摘要
为了维持良好的车辆生产和交通运输发展,有必要对车辆的非法改装以及超载超限行为进行有力的遏制,车辆外廓尺寸测量则是一种重要识别车辆非法改装的方法。通过提取车辆的激光点云数据,按一定的规则形成对应的点云鸟瞰图,运用深度学习中的卷积神经网络对点云鸟瞰图进行模型训练,使模型对车辆具有快速、准确的识别效果。识别得到的包围框通过坐标像素的转换可求得车辆的长、宽、高,达到车辆外廓尺寸的测量结果,并可转换为3D检测效果。通过试验表明,提出的基于激光点云3D检测的车辆外廓尺寸测量方法测量精度损失较小,检测效率高于传统测量方法。
引文
[1]陈树东.基于卷积神经网络的车辆检测与车型辨识算法研究[D].电子科技大学,2018.06.
[2]郜雨桐,宁慧,王巍,等.基于卷积神经网络的车辆型号识别研究[J].应用科技,DOI:10.11991/yykj.201803011.
[3]梁春疆.基于机器视觉原理的车辆外廓尺寸在线测量系统[D].天津大学,2015.12.
[4]Martin Simon,Stefan Milz,Karl Amende,Horst-Michael Gross,Complex-YOLO:Real-time 3D Object Detection on Point Clouds,Computer Vision and Pattern Recognition,ar Xiv:1803.06199(2018).