指每个车轴上与超重检测装置位于同侧的轮胎,目标轮胎的位置可以根据车辆超重检测装置的位置进行调整。
示例性地,如图2所示,车辆A行驶在单行道上,车辆A为二轴车辆,车辆超重检测装置的位置为车辆前进方向的右侧,此时与车辆超重检测装置位于同侧的轮胎为目标轮胎,且针对车辆A,目标轮胎为两个,根据图2中所示的车辆A,车辆A的车轴包括第一车轴和第二车轴,第一目标轮胎可以是位于第一车轴上且与车辆超重检测装置位于同侧的轮胎,第二目标轮胎可以是位于第二车轴上且与车辆超重检测装置位于同侧的轮胎。
示例性地,如图3所示,车辆B和车辆C行驶在双行道上,车辆B和车辆C为三轴车辆,道路的两侧分别设置一个车辆超重检测装置,A1车道上车辆超重检测装置位于道路的左侧,A2车道上车辆超重检测装置位于道路的右侧,针对A1车道上行驶的车辆B,目标轮胎的数量为三个,且目标轮胎的位置都位于车身前进方向的左侧(即与车辆超重检测装置位于同侧),由于车辆B为三轴车辆,所以三个车轴上与车辆超重检测装置位于同侧的轮胎都为目标轮胎。同理,针对A2车道上行驶的车辆C,目标轮胎的数量也为三个,三个车轴上与车辆超重检测装置位于同侧的轮胎都为目标轮胎,但车辆C的目标轮胎的位置位于车身前进方向的右侧(即与车辆超重检测装置位于同侧)。
步骤102,获取第一曲面图像与轮胎数据库中曲面图像的相似度,并确定轮胎数据库中与第一曲面图像相似度最大的曲面图像为第二曲面图像。
其中,轮胎数据库中的曲面图像为不同型号、不同尺寸、不同胎压、不同车速以及不同载重下的轮胎的曲面图像。
在本申请实施例中,第一曲面图像与轮胎数据库中曲面图像的相似度计算方法并不唯一,可以直接根据第一曲面图像与轮胎数据库中曲面图像之间的图像特征计算相似度,还可以根据第一曲面图像对应的目标轮胎的形变参数与参考形变参数(即轮胎数据库中曲面图像对应的形变参数)对比计算相似度,基于形变参数或者图像特征计算相似度的算法有很多,例如人工神经网络、余弦相似度算法等。计算第一曲面图像与轮胎数据库中曲面图像的相似度可以采用任意一种相似度计算方法,本申请在此不做具体限定。
以采用人工神经网络为例,计算第一曲面图像与轮胎数据库中曲面图像的相似度。其计算过程如下:首先通过图像特征提取算法从第一曲面图像中提取目标轮胎的形变参数,并从轮胎数据库中获取所有曲面图像的参考形变参数。其次,将目标轮胎的形变参数和参考形变参数作为人工神经网络的输入,通过人工神经网络的卷积运算后,输出参考形变参数,以及参考形变参数与目标轮胎的形变参数之间的相似度。终端设备获取人工神经网络输出的参考形变参数,以及参考形变参数与目标轮胎的形变参数之间的相似度,并将该相似度进行比较,确定最大相似度对应的参考形变参数。最后根据该最大相似度对应的参考形变参数匹配得出该参考形变参数对应的曲面图像,确定该曲面图像为与目标轮胎的第一曲面图像相似度最大的第二曲面图像。
应理解,本申请实施例中参考形变参数和目标轮胎的形变参数包括但不限于轮胎底部下沉量、轮胎侧向膨胀量、膨胀曲线等形变曲面数据,其中,轮胎底部下沉量是指目标轮胎的底部相较于空载情况下的目标轮胎底部下沉的数据值,轮胎侧面膨胀量是指车辆行进过程中目标轮胎的侧面相较于空载情况下目标轮胎侧面膨胀的最大值,膨胀曲线是指车辆行进过程中目标轮胎的侧面相较于空载情况下目标轮胎侧面膨胀的曲线线条,本申请对参考形变参数和目标轮胎的形变参数包含的特征数据类型不做具体限定。
步骤103,根据第二曲面图像对应的轮胎的载重、车辆的车轴数量和目标轮胎所在车轴上的轮胎数量,确定车辆的超重检测结果。
在本申请实施例中,由于第二曲面图像属于轮胎数据库,且是在不同胎压、不同车速以及不同载重下得出的轮胎的曲面图像,故通过反演算法可以得出第二曲面图像对应的轮胎的载重,又由于第二曲面图像与目标轮胎的第一曲面图像相似度最高,故可以确定第二曲面图像对应的轮胎的载重为目标轮胎在实际行进过程中承受的重量。
可选地,根据第二曲面图像对应的轮胎的载重、车辆的车轴数量和目标轮胎所在车轴上的轮胎数量,确定车辆的超重检测结果包括:
根据第二曲面图像对应的轮胎的载重、车辆的车轴数量和目标轮胎所在车轴上的轮胎数量,计算车辆的实际载重;
若车辆的实际载重小于或等于车辆的额定载重,则确定车辆的超重检测结果为未超重;
若车辆的实际载重大于车辆的额定载重,则确定车辆的超重检测结果为超重。
在本申请实施例中,第二曲面图像对应的轮胎的载重是指目标轮胎在实际行进过程中承受的重量。根据目标轮胎在实际行进过程中承受的重量以及车辆的车轴数量和目标轮胎所在车轴上的轮胎数量,可以计算出车辆在实际行进过程中的载重(即实际载重),在计算车辆的实际载重之后,将实际载重与车辆的额定载重进行对比,可以确定出车辆的超重检测结果。
其中,车辆的额定载重可以从车辆信息数据库中获取,具体地可以通过终端设备获取车辆型号,获取车辆型号之后从车辆信息数据库中获取车辆型号对应的额定载重。
示例性的,以行驶在道路上的车辆D和车辆E为例,说明车辆的实际载重的计算过程:
车辆D为二轴车辆(如小型客车、公交车等),车辆D的前轴有两个轮胎,后轴有四个轮胎。首先,获取两个目标轮胎,这两个目标轮胎分别为前轴轮胎和后轴轮胎中与车辆超重检测装置位于同一侧的轮胎,由于后轴有四个轮胎,且与车辆超重检测装置位于同一侧的轮胎有两个,所以可以获取后轴上与车辆超重检测装置位于同一侧的两个轮胎中的任意一个作为后轴上的目标轮胎;其次,通过相似度计算方法可以从轮胎数据库中获取曲面图像1(即前轴上目标轮胎的第一曲面图像)和曲面图像2(即后轴上目标轮胎的第一曲面图像),根据曲面图像1可以确定前轴上目标轮胎的实际载重a,根据曲面图像2可以确定后轴上目标轮胎的实际载重b,由于前轴有两个轮胎,后轴有四个轮胎,所以可以确定车辆D的实际载重为2a+4b。
车辆E为三轴车辆(如卡车),车辆E前轴有两个轮胎,中轴有四个轮胎,后轴有四个轮胎。首先,获取三个目标轮胎,同上述车辆D的目标轮胎获取方法相同,这三个目标轮胎分别为前轴轮胎、中轴轮胎和后轴轮胎中与车辆超重检测装置位于同一侧的轮胎,由于中轴和后轴分别有四个轮胎,且与车辆超重检测装置位于同一侧的轮胎分别有两个,所以可以获取中轴和后轴上与车辆超重检测装置位于同一侧的两个轮胎中的任意一个作为中轴和后轴上的目标轮胎;其次,通过相似度计算方法可以从轮胎数据库中获取曲面图像3(即前轴上目标轮胎的第一曲面图像)、曲面图像4(即中轴上目标轮胎的第一曲面图像)和曲面图像5(即后轴上目标轮胎的第一曲面图像),根据曲面图像3,可以确定前轴上目标轮胎的实际载重c、根据曲面图像4,可以中轴上目标轮胎的实际载重d、以及根据曲面图像5,可以后轴上目标轮胎的实际载重e,由于前轴有两个轮胎,中轴有四个轮胎,后轴有四个轮胎,所以可以确定车辆E的实际载重为2c+4d+4e。
在本申请实施例中,通过获取车辆每个车轴上目标轮胎的第一曲面图像,并根据目标轮胎的第一曲面图像,计算第一曲面图像与轮胎数据库中曲面的相似度,在轮胎数据库中获取与第一曲面图像相似度最大的图像为第二曲面图像。由于第二曲面图像包含对应的轮胎的载重,因此可以根据第二曲面图像对应的轮胎的载重、车辆的车轴数量以及目标轮胎所在车轴上的轮胎数量,检测车辆是否超重,该方法不需要与车辆实体接触,设备不易发生损坏,节约了维修成本。
参见图4,示出了本申请实施例二提供的一种车辆超重检测方法的流程示意图,如图4所示,该车辆超重检测方法可以包括如下步骤:
步骤401,获取车辆的车轴数量、每个车轴上目标轮胎的第一曲面图像和目标轮胎所在车轴上的轮胎数量。
本实施例步骤401与前述实施例中步骤101类似,可以相互参阅,本实施例在此不再赘述。
步骤402,根据第一曲面图像,确定目标轮胎的轮胎尺寸和目标轮胎的形变参数。
其中,轮胎尺寸可以是指轮胎宽度和轮胎厚度,形变参数可以是指轮胎底部下沉量、轮胎侧面膨胀量以及膨胀曲线。
在本申请实施例中,通过对第一曲面图像进行三维图像特征提取,可以从第一曲面图像中提取出目标轮胎的轮胎尺寸。根据第一曲面图像所包含的三维数据信息,可以获取目标轮胎的形变参数。
步骤403,从轮胎数据库中确定第一候选曲面图像。
其中,第一候选曲面图像对应的轮胎尺寸与目标轮胎的轮胎尺寸相同。
在本申请实施例中,为了减少车辆超重检测方法中的相似度计算量,可以先从轮胎数据库中获取与目标轮胎尺寸相同的曲面图像,再执行步骤404。
从轮胎数据库中获取与目标轮胎尺寸相同的曲面图像的过程如下:
将从第一曲面图像提取出的轮胎的宽度和厚度,与轮胎数据库中每个曲面图像对应的轮胎的宽度和厚度进行对比,获取与第一曲面图像对应的轮胎具有相同尺寸的曲面图像,确定该曲面图像为第一候选曲面图像。
应理解,从轮胎数据库中确定的第一候选曲面图像的数量为至少一个。
步骤404,根据目标轮胎的形变参数和第一候选曲面图像对应的轮胎的形变参数,确定第一曲面图像与第一候选曲面图像的相似度。
其中,第一候选曲面图像是从轮胎数据库中筛选出的与目标轮胎尺寸相同的曲面图像,在尺寸相同的情况下,再将目标轮胎的形变参数与第一候选曲面图像对应的轮胎的形变参数进行对比,计算两者之间的形变相似度,在计算两者之间的形变相似度时,由于步骤403已经从轮胎数据库中筛选出了第一候选图像(第一候选图像的数量小于轮胎数据库中曲面图像的数量),所以为上述形变相似度的计算减少了计算量,并加快了终端设备的运行速度。
在本申请实施例中,可以采用基于人工神经网络确定第一曲面图像与第一候选曲面图像之间的形变相似度。其中,人工神经网络为已训练的人工神经网络。
将目标轮胎的形变参数和第一候选曲面图像的参考形变参数作为第一人工神经网络的输入,通过第一人工神经网络的卷积运算,输出第一候选曲面图像的参考形变参数,以及第一候选曲面图像的参考形变参数与目标轮胎的形变参数之间的形变相似度。终端设备获取人工神经网络输出的参考形变参数,以及参考形变参数与目标轮胎的形变参数之间的形变相似度,该形变相似度为第一曲面图像与第一候选曲面图像的相似度。可选地,根据形变相似度,确定第一曲面图像与第一候选曲面图像的相似度包括:
从至少一个第一候选曲面图像中确定第二候选曲面图像,第二候选曲面图像是指形变相似度大于相似度阈值的第一候选曲面图像;
获取第一曲面图像和第二候选曲面图像的曲面相似度;
确定曲面相似度为第一曲面图像与所述第一候选曲面图像的相似度。
在本申请实施例中,通过第一人工神经网络可以获取第一曲面图像与第一候选曲面图像的形变相似度,终端设备可以获取该形变相似度,以及形变相似度对应的第一候选曲面图像的参考形变参数,在终端设备获取形变相似度,以及形变相似度对应的第一候选曲面图像的参考形变参数之后,将形变相似度与相似度阈值进行比较,确定形变相似度大于相似度阈值的第一形变相似度,并获取第一形变相似度对应的参考形变参数。最后根据第一形变相似度的参考形变参数,确定该参考形变参数对应的曲面图像为第二候选曲面图像。
其中,第二候选曲面图像是从第一候选曲面图像中筛选出的,且第二候选曲面图像的数量为至少一个。
在本申请实施例中,在获取到第二候选曲面图像之后,自动对第二候选曲面图像设置不同的标签(例如编号)。将第二候选曲面图像与第一曲面图像作为第二人工神经网络的输入,通过第二人工神经网络的卷积运算,输出第二候选曲面图像与第一曲面图像的曲面相似度,以及该曲面相似度对应的第二候选曲面图像的标签。终端设备获取第二候选曲面图像与第一曲面图像的曲面相似度,以及该曲面相似度对应的第二候选曲面图像的标签,确定该曲面相似度为上述第一曲面图像与第一候选曲面图像的相似度。
应理解,第一人工神经网络的卷积运算是计算形变相似度,第二人工神经网络的卷积运算是计算曲面相似度,其中曲面相似度是指三维曲面图像之间的相似度。
还应理解的是,在进行相似度的计算时,可采用其他相似度算法,不仅仅限于人工神经网络。
步骤405,从轮胎数据库中获取与第一曲面图像相似度最大的曲面图像作为第二曲面图像。
其中,轮胎数据库中包括了常见轮胎的有限元模型(即根据轮胎的材质、宽度、厚度等信息建立的有限元模型),并对不同规格型号的轮胎模型进行有限元分析,获取不同胎压、不同车速、不同载重下的轮胎曲面图像。
在本申请实施例中,可以根据步骤404计算出的相似度,从轮胎数据库的曲面图像中获取与第一曲面相似度最大的曲面图像,将相似度最大的曲面图像确定为第二曲面图像,
应理解,由于第二曲面图像与第一曲面图像的相似度最大,所以根据第二曲面图像得出的车辆的胎压、车速以及载重,可以认为是车辆在实际行驶过程中的车速、目标轮胎的胎压、以及载重。
步骤406,根据第二曲面图像对应的轮胎的载重、车辆的车轴数量和目标轮胎所在车轴上的轮胎数量,确定车辆的超重检测结果。
本实施例步骤406与前述实施例中步骤103类似,可以相互参阅,本实施例在此不再赘述。
步骤407,若车辆超重,则确定车辆的超重信息,并输出超重信息。
其中,车辆的超重信息包括超重检测结果、超出的重量、超重百分比、车辆型号和车牌号。超出的重量是指车辆的实际载重和额定载重的差值。超重百分比是指实际载重和额定载重的差值所占额定载重的百分比。
需要说明的是,本申请实施例可以实时显示超重信息,也可以在超重百分比达到预设百分比(例如50%)时显示超重信息,在此不做限定。由于本申请实施例将车轴上目标轮胎的实际载重等同于同车轴上其他轮胎的实际载重,存在一定的误差,故在超重百分比达到预设百分比时再显示超重信息,既可以保证极端超重(例如超重50%以上)的车辆被检测出来,还可以减小对终端设备的运行内存的占用,加快终端设备的运行速度。
还需要说明的是,终端设备可以将超重信息输出至自身的显示屏,在显示屏上显示超重信息;也可以将超重信息输出至额外的显示器,显示器在接收到超重信息后,对超重信息进行显示。
相较于实施例一来说,本实施例先根据目标轮胎的轮胎尺寸从轮胎数据库中筛选出与目标轮胎尺寸相同的第一候选曲面图像,再对比第一候选曲面图像的形变参数与目标轮胎的形变参数之间的相似度,可以减少相似度计算量,加快系统运行速度。而且在计算出第一候选曲面图像与第一曲面图像的形变相似度后,将形变相似度大于相似度阈值的曲面图像确定为第二候选曲面图像,并将第二候选曲面图像与第一曲面图像的曲面相似度进行对比,获取曲面相似度最大的第二候选曲面图像为第二曲面图像,将轮胎数据库中的第二曲面图像作为与第一曲面图像最匹配的图像,相比于实施例一增加了曲面相似度的对比过程,提高了该车辆超重检测方法的精确度。
参照图5,示出了本申请实施例三提供的一种车辆超重检测装置的结构示意图,为了便于说明,仅示出了与本申请实施例相关的部分,车辆超重检测装置具体可以包括如下模块。
获取模块501,用于获取车辆的车轴数量、每个车轴上目标轮胎的第一曲面图像和目标轮胎所在车轴上的轮胎数量;
相似度确定模块502,用于获取第一曲面图像与轮胎数据库中曲面图像的相似度,并确定轮胎数据库中与第一曲面图像相似度最大的曲面图像为第二曲面图像,轮胎数据库包括不同载重下的轮胎的曲面图像;
结果确定模块503,根据第二曲面图像对应的轮胎的载重、车辆的车轴数量和目标轮胎所在车轴上的轮胎数量,确定车辆的超重检测结果。
在本申请实施例中,车辆超重检测装置还包括:
参数确定模块,用于根据第一曲面图像,确定目标轮胎的轮胎尺寸和目标轮胎的形变参数;
尺寸确定模块,用于从轮胎数据库中确定第一候选曲面图像,第一候选曲面图像对应的的轮胎尺寸与目标轮胎的轮胎尺寸相同。
在本申请实施例中,相似度确定模块502具体可以包括如下子模块:
相似度确定子模块,用于根据目标轮胎的形变参数和第一候选曲面图像对应的轮胎的形变参数,确定第一曲面图像与第一候选曲面图像的相似度。
在本申请实施例中,相似度确定子模块具体可以包括如下单元:
形变获取单元,用于获取形变相似度,形变相似度是指目标轮胎的形变参数和第一候选曲面图像对应的轮胎的形变参数的相似度;
形变确定单元,用于根据形变相似度,确定第一曲面图像与第一候选曲面图像的相似度。
在本申请实施例中,形变确定单元具体可以用于:
确定形变相似度为第一曲面图像与第一候选曲面图像的相似度。
在本申请实施例中,形变确定单元具体还可以用于:
从至少一个第一候选曲面图像中确定第二候选曲面图像,第二候选曲面图像是指形变相似度大于相似度阈值的第一候选曲面图像;
获取第一曲面图像和第二候选曲面图像的曲面相似度;
确定曲面相似度为第一曲面图像与第一候选曲面图像的相似度。
在本申请实施例中,结果确定模块503具体可以包括如下子模块:
载重计算子模块,用于根据第二曲面图像对应的轮胎的载重、车辆的车轴数量和目标轮胎所在车轴上的轮胎数量,计算车辆的实际载重;
未超重确定子模块,用于若车辆的实际载重小于或等于车辆的额定载重,则确定车辆的超重检测结果为未超重;
超重确定子模块,用于若车辆的实际载重大于车辆的额定载重,则确定车辆的超重检测结果为超重。
在本申请实施例中,上述车辆超重检测装置还包括:
超重显示模块,用于若车辆超重,则确定车辆的超重信息,并输出超重信息。
本申请实施例提供的车辆超重检测方法可以应用在前述方法实施例中,详情参见上述方法实施例的描述,在此不再赘述。
参照图6,示出了本申请实施例四提供的一种车辆超重检测系统的结构示意图,为了便于说明,仅示出了与本申请实施例相关的部分,车辆超重检测系统包括以下结构:
车辆超重检测系统包括图像采集设备、车辆型号识别设备和如本申请实施例三中提供的车辆超重检测装置,图像采集设备和车辆型号识别设备分别与车辆超重检测装置连接。
图像采集设备,用于获取车辆每个车轴上目标轮胎的第一曲面图像,并将第一曲面图像传输给车辆超重检测装置,其中,图像采集设备可以是三维激光扫描仪或者深度摄像头,还可以采用其他能够获取三维图像的设备。
车辆型号识别模块,用于识别车辆的车轴数量、车辆每个车轴上的轮胎数量,并将车辆的车轴数量、车辆每个车轴上的轮胎数量传输给车辆超重检测装置。其中,车辆型号识别模块包括但不限于图像采集模块和图像处理模块,图像采集模块用于采集车辆的图像,图像处理模块用于对车辆的图像进行分析,识别出车辆的车轴数量、车辆每个车轴上的轮胎数量。
车辆超重检测装置,根据图像采集设备获取的第一曲面图像以及车辆型号识别模块识别到的车辆的车轴数量、车辆每个车轴上的轮胎数量进行数据处理,车辆超重检测装置内的软件程序对应的车辆超重检测方法在上述车辆超重检测装置实施例以及车辆超重检测方法实施例中已进行了详细地描述,本实施例就不再具体说明。
可选地,车辆超重检测系统还包括:显示器、测速设备、固定杆、底座。
显示器,与车辆超重检测装置连接,用于显示车辆超重检测装置传输的车辆的超重信息,超重信息包括超重检测结果、超出的重量、超重百分比、车辆型号和车牌号。其中,车辆的型号与车牌号由车辆型号识别模块识别得到,显示器也包括很多种,而且,在实际应用中,有很多名称,比如:液晶显示器,发光二极管(light-emitting diode,LED)显示屏,有机电激光(Organic Light-Emitting Diode,OLED)显示屏等。
测速设备,用于测量车辆的车速。
上述测速设备包括但不限于激光测速传感器、多普勒测速仪等。测速设备在测量出车速之后将车速传输给车辆超重检测装置,车辆超重检测装置在接收到车速后,可以将车速传输给显示器进行显示。
固定杆,用于固定车辆超重检测装置、图像采集设备、车辆型号识别设备、显示器、测速设备。其中,图像采集设备安装在固定杆上,其安装位置可以使图像采集设备获取到完整的目标轮胎的第一曲面图像;车辆型号识别设备安装在固定杆上,其安装位置可以使车辆型号识别设备获取到完整的车辆图像。。
底座,与固定杆固定连接,用于将固定杆设置在道路的边缘。
可选地,车辆超重检测设备还包括:照明设备。
照明设备,用于对道路进行照明。
在夜间、阴天、雾天等应用场景下通过照明设备对道路进行照明,能够提高车辆超重检测系统的检测精度。
图7为本申请实施例五提供的终端设备的结构示意图。如图7所示,该实施例的终端设备700包括:至少一个处理器710(图7中仅示出一个)处理器、存储器720以及存储在所述存储器720中并可在所述至少一个处理器710上运行的计算机程序721,所述处理器710执行所述计算机程序721时实现上述任意各个车辆超重检测方法实施例中的步骤。
所述终端设备700可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括,但不仅限于,处理器710、存储器720。本领域技术人员可以理解,图7仅仅是终端设备700的举例,并不构成对终端设备700的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器710可以是中央处理单元(Central Processing Unit,CPU),该处理器710还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器720在一些实施例中可以是所述终端设备600的内部存储单元,例如终端设备700的硬盘或内存。所述存储器720在另一些实施例中也可以是所述终端设备700的外部存储设备,例如所述终端设备700上配备的插接式硬盘,智能存储卡(Smart MediaCard,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器720还可以既包括所述终端设备700的内部存储单元也包括外部存储设备。所述存储器720用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器720还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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,也可以两个或两个以上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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的终端设备和方法,可以通过其它的方式实现。例如,以上所描述的终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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系统,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述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,或者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,也可以两个或两个以上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。
所述集成的模块/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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
本申请实现上述实施例方法中的全部或部分流程,也可以通过一种计算机程序产品来完成,当所述计算机程序产品在终端设备上运行时,使得所述终端设备执行时实现可实现上述各个方法实施例中的步骤。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制。尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
- 车辆超重检测方法、装置、系统及终端设备
- 车辆超重稽查服务系统、方法、车道、辅助收费装置