CN109785632A - 一种交通流量统计方法及装置 - Google Patents

Abstract

本发明提供了一种交通流量统计方法及装置，该方法包括：获取通过待统计道路上目标位置的车辆的点云数据，其中，所述点云数据由设置在所述目标位置的固态激光雷达传感器采集；将所述点云数据转换为至少一个方波信号，其中，所述方波信号的振幅对应所述点云数据包括的距离数据，所述距离数据对应所述固态激光雷达传感器与反射物之间的距离；针对每一个所述方波信号，根据所述方波信号的振幅变化，识别所述方波信号所包括的波动单元，其中，所述波动单元为振幅大于预设振幅阈值的单个凹波形；根据预设时间段内各个所述方波信号包括的所述波动单元的数量，确定对应于所述目标位置的交通流量数据。本方案能够减小交通流量统计所占用的计算资源。

Description

一种交通流量统计方法及装置

技术领域

本发明涉及交通技术领域，特别涉及一种交通流量统计方法及装置。

背景技术

交通管理部门为了实时了解道路交通情况，需要对道路进行交通流量统计，即统计单位时间内通过监控卡口的车辆数量，进而可以根据统计出的交通流量对道路交通拥挤状况进行预警。

目前在进行交通流量统计时，通常在相应的道路上安装监控设备，利用监控设备采集道路上车辆的图像数据，之后通过对采集到的图像数据进行分析来识别车辆，进而根据识别出的车辆数量来确定交通流量。

针对目前对交通流量进行统计的方法，对图像数据进行分析来识别车辆时需要对图像数据进行预处理，之后利用预处理之后的图像数据进行车辆识别，而图像预处理和车辆识别的过程均需要占用大量的计算资源，进而导致交通流量统计需要占用大量计算资源，使得交通流量统计的成本较高。

发明内容

本发明实施例提供了一种交通流量统计方法及装置，能够减小交通流量统计所占用的计算资源。

第一方面，本发明实施例提供了一种交通流量统计方法，包括：

获取通过待统计道路上目标位置的车辆的点云数据，其中，所述点云数据由设置在所述目标位置的固态激光雷达传感器采集；

将所述点云数据转换为至少一个方波信号，其中，所述方波信号的振幅对应所述点云数据包括的距离数据，所述距离数据对应所述固态激光雷达传感器与反射物之间的距离；

针对每一个所述方波信号，根据所述方波信号的振幅变化，识别所述方波信号所包括的波动单元，其中，所述波动单元为振幅大于预设振幅阈值的单个凹波形；

根据预设时间段内各个所述方波信号包括的所述波动单元的数量，确定对应于所述目标位置的交通流量数据。

可选地，当所述固态激光雷达传感器覆盖所述待统计道路的多条车道时，所述将所述点云数据转换为至少一个方波信号，包括：

根据所述固态激光雷达传感器相对于各条所述车道的位置，将所述点云数据拆分为对应于各条所述车道的子点云数据；

针对每一条所述车道，将该车道对应的所述子点云数据转换为对应于该车道的所述方波信号。

可选地，在所述将所述点云数据转换为至少一个方波信号之后，进一步包括：

确定在目标时间点所对应波形为所述波动单元的所述方波信号的目标数量；

根据所述目标数量确定在所述目标时间点通过所述目标位置的车辆数量。

可选地，在所述识别所述方波信号所包括的波动单元之后，进一步包括：

针对同一所述方波信号中两个相邻的所述波动单元，从所述方波信号中国获取所述两个相邻的所述波动单元之间的第一距离；

根据所述第一距离和所述点云数据包括的角度数据，通过如下第一公式计算与所述两个相邻的所述波动单元对应的两个车辆之间的间隔；

所述第一公式包括：

S＝s+d·tanα-l·sinα

其中，所述S表征与所述两个相邻的所述波动单元对应的两个车辆之间的间隔，所述s表征所述第一距离，所述d表征所述固态激光雷达传感器与所述待统计道路的路面之间的距离，所述l表征所述点云数据包括的所述两个车辆中在前车辆的尾部与所述固态激光雷达传感器之间的距离，所述α表征所述点云数据包括的所述角度数据，所述角度数据为所述在前车辆的尾部与所述固态激光雷达传感器之间连线相对于竖直方向的夹角。

可选地，在所述识别所述方波信号所包括的波动单元之后，进一步包括：

针对每一个所述波动单元，从所述点云数据中获取该波动单元所对应目标车辆在所述固态激光雷达传感器进行两次扫描时与路面参考物之间的第二距离，并根据所述固态激光雷达传感器进行所述两次扫描的时间间隔，通过如下第二公式计算所述目标车辆的车速；

所述第二公式包括：

其中，所述v表征所述目标车辆的车速，所述s₁和s₂分别表征所述固态激光雷达传感器进行两次扫描时的所述第二距离，所述Δt表征所述固态激光雷达传感器进行所述两次扫描的时间间隔。

第二方面，本发明实施例还提供了一种交通流量统计装置，包括：数据获取模块、数据转换模块、波形识别模块和数据统计模块；

所述数据获取模块，用于获取通过待统计道路上目标位置的车辆的点云数据，其中，所述点云数据由设置在所述目标位置的固态激光雷达传感器采集；

所述数据转换模块，用于将所述数据获取模块获取到的所述点云数据转换为至少一个方波信号，其中，所述方波信号的振幅对应所述点云数据包括的距离数据，所述距离数据对应所述固态激光雷达传感器与反射物之间的距离；

所述波形识别模块，用于针对所述数据转换模块转换出的每一个所述方波信号，根据所述方波信号的振幅变化，识别所述方波信号所包括的波动单元，其中，所述波动单元为振幅大于预设振幅阈值的单个凹波形；

所述数据统计模块，用于根据预设时间段内各个所述方波信号包括的所述波动单元的数量，确定对应于所述目标位置的交通流量数据。

可选地，当所述固态激光雷达传感器覆盖所述待统计道路的多条车道时，

所述数据转换模块，用于根据所述固态激光雷达传感器相对于各条所述车道的位置，将所述点云数据拆分为对应于各条所述车道的子点云数据，并针对每一条所述车道，将该车道对应的所述子点云数据转换为对应于该车道的所述方波信号。

可选地，

所述数据统计模块，进一步用于确定在目标时间点所对应波形为所述波动单元的所述方波信号的目标数量，并根据所述目标数量确定在所述目标时间点通过所述目标位置的车辆数量。

可选地，

所述数据统计模块，进一步用于针对同一所述方波信号中两个相邻的所述波动单元，从所述方波信号中国获取所述两个相邻的所述波动单元之间的第一距离，并根据所述第一距离和所述点云数据包括的角度数据，通过如下第一公式计算与所述两个相邻的所述波动单元对应的两个车辆之间的间隔；

所述第一公式包括：

S＝s+d·tanα-l·sinα

其中，所述S表征与所述两个相邻的所述波动单元对应的两个车辆之间的间隔，所述s表征所述第一距离，所述d表征所述固态激光雷达传感器与所述待统计道路的路面之间的距离，所述l表征所述点云数据包括的所述两个车辆中在前车辆的尾部与所述固态激光雷达传感器之间的距离，所述α表征所述点云数据包括的所述角度数据，所述角度数据为所述在前车辆的尾部与所述固态激光雷达传感器之间连线相对于竖直方向的夹角。

可选地，

所述数据统计模块，进一步用于针对每一个所述波动单元，从所述点云数据中获取该波动单元所对应目标车辆在所述固态激光雷达传感器进行两次扫描时与路面参考物之间的第二距离，并根据所述固态激光雷达传感器进行所述两次扫描的时间间隔，通过如下第二公式计算所述目标车辆的车速；

所述第二公式包括：

其中，所述v表征所述目标车辆的车速，所述s₁和s₂分别表征所述固态激光雷达传感器进行两次扫描时的所述第二距离，所述Δt表征所述固态激光雷达传感器进行所述两次扫描的时间间隔。

本发明实施例提供的交通流量统计方法及装置，通过固态激光雷达传感器采集通过目标位置的车辆的点云数据，之后将点云数据转换为方波信号，使得方波信号的振幅与表征固态激光雷达传感器与反射物之间距离的距离数据相对应，之后根据方波信号的振幅变化识别方波信号包括的波动单元，每一个波动单元对应于待统计道路上一个可移动的反射物，进而根据预设时间段内各方波信号包括的波动单元的数量便可以确定相对于目标位置的交通流量数据。由此可见，利用固态激光雷达传感器将道路上的车辆转换为点云数据，进而将点云数据转换为方波信号后确定交通流量数据，对点云数据和方波信号进行处理时所需的计算资源较少，从而可以减少交通流量统计所占用的计算资源。

附图说明

为了更清楚地说明本发明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，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一个实施例提供的一种交通流量统计方法的流程图；

图2是本发明一个实施例提供的一种点云数据转换方法的流程图；

图3是本发明一个实施例提供的一种车辆数量统计方法的流程图；

图4是本发明一个实施例提供的一种车辆间隔确定方法的流程图；

图5是本发明一个实施例提供的一种车速确定方法的流程图；

图6是本发明一个实施例提供的一种交通流量统计装置所在设备的示意图；

图7是本发明一个实施例提供的一种交通流量统计装置的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明实施例提供了一种交通流量统计方法，该方法可以包括以下步骤：

步骤101：获取通过待统计道路上目标位置的车辆的点云数据，其中，点云数据由设置在目标位置的固态激光雷达传感器采集；

步骤102：将点云数据转换为至少一个方波信号，其中，方波信号的振幅对应点云数据包括的距离数据，距离数据对应固态激光雷达传感器与反射物之间的距离；

步骤103：针对每一个方波信号，根据方波信号的振幅变化，识别方波信号所包括的波动单元，其中，波动单元为振幅大于预设振幅阈值的单个凹波形；

步骤104：根据预设时间段内各个方波信号包括的波动单元的数量，确定对应于目标位置的交通流量数据。

本发明实施例提供的交通流量统计方法，通过固态激光雷达传感器采集通过目标位置的车辆的点云数据，之后将点云数据转换为方波信号，使得方波信号的振幅与表征固态激光雷达传感器与反射物之间距离的距离数据相对应，之后根据方波信号的振幅变化识别方波信号包括的波动单元，每一个波动单元对应于待统计道路上一个可移动的反射物，进而根据预设时间段内各方波信号包括的波动单元的数量便可以确定相对于目标位置的交通流量数据。由此可见，利用固态激光雷达传感器将道路上的车辆转换为点云数据，进而将点云数据转换为方波信号后确定交通流量数据，对点云数据和方波信号进行处理时所需的计算资源较少，从而可以减少交通流量统计所占用的计算资源。

在本发明实施例中，固态激光雷达传感器可以安装在用于安装监控设备的固定支架上，比如用于安装摄像头、超声测速设备的固定支架上，从而可以充分利用现有资源，降低实现本发明所提供交通流量统计方法的成本。另外，当待统计道路的宽度较小时，可以将固态激光雷电传感器垂直向下安装在固定支架上，方便固态激光雷电传感器对驶过的车辆进行扫描；当待统计道路的宽度较大时，可以将固态激光雷电传感器倾斜的安装在固定支架上，保证通过一个固态激光雷电传感器可以在道路宽度方向上扫描到整个道路，节省固态激光雷电传感器的成本。

在本发明实施例中，在完成固态激光雷电传感器的安装部署之后，需要根据固态激光雷电传感器的安装高度和安装角度进行初始化校准，保证能够根据固态激光雷电传感器采集到的点云数据准确地确定交通流量数据。

在本发明实施例中，在根据波动单元的数量确定交通流量数据时，由于每一个波动单元对应道路上一个可移动的反射物，道路上除了机动车之外还可能有行人和非机动车，为此可以根据波动单元在方波信号中的波长方向的跨度来确定该波动单元是否对应机动车，进而在将对应非机动车的波动单元去除后根据剩余波动单元的数量来确定交通流量数据，因此交通流量数据应当小于或等于单位时间内各个方波信号包括的波动单元的数量。

可选地，在图1所示交通流量统计方法的基础上，步骤102将点云数据转换为至少一个方波信号，当固态激光雷电传感器覆盖待统计道路的多条车道时，同一时间可能有多辆车从不同的车道通过目标位置，为此需要分别对每一条车道上的车辆进行识别。如图2所示，具体将点云数据转换为方波信号的方式可以包括如下步骤：

步骤201：根据固态激光雷电传感器相对于待统计道路上各条车道的位置，将点云数据拆分为分别对应于各条车道的多个子点云数据，其中，每一条车道对应一个子点云数据；

步骤202：针对每一条车道，将该车道对应的子点云数据转换为与该车道相对应的方波信号。

根据点云数据分别获得对应于每一条车道的方波信号，进而根据各条车道对应的方波信号可以确定从各条车道所通过车辆的数量，保证对交通流量进行统计的准确性。

在本发明实施例中，固态激光雷电传感器按照设定的方向进行扫描，当有车辆进入固态激光雷电传感器的扫描区域后，固态激光雷电传感器所发射的激光被车辆遮挡并反射会固态激光雷电传感器，之后固态激光雷电传感器根据发射激光和接收被反射激光之间的时间差确定其与反射物之间的距离，而此时确定出的距离为较小的距离。当没有车辆进入固态激光雷电传感器的扫描区域时，固态激光雷电传感器所发射的激光被路面反射会固态激光雷电传感器，之后固态激光雷电传感器同样可以根据发射激光和接收被反射激光之间的时间差确定其与反射物之间的距离，而此时确定出的距离为较大的距离。固态激光雷电传感器所确定出的距离数据均包括在点云数据中，进而在将点云数据转换为方波信号时，使得方波信号的振幅与固态激光雷电传感器和反射物之间的距离相对应，即有车辆通过目标位置时对应方波信号中振幅较小的波形，没有车辆通过目标位置时对应方波信号中振幅较大的波形，从而可以根据方波信号来识别是否有车辆通过。

需要说明的是，由于车辆的车顶不是规则的平面形状，即使固态激光雷电传感器倾斜设置，当有车辆并列通过目标位置时，方波信号会形成连续的两个凹波形，而连续的两个凹波形可以根据波形走势拆分为两个独立的凹波形。因此，即使有车辆并列通过目标位置，也根据方波信号将并列通过的各个车辆分别识别出来。

可选地，在图1所示交通流量统计方法的基础上，在步骤102将点云数据转换为至少一个方波信号之后，可以根据转换出的各个方波信号来确定任意过去时间点通过目标位置的车辆数量。具体的，如图3所示，确定过去任一目标时间点通过目标位置车辆的数量的方法可以包括如下步骤：

步骤301：确定在目标时间点所对应波形为波动单元的方波信号的目标数量。

在本发明实施例中，在各个方波信号上定位目标时间点所对应的波形，针对每一个方波信号，如果该方波信号上对应于所述目标时间点的波形属于一个波动单元，则将该方波信号确定为相对于该目标时间点的目标方波信号。之后确定相对于该目标时间点的目标方波信号的数量作为目标数量。

步骤302：根据目标数量确定在目标时间点通过目标位置的车辆数量。

在确定出相对于目标时间点的目标数量之后，需要对从对应目标时间点的各个波动单元中去除对应非机动车的波动单元，进而剩余的对应目标时间点的各个波动单元的数量即为在目标时间点通过目标位置的车辆数量。

由于同一时间点每个车道仅能有一个车辆通过，因此根据各个方波信号可以确定过去任意时间点通过目标位置的车辆的数量，进而可以确定出各个时刻通过目标位置的车辆的数量，根据确定出的车辆数量可以更加准确地确定道路交通状况。

可选地，在图1所示交通流量统计方法的基础上，在步骤103从方波信号中识别波动单元之后，可以根据统一方波信号中两个相邻的波动单元确定这两个波动单元所对应车辆之间的间隔。如图4所示，确定车辆间隔的方法可以包括如下步骤：

步骤401：针对通过方波信号中两个相邻的波动单元，从该方波信号中获取这两个相邻波动单元之间的第一距离；

步骤402：根据第一距离和点云数据包括的角度数据，通过第一公式计算与这两个波动单元对应的两个车辆之间的间隔；

第一公式包括：

S＝s+d·tanα-l·sinα

其中，S表征与两个这波动单元对应的两个车辆之间的间隔，s表征第一距离，d表征固态激光雷达传感器与待统计道路的路面之间的距离，l表征点云数据包括的这两个车辆中在前车辆的尾部与固态激光雷达传感器之间的距离，α表征点云数据包括的角度数据，角度数据为在前车辆的尾部与固态激光雷达传感器之间连线相对于竖直方向的夹角。

在本发明实施例中，点云数据不仅包括有表征固态激光雷达传感器与反射物之间距离的距离数据，还包括有表征所发射激光或被反射激光相对于竖直方向角度的角度数据。由于固态激光雷达传感器所发射的激光可能与竖直方向存在一定夹角，固态激光雷达传感器所发射的激光可能无法扫描到车辆的边缘部位，但可以根据点云数据所包括的距离数据、角度数据以及从方波信号获取到的第二距离，结合激光反射的线路来确定相邻两个车辆之间的间隔。

针对任意两个相邻车辆，从方波信号中获取这两个相邻车辆所对应两个波动单元之间的第一距离后，将第一距离以及点云数据中相关的距离数据和角度数据代入第一公式便可以计算出两车辆时间的间隔，不仅可以保证计算结果的准确性，还能够进一步丰富反映道路交通状况的数据组成。

可选地，在图1所示交通流量统计方法的基础上，在步骤103从方波信号中识别波动单元之后，还可以根据点云数据以及方波信号确定波动单元所对应车辆的车速。具体地，如图5所示，确定车辆车速的方法可以包括如下步骤：

步骤501：针对每一个波动单元，从点云数据中获取该波动单元所对应目标车辆在固态激光雷达传感器进行两次扫描时与路面参考物之间的第二距离；

步骤502：根据固态激光雷达传感器进行两次扫描的时间间隔和第二距离，通过第二公式计算目标车辆的车速；

第二公式包括：

其中，ν表征目标车辆的车速，s₁和s₂分别表征固态激光雷达传感器进行两次扫描时的第二距离，Δt表征固态激光雷达传感器进行两次扫描的时间间隔。

在本发明实施例中，固态激光雷达传感器所采集到的点云数据中包括有车辆相对地面参考物的距离数据，而且固态激光雷达传感器会连续发射激光进行扫描，从而根据固态激光雷达传感器两次扫描时车辆同一部位相对地面参考物的距离可以计算出车辆的车速。因此，通过固态激光雷达传感器采集车辆点云数据，不仅可以统计交通流量，还可以检测通过的每一个车辆的车速，提升了交通监控的全面性。

需要说明的是，第二距离所对应固态激光雷达传感器的两次扫描，这两次扫描可以是固态激光雷达传感器连续进行的两次扫描，也可以是非连续的两次扫描，即这两次扫描之间固态激光雷达传感器还进行了一次或多次扫描，这样可以利用较大的第二距离和较长的时间间隔来计算车速，能够减小第二距离和时间间隔的误差，提高所计算出车速的准确性。

可选地，在上述各个实施例所提供交通流量统计方法的基础上，在获取到交通流量数据、车辆间隔数据以及车速数据之后，可以根据获取到的各项数据对道路交通情况进行预警。

如图6、图7所示，本发明实施例提供了一种交通流量统计装置。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言，如图6所示，为本发明实施例提供的交通流量统计装置所在设备的一种硬件结构图，除了图6所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的设备通常还可以包括其他硬件，如负责处理报文的转发芯片等等。以软件实现为例，如图7所示，作为一个逻辑意义上的装置，是通过其所在设备的CPU将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。本实施例提供的交通流量统计装置，包括：数据获取模块701、数据转换模块702、波形识别模块703和数据统计模块704；

数据获取模块701，用于获取通过待统计道路上目标位置的车辆的点云数据，其中，点云数据由设置在目标位置的固态激光雷达传感器采集；

数据转换模块702，用于将数据获取模块701获取到的点云数据转换为至少一个方波信号，其中，方波信号的振幅对应点云数据包括的距离数据，距离数据对应固态激光雷达传感器与反射物之间的距离；

波形识别模块703，用于针对数据转换模块702转换出的每一个方波信号，根据方波信号的振幅变化，识别方波信号所包括的波动单元，其中，波动单元为振幅大于预设振幅阈值的单个凹波形；

数据统计模块704，用于根据预设时间段内各个方波信号包括的波动单元的数量，确定对应于目标位置的交通流量数据，其中波动单元由波形识别模块703识别。

可选地，在图7所示交通流量统计装置的基础上，当固态激光雷达传感器覆盖待统计道路的多条车道时，

数据转换模块702，用于根据固态激光雷达传感器相对于各条车道的位置，将点云数据拆分为对应于各条车道的子点云数据，并针对每一条车道，将该车道对应的子点云数据转换为对应于该车道的方波信号。

可选地，在图7所示交通流量统计装置的基础上，

数据统计模块704，进一步用于确定在目标时间点所对应波形为波动单元的方波信号的目标数量，并根据目标数量确定在目标时间点通过目标位置的车辆数量。

可选地，在图7所示交通流量统计装置的基础上，

数据统计模块704，进一步用于针对同一方波信号中两个相邻的波动单元，从方波信号中国获取两个相邻的波动单元之间的第一距离，并根据第一距离和点云数据包括的角度数据，通过如下第一公式计算与两个相邻的波动单元对应的两个车辆之间的间隔；

第一公式包括：

S＝s+d·tanα-l·sinα

其中，S表征与两个相邻的波动单元对应的两个车辆之间的间隔，s表征第一距离，d表征固态激光雷达传感器与待统计道路的路面之间的距离，l表征点云数据包括的两个车辆中在前车辆的尾部与固态激光雷达传感器之间的距离，α表征点云数据包括的角度数据，角度数据为在前车辆的尾部与固态激光雷达传感器之间连线相对于竖直方向的夹角。

可选地，在图7所示交通流量统计装置的基础上，

数据统计模块704，进一步用于针对每一个波动单元，从点云数据中获取该波动单元所对应目标车辆在固态激光雷达传感器进行两次扫描时与路面参考物之间的第二距离，并根据固态激光雷达传感器进行两次扫描的时间间隔，通过如下第二公式计算目标车辆的车速；

第二公式包括：

其中，ν表征目标车辆的车速，s₁和s₂分别表征固态激光雷达传感器进行两次扫描时的第二距离，Δt表征固态激光雷达传感器进行两次扫描的时间间隔。

需要说明的是，上述装置内的各单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。

本发明实施例还提供了一种可读介质，包括执行指令，当存储控制器的处理器执行所述执行指令时，所述存储控制器执行上述各个实施例提供的交通流量统计方法。

本发明实施例还提供了一种存储控制器，包括：处理器、存储器和总线；

所述存储器用于存储执行指令，所述处理器与所述存储器通过所述总线连接，当所述存储控制器运行时，所述处理器执行所述存储器存储的所述执行指令，以使所述存储控制器执行上述各个实施例提供的交通流量统计方法。

综上所述，本发明各个实施例提供的交通流量统计方法及装置，至少具有如下有益效果：

1、在本发明实施例中，通过固态激光雷达传感器采集通过目标位置的车辆的点云数据，之后将点云数据转换为方波信号，使得方波信号的振幅与表征固态激光雷达传感器与反射物之间距离的距离数据相对应，之后根据方波信号的振幅变化识别方波信号包括的波动单元，每一个波动单元对应于待统计道路上一个可移动的反射物，进而根据预设时间段内各方波信号包括的波动单元的数量便可以确定相对于目标位置的交通流量数据。由此可见，利用固态激光雷达传感器将道路上的车辆转换为点云数据，进而将点云数据转换为方波信号后确定交通流量数据，对点云数据和方波信号进行处理时所需的计算资源较少，从而可以减少交通流量统计所占用的计算资源。

2、在本发明实施例中，当待统计道路的宽度较小时，可以将固态激光雷电传感器垂直向下安装在固定支架上，方便固态激光雷电传感器对驶过的车辆进行扫描；当待统计道路的宽度较大时，可以将固态激光雷电传感器倾斜的安装在固定支架上，保证通过一个固态激光雷电传感器可以在道路宽度方向上扫描到整个道路，节省固态激光雷电传感器的成本。

3、在本发明实施例中，根据点云数据分别获得对应于每一条车道的方波信号，进而根据各条车道对应的方波信号可以确定从各条车道所通过车辆的数量，保证对交通流量进行统计的准确性。

4、在本发明实施例中，由于同一时间点每个车道仅能有一个车辆通过，因此根据各个方波信号可以确定过去任意时间点通过目标位置的车辆的数量，进而可以确定出各个时刻通过目标位置的车辆的数量，根据确定出的车辆数量可以更加准确地确定道路交通状况。

5、在本发明实施例中，针对任意两个相邻车辆，从方波信号中获取这两个相邻车辆所对应两个波动单元之间的第一距离后，将第一距离以及点云数据中相关的距离数据和角度数据代入第一公式便可以计算出两车辆时间的间隔，不仅可以保证计算结果的准确性，还能够进一步丰富反映道路交通状况的数据组成。

6、在本发明实施例中，通过固态激光雷达传感器采集车辆点云数据，不仅可以统计交通流量，还可以检测通过的每一个车辆的车速，提升了交通监控的全面性。

7、在本发明实施例中，由于固态激光雷达传感器扫描密度较高，几乎可以认为是平面扫描，扫描线间隔极小，在一定距离上的发散也非常小，相比车辆尺寸不存在无法识别的情况。因此，对于多辆车并列通过的情况也能够准确识别。在道路前视图和侧视图两个方向上，固态激光雷达传感器采集到的点云数据均可以抽象为方波信号。数据处理过程中，车辆识别过程被抽象为类似频率、波长不定的方波信号处理过程，只需分别做波长、频率和计数，因此计算资源需求很小。在顶视图方向，固态激光雷达传感器采集到的点云数据可以抽象为具有一定面积的长方形。为增加识别准确率，软件处理过程中，将面积过小的长方形忽略(排除行人和非机动车)。

需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个······”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储在计算机可读取的存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。

最后需要说明的是：以上所述仅为本发明的较佳实施例，仅用于说明本发明的技术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种交通流量统计方法，其特征在于，包括：

获取通过待统计道路上目标位置的车辆的点云数据，其中，所述点云数据由设置在所述目标位置的固态激光雷达传感器采集；

将所述点云数据转换为至少一个方波信号，其中，所述方波信号的振幅对应所述点云数据包括的距离数据，所述距离数据对应所述固态激光雷达传感器与反射物之间的距离；

针对每一个所述方波信号，根据所述方波信号的振幅变化，识别所述方波信号所包括的波动单元，其中，所述波动单元为振幅大于预设振幅阈值的单个凹波形；

根据预设时间段内各个所述方波信号包括的所述波动单元的数量，确定对应于所述目标位置的交通流量数据。

2.根据权利要求1所述的方法，其特征在于，当所述固态激光雷达传感器覆盖所述待统计道路的多条车道时，所述将所述点云数据转换为至少一个方波信号，包括：

根据所述固态激光雷达传感器相对于各条所述车道的位置，将所述点云数据拆分为对应于各条所述车道的子点云数据；

针对每一条所述车道，将该车道对应的所述子点云数据转换为对应于该车道的所述方波信号。

3.根据权利要求1所述的方法，其特征在于，在所述将所述点云数据转换为至少一个方波信号之后，进一步包括：

确定在目标时间点所对应波形为所述波动单元的所述方波信号的目标数量；

根据所述目标数量确定在所述目标时间点通过所述目标位置的车辆数量。

4.根据权利要求1所述的方法，其特征在于，在所述识别所述方波信号所包括的波动单元之后，进一步包括：

针对同一所述方波信号中两个相邻的所述波动单元，从所述方波信号中国获取所述两个相邻的所述波动单元之间的第一距离；

根据所述第一距离和所述点云数据包括的角度数据，通过如下第一公式计算与所述两个相邻的所述波动单元对应的两个车辆之间的间隔；

所述第一公式包括：

S＝s+d·tanα-l·sinα

其中，所述S表征与所述两个相邻的所述波动单元对应的两个车辆之间的间隔，所述s表征所述第一距离，所述d表征所述固态激光雷达传感器与所述待统计道路的路面之间的距离，所述l表征所述点云数据包括的所述两个车辆中在前车辆的尾部与所述固态激光雷达传感器之间的距离，所述α表征所述点云数据包括的所述角度数据，所述角度数据为所述在前车辆的尾部与所述固态激光雷达传感器之间连线相对于竖直方向的夹角。

5.根据权利要求1至4中任一所述的方法，其特征在于，在所述识别所述方波信号所包括的波动单元之后，进一步包括：

针对每一个所述波动单元，从所述点云数据中获取该波动单元所对应目标车辆在所述固态激光雷达传感器进行两次扫描时与路面参考物之间的第二距离，并根据所述固态激光雷达传感器进行所述两次扫描的时间间隔，通过如下第二公式计算所述目标车辆的车速；

所述第二公式包括：

其中，所述v表征所述目标车辆的车速，所述s₁和s₂分别表征所述固态激光雷达传感器进行两次扫描时的所述第二距离，所述Δt表征所述固态激光雷达传感器进行所述两次扫描的时间间隔。

6.一种交通流量统计装置，其特征在于，包括：数据获取模块、数据转换模块、波形识别模块和数据统计模块；

所述数据获取模块，用于获取通过待统计道路上目标位置的车辆的点云数据，其中，所述点云数据由设置在所述目标位置的固态激光雷达传感器采集；

所述数据转换模块，用于将所述数据获取模块获取到的所述点云数据转换为至少一个方波信号，其中，所述方波信号的振幅对应所述点云数据包括的距离数据，所述距离数据对应所述固态激光雷达传感器与反射物之间的距离；

所述波形识别模块，用于针对所述数据转换模块转换出的每一个所述方波信号，根据所述方波信号的振幅变化，识别所述方波信号所包括的波动单元，其中，所述波动单元为振幅大于预设振幅阈值的单个凹波形；

所述数据统计模块，用于根据预设时间段内各个所述方波信号包括的所述波动单元的数量，确定对应于所述目标位置的交通流量数据。

7.根据权利要求6所述的装置，其特征在于，当所述固态激光雷达传感器覆盖所述待统计道路的多条车道时，

所述数据转换模块，用于根据所述固态激光雷达传感器相对于各条所述车道的位置，将所述点云数据拆分为对应于各条所述车道的子点云数据，并针对每一条所述车道，将该车道对应的所述子点云数据转换为对应于该车道的所述方波信号。

8.根据权利要求6所述的装置，其特征在于，

所述数据统计模块，进一步用于确定在目标时间点所对应波形为所述波动单元的所述方波信号的目标数量，并根据所述目标数量确定在所述目标时间点通过所述目标位置的车辆数量。

9.根据权利要求6所述的装置，其特征在于，

所述数据统计模块，进一步用于针对同一所述方波信号中两个相邻的所述波动单元，从所述方波信号中国获取所述两个相邻的所述波动单元之间的第一距离，并根据所述第一距离和所述点云数据包括的角度数据，通过如下第一公式计算与所述两个相邻的所述波动单元对应的两个车辆之间的间隔；

所述第一公式包括：

S＝s+d·tanα-l·sinα

其中，所述S表征与所述两个相邻的所述波动单元对应的两个车辆之间的间隔，所述s表征所述第一距离，所述d表征所述固态激光雷达传感器与所述待统计道路的路面之间的距离，所述l表征所述点云数据包括的所述两个车辆中在前车辆的尾部与所述固态激光雷达传感器之间的距离，所述α表征所述点云数据包括的所述角度数据，所述角度数据为所述在前车辆的尾部与所述固态激光雷达传感器之间连线相对于竖直方向的夹角。

10.根据权利要求6至9中任一所述的装置，其特征在于，

所述数据统计模块，进一步用于针对每一个所述波动单元，从所述点云数据中获取该波动单元所对应目标车辆在所述固态激光雷达传感器进行两次扫描时与路面参考物之间的第二距离，并根据所述固态激光雷达传感器进行所述两次扫描的时间间隔，通过如下第二公式计算所述目标车辆的车速；

所述第二公式包括：

其中，所述ν表征所述目标车辆的车速，所述s₁和s₂分别表征所述固态激光雷达传感器进行两次扫描时的所述第二距离，所述Δt表征所述固态激光雷达传感器进行所述两次扫描的时间间隔。