[发明专利]基于多传感器决策级信息融合的车型识别方法及系统

权利要求书

1.基于多传感器决策级信息融合的车型识别方法，其特征在于，包括：

基于视觉图像传感器和车辆前围检测模型进行检测，得到车辆前围图像；

将检测得到的车辆前围图像的坐标点与识别区域进行比较，若当前围坐标点在识别区域内时，对当前前围检测图像按坐标进行截取，根据前围图像和多阶段注意力机制的知识蒸馏车型识别模型中，利用教师网络蒸馏训练学生网络，基于学生网络进行细粒度识别，得到当前车辆视觉识别结果；

根据获取的限位开关检测信号，判断车辆是否到达指定位置，若是，触发激光雷达传感器获取点云数据，将点云数据经过解算处理得到当前车体的尺寸识别结果；

结合当前车辆视觉识别结果和当前车体的尺寸识别结果进行综合决策判断，得到最终车型识别结果。

2.如权利要求1所述的基于多传感器决策级信息融合的车型识别方法，其特征在于，所述车辆前围检测模型采用yolov5网络结构。

3.如权利要求1所述的基于多传感器决策级信息融合的车型识别方法，其特征在于，所述教师网络结构以骨干网络为ResNet50的多阶段注意力机制的细粒度车型识别网络，分别提取Conv3_x、Conv4_x、Conv5_x三个阶段的特征图，额外添加注意力机制层、校准层和分类层，校准层通过卷积操作将不同通道和不同尺寸的特征映射到指定通道和尺寸，对三个阶段的输出特征进行融合，分类器由全连接层构成，将特征图映射成输出类别向量。

4.如权利要求1所述的基于多传感器决策级信息融合的车型识别方法，其特征在于，所述学生网络以骨干网络为MobinetV3网络，对MobinetV3网络进行了分阶段预定义设计，通过学生网络的特征映射函数和网络参数，得到学生网络每个阶段的输出值。

5.如权利要求1所述的基于多传感器决策级信息融合的车型识别方法，其特征在于，所述将点云数据经过解算处理得到当前车体的尺寸识别结果，包括：

通过自优化最小二乘直线拟合算法对预处理过的点云数据进行直线拟合，得到车体各侧的旋转角以及定位，然后根据已知的喷涂室地形与导轨尺寸、已知的车辆尺寸，解算出车体位姿与车体尺寸。

6.如权利要求1所述的基于多传感器决策级信息融合的车型识别方法，其特征在于，所述车辆前围图像的获取过程为：

自定义车脸检测数据集，通过安装在喷涂车间的防爆摄像头采集的车辆视频数据，采集视频数据时，摄像机固定角度不动，当车辆进入喷涂车间时开始采集，到车辆驶入车间终点时停止，采集视频图像包含车辆整个前围部分为有效视频数据。

7.如权利要求1所述的基于多传感器决策级信息融合的车型识别方法，其特征在于，所述结合当前车辆视觉识别结果和当前车体的尺寸识别结果进行综合决策判断包括：

将当前车辆视觉识别结果和车体的尺寸识别结果的值进行求和，当前车辆视觉识别结果为多次识别结果的平均值，求和得到综合输出的类别的得分值，取得分最大值对应的类别为最终识别结果。

8.基于多传感器决策级信息融合的车型识别系统，其特征在于，包括：

车辆前围图像获取模块，用于基于视觉图像传感器和车辆前围检测模型进行检测，得到车辆前围图像；

车辆视觉识别模块，用于将检测得到的车辆前围图像的坐标点与识别区域进行比较，若当前围坐标点在识别区域内时，对当前前围检测图像按坐标进行截取，根据前围图像和多阶段注意力机制的知识蒸馏车型识别模型中，利用教师网络蒸馏训练学生网络，基于学生网络进行细粒度识别，得到当前车辆视觉识别结果；

车体尺寸识别模块，用于根据获取的限位开关检测信号，判断车辆是否到达指定位置，若是，触发激光雷达传感器获取点云数据，将点云数据经过解算处理得到当前车体的尺寸识别结果；

车型识别模块，用于结合当前车辆视觉识别结果和当前车体的尺寸识别结果进行综合决策判断，得到最终车型识别结果。