激光测距传感器在车辆宽高检测中的应用
激光测距传感器在车辆宽高检测中的应用
作者:吕彬;冀小平
0 引言
随着我国大力构建快速公路交通网络,公路运输得到了发展。受经济利益的驱使各种超限车辆也频 频违章上路。治理超载、超宽、超高车辆也迫在眉睫。在超 载车辆的治理中,静态 、动态汽车衡的使用有效地遏制了超 载车辆上路。 由于以往超宽超高车辆的治理一直采用人工 方法检测,导致效率低下。为提高检测效率,智能超限检测仪器--激光测距传感器投入了使用。但是现行的部分智能宽高检测系统 不能有效地滤除车辆后视镜对车辆宽度的影响造成误判 断,不仅需要人工复检测量宽高,还造成了超限站放行缓 慢超限车辆聚集。
针对上述缺陷,本文利用神经网络较好的预估逼近能 力,提出以广义回归神经网络(general regression neural network,GRNN)为基础求出车辆最值落入判别范围的方法消 除车辆后视镜对车宽检测的影响。
1 车辆后视镜判别方法
利用GRNN查找出被测车辆通过宽高检测仪时,产生的最宽值处于采样时间序列中的位置,并由检测阔值判断 最值是否由车辆后视镜产生。以达到消除由于后视镜产生 的误判断。
1)系统初始化,等待车辆到来。
2)以车辆检测数据作为样本完成对网络的训练。
3)利用GRNN求出最值落入采样值的范围。
4)判定最值区域是否超出检测阙值,是,则认为最值 是由车辆后视镜产生;否则,认为车辆宽度最值不是由后视 镜产生。将最值与宽高限制值比较,结果计人过车数据库,并重复步骤(1-4)。
2 宽高仪传感器检测原理
宽高检测仪采用激光测距传感器。激光以其高亮度、 高方向西高单色等特点,被广泛应用于各种测量领域中。 激光测距相比红外测距、超声波测距等方式,具有速度快、 实时性强、获取数据精度高等特点。激光测距等技术已在 汽车防撞、建筑或空地安全监护、轨道交通领域得到了广泛 的应用[I)。本系统选用德国SICK公司生产的LMS型双脉冲激光测距传感器。
LMS激光传感器是一种户外型非接触式的高精度、高 解析度外部传感器,其工作原理是基于对激光束飞行时间 的测量,按一定间隔发出激光束脉冲,通过定时器计算发射 脉冲和接收脉冲之间的时间间隔测得与被测物体之间的距 离心。智能车辆宽高检测系统通过对车辆进行连续动态扫描,采集车辆外型轮廓信息,并将采集实时数据传给控制单 元,控制单元通过处理、分析、计算采样数据,得出车辆实际的宽高值。
3 GRNN
GRNN是径向基函数(radialbasis function , RBF)网络 的一种变形形式。GRNN建立在非参数回归的基础上,以 样本数据为后验条件,执行Panrzen非参数估计,依据最大概率原则计算网络输出。GRNN以RBF为基础,具有良好 的非线性逼近能力,与RBF网络相比训练更为方便,尤其 适合解决曲线拟合问题。
3.I 网络结构
GRNN由输人层、隐含层、加和层、输出层构成,输入层接收样本的输入,神经元个数等与输入向量的 维数。隐含层是径向基层,神经元个数等与训练样本个数,基函数一般采用高斯函数,第r个神经元的中心向量为X;o加和层神经元分为两种,第一种神经元计算隐含层各神经 元代数和,称为分母单元;第二种神经元计算隐含层神经元 的加权和,权值为各训练样本的期望输出,称之为分子单元。输出层将加和层的分子单元和分母单元相除,即得到 y的期望输出.网络的训练过程只需要完成对6的一维寻优即可。 但由于网络并不知道样本数据的概率分布,因此,不能从样 本中求得理想的光滑因子<T,故而这里采用一维寻优的方 式来求取。这样,就求得了在给定T值下的误差值卫I以用此目 标函数作为衡昼6性能的标准。
3.2 判别阁值
判别范围的设定依照卡车车头所占车身比例设定,一 般的超限车辆分为长头卡车和平头卡车。由于平头卡车的 后视镜与车辆前沿距离较长头卡车要近,所以,选取长头卡 车车头前沿到车辆后视镜的长度占整个车身长度的比例作 为超宽值检验范围的依据。
在我国半挂车车身长度为13m,2008年9月,新规定厢式的半挂车车身可达到14.6m。牵引车头在独立状态下7-8 m161。由于考虑半挂车转弯时候的回旋半径车头和车厢之间有I.Sm左右的空隙。所以,在整车长度17.5m的 情况下认为长头车车头所占比例阙值c为。
3.3 数据检验
以山西某收费站宽高仪获取整车过车数据为样本,分 别取未超限车和超限车过车产生过车宽高数据X1= 783组,X2=801组。在Matlab中利用工具箱函数利用 net =newgmn(P,T)函数进行最值定位。P矩阵为一维矩阵的车宽数据,目标矩阵T为数据采样数据序列号。利用X=sim(net,Ym江)求出最值采样序列号。若x/X<e, 则认为最值Ym.,为车辆后视镜最宽值。
由图4可见车辆最高值y1 =2.54m落在了整个采样周期中的x =72,很明显可以判断出最宽值由车辆后视镜产生,最值数据不计入超宽检测范围。车辆最高值y2=2. 57 m落在了整个采样 周期中的后半段兀2=603'可以判断出最宽值由车辆所载货 物产生,最值数据计入超宽检测范围,且超出国家车辆宽高 管理规定,依法劝返禁止上高速。
4 结论
经实践数据检验,基于GRNN拟合方式的传感器判断 方法可以有效地识别车辆宽高检测中车辆最宽值是否由车 辆后视镜产生。系统能将所载货物宽度与后视镜宽度区别 开来,大大降低了宽高检测中的误判断,也省去了人工复检 造成的人力浪费,减缓了收费站车流量压力。
本文章转自爱学术(aixueshu.com),如有侵权,请联系删除