[发明专利]一种基于3D点云的轮轴个数检测方法

权利要求书

1.一种基于3D点云的轮轴个数检测方法，其包括如下步骤：

S1，通过安装在路侧的激光雷达获得视场角的所有三维点云数据；

S2，去除步骤S1中获得的视场角的所有的三维点云数据中的环境点云数据，并初步提取出车辆位置和车辆轮廓，获得车辆原始三维点云数据；

S3，将步骤S2中车辆原始三维点云信息的所有点投影为多个平面视图，利用区间过滤法分别滤除每个平面视图的噪声，得到多辆车的精准的车辆轮廓信息，并对每一辆车进行标记；

S4，根据步骤S3中标识的车辆标记框，得到车辆的位置，根据所述位置来追踪每一辆车的点云数据；

其特征在于，还包括如下步骤：

S5，对步骤S4中的每一辆车的点云数据采用目标检测模型软件进行训练，该目标检测模型软件是能够用于目标检测任务的深度学习网络模型，目标检测模型训练完成后，该目标检测模型可以进行聚类分析，识别出点云数据中的轮子；

S6，用矩形框标记出步骤S5中的识别出的轮子组合，具体的，单独的轮子用一个矩形框标记，多个连续不间断的轮子用同一个矩形框进行标记；当矩形框的宽高比为1:1时，则判定为1个矩形框内有1个轮轴；当矩形框的宽高比为N：80cm时，则判定为1个矩形框内有N个轮轴，每一辆车的轮轴数量为每个矩形框中的轮轴的数量之和。

2.如权利要求1所述的基于3D点云的轮轴个数检测方法，其特征在于：S1中的激光线束雷达采用多线束激光雷达。

3.如权利要求1所述的基于3D点云的轮轴个数检测方法，其特征在于：S1中的激光雷达的安装角度能够扫描探测到通行车辆的左侧面或者右侧面中的一面和/或两面。

4.如权利要求1所述的基于3D点云的轮轴个数检测方法，其特征在于：在步骤S3中，将图像数据采用目标检测模型软件进行训练，该目标检测模型软件是能够用于目标检测任务的利用深度学习网络模型，目标检测模型训练完成后，该目标检测模型能够识别出图像中的车辆，同时在图像中用矩形框标注出车辆。

5.如权利要求4所述的基于3D点云的轮轴个数检测方法，其特征在于：所述的深度学习网络模型为能够实现立体点云分类和分割的PointNet++网络模型。

6.如权利要求1所述的基于3D点云的轮轴个数检测方法，其特征在于：S5中的聚类分析方法采用dbscan聚类算法。

7.如权利要求1所述的基于3D点云的轮轴个数检测方法，其特征在于：S6中的连续不间断的轮子是指当两个轮子之间的距离≤阈值A时，则认为这两个轮子为相邻的轮子，应当用一个矩形框进行标记；否则，当两个轮子之间的距离＞阈值A时，则认为这两个轮子为不相邻的轮子，应当用两个不同的矩形框进行标记。

8.如权利要求7所述的基于3D点云的轮轴个数检测方法，其特征在于：阈值为80cm。

9.如权利要求1所述的基于3D点云的轮轴个数检测方法，其特征在于：S6中的多组相邻的轮子中如有1个相同的轮子，则判定为一组连续不间断的轮子，应当采用同一个矩形框进行标记；S6中的多组相邻的轮子中如果没有相同的轮子，则判定为多组连续不间断的轮子，应当采用多个不同的矩形框进行标记。

10.如权利要求1所述的基于3D点云的轮轴个数检测方法，其特征在于：S6中的目标检测模型软件每种车型的样本输入量≥1000件。