陳 建，于殿泓*，惠鑫鑫，辛 慧，馬 歆

(1.西安理工大學(xué)機(jī)械與精密儀器工程學(xué)院，陜西 西安 710048；2.西安三舍電子信息技術(shù)有限公司，陜西 西安 710000；3.西安道恒交通設(shè)備科技有限公司，陜西 西安 710000)

汽車動(dòng)態(tài)稱重是治理車輛超載的重要手段，在道路交通運(yùn)輸中起著至關(guān)重要的作用。汽車動(dòng)態(tài)稱重的原理主要是通過壓電石英稱重傳感器，將傳感器嵌入安裝至公路路面。車輛行駛碾壓經(jīng)過傳感器，得到車輛各個(gè)軸的軸重量，然后求和即得到車輛的總重量。因此，在汽車動(dòng)態(tài)稱重中，實(shí)現(xiàn)車輛的精確分車對(duì)動(dòng)態(tài)稱重?cái)?shù)據(jù)的截取和分析起著至關(guān)重要的作用[1]。車輛檢測(cè)和識(shí)別技術(shù)已經(jīng)廣泛應(yīng)用于交通場(chǎng)景中，國內(nèi)外學(xué)者對(duì)其展開了相關(guān)研究，目前主流的車輛檢測(cè)方案為視頻拍攝、環(huán)形線圈和磁傳感器檢測(cè)等。20 世紀(jì)90 年代，美國明尼蘇達(dá)大學(xué)聯(lián)合當(dāng)?shù)亟煌ú浚ㄟ^實(shí)地測(cè)試提出了視頻檢測(cè)的方式，之后隨著國內(nèi)外學(xué)者的不斷研究，視頻檢測(cè)技術(shù)得到了不斷的發(fā)展，其檢測(cè)方式直觀可靠，安裝簡單，不影響交通，但受限于數(shù)據(jù)處理量大，處理復(fù)雜度高，易受到惡劣天氣影響。環(huán)形線圈檢測(cè)技術(shù)成熟，精度高，性能穩(wěn)定，但安裝維護(hù)繁瑣，且易使路面壽命降低[2-5]。1999 年美國尼韋爾公司的Caruso等人[6-8]提出的磁傳感器檢測(cè)，利用傳感器檢測(cè)周圍磁場(chǎng)的變化以判斷車輛的經(jīng)過，可很好地實(shí)現(xiàn)車輛檢測(cè)、分類。因其體積小、功耗低、環(huán)境適應(yīng)性好，在無線車輛檢測(cè)的應(yīng)用逐漸增多[9-12]。但無線檢測(cè)系統(tǒng)中，檢測(cè)器通常以道釘形式安裝在道路中，供電電池需頻繁更換。無線通信在戶外復(fù)雜環(huán)境下，信號(hào)會(huì)大幅度衰減，導(dǎo)致通信距離大大縮減，易出現(xiàn)通信異常[13]。

因此，針對(duì)現(xiàn)有的車輛檢測(cè)技術(shù)存在受環(huán)境干擾因素大、設(shè)備難以維護(hù)等問題，本文提出了一種采用某工業(yè)級(jí)二維激光雷達(dá)，來實(shí)現(xiàn)多車道車輛檢測(cè)與分車的方法。該激光雷達(dá)采用TCP/IP 網(wǎng)絡(luò)通訊，穩(wěn)定高效，且不易受光照條件干擾，設(shè)備易于更換、檢測(cè)精度高。通過二維激光雷達(dá)發(fā)射激光光束對(duì)公路截面旋轉(zhuǎn)掃描形成的點(diǎn)云數(shù)據(jù)和算法進(jìn)行分析，實(shí)現(xiàn)對(duì)多車道車輛的檢測(cè)與分車。

1 多車道車輛檢測(cè)與分車算法分析

1.1 激光雷達(dá)車輛檢測(cè)原理分析

二維激光雷達(dá)車輛檢測(cè)原理是通過旋轉(zhuǎn)激光雷達(dá)內(nèi)部的光學(xué)部件，使其發(fā)射安全激光光束對(duì)公路截面進(jìn)行掃描形成光幕，通過獲取激光雷達(dá)得到的角度與距離值，經(jīng)過一定的算法處理，實(shí)現(xiàn)對(duì)多條道路的車輛檢測(cè)與分離。由于車輛的車型，車輛的高度和寬度各不相同，因此激光雷達(dá)在對(duì)多車道進(jìn)行掃描時(shí)，可能存在著大車遮擋小車，為此提出多車道使用多激光雷達(dá)的掃描方式。圖1 所示為四車道采用雙激光雷達(dá)的示意圖。

圖1 四車道車輛檢測(cè)示意圖

激光雷達(dá)安裝于相鄰兩車道分界線正上方垂直高度6 m～8 m 處，即點(diǎn)OⅠ為激光雷達(dá)Ⅰ的安裝位置。點(diǎn)OⅡ?yàn)榧す饫走_(dá)Ⅱ的安裝位置。以車道正中心上方6 m～8 m 處為坐標(biāo)原點(diǎn)，沿平行于地平面指向道路右側(cè)為X軸正方向，垂直于路面向上為Y軸正方向，建立平面直角坐標(biāo)系。其中x正方向?yàn)榧す饫走_(dá)的0 度角，x負(fù)方向?yàn)榧す饫走_(dá)的180°角，則激光雷達(dá)Ⅰ的位置坐標(biāo)為OⅠ(xⅠ，yⅠ)，激光雷達(dá)Ⅱ的位置坐標(biāo)為OⅡ(xⅡ，yⅡ)。

由于二維激光雷達(dá)采集到的原始數(shù)據(jù)為極坐標(biāo)系下的系列坐標(biāo)點(diǎn)Li(li，θi)，li為測(cè)量距離，θi為測(cè)量角度。因此需要通過式(1)，將極坐標(biāo)點(diǎn)轉(zhuǎn)化為空間直角坐標(biāo)系下點(diǎn)P(x，y)。

式中，li為激光雷達(dá)某一角度測(cè)量的點(diǎn)距離值，θi為測(cè)量點(diǎn)所對(duì)應(yīng)的角度，xk為激光雷達(dá)k的橫坐標(biāo)。

激光雷達(dá)在獲取點(diǎn)云數(shù)據(jù)過程中，往往會(huì)摻雜一些噪聲，這些噪聲會(huì)對(duì)數(shù)據(jù)處理造成一定程度的影響，因此這里采用中值濾波的方法消除隨機(jī)噪聲。

1.2 車輛邊緣信息點(diǎn)的提取

車輛邊緣信息點(diǎn)的提取是實(shí)現(xiàn)多車道車輛橫向分車的重要方法，對(duì)激光雷達(dá)掃描的點(diǎn)云數(shù)據(jù)以邊緣信息點(diǎn)為界，對(duì)點(diǎn)云數(shù)據(jù)分段進(jìn)行聚類和曲線擬合分析，得到車輛的左右邊緣，以車輛的左右邊緣來作為車輛之間的分車特征實(shí)現(xiàn)多車道車輛的橫向分車。

根據(jù)激光雷達(dá)對(duì)車道掃描原理可知，當(dāng)無車輛通過時(shí)，激光雷達(dá)掃描公路截面時(shí)，相鄰掃描點(diǎn)之間的高度變化比較平緩，在一定閾值范圍內(nèi)波動(dòng)，即形成的點(diǎn)yi滿足:yi≤-(h±Δ)，h為激光雷達(dá)安裝的高度，Δ為閾值，點(diǎn)均勻分布在公路路面。如圖2所示。

圖2 無車輛通過點(diǎn)分布示意圖

當(dāng)多車道多車輛同時(shí)通過時(shí)，由于車輛的高度差異，導(dǎo)致激光雷達(dá)掃描時(shí)存在左右視線區(qū)域的遮擋，造成激光雷達(dá)掃描點(diǎn)云數(shù)據(jù)的缺失，如圖3 所示的區(qū)域1、區(qū)域3 和區(qū)域5。因此需要借助點(diǎn)的分布特征來提取車輛的邊緣信息點(diǎn)。

車輛邊緣信息點(diǎn)的提取主要包括三個(gè)部分，第一部分是公路兩端最外側(cè)車道車輛邊緣信息點(diǎn)提取，如圖3 所示的區(qū)域1 和區(qū)域5；第二是公路區(qū)域內(nèi)部各車道車輛邊緣信息點(diǎn)的提取，如圖3 所示的區(qū)域2 和區(qū)域4；第三部分是相鄰雙激光雷達(dá)左右視線重疊的盲區(qū)，如圖3 所示的區(qū)域3。

圖3 四車道激光雷達(dá)掃描示意圖

通過對(duì)圖3 的分析發(fā)現(xiàn)，公路兩端最外側(cè)車道，其點(diǎn)分布特征主要呈現(xiàn)出兩種情況。首先是公路最右側(cè)車道點(diǎn)分布如圖4 所示。情況一，點(diǎn)分布表現(xiàn)為激光雷達(dá)無法掃描到最右側(cè)車道路面，即從激光雷達(dá)0°開始至某一角度范圍內(nèi)，該區(qū)域掃描點(diǎn)分布于公路邊緣或公路外，如圖4 中圖(a)所示。存在從某一點(diǎn)(xi，yi)起，在一定掃描范圍內(nèi)，所有點(diǎn)均分布于最右側(cè)車道內(nèi)部、公路路面上方，即滿足式(2):

圖4 道路最右側(cè)車道點(diǎn)分布特征

式中，(x，y)為點(diǎn)的坐標(biāo)，(xk，yk)為激光雷達(dá)k的坐標(biāo)，h為激光雷達(dá)距離地面的高度，Δ為閾值，wⅠ為最右側(cè)車道寬度。點(diǎn)(xi-1，yi-1)及之前點(diǎn)均分布于公路邊緣或公路外。因此點(diǎn)可作為車輛邊緣的信息點(diǎn)。

情況二，激光雷達(dá)能掃描到最右側(cè)車道路面。當(dāng)掃描到車輛邊緣時(shí)，由于車輛的高度，導(dǎo)致從某一點(diǎn)(xi，yi)起，其掃描角度領(lǐng)域內(nèi)的點(diǎn)的高度急劇變化，如圖4 中圖(b)所示，即:

式中，Δy為相鄰點(diǎn)的縱坐標(biāo)差的絕對(duì)值，yi為激光雷達(dá)當(dāng)前掃描點(diǎn)的縱坐標(biāo)，yi＋1為激光雷達(dá)當(dāng)前掃描點(diǎn)的下一個(gè)掃描點(diǎn)的縱坐標(biāo)，yi-n為激光雷達(dá)當(dāng)前掃描點(diǎn)的前一系列掃描點(diǎn)的縱坐標(biāo)。當(dāng)Δy大于一定閾值時(shí)，可認(rèn)為該點(diǎn)為車輛的邊緣信息點(diǎn)。

同理，公路最左側(cè)車道點(diǎn)分布與公路最右側(cè)車道的點(diǎn)分布存在相同的兩種情況，故采用上述方法可實(shí)現(xiàn)對(duì)公路最左側(cè)車道車輛邊緣信息點(diǎn)的提取。

針對(duì)公路區(qū)域內(nèi)部各車道車輛邊緣信息點(diǎn)的提取，激光雷達(dá)能掃描到相鄰車輛之間的路面和相鄰車輛的相鄰兩側(cè)邊緣。在無車輛通過時(shí)，激光雷達(dá)掃描點(diǎn)分布于路面，相鄰掃描點(diǎn)之間的縱坐標(biāo)值變化平緩。當(dāng)車輛通過掃描到車輛邊緣時(shí)，相鄰掃描點(diǎn)的縱坐標(biāo)的值急劇變化，如圖5 所示。由于激光雷達(dá)在掃描時(shí)存在一定的干擾，導(dǎo)致點(diǎn)偏離車輛輪廓軌跡或出現(xiàn)缺失等現(xiàn)象，因此，這里利用在相鄰點(diǎn)之間的高度差和連續(xù)點(diǎn)的高度方差值作為檢測(cè)車輛邊緣點(diǎn)的有效特征。對(duì)于連續(xù)掃描的點(diǎn)pi(xi，yi)與相鄰點(diǎn)pi＋1(xi＋1，yi＋1)，其高度差計(jì)算公式為:

圖5 車輛邊緣點(diǎn)分布特征

式中，Δy為高度差，yi，yi＋1為相鄰點(diǎn)的縱坐標(biāo)值。

連續(xù)相鄰點(diǎn)集合可表示為S＝{pi-n，…，pi，…，pi＋n}，則鄰域集合S的高度均值和點(diǎn)pi方差計(jì)算公式為:

式中，yi-n，…，yi，…，yi＋n均小于0，My為高度均值，Vy為高度方差。

如果高度差Δy和高度方差Vy大于給定的閾值，則認(rèn)為點(diǎn)pi為檢測(cè)到車輛邊緣信息點(diǎn)。在本實(shí)驗(yàn)中取域集合S內(nèi)5 個(gè)點(diǎn)數(shù)作為計(jì)算高度方差值。

相鄰雙激光雷達(dá)左右視線重疊的盲區(qū)車輛邊緣信息點(diǎn)的提取，由于相鄰車道同時(shí)駛?cè)霋呙鑵^(qū)域的兩車輛高度的原因，導(dǎo)致激光雷達(dá)對(duì)公路掃描時(shí)存在左右視線盲區(qū)。如圖6 所示，由點(diǎn)的分布示意圖可知，左右視線交叉盲區(qū)中不存在點(diǎn)的分布。因此以連續(xù)角度掃描點(diǎn)的橫坐標(biāo)的橫向距離來提取相鄰雙激光雷達(dá)左右視線重疊的盲區(qū)車輛邊緣信息點(diǎn)。連續(xù)掃描點(diǎn)之間的橫向距離差為:

圖6 相鄰雙激光雷達(dá)左右視線重疊盲區(qū)點(diǎn)分布特征

連續(xù)角度掃描點(diǎn)的集合可表示為S＝{pi-n，…，pi，…，pi＋n}，則該系列點(diǎn)的橫向距離均值和橫向距離方差計(jì)算公式為:

式中，xi-n，…，xi，…，xi＋n為各點(diǎn)橫坐標(biāo)值，Mx為橫向距離均值，Vx為橫向距離方差。

如果相鄰點(diǎn)領(lǐng)域內(nèi)的橫向距離方差大于給定的閾值，則以相鄰掃描點(diǎn)pi和點(diǎn)pi＋1作相鄰雙激光雷達(dá)左右視線重疊的盲區(qū)左右車輛邊緣信息點(diǎn)。

1.3 點(diǎn)云數(shù)據(jù)的聚類分析

聚類是目標(biāo)識(shí)別過程中必不可少的環(huán)節(jié)，通過聚類才能很好地分離開各個(gè)目標(biāo)物體。將離散的點(diǎn)云數(shù)據(jù)通過某種方法聚集到一起，把具有相似程度的對(duì)象構(gòu)成一組，實(shí)現(xiàn)過程稱為聚類[14]。以相鄰車輛邊緣信息點(diǎn)為界，對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行分段截取，對(duì)各段點(diǎn)云數(shù)據(jù)進(jìn)行聚類分析，提取出車輛的左右邊緣特征信息。本文主要采用凝聚層次聚類算法。凝聚層次聚類算法主要是將一組類似的物體標(biāo)定或緊密地聚集在一起，然后合并這些簇為越來越大的簇，直到一個(gè)目標(biāo)物中所有的點(diǎn)都在一個(gè)簇中，簇間距離度量方法采用最小距離:

式中，｜p-p′｜是兩個(gè)點(diǎn)p和p′之間的距離，cj1，cj2為兩個(gè)簇。該算法通過比較相鄰兩點(diǎn)之間的距離，同時(shí)比較每個(gè)點(diǎn)與后兩個(gè)點(diǎn)之間的距離，將一個(gè)點(diǎn)作為一簇，如果與下一個(gè)點(diǎn)的距離小于閾值，則歸為一簇，反之歸為另一簇，再與后兩個(gè)點(diǎn)比較，如果小于閾值則歸為一簇，否則歸為另一簇，這樣可以達(dá)到更好的聚類效果，流程圖如圖7 所示。

圖7 凝聚層次聚類算法

聚類完成后，每一幀數(shù)據(jù)被分割成m段，S＝{S1，S2，…，Sm}，每一段包含了不同目標(biāo)物體的信息量。

1.4 最小二乘法多項(xiàng)式擬合

經(jīng)過聚類分割出各個(gè)目標(biāo)物體后，對(duì)于接收到的目標(biāo)車輛的數(shù)據(jù)，一般存在兩種情況:類似于“π”型和“L”型的曲線。本文采用最小二乘法對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行簡單的曲線擬合，大致得到車輛的俯視界面輪廓，利用曲線斜率的判別方式，判定識(shí)別出車輛的左右側(cè)邊緣。最小二乘法多項(xiàng)式擬合原理為，對(duì)于一組實(shí)驗(yàn)數(shù)據(jù)(xi，yi)，i＝1，2，…n，設(shè)其擬合函數(shù)為下式:

由最小二乘法的原則應(yīng)使得下式最小:

對(duì)函數(shù)S求偏導(dǎo)數(shù)，并令其為零，即?S/?ak＝0可得:

式中，k＝0，1，…，n，若對(duì)于任意函數(shù)h(x)、g(x)引入記號(hào):即:

式中，k＝0，1，…，n，寫成矩陣形式為:

A稱為正規(guī)方程組。當(dāng)φ0(x)，φ1(x)，…，φn(x)線性無關(guān)時(shí)，方程組有唯一解。取φ0(x)＝1，φ1(x)＝x，…，φn(x)＝xn，相應(yīng)的方程組為[15]:

從中可以解出a0，a1，…，an。

1.5 車輛左右邊緣信息獲取

經(jīng)過聚類后的數(shù)據(jù)點(diǎn)簇分為五種情況，如圖8 所示。對(duì)于得到的目標(biāo)數(shù)據(jù)，將形狀類似于“L”型和“π”型的曲線，通過對(duì)擬合后的曲線函數(shù)y(x)做斜率分析，從目標(biāo)曲線最右端點(diǎn)開始，求各點(diǎn)的切線斜率，若斜率逐漸減小且最后斜率近似平行于x軸，且該目標(biāo)曲線的點(diǎn)坐標(biāo)分布滿足:yi≤-(h±Δ)，則認(rèn)為該目標(biāo)曲線為檢測(cè)到車輛頂部右側(cè)邊緣，如圖8(a)所示。若斜率最初近似于平行于x軸，斜率逐漸增加，且該曲線的點(diǎn)坐標(biāo)分布滿足:yi≤-(h±Δ)，則認(rèn)為該目標(biāo)曲線為檢測(cè)到車輛頂部左側(cè)邊緣，如圖8(b)所示。若斜率逐漸減少至近似平行于x軸后，且該曲線的點(diǎn)坐標(biāo)存在m個(gè)點(diǎn)的縱坐標(biāo)滿足:yi＝-(h±Δ)，則認(rèn)為該目標(biāo)曲線為檢測(cè)到車輛底部左側(cè)邊緣，如圖8(c)所示。若斜率先近似平行于x軸后斜率逐漸減少，且該曲線的點(diǎn)坐標(biāo)存在m個(gè)點(diǎn)的縱坐標(biāo)滿足:yi＝-(h±Δ)，則認(rèn)為該目標(biāo)曲線為檢測(cè)到車輛底部右側(cè)邊緣，如圖8(d)所示。若斜率先逐漸減少至近似平行于x軸后斜率逐漸增減，且該曲線的點(diǎn)坐標(biāo)分布滿足:yi≤-(h±Δ)，則認(rèn)為該目標(biāo)曲線為檢測(cè)到車輛頂部左右兩側(cè)邊緣，如圖8(e)所示。

圖8 目標(biāo)特征點(diǎn)曲線擬合

通過提取車輛左右邊緣，以左右邊緣為分車標(biāo)志特征，即提取到車輛左邊緣和相鄰的右邊緣為檢測(cè)到一輛車，從而來實(shí)現(xiàn)車輛檢測(cè)與分車。

1.6 車輛前后分車算法分析

根據(jù)激光雷達(dá)多車道車輛檢測(cè)原理分析，實(shí)現(xiàn)對(duì)車道前后車輛分車的示意圖如圖9 所示，激光雷達(dá)位于路面上方，車輛按圖中箭頭方向行駛，當(dāng)該車道無車輛駛?cè)霑r(shí)，激光雷達(dá)每一幀對(duì)該車道掃描的點(diǎn)應(yīng)分布于公路路面，即該系列點(diǎn)的縱坐標(biāo)滿足:yi＝-(h＋Δ)，其中h為激光雷達(dá)安裝的高度，Δ為誤差系數(shù)；當(dāng)車輛駛?cè)霑r(shí)，激光雷達(dá)掃描的每一幀點(diǎn)數(shù)據(jù)，存在m個(gè)點(diǎn)的縱坐標(biāo)滿足yi＜-(h＋Δ)，i＝1，2，…，m，即該系列點(diǎn)分布于公路路面上方。

圖9 前后車輛分車的示意圖

因而，可根據(jù)激光雷達(dá)對(duì)車道車輛掃描有無車輛駛?cè)氲奶卣鳂?biāo)志位，實(shí)現(xiàn)對(duì)車道前后車輛分車。當(dāng)該車道無車輛駛?cè)霗z測(cè)區(qū)域時(shí)，設(shè)定標(biāo)志位為無車輛通過；當(dāng)該車道有車輛駛?cè)霗z測(cè)區(qū)域時(shí)，設(shè)定標(biāo)志位為有車輛通過；以標(biāo)志位的從無車輛通過變化為有車輛通過作為車輛開始駛?cè)霗z測(cè)區(qū)域；以標(biāo)志位從有車輛通過到無車輛通過變化作為車輛駛離檢測(cè)區(qū)域。因此通過上述算法思想可實(shí)現(xiàn)車道前后車輛的分車。此外，由于車輛的速度對(duì)車輛前后分車影響較大，因此激光雷達(dá)的橫向掃描速度應(yīng)當(dāng)滿足車輛以最大速度行駛通過時(shí)，激光雷達(dá)能準(zhǔn)確地掃描到車輛進(jìn)入與離開時(shí)的兩種狀態(tài)。

2 多車道車輛分車試驗(yàn)

2.1 點(diǎn)云數(shù)據(jù)獲取

為了定量分析所提出的二維激光雷達(dá)多車道車輛檢測(cè)與分車算法的效果，利用某城市快速通道對(duì)多車道進(jìn)行車輛檢測(cè)，實(shí)驗(yàn)環(huán)境如圖10 所示。

圖10 實(shí)驗(yàn)環(huán)境圖

在距離公路路面高度為6 m 處安裝二維激光雷達(dá)，激光雷達(dá)對(duì)多車道進(jìn)行掃描，獲得車輛通過車道時(shí)掃描的點(diǎn)分布圖，圖11 所示為激光雷達(dá)對(duì)兩車道掃描的點(diǎn)分布圖。

圖11 激光雷達(dá)對(duì)多車道掃描點(diǎn)分布

2.2 車輛邊緣信息獲取

經(jīng)過數(shù)據(jù)的提取，獲取激光雷達(dá)對(duì)公路路面掃描的點(diǎn)云數(shù)據(jù)分布，對(duì)數(shù)據(jù)進(jìn)行中值濾波處理，其處理后的效果圖如圖12 所示。從濾波后的點(diǎn)分布圖可以看出，采用中值濾波使得點(diǎn)的分布更加均勻，能夠去除干擾點(diǎn)對(duì)數(shù)據(jù)分析的影響。

圖12 中值濾波效果圖

數(shù)據(jù)濾波后，對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行聚類分析。聚類分析后提取目標(biāo)特征點(diǎn)的實(shí)驗(yàn)效果圖如圖13 所示，其中矩形框選區(qū)域?yàn)橥ㄟ^聚類分析后，提取到的目標(biāo)特征。然后對(duì)提取到的目標(biāo)特征進(jìn)行最小二乘法多項(xiàng)式擬合，得到的實(shí)現(xiàn)效果圖如圖14 所示。

圖13 聚類分析實(shí)驗(yàn)效果圖

圖14 曲線擬合效果圖

根據(jù)實(shí)驗(yàn)結(jié)果可以看出，由于某種原因，導(dǎo)致激光雷達(dá)對(duì)車輛邊緣信息掃描的時(shí)候，點(diǎn)云數(shù)據(jù)不連續(xù)，相鄰點(diǎn)云數(shù)據(jù)之間存在點(diǎn)的空缺。通過分析發(fā)現(xiàn)，由于激光雷達(dá)的角度分辨率是固定的，因此，出現(xiàn)上述情況的原因應(yīng)該為車輛左右邊緣與地面的垂直高度差變化較大，從而導(dǎo)致在激光雷達(dá)一個(gè)掃描角度增量變化時(shí)，相鄰掃描點(diǎn)之間從車輛左右邊緣的高度差變化較大，從而出現(xiàn)了點(diǎn)分布的不連續(xù)與空缺。因此，對(duì)于上述現(xiàn)象，可通過在提取到邊緣信息點(diǎn)后，取邊緣信息點(diǎn)前后Δθ范圍內(nèi)的點(diǎn)與聚類分析提取的目標(biāo)特征點(diǎn)做最小二乘法曲線擬合進(jìn)行改進(jìn)。

2.3 車輛位置信息獲取

根據(jù)建立的直角坐標(biāo)系，以各車道分界線，將多車道進(jìn)行區(qū)域劃分，圖15 所示為四車道區(qū)域劃分示意圖，點(diǎn)P、Q、C、M 構(gòu)成的矩形區(qū)域?yàn)檐嚨愧竦膾呙鑵^(qū)域。若設(shè)定對(duì)多車道進(jìn)行區(qū)域劃分，掃描區(qū)域Ⅰ的橫坐標(biāo)范圍為xo±Δ～xⅠ±Δ，掃描區(qū)域Ⅱ的橫坐標(biāo)范圍為xⅠ±Δ～xⅡ±Δ，掃描區(qū)域Ⅲ的橫坐標(biāo)范圍為xⅡ±Δ～xⅢ±Δ，掃描區(qū)域Ⅳ的橫坐標(biāo)范圍為xⅢ±Δ～xⅣ±Δ，其中Δ為誤差系數(shù)。

圖15 多車道區(qū)域劃分

以提取的多車道各車輛的邊緣信息為界限，從檢查到車輛右側(cè)邊緣到檢測(cè)到車輛的左側(cè)邊緣信息進(jìn)行橫向坐標(biāo)分析，結(jié)合對(duì)多車道的區(qū)域劃分，判斷該輛車的橫坐標(biāo)位于多車道區(qū)域的范圍，即從檢測(cè)到車輛右側(cè)邊緣的起始點(diǎn)橫坐標(biāo)xi和檢測(cè)到車輛左側(cè)邊緣點(diǎn)的橫坐標(biāo)xj，根據(jù)該系列點(diǎn)位于掃描區(qū)域的橫坐標(biāo)范圍區(qū)間，得出車輛位于車道的具體位置，即判斷某車道是否有車輛駛?cè)牒蛙囕v是否存在壓線行駛等現(xiàn)象。

2.4 車輛檢測(cè)結(jié)果

為驗(yàn)證本文二維激光雷達(dá)多車道車輛檢測(cè)與分車算法的準(zhǔn)確性，對(duì)于車速在低于120 km/h 范圍內(nèi)的行駛車輛，在某快速通道進(jìn)行了實(shí)地測(cè)試。通過實(shí)驗(yàn)檢測(cè)結(jié)果和現(xiàn)場(chǎng)實(shí)際數(shù)據(jù)統(tǒng)計(jì)比對(duì)，其比對(duì)結(jié)果如表2 所示，在車輛正常行駛情況下，該算法能精確地實(shí)現(xiàn)對(duì)多車道車輛檢測(cè)與分車。

表2 算法正確率

通過上述實(shí)驗(yàn)結(jié)果，本文提出的基于二維激光雷達(dá)多車道車輛檢測(cè)與分車算法，在單依靠激光雷達(dá)實(shí)現(xiàn)車輛分車的情況下，總體上能滿足汽車動(dòng)態(tài)稱重車輛分車的要求。但在車輛惡意逃避檢測(cè)的方面，該算法還需要不斷的提高。同時(shí)對(duì)于車輛的惡意逃避檢測(cè)，還有必要借助于汽車動(dòng)態(tài)稱重其他傳感器的共同作用。

3 結(jié)論

本文針對(duì)汽車動(dòng)態(tài)稱重場(chǎng)景下，為實(shí)現(xiàn)車輛的檢測(cè)與分車，提出了一種基于二維激光雷達(dá)多車道車輛檢測(cè)與分車的方法，將二維激光雷達(dá)安裝至距離公路路面一定高度，發(fā)射激光光束對(duì)公路截面進(jìn)行掃描，以獲取掃描的點(diǎn)云數(shù)據(jù)，通過對(duì)點(diǎn)云數(shù)據(jù)的提取、預(yù)處理、濾波、聚類和曲線擬合，來提取出各車道車輛的位置信息，從而實(shí)現(xiàn)車輛的實(shí)時(shí)檢測(cè)與分離。實(shí)驗(yàn)結(jié)果表明，該方法能實(shí)現(xiàn)多車道多車輛的實(shí)時(shí)檢測(cè)與分離，具有較高的準(zhǔn)確性，但由于實(shí)驗(yàn)環(huán)境及其不確定因素的干擾，存在一定的實(shí)驗(yàn)誤差，導(dǎo)致在特殊情況下無法實(shí)現(xiàn)車輛的精確分離，因此，后續(xù)將繼續(xù)對(duì)特殊情況下多車道車輛檢測(cè)與分車的算法進(jìn)行研究。