基于AMR传感器的车辆检测算法(2)

来源：网络收集时间：2026-10-03

导读：算法会在检测状态和有车状态之间循环，完成一次循环就是检测到有车辆经过节点，所以，循环的次数就是车辆的数量，这样可以达到道路交通车流量的检测。 2 Fig4 图4 车辆检测算法流程图 Flowchartofvehicledetectiona

算法会在检测状态和有车状态之间循环，完成一次循环就是检测到有车辆经过节点，所以，循环的次数就是车辆的数量，这样可以达到道路交通车流量的检测。

Fig4

图4

车辆检测算法流程图

Flowchartofvehicledetectionalgorithm

算法验证

Y，Z三个轴的信号进行处分别对AMR传感器的X，

理，对车辆地磁响应信号波形处理过程如图5～图7所示。

450

400350300250200150100500信号强度/counts

1．4更新模块

更新模块包括基线的更新和阈值的更新两部分。系统

XZY

在初始化状态，基线和阈值是预先设定的，当传感器采集多次信号后，由均值滤波得到3个轴各自的初始基线；阈值是经过多次实验经验所得，用于检测车辆信号。

系统进入检测状态后会不断地根据一个加权函数来更实现基线的重新标定。滤波后的信号是在以一定新基线，

如式（3）所示的是3个轴基线权值的方式不断地更新基线，的加权函数

Bsi（k）=式中

Fig5

信号强度/counts

102030405060708090100110

图5

450

400350300250200150100500

原始车辆响应信号波形

Originalresponsesignalwaveformofvehicle

XZY

{

Bsi（k－1）（1－i）+f1（k）i，无车Bsi（k－1），有车

，（3）

Bsi（k）为自适应基线，f（k）为经过滤为加权系数，

Fig6

102030405060708090100110

时间/s

图6滤波后的车辆响应信号波形

k为信号的个数，波后连续的磁信号，右下角i代表3个磁轴之一。当外界环境发生变化时，为了更准确地确定基线，这个权值一般设为0．05较好。权值越大基线变化越快，受

Responsesignalwaveformofvehicleafterfiltering

阈值的更新主要是对多次干扰信号的采集，选取最大的干扰信号作为新的阈值。根据1．3．1节中的车辆信号的判断方法，可以得到干扰信号，系统没有车辆信号的情况不断地把干扰信号与基线作比较，选取最大的干扰差值下，

作为新的阈值。

如图4是车辆检测算法流程图，可以清楚地看到基线和阈值是在没有车辆信号的情况下进行的循环更新。基线是不断地循环自动更新的，阈值是经过多次干扰取得的最大值。这样的情况下可以很准确地除掉干扰信号，检测出车辆的存在。确保了监测道路交通车辆的实时性和准确性。

车数量/辆

干扰影响越大；相反，基线变化越慢，受干扰影响较小。

1.2

1.00.80.60.40.20

102030405060708090100110

时间/s

图7Fig7

检测结果波形

Testresultswaveform

由图可以看出：信号进行滤波处理后变到平滑，这样使能够更好地提取出车辆信息。3个坐标得算法更容易实现，

轴在有车辆驶入时都有变化，至少要有2个轴检测出车辆，系统才能够提取出车辆的信息。在信息处理过程中要进行信号的确认，所以，系统有几个数据的延迟。

选取深圳市南山区留仙大道作为实验场地，那里车流

深入研究了各向异性磁阻( AMR) 传感器的数据采集原理和特征波形向量提取方法,提出了一种基于AMR 传感器的车辆检测算法: 自适应状态机的车辆检测算法。该算法可以自适应地更新阈值和基线,利用状态机,达到对车辆的准确和高效的检测。可以用于检测道路交通车流量,也可以应用在大型停车场的车辆诱导系统。

简单，运行速度快，很适合应用于单片机。参考文献：

［1］苏东海，王

量密集，很适合作为实验场地。利用AMR传感器实地采集采样频率为50Hz。根据车辆的长度不一，实验对车数据，

辆进行简单分类，主要分为行驶中的小型车、中型车、大型4～车和特型车四类。其分类标准为：4m以下为小型车，7m为中型车，7～11m为大型车，11m以上为特型车。实验由于小型车辆中摩托车对地磁型号相应比得到多组数据，

较小，所以，给实验带来一定的干扰。

实验对采集数据进行滤波处理和车辆检测结果，整理表1是对这四类车辆的检测结果。通过以上出四组数据，

数据显示可以看出：较多数据的提取中，这种自适应状态机的车辆检测算法的检测率可以达到98%以上，大大提高了同时可以应用到大型停车场的车对道路车流量的检测率，

辆诱导管理系统中。所以，这种算法具有很好的鲁棒性，对于不同检测地点，可以保持很好的检测精度。

表1

Tab1

车型小型车中型车大型车特型车

亮，马寿峰．基于地磁感应的车辆检测方法的研

．北京：清华大渝．无线传感器网络［M］

J］．交通与计算机．2007，25（3）：9－13．究［

［2］孙利民，李建中，陈

2005：110－125．学出版社，

［3］CarusoCJ，WithamwasamLS．Vehicledetectionandcompass

applicationsusingAMRmagneticsensors［J］．SensExpoProc，1999：477－488．

［4］姜胜山．基于WSNs的车辆检测系统的研究与设计［D］．长

2009：37－39．沙：国防科学技术大学，［5］曹

喆，闻

育，潘

Means分类的状态霓，等．一种基于K-

．工业控制计算机，2010（23）：55－58．机车辆检测算法［J］［6］曹奕涛，杨

波．基于无线传感器网络的入侵检测系统设

J］．电子技术应用，2010，36（2）：106－110．计［

［7］CheungSY，VaraiyaP．Trafficsurveillancebywirelesssensor

networks：Finalreport［D］．Berley：Universityofcaliornia，2007：55－59．

［8］DingJ，CheungSY，TanCW，etal．Signalprocessingofsensor

nodedataforvehicledetection［C］2004：∥The7thIEEEITSC，70．

［9］CheungSY．ColeriS．Trafficmeasurementandvehicleclassifica-tionwithasinglemagneticsensor［C］∥The84thAnnualMeetingonTransportationResearchBoard，WashingtonDC［s．n．］，2004：6－11．［10］闻

育，潘

霓．基于磁偏角的车辆检测的研究［C］∥第27

智能车辆检测结果

Detectionresultofintelligentvehicle

实际值（辆）

5713514373

检测值（辆）

5613414272

检测率（%）

98．39910098．6

3结束语

算法结合车辆地磁响应信号的具体特征，采用智能状

态机的车辆检测方法，将车辆地磁响应信号分为处于检测状态和有车状态两类，能够动态地调整基线和阈值，这样就不必考虑背景磁场的漂移和交通状况发生改变带来的影具有较强的鲁棒性。算法简化状态机算法，结合自动基响，

线阈值更新部分，对车辆具有很好的检测效果。同时算法

2008：586－590．届中国控制会议，昆明，

作者简介：

李云龙（1987－），男，山东德州人，硕士研究生，主要从事无线传感器网络方面的研究。

檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸

（上接第118页）4

结

论

因为基于特征点的等曲率配准算法与邻近搜索的ICP算法是很独立的算法，但本文采用预配准和精细配准的形式将它们结合起来，实例证明：该方法提高了配准的精度和速度，克服了ICP算法计算量大且存在可能无法收敛到全具有更高的可靠性和稳定性，有较高的实局最优解的缺陷，

际应用价值。算法对处理的点云数据规模无特别限制。参考文献：

［1 …… 此处隐藏：2642字，全部文档内容请下载后查看。喜欢就下载吧 ……

基于AMR传感器的车辆检测算法(2).doc 将本文的Word文档下载到电脑，方便复制、编辑、收藏和打印

下载这篇word文档

本文链接：https://www.jiaowen.net/wenku/94451.html（转载请注明文章来源）

上一篇：分子生物学在检验医学中的应用
下一篇：2019年脱贫攻坚知识竞赛试题及答案