System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 车辆识别方法、系统、车辆及存储介质技术方案_技高网

车辆识别方法、系统、车辆及存储介质技术方案

技术编号:43247275 阅读:2 留言:0更新日期:2024-11-05 17:31
本申请提供一种车辆识别方法、系统、车辆及存储介质。车辆识别方法包括:利用多通道光谱芯片获取行进方向上的物体反射的不同波长的光线,以得到实时多光谱图像,其中,不同通道对应的中心波长不同,以使不同通道获取不同波长的光谱信息;对实时多光谱图像进行处理,以得到轮胎特征;根据轮胎特征确定出车辆特征。本申请的车辆识别方法,通过对轮胎特征的确定,实现了对车辆的确定,实现利用轮胎特征识别车辆,使得车辆识别更加的简单。

【技术实现步骤摘要】

本申请涉及车辆特征识别,具体涉及车辆识别方法、系统、车辆及存储介质


技术介绍

1、目前的车辆识别是识别整车,主要是通过光学摄像头采集大量真实路况的rgb图像,采用深度学习的方法进行训练,得到深度神经网络模型。该方法需要海量的图片,经过漫长的训练时间得到复杂的识别模型,参数量十分庞大,计算速度受到限制。


技术实现思路

1、本申请的实施例提供了一种车辆识别方法、系统、车辆及存储介质。

2、第一方面,本申请的实施例提供了一种车辆识别方法,包括:

3、利用多通道光谱芯片获取行进方向上的物体反射的不同波长的光线,以得到实时多光谱图像,其中,不同所述通道对应的中心波长不同,以使不同所述通道获取不同波长的光谱信息;

4、对所述实时多光谱图像进行处理,以得到轮胎特征;

5、根据所述轮胎特征确定出车辆特征。

6、在一实施例中,所述对所述实时多光谱图像进行处理,以得到轮胎特征,包括:

7、将所述实时多光谱图像输入训练后的光谱模型,所述光谱模型为神经网络模型,所述实时多光谱图像包括光谱信息;

8、所述光谱模型所述实时多光谱图像进行计算并提取出轮胎特征。

9、在一实施例中,所述对所述实时多光谱图像进行处理,以得到轮胎特征,包括:

10、将所述实时多光谱图像和光谱图像库中的样本图像进行比对;

11、所述光谱图像库中的样本图像中存在携带的光谱信息与所述实时多光谱图像携带的光谱信息相同或相似的样本图像时,确定所述实时多光谱图像中存在所述轮胎特征。

12、在一实施例中,所述对所述实时多光谱图像进行处理,以得到轮胎特征,包括:

13、将所述实时多光谱图像携带的光谱信息和轮胎光谱信息库中的样本进行比对;

14、所述实时多光谱图像中的其中一个物体或区域所携带的光谱信息,与所述轮胎光谱信息库中其中一个轮胎样本的光谱信息相同或相似时,确定所述实时多光谱图像中存在所述轮胎特征。

15、在一实施例中,基于所述轮胎特征在所述实时多光谱图像中的位置,确定目标车辆的位置信息。

16、在一实施例中,所述目标车辆的位置信息用于调整行进策略。

17、在一实施例中,所述利用多通道光谱芯片获取行进方向上的物体反射的不同波长的光线的步骤之前,包括:

18、环境光线强度低于阈值时,朝所述行进方向发出光源信号并照射至行进方向上的物体上,所述光源信号包括多个波长的光线。

19、第二方面,本申请的实施例提供了一种车辆识别系统,包括:

20、多通道光谱芯片,所述多通道光谱芯片获取行进方向上的物体反射的不同波长的光线,以得到实时多光谱图像,其中,不同所述通道对应的中心波长不同,以使不同所述通道获取不同波长的光谱信息;

21、处理器,对所述实时多光谱图像进行处理,以得到轮胎特征,并根据所述轮胎特征确定出车辆特征。

22、根据本申请第三方面实施例的电子设备,包括存储器、处理器及存储在存储器上并可在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的所述车辆识别方法。

23、根据本申请第四方面实施例的非暂态计算机可读存储介质,所述非暂态计算机可读存储介质包括计算机程序,所述计算机程序被所述处理器执行时实现上述的所述车辆识别方法。

24、根据本申请第五方面实施例的计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被所述处理器执行时实现上述的所述车辆识别方法。

25、本申请的实施例的有益效果:

26、在本申请的实施例中,通过多通道光谱芯片获取行进方向上的实时多光谱图像,对实时多光谱图像进行处理,即可得到实时多光谱图像中的轮胎,当实时多光谱图像中存在轮胎特征时,则可以利用轮胎特征确定出车辆特征,当实时多光谱图像中不存在轮胎特征时,说明实时多光谱图像中不存在车辆特征。即本申请通过对轮胎特征的确定,实现了对车辆的确定,实现利用轮胎特征识别车辆,使得车辆识别更加的简单。且轮胎是车辆的显著且必须得特征,利用轮胎特征确定车辆特征,使得车辆特征的识别更加稳定可靠。

本文档来自技高网...

【技术保护点】

1.一种车辆识别方法,其特征在于,包括:

2.根据权利要求1所述的车辆识别方法,其特征在于,所述对所述实时多光谱图像进行处理,以得到轮胎特征,包括:

3.根据权利要求1所述的车辆识别方法,所述对所述实时多光谱图像进行处理,以得到轮胎特征,包括:

4.根据权利要求1所述的车辆识别方法,其特征在于,所述对所述实时多光谱图像进行处理,以得到轮胎特征,包括:

5.根据权利要求1至4任一项所述的车辆识别方法,其特征在于,基于所述轮胎特征在所述实时多光谱图像中的位置,确定目标车辆的位置信息。

6.根据权利要求5所述的车辆识别方法,其特征在于,所述目标车辆的位置信息用于调整行进策略。

7.根据权利要求1至5任一项所述的车辆识别方法,其特征在于,所述利用多通道光谱芯片获取行进方向上的物体反射的不同波长的光线的步骤之前,包括:

8.一种车辆识别系统,其特征在于,包括:

9.一种车辆,其特征在于,包括控制部件,所述控制部件用于执行如权利要求1-7任一项所述的控制方法的步骤。

10.一种计算机可读存储介质,其特征在于,计算机可读存储介质上存储计算机程序,计算机程序被处理器执行时实现权利要求1-7任一项所述的控制方法的步骤。

...

【技术特征摘要】

1.一种车辆识别方法,其特征在于,包括:

2.根据权利要求1所述的车辆识别方法,其特征在于,所述对所述实时多光谱图像进行处理,以得到轮胎特征,包括:

3.根据权利要求1所述的车辆识别方法,所述对所述实时多光谱图像进行处理,以得到轮胎特征,包括:

4.根据权利要求1所述的车辆识别方法,其特征在于,所述对所述实时多光谱图像进行处理,以得到轮胎特征,包括:

5.根据权利要求1至4任一项所述的车辆识别方法,其特征在于,基于所述轮胎特征在所述实时多光谱图像中的位置,确定目标车辆的位置信息。

6.根据权利要求...

【专利技术属性】
技术研发人员:杨永霖周莹
申请(专利权)人:深圳光感半导体有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1