车辆类型与数量的自动检测 毕业论文

《车辆类型与数量的自动检测 毕业论文》由会员分享，可在线阅读，更多相关《车辆类型与数量的自动检测 毕业论文（20页珍藏版）》请在金锄头文库上搜索。

1、 1 车辆类型与数量的自动检测 摘 要 高速公路作为公路交通的一种重要形式，其运输效率高，而车辆通行状况又 是表达其性能的重要因素。基于此，本文主要进行以下研究： 针对问题 1，利用已知的传感器装置测量数据，建立相应的数学模型，用以描 述交通流中各种车辆的几何特征。并分别建立极坐标系和平面直角坐标系，以便 于锁定车辆在道路上所处的位置、刻画车辆可测轮廓，同时给出计算车辆相应几 何尺寸（车高和车宽）的计算方法。 针对问题 2， 我们发现了 5 种情形下的异常数据。 对于这五种情形的异常数据， 分别给出了直接剔除、插值拟合等不同的处理方法。 针对问题 3，在对车辆高度进行计算时，充分考虑路面不平度

2、的影响，并采取合 理的方式将其祛除。针对此情况，建立适应的直角坐标系，用以计算出车辆的宽 度、高度、所在车道以及具体轮廓信息（表 3-1） 。具体参数信息如下： 文档序号 车辆可测宽度/米 车辆可测高度/米 车辆所在车道 1 0.9 1.5 3 2 1.3 1.7 2 3 2 1 1、2 4 1 1.9 2 针对问题 4，使用K均值聚类法，设定 4K = ，四个类别分别为A类、B类、C 类和D类， 然后分别以宽度和高度对车辆进行聚类， 其详细结果件表 4-1 和表 4-2， 通过对比按宽度聚类和按高度聚类得出的结果，发现两者较为一致，因此可以使 用聚类结果作为分类结果，该结果可以将车辆较好的区

3、分开来。同时，对算法的 效率进行了讨论，给出附件 3-1 车辆使用宽度和高度聚类计算机运算时间分别为 4.335秒和4.721秒； 附件3-2车辆使用宽度和高度聚类计算机运算时间分别为1.164 秒和 1.296 秒，并详细分析了影响算法的因素及解决办法。 针对问题 5， 建议在已安装激光传感器装置处正后方S米再安装一个激光传感 器装置，基于此布置，在前面工作基础上能确定出具体车辆的行驶速度。 关键字：极坐标 数据处理 算法效率 K均值聚类 速度检测 2 一、问题重述 为考察高速公路的车辆通行情况，试图利用安装在路侧的传感装置获取的数 据来对通过的车辆类型及数量进行计量。 具体原理如下： （1

4、）首先将激光传感器安装在路侧一定高度的立杆上，安装在激光传感器上 的激光头以 25Hz的频率旋转，旋转轴与道路方向平行。如下图： （2） 设置激光传感器的参数， 指定要测量的角度范围和步进角度， 例如 90-180 度，步进角度为 0.5 度，那么就可以获取到 181 个点的测量数据。激光头的旋转角 度为面向激光头圆形部分，自左向右逆时针旋转。 （3）这些测量点的数据为直线传播距离的数值，也就是说是激光头发射点到 障碍物之间的距离。利用这些数值加上时间轴，就可以在一个三维空间中建立道 路车辆运行情况的信息。 （4）这些三维信息是通过一个激光头进行侧面扫描获得的信息，而且激光头 扫描的信息受到车

5、辆的颜色和车窗以及车辆形状的影响。通常会产生一些异常数 据。 为考察高速公路的车辆通行情况，试图利用安装在路侧的传感装置获取的数 据来对通过的车辆类型及数量进行计量。 建立数学模型研究如下问题： （1）根据传感器装置的数据特征建立数学模型，描述通过车辆的几何特征； （2）对异常数据进行判别并给出处理方法； （3）利用附件 2 中的四组数据，给出相应数据对应的车辆形状、所在车道等信息； （4） 试设计车辆分类标准， 对附件 3 中两组数据给出分类结果 （包括种类及数量） ， 进一步讨论算法效率； （5） 为获取更多分类条件可对此类装置增加速度检测。 如果增加有何进一步建议， 请描述增加何种设备，

6、以何种方式准确测速，如何调整安装方式等。 附件一给出了所需参数以及数据格式说明，附件二给出了传感器测得的四组 数据，附件三给出了传感器测得的两组数据。 二、问题分析 针对问题一，希望根据传感器装置的数据建立数学模型，用来描述通过车辆 的几何特征。根据传感器的数据特征，由于激光头扫描的速度极快，可认为激光 头可以同时扫描四个车道，首先建立平面极坐标系，接着把极坐标系转化为直角 坐标系，则可利用已知传感器的数据特征计算出被检测车辆的宽度和高度。 针对问题二，需要对异常数据进行判别并给出处理方法首先分析出现异常数 3 据的几种情况，发现激光扫描到立柱所在位置与高速公路之外的位置会出现异常 数据，车辆

7、自身的遮挡会出现异常数据，在检测到车辆时，会出现某些数据距离 被检测车辆较远而出现异常数据。而针对立柱所在位置与高速公路之外的位置出 现的异常数据，由于不会影响车辆的检测，所以可以直接忽略。针对车辆自身的 遮挡而出现的异常数据，可以根据车辆的对称性，可以将异常数据补全。针对某 些数据距离被检测车辆较远出现的异常数据，可以利用插值法估计正确数据。当 激光扫描到车时，由于车底盘会高于地面几十厘米，这会造成在计算下底长时产 生一些误差，通常计算结果偏小。对于这种情况，需要给予适当的处理。 针对问题三，需要利用附件 2 中的四组数据，给出相应数据对应的车辆形状、 所在车道等信息。首先将坐标系进行再一次

8、的转换，接着对附件数据进行处理， 利用 MATLAB 软件编写程序画图得出附件二所给四组数据观测到的图像，观察图 像得知在某个时间段可以检测到车辆，再根据这个时间段利用 MATLAB 软件编写 程序画图得出激光扫描到车子的形状、所在车道等信息。 针对问题四，需要给出车辆分类标准，且需要根据车辆的宽度和高度特征来 进行分类。 针对问题五，需要对此类装置增加速度检测。如果增加有何进一步建议，请 描述增加何种设备，以何种方式准确测速，如何调整安装方式等。我们认为可以 在原传感器后适当距离S米新增一个传感器， 通过被检测车辆通过两个传感器的时 间差，则可以求出车辆的速度，进一步可以求出车辆的长度。 三

9、、模型假设 1 不考虑激光在空气中传播时间； 2 不考虑空气中激光出现的折射现象； 3 假设车辆通过时不转换车道； 4 假设车辆外型规律对称； 5 假设道路交通情况良好； 四、部分符号说明 符号 说明 激光OP的长度 1 激光OC的长度 2 激光OB的长度 3 激光OG的长度 L 被观测车辆的长 4 H 被观测车辆的高 1 W 被观测车辆的上底长 2 W 被观测车辆的下底长 1 t 被检测车辆第一次经过原传感器的时间 2 t 被检测车辆第一次经过新安装传感器的时间 v 被检测车辆速度 五、模型建立与求解 5.1 问题问题 1 的模型建立与求解的模型建立与求解 5.1.1 模型模型一一建立建立

10、在此问题中，激光传感器被安装在路侧一定高度的立杆上，安装在激光传感 器上的激光头以 25Hz的频率旋转，旋转轴与道路方向平行。在一个旋转周期中， 激光从垂直于地面开始（角度为 90 度） ，然后旋转到与地面平行（180 度） ，期间 隔 0.5 度记录一个数值，情形如图 1-1 所示。 图 1-1 激光扫描图 由于激光的扫描频率很高，在一个扫描周期内可以快速的扫描四个车道，因 此考虑垂直于路面的平面，建立平面极坐标系如图 1-2 所示：设定激光传感器发 射处位置为原点O，以平行路面向右方向为轴正方向，发出的激光射到车辆的一 点P，激光OP与轴所成的角度为，设OP的长度为，可以得到P点的坐标为

11、( , ) 。 5 O 第 一 车 道 第 二 车 道 第 三 车 道 第 四 车 道 平面 P 图 1-2 极坐标系图示 在建立极坐标之后，需要建立直角坐标系来进行进一步刻画。以激光头为原 点O，其平行路面向右方向为x轴正方向，垂直路面向下方向为y轴正方向建立平 面直角坐标系如图 1-3 所示。 O 第 一 车 道 第 二 车 道 第 三 车 道 第 四 车 道 平面 P(x,y) x y 图 1-3 平面直角坐标系 于是可以把P点坐标转化为直角坐标系下的坐标，设P点坐标为( , )x y，由图 中P点坐标与坐标系的几何关系可得： 22 tan xy y x =+ = （1） 其中：0，02

12、，0x 。 由方程组（1） ，可得： 6 cos sin x y = = （2） 于是P点坐标为(cos ,sin ) 。 5.1.2 模型模型一一求解求解 由于激光传感器安装在马路的一侧，所以激光头的观测范围如图 1-4 所示： A B D C E F G H 有效探测区间 被探测车辆 激光探头 图 1-4 激光头的观测范围 如图 1-4 所示： 由于激光头安装在马路一侧， 所以对于被测车辆来说， 只有AB 侧面、AE侧面、EG侧面以及BC车顶面可以被观测，根据车辆的对称性，可以 根据观测所得AB侧面、AE侧面、EG侧面以及BC车顶面的数据， 得出另一侧CD 面、DF面和FH面的数据。 接下

13、来将被观测车辆置于所建直角坐标系中如图 1-5： O x y 1 2 3 1 2 3 A B D C E F G H 图 1-5 被观测车辆置于所建直角坐标系 设激光OC的长为 1 ，激光OC与x轴的夹角为 1 ，激光OB的长为 2 ，激光 OB与x轴的夹角为 2 ，激光OG的长为 3 ，激光OG与x轴的夹角为 3 ，由式（2） 7 可知C点坐标为 1111 (cos,sin) ，B点坐标为 2222 (cos,sin)，G点坐标为 3333 (cos,sin)。 设被观测车辆的长为L，上底长为 1 W ，下底长为 2 W ，高为H，由于被观测车 辆的速度未知，所以无法求出被观测车辆的长L，根

14、据图 1-5 中各点的坐标关系， 可以求出被观测车辆的上底长 1 W ，下底长 2 W 和高H。 11122 coscosW= （3） 211331122 (coscos)2coscosW= + （4） 2233 coscosH= （5） 5.2 问题二问题二的模型建立与求解的模型建立与求解 5.2.1 异常数据情形一异常数据情形一 在对处理数据的过程中，发现某些扫描周期的前几个高度数据有异常，表现 为明显大于其他数据，接近 6 米。这样的一个高度明显大于车高，因此是异常数 据。在图 2-1 中可见，将附件二第 1 组数据绘制成三位立体图，x轴为扫描方向， 垂直于公路；y轴为时间，按照顺序表示

15、从第 1 个扫描周期到第 100 个扫描周期； z轴为扫描到物体的高度。在图中的左上方可以明显观察到一批异常值，由于这些 异常值并不会影响我们后续的工作，因此我们将这些异常值删除，然后使用周围 的正常数据对其进行填补。同时，在每个扫描周期得到的 181 点中，后面几十个 点的值通常为 0，这是因为扫描区域已经超出一定距离造成的。由于这些数据不会 影响高速公路上对车型的刻画，因此，这些异常数据可以被直接删除。 图 2-1 第一种异常数据图示 5.2.2 异常数据情形二异常数据情形二 8 所选的多车道高速公路会出现车辆并行的状态，由于光的直线传播，若靠近 传感器一侧的车道的车比较高，会遮挡附近车道

16、的车辆，从而使得传感器检测不 到被遮挡车辆；此外由于激光传感器安装在马路的一侧，车辆被自己所遮挡，出 现异常数据。因此，我们利用车辆的对称性画出车辆被自身所遮挡的部分。 5.2.3 异常数据情形三异常数据情形三 在检测到有车辆的地方，有些数值与被检测到的车辆相差比较远，出现异常 数据。与情形一类似，首先把异常值剔除，在异常值所在位置，利用插值法估计 其正确数据。 设被检测车辆的轮廓曲线为( )f x，选取一个简单函数( )P x来逼近( )f x，对于 此题，考虑到系统时效性可以选用简单线性插值，如图 2-2 所示： O x y y0 y1 x0x1 A B y=f(x) y=P(x) 图 2-2 线性插值法 如图 2-2 所示，在A点和B点之间发现异常数据，则可以选择一个简单函数简 单函数( )P x来逼近( )f x，估计A点和B点之间