基于激光点云3D检测的车辆外廓尺寸测量研究作者:朱菲婷电视机显像管
来源:《科技风》2019年第03期 家庭智能控制系统
3d打印玻纤
分集接收
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。 关键词: 激光点云;车辆尺寸;卷积神经网络;3D检测
近年来,车辆尺寸超限现象严重,由此带来的交通问题频发。车辆外廓尺寸测量技术可以分为人工测量和自动化测量。传统的三维测量大多是人工检测,劳动强度大、效率低,已经无法符合现代化需求。自动化测量效率高,操作简单,大大降低了车辆测量工作的复杂度,目前主要分为三种,分别为三坐标测量机、基于数字图像处理的测量技术和基于激光测量的测量技术。深度学习在物体检测领域已经取得了较好的效果,因此本文提出一种基于深度学习的激光点云3D检测的车辆外廓尺寸测量方法,通过对车辆的检测得到外廓尺寸,且在此基础上进行相应的算法设计和优化。
dtt使用浓度
1 相关技术介绍
1.1 卷积神经网络介绍
卷积神经网络是一种前馈神经网络,它是近年发展起来的对大型图像处理有出表现的一种高效识别方法。卷积神经网络的基本结构包括两层,其一为特征提取层,用来提取局部特征,其二是特征映射层,每个映射层上面的神经元权值相等。由于卷积神经网络的特征检测层通过训练数据进行学习,所以在使用卷积神经网络时,避免了显式的特征提取,而隐式地从训练数据中进行学习。
电子签名设备