[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

说明书

本发明属于车型识别技术领域，提供了基于多传感器决策级信息融合的车型识别方法及系统，通过视觉图像处理的方法，对输入车辆图像进行车辆前围检测和车辆前围识别，通过设置检测识别区域和多阶段注意力机制的知识蒸馏的方法，克服了车型类内差异性大和类间差异性小的问题，得到了基于图像的车型识别输出结果。另外提出了车型外观尺寸的车型识别方法，通过激光雷达传感器得到的信息数据，经过数据解算模型得到基于尺寸的车型输出结果。最后对每一个传感器预测得到的车型进行综合决策，得到最终的预测车型。该融合方法解决了车辆视觉特征相似，但大小尺寸不同的识别难题，有效提高了喷涂车间车型识别的有效性和可靠性。

技术领域

本发明属于车型识别技术领域，尤其涉及基于多传感器决策级信息融合的车型识别方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

为实现喷涂车间多种车型的并线自动喷涂，要求对车辆的车型进行识别，然后将识别结果传到喷涂系统，喷涂系统选择合适的车型喷涂模式进行自动喷涂作业。

目前常用的喷涂车间车型识别方案有：条形码识别方案、RFID方法、视觉图像识别、车体尺寸测量识别、光电开关方案等。

但是，条形码识别需要获取车辆固定位置上的条形码信息，每次喷涂结束后，喷涂码被喷漆覆盖，不利于重复使用。RFID车型识别方法需要在识别车体和喷涂车间安装RFID电子标签和RFID天线，通过RFID天线接收读取安装在车体上的RFID电子标签，每辆车型在喷涂前都需要安装，且在车辆出厂后拆除，无疑增加了成本和工作量。基于光电开关对射形式的识别，是当前喷涂车间车型识别应用最多的识别方案，但该方案在车型改款或者新添车型时，需要增加开关数量，且光电开关脏污以及晃动等原因，会导致无法识别现象。

发明人发现，喷涂车间车型识别主要的问题和技术难点有：(1)受场地空间环境影响，无法获取全局图像。(2)待喷涂车型只有整车的框架结构，细节纹理相对缺乏，整体呈灰色，造成不同类别间的车型外观相似。(3)相同车型因相机位置固定，受视角远近和图像质量影响，造成相同车型差异性较大。(4)设计的车型识别方法适用于边缘设备运行环境。

针对以上存在的问题和技术难点，开展了轻量级喷涂车间车型识别算法研究，提出了一种基于多阶段注意力机制的知识蒸馏车型识别方法，采用知识蒸馏的方法，通过引入一个泛化能力强的教师网络(复杂、但推理能力强)，指导学生网络(精简、低复杂度)进行推理训练，从而使学生网络具备很强的泛化能力，同时因其网络精简、复杂性不高，使识别网络变得更加轻量化，更加适合边缘设备的运行环境。减轻边缘设备有限的算力，同时还能保证算法模型的高准确率。

发明内容

为了解决上述背景技术中存在的至少一项技术问题，本发明提供基于多传感器决策级信息融合的车型识别方法及系统，其采用知识蒸馏的方法，通过引入一个泛化能力强的教师网络，指导学生网络进行推理训练，从而使学生网络具备很强的泛化能力，同时因其网络精简、复杂性不高，使识别网络变得更加轻量化，更加适合边缘设备的运行环境。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供基于多传感器决策级信息融合的车型识别方法，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。