车辆信息的检测方法和系统与流程

1.本技术涉及车辆检测技术领域，具体而言，涉及一种车辆信息的检测方法和系统。


背景技术：

2.为了检测超限车辆、对车辆进行计费等，可以采集经过道路上的检测区域的各个车辆的车辆轮廓数据，并基于采集到的车辆轮廓数据确定车辆信息，例如，车辆宽度、车辆长度、车辆型号等，此外，还可以确定车流量其他信息。然而，在车辆行驶过程中，路面上的水、灰尘等在受车辆轮轴的碾压时会被带到空中的小水滴形成水雾或水汽、扬尘等，从而对采集的车辆轮廓数据造成较大影响，导致车辆的长度、宽度、高度等信息计算不准确，甚至会出现丢车或多车的情况。
3.由此可见，相关技术中的车辆信息的检测方法，存在由于易受到空气中的干扰颗粒的影响导致的车辆信息检测的准确性低的问题。


技术实现要素：

4.本技术实施例提供了一种车辆信息的检测方法和系统，以至少解决相关技术中的车辆信息的检测方法存在由于易受到空气中的干扰颗粒的影响导致的车辆信息检测的准确性低的技术问题。
5.根据本技术实施例的一个方面，提供了一种车辆信息的检测方法，包括：在异常天气状态的情况下，获取激光雷达按照第一发射功率对所述激光雷达的扫描面进行扫描得到的目标点云数据以及所述目标点云数据中的每个目标点的反射强度；从所述目标点云数据中选取出反射强度处于对应的目标反射强度范围内的目标点和/或基于边界帧从所述目标点云数据中剔除非车辆点云数据，得到目标车辆点云数据，其中，与所述每个目标点对应的目标反射强度范围是与所述第一发射功率匹配的、当扫描到车辆时的反射强度范围，所述边界帧是根据所述每个目标点的反射强度确定的、所述目标车辆点云数据中，包含车辆点云的最后一个数据帧或者包含车辆点云的最后一个数据帧之后的第一个仅包含非车辆点云的数据帧；在所述目标车辆点云数据不为空的情况下，根据所述目标车辆点云数据，确定与所述目标车辆点云数据匹配的目标车辆的车辆信息。
6.根据本技术实施例的另一个方面，还提供了一种车辆信息的检测系统，包括：激光雷达，用于在异常天气状态的情况下，按照第一发射功率对所述激光雷达的扫描面进行扫描，得到目标点云数据以及所述目标点云数据中的每个目标点的反射强度；数据处理部件，用于获取所述目标点云数据以及所述每个目标点的反射强度；从所述目标点云数据中选取出反射强度处于对应的目标反射强度范围内的目标点和/或基于边界帧从所述目标点云数据中剔除非车辆点云数据，得到目标车辆点云数据，其中，与所述每个目标点对应的目标反射强度范围是与所述第一发射功率匹配的、当扫描到车辆时的反射强度范围，所述边界帧是根据所述每个目标点的反射强度确定的、所述目标车辆点云数据中，包含车辆点云的最后一个数据帧或者包含车辆点云的最后一个数据帧之后的第一个仅包含非车辆点云的数
据帧；在所述目标车辆点云数据不为空的情况下，根据所述目标车辆点云数据，确定与所述目标车辆点云数据匹配的目标车辆的车辆信息。
7.在本技术实施例中，采用根据点云的反射强度确定车辆点云信息的方式，通过在异常天气状态的情况下，获取激光雷达按照第一发射功率对激光雷达的扫描面进行扫描得到的目标点云数据以及目标点云数据中的每个目标点的反射强度；从目标点云数据中选取出反射强度处于对应的目标反射强度范围内的目标点和/或基于边界帧从目标点云数据中剔除非车辆点云数据，得到目标车辆点云数据，其中，与每个目标点对应的目标反射强度范围是与第一发射功率匹配的、当扫描到车辆时的反射强度范围，边界帧是根据所述每个目标点的反射强度确定的、目标车辆点云数据中，包含车辆点云的最后一个数据帧或者包含车辆点云的最后一个数据帧之后的第一个仅包含非车辆点云的数据帧；在目标车辆点云数据不为空的情况下，根据目标车辆点云数据，确定与目标车辆点云数据匹配的目标车辆的车辆信息，由于对于一个位置点，该位置点为车辆点时的反射强度与该位置点为其他点(非车辆点，例如，水雾或者空气中的其他干扰颗粒)时的反射强度存在区别(即，不完全相同)，基于各个点云数据中的各个点的反射强度从激光雷达获取到的点云数据中选取出车辆点云数据(满足反射强度条件的点云数据)，从而基于选取出的车辆点云数据确定出对应的车辆的信息，由于基于反射强度进行了点云数据的筛选，而通过确定包含车辆点云的数据帧与不包含车辆点云的数据帧的边界，以剔除非车辆点云数据，可以去除仅包含干扰颗粒对应的点云数据，可以实现减少空气中干扰颗粒对于车辆信息检测的影响的目的，达到提高车辆信息检测的准确性的技术效果，进而解决了相关技术中的车辆信息的检测方法存在由于易受到空气中的干扰颗粒的影响导致的车辆信息检测的准确性低的技术问题。
附图说明
8.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
9.为了更清楚地说明本技术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，对于本领域普通技术人员而言，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。
10.图1是根据本技术实施例的一种可选的车辆信息的检测方法的硬件环境的示意图；
11.图2是根据本技术实施例的一种可选的车辆信息的检测方法的流程示意图；
12.图3是根据本技术实施例的一种可选的车辆信息的检测方法的示意图；
13.图4是根据本技术实施例的一种可选的电子装置的结构框图。
具体实施方式
14.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术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技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。
15.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
16.根据本技术实施例的一个方面，提供了一种车辆信息的检测方法。可选地，在本实施例中，上述车辆信息的检测方法可以应用于如图1所示的包含车辆轮廓识别系统102和服务器104的硬件环境中。如图1所示，服务器104通过网络与车辆轮廓识别系统102进行连接，可用于为车辆轮廓识别系统或车辆轮廓识别系统上安装的客户端提供服务(如应用服务等)，可在服务器上或独立于服务器设置数据库，用于为服务器104提供数据存储服务。其中，车辆轮廓识别系统102包括检测部件，其中，检测部件可以但不限定于为激光传感器，例如，激光测距传感器。
17.本技术实施例的车辆信息的检测方法可以由服务器104来执行，也可以由车辆轮廓识别系统102来执行，还可以是由服务器104和车辆轮廓识别系统102共同执行。
18.下文中以由服务器104来执行本实施例中的车辆信息的检测方法为例进行说明。图2是根据本技术实施例的一种可选的车辆信息的检测方法的流程示意图，如图2所示，该方法的流程可以包括以下步骤：
19.步骤s202，在异常天气状态的情况下，获取激光雷达按照第一发射功率对激光雷达的扫描面进行扫描得到的目标点云数据以及目标点云数据中的每个目标点的反射强度。
20.本实施例中的车辆信息的检测方法可以应用到在异常天气状态的情况下，在预设区域内通过激光雷达对经过的车辆进行车辆信息的检测的场景。异常天气可以是雨雪天气、灰尘较大的天气等，上述的预设区域可以是高速公路或者其他需要对车辆信息进行检测的区域，激光雷达可以是用于进行车辆信息扫描的感知传感器，可以设置在预设区域的特定位置，例如，称重区域前侧、称重区域后侧等。这里的车辆信息可以包括车辆的轮廓信息，可以包括但不限于以下至少之一：车辆长度，车辆宽度，车辆高度等，还可以包括车辆的车型信息等其他的车辆信息。
21.在使用激光雷达检测车辆时，由于激光雷达测距精度高、受环境光影响较小等原因，在检测车辆时，采集车辆轮廓数据及判断车流量车型时的精度都比较高。然而，在一些异常天气下，在车辆行驶的过程中，路面上的水、灰尘等受车辆轮轴的碾压会被带到空中，形成水雾或水汽、扬尘等颗粒，以及空中飘落的雨、雪、灰尘等，这些颗粒会反射扫描激光，从而对采集的车辆数据造成较大影响。
22.相关技术中，为了提高在异常天气下车辆检测的精度，通常采用多传感器融合的技术，例如，将激光雷达、视频、毫米波进行组合，也可以使用深度学习的方法处理激光雷达检测的雨雾数据：把激光雷达点云数据转为点云图片数据，使用深度学习方法，提高车辆识别准确率，例如，使用点云密度分布判断天气。然而，多传感器融合会增加车辆检测的成本，而使用深度学习的方法会增加车辆检测的复杂度。
23.在本实施例中，在异常天气状态的情况下，可以通过激光雷达对车辆进行扫描，扫
描到的点云数据中可能包含有除了车辆点以外的点云数据(即，非车辆点，或者说，非车辆点云数据)的情况，例如，扫描到的车辆点云数据中包含有水雾、灰尘等非车辆点时，可以对通过对扫描到的点云数据进行筛选，确定其中包含可能的车辆点云数据之后，再进行车辆信息的计算，从而避免空气中的干扰颗粒对车辆信息检测的干扰。在本实施例的部分示例中，以干扰颗粒为水雾、预期筛选出的点云数据为水雾点云数据为例进行说明。
24.在本实施例中，可以通过激光雷达按照第一发射功率对激光雷达的扫描面进行扫描，从而得到目标点云数据。所采用的激光雷达可以是横向扫描激光雷达，用于对车辆的横截面进行扫描。激光雷达进行的车辆扫描可以是持续执行的，进行车辆扫描的触发条件可以是确定有车辆经过，或者，也可以是无论是否有车辆经过，均按照预设频率持续进行车辆扫描。此外，在获取到目标点云数据的同时，还可以获取到目标点云数据中的每个目标点的反射强度。
25.激光雷达进行车辆扫描所允许使用的发射频率可以是发射功率范围内的发射频率。发射功率范围可以是从最小发射频率至最大发射频率之间的一组离散发射频率或者说发射频率集合。第一发射频率可以是上述发射功率范围内的任意一个发射功率。激光雷达扫描到的目标点云数据可以发送至服务器(或者，或者其他处理设备)，服务器(也可以是其他的数据处理器或者数据处理部件)可以获取到上述的目标车辆数据。
26.目标点云数据可以是激光雷达在第一发射功率下扫描得到的点云数据。目标点云数据中的每个目标点与扫描面内的一个扫描点对应。目标点云数据中可能包含车辆点，也可能不包含车辆点；可能包含非车辆点(例如，灰尘、水雾等干扰颗粒对应的点)，也可能不包含非车辆点。这里的目标车辆点云数据可以是激光雷达通过执行多次车辆扫描所得到的点云数据。可选地，目标点云数据是扫描的多帧车辆点云整合成一个完整的点云数据，例如，从车辆开始帧至车辆结束帧的多帧点云所整合成的点云数据。
27.需要说明的是，在异常天气状态下，空气中易出现大量的干扰颗粒，例如，雨雪天气，对应的干扰颗粒包括水雾，又例如，扬尘天气，对应的干扰颗粒包括扬尘。这里的干扰颗粒可以是由车辆移动所带起的干扰颗粒区域。可以在检测到异常天气状态的情况下，执行本实施例中的车辆信息的检测方法。
28.例如，可以对雨雪天气进行检测判断，从而基于预设的反射强度范围有效剔除车辆点云数据中扫描到水雾点云数据，减少水雾对车辆信息计算的干扰，提高车辆检测的精度。
29.步骤s204，从目标点云数据中选取出反射强度处于对应的目标反射强度范围内的目标点和/或基于边界帧从目标点云数据中剔除非车辆点云数据，得到目标车辆点云数据。
30.在相同的发射功率下，在扫描面内相同的扫描点上，车辆和非车辆的反射强度存在区别，而在不同的发射功率下，在扫描面内相同的扫描点(距离相同、且角度相同的扫描点)上，车辆的反射强度存在区别，非车辆的反射强度也会存在区别。因此，可以预先配置与每个发射功率匹配的、激光雷达对应的扫描面内的每个扫描点为车辆点时的反射强度范围，还可以配置与每个发射功率匹配的、激光雷达对应的扫描面内的扫描点为非车辆点时的反射强度范围。
31.在本实施例中，对于目标点云数据，可以分别确定与目标点云数据中的每个目标点所对应的扫描点，并确定与每个目标点对应的目标反射强度范围，这里，与每个目标点对
应的目标反射强度范围是与第一发射功率匹配的、当扫描到车辆时的反射强度范围(即，目标点对应的扫描点为车辆点时的反射强度范围)；从目标点云数据中选取出反射强度处于对应的目标反射强度范围内的目标点，从而得到目标车辆点云数据，而被剔除的点，可以认为是非车辆点，例如，干扰颗粒点。
32.执行上述目标点的选取操作可以是一直执行的，即，不论在何种天气状态下，均执行上述目标点的选取操作，也可以是在确定存在干扰颗粒(比如，水雾)之后执行的，或者，确定当前天气为异常天气(比如，雨雪天气)之后执行的，本实施例中对此不做限定。
33.例如，以干扰颗粒为水雾、对应的天气状态为雨雪天气为例，激光雷达的发射功率集合为：[p1,p2,...,pn]，其中，n为大于1的正整数。在雨雪天气下，激光雷达在发射功率pi(i∈[1,n])检测到第一车辆点云数据中(即，目标点云数据)的每个点(即，目标点)的反射强度值组成第一反射强度集，从反射强度范围d
il
(即，在发射功率为pi的情况下，扫描面内的每个扫描点的反射强度范围)中选取相同点云数据(相同位置点，即，扫描点)对应的反射强度值(这里为范围值)组成第二反射强度集，且第二反射强度集中每个点的反射强度值为一个范围值。比较第一反射强度集和第二反射强度集，若第一强度反射集中对应点的反射强度值不在第二反射强度集中对应点的反射强度范围，则判断该点为水雾点，在车辆点云数据中剔除该点数据，把剩余的车辆点云数据为第二车辆点云数据(即，目标车辆点云数据)。
[0034]
这里，考虑到不同类别的车辆(例如，大型车和小型车)，相同发射功率下相同位置点的反射强度值也会存在区别，可以为每个扫描点在每个发射功率下配置的反射强度范围可以有多种，分别对应于不同的车辆类别。以车辆粗分类至少分为小型车和大型车两类为例，可以根据车辆点云数据进行车辆粗分类，从第四反射强度范围d
i1
中选取该粗分类车辆的相同点云数据对应的反射强度值组成第二反射强度集。此外，还可以将水雾点的反射强度统计到激光雷达扫描到水雾上的反射强度范围内，即，在发射功率为pi时对应的扫描点为水雾点时的反射强度范围，上述统计可以用于执行后续的处理，例如，调整对应的扫描点为车辆点时的反射强度范围等。
[0035]
在本实施例中，考虑到不同类别的车辆，相同发射功率下相同位置点的反射强度值也会存在区别，以提高车辆信息识别的准确性，可以预先配置一组车辆类别，这里的一组车辆类别可以是包括多种车辆类别，例如，大型车和小型车。在从目标点云数据中选取出反射强度处于对应的目标反射强度范围内的目标点之前，可以根据目标点云数据的点云特征，确定一组车辆类别中与目标点云数据匹配的期望车辆类别；根据在期望车辆类别下与第一发射功率匹配的、当扫描面内的每个扫描点为车辆点时的反射强度范围，确定与每个目标点对应的目标反射强度范围。
[0036]
可选地，可以预先为一组车辆类别中的每个车辆类别的车辆配置以下信息：在不同发射功率以及不同车辆类别下，各个扫描点为车辆点时的反射强度范围，还可以配置在不同发射功率以及不同车辆类别下，各个扫描点为非车辆点时的反射强度范围。这里配置的反射强度范围可以包括与异常天气状态对应的反射强度范围，也可以包括与非异常天气状态对应的反射强度范围。
[0037]
对于目标点云数据，可以根据目标点云数据的点云特征，确定一组车辆类别中与目标点云数据匹配的期望车辆类别，这里的点云特征可以用于确定与目标点云数据匹配的
车辆的车辆特征，车辆特征可以包括以下至少之一的特征：长度特征，宽度特征，高度特征。这里的车辆类别可以认为是一种粗分类的类别，实际的车辆类别可以在确定车辆信息时进行计算；期望车辆类别可以包括但不限于小型车、大型车。
[0038]
根据确定的期望车辆类别，可以确定期望车辆类别下，与第一发射功率匹配的、当扫描面内的每个扫描点为车辆点时的反射强度范围，从而得到与每个目标点对应的目标反射强度范围。与每个目标点对应的目标反射强度范围可以是在预设天气状态下的、与每个目标点对应的目标反射强度范围。
[0039]
可选地，由于在异常天气状态下，空气中易出现大量的干扰颗粒(例如，车辆带起的水雾带)，目标点云数据中的部分帧点云数据中存在均是非车辆点云数据的情况，从而导致确定出的车辆信息的准确度较低。对此，可以确定目标点云数据中的边界帧，基于边界帧从目标点云数据中剔除非车辆点云数据，得到目标车辆点云数据。这里，边界帧是根据每个目标点的反射强度确定的、多帧点云数据中，包含车辆点云的最后一个数据帧或者包含车辆点云的最后一个数据帧之后的第一个仅包含非车辆点云的数据帧。根据确定的边界帧，可以移除目标点云数据中边界帧之后的点云数据或者移除边界帧以及边界帧之后的点云数据，目标车辆点云数据。经过上述操作后，得到的目标车辆点云数据可以是一个连续的、仅包含车辆点云数据的多帧点云数据。
[0040]
例如，在第二车辆点云数据中，可以从车辆第一帧开始，确定多帧点云数据中的边界帧，即，车辆与水雾边界帧，例如，第j帧，则第j帧至车辆结束帧均是水雾。
[0041]
可选地，对于目标车辆点云数据的确定，可以是通过上述选取目标点和基于边界帧剔除非车辆点云数据中的任意一个方式确定的，也可以是两种方式一起使用后确定的。
[0042]
步骤s206，在目标车辆点云数据不为空的情况下，根据目标车辆点云数据，确定与目标车辆点云数据匹配的目标车辆的车辆信息。
[0043]
如果剔除目标点云数据中的非车辆点之后，目标车辆点云数据为空，则可以判定目标点云数据均为非车辆点云数据，不执行后续车辆信息的处理操作，如果目标车辆点云数据不为空，则表示目标车辆点云数据可能是某一车辆(即，目标车辆)的车辆点云数据，可以执行车辆信息的处理操作，即，根据目标车辆点云数据，确定与目标车辆点云数据匹配的目标车辆的车辆信息。这里的车辆信息的类别以及确定方式与前述类似，在此不做赘述。
[0044]
例如，如果剔除水雾点，没有第二车辆点云数据，则判断检测到的点云数据均是水雾点云数据，不计算车辆信息，如果剔除水雾点之后有第二车辆点云数据，则可以基于第二车辆点云数据确定出与其匹配的目标车辆的车辆信息。
[0045]
在得到目标车辆点云数据之后，如果目标车辆点云数据不为空，可以直接基于目标车辆点云数据进行车辆信息检测，得到与目标车辆点云数据匹配的目标车辆的车辆信息。然而，相同发射功率下同一扫描点为车辆点时的反射强度范围和为非车辆点时的反射强度范围并不是完全不重叠的，即，两者之间存在交集，因此，目标车辆点云数据可能包含非车辆点云数据。为了提高车辆检测的精度，可以进一步对目标车辆点云数据进行筛选处理，并更新目标车辆点云数据，上述筛选处理可以是基于车辆范围所执行的筛选处理。
[0046]
可选地，在从目标点云数据中选取出反射强度处于对应的目标反射强度范围内的目标点，得到目标车辆点云数据之后，在目标车辆点云数据不为空的情况下，将目标车辆点云数据分别转换为以车辆长度方向为主显示方向的第一车辆点云图像和以车辆宽度方向
为主显示方向的第二车辆点云图像；对第一车辆点云图像和第二车辆点云图像进行识别，确定出目标车辆的目标车辆范围；根据目标车辆点云数据与第一车辆点云图像和第二车辆点云图像中的图像像素之间的对应关系，移除目标车辆点云数据中位于目标车辆范围以外的目标点，得到更新后的目标车辆点云数据，移除的目标点可以认为是非车辆点云数据，即，干扰点云数据。
[0047]
这里，点云数据至车辆点云图像的转换过程可以是由点云数据转换模块执行的，点云数据转换模块可以先基于点云特征或者基于激光雷达的扫描方向确定出车辆长度方向和车辆宽度方向，然后，将目标车辆点云数据投射到车辆长度方向所对应的第一参考平面和车辆宽度方向所对应的第二参考平面，得到第一车辆点云图像和第二车辆点云图像。车辆点云图像的识别可以是由点云图像识别模块执行的。云图像识别模块可以是将第一车辆点云图像和第二车辆点云图像输入到预先训练好的图像识别模型，并获取图像识别模型输出的车辆范围，从而得到目标车辆范围。
[0048]
例如，可以将第二车辆点云数据转换为以车辆长度方向为主显示在图像正面和以车辆宽度方向为主显示在图像正面的车辆点云图像；使用深度学习方法对车辆点云图像进行识别，从两个车辆点云图像中选出车辆范围；根据第二车辆点云数据与图像像素对应关系，选出第二车辆点云数据中的水雾点云，并将水雾点云剔除。此外，还可以采用于前述类似的方式将水雾点的反射强度统计到激光雷达扫描到水雾上的反射强度范围内，已经进行过描述的，在此不做赘述。
[0049]
这里，通过将车辆点云数据按照车辆长度方向和车辆宽度方向分别转换成车辆点云图像后进行车辆范围的识别，从而基于识别到的车辆范围对车辆点云数据再一次进行筛选，可以提高车辆信息检测的准确性。对于雨雪天气，通过将点云数据转换为点云图片数据，使用深度学习方法，识别车辆，可以减少水雾点云数据对车辆的干扰，从而提高激光雷达在雨雪天气下检测车辆的精度。
[0050]
通过上述步骤s202至步骤s206，获取激光雷达按照第一发射功率对激光雷达的扫描面进行扫描得到的目标点云数据以及目标点云数据中的每个目标点的反射强度；从目标点云数据中选取出反射强度处于对应的目标反射强度范围内的目标点和/或基于边界帧从目标点云数据中剔除非车辆点云数据，得到目标车辆点云数据，其中，与每个目标点对应的目标反射强度范围是与第一发射功率匹配的、当扫描到车辆时的反射强度范围，边界帧是根据每个目标点的反射强度确定的、目标车辆点云数据中，包含车辆点云的最后一个数据帧或者包含车辆点云的最后一个数据帧之后的第一个仅包含非车辆点云的数据帧；在目标车辆点云数据不为空的情况下，根据目标车辆点云数据，确定与目标车辆点云数据匹配的目标车辆的车辆信息，解决了相关技术中的车辆信息的检测方法存在由于易受到空气中的干扰颗粒的影响导致的车辆信息检测的准确性低的技术问题，提高了车辆信息检测的准确性。
[0051]
在一个示例性实施例中，上述方法还包括：
[0052]
s11，确定扫描面内的每个扫描点的参考强度值，其中，每个扫描点的参考强度值为与第一发射功率匹配的、当每个扫描点为车辆点时的反射强度范围的平均值；
[0053]
s12，循环执行边界帧确定步骤，直到满足循环结束条件，其中，循环结束条件包括n为2或者确定出边界帧。
[0054]
在本实施例中，可以根据扫描面内的每个扫描点的参考强度值，确定目标点云数据中的边界帧，目标点云数据可以包含多帧点云数据，边界帧可以是从多帧点云数据中确定的。对此，可以首先确定每个扫描点的参考强度值，这里的每个扫描点的参考强度值可以是与第一发射功率匹配的、当每个扫描点为车辆点时的反射强度范围的平均值。在确定每个扫描点的参考强度值之后，可以通过执行以下的边界帧确定步骤来确定出边界帧。边界帧确定步骤可以循环执行，直到满足循环结束条件。这里的循环结束条件可以包括以下之一：n为2，确定出边界帧，在在执行本轮的边界帧确定步骤之后，已经确定出了边界帧。
[0055]
在执行一次以下步骤的过程中，可以首先从目标点云数据包含的多帧点云数据中依次选取出n(n》2)个连续帧，将n个连续帧作为一个帧数据检测块。在n个连续帧中，可以确定n个连续帧中的每个帧的缺失点，这里，n是大于2的正整数；每个帧的缺失点可以是n个连续帧中除了每个帧以外的至少一个帧中包含、在每个帧中没有的目标点。根据确定的每个帧的缺失点，可以使用每个扫描点的参考强度值扩充每个帧的缺失点，得到扩充后的每个帧。扩充后的每个帧包含的点可以是相同的，每个帧的缺失点的值为对应的扫描点的参考强度值。
[0056]
例如，对于当前帧，如果n个连续帧中有一个帧在扫描点(8,7)有反射强度(即，有点云数据)，但是当前帧在该扫描点没有反射强度，则可以认为该扫描点为当前帧的缺失点，将在当前发射功率下，在该扫描点为车辆点时的反射强度范围的平均值，配置为当前帧的该扫描点的反射强度。
[0057]
需要说明的是，对于上述确定n个连续帧中的每个帧的缺失点的过程，可以是：首先确定n个连续帧中包含的目标点的合集，得到参考点合集，n个连续帧中与同一扫描点对应的多个目标点合并为一个；确定当前帧中的缺失点，当前帧的缺失点为参考点合集中包含、但当前帧中没有的目标点。
[0058]
得到的每个帧包含的点相同，只是不同帧包含的与同一扫描点匹配的点的反射强度之间存在区别。对此，可以计算扩充后的每个帧中对应点的反射强度的均值(即，每个帧中与同一扫描点匹配的点分别求均值)，并将其确定为反射强度均值帧中与该扫描点匹配的点的反射强度，从而得到反射强度均值帧。这里的反射强度均值帧包含的点与扩充后的每个帧包含的点是相同的，即，数量相同、对应的各个扫描点相同。
[0059]
对于每个帧，可以确定扩充前的每个帧中的点的反射强度与反射强度均值帧中对应点的反射强度的方差，得到与每个帧对应的反射强度方差，不同的帧，其对应的反射强度方差可以是相同的，也可以是不同的。
[0060]
如果n个连续帧中存在满足以下条件的第一帧，则可以将第一帧确定为边界帧：第一帧对应的反射强度方差大于或者等于第一方差阈值；第一帧至多帧点云数据中的最后一帧对应的方差均大于或者等于第一方差阈值，即，第一帧以及第一帧之后的各个帧对应的反射强度方差均大于或者等于第一方差阈值；第一帧与第一帧的前一个帧的对应点的方差大于或者等于第二方差阈值。
[0061]
如果直到多帧点云数据的最后一个帧数据检测块仍未确定出边界帧，可以确定从多帧点云数据中未确定出边界帧，则可以使用n减1后得到的值更新n，得到更新后的n。这里的第一方差阈值可以是预先设定的、可以根据实际情况调节的数值。第二方差阈值与第一方差阈值的描述类似，在此不做赘述。
[0062]
例如，在第二车辆点云数据中，从车辆第一帧(车辆开始帧)开始，取连续n(n》2)帧为一个帧数据检测块，使用检测该车辆粗分类的对应点的反射强度范围的平均值，扩充n帧中对应点的反射强度值，即一帧与其他帧比较，没有对应点，则使用该车辆粗分类的对应点的反射强度范围的平均值扩充，使每帧的对应点数一致，计算n帧对应点的均值，得到反射强度均值帧。然后，依次计算未扩充的n帧中每帧与反射强度均值帧对应点的反射强度方差，当存在第j帧的反射强度方差大于第一方差阈值，且第j帧至车辆结束帧的方差均大于第一方差阈值，且第j帧与第j-1帧的对应点的方差大于第二方差阈值，则第j帧至车辆结束帧均是水雾；当连续n帧没有计算出时，取连续n-1帧计算，至计算出车辆与水雾边界帧、或者至取连续2帧结束。
[0063]
通过本实施例，通过扩充不同帧，基于扩充后的多个帧的反射强度，确定均值帧，并基于扩充的各个帧的反射强度与均值帧的反射强度的方差确定出边界帧，可以提高边界帧确定的准确性。
[0064]
在一个示例性实施例中，异常天气状态可以为雨雪天气状态，在雨雪天气下，车辆行驶等原因会在空气中带起水雾，水雾会被激光雷达扫描到，从而影响车辆信息检测的精度。
[0065]
例如，雨雪天气影响激光雷达使用的原因主要在于：激光雷达直接扫描到雨滴或雪花时的数据通过采用滤波方法可以把这些异常数据处理掉，从而得到扫描到的车辆的点云数据。但是，当车辆通过激光雷达检查范围时，车辆碾压路面上的雨水形成水雾粘带到路面上方，在路面上方形成水雾面或水雾带，激光雷达扫描到车辆，同时也扫描到水雾面或水雾带，因此影响了激光雷达检测车辆信息，比如，水雾面或水雾带被误识别为车辆的一部分，从而降低了车辆信息检测的精准度。
[0066]
对应地，为了确定当前是否处于雨雪天气状态，上述方法还包括：
[0067]
s21，在确定连续的k辆车的点云数据中均存在水雾点云数据的情况下，确定当前处于雨雪天气状态下，其中，k为大于或者等于2的正整数；
[0068]
s22，在确定连续的m辆车的点云数据中均不存在水雾点云数据、或者在连续的t帧中扫描面内的各个路面点的反射强度方差大于或者等于第三方差阈值的情况下，确定当前处于非雨雪天气状态下，其中，m和t均为大于或者等于2的正整数。
[0069]
在本实施例中，可以通过激光雷达扫描得到的点云数据判断当前天气状态。如果确定连续的k辆车的点云数据中均存在水雾点云数据，则可以确定当前处于雨雪天气状态下，其中，确定一个车辆的点云数据中存在水雾点云数据的方式可以是：确定车辆的点云数据中连续的多个帧中仅包含水雾点云，也可以是其他方式。
[0070]
如果确定连续的m辆车的点云数据中均不存在水雾点云数据，可以确定当前处于非雨雪天气状态下，其中，确定一个车辆的点云数据中不存在水雾点云数据的方式可以是：确定车辆的点云数据中不存在连续的多个帧中仅包含水雾点云。这里，k可以是大于或者等于2的正整数，m和t可以均为大于或者等于2的正整数，m和k可以是相同的，也可以是不同的。
[0071]
可选地，由于地面有积水或者雨雪时，反射光线通常稳定(不同地面点的反射强度基本一致)，方差较小，而地面由于存在凹凸等原因，发射光线通常不稳定(不同地面点的反射强度偏差更大)，可以根据车辆的点云数据中各帧的扫描面内的各个路面点的反射强度
方差来确定当前的天气状态。可以预先设定一个第三方差阈值，在连续的t帧中扫描面内的各个路面点的反射强度方差大于或者等于第三方差阈值的情况下，可以确定当前处于非雨雪天气状态下。
[0072]
例如，激光雷达扫描检测范围内的物体，取高度阈值范围内的点形成第一点云数据，取世界坐标系下每个点的值(f,n,p,x,y,z)，其中，f表示激光雷达扫描车辆的帧索引，n表示该帧中的点索引，p表示点的反射强度，x表示长度，平行车辆行驶方向，y表示宽带，垂直车辆行驶方向，z表示高度，从车辆第一阈值索引帧开始至车辆结束帧，分别判断是否从每个车辆的点云数据中检测到水雾，当连续k辆车均判断出水雾，则确定当前处于雨雪天气状态；当连续m辆车没有检测到水雾，和/或激光雷达扫描到检测道路范围内连续t帧路面所有点的反射强调方差均大于第三方差阈值，则判定当前天气处于无雨雪状态。
[0073]
需要说明的是，目标点云数据或者任意车辆的点云数据，其可以是激光雷达扫描到的、高度阈值范围内的点形成点云数据。点云数据中的每个点的数据包括以下至少之一：每个点在世界坐标系中的位置，每个点的反射强度，每个点所在的激光雷达扫描到的帧的索引(即，每个点对应的帧索引)，每个点在所在帧中的索引(每个点在所在帧中的点索引)等，还可以包含其他的信息，本实施例中对此不做限定。
[0074]
通过本实施例，根据扫描到的点云数据确定出当前是否处于雨雪天气状态，可以提高天气状态判断的准确性和便捷性，从而提升车辆信息检测的准确性。
[0075]
在一个示例性实施例中，上述方法还包括：
[0076]
s31，确定与检测的当前车辆对应的车辆开始帧和车辆结束帧；
[0077]
s32，确定与车辆开始帧至车辆结束帧中的每一帧对应的车辆轮廓参数，其中，车辆轮廓参数包括以下至少之一：车辆高度，车辆宽度；在存在连续的q个帧对应的车辆轮廓参数均小于或者等于预设参数阈值的情况下，确定当前车辆的点云数据中存在连续的多个帧中均包含非车辆点云数据，其中，q为大于或者等于2的正整数；或者，
[0078]
s33，确定与车辆开始帧至车辆结束帧中的每一帧对应的反射强度变化方差，其中，与每一帧对应的反射强度变化方差是每一帧中的点与每一帧的前一个帧中的对应点的反射强度的方差；在车辆开始帧至车辆结束帧中存在对应的反射强度变化方差大于或者等于第四方差阈值的第二帧、且从第二帧开始连续的l帧对应的反射强度变化方差小于或者等于第五方差阈值、且连续的l帧中的点与第二帧的前一帧中的对应点的反射强度的方差大于或者等于第四方差阈值的情况下，确定当前车辆的点云数据中存在连续的多个帧中仅包含非车辆点云，其中，l为大于或者等于2的正整数。
[0079]
在本实施例中，为了判断一个车辆的点云数据中是否存在水雾点云数据，可以首先确定与检测的当前车辆对应的车辆开始帧和车辆结束帧，上述检测车辆开始帧和车辆结束帧的操作可以是由车辆检测模块执行，检测的过程可以参考相关技术(比如，分车等技术)，本实施例中对此不做限定。
[0080]
作为一种可选的实施方式，对于车辆开始帧至车辆结束帧中的每一帧，可以分别确定对应的车辆轮廓参数，这里的车辆轮廓参数用于描述车辆的轮廓，其可以包括以下至少之一：车辆高度，车辆宽度。如果存在连续的q个帧对应的车辆轮廓参数均小于或者等于预设参数阈值，则可以确定当前车辆的点云数据中存在连续的多个帧中均包含非车辆点云数据，这里的q为大于或者等于2的正整数。预设参数阈值可以是预先设置的车辆轮廓参数
的阈值，可以包括但不限于以下至少之一：车辆高度阈值，车辆宽度阈值。
[0081]
作为另一种可选的实施方式，还可以确定与车辆开始帧至车辆结束帧中的每一帧对应的反射强度变化方差，即，每一帧中的点与每一帧的前一个帧中的对应点的反射强度的方差。然后，如果确定车辆开始帧至车辆结束帧中存在对应的反射强度变化方差大于或者等于第四方差阈值的第二帧、从第二帧开始连续的l帧对应的反射强度变化方差小于或者等于第五方差阈值、且连续的l帧中的点与第二帧的前一帧中的对应点的反射强度的方差大于或者等于第四方差阈值，可以确定当前车辆的点云数据中存在水雾点云数据，l为大于或者等于2的正整数。
[0082]
例如，从车辆第一阈值索引帧(即，车辆开始帧)开始至车辆结束帧，计算车辆每帧的高度和宽度。当车辆中连续m帧的高度小于第二高度阈值和/或宽度小于第一宽度阈值，则判断该车辆中存在水雾。和/或，还可以计算相邻帧中所有对应点(即，扫描高度和角度相同的点)的反射强度方差(或者说，反射强度变化方差)，当反射强度方差大于第一方差阈值，且从该帧起，连续的l帧中相邻的反射强度方差均小于第五方差阈值，与该帧的前一帧的反射强度方差大于低俗方差阈值，则判断车辆存在水雾。
[0083]
通过本实施例，基于点云数据中的每一帧对应的车辆轮廓参数和/或相邻帧中相同点的反射强度方差，确定车辆点云数据中是否存在连续的多帧中均包含水雾点云数据，可以提高信息检测的灵活性和准确性。
[0084]
在一个示例性实施例中，第一发射功率为一组发射功率中的一个发射功率，一组发射功率中可以包含多个发射功率，例如，[p1,p2,...,pn]。对应地，上述方法还包括：
[0085]
s41，根据与一组发射功率中的每个发射功率对应的第一反射强度范围和与每个发射功率对应的第二反射强度范围，从一组发射功率中选取出第二发射功率，其中，与每个发射功率对应的第一反射强度范围是与每个发射功率匹配的、当扫描面到车辆时的反射强度范围，与每个发射功率对应的第二反射强度范围是与每个发射功率匹配的、当扫描为非车辆点时的反射强度范围；
[0086]
s42，将激光雷达的发射功率由第一发射功率调整为第二发射功率。
[0087]
同一扫描点为车辆点时的反射强度范围与为非车辆点时的反射强度范围是不完全相同的，且在不同的发射功率下，两者之间的重叠部分也不相同。当重叠部分越少时，选取出的车辆点云数据中包含的非车辆点的可能性越小；反之，当重叠部分越多时，选取出的车辆点云数据中包含的非车辆点的可能性越大。因此，不同的发射功率下，车辆信息检测的准确性上也会存在差异。
[0088]
为了提高车辆信息检测的准确性，可以基于检测到的信息对扫描检测部件的发射功率进行调整。上述发射功率的调整操作可以是基于以下信息确定的：每个发射功率下，当扫描面到车辆时的反射强度范围，即，与每个发射功率对应的第一反射强度范围；每个发射功率下，当扫描到非车辆点时的反射强度范围，即，与每个发射功率对应的第二反射强度范围。上述发射功率的调整操作可以是由发射功率调节模块执行的。
[0089]
根据与每个发射功率对应的第一反射强度范围和与每个发射功率对应的第二反射强度范围，可以从一组发射功率中选取出第二发射功率。在选取出第二发射功率之后，可以将激光雷达的发射功率由第一发射功率调整为第二发射功率，从而可以使用第二发射功率对后续的车辆进行检测。
[0090]
可选地，可以根据与每个发射功率对应的第一反射强度范围和与每个发射功率对应的第二反射强度范围的交集来确定第二发射功率，也可以根据与每个发射功率对应的第一反射强度范围和与每个发射功率对应的第二反射强度范围的大小来确定第二发射功率，还可以依据其他的信息确定第二发射功率，本实施例中对此不做限定。
[0091]
通过本实施例，通过动态调整激光雷达的发射功率，从而可以保证激光雷达采用适合的发射功率进行车辆检测，从而提高车辆信息检测的准确性。
[0092]
在一个示例性实施例中，根据与每个发射功率对应的第一反射强度范围和与每个发射功率对应的第二反射强度范围，从一组发射功率中选取出第二发射功率，包括：
[0093]
s51，根据与每个发射功率对应的第一反射强度范围和与每个发射功率对应的第二反射强度范围之间的范围交集、以及与每个发射功率对应的第一反射强度范围的范围大小，从一组发射功率中选取出第二发射功率。
[0094]
在本实施例中，可以根据与每个发射功率对应的一个或多个选取参数，从一组发射功率中选取出第二发射功率，这里的一个或多个选取参数可以包括以下至少之一：与每个发射功率对应的第一反射强度范围和与每个发射功率对应的第二反射强度范围之间的范围交集，与每个发射功率对应的第一反射强度范围的范围大小。选取的依据可以是范围交集小、第一反射强度范围适中(过小容易发生剔除掉车辆点，过大容易保留过多的非车辆点)。
[0095]
从一组发射功率中选取出第二发射功率的方式可以有多种，例如，可以按照一个选取参数选取出一组候选发射功率，再按照另一个选取参数选取出第二发射功率，这里的选取参数为选取参数中的一个。
[0096]
示例性地，可以首先确定与每个发射功率对应的第一反射强度范围和与每个发射功率对应的第二反射强度范围之间的范围交集，比如，可以确定与每个发射功率匹配的、当扫描面内的每个扫描点为车辆点时的反射强度范围与每个发射功率匹配的、当扫描面内的每个扫描点为车辆点时的反射强度范围之间的范围交集，得到每个发射功率下与每个扫描点对应的范围交集；将每个发射功率下与每个扫描点对应的范围交集的平均值、最大值或者其他值，确定为与每个发射功率对应的第一反射强度范围和与每个发射功率对应的第二反射强度范围之间的范围交集；然后，选择范围交集小于或者等于预设阈值的一个或多个发射功率、或者范围交集靠后的预设数量的发射功率，作为一组候选发射功率；最后，从一组候选发射功率选取出对应的第一反射强度范围最大的发射功率，得到第二发射功率。
[0097]
例如，可以基于每个发射功率下激光雷达扫描到车辆上的反射强度范围和激光雷达扫描到水雾上的反射强度范围，调整激光雷达的发射功率为pk，使激光雷达扫描到车辆上的反射强度范围和扫描到水雾上的反射强度范围的交集最小，且扫描到车辆上的反射强度范围最优。
[0098]
通过本实施例，基于每个发射功率下激光雷达扫描到车辆上的反射强度范围和扫描到水雾上的反射强度范围对激光雷达的发射功率进行动态调整，可以提高车辆信息检测的准确性。
[0099]
在一个示例性实施例中，在根据与每个发射功率对应的第一反射强度范围和与每个发射功率对应的第二反射强度范围，从一组发射功率中选取出第二发射功率之前，上述方法还包括：
[0100]
s61，根据目标车辆点云数据中的目标点的反射强度以及与目标点云数据中除了目标车辆点云数据以外的其他目标点的反射强度，调整与第一发射功率对应的第一反射强度范围以及与第一发射功率对应的第二反射强度范围；
[0101]
s62，根据调整前的、与第一发射功率对应的第一反射强度范围和调整后的、与第一发射功率对应的第一反射强度范围，确定反射强度修正值；
[0102]
s63，使用反射强度修正值对一组发射功率中除了第一发射功率以外的其他发射功率对应的第一反射强度范围进行调整，得到调整后的、与其他发射功率对应的第一反射强度范围；
[0103]
s64，根据第一发射功率、调整后的、与第一发射功率对应的第二反射强度范围、其他发射功率以及反射强度衰减率对与其他发射功率对应的第二反射强度范围进行调整，得到调整后的、与其他发射功率对应的第二反射强度范围。
[0104]
在根据与每个发射功率对应的第一反射强度范围和与每个发射功率对应的第二反射强度范围，从一组发射功率中选取出第二发射功率之前，可以先修正与每个发射功率对应的第一反射强度范围和第二反射强度范围，以得到更准确的第一反射强度范围和第二反射强度范围。
[0105]
为了提高激光雷达发射功率调整的准确性，可以使用每次进行车辆信息检测时所检测到的车辆点的反射功率和非车辆点的反射功率调整与第一发射功率对应的第一反射强度范围以及第二反射强度范围，基于调整后的反射强度范围调整与其他发射功率对应的第一反射强度范围以及第二反射强度范围；并按照调整后的各个发射功率对应的第一反射强度范围和第二反射强度范围，确定调整后的发射功率。上述反射强度计算及调整的操作可以是由反射强度计算统计模块执行的。
[0106]
例如，可以使用激光雷达在同一反射功率下采集检测道路上不同天气下的反射功率强度，计算出反射功率强度衰减率，统计不同天气下检测到车辆的反射功率范围和水雾的反射功率强度范围。使用反射功率强度衰减率，动态调整激光雷达在某个发射功率时，激光雷达扫描到车辆上的反射功率强度范围与扫描到水雾的反射功率强度范围交集最优，减少雨雪天气时车辆通过激光雷达检测范围产生的水雾对车辆的影响。
[0107]
对于目标点云数据，可以根据目标车辆点云数据中的目标点的反射强度以及与目标点云数据中除了目标车辆点云数据以外的其他目标点的反射强度，调整与第一发射功率对应的第一反射强度范围以及与第一发射功率对应的第二反射强度范围。反射强度范围的调整方式可以包括以下至少之一：
[0108]
根据与目标车辆点云数据中的目标点的反射强度，调整与第一发射功率对应的第一反射强度范围中与该目标点匹配的扫描点对应的反射强度范围，调整后的反射强度范围包含该目标点的反射强度，和/或，调整与第一发射功率对应的第二反射强度范围中与该目标点匹配的扫描点对应的反射强度范围，调整后的反射强度范围不包含该目标点的反射强度，或者，调整后的反射强度范围包含该目标点的反射强度、且该目标点的反射强度与调整后的反射强度范围的范围边界之间的距离更近；
[0109]
根据与目标点云数据中除了目标车辆点云数据以外的其他目标点的反射强度，调整与第二发射功率对应的第一反射强度范围中与该目标点匹配的扫描点对应的反射强度范围，调整后的反射强度范围包含该目标点的反射强度，和/或，调整与第一发射功率对应
的第一反射强度范围中与该目标点匹配的扫描点对应的反射强度范围，调整后的反射强度范围不包含该目标点的反射强度，或者，调整后的反射强度范围包含该目标点的反射强度、且该目标点的反射强度与调整后的反射强度范围的范围边界之间的距离更近。
[0110]
根据调整前的、与第一发射功率对应的第一反射强度范围和调整后的、与第一发射功率对应的第一反射强度范围，确定反射强度修正值，这里的发射强度修正值用于描述与第一发射功率对应的第一反射强度范围的变化，其可以是一个系数值，例如，0.8、1.2等。
[0111]
例如，可以把水雾点云对应的水雾反射强度值计入相应点为水雾时的反射强度范围中，即，第二反射强度范围，调整第一反射强度范围中相应点的反射强度范围；根据第一反射强度范围和调整后的第一反射强度范围，计算反射强度修正值，反射强度修正值为一个系数值。
[0112]
使用反射强度修正值，可以对一组发射功率中除了第一发射功率以外的其他发射功率对应的第一反射强度范围进行调整，得到调整后的、与其他发射功率对应的第一反射强度范围，反射强度范围调整的方式可以是第一反射强度范围与反射强度修正值的乘积，即，第一反射强度范围修正为以下范围：第一反射强度范围的最小反射强度与反射强度修正值的乘积至第一反射强度范围的最大反射强度与反射强度修正值的乘积之间的范围。
[0113]
同时，可以根据第一发射功率、调整后的、与第一发射功率对应的第二反射强度范围、其他发射功率以及反射强度衰减率对与其他发射功率对应的第二反射强度范围进行调整，得到调整后的、与其他发射功率对应的第二反射强度范围，这里的反射强度衰减率用于描述不同发射功率下激光雷达发射的检测信号在传输的过程中信号强度的衰减程度。
[0114]
例如，可以根据反射强度修正值，修正雨雪天下激光雷达在其它发送功率下的反射强度范围，根据水雾反射强度范围和反射强度衰减率，计算出扫描到其它功率下水雾的反射强度范围。
[0115]
根据在发射功率pi下的水雾反射强度范围、发射功率pi、反射强度衰减率，及发射功率pj下的发射功率、反射强调衰减率，计算出扫描到发射功率pj下水雾的反射强度范围，调整激光雷达的发射功率为pj。
[0116]
发射功率pi下的水雾反射强度范围即为第五反射强度范围，计算pj下的水雾反射强度范围b的方式可以是：b＝a*k(pi*(1-ni)/(pj*(1-nj))，其中，a为pi的水雾反射强度范围，ni表示pi下的衰减率，k为系数，nj表示pj下的衰减率。
[0117]
通过本实施例，基于当前扫描到的点云数据修正每个发射功率对应的第一反射强度范围和第二反射强度范围，可以提高发射功率调整的合理性。
[0118]
在一个示例性实施例中，第一发射功率为一组发射功率中的一个发射功率，一组发射功率与前述实施例中类似，在此不做赘述。对应地，上述方法还包括：
[0119]
s71，确定激光雷达与一组发射功率中的每个发射功率对应的光线影响范围，以及确定激光雷达与每个发射功率对应的反射强度衰减率，其中，每个发射功率对应的光线影响范围是激光雷达在每个发射功率下干扰光线对反射强度的强度影响范围；
[0120]
s72，根据与每个发射功率对应的第三反射强度范围、与每个发射功率对应的光线影响范围、以及与每个发射功率对应的反射强度衰减率，确定与每个发射功率对应的第四反射强度范围，其中，与每个发射功率对应的第三反射强度范围是在非预设天气状态下，与每个发射功率匹配的、当与扫描面内的每个扫描点为车辆点时的反射强度范围，与每个发
射功率对应的第四反射强度范围是在预设天气状态下，与每个发射功率匹配的、当每个扫描点为车辆点时的反射强度范围，与每个目标点对应的目标反射强度范围是与第一发射功率对应的第四反射强度范围中，与每个目标点对应的扫描点的反射强度范围。
[0121]
在本实施例中，与每个目标点对应的目标反射强度范围是在预设天气状态下，与第一发射功率匹配的、当与每个目标点对应的扫描点为车辆点时的反射强度范围，预设天气状态与前述实施例中类似，在此不做赘述。可以预设配置在预设天气状态下，与每个发射功率匹配的、当每个扫描点为车辆点时的反射强度范围，从而可以得到与每个目标点对应的目标反射强度范围，其可以是根据以下信息确定的：在非预设天气状态下，与每个发射功率匹配的、当与扫描面内的每个扫描点为车辆点时的反射强度范围，这里，在非预设天气状态下，与每个发射功率匹配的、当与扫描面内的每个扫描点为车辆点时的反射强度范围为与每个发射功率对应的第三反射强度范围；与每个发射功率对应的光线影响范围(即，激光雷达在每个发射功率下干扰光线对反射强度的强度影响范围)；与每个发射功率对应的反射强度衰减率。这里，在预设天气状态下，与每个发射功率匹配的、当每个扫描点为车辆点时的反射强度范围可以是与每个发射功率对应的第四反射强度范围。
[0122]
为了确定与每个发射功率对应的第四反射强度范围，处理设备(可以是服务器，也可以是其他的处理设备)可以首先确定与每个发射功率对应的第三反射强度范围、激光雷达与每个发射功率对应的光线影响范围、以及激光雷达与每个发射功率对应的反射强度衰减率。
[0123]
与每个发射功率对应的第三反射强度范围可以是通过激光雷达进行车辆扫描获取到的，例如，可以统计工作在每个发射功率时，激光雷达扫描到车辆上的反射强度范围。考虑到不同车辆类别，其对应的反射强度范围存在区别，可以分别确定一组车辆类别中的每种车辆类别下，与每个发射功率对应的第三反射强度范围，比如，可以统计工作在每个发射功率时，激光雷达扫描到不同类别车辆v1上的第三反射强度范围c
il
，这里，l表示车辆类别，i表示发射功率。
[0124]
激光雷达与每个发射功率对应的光线影响范围可以是基于经验进行配置的，也可以是通过激光雷达进行扫描获取到的，例如，可以通过对比预设天气下和非预设天气下激光雷达扫描到地面点时的反射强度，确定激光雷达与每个发射功率对应的光线影响范围。
[0125]
激光雷达与每个发射功率对应的反射强度衰减率可以是基于经验进行配置的，也可以是通过激光雷达进行扫描获取到的，例如，可以基于预设天气下和非预设天气下激光雷达扫描到地面点时的反射强度、以及激光雷达与每个发射功率对应的光线影响范围，拟合出激光雷达与每个发射功率对应的反射强度衰减率。
[0126]
根据得到的与每个发射功率对应的第三反射强度范围、与每个发射功率对应的光线影响范围、以及与每个发射功率对应的反射强度衰减率，可以计算出与每个发射功率对应的第四反射强度范围。对于区别不同车辆类别的情况，并基于每种车辆类别下，与每个发射功率对应的第三反射强度范围、与每个发射功率对应的光线影响范围、以及与每个发射功率对应的反射强度衰减率，计算出每种车辆类别下与每个发射功率对应的第四反射强度范围。
[0127]
例如，建立激光雷达在非雨雪天气下在发射功率p1工作时，扫描到道路检测范围内不同距离lj不同角度βk的粗分类车辆v1上时的发射强度c
iljk
库，这里，通过距离lj和角度
βk可以得到激光雷达扫描面内的扫描点；统计扫描到不同类别车辆v1上的第三反射强度范围c
il
，结合反射强度衰减率ηi和光线影响范围δi，计算出雨雪天气下激光雷达扫描到不同类别车辆v1上的第四反射强度范围d
il
。
[0128]
通过本实施例，根据非预设天气状态下的反射强度范围、光线影响范围和反射强度衰减率计算预设天气状态下的反射强度范围，可以提高反射强度范围确定的便捷性。
[0129]
在一个示例性实施例中，确定激光雷达与每个发射功率对应的反射强度衰减率，包括：
[0130]
s81，在无车辆经过扫描面、且天气状态为非预设天气状态的情况下，获取激光雷达按照每个发射功率对扫描面进行扫描得到的、与每个发射功率对应的第一路面反射强度范围，其中，与每个发射功率对应的第一路面反射强度范围包括与每个发射功率匹配的、扫描面内的各个路面点的反射强度范围；
[0131]
s82，在无车辆经过扫描面、且天气状态为预设天气状态的情况下，获取激光雷达按照每个发射功率对扫描面进行扫描得到的、与每个发射功率对应的第二路面反射强度范围，其中，与每个发射功率对应的第二路面反射强度范围包括与每个发射功率匹配的、扫描面内的各个路面点的反射强度范围；
[0132]
s83，根据与每个发射功率对应的第一路面反射强度范围、与每个发射功率对应的第二路面反射强度范围、以及与每个发射功率对应的光线影响范围进行反射强度衰减率拟合，得到与每个发射功率对应的反射强度衰减率。
[0133]
为了确定激光雷达与每个发射功率对应的反射强度衰减率，可以先获取激光雷达在无车辆经过扫描面、且天气状态为非预设天气状态的情况下按照每个发射功率对扫描面进行扫描得到的、与每个发射功率对应的第一路面反射强度范围。这里的与每个发射功率对应的第一路面反射强度范围可以包括与每个发射功率匹配的、扫描面内的各个路面点的反射强度范围。
[0134]
例如，激光雷达可以在发射功率范围内选择发射功率pi工作，接收到扫描检测范围内路面上距离为sj、角度为αj的反射强度是a
ij
，统计激光雷达以发射功率pi工作时，接收到扫描检测范围内路面的第一反射强度范围ai(即，第一路面反射强度范围)。
[0135]
处理设备还可以获取激光雷达在无车辆经过扫描面、且天气状态为预设天气状态的情况下按照每个发射功率对扫描面进行扫描得到的、与每个发射功率对应的第二路面反射强度范围。这里的与每个发射功率对应的第二路面反射强度范围可以包括与每个发射功率匹配的、扫描面内的各个路面点的反射强度范围。
[0136]
例如，在雨雪天气下，激光雷达以相同发射功率p1工作，接收到检测范围内路面上距离相同、角度相同的反射强度是b
ij
，统计在该发射功率下，接收到路面的第二反射强度范围bi(即，第二路面反射强度范围)。此外，还可以统计在该发射功率下激光雷达在白天和晚上扫描相同距离和角度时外界光线对反射强度的影响范围，从而得到与每个发射功率对应的光线影响范围。
[0137]
可以对据与每个发射功率对应的第一路面反射强度范围、与每个发射功率对应的第二路面反射强度范围、以及与每个发射功率对应的光线影响范围进行反射强度衰减率拟合，得到与每个发射功率对应的反射强度衰减率。例如，通过第一反射强度范围、第二反射强度范围及光线影响范围，拟合出激光雷达在同一发射功率[p1,p2,...,pn]下扫描到相同
距离和角度时的ηi，因此，激光雷达在不同发射功率下拟合得到的反射强度衰减率[η1,η2,...,ηn]。
[0138]
通过本实施例，基于与每个发射功率对应非预设天气状态下的路面反射强度范围、预设天气状态下的路面反射强度范围以及光线影响范围进行反射强度衰减率拟合，可以提高反射强度衰减率确定的便捷性。
[0139]
下面结合可选示例对本技术实施例中的车辆信息的检测方法进行解释说明。在本可选示例中，异常天气为雨雪天气，非车辆点为水雾点。
[0140]
为解决激光雷达在雨雪天气下检测车辆时，容易把水雾检测为车辆或者车辆的一部分，导致检测的车辆数据如长、宽、高等信息不准确，甚至多车或丢车的问题，本可选示例中提供了一种雨雪天气下的激光雷达进行车辆检测的方案，通过建立激光雷达扫描车辆的反射强度范围、扫描水雾的反射强度范围，动态调节激光的发射功率，减少水雾的干扰；并且，检测的点云数据与转换后的点云图片对应，使用深度学习的方法从点云图像中识别车辆、水雾等，从点云图片对应的点云数据，剔除水雾点云，收集统计水雾点云数据对应的水雾反射强度，提取车辆点云数据，最后计算车辆信息。通过上述方式，降低了多传感器融合的成本，还可以减少水雾对激光雷达检测车辆的干扰，从而提高了激光雷达在雨雪天气下检测车辆的能力。
[0141]
结合图3所示，本可选示例中的车辆信息的检测方法的流程可以包括以下步骤：
[0142]
步骤302，计算并配置雨雪天气下激光雷达按照每个发射功率工作时扫描到不同类别车辆上的反射强度范围，可以作为每个发射功率下扫描到每种类别车辆上的参考反射强度范围。此外，还可以配置每个发射功率下扫描到水雾上的参考反射强度范围。
[0143]
步骤304，在确定当前处于雨雪天气时，可以基于扫描到的点云数据对预期车辆(实际可能存在车辆，也可能不存在车辆)进行粗分类，得到预期车辆类别(粗分类的类别)。
[0144]
步骤306，基于检测到的点云数据中的每个点的反射强度与当前发射功率下扫描到预期车辆类别的车辆上的参考反射强度范围，剔除扫描到的点云数据中的水雾点云数据，得到剩余的车辆点云数据。
[0145]
此外，也可以使用点云图像检测或者使用点密度分布方法检测水雾及剔除水雾。
[0146]
步骤308，如果车辆点云数据不为空，则可以基于车辆点云数据确定车辆信息，否则，结束。
[0147]
此外，还可以使用扫描到的点云数据更新每个发射功率下扫描到每种类别车辆上的参考反射强度范围、以及每个发射功率下扫描到水雾上的参考反射强度范围，并基于更新后的数据动态调整激光雷达的发射功率。激光雷达的发射功率也可以根据雨量检测器所检测到的雨量大小进行调整，即，不同雨量范围可以对应于不同的发射功率，将与雨量检测器检测到的雨量大小匹配发射功率，确定为调整后的发射功率。
[0148]
通过本可选示例，通过动态调整激光雷达的发射功率，可以降低雨雪天气对激光雷达检测车辆的影响；同时，通过动态调整激光雷达的发射功率、进行激光雷达水雾检测以及进行水雾剔除，能够仅使用激光雷达判断雨雪天气以及提高激光雷达在雨雪天气下检测车辆的精度，提升激光雷达在雨雪天气下抗干扰能力。
[0149]
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为
依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本技术所必须的。
[0150]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom(read-only memory，只读存储器)/ram(random access memory，随机存取存储器)、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本技术各个实施例的方法。
[0151]
根据本技术实施例的另一个方面，还提供了一种用于实施上述车辆信息的检测方法的车辆信息的检测系统，该系统可以包括：
[0152]
激光雷达，用于在异常天气状态的情况下，按照第一发射功率对激光雷达的扫描面进行扫描，得到目标点云数据以及目标点云数据中的每个目标点的反射强度；
[0153]
数据处理部件，用于获取目标点云数据以及每个目标点的反射强度；从目标点云数据中选取出反射强度处于对应的目标反射强度范围内的目标点和/或基于边界帧从目标点云数据中剔除非车辆点云数据，得到目标车辆点云数据，其中，与每个目标点对应的目标反射强度范围是与第一发射功率匹配的、当扫描到车辆时的反射强度范围，边界帧是根据每个目标点的反射强度确定的、目标车辆点云数据中，包含车辆点云的最后一个数据帧或者包含车辆点云的最后一个数据帧之后的第一个仅包含非车辆点云的数据帧；在目标车辆点云数据不为空的情况下，根据目标车辆点云数据，确定与目标车辆点云数据匹配的目标车辆的车辆信息。
[0154]
需要说明的是，该实施例中的数据处理部件可以用于执行上述步骤s202、步骤s204和步骤s206。
[0155]
通过上述系统，在异常天气状态的情况下，在异常天气状态的情况下，获取激光雷达按照第一发射功率对激光雷达的扫描面进行扫描得到的目标点云数据以及目标点云数据中的每个目标点的反射强度；从目标点云数据中选取出反射强度处于对应的目标反射强度范围内的目标点和/或基于边界帧从目标点云数据中剔除非车辆点云数据，得到目标车辆点云数据，其中，与每个目标点对应的目标反射强度范围是与第一发射功率匹配的、当扫描到车辆时的反射强度范围，边界帧是根据每个目标点的反射强度确定的、目标车辆点云数据中，包含车辆点云的最后一个数据帧或者包含车辆点云的最后一个数据帧之后的第一个仅包含非车辆点云的数据帧；在目标车辆点云数据不为空的情况下，根据目标车辆点云数据，确定与目标车辆点云数据匹配的目标车辆的车辆信息，解决了相关技术中的车辆信息的检测方法存在存在由于易受到空气中的干扰颗粒的影响导致的车辆信息检测的准确性低的技术问题，提高了车辆信息检测的准确性。
[0156]
在一个示例性实施例中，数据处理部件，还用于确定扫描面内的每个扫描点的参考强度值，其中，每个扫描点的参考强度值为与第一发射功率匹配的、当每个扫描点为车辆点时的反射强度范围的平均值；循环执行边界帧确定步骤，直到满足循环结束条件，其中，循环结束条件包括n为2或者确定出边界帧，边界帧确定步骤包括：从目标点云数据包含的
多帧点云数据中依次选取出n个连续帧，其中，n为大于2的正整数；确定n个连续帧中的每个帧的缺失点，其中，每个帧的缺失点为n个连续帧中除了每个帧以外的至少一个帧中包含、在每个帧中没有的目标点；使用每个扫描点的参考强度值扩充每个帧的缺失点，得到扩充后的每个帧，其中，扩充后的每个帧包含的点相同；确定反射强度均值帧，其中，反射强度均值帧包含的点与扩充后的每个帧包含的点相同、且反射强度均值帧中的每个点的反射强度为扩充后的每个帧中对应点的反射强度的均值；确定扩充前的每个帧中的点的反射强度与反射强度均值帧中对应点的反射强度的方差，得到与每个帧对应的反射强度方差；在n个连续帧中存在对应的反射强度方差大于或者等于第一方差阈值的第一帧、第一帧至多帧点云数据中的最后一帧对应的反射强度方差均大于或者等于第一方差阈值、且第一帧与第一帧的前一个帧的对应点的方差大于或者等于第二方差阈值的情况下，将第一帧确定为边界帧；在从多帧点云数据中未确定出边界帧的情况下，使用n减1后得到的值更新n，得到更新后的n。
[0157]
在一个示例性实施例中，异常天气状态为雨雪天气状态；数据处理部件，还用于在确定连续的k辆车的点云数据中均存在水雾点云数据的情况下，确定当前处于雨雪天气状态下，其中，k为大于或者等于2的正整数；在确定连续的m辆车的点云数据中均不存在水雾点云数据、或者在连续的t帧中扫描面内的各个路面点的反射强度方差大于或者等于第三方差阈值的情况下，确定当前处于非雨雪天气状态下，其中，m和t均为大于或者等于2的正整数。
[0158]
在一个示例性实施例中，数据处理部件，还用于确定与检测的当前车辆对应的车辆开始帧和车辆结束帧；确定与车辆开始帧至车辆结束帧中的每一帧对应的车辆轮廓参数，其中，车辆轮廓参数包括以下至少之一：车辆高度，车辆宽度；在存在连续的q个帧对应的车辆轮廓参数均小于或者等于预设参数阈值的情况下，确定当前车辆的点云数据中存在水雾点云数据，其中，q为大于或者等于2的正整数；或者，确定与车辆开始帧至车辆结束帧中的每一帧对应的反射强度变化方差，其中，与每一帧对应的反射强度变化方差是每一帧中的点与每一帧的前一个帧中的对应点的反射强度的方差；在车辆开始帧至车辆结束帧中存在对应的反射强度变化方差大于或者等于第四方差阈值的第二帧、从第二帧开始连续的l帧对应的反射强度变化方差小于或者等于第五方差阈值、且连续的l帧中的点与第二帧的前一帧中的对应点的反射强度的方差大于或者等于第四方差阈值的情况下，确定当前车辆的点云数据中存在水雾点云数据，其中，l为大于或者等于2的正整数。
[0159]
在一个示例性实施例中，第一发射功率为一组发射功率中的一个发射功率；数据处理部件，还用于根据与一组发射功率中的每个发射功率对应的第一反射强度范围和与每个发射功率对应的第二反射强度范围，从一组发射功率中选取出第二发射功率，其中，与每个发射功率对应的第一反射强度范围是与每个发射功率匹配的、当扫描车辆时的反射强度范围，与每个发射功率对应的第二反射强度范围是与每个发射功率匹配的、当扫描非车辆点时的反射强度范围；将激光雷达的发射功率由第一发射功率调整为第二发射功率。
[0160]
在一个示例性实施例中，数据处理部件，还用于根据与每个发射功率对应的第一反射强度范围和与每个发射功率对应的第二反射强度范围之间的范围交集、以及与每个发射功率对应的第一反射强度范围的范围大小，从一组发射功率中选取出第二发射功率。
[0161]
在一个示例性实施例中，数据处理部件，还用于在根据与每个发射功率对应的第
一反射强度范围和与每个发射功率对应的第二反射强度范围，从一组发射功率中选取出第二发射功率之前，根据目标车辆点云数据中的目标点的反射强度以及与目标点云数据中除了目标车辆点云数据以外的其他目标点的反射强度，调整与第一发射功率对应的第一反射强度范围以及与第一发射功率对应的第二反射强度范围；根据调整前的、与第一发射功率对应的第一反射强度范围和调整后的、与第一发射功率对应的第一反射强度范围，确定反射强度修正值；使用反射强度修正值对一组发射功率中除了第一发射功率以外的其他发射功率对应的第一反射强度范围进行调整，得到调整后的、与其他发射功率对应的第一反射强度范围；根据第一发射功率、调整后的、与第一发射功率对应的第二反射强度范围、其他发射功率以及反射强度衰减率对与其他发射功率对应的第二反射强度范围进行调整，得到调整后的、与其他发射功率对应的第二反射强度范围。
[0162]
在一个示例性实施例中，第一发射功率为一组发射功率中的一个发射功率；数据处理部件，还用于确定激光雷达与一组发射功率中的每个发射功率对应的光线影响范围，其中，每个发射功率对应的光线影响范围是激光雷达在每个发射功率下干扰光线对反射强度的强度影响范围；确定激光雷达与每个发射功率对应的反射强度衰减率；根据与每个发射功率对应的第三反射强度范围、与每个发射功率对应的光线影响范围、以及与每个发射功率对应的反射强度衰减率，确定与每个发射功率对应的第四反射强度范围，其中，与每个发射功率对应的第三反射强度范围是在非异常天气状态下，与每个发射功率匹配的、当与扫描面内的每个扫描点为车辆点时的反射强度范围，与每个发射功率对应的第四反射强度范围是在异常天气状态下，与每个发射功率匹配的、当每个扫描点为车辆点时的反射强度范围，与每个目标点对应的目标反射强度范围是与第一发射功率对应的第四反射强度范围中，与每个目标点对应的扫描点的反射强度范围。
[0163]
在一个示例性实施例中，数据处理部件，还用于在无车辆经过扫描面、且天气状态为非异常天气状态的情况下，获取激光雷达按照每个发射功率对扫描面进行扫描得到的、与每个发射功率对应的第一路面反射强度范围，其中，与每个发射功率对应的第一路面反射强度范围包括与每个发射功率匹配的、扫描面内的各个路面点的反射强度范围；在无车辆经过扫描面、且天气状态为异常天气状态的情况下，获取激光雷达按照每个发射功率对扫描面进行扫描得到的、与每个发射功率对应的第二路面反射强度范围，其中，与每个发射功率对应的第二路面反射强度范围包括与每个发射功率匹配的、扫描面内的各个路面点的反射强度范围；根据与每个发射功率对应的第一路面反射强度范围、与每个发射功率对应的第二路面反射强度范围、以及与每个发射功率对应的光线影响范围进行反射强度衰减率拟合，得到与每个发射功率对应的反射强度衰减率。
[0164]
在一个示例性实施例中，激光雷达为横向扫描激光雷达。
[0165]
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。
[0166]
根据本技术实施例的又一个方面，还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于执行本技术实施例中上述任一项车辆信息的检测方法的程序代码。
[0167]
可选地，在本实施例中，上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
[0168]
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：
[0169]
s1，在异常天气状态的情况下，获取激光雷达按照第一发射功率对激光雷达的扫描面进行扫描得到的目标点云数据以及目标点云数据中的每个目标点的反射强度；
[0170]
s2，从目标点云数据中选取出反射强度处于对应的目标反射强度范围内的目标点和/或基于边界帧从目标点云数据中剔除非车辆点云数据，得到目标车辆点云数据，其中，与每个目标点对应的目标反射强度范围是与第一发射功率匹配的、当扫描到车辆时的反射强度范围，边界帧是根据每个目标点的反射强度确定的、目标车辆点云数据中，包含车辆点云的最后一个数据帧或者包含车辆点云的最后一个数据帧之后的第一个仅包含非车辆点云的数据帧；
[0171]
s3，在目标车辆点云数据不为空的情况下，根据目标车辆点云数据，确定与目标车辆点云数据匹配的目标车辆的车辆信息。
[0172]
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例中对此不再赘述。
[0173]
可选地，在本实施例中，上述存储介质可以包括但不限于：u盘、rom、ram、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0174]
根据本技术实施例的又一个方面，还提供了一种用于实施上述车辆信息的检测方法的电子装置，该电子装置可以是服务器、终端、或者其组合。
[0175]
图4是根据本技术实施例的一种可选的电子装置的结构框图，如图4所示，包括处理器402、通信接口404、存储器406和通信总线408，其中，处理器402、通信接口404和存储器406通过通信总线408完成相互间的通信，其中，
[0176]
存储器406，用于存储计算机程序；
[0177]
处理器402，用于执行存储器406上所存放的计算机程序时，实现如下步骤：
[0178]
s1，在异常天气状态的情况下，获取激光雷达按照第一发射功率对激光雷达的扫描面进行扫描得到的目标点云数据以及目标点云数据中的每个目标点的反射强度；
[0179]
s2，从目标点云数据中选取出反射强度处于对应的目标反射强度范围内的目标点和/或基于边界帧从目标点云数据中剔除非车辆点云数据，得到目标车辆点云数据，其中，与每个目标点对应的目标反射强度范围是与第一发射功率匹配的、当扫描到车辆时的反射强度范围，边界帧是根据每个目标点的反射强度确定的、目标车辆点云数据中，包含车辆点云的最后一个数据帧或者包含车辆点云的最后一个数据帧之后的第一个仅包含非车辆点云的数据帧；
[0180]
s3，在目标车辆点云数据不为空的情况下，根据目标车辆点云数据，确定与目标车辆点云数据匹配的目标车辆的车辆信息。
[0181]
可选地，通信总线可以是pci(peripheral component interconnect，外设部件互连标准)总线、或eisa(extended industry standard architecture，扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类别的总线。通信接口用于上述电子装置与其他设备之间的通信。
[0182]
存储器可以包括ram，也可以包括非易失性存储器(non-volatile memory)，例如，至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。
[0183]
上述处理器可以是通用处理器，可以包含但不限于：cpu(central processing unit，中央处理器)、np(network processor，网络处理器)等；还可以是dsp(digital signal processing，数字信号处理器)、asic(application specific integrated circuit，专用集成电路)、fpga(field－programmable gate array，现场可编程门阵列)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。
[0184]
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
[0185]
本领域普通技术人员可以理解，图4所示的结构仅为示意，实施上述车辆信息的检测方法的设备可以是终端设备，该终端设备可以是智能手机(如android手机、ios手机等)、平板电脑、掌上电脑以及移动互联网设备(mobile internet devices，mid)、pad等终端设备。图4其并不对上述电子装置的结构造成限定。例如，电子装置还可包括比图4中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图4所示的不同的配置。
[0186]
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、rom、ram、磁盘或光盘等。
[0187]
上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
[0188]
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。
[0189]
在本技术的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0190]
在本技术所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0191]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例中所提供的方案的目的。
[0192]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以至少两个单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0193]
以上所述仅是本技术的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。

技术特征：
1.一种车辆信息的检测方法，其特征在于，包括：在异常天气状态的情况下，获取激光雷达按照第一发射功率对所述激光雷达的扫描面进行扫描得到的目标点云数据以及所述目标点云数据中的每个目标点的反射强度；从所述目标点云数据中选取出反射强度处于对应的目标反射强度范围内的目标点和/或基于边界帧从所述目标点云数据中剔除非车辆点云数据，得到目标车辆点云数据，其中，与所述每个目标点对应的目标反射强度范围是与所述第一发射功率匹配的、当扫描到车辆时的反射强度范围，所述边界帧是根据所述每个目标点的反射强度确定的、所述目标车辆点云数据中，包含车辆点云的最后一个数据帧或者包含车辆点云的最后一个数据帧之后的第一个仅包含非车辆点云的数据帧；在所述目标车辆点云数据不为空的情况下，根据所述目标车辆点云数据，确定与所述目标车辆点云数据匹配的目标车辆的车辆信息。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：确定所述扫描面内的每个扫描点的参考强度值，其中，所述每个扫描点的参考强度值为与所述第一发射功率匹配的、当所述每个扫描点为车辆点时的反射强度范围的平均值；循环执行边界帧确定步骤，直到满足循环结束条件，其中，所述循环结束条件包括n为2或者确定出所述边界帧，所述边界帧确定步骤包括：从所述目标点云数据包含的多帧点云数据中依次选取出n个连续帧，其中，n为大于2的正整数；确定所述n个连续帧中的每个帧的缺失点，其中，所述每个帧的缺失点为所述n个连续帧中除了所述每个帧以外的至少一个帧中包含、在所述每个帧中没有的目标点；使用所述每个扫描点的参考强度值扩充所述每个帧的缺失点，得到扩充后的所述每个帧，其中，扩充后的所述每个帧包含的点相同；确定反射强度均值帧，其中，所述反射强度均值帧包含的点与扩充后的所述每个帧包含的点相同、且所述反射强度均值帧中的每个点的反射强度为扩充后的所述每个帧中对应点的反射强度的均值；确定扩充前的所述每个帧中的点的反射强度与所述反射强度均值帧中对应点的反射强度的方差，得到与所述每个帧对应的反射强度方差；在所述n个连续帧中存在对应的反射强度方差大于或者等于第一方差阈值的第一帧、所述第一帧至所述多帧点云数据中的最后一帧对应的反射强度方差均大于或者等于所述第一方差阈值、且所述第一帧与所述第一帧的前一个帧的对应点的方差大于或者等于第二方差阈值的情况下，将所述第一帧确定为所述边界帧；在从所述多帧点云数据中未确定出所述边界帧的情况下，使用n减1后得到的值更新n，得到更新后的n。3.根据权利要求1所述的方法，其特征在于，所述异常天气状态为雨雪天气状态；所述方法还包括：在确定连续的k辆车的点云数据中均存在水雾点云数据的情况下，确定当前处于雨雪天气状态下，其中，k为大于或者等于2的正整数；在确定连续的m辆车的点云数据中均不存在水雾点云数据、或者在连续的t帧中所述扫描面内的各个路面点的反射强度方差大于或者等于第三方差阈值的情况下，确定当前处于
非雨雪天气状态下，其中，m和t均为大于或者等于2的正整数。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：确定与检测的当前车辆对应的车辆开始帧和车辆结束帧；确定与所述车辆开始帧至所述车辆结束帧中的每一帧对应的车辆轮廓参数，其中，所述车辆轮廓参数包括以下至少之一：车辆高度，车辆宽度；在存在连续的q个帧对应的车辆轮廓参数均小于或者等于预设参数阈值的情况下，确定所述当前车辆的点云数据中存在水雾点云数据，其中，q为大于或者等于2的正整数；或者，确定与所述车辆开始帧至所述车辆结束帧中的每一帧对应的反射强度变化方差，其中，与所述每一帧对应的反射强度变化方差是所述每一帧中的点与所述每一帧的前一个帧中的对应点的反射强度的方差；在所述车辆开始帧至所述车辆结束帧中存在对应的反射强度变化方差大于或者等于第四方差阈值的第二帧、从所述第二帧开始连续的l帧对应的反射强度变化方差小于或者等于第五方差阈值、且所述连续的l帧中的点与所述第二帧的前一帧中的对应点的反射强度的方差大于或者等于所述第四方差阈值的情况下，确定所述当前车辆的点云数据中存在水雾点云数据，其中，l为大于或者等于2的正整数。5.根据权利要求1所述的方法，其特征在于，所述第一发射功率为一组发射功率中的一个发射功率；所述方法还包括：根据与所述一组发射功率中的每个发射功率对应的第一反射强度范围和与所述每个发射功率对应的第二反射强度范围，从所述一组发射功率中选取出第二发射功率，其中，与所述每个发射功率对应的第一反射强度范围是与所述每个发射功率匹配的、当扫描到车辆时的反射强度范围，与所述每个发射功率对应的第二反射强度范围是与所述每个发射功率匹配的、当扫描到非车辆点时的反射强度范围；将所述激光雷达的发射功率由所述第一发射功率调整为所述第二发射功率。6.根据权利要求5所述的方法，其特征在于，所述根据与所述每个发射功率对应的第一反射强度范围和与所述每个发射功率对应的第二反射强度范围，从所述一组发射功率中选取出第二发射功率，包括：根据与所述每个发射功率对应的第一反射强度范围和与所述每个发射功率对应的第二反射强度范围之间的范围交集、以及与所述每个发射功率对应的第一反射强度范围的范围大小，从所述一组发射功率中选取出所述第二发射功率。7.根据权利要求5所述的方法，其特征在于，在所述根据与所述每个发射功率对应的第一反射强度范围和与所述每个发射功率对应的第二反射强度范围，从所述一组发射功率中选取出第二发射功率之前，所述方法还包括：根据所述目标车辆点云数据中的目标点的反射强度以及与所述目标点云数据中除了所述目标车辆点云数据以外的其他目标点的反射强度，调整与所述第一发射功率对应的第一反射强度范围以及与所述第一发射功率对应的第二反射强度范围；根据调整前的、与所述第一发射功率对应的第一反射强度范围和调整后的、与所述第一发射功率对应的第一反射强度范围，确定反射强度修正值；使用所述反射强度修正值对所述一组发射功率中除了所述第一发射功率以外的其他发射功率对应的第一反射强度范围进行调整，得到调整后的、与所述其他发射功率对应的第一反射强度范围；
根据所述第一发射功率、调整后的、与所述第一发射功率对应的第二反射强度范围、所述其他发射功率以及反射强度衰减率对与所述其他发射功率对应的第二反射强度范围进行调整，得到调整后的、与所述其他发射功率对应的第二反射强度范围。8.根据权利要求1所述的方法，其特征在于，所述第一发射功率为一组发射功率中的一个发射功率；所述方法还包括：确定所述激光雷达与所述一组发射功率中的每个发射功率对应的光线影响范围，以及确定所述激光雷达与所述每个发射功率对应的反射强度衰减率，其中，所述每个发射功率对应的所述光线影响范围是所述激光雷达在所述每个发射功率下干扰光线对反射强度的强度影响范围；根据与所述每个发射功率对应的第三反射强度范围、与所述每个发射功率对应的所述光线影响范围、以及与所述每个发射功率对应的反射强度衰减率，确定与所述每个发射功率对应的第四反射强度范围，其中，与所述每个发射功率对应的第三反射强度范围是在非异常天气状态下，与所述每个发射功率匹配的、当与所述扫描面内的每个扫描点为车辆点时的反射强度范围，与所述每个发射功率对应的第四反射强度范围是在异常天气状态下，与所述每个发射功率匹配的、当所述每个扫描点为车辆点时的反射强度范围，与所述每个目标点对应的目标反射强度范围是与所述第一发射功率对应的第四反射强度范围中，与所述每个目标点对应的扫描点的反射强度范围。9.根据权利要求8所述的方法，其特征在于，所述确定所述激光雷达与所述每个发射功率对应的反射强度衰减率，包括：在无车辆经过所述扫描面、且天气状态为所述非异常天气状态的情况下，获取所述激光雷达按照所述每个发射功率对所述扫描面进行扫描得到的、与所述每个发射功率对应的第一路面反射强度范围，其中，与所述每个发射功率对应的第一路面反射强度范围包括与所述每个发射功率匹配的、所述扫描面内的各个路面点的反射强度范围；在无车辆经过所述扫描面、且天气状态为所述异常天气状态的情况下，获取所述激光雷达按照所述每个发射功率对所述扫描面进行扫描得到的、与所述每个发射功率对应的第二路面反射强度范围，其中，与所述每个发射功率对应的第二路面反射强度范围包括与所述每个发射功率匹配的、所述扫描面内的各个路面点的反射强度范围；根据与所述每个发射功率对应的第一路面反射强度范围、与所述每个发射功率对应的第二路面反射强度范围、以及与所述每个发射功率对应的光线影响范围进行反射强度衰减率拟合，得到与所述每个发射功率对应的反射强度衰减率。10.一种车辆信息的检测系统，其特征在于，包括：激光雷达，用于在异常天气状态的情况下，按照第一发射功率对所述激光雷达的扫描面进行扫描，得到目标点云数据以及所述目标点云数据中的每个目标点的反射强度；数据处理部件，用于获取所述目标点云数据以及所述每个目标点的反射强度；从所述目标点云数据中选取出反射强度处于对应的目标反射强度范围内的目标点和/或基于边界帧从所述目标点云数据中剔除非车辆点云数据，得到目标车辆点云数据，其中，与所述每个目标点对应的目标反射强度范围是与所述第一发射功率匹配的、当扫描到车辆时的反射强度范围，所述边界帧是根据所述每个目标点的反射强度确定的、所述目标车辆点云数据中，包含车辆点云的最后一个数据帧或者包含车辆点云的最后一个数据帧之后的第一个仅包
含非车辆点云的数据帧；在所述目标车辆点云数据不为空的情况下，根据所述目标车辆点云数据，确定与所述目标车辆点云数据匹配的目标车辆的车辆信息。

技术总结
本申请公开了一种车辆信息的检测方法和系统，其中，该方法包括：在异常天气状态下，获取激光雷达按照第一发射功率扫描得到的目标点云数据以及其中每个目标点的反射强度；从目标点云数据中选取反射强度处于目标反射强度范围内的目标点和/或基于边界帧从目标点云数据中剔除非车辆点云数据，得到目标车辆点云数据，目标反射强度范围是第一发射功率下扫描到车辆时的反射强度范围，边界帧是根据每个目标点的反射强度确定的、目标车辆点云数据中，有车辆点云的最后一个数据帧或其后的第一个仅有非车辆点云的数据帧；在目标车辆点云数据不为空时，根据目标车辆点云数据，确定与目标车辆点云数据匹配的目标车辆的车辆信息。辆点云数据匹配的目标车辆的车辆信息。辆点云数据匹配的目标车辆的车辆信息。


技术研发人员：杨勇刚 李康 石楠
受保护的技术使用者：北京万集科技股份有限公司
技术研发日：2022.12.05
技术公布日：2023/7/6