一種基于激光測距的智能人流量分類統(tǒng)計系統(tǒng)及其方法
【專利摘要】本發(fā)明一種基于激光測距的智能人流量分類統(tǒng)計系統(tǒng)及其方法，所述系統(tǒng)包含一個激光測距系統(tǒng)客戶端、一個激光統(tǒng)計儀、一個測定初始距離的擋板；所述激光統(tǒng)計儀發(fā)射包含由控制板、云臺、一號激光模塊、二號激光模塊和三號激光模塊，一號激光模塊發(fā)出的激光垂直于擋板，二號激光模塊與一號激光模塊位于同一水平面，且二號激光模塊發(fā)出的激光與擋板成一角度，三號激光模塊位于一號激光模塊的正上方，配有云臺，且三號激光模塊發(fā)出的激光垂直于擋板，所述一號激光模塊、二號激光模塊和三號激光模塊經(jīng)控制板連接至激光測距系統(tǒng)客戶端。本發(fā)明一種基于激光測距的智能人流量分類統(tǒng)計系統(tǒng)及其方法，軟件開發(fā)簡單、硬件成本低廉且使用方便、精度高又不會對行人造成隱私泄露問題。
【專利說明】
一種基于激光測距的智能人流量分類統(tǒng)計系統(tǒng)及其方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種人流量統(tǒng)計系統(tǒng)及其方法，尤其是一種利用激光測距的方式對人 流量進行智能分類統(tǒng)計的系統(tǒng)及其方法。
【背景技術(shù)】
[0002] 當今的商業(yè)瞬息萬變，如何在最短的時間內(nèi)對市場微弱變化做出快速精準的反 應，并且最大限度的節(jié)約商業(yè)運作成本，從而實現(xiàn)高效的商業(yè)運營管理已經(jīng)成為商業(yè)運營 成敗的核心要素；因此，如何提高零售業(yè)、文化娛樂等公共場所業(yè)的運營管理，客流信息的 精準分析統(tǒng)計已然成為每個運營管理者所面對的首要任務(wù)； 目前，公認的客流量統(tǒng)計方式有兩種，一是基于監(jiān)控攝像頭進行分析;二是基于紅外系 統(tǒng)，根據(jù)紅外光束被行人打斷的次數(shù)進行統(tǒng)計的break-beam系統(tǒng)； 對比方式一:監(jiān)控攝像頭人流量統(tǒng)計系統(tǒng)需要各種識別算法，所以這種方式不但開發(fā) 難度較大；而且由于其需要基于監(jiān)控圖像進行分析，因此需要畫質(zhì)清楚且存儲量大的攝像 頭，而此類攝像頭價格昂貴;另外，攝像頭拍照、識別、存儲等操作會帶來行人隱私泄露的問 題，存在一定的法律風險； 對于方式二:紅外人流量統(tǒng)計方法雖然軟件開發(fā)難度小，但是其本身具有較大的使用 限制，比如它無法放置在運動物體上，所以在某些場合不能很好的使用；而且更為重要的是 紅外方式容易被外界因素干擾，導致統(tǒng)計精度較差。
【發(fā)明內(nèi)容】
[0003] 本發(fā)明的目的在于克服上述不足，提供一種軟件開發(fā)簡單、硬件成本低廉且使用 方便、精度高又不會對行人造成隱私泄露問題的基于激光測距的智能人流量分類統(tǒng)計系統(tǒng) 及其方法。
[0004] 本發(fā)明的目的是這樣實現(xiàn)的： 一種基于激光測距的智能人流量分類統(tǒng)計系統(tǒng)，所述系統(tǒng)包含一個激光測距系統(tǒng)客戶 端、一個激光統(tǒng)計儀、一個測定初始距離的擋板； 所述激光統(tǒng)計儀發(fā)射包含由控制板、一號激光模塊、二號激光模塊和三號激光模塊，一 號激光模塊發(fā)出的激光垂直于擋板，二號激光模塊與一號激光模塊位于同一水平面，且二 號激光模塊發(fā)出的激光與擋板成一角度，三號激光模塊位于一號激光模塊的正上方，且三 號激光模塊發(fā)出的激光垂直于擋板，所述一號激光模塊、二號激光模塊和三號激光模塊經(jīng) 控制板連接至激光測距系統(tǒng)客戶端。
[0005] 本發(fā)明一種基于激光測距的智能人流量分類統(tǒng)計系統(tǒng)，所述激光統(tǒng)計儀和擋板位 于移動物體上，且激光統(tǒng)計儀和擋板之間保持相對靜止。
[0006] 本發(fā)明一種基于激光測距的智能人流量分類統(tǒng)計系統(tǒng)，所述擋板為墻體。
[0007] 本發(fā)明一種基于激光測距的智能人流量分類統(tǒng)計系統(tǒng)，所述擋板為除墻體外的固 定物體。
[0008] 一種基于激光測距的智能人流量分類統(tǒng)計方法，所述方法的步驟為： 步驟一:一號激光模塊、二號激光模塊距離地面高度為A值，一號激光模塊發(fā)射的激光 垂直指向擋板，二號激光模塊與一號激光模塊之間的間距為B值，二號激光模塊與擋板之間 的垂直距離和一號激光模塊與擋板之間的垂直距離相同，但二號激光模塊發(fā)出的激光與擋 板平面之間的夾角的角度值為E，三號激光模塊位于一號激光模塊的正上方，且三號激光模 塊距距離地面的高度值為C值； 步驟二:一號激光模塊、二號激光模塊和三號激光模塊首先分別測量出他們與擋板之 間的間距作為初始距離;隨后一號激光模塊、二號激光模塊和三號激光模塊實時測距，并將 測量到的距離與初始距離進行比較；當一號激光模塊測量到的距離與初始距離有偏差時表 示有行人通過； 步驟三:根據(jù)一號激光模塊和二號激光模塊發(fā)出的激光觸發(fā)的先后來判斷行走走動的 方向； 步驟四：根據(jù)一號激光模塊和三號激光模塊是否同時被觸發(fā)，可以判斷行人是否是免 票兒童。
[0009] 本發(fā)明一種基于激光測距的智能人流量分類統(tǒng)計方法，上述步驟三中，當多人并 排進出時，如果首先觸發(fā)了一號激光模塊，則系統(tǒng)以激光發(fā)射的頻率以每次沒角度快速轉(zhuǎn) 動云臺并發(fā)射二號激光對人群做正面掃描（二號激光模塊安裝于云臺上，云臺為一水平旋 轉(zhuǎn)機構(gòu)，），記錄返回的距離/，掃描完成之后云臺快速轉(zhuǎn)回初始角度等待人群觸發(fā)二號激 光，此時認為人群行走方向為進;如果首先觸發(fā)了二號激光，且短時間內(nèi)觸發(fā)到一號激光， 則在一號激光被觸發(fā)的瞬間，系統(tǒng)同樣以激光發(fā)射的頻率以每次角度獲快速轉(zhuǎn)動云臺并發(fā) 射二號激光對人群做背面掃描，掃描完成之后云臺快速轉(zhuǎn)回初始角度，記錄返回的距離/， 此時認為人群行走方向為出。
[0010] 如此我們得到一組以發(fā)射次序:?:、發(fā)射角度鈇、返回距離'和垂直距離J形成的四 維變量：
四維變量集合形成的點群投影到垂直距離A、發(fā)射次序的平面上得到一些分布規(guī)律 的點，這些點經(jīng)高斯擬合之后得到一條如下分段曲線： 函數(shù)為：d 結(jié)合該函數(shù)圖像的局部波峰個數(shù)、圖像圖形學和常規(guī)行為模式對人數(shù)進行判斷。
[0011] 本發(fā)明一種基于激光測距的智能人流量分類統(tǒng)計方法，上述步驟四中，設(shè)置A值為 0.8m，表示普通學步兒童身高，設(shè)置C值為1.4m，表示免票兒童身高。
[0012]本發(fā)明一種基于激光測距的智能人流量分類統(tǒng)計方法，所述方法中，一號激光模 塊、二號激光模塊和三號激光發(fā)射采集的數(shù)據(jù)經(jīng)控制板發(fā)送至激光測距系統(tǒng)客戶端進行運 算，上述數(shù)據(jù)應用矯正算法處理，綜合高斯算法和卡爾曼濾波過濾微小變化，不斷修正在運 動狀態(tài)或者靜止狀態(tài)下造成的誤差。
[0013]本發(fā)明一種基于激光測距的智能人流量分類統(tǒng)計方法，所述矯正算法，其包含有 下述步驟： 1) 數(shù)據(jù)采集:一號激光模塊、二號激光模塊和三號激光模塊不斷采集其到固定板的距 離，結(jié)合不同運動狀態(tài)不同方位，不同速度不斷獲取測量距離值組合圖像； 2) 狀態(tài)處理:應用數(shù)據(jù)融合算法對采集到的圖像進行綜合融合，得到對現(xiàn)實狀態(tài)的可 靠描述，計算出某一狀態(tài)的糾偏量。
[0014] 3)軌跡跟蹤:應用卡爾曼濾波對測量的測距值進行最優(yōu)估計，得到濾波精度估計 值，通過目標物體的運動狀態(tài)，以不斷修正在運動狀態(tài)或者靜止狀態(tài)造成的誤差。
[0015] 具體的講，所述矯正算法，其包含有下述步驟： 1) 數(shù)據(jù)采集:一號激光模塊、二號激光模塊和三號激光模塊不斷采集其到固定板的距 離，測量目標在運動狀態(tài)下的從測距板到激光儀器的距離值并組合圖像，以每秒發(fā)射30次 激光光束為計，在測量過程中分別以3個激光模塊為原點測得測量值的三維數(shù)據(jù)：
2) 狀態(tài)處理:應用數(shù)據(jù)融合算法對采集到的圖像進行綜合融合，得到對現(xiàn)實狀態(tài)的可 靠描述，從而得到當前測量值^(幻的目標運動軌跡，進而預測在下一狀態(tài)下的估計值 冰々 + ιμ)，計算出在這運動狀態(tài)的糾偏量σ。
[0016] 首先建立一個離散系統(tǒng)，在k時刻假設(shè)該棹制系統(tǒng)的狀態(tài)模型為：
在k時刻的測量值為：
結(jié)合k時刻的上一時刻的狀態(tài)模型，獲得k時刻的估計值：
計算在獲得k時刻的估計值后的糾偏量：
式中，、.表分別是系統(tǒng)的第一參數(shù)和第二參數(shù)，_療表不控制量，iF和好:分別表不系統(tǒng) 噪聲和觀測噪聲，?為測量過程的系統(tǒng)參數(shù)，總為系統(tǒng)噪聲的協(xié)方差陣，￡/_為夂的轉(zhuǎn)置矩 陣。
[0017] 3)軌跡跟蹤：結(jié)合卡爾曼濾波對測量的測距值和估計值進行最優(yōu)估計 得到濾波精度估計值，通過目標物體的運動狀態(tài)，以不斷更新由于各種噪聲 造成的誤差〃:，使得濾波后的值更加接近真實值。
[0018] 利用在k時刻的測量值和估計值得到k時刻的實際值：
計算卡爾曼增益kg: 更新在k時刻的實際糾偏量：
式中X為觀測噪聲的協(xié)方差陣，€為?的轉(zhuǎn)置矩陣。
[0019] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是： 本發(fā)明采用三個排列成L形的激光模塊分別進行實時激光測距，通過三個激光模塊同 時進行測距的方式判斷人流的方向、分類、人數(shù)統(tǒng)計，采用激光測距方式相比于攝像頭的圖 像處理而言軟件開發(fā)難度較小、成本低;且無需拍照，保證了行人的隱私不受侵犯隱私;而 且激光穩(wěn)定相好、不容易受到環(huán)境的影響，從而使得其統(tǒng)計精度高。
【附圖說明】
[0020] 圖1為本發(fā)明一種基于激光測距的智能人流量分類統(tǒng)計系統(tǒng)的結(jié)構(gòu)示意圖。
[0021] 圖2為本發(fā)明一種基于激光測距的智能人流量分類統(tǒng)計系統(tǒng)的激光統(tǒng)計儀的控制 板的內(nèi)部電路框圖。
[0022] 圖3為本發(fā)明一種基于激光測距的智能人流量分類統(tǒng)計系統(tǒng)中二號激光模塊對并 排人數(shù)進行統(tǒng)計的原理示意圖。
[0023]圖4為本發(fā)明一種基于激光測距的智能人流量分類統(tǒng)計系統(tǒng)中函數(shù)
的圖像。
【具體實施方式】
[0024] 參見圖1~4,本發(fā)明涉及的一種基于激光測距的智能人流量分類統(tǒng)計系統(tǒng)，所述系 統(tǒng)包含一個激光測距系統(tǒng)客戶端、一個激光統(tǒng)計儀、一個測定初始距離的擋板； 所述激光測距系統(tǒng)客戶端可以調(diào)整參數(shù)并結(jié)合高斯算法和卡爾曼濾波過濾微小誤差 變化;所述客戶端可以檢測障礙物并發(fā)出警報； 所述激光統(tǒng)計儀發(fā)射包含由控制板、一號激光模塊、二號激光模塊和三號激光模塊，一 號激光模塊發(fā)出的激光垂直于擋板，二號激光模塊與一號激光模塊位于同一水平面(一號 激光模塊和二號激光模塊之間的間距為20cm~5〇 Cm)，且二號激光模塊發(fā)出的激光與擋板成 一角度，三號激光模塊位于一號激光模塊的正上方，且三號激光模塊發(fā)出的激光垂直于擋 板，所述一號激光模塊、二號激光模塊和三號激光模塊經(jīng)控制板連接至激光測距系統(tǒng)客戶 端； 上述激光統(tǒng)計儀和擋板也可以放在移動物體上，只要兩者之間保持相對靜止即可;所 述測定初始距離的擋板要能接收到所述三個激光測距模塊發(fā)出的激光，如果有墻體可以接 收激光，可以省略擋板一一也可以理解為此時墻體即為擋板； 本發(fā)明一種基于激光測距的智能人流量分類統(tǒng)計方法，可以判斷人流量的方向、種類 并統(tǒng)計人數(shù)，可以安放在運動物體上，受光線、震動的影響小。
[0025] 本發(fā)明一種基于激光測距的智能人流量分類統(tǒng)計方法，使用步驟為： 步驟一:一號激光模塊、二號激光模塊距離地面高度為A值，一號激光模塊發(fā)射的激光 垂直指向擋板，二號激光模塊與一號激光模塊之間的間距為B值，二號激光模塊與擋板之間 的垂直距離和一號激光模塊與擋板之間的垂直距離相同，但二號激光模塊發(fā)出的激光與擋 板平面之間的夾角的角度值為E，三號激光模塊位于一號激光模塊的正上方，且三號激光模 塊距距離地面的高度值為C值； 步驟二:一號激光模塊、二號激光模塊和三號激光模塊首先分別測量出他們與擋板之 間的間距作為初始距離;隨后一號激光模塊、二號激光模塊和三號激光模塊實時測距，并將 測量到的距離與初始距離進行比較；當一號激光模塊測量到的距離與初始距離有偏差時表 示有行人通過； 步驟三:根據(jù)一號激光模塊和三號激光模塊發(fā)出的激光觸發(fā)的先后順序判斷行走的方 向；同時，當多人并排進出時，如果首先觸發(fā)了一號激光模塊，則系統(tǒng)以激光發(fā)射的頻率以 每次設(shè)角度快速轉(zhuǎn)動云臺并發(fā)射二號激光對人群做正面掃描，記錄返回的距離/，掃描完 成之后云臺快速轉(zhuǎn)回初始角度等待人群觸發(fā)二號激光，此時認為人群行走方向為進;如果 首先觸發(fā)了二號激光，且短時間內(nèi)觸發(fā)到一號激光，則在一號激光被觸發(fā)的瞬間，系統(tǒng)同樣 以激光發(fā)射的頻率以每次角度決決速轉(zhuǎn)動云臺并發(fā)射二號激光對人群做背面掃描，掃描完 成之后云臺快速轉(zhuǎn)回初始角度，記錄返回的距離/，此時認為人群行走方向為出。
[0026] 如此我們得到一組以發(fā)射次序?:、發(fā)射角度汶、返回距離/和垂直距離《成的四 維變量：
四維變量集合形成的點群投影到垂直距離4、發(fā)射次序?:的平面上得到一些分布規(guī)律 的點，這些點經(jīng)高斯擬合之后得到一條如下分段曲線：
函數(shù)為： 其圖像如圖4所示； 結(jié)合曲線的局部波峰個數(shù)、圖1豕ESJ形子和_吊吳：tV來判斷人數(shù)。
[0027] 步驟四：根據(jù)一號和三號激光是否同時被觸發(fā)，可以判斷行人是否是免票兒童，設(shè) 置A值為0.8m，表示普通學步兒童身高，設(shè)置C值為1.4m，表示免票兒童身高； 在上述步驟中，在客戶端可設(shè)置A、B、C、D、E和計數(shù)精度值，應對不同的人流場合，計數(shù) 精度數(shù)值越小抗干擾能力變?nèi)?，可適應人流速度較快的場合，各參數(shù)可根據(jù)實際收集的數(shù) 據(jù)反饋進行調(diào)整。
[0028]同時，在上述步驟二中，實時測量到的距離在一定程度上發(fā)生變化時表示有物體 經(jīng)過，在此過程中一號激光模塊、二號激光模塊和三號激光發(fā)射采集的數(shù)據(jù)經(jīng)控制板發(fā)送 至激光測距系統(tǒng)客戶端進行運算，上述數(shù)據(jù)應用矯正算法處理，同時運用高斯算法和卡爾 曼濾波相結(jié)合，采集在正常工作狀態(tài)下激光器采集到的微小距離變化，建立狀態(tài)方程和測 量方程進行卡爾曼濾波估值，以不斷修正在運動狀態(tài)或者靜止狀態(tài)下造成的誤差； 所述矯正算法，其包含有下述步驟： 1)數(shù)據(jù)采集:一號激光模塊、二號激光模塊和三號激光模塊不斷采集其到固定板的距 離，測量目標在運動狀態(tài)下的從測距板到激光儀器的距離值并組合圖像，以每秒發(fā)射30次 激光光束為計，在測量過程中分別以3個激光模塊為原點測得測量值的三維數(shù)據(jù)：
4)狀態(tài)處理:應用數(shù)據(jù)融合算法對采集到的圖像進行綜合融合，得到對現(xiàn)實狀態(tài)的可 靠描述，從而得到當前測量值^沐）的目標運動軌跡，進而預測在下一狀態(tài)下的估計值 例；Α+ιμ)，計算出在這運動狀態(tài)的糾偏量σ。
[0029] 首先建立一個離散系統(tǒng)，在k時刻假設(shè)該控制系統(tǒng)的狀態(tài)模型為： 在k時刻的測量值為：
結(jié)合k時刻的上一時刻的狀態(tài)模型，獲得k時刻的估計值：
計算在獲得k時刻的估計值后的糾偏量：
式中，&:、表分別是系統(tǒng)的第一參數(shù)和第二參數(shù)，IT表示控制量，嚴和爐分別表示系統(tǒng) 噪聲和觀測噪聲，?為測量過程的系統(tǒng)參數(shù)，京為系統(tǒng)噪聲的協(xié)方差陣，為A的轉(zhuǎn)置矩 陣。
[0030] 5)軌跡跟蹤：結(jié)合卡爾曼濾波對測量的測距值和估計值進行最優(yōu)估計 瘋得到濾波精度估計值，通過目標物體的運動狀態(tài)，以不斷更新由于各種噪聲 造成的誤差〃:，使得濾波后的值更加接近真實值。
[0031] 利用在k時刻的測量值和估計值得到k時刻的實際值：
計算卡爾曼增益kg:
更新在k時刻的實際糾彳扁葛··
式中史為觀測噪聲的協(xié)方差陣，g為是的轉(zhuǎn)置矩陣。
[0032] 另外：需要注意的是，上述【具體實施方式】僅為本專利的一個優(yōu)化方案，本領(lǐng)域的技 術(shù)人員根據(jù)上述構(gòu)思所做的任何改動或改進，均在本專利的保護范圍之內(nèi)。
【主權(quán)項】
1. 一種基于激光測距的智能人流量分類統(tǒng)計系統(tǒng)，其特征在于:所述系統(tǒng)包含一個激 光測距系統(tǒng)客戶端、一個激光統(tǒng)計儀、一個測定初始距離的擋板； 所述激光統(tǒng)計儀發(fā)射包含由控制板、一號激光模塊、二號激光模塊和Ξ號激光模塊，一 號激光模塊發(fā)出的激光垂直于擋板，二號激光模塊與一號激光模塊位于同一水平面，且二 號激光模塊發(fā)出的激光與擋板成一角度，Ξ號激光模塊位于一號激光模塊的正上方，且Ξ 號激光模塊發(fā)出的激光垂直于擋板，所述一號激光模塊、二號激光模塊和Ξ號激光模塊經(jīng) 控制板連接至激光測距系統(tǒng)客戶端。2. 如權(quán)利要求1所述一種基于激光測距的智能人流量分類統(tǒng)計系統(tǒng)，其特征在于:所述 激光統(tǒng)計儀和擋板位于移動物體上，且激光統(tǒng)計儀和擋板之間保持相對靜止。3. 如權(quán)利要求1所述一種基于激光測距的智能人流量分類統(tǒng)計系統(tǒng)，其特征在于:所述 擋板為墻體。4. 如權(quán)利要求1所述一種基于激光測距的智能人流量分類統(tǒng)計系統(tǒng)，其特征在于:所述 擋板為除墻體外的固定物體。5. -種基于激光測距的智能人流量分類統(tǒng)計方法，其特征在于:所述方法的步驟為： 步驟一：一號激光模塊、二號激光模塊距離地面高度為A值，一號激光模塊發(fā)射的激光 垂直指向擋板，二號激光模塊與一號激光模塊之間的間距為B值，二號激光模塊與擋板之間 的垂直距離和一號激光模塊與擋板之間的垂直距離相同，但二號激光模塊發(fā)出的激光與擋 板平面之間的夾角的角度值為Ε，Ξ號激光模塊位于一號激光模塊的正上方，且Ξ號激光模 塊距距離地面的高度值為C值； 步驟二：一號激光模塊、二號激光模塊和Ξ號激光模塊首先分別測量出他們與擋板之 間的間距作為初始距離;隨后一號激光模塊、二號激光模塊和Ξ號激光模塊實時測距，并將 測量到的距離與初始距離進行比較；當一號激光模塊測量到的距離與初始距離有偏差時表 示有行人通過； 步驟Ξ:根據(jù)一號激光模塊和二號激光模塊發(fā)出的激光觸發(fā)的先后來判斷行走走動的 方向； 步驟四：根據(jù)一號和Ξ號激光是否同時被觸發(fā)，可W判斷行人是否是免票兒童。6. 如權(quán)利要求5所述一種基于激光測距的智能人流量分類統(tǒng)計方法，其特征在于:上述 步驟Ξ中，當多人并排進出時，如果首先觸發(fā)了一號激光模塊，則系統(tǒng)W激光發(fā)射的頻率W 每次拼角度快速轉(zhuǎn)動云臺并發(fā)射二號激光對人群做正面掃描，記錄返回的距離J:，掃描完 成之后云臺快速轉(zhuǎn)回初始角度等待人群觸發(fā)二號激光，此時認為人群行走方向為進;如果 首先觸發(fā)了二號激光，且短時間內(nèi)觸發(fā)到一號激光，則在一號激光被觸發(fā)的瞬間，系統(tǒng)同樣 W激光發(fā)射的頻率W每次角度島快速轉(zhuǎn)動云臺并發(fā)射二號激光對人群做背面掃描，掃描完 成之后云臺快速轉(zhuǎn)回初始角度，記錄返回的距離/，此時認為人群行走方向為出； 如此我們得到一組W發(fā)射次序《、發(fā)射角度獲、返回距離乂和垂直距離放形成的四維變 量： 扭，'嗎.，.在為.)南;:;，斯，鳥>'公2來％.為，.在，.^.3.)".-:|，.:也^ 四維變量集合形成的點群投影到垂直距離沁、發(fā)射次序《的平面上得到一些分布規(guī)律 的點，運些點經(jīng)高斯擬合之后得到一條如下分段曲線： 函數(shù)為：口如 K(/，6，f) 結(jié)合該函數(shù)圖像的局部波峰個數(shù)、圖像圖形學和常規(guī)行為模式對人數(shù)進行判斷。7. 如權(quán)利要求5所述一種基于激光測距的智能人流量分類統(tǒng)計方法，其特征在于:上述 步驟四中，設(shè)置A值為0.8m，表示普通學步兒童身高，設(shè)置C值為1.4m，表示免票兒童身高。8. 如權(quán)利要求5所述一種基于激光測距的智能人流量分類統(tǒng)計方法，其特征在于:所述 方法中，一號激光模塊、二號激光模塊和Ξ號激光發(fā)射采集的數(shù)據(jù)經(jīng)控制板發(fā)送至激光測 距系統(tǒng)客戶端進行運算，上述數(shù)據(jù)應用矯正算法處理，綜合高斯算法和卡爾曼濾波過濾微 小變化，不斷修正在運動狀態(tài)或者靜止狀態(tài)下造成的誤差。9. 如權(quán)利要求8所述一種基于激光測距的智能人流量分類統(tǒng)計方法，其特征在于:所述 矯正算法，其包含有下述步驟： 1)數(shù)據(jù)采集:一號激光模塊、二號激光模塊和Ξ號激光模塊不斷采集其到固定板的距 離，測量目標在運動狀態(tài)下的從測距板到激光儀器的距離值并組合圖像，W每秒發(fā)射30次 激光光束為計，在測量過程中分別W3個激光模塊為原點測得測量值的Ξ維數(shù)據(jù)：狀態(tài)處理:應用數(shù)據(jù)融合算法對采集到的圖像進行綜合融合，得到對現(xiàn)實狀態(tài)的可靠 描述，從而得到當前測量值心腳的目標運動軌跡，進而預測在下一狀態(tài)下的估計值 如A +11巧，計算出在運運動狀態(tài)的糾偏量σ ; 首先建立一個離散系統(tǒng)，在k時刻假設(shè)該控制系統(tǒng)的狀態(tài)模型為：在k時刻的測量值為：結(jié)合k時刻的上一時刻的狀態(tài)模型，獲得k時刻的估計值：計算在獲得k時刻的估計值后的糾偏量：式中，口、盈分別是系統(tǒng)的第一參數(shù)和第二參數(shù)，杖表示控制量，職和擴分別表示系統(tǒng) 噪聲和觀測噪聲，某為測量過程的系統(tǒng)參數(shù)，徑為系統(tǒng)噪聲的協(xié)方差陣，力心的轉(zhuǎn)置矩 陣； 軌跡跟蹤:結(jié)合卡爾曼濾波對測量的測距值和估計值進行最優(yōu)估計謀排悼+鳴，得到 濾波精度估計值，通過目標物體的運動狀態(tài)，W不斷更新由于各種噪聲造成的誤差巧，使得 濾波后的值更加接近真實值； 利用在k時刻的測量值和估計值得到k時刻的實際值：計算卡爾曼增益kg:更新在k時刻的實際糾偏量：式中藍為觀測噪聲的協(xié)方差陣，賞為?的轉(zhuǎn)置矩陣。
【文檔編號】G01S17/08GK105842704SQ201610151898
【公開日】2016年8月10日
【申請日】2016年3月17日
【發(fā)明人】邢懷球, 管過, 宋榮中, 鞏麗濤, 王瑤, 田猛, 邢康橋, 朱晉逾
【申請人】江蘇漢德天坤數(shù)字技術(shù)有限公司