本发明涉及超限车辆检测，具体为基于图片分析的超限车辆精准检测系统。
背景技术：
1、超限运输会导致车辆的技术参数超出设计标准，增加车辆损坏和机械事故的风险，威胁驾驶人员和行人的安全，通过对超限车辆进行检测可以及时发现并阻止超限运输行为，减少道路交通安全事故的发生，在申请号为202210556786.x发明专利中公开了“一种车辆超限检测方法及终端、车辆超限检测系统，该车辆超限检测方法用于检测驶入高速入口的车辆是否超长、超高、超宽以及超重；该方法包括：获取目标车辆在高速路口超限检测区域的检测图像，并基于检测图像判断目标车辆是否超长、超高以及超宽；若目标车辆未超长、超高以及超宽，则获取目标车辆的重量信息；从检测图像中提取目标车辆的车牌信息，根据车牌信息确定目标车辆的重量阈值，并基于重量信息以及重量阈值判断目标车辆是否超重。本发明能够提高车辆超限检测的效率，降低人力成本。”；
2、上述现有技术解决了对车辆进行人工检测时效率较低等问题，但是系统在运行时，由于没有对检测点布局进行设置以及优化，导致每条道路上的检测点数量可能存在不合理的情况发生，无法确保每个检测点在投入使用时能够发挥最佳的效果，同时该系统并未采用点云数据对车辆的尺寸进行分析，导致最终的结果可能存在较大的误差，并且该系统无法计算出当前车辆的实际体积，使得操作人员无法及时采取相关措施进行干预。
技术实现思路
1、本发明的目的在于提供基于图片分析的超限车辆精准检测系统，以解决上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：基于图片分析的超限车辆精准检测系统，包括车辆体积计算单元和车牌识别单元；
3、检测点初设单元，所述检测点初设单元将指定的地区划分成多个区域，统计每个区域内对应一类指标的数值，将编号的公路作为节点，确定一类指标的个数以及节点总数后，统计每个编号公路对应的二类指标数值，利用节点重要度分析算法根据每个一类指标和二类指标对应的权重以及指标数值进行计算，得到当前节点对应的第一重要度数值和第二重要度数值，根据这些数值分析出每个节点对应的总重要度数值；
4、布局方案生成单元，所述布局方案生成单元对每个节点设置标记位，根据每个节点对应总重要度数值、包含的桥梁数、检测点成本费用以及标记位确定设置检测点后相关的目标公式，添加约束条件，通过布局优化算法不断对每个节点对应的检测点个数进行调整，并计算每种布局方案对应的目标公式，通过多目标优化模型输出最优布局方案，按照最优布局方案对每个节点对应的公路设置检测点；
5、点云数据提取单元，所述点云数据提取单元利用imu传感器对待检测车辆的位置以及姿态相关数据进行采集，利用激光雷达对待检测车辆进行扫描，计算采集时间最早数据点的水平角度与采集时间最晚数据点的水平角度之间的差值，将该差值作为当前激光雷达的实际扫描角度，根据每个点云数据对应的imu数据分析出对应的车辆位置、速度以及姿态，通过车辆位置校正算法对这些数据进行计算，得到每个点云数据采集时刻的实际数据，根据这些数据确定所有点云数据的实际三维坐标，并将这些数据进行分组；
6、尺寸分析单元，所述尺寸分析单元利用尺寸分析算法对点云数据进行计算，得到待测车辆对应的实际宽度以及高度，若确定采集时刻待测车辆进入扫描区域，将该时刻以及之后采集到的数据传输至处理器中，根据这些数据计算出待测车辆对应的实际长度；
7、结果输出单元，所述结果输出单元利用重力传感器采集待测车辆的重量数据后，将其传输至存储设备中，通过处理器根据车牌信息在数据库中进行查询，确定该车辆类型对应的规定限度后，判断当前车辆的高度、宽度、长度以及重量是否超过规定限度，若未超过规定限度，则不执行任何操作，反之则提示该车辆存在超限情况，并向可视化界面返回该车辆当前体积数据。
8、优选的，所述检测点初设单元包括区域划分模块和指标权重计算模块，所述区域划分模块将指定的地区划分成多个区域，并对每个区域中涉及到的公路进行编号，将生产总值、人口总数以及企业总数作为三个一类指标，统计每个区域内对应一类指标的数值，并将这些数据传输至数据库中，所述指标权重计算模块将编号的公路作为节点，确定一类指标的个数以及节点总数后，按照矩阵的形式存储每个节点对应的一类指标数值，并计算各个一类指标中每个节点在对应指标数值总和中所占的比例，利用这些数据分析出各个一类指标对应的熵值，通过权重分析算法根据每个一类指标的熵值计算出对应的权重，所述权重分析算法具体为：
9、；
10、式中，表示指标对应的权重，表示指标对应的熵值，表示参数，表示指标的数目。
11、优选的，所述检测点初设单元还包括第一重要度分析模块、第二重要度分析模块和总重要度确定模块，所述第一重要度分析模块利用节点编号确定该节点所属区域，通过数据库查询器根据区域名称在数据库中进行查询，得到区域对应一类指标数值，利用节点重要度分析算法根据每个一类指标对应的权重以及所属区域指标数值进行计算，得到当前节点对应的第一重要度数值，确定所有节点的第一重要度数值后，将其存储至数据库中，所述第二重要度分析模块将道路行驶车速、道路长度、公路等级以及桥梁数目作为四个二类指标，统计每个编号公路对应的二类指标数值后，确定每个指标对应的权重，利用节点重要度分析算法计算出每个节点对应的第二重要度数值，所述总重要度确定模块根据第一重要度数值和第二重要度数值分析出每个节点对应的总重要度，根据总重要度设置每个节点对应的检测点初始个数。
12、优选的，所述布局方案生成单元包括标记位设置模块、目标构建模块、约束添加模块和方案执行模块，所述标记位设置模块对每个节点设置有标记位，若标记位为0时，则表示该节点对应的检测点初始个数为零，若标记位为1时，则表示该节点对应的检测点初始个数不为零，所述目标构建模块根据每个节点对应总重要度数值以及标记位确定设置检测点后所有公路总重要度之和最大的目标公式，提取每个节点中包含的桥梁数以及标记位，从而得到设置检测点后所有公路桥梁数总和最大的目标公式，获取每个节点中检测点成本费用总和，根据节点的标记位计算出所有检测点总费用最小的目标公式，所述约束添加模块添加约束条件，其中约束条件包括总费用不高于预设值以及检测点覆盖范围不低于预设范围，确定节点总数以及模型迭代次数后，利用多目标优化模型根据目标公式和约束条件进行分析，通过布局优化算法不断对每个节点对应的检测点个数进行调整，并计算每种布局方案对应的目标公式，当布局优化算法执行次数高于模型迭代次数时，通过多目标优化模型输出最优布局方案，所述方案执行模块按照最优布局方案对每个节点对应的公路设置检测点，在每个检测点布置有多个激光雷达、imu传感器、重力传感器以及摄像机，所述激光雷达具体型号为rs_lidar_16激光雷达，所述布局优化算法具体为：
13、；
14、式中，表示最优布局方案与当前迭代之间的差值，表示公路超限检测点布局优化中表示次迭代满足目标和约束的最优解，表示次的检测点最优布局方案，表示次的检测点最优布局方案，表示当前迭代次数，和表示系数向量。
15、优选的，所述点云数据提取单元包括数据采集模块和扫描角度分析模块，所述数据采集模块利用imu传感器对待检测车辆的位置以及姿态相关数据进行采集，将采集到的数据传输至存储设备中，利用激光雷达对待检测车辆进行扫描，通过坐标转换公式对采集到的点云数据进行分析，将每个点云数据的极坐标转换为车辆坐标系下对应的三维坐标，将其传输至存储设备中，所述扫描角度分析模块确定每个点云数据对应水平角度后，计算采集时间最早数据点的水平角度与采集时间最晚数据点的水平角度之间的差值，将该差值作为当前激光雷达的实际扫描角度，由每个点云数据对应的采集时刻提取离该时刻最近的前一时刻和后一时刻imu数据。
16、优选的，所述点云数据提取单元还包括坐标校正模块和数据分组模块，所述坐标校正模块根据每个点云数据对应的imu数据分析出对应的车辆位置、速度以及姿态，通过车辆位置校正算法对这些数据进行计算，得到每个点云数据采集时刻的实际车辆位置、速度以及姿态相关数据，根据这些数据确定所有点云数据的实际三维坐标，所述数据分组模块将安装位置相对的激光雷达采集到的点云数据分别进行分组，设定每组对应的数据个数，从而得到多组点云数据。
17、优选的，所述尺寸分析单元包括点云数据分析模块和车辆长度确定模块，所述点云数据分析模块选取不同的激光雷达对应的整组点云数据进行分析，得到待测车辆对应的实际宽度以及高度，所述车辆长度确定模块确定待测车辆未进入扫描范围时任意时刻采集到的点云数据个数平均值，统计激光雷达每一时刻采集到的点云数据个数，若存在时刻采集到的点云数据个数高于平均值且差值高于等于阈值时，则判定该时刻待测车辆进入扫描区域，将该时刻以及之后采集到的数据传输至处理器中，直至点云数据个数与平均值之间的差值低于阈值时停止传输，处理器接收点云数据后，根据这些数据计算出待测车辆对应的实际长度。
18、优选的，所述车辆体积计算单元包括数据切片模块和参照点生成模块，所述数据切片模块提取所有点云数据的实际三维坐标后，设置切片距离，对点云数据根据切片距离按照纵向进行切片，得到多组点云数据，所述参照点生成模块选取每组点云数据中的任意一点作为第一参照点后，设定阈值，若同组点云数据与该参照点之间的距离小于等于阈值时，则将点云数据存储至点云集合中，选取集合中除第一参照点以外任意一点作为第二参照点，确定同时经过第一参照点和第二参照点的圆心点后，将产生的两个圆心点分别作为第三参照点和第四参照点。
19、优选的，所述车辆体积计算单元还包括边界点判断模块和体积分析模块，所述边界点判断模块在集合中删除第一参照点和第二参照点，计算所有点到第三参照点和第四参照点之间的距离，若存在点到第三参照点和第四参照点的距离均大于阈值的二分之一时，则判定该点为边界点，反之则判定该点不是边界点，所述体积分析模块将所有边界点进行连接，得到该点云切片对应的轮廓信息，利用格林公式计算出每个点云切片对应的面积，根据切片面以及切片距离分析出每个切片对应的体积，将这些切片的体积进行累加后得到待测车辆的总体积。
20、优选的，所述车牌识别单元包括信息定位模块和车牌分析模块，所述信息定位模块利用摄像机对待测车辆进行拍摄，将拍摄到的图像信息传输至图像处理软件中，利用图像处理软件对这些图像信息进行预处理操作后，使用blob分析技术对图像信息进行筛选，确定车牌信息的具体位置，所述车牌分析模块对图像信息进行字符分割后，利用卷积神经网络技术构建出车牌识别模型，将分割后的图像信息传输至模型中，利用车牌识别模型对图像信息进行分析后，得到车牌信息，将其传输至处理器中，所述图像处理软件具体为halcon图像处理软件。
21、与现有技术相比，本发明的有益效果是：
22、1、本发明通过检测点初设单元将指定区域涉及到的所有公路进行编号，并将编号后的公路作为节点进行分析，明确每个节点对应的第一重要度数值和第二重要度数值，对生产总值较多、车流量较大以及超限情况发生可能性较高的区域涉及到的公路对应检测点的数目进行增加，保证初次设立检测点更加科学合理，并且布局方案生成单元对检测点初设单元中的检测点布局进一步优化，从检测覆盖范围、包含的桥梁数和检测点成本费用等多方面进行考量，确保每个检测点投入使用时能够发挥最佳的效果；
23、2、本发明通过点云数据提取单元对激光雷达采集到的点云数据三维坐标进行校正，避免错误数据影响后续分析待测车辆尺寸和体积的准确性，该系统利用车辆体积计算单元得到待测车辆的总体积，若待测车辆尺寸或者重量超过规定限度，操作人员能够第一时间得到该车辆当前体积数据，便于及时采取相关措施进行干预。
1.基于图片分析的超限车辆精准检测系统，包括车辆体积计算单元（5）和车牌识别单元（6），其特征在于：
2.根据权利要求1所述的基于图片分析的超限车辆精准检测系统，其特征在于：所述检测点初设单元（1）包括区域划分模块（101）和指标权重计算模块（102），所述区域划分模块（101）将指定的地区划分成多个区域，并对每个区域中涉及到的公路进行编号，将生产总值、人口总数以及企业总数作为三个一类指标，统计每个区域内对应一类指标的数值，并将这些数据传输至数据库中，所述指标权重计算模块（102）将编号的公路作为节点，确定一类指标的个数以及节点总数后，按照矩阵的形式存储每个节点对应的一类指标数值，并计算各个一类指标中每个节点在对应指标数值总和中所占的比例，利用这些数据分析出各个一类指标对应的熵值，通过权重分析算法根据每个一类指标的熵值计算出对应的权重。
3.根据权利要求2所述的基于图片分析的超限车辆精准检测系统，其特征在于：所述检测点初设单元（1）还包括第一重要度分析模块（103）、第二重要度分析模块（104）和总重要度确定模块（105），所述第一重要度分析模块（103）利用节点编号确定该节点所属区域，通过数据库查询器根据区域名称在数据库中进行查询，得到区域对应一类指标数值，利用节点重要度分析算法根据每个一类指标对应的权重以及所属区域指标数值进行计算，得到当前节点对应的第一重要度数值，确定所有节点的第一重要度数值后，将其存储至数据库中，所述第二重要度分析模块（104）将道路行驶车速、道路长度、公路等级以及桥梁数目作为四个二类指标，统计每个编号公路对应的二类指标数值后，确定每个指标对应的权重，利用节点重要度分析算法计算出每个节点对应的第二重要度数值，所述总重要度确定模块（105）根据第一重要度数值和第二重要度数值分析出每个节点对应的总重要度，根据总重要度设置每个节点对应的检测点初始个数。
4.根据权利要求1所述的基于图片分析的超限车辆精准检测系统，其特征在于：所述布局方案生成单元（2）包括标记位设置模块（201）、目标构建模块（202）、约束添加模块（203）和方案执行模块（204），所述标记位设置模块（201）对每个节点设置有标记位，若标记位为0时，则表示该节点对应的检测点初始个数为零，若标记位为1时，则表示该节点对应的检测点初始个数不为零，所述目标构建模块（202）根据每个节点对应总重要度数值以及标记位确定设置检测点后所有公路总重要度之和最大的目标公式，提取每个节点中包含的桥梁数以及标记位，从而得到设置检测点后所有公路桥梁数总和最大的目标公式，获取每个节点中检测点成本费用总和，根据节点的标记位计算出所有检测点总费用最小的目标公式，所述约束添加模块（203）添加约束条件，其中约束条件包括总费用不高于预设值以及检测点覆盖范围不低于预设范围，确定节点总数以及模型迭代次数后，利用多目标优化模型根据目标公式和约束条件进行分析，通过布局优化算法不断对每个节点对应的检测点个数进行调整，并计算每种布局方案对应的目标公式，当布局优化算法执行次数高于模型迭代次数时，通过多目标优化模型输出最优布局方案，所述方案执行模块（204）按照最优布局方案对每个节点对应的公路设置检测点，在每个检测点布置有多个激光雷达、imu传感器、重力传感器以及摄像机。
5.根据权利要求1所述的基于图片分析的超限车辆精准检测系统，其特征在于：所述点云数据提取单元（3）包括数据采集模块（301）和扫描角度分析模块（302），所述数据采集模块（301）利用imu传感器对待检测车辆的位置以及姿态相关数据进行采集，将采集到的数据传输至存储设备中，利用激光雷达对待检测车辆进行扫描，通过坐标转换公式对采集到的点云数据进行分析，将每个点云数据的极坐标转换为车辆坐标系下对应的三维坐标，将其传输至存储设备中，所述扫描角度分析模块（302）确定每个点云数据对应水平角度后，计算采集时间最早数据点的水平角度与采集时间最晚数据点的水平角度之间的差值，将该差值作为当前激光雷达的实际扫描角度，由每个点云数据对应的采集时刻提取离该时刻最近的前一时刻和后一时刻imu数据。
6.根据权利要求5所述的基于图片分析的超限车辆精准检测系统，其特征在于：所述点云数据提取单元（3）还包括坐标校正模块（303）和数据分组模块（304），所述坐标校正模块（303）根据每个点云数据对应的imu数据分析出对应的车辆位置、速度以及姿态，通过车辆位置校正算法对这些数据进行计算，得到每个点云数据采集时刻的实际车辆位置、速度以及姿态相关数据，根据这些数据确定所有点云数据的实际三维坐标，所述数据分组模块（304）将安装位置相对的激光雷达采集到的点云数据分别进行分组，设定每组对应的数据个数，从而得到多组点云数据。
7.根据权利要求1所述的基于图片分析的超限车辆精准检测系统，其特征在于：所述尺寸分析单元（4）包括点云数据分析模块（401）和车辆长度确定模块（402），所述点云数据分析模块（401）选取不同的激光雷达对应的整组点云数据进行分析，得到待测车辆对应的实际宽度以及高度，所述车辆长度确定模块（402）确定待测车辆未进入扫描范围时任意时刻采集到的点云数据个数平均值，统计激光雷达每一时刻采集到的点云数据个数，若存在时刻采集到的点云数据个数高于平均值且差值高于等于阈值时，则判定该时刻待测车辆进入扫描区域，将该时刻以及之后采集到的数据传输至处理器中，直至点云数据个数与平均值之间的差值低于阈值时停止传输，处理器接收点云数据后，根据这些数据计算出待测车辆对应的实际长度。
8.根据权利要求1所述的基于图片分析的超限车辆精准检测系统，其特征在于：所述车辆体积计算单元（5）包括数据切片模块（501）和参照点生成模块（502），所述数据切片模块（501）提取所有点云数据的实际三维坐标后，设置切片距离，对点云数据根据切片距离按照纵向进行切片，得到多组点云数据，所述参照点生成模块（502）选取每组点云数据中的任意一点作为第一参照点后，设定阈值，若同组点云数据与该参照点之间的距离小于等于阈值时，则将点云数据存储至点云集合中，选取集合中除第一参照点以外任意一点作为第二参照点，确定同时经过第一参照点和第二参照点的圆心点后，将产生的两个圆心点分别作为第三参照点和第四参照点。
9.根据权利要求8所述的基于图片分析的超限车辆精准检测系统，其特征在于：所述车辆体积计算单元（5）还包括边界点判断模块（503）和体积分析模块（504），所述边界点判断模块（503）在集合中删除第一参照点和第二参照点，计算所有点到第三参照点和第四参照点之间的距离，若存在点到第三参照点和第四参照点的距离均大于阈值的二分之一时，则判定该点为边界点，反之则判定该点不是边界点，所述体积分析模块（504）将所有边界点进行连接，得到该点云切片对应的轮廓信息，利用格林公式计算出每个点云切片对应的面积，根据切片面以及切片距离分析出每个切片对应的体积，将这些切片的体积进行累加后得到待测车辆的总体积。
10.根据权利要求1所述的基于图片分析的超限车辆精准检测系统，其特征在于：所述车牌识别单元（6）包括信息定位模块（601）和车牌分析模块（602），所述信息定位模块（601）利用摄像机对待测车辆进行拍摄，将拍摄到的图像信息传输至图像处理软件中，利用图像处理软件对这些图像信息进行预处理操作后，使用blob分析技术对图像信息进行筛选，确定车牌信息的具体位置，所述车牌分析模块（602）对图像信息进行字符分割后，利用卷积神经网络技术构建出车牌识别模型，将分割后的图像信息传输至模型中，利用车牌识别模型对图像信息进行分析后，得到车牌信息，将其传输至处理器中。
