本发明涉及激光雷达系统，具体为一种高速收费系统的前置激光雷达车型识别方法及系统。
背景技术：
1、高速收费系统的自动化和智能化已成为提升交通效率和降低运营成本的关键技术之一，在众多技术中，车型识别技术因其对收费准确性和系统效率的重要性而受到广泛关注；传统的车型识别技术主要依赖于图像处理和雷达技术，并通过预先构建的神经网络模型，对车型进行识别，然而，这些技术在复杂环境下的稳定性和准确性仍面临挑战，特别是在高速行驶环境下，车辆姿态变化、天气条件以及路面污染物等因素均对识别精度产生显著影响；
2、现有技术中的，公开号为cn112365718b，名称为一种激光车型识别方法及装置，利用两台垂直安装的激光测距雷达测距数据，经过拼接、组合、转换得出车辆在三维空间中的点云数据，依据对点云数据在时域中变化量、在三维空间面上的投影，在三维空间中的坐标处理，经过车型判别算法处理得出车辆车型，实现了由激光雷达数据直观得出车辆车型，显著提高车型识别的正确率；
3、尽管如此，该技术在实际应用中仍面临挑战，特别是在环境因素（温度、湿度、能见度、大气光学厚度）和激光雷达自身清洁度对数据质量的影响方面，现有技术未能提供有效的动态调整和优化机制，这在一定程度上影响了车型识别系统的稳定性和鲁棒性；
4、在上述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本发明的目的在于提供一种高速收费系统的前置激光雷达车型识别方法及系统，以解决上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：
3、一种高速收费系统的前置激光雷达车型识别方法，具体步骤包括：
4、步骤s1：确定激光雷达车型识别模组中的两个激光雷达之间夹角为θ，并将垂直向下的激光雷达标记为i，将倾斜向下的激光雷达标记为j；
5、步骤s2：实时收集两个激光雷达周围的环境数据，并分别监测激光雷达i与激光雷达j上探测端表面的污染物特征数据，将环境数据、污染物特征数据通过无线网络传输至中央处理单元，并进行数据预处理；
6、步骤s3：获取经过预处理后的环境数据进行分析，并生成环境影响系数，环境影响系数用于评价环境数据对激光雷达精度的影响程度；
7、步骤s4：获取监测激光雷达i上经过预处理后的污染物特征数据，并进行分析处理，生成第一清洁度影响系数；获取激光雷达j上经过预处理后的污染物特征数据，并进行分析处理，生成第二清洁度影响系数；
8、步骤s5：获取环境影响系数和第一清洁度影响系数，并进行分析处理，构建第一调整指数，第一调整指数用于生成对激光雷达i的扫描参数进行动态调整的第一调整策略；
9、步骤s6：获取环境影响系数和第二清洁度影响系数，并进行分析处理，构建第二调整指数，第二调整指数用于生成对激光雷达j的扫描参数进行动态调整的第二调整策略；
10、步骤s7：设定第一调整策略与第二调整策略的调整阈值，分别为第一阈值和第二阈值，并将第一调整策略与第一阈值进行比对分析，生成第一比对结果；将第二调整策略与第二阈值进行比对分析，生成第二比对结果；
11、步骤s8：获取第一比对结果和第二比对结果后，进行综合分析，并最终确定夹角θ调整后角度；
12、步骤s9：对夹角θ的调整量进行等级划分，调整量越大，等级划分越高，根据不同的调整量等级，对下次车型识别时的第一阈值和第二阈值进行相应数值的微调校准；
13、步骤s10：根据调整后的夹角和扫描参数，通过激光雷达i和激光雷达j进行车辆扫描，得到车辆信息，并通过预训练的神经网络算法完成车型识别工作，将原始数据进行匹配识别，生成输出内容，输出内容包括车型、车高、车长、车速数据。
14、进一步地，所述获取第一比对结果和第二比对结果后，进行综合分析，并最终确定夹角θ调整后角度，具体包括以下内容：
15、定义夹角θ综合调整后为，计算公式为：
16、；
17、其中，是根据第一比对结果计算的调整后夹角，是根据第二比对结果计算的调整后夹角，是调整系数，用于对的正、负进行调整；
18、设定的取值选择为；
19、当和均是减少夹角时：取值范围为；
20、当和均是增加夹角时，取值范围是；
21、当与中任意一个增加夹角，另一个减少夹角时；
22、激光雷达i大于激光雷达j的权重时，；
23、激光雷达i小于激光雷达j的权重时，；
24、激光雷达i等于激光雷达j的权重时，。
25、进一步地，对夹角θ的调整量进行以下等级划分，并设定当前的夹角θ调整量为；
26、低调整量表示夹角调整量小于5%；
27、中调整量表示夹角调整量介于5%-20%之间；
28、高调整量表示夹角调整量大于20%；
29、1）当调整量等级为低调整量时，对下次车型识别时的第一阈值r1和第二阈值r2进行相应数值的微调校准，微调公式为：
30、；
31、其中，是调整后的第一阈值；是调整后的第二阈值；是当前的调整量；
32、2）当调整量等级为中调整量时，对下次车型识别时的第一阈值r1和第二阈值r2进行相应数值的微调校准，微调公式为：
33、；
34、3)当调整量等级为高调整量时，对下次车型识别时的第一阈值r1和第二阈值r2进行相应数值的微调校准，微调公式为：
35、。
36、一种高速收费系统的前置激光雷达车型识别系统，所述系统用于执行所述的高速收费系统的前置激光雷达车型识别方法，包括：
37、夹角标记模块：用于确定激光雷达车型识别模组中的两个激光雷达之间夹角为θ，并将垂直向下的激光雷达标记为i，将倾斜向下的激光雷达标记为j；
38、数据处理模块：用于实时收集两个激光雷达周围的环境数据，并分别监测激光雷达i与激光雷达j上探测端表面的污染物特征数据，将环境数据、污染物特征数据通过无线网络传输至中央处理单元，并进行数据预处理；
39、环境影响系数生成模块：用于获取经过预处理后的环境数据进行分析，并生成环境影响系数，环境影响系数用于评价环境数据对激光雷达精度的影响程度；
40、清洁度影响系数生成模块：用于获取监测激光雷达i上经过预处理后的污染物特征数据，并进行分析处理，生成第一清洁度影响系数；获取激光雷达j上经过预处理后的污染物特征数据，并进行分析处理，生成第二清洁度影响系数；
41、第一调整指数生成模块：用于获取环境影响系数和第一清洁度影响系数，并进行分析处理，构建第一调整指数，第一调整指数用于生成对激光雷达i的扫描参数进行动态调整的第一调整策略；
42、第二调整指数生成模块：用于获取环境影响系数和第二清洁度影响系数，并进行分析处理，构建第二调整指数，第二调整指数用于生成对激光雷达j的扫描参数进行动态调整的第二调整策略；
43、比对模块：用于设定第一调整策略与第二调整策略的调整阈值，分别为第一阈值和第二阈值，并将第一调整策略与第一阈值进行比对分析，生成第一比对结果；将第二调整策略与第二阈值进行比对分析，生成第二比对结果；
44、角度调整模块：用于获取第一比对结果和第二比对结果后，进行综合分析，并最终确定夹角θ调整后角度；
45、微调校准模块：用于对夹角θ的调整量进行等级划分，调整量越大，等级划分越高，根据不同的调整量等级，对下次车型识别时的第一阈值和第二阈值进行相应数值的微调校准；
46、车型识别模块：用于根据调整后的夹角和扫描参数，通过激光雷达i和激光雷达j进行车辆扫描，得到车辆信息，并通过预训练的神经网络算法完成车型识别工作，将原始数据进行匹配识别，生成输出内容，输出内容包括车型、车高、车长、车速数据。
47、与现有技术相比，本发明的有益效果是：
48、通过集成两个不同角度的激光雷达，并结合环境影响系数和清洁度影响系数的动态调整策略，最终通过调整指数来调整激光雷达的扫描参数，并通过第一比对结果和第二比对结果的生成，最终确定夹角θ调整后角度，同时对夹角θ的调整量进行等级划分，对下次车型识别时的第一阈值和第二阈值进行相应数值的微调校准，能够使两个不同角度的激光雷达根据实际环境数据、污染物特征数据，来对夹角θ进行动态调整，提高了车型识别方法输出结果的准确度。
1.一种高速收费系统的前置激光雷达车型识别方法，该方法应用于激光雷达车型识别模组，其特征在于，具体步骤包括：
2.根据权利要求1所述的一种高速收费系统的前置激光雷达车型识别方法，其特征在于：所述确定激光雷达车型识别模组中的两个激光雷达之间夹角为θ，并将垂直向下的激光雷达标记为i，将倾斜向下的激光雷达标记为j，具体包括以下内容：
3.根据权利要求2所述的一种高速收费系统的前置激光雷达车型识别方法，其特征在于：定义环境影响系数为eic，计算公式如下：
4.根据权利要求3所述的一种高速收费系统的前置激光雷达车型识别方法，其特征在于：定义激光雷达i对应的第一调整指数为，计算公式如下：
5.根据权利要求4所述的一种高速收费系统的前置激光雷达车型识别方法，其特征在于：定义激光雷达j对应的第二调整指数为，计算公式如下：
6.根据权利要求5所述的一种高速收费系统的前置激光雷达车型识别方法，其特征在于：将第一调整策略与第一阈值进行比对分析，生成第一比对结果，包括以下内容：
7.根据权利要求6所述的一种高速收费系统的前置激光雷达车型识别方法，其特征在于：
8.根据权利要求7所述的一种高速收费系统的前置激光雷达车型识别方法，其特征在于：对夹角θ的调整量进行以下等级划分，并设定当前的夹角θ调整量为；
9.一种高速收费系统的前置激光雷达车型识别系统，其特征在于：所述系统用于执行权利要求1-8任意一项所述的高速收费系统的前置激光雷达车型识别方法，包括：
