车辆轴距测量方法、装置和车辆轴距测量仪

摘要

本公开提供一种车辆轴距测量方法、装置和车辆轴距测量仪。车辆轴距测量装置利用朝向道路探测的多条激光射线获取对应的探测数据；根据探测数据获取对应的三维点云数据，其中点云数据包括三维坐标和反射率；对三维点云数据进行聚类处理，以得到第一车体点云区；在第一车体点云区中的每个点云数据中，利用反射率对第一方向上的坐标值进行更新，以得到第二车体点云区，其中第一方向在水平面上与沿道路延伸的第二方向垂直；对第二车体点云区进行聚类处理，以得到第一车轮点云区和第二车轮点云区；利用第一车轮点云区和第二车轮点云区之间的距离确定车辆的轴距。本公开无论在车辆处于静止或运动状态下均能实现车辆轴距的自动测量。

权利要求

1.一种车辆轴距测量方法，包括：

利用朝向道路探测的多条激光射线获取对应的探测数据；

根据所述探测数据获取对应的三维点云数据，其中所述点云数据包括三维坐标和反射率；

对所述三维点云数据进行聚类处理，以得到第一车体点云区；

在所述第一车体点云区中的每个点云数据中，利用反射率对第一方向上的坐标值进行更新，以得到第二车体点云区，其中所述第一方向在水平面上与沿所述道路延伸的第二方向垂直；

对所述第二车体点云区进行聚类处理，以得到第一车轮点云区和第二车轮点云区；

利用所述第一车轮点云区和所述第二车轮点云区之间的距离确定车辆的轴距；

其中，利用所述第一车轮点云区和所述第二车轮点云区之间的距离确定车辆的轴距包括：利用所述第一车轮点云区确定位于第一车轮两侧的第一端面和第二端面；

利用所述第二车轮点云区确定位于第二车轮两侧的第三端面和第四端面，其中所述第一至第四端面相互平行，所述第三端面位于所述第二车轮的靠近所述第二端面的一侧；

确定所述第一端面和所述第三端面之间的第一距离，确定所述第二端面和所述第四端面之间的第二距离；

利用所述第一距离和所述第二距离确定所述车辆的轴距。

2.根据权利要求1所述的方法，其中，利用所述第一距离和所述第二距离确定所述车辆的轴距包括：将所述第一距离和所述第二距离的平均值作为所述车辆的轴距。

3.根据权利要求2所述的方法，其中，

所述第一至第四端面与所述第一方向垂直。

4.根据权利要求1所述的方法，其中，利用所述第一车轮点云区确定位于第一车轮两侧的第一端面和第二端面包括：对所述第一车轮点云区进行圆形拟合，以得到第一圆形区；

通过所述第一圆形区确定所述第一端面和所述第二端面；

利用所述第二车轮点云区确定位于第二车轮两侧的第三端面和第四端面包括：对所述第二车轮点云区进行圆形拟合，以得到第二圆形区；

通过所述第二圆形区确定所述第三端面和所述第四端面。

5.根据权利要求1所述的方法，其中，在所述第一车体点云区中的每个点云数据中，利用反射率对第一方向上的坐标值进行更新包括：在所述第一车体点云区中的每个点云数据中，将反射率和所述第一方向上的坐标值的乘积，作为所述第一方向上的更新后的坐标值。

6.根据权利要求1‑5中任一项所述的方法，其中，对所述三维点云数据进行聚类处理包括：对所述三维点云数据进行过滤处理以得到过滤结果，所述过滤处理包括第一过滤处理、第二过滤处理或第三过滤处理中的至少一项，其中所述第一过滤处理用于去除地面干扰，所述第二过滤处理用于去除所述第一方向上的干扰，所述第三过滤处理用于去除所述第二方向上的干扰；

利用所述过滤结果进行聚类处理。

7.根据权利要求6所述的方法，其中，第一过滤处理包括：在所述三维点云数据中，去除与地面相对应的点云数据。

8.根据权利要求6所述的方法，其中，第二过滤处理包括：在所述三维点云数据中，去除在所述第一方向上的坐标值超过第一预设门限的点云数据。

9.根据权利要求6所述的方法，其中，第三过滤处理包括：在所述三维点云数据中，计算全部点云数据在所述第一方向上的坐标值的平均值；

去除在所述第一方向上的坐标值和所述平均值之差超过第二预设门限的点云数据。

10.一种车辆轴距测量装置，包括：

数据探测模块，被配置为利用朝向道路探测的多条激光射线获取对应的探测数据；

点云数据获取模块，被配置为根据所述探测数据获取对应的三维点云数据，其中所述点云数据包括三维坐标和反射率；

第一聚类模块，被配置为对所述三维点云数据进行聚类处理，以得到第一车体点云区；

更新模块，被配置为在所述第一车体点云区中的每个点云数据中，利用反射率对第一方向上的坐标值进行更新，以得到第二车体点云区，其中所述第一方向在水平面上与沿所述道路延伸的第二方向垂直；

第二聚类模块，被配置为对所述第二车体点云区进行聚类处理，以得到第一车轮点云区和第二车轮点云区；

轴距确定模块，被配置为利用所述第一车轮点云区和所述第二车轮点云区之间的距离确定车辆的轴距，其中利用所述第一车轮点云区确定位于第一车轮两侧的第一端面和第二端面，利用所述第二车轮点云区确定位于第二车轮两侧的第三端面和第四端面，其中所述第一至第四端面相互平行，所述第三端面位于所述第二车轮的靠近所述第二端面的一侧，确定所述第一端面和所述第三端面之间的第一距离，确定所述第二端面和所述第四端面之间的第二距离，利用所述第一距离和所述第二距离确定所述车辆的轴距。

11.根据权利要求10所述的装置，其中，

轴距确定模块被配置为将所述第一距离和所述第二距离的平均值作为所述车辆的轴距。

12.根据权利要求11所述的装置，其中，

所述第一至第四端面与所述第一方向垂直。

13.根据权利要求10所述的装置，其中，

轴距确定模块还被配置对所述第一车轮点云区进行圆形拟合，以得到第一圆形区，通过所述第一圆形区确定所述第一端面和所述第二端面，对所述第二车轮点云区进行圆形拟合，以得到第二圆形区，通过所述第二圆形区确定所述第三端面和所述第四端面。

14.根据权利要求10所述的装置，其中，

更新模块被配置为在所述第一车体点云区中的每个点云数据中，将反射率和所述第一方向上的坐标值的乘积，作为所述第一方向上的更新后的坐标值。

15.根据权利要求10‑14中任一项所述的装置，其中，第一聚类模块被配置为对所述三维点云数据进行过滤处理以得到过滤结果，所述过滤处理包括第一过滤处理、第二过滤处理或第三过滤处理中的至少一项，其中所述第一过滤处理用于去除地面干扰，所述第二过滤处理用于去除所述第一方向上的干扰，所述第三过滤处理用于去除所述第二方向上的干扰，利用所述过滤结果进行聚类处理。

16.根据权利要求15所述的装置，其中，

第一聚类模块被配置为在进行第一过滤处理的过程中，在所述三维点云数据中去除与地面相对应的点云数据。

17.根据权利要求15所述的装置，其中，

第一聚类模块被配置为在进行第二过滤处理的过程中，在所述三维点云数据中去除在所述第一方向上的坐标值超过第一预设门限的点云数据。

18.根据权利要求15所述的装置，其中，

第一聚类模块被配置为在进行第三过滤处理的过程中，在所述三维点云数据中，计算全部点云数据在所述第一方向上的坐标值的平均值，去除在所述第一方向上的坐标值和所述平均值之差超过第二预设门限的点云数据。

19.一种车辆轴距测量装置，包括：

存储器，被配置为存储指令；

处理器，耦合到存储器，处理器被配置为基于存储器存储的指令执行实现如权利要求

1‑9中任一项的方法。

20.一种车辆轴距测量仪，包括：

多线激光雷达；以及

如权利要求10‑19中任一项所述的车辆轴距测量装置。

21.一种计算机可读存储介质，其中，计算机可读存储介质存储有计算机指令，指令被处理器执行时实现如权利要求1‑9中任一项的方法。

说明书

车辆轴距测量方法、装置和车辆轴距测量仪

技术领域

[0001] 本公开涉及测量技术领域，特别涉及一种车辆轴距测量方法、装置和车辆轴距测量仪。

背景技术

[0002] 车辆轮廓尺寸测量技术是利用各种检测设备，在不拆卸车辆的情况下对车辆所进行的检查和测量。车辆轴距检测是指在车辆处于正常状态下，获取前后两个车轮之间的距离。

[0003] 在相关技术中，主要是使用钢卷尺、角度尺及标杆等工具进行手工测量。此外，在相关技术中还存在一种基于光电开关的车辆轴距测量方法，移动小车经过被测车辆同一侧的相邻两个车轮，计算前后两个上升沿或下降沿之间的时间差，并结合该移动小车的速度，从而计算出被测车辆的轴距。

发明内容

[0004] 发明人注意到，通过钢卷尺、角度尺及标杆等工具进行测量的方法需要人工参与，智能化程度低，精度低，并且只能测量处于静止状态下的车辆轴长。此外，在利用移动小车测量车辆轴距时，也需要车辆处于静止状态，并且需要为移动小车配置移动载体，系统复杂度较高，实用性较低。

[0005] 据此，本公开提供一种车辆轴距测量方案，无论在车辆处于静止或运动状态下均能实现车辆轴距的自动测量。

[0006] 根据本公开实施例的第一方面，提供一种车辆轴距测量方法，包括：利用朝向道路探测的多条激光射线获取对应的探测数据；根据所述探测数据获取对应的三维点云数据，其中所述点云数据包括三维坐标和反射率；对所述三维点云数据进行聚类处理，以得到第一车体点云区；在所述第一车体点云区中的每个点云数据中，利用反射率对第一方向上的坐标值进行更新，以得到第二车体点云区，其中所述第一方向在水平面上与沿所述道路延伸的第二方向垂直；对所述第二车体点云区进行聚类处理，以得到第一车轮点云区和第二车轮点云区；利用所述第一车轮点云区和所述第二车轮点云区之间的距离确定车辆的轴距。

[0007] 在一些实施例中，利用所述第一车轮点云区和所述第二车轮点云区之间的距离确定车辆的轴距包括：利用所述第一车轮点云区确定位于第一车轮两侧的第一端面和第二端面；利用所述第二车轮点云区确定位于第二车轮两侧的第三端面和第四端面，其中所述第一至第四端面相互平行，所述第三端面位于所述第二车轮的靠近所述第二端面的一侧；确定所述第一端面和所述第三端面之间的第一距离，确定所述第二端面和所述第四端面之间的第二距离；利用所述第一距离和所述第二距离确定所述车辆的轴距。

[0008] 在一些实施例中，利用所述第一距离和所述第二距离确定所述车辆的轴距包括：将所述第一距离和所述第二距离的平均值作为所述车辆的轴距。

[0009] 在一些实施例中，所述第一至第四端面与所述第一方向垂直。

[0010] 在一些实施例中，利用所述第一车轮点云区确定位于第一车轮两侧的第一端面和第二端面包括：对所述第一车轮点云区进行圆形拟合，以得到第一圆形区；通过所述第一圆形区确定所述第一端面和所述第二端面；利用所述第二车轮点云区确定位于第二车轮两侧的第三端面和第四端面包括：对所述第二车轮点云区进行圆形拟合，以得到第二圆形区；通过所述第二圆形区确定所述第三端面和所述第四端面。

[0011] 在一些实施例中，在所述第一车体点云区中的每个点云数据中，利用反射率对第一方向上的坐标值进行更新包括：在所述第一车体点云区中的每个点云数据中，将反射率和所述第一方向上的坐标值的乘积，作为所述第一方向上的更新后的坐标值。

[0012] 在一些实施例中，对所述三维点云数据进行聚类处理包括：对所述三维点云数据进行过滤处理以得到过滤结果，所述过滤处理包括第一过滤处理、第二过滤处理或第三过滤处理中的至少一项，其中所述第一过滤处理用于去除地面干扰，所述第二过滤处理用于去除所述第一方向上的干扰，所述第三过滤处理用于去除所述第二方向上的干扰；利用所述过滤结果进行聚类处理。

[0013] 在一些实施例中，第一过滤处理包括：在所述三维点云数据中，去除与地面相对应的点云数据。

[0014] 在一些实施例中，第二过滤处理包括：在所述三维点云数据中，去除在所述第一方向上的坐标值超过第一预设门限的点云数据。

[0015] 在一些实施例中，第三过滤处理包括：在所述三维点云数据中，计算全部点云数据在所述第一方向上的坐标值的平均值；去除在所述第一方向上的坐标值和所述平均值之差超过第二预设门限的点云数据。

[0016] 根据本公开实施例的第二方面，提供一种车辆轴距测量装置，包括：数据探测模块，被配置为利用朝向道路探测的多条激光射线获取对应的探测数据；点云数据获取模块，被配置为根据所述探测数据获取对应的三维点云数据，其中所述点云数据包括三维坐标和反射率；第一聚类模块，被配置为对所述三维点云数据进行聚类处理，以得到第一车体点云区；更新模块，被配置为在所述第一车体点云区中的每个点云数据中，利用反射率对第一方向上的坐标值进行更新，以得到第二车体点云区，其中所述第一方向在水平面上与沿所述道路延伸的第二方向垂直；第二聚类模块，被配置为对所述第二车体点云区进行聚类处理，以得到第一车轮点云区和第二车轮点云区；轴距确定模块，被配置为利用所述第一车轮点云区和所述第二车轮点云区之间的距离确定车辆的轴距。

[0017] 在一些实施例中，轴距确定模块被配置为利用所述第一车轮点云区确定位于第一车轮两侧的第一端面和第二端面，利用所述第二车轮点云区确定位于第二车轮两侧的第三端面和第四端面，其中所述第一至第四端面相互平行，所述第三端面位于所述第二车轮的靠近所述第二端面的一侧，确定所述第一端面和所述第三端面之间的第一距离，确定所述第二端面和所述第四端面之间的第二距离，利用所述第一距离和所述第二距离确定所述车辆的轴距。

[0018] 在一些实施例中，轴距确定模块被配置为将所述第一距离和所述第二距离的平均值作为所述车辆的轴距。

[0019] 在一些实施例中，所述第一至第四端面与所述第一方向垂直。

[0020] 在一些实施例中，轴距确定模块还被配置对所述第一车轮点云区进行圆形拟合，以得到第一圆形区，通过所述第一圆形区确定所述第一端面和所述第二端面，对所述第二车轮点云区进行圆形拟合，以得到第二圆形区，通过所述第二圆形区确定所述第三端面和所述第四端面。

[0021] 在一些实施例中，更新模块被配置为在所述第一车体点云区中的每个点云数据中，将反射率和所述第一方向上的坐标值的乘积，作为所述第一方向上的更新后的坐标值。

[0022] 在一些实施例中，第一聚类模块被配置为对所述三维点云数据进行过滤处理以得到过滤结果，所述过滤处理包括第一过滤处理、第二过滤处理或第三过滤处理中的至少一项，其中所述第一过滤处理用于去除地面干扰，所述第二过滤处理用于去除所述第一方向上的干扰，所述第三过滤处理用于去除所述第二方向上的干扰，利用所述过滤结果进行聚类处理。

[0023] 在一些实施例中，第一聚类模块被配置为在进行第一过滤处理的过程中，在所述三维点云数据中去除与地面相对应的点云数据。

[0024] 在一些实施例中，第一聚类模块被配置为进行第二过滤处理的过程中，在所述三维点云数据中去除在所述第一方向上的坐标值超过第一预设门限的点云数据。

[0025] 在一些实施例中，第一聚类模块被配置为进行第三过滤处理的过程中，在所述三维点云数据中，计算全部点云数据在所述第一方向上的坐标值的平均值，去除在所述第一方向上的坐标值和所述平均值之差超过第二预设门限的点云数据。

[0026] 根据本公开实施例的第三方面，提供一种车辆轴距测量装置，包括：存储器，被配置为存储指令；处理器，耦合到存储器，处理器被配置为基于存储器存储的指令执行实现如上述任一实施例所述的方法。

[0027] 根据本公开实施例的第四方面，提供一种车辆轴距测量仪，包括：多线激光雷达；以及如上述任一实施例所述的车辆轴距测量装置。

[0028] 根据本公开实施例的第五方面，提供一种计算机可读存储介质，其中，计算机可读存储介质存储有计算机指令，指令被处理器执行时实现如上述任一实施例涉及的方法。

[0029] 通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。

附图说明

[0030] 为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

[0031] 图1为本公开一个实施例的车辆轴距测量方法的流程示意图；

[0032] 图2为本公开一个实施例的车辆轴距测量示意图；

[0033] 图3为本公开另一个实施例的车辆轴距测量方法的流程示意图；

[0034] 图4为本公开一个实施例的车辆轴距测量装置的结构示意图；

[0035] 图5为本公开另一个实施例的车辆轴距测量装置的结构示意图；

[0036] 图6为本公开一个实施例的车辆轴距测量仪的结构示意图；

具体实施方式

[0037] 下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

[0038] 除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

[0039] 同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

[0040] 对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。

[0041] 在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。

[0042] 应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

[0043] 图1为本公开一个实施例的车辆轴距测量方法的流程示意图。在一些实施例中，下列的车辆轴距测量方法步骤由车辆轴距测量装置执行。

[0044] 在步骤101，利用朝向道路探测的多条激光射线获取对应的探测数据。

[0045] 在一些实施例中，利用多线激光雷达照射车辆的侧面区域，以便获取车辆侧面的探测数据。

[0046] 在步骤102，根据探测数据获取对应的三维点云数据，其中点云数据包括三维坐标和反射率。

[0047] 这里需要说明的是，多线激光雷达采集的是三维极坐标数据，为便于处理，将点云数据的坐标转换为世界坐标。此外，由于车体和车轮的材质有很大区别，因此对激光的反射率也有显著不同。

[0048] 在步骤103，对三维点云数据进行聚类处理，以得到第一车体点云区。

[0049] 在一些实施例中，通过利用点云数据在第一方向上的坐标值进行聚类处理，能够得到车体侧面的第一车体点云区。第一方向(即Y轴方向)在水平面上与沿道路延伸的第二方向(即X轴方向)垂直。例如，可使用KDTree欧式距离算法进行聚类处理。

[0050] 在一些实施中，在对三维点云数据进行聚类处理的过程中，首先对三维点云数据进行过滤处理以得到过滤结果，该过滤处理包括第一过滤处理、第二过滤处理或第三过滤处理中的至少一项。第一过滤处理用于去除地面干扰，第二过滤处理用于去除第一方向上的干扰，第三过滤处理用于去除第二方向上的干扰。接下来在利用过滤结果进行聚类处理。

[0051] 在一些实施例中，第一过滤处理包括：在三维点云数据中，去除与地面相对应的点云数据。例如，通过区域增长法检测出地面反射的点云数据并进行删除，以避免地面反射对车体点云数据造成的干扰。

[0052] 在一些实施例中，第二过滤处理包括：在三维点云数据中，去除在第一方向上的坐标值超过第一预设门限的点云数据。需要说明的是，由于激光雷达的探测距离较远，因此三维点云数据中可能会包括在激光在第一方向上照射到其它较远处物体所生成的点云数据。通过进行第二过滤处理，可有效避免在第一方向上其它物体对车体点云数据的影响。

[0053] 在一些实施例中，第三过滤处理包括：在三维点云数据中，计算全部点云数据在第一方向上的坐标值的平均值，去除在第一方向上的坐标值和平均值之差超过第二预设门限的点云数据。由于激光雷达的探测角度较宽，因此在第二方向上会获取到较多的点云数据，这些点云数据中除了包括待检测车辆的点云数据外，还可能包括待检测车辆前后的其它物体的点云数据。通过进行第二过滤处理，可有效避免在第二方向上其它物体对车体点云数据的影响。

[0054] 在步骤104，在第一车体点云区中的每个点云数据中，利用反射率对第一方向上的坐标值进行更新，以得到第二车体点云区。

[0055] 在一些实施例中，在第一车体点云区中的每个点云数据中，将反射率和第一方向上的坐标值的乘积，作为第一方向上的更新后的坐标值。

[0056] 由于车体和车轮对激光的反射率有很大差异，因此在每个点云数据中，通过利用反射率对第一方向上的坐标值进行更新，以便于通过聚类处理将车体和车轮区分开。

[0057] 在步骤105，对第二车体点云区进行聚类处理，以得到第一车轮点云区和第二车轮点云区。

[0058] 由于每个点云数据的第一方向上的坐标值以利用反射率进行了修正，因此通过利用点云数据在第一方向上的坐标值进行聚类处理，能够得到两个车轮的点云区。例如，可使用KDTree欧式距离算法进行聚类处理。

[0059] 在步骤106，利用第一车轮点云区和第二车轮点云区之间的距离确定车辆的轴距。

[0060] 在一些实施例中，利用第一车轮点云区确定位于第一车轮两侧的第一端面和第二端面，利用第二车轮点云区确定位于第二车轮两侧的第三端面和第四端面，其中第一至第四端面相互平行，第三端面位于第二车轮的靠近第二端面的一侧。例如，第一至第四端面与第一方向垂直。

[0061] 接下来，确定第一端面和第三端面之间的第一距离，确定第二端面和第四端面之间的第二距离。进而利用第一距离和第二距离确定车辆的轴距。

[0062] 在一些实施例中，将第一距离和第二距离的平均值作为车辆的轴距。

[0063] 图2为本公开一个实施例的车辆轴距测量示意图。

[0064] 如图2所示，确定第一车轮1的第一端面11和第二车轮2的第三端21面之间的第一距离L1，确定第一车轮1的第二端面12和第二车轮2的第四端面22之间的第二距离L2。通过下列公式(1)计算车辆的轴距L。

[0065] L＝(L1+L2)/2                         (1)

[0066] 在一些实施例中，为了提升车轮端面的精度，首先分别对第一车轮点云区和第二车轮点云区进行圆形拟合，以得到对应的第一圆形区和第二圆形区。例如可利用平均值法进行车轮圆形拟合。然后通过第一圆形区确定第一车轮的第一端面和第二端面，通过第二圆形区确定第二车轮的第三端面和第四端面。通过对第一车轮点云区和第二车轮点云区进行圆形拟合，能够使车轮端面位置更加准确。

[0067] 在本公开上述实施例提供的车辆轴距测量方法中，由于车体和车轮对激光的反射率不同，因此通过利用点云数据的反射率对第一方向上的坐标值进行更新，能够通过聚类处理方便地将车体点云区和车轮点云区分开，进而利用所得到的两个车轮点云区得到车辆的轴距。本公开可适用于不同的工作场景，在待检测车辆处于静止或运动状态下均能实现轴距测量。

[0068] 图3为本公开另一个实施例的车辆轴距测量方法的流程示意图。在一些实施例中，下列的车辆轴距测量方法步骤由车辆轴距测量装置执行。

[0069] 在步骤301，利用朝向道路探测的多条激光射线获取对应的探测数据。

[0070] 在步骤302，根据探测数据获取对应的三维点云数据，其中点云数据包括三维坐标和反射率。

[0071] 在步骤303，对三维点云数据进行第一过滤处理，以去除地面干扰。

[0072] 在一些实施例中，在三维点云数据中，去除与地面相对应的点云数据。例如，通过区域增长法检测出地面反射的点云数据并进行删除，以避免地面反射对车体点云数据造成的干扰。

[0073] 在步骤304，在第一过滤处理的基础上，对三维点云数据进行第二过滤处理，以去除第一方向上的干扰。第一方向(即Y轴方向)在水平面上与沿道路延伸的第二方向(即X轴方向)垂直。

[0074] 在一些实施例中，在三维点云数据中，去除在第一方向上的坐标值超过第一预设门限的点云数据。需要说明的是，由于激光雷达的探测距离较远，因此三维点云数据中可能会包括在激光在第一方向上照射到其它较远处物体所生成的点云数据。通过进行第二过滤处理，可有效避免在第一方向上其它物体对车体点云数据的影响。

[0075] 在步骤305，在第二过滤处理的基础上，对三维点云数据进行第三过滤处理，以去除第二方向上的干扰。

[0076] 在一些实施例中，在三维点云数据中，计算全部点云数据在第一方向上的坐标值的平均值，去除在第一方向上的坐标值和平均值之差超过第二预设门限的点云数据。由于激光雷达的探测角度较宽，因此在第二方向上会获取到较多的点云数据，这些点云数据中除了包括待检测车辆的点云数据外，还可能包括待检测车辆前后的其它物体的点云数据。通过进行第二过滤处理，可有效避免在第二方向上其它物体对车体点云数据的影响。

[0077] 在步骤306，对经过过滤处理的三维点云数据进行聚类处理，以得到第一车体点云区。

[0078] 在一些实施例中，通过利用点云数据在第一方向上的坐标值进行聚类处理，能够得到车体侧面的第一车体点云区。例如，可使用KDTree欧式距离算法进行聚类处理。

[0079] 在步骤307，在第一车体点云区中的每个点云数据中，利用反射率对第一方向上的坐标值进行更新，以得到第二车体点云区。

[0080] 在一些实施例中，在第一车体点云区中的每个点云数据中，将反射率和第一方向上的坐标值的乘积，作为第一方向上的更新后的坐标值。

[0081] 由于车体和车轮对激光的反射率有很大差异，因此在每个点云数据中，通过利用反射率对第一方向上的坐标值进行更新，以便于通过聚类处理将车体和车轮区分开。

[0082] 在步骤308，对第二车体点云区进行聚类处理，以得到第一车轮点云区和第二车轮点云区。

[0083] 由于每个点云数据的第一方向上的坐标值以利用反射率进行了修正，因此通过利用点云数据在第一方向上的坐标值进行聚类处理，能够得到两个车轮的点云区。例如，可使用KDTree欧式距离算法进行聚类处理。

[0084] 在步骤309，分别对第一车轮点云区和第二车轮点云区进行圆形拟合，以得到对应的第一圆形区和第二圆形区。例如，可利用平均值法进行车轮圆形拟合。

[0085] 在步骤310，通过第一圆形区确定第一车轮的第一端面和第二端面，通过第二圆形区确定第二车轮的第三端面和第四端面。第一至第四端面均与第一方向垂直，第三端面位于第二车轮的靠近第二端面的一侧。

[0086] 通过对第一车轮点云区和第二车轮点云区进行圆形拟合，能够使车轮端面位置更加准确。

[0087] 在步骤311，利用第一端面和第三端面之间的第一距离，以及第二端面和第四端面之间的第二距离，来确定车辆的轴距。

[0088] 在一些实施例中，利用上述公式(1)计算车辆的轴距。

[0089] 图4为本公开一个实施例的车辆轴距测量装置的结构示意图。如图4所示，车辆轴距测量装置包括数据探测模块41、点云数据获取模块42、第一聚类模块43、更新模块44、第二聚类模块45和轴距确定模块46。

[0090] 数据探测模块41被配置为利用朝向道路探测的多条激光射线获取对应的探测数据。

[0091] 在一些实施例中，利用多线激光雷达照射车辆的侧面区域，以便获取车辆侧面的探测数据。

[0092] 点云数据获取模块42被配置为根据探测数据获取对应的三维点云数据，其中点云数据包括三维坐标和反射率。

[0093] 第一聚类模块43被配置为对三维点云数据进行聚类处理，以得到第一车体点云区。

[0094] 在一些实施例中，通过利用点云数据在第一方向上的坐标值进行聚类处理，能够得到车体侧面的第一车体点云区。第一方向(即Y轴方向)在水平面上与沿道路延伸的第二方向(即X轴方向)垂直。例如，可使用KDTree欧式距离算法进行聚类处理。

[0095] 在一些实施例中，第一聚类模块43被配置为对三维点云数据进行第一过滤处理、第二过滤处理或第三过滤处理中的至少一项，以得到过滤结果，其中第一过滤处理用于去除地面干扰，第二过滤处理用于去除第一方向上的干扰，第三过滤处理用于去除第二方向上的干扰，利用过滤结果进行聚类处理。

[0096] 例如，第一聚类模块43被配置为在进行第一过滤处理的过程中，在三维点云数据中去除与地面相对应的点云数据。第一聚类模块43被配置为在进行第二过滤处理的过程中，在三维点云数据中去除在第一方向上的坐标值超过第一预设门限的点云数据。第一聚类模块43被配置为在进行第三过滤处理的过程中，在三维点云数据中，计算全部点云数据在第一方向上的坐标值的平均值，去除在第一方向上的坐标值和平均值之差超过第二预设门限的点云数据。

[0097] 更新模块44被配置为在第一车体点云区中的每个点云数据中，利用反射率对第一方向上的坐标值进行更新，以得到第二车体点云区。

[0098] 在一些实施例中，在第一车体点云区中的每个点云数据中，将反射率和第一方向上的坐标值的乘积，作为第一方向上的更新后的坐标值。

[0099] 由于车体和车轮对激光的反射率有很大差异，因此在每个点云数据中，通过利用反射率对第一方向上的坐标值进行更新，以便于通过聚类处理将车体和车轮区分开。

[0100] 第二聚类模块45被配置为对第二车体点云区进行聚类处理，以得到第一车轮点云区和第二车轮点云区。

[0101] 由于每个点云数据的第一方向上的坐标值以利用反射率进行了修正，因此通过利用点云数据在第一方向上的坐标值进行聚类处理，能够得到两个车轮的点云区。例如，可使用KDTree欧式距离算法进行聚类处理。

[0102] 轴距确定模块46被配置为利用第一车轮点云区和第二车轮点云区之间的距离确定车辆的轴距。

[0103] 在一些实施例中，轴距确定模块46被配置为利用第一车轮点云区确定位于第一车轮两侧的第一端面和第二端面，利用第二车轮点云区确定位于第二车轮两侧的第三端面和第四端面，其中第一至第四端面相互平行，第三端面位于第二车轮的靠近第二端面的一侧。例如，第一至第四端面与第一方向垂直。

[0104] 轴距确定模块46通过确定第一端面和第三端面之间的第一距离，确定第二端面和第四端面之间的第二距离，利用第一距离和第二距离确定车辆的轴距。例如，可利用上述公式(1)计算车辆的轴距。

[0105] 在一些实施例中，轴距确定模块46还被配置对第一车轮点云区进行圆形拟合，以得到第一圆形区，通过第一圆形区确定第一端面和第二端面，对第二车轮点云区进行圆形拟合，以得到第二圆形区，通过第二圆形区确定第三端面和第四端面。通过对第一车轮点云区和第二车轮点云区进行圆形拟合，能够使车轮端面位置更加准确。

[0106] 图5为本公开另一个实施例的车辆轴距测量装置的结构示意图。如图5所示，车辆轴距测量装置包括存储器51和处理器52。

[0107] 存储器51用于存储指令，处理器52耦合到存储器51，处理器52被配置为基于存储器存储的指令执行实现如图1或图3中任一实施例涉及的方法。

[0108] 如图5所示，该装置还包括通信接口53，用于与其它设备进行信息交互。同时，该装置还包括总线54，处理器52、通信接口53、以及存储器51通过总线54完成相互间的通信。

[0109] 存储器51可以包含高速RAM存储器，也可还包括非易失性存储器(non‑volatile memory)，例如至少一个磁盘存储器。存储器51也可以是存储器阵列。存储器51还可能被分块，并且块可按一定的规则组合成虚拟卷。

[0110] 此外处理器52可以是一个中央处理器CPU，或者可以是专用集成电路ASIC，或是被配置成实施本公开实施例的一个或多个集成电路。

[0111] 本公开同时还涉及一种计算机可读存储介质，其中计算机可读存储介质存储有计算机指令，指令被处理器执行时实现如图1或图3中任一实施例涉及的方法。

[0112] 图6为本公开一个实施例的车辆轴距测量仪的结构示意图。

[0113] 如图6所示，车辆轴距测量仪60包括多线激光雷达61和车辆轴距测量装置62。车辆轴距测量装置62为图4或图5中任一实施例涉及的车辆轴距测量装置。

[0114] 在一些实施例中，多线激光雷达61距离地面的高度不超过待检测车辆轮胎的直径，以便尽可能多地采集到车轮的点云数据。

[0115] 在一些实施例中，在上面所描述的功能单元模块可以实现为用于执行本公开所描述功能的通用处理器、可编程逻辑控制器(Programmable Logic Controller，简称：PLC)、数字信号处理器(Digital Signal Processor，简称：DSP)、专用集成电路(Application Specific Integrated Circuit，简称：ASIC)、现场可编程门阵列(Field‑Programmable Gate Array，简称：FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或者其任意适当组合。

[0116] 本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

[0117] 本公开的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本公开限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本公开的原理和实际应用，并且使本领域的普通技术人员能够理解本公开从而设计适于特定用途的带有各种修改的各种实施例。