一种车辆定位与尺寸测量的方法与系统技术方案

本发明专利技术提供了一种车辆定位与尺寸测量的方法与系统，其中该方法为：在预设停车采样区域采集车辆图片；对车辆图片进行数据清洗得到数据集；将数据集输入到全连接神经网络进行训练得到图像识别模型；采用图像识别模型对摄像机采集的当前车辆图像进行识别得到目标图像；根据目标图像得到相应的车辆尺寸。本发明专利技术通过采集大量的现场图像数据，并利用神经网络对其进行训练得到图像识别模型，可以准确识别标识颜色信息，实现定位车辆位置，进而准确测量车辆尺寸。辆尺寸。辆尺寸。

【技术实现步骤摘要】
一种车辆定位与尺寸测量的方法与系统


[0001]本专利技术涉及车辆定位
，特别是涉及一种车辆定位与尺寸测量的方法与系统。

技术介绍

[0002]冶金行业的入厂原燃料的品质，决定了后续工艺及产品的质量。在对入厂原燃料采样的过程中，若有较多的人为参与，不仅会增加成本，而且还会影响人身安全。近年来，随着工业自动化、信息化水平的提高，特别是人工智能、视觉识别技术的迅猛发展，基于计算机视觉的全自动采样技术广泛应用于各个冶金企业。该技术主要依赖现场摄像机的图像采集，利用人工智能算法，识别定位车辆位置，在定位的基础上计算出车辆的尺寸，选定采样范围进行自动化采样。这个过程中，对车辆识别定位的成功率以及尺寸测量的准确度是制约着全自动采样效率的关键性因素。
[0003]对待采车辆的识别定位与测量是全自动采样过程中的重要环节。但由于现场环境的不确定性，例如粉尘干扰、日照光线变化影响、雨雪天气等都增加了计算机定位识别的难度。如何提高在复杂环境下对车辆的准确定位与测量，成为亟待解决的问题。

技术实现思路

[0004]为了克服现有技术的不足，本专利技术的目的是提供一种车辆定位与尺寸测量的方法与系统，以解决对车辆的定位精度低的问题。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种车辆定位与尺寸测量的方法，包括：
[0007]在预设停车采样区域采集车辆图片；其中，每张车辆图片中每辆车上均带有红绿颜色标识的挂钩；
[0008]对所述车辆图片进行数据清洗得到数据集；
[0009]将所述数据集输入到全连接神经网络进行训练得到图像识别模型；
[0010]采用所述图像识别模型对摄像机采集的当前车辆图像进行识别得到目标图像；
[0011]根据所述目标图像得到相应的车辆尺寸。
[0012]优选的，所述根据所述目标图像得到相应的车辆尺寸，包括：
[0013]对所述目标图像进行高斯平滑处理得到去噪后的目标图像；
[0014]将所述去噪后的目标图像转换为HSV图像；
[0015]对所述HSV图像进行矫正得到矫正后的HSV图像；
[0016]对摄像机进行标定得到标定参数；
[0017]根据所述标定参数求解矫正后的HSV图像中相应的车辆尺寸。
[0018]优选的，所述对所述HSV图像进行矫正得到矫正后的HSV图像，包括：
[0019]采用旋转矩阵模型对所述HSV图像进行矫正得到矫正后的HSV图像；所述旋转矩阵模型为：
[0020][0021]其中，RowTrans表示变换后行坐标，ColTrans表示变换后列坐标，HomMat2D表示旋转矩阵，Row表示原始行坐标，Col表示原始列坐标。
[0022]本专利技术还提供了一种车辆定位与尺寸测量的系统，包括：
[0023]图像采集模块，用于在预设停车采样区域采集车辆图片；其中，每张车辆图片中每辆车上均带有红绿颜色标识的挂钩；
[0024]数据清洗模块，用于对所述车辆图片进行数据清洗得到数据集；
[0025]训练模块，用于将所述数据集输入到全连接神经网络进行训练得到图像识别模型；
[0026]图像识别模块，用于采用所述图像识别模型对摄像机采集的当前车辆图像进行识别得到目标图像；
[0027]车辆尺寸计算模块，用于根据所述目标图像得到相应的车辆尺寸。
[0028]优选的，所述车辆尺寸计算模块，包括：
[0029]去噪单元，用于对所述目标图像进行高斯平滑处理得到去噪后的目标图像；
[0030]转换单元，用于将所述去噪后的目标图像转换为HSV图像；
[0031]矫正单元，用于对所述HSV图像进行矫正得到矫正后的HSV图像；
[0032]标定单元，用于对摄像机进行标定得到标定参数；
[0033]求解单元，用于根据所述标定参数求解矫正后的HSV图像中相应的车辆尺寸。
[0034]优选的，所述矫正单元，包括：
[0035]矩阵矫正子单元，用于采用旋转矩阵模型对所述HSV图像进行矫正得到矫正后的HSV图像；所述旋转矩阵模型为：
[0036][0037]其中，RowTrans表示变换后行坐标，ColTrans表示变换后列坐标，HomMat2D表示旋转矩阵，Row表示原始行坐标，Col表示原始列坐标。
[0038]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0039]本专利技术提供了一种车辆定位与尺寸测量的方法与系统，其中该方法为：在预设停车采样区域采集车辆图片；对车辆图片进行数据清洗得到数据集；将数据集输入到全连接神经网络进行训练得到图像识别模型；采用图像识别模型对摄像机采集的当前车辆图像进行识别得到目标图像；根据目标图像得到相应的车辆尺寸。本专利技术通过采集大量的现场图像数据，并利用神经网络对其进行训练得到图像识别模型，可以准确识别标识颜色信息，实现定位车辆位置，进而准确测量车辆尺寸。
附图说明
[0040]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图
获得其他的附图。
[0041]图1为本专利技术提供的实施例中的一种车辆定位与尺寸测量的方法流程图；
[0042]图2为本专利技术提供的实施例中的停车采样区域示意图；
[0043]图3为本专利技术提供的实施例中的全连接神经网络原理图。
具体实施方式
[0044]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0045]在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0046]本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤、过程、方法等没有限定于已列出的步骤，而是可选地还包括没有列出的步骤，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤元。
[0047]本专利技术的目的是提供一种车辆定位与尺寸测量的方法与系统，以解决对车辆的定位精度低的问题。
[0048]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆定位与尺寸测量的方法，其特征在于，包括：在预设停车采样区域采集车辆图片；其中，每张车辆图片中每辆车上均带有红绿颜色标识的挂钩；对所述车辆图片进行数据清洗得到数据集；将所述数据集输入到全连接神经网络进行训练得到图像识别模型；采用所述图像识别模型对摄像机采集的当前车辆图像进行识别得到目标图像；根据所述目标图像得到相应的车辆尺寸。2.根据权利要求1所述的一种车辆定位与尺寸测量的方法，其特征在于，所述根据所述目标图像得到相应的车辆尺寸，包括：对所述目标图像进行高斯平滑处理得到去噪后的目标图像；将所述去噪后的目标图像转换为HSV图像；对所述HSV图像进行矫正得到矫正后的HSV图像；对摄像机进行标定得到标定参数；根据所述标定参数求解矫正后的HSV图像中相应的车辆尺寸。3.根据权利要求2所述的一种车辆定位与尺寸测量的方法，其特征在于，所述对所述HSV图像进行矫正得到矫正后的HSV图像，包括：采用旋转矩阵模型对所述HSV图像进行矫正得到矫正后的HSV图像；所述旋转矩阵模型为：其中，RowTrans表示变换后行坐标，ColTrans表示变换后列坐标，HomMat2D表示旋转矩阵，Row表示原始行坐标，Col表示原始列坐标。4.一种车辆定位与尺寸测量的系统，其特征在于，包括：图像采集模块，用于在预设...

【专利技术属性】
技术研发人员：芦建文，赵楠，田凯，罗远智，丁阳，乌晨，
申请(专利权)人：包头钢铁集团有限责任公司，
类型：发明
国别省市：