车辆检测方法、装置以及计算机存储介质.pdf

《车辆检测方法、装置以及计算机存储介质.pdf》由会员分享，可在线阅读，更多相关《车辆检测方法、装置以及计算机存储介质.pdf（14页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010496693.3 (22)申请日 2020.06.03 (71)申请人 浙江大华技术股份有限公司 地址 310051 浙江省杭州市滨江区滨安路 1187号 (72)发明人 郝行猛舒梅王耀农 (74)专利代理机构 深圳市威世博知识产权代理 事务所(普通合伙) 44280 代理人 黎坚怡 (51)Int.Cl. G06K 9/00(2006.01) G06K 9/32(2006.01) (54)发明名称 一种车辆检测方法、 装置以及计算机存储介 质 (57)摘要 本申请公。

2、开了一种车辆检测方法、 装置以及 计算机存储介质， 该车辆检测方法包括： 获取连 续多帧的停车位图像； 通过目标检测模型获取停 车位图像中的车辆框； 采用尾灯检测算法从车辆 框中获取尾灯检测框， 并基于尾灯检测框计算尾 灯标志位； 根据尾灯标志位的状态值划分出车辆 框中的有效检测区域； 在车辆框的有效检测区域 内定位车牌框。 通过上述方法， 本申请通过尾灯 标志位的状态对车辆框进行自适应切割， 确定车 牌检测的有效区域， 能够有效缩小车牌检测区 域， 减少计算量， 提高车辆定位效率。 权利要求书2页 说明书7页 附图4页 CN 111652143 A 2020.09.11 CN 1116521。

3、43 A 1.一种车辆检测方法， 其特征在于， 所述车辆检测方法包括： 获取连续多帧的停车位图像； 通过目标检测模型获取所述停车位图像中的车辆框； 采用尾灯检测算法从所述车辆框中获取尾灯检测框， 并基于所述尾灯检测框计算尾灯 标志位； 根据所述尾灯标志位的状态值划分出所述车辆框中的有效检测区域； 在所述车辆框的有效检测区域内定位车牌框。 2.根据权利要求1所述的车辆检测方法， 其特征在于， 所述通过目标检测模型获取所述停车位图像中的车辆框的步骤， 包括： 通过所述目标检测模型获取所述停车位图像中的车辆框以及对应的置信度； 将所述连续多帧的停车位图像的车辆框的置信度与置信度阈值进行比较； 将所述。

4、置信度大于所述置信度阈值的首帧停车位图像作为起始帧。 3.根据权利要求2所述的车辆检测方法， 其特征在于， 所述将所述置信度大于所述置信度阈值的首帧停车位图像作为起始帧的步骤之后， 所 述车辆检测方法还包括： 获取所述起始帧以及后续帧的停车位图像中的车辆框中心点坐标； 计算每两个所述停车位图像中的车辆框中心点坐标的欧式距离； 若所述欧式距离均小于距离阈值， 则判定所述车辆处于稳定状态。 4.根据权利要求2所述的车辆检测方法， 其特征在于， 所述基于所述尾灯检测框计算尾灯标志位的步骤， 包括： 当所述停车位图像中不存在所述尾灯检测框时， 将所述尾灯标志位设置为0； 当所述停车位图像中存在一个所述。

5、尾灯检测框时， 将所述尾灯标志位设置为1； 当所述停车位图像中存在两个所述尾灯检测框， 且两个所述尾灯检测框的面积比值小 于比值阈值时， 将所述尾灯标志位设置为0； 当所述停车位图像中存在两个所述尾灯检测框， 且两个所述尾灯检测框的面积比值大 于或等于所述比值阈值时， 将所述尾灯标志位设置为1。 5.根据权利要求4所述的车辆检测方法， 其特征在于， 所述基于所述尾灯检测框计算尾灯标志位的步骤之后， 所述车辆检测方法还包括： 将所有的停车位图像中置信度最高的停车位图像作为最终停车位图像； 获取所有的停车位图像的尾灯标志位进行累加处理； 当累加处理结果大于所有停车位图像帧数的一半， 则最终尾灯标记。

6、位设置为1； 当累加处理结果小于或等于所有停车位图像帧数的一半， 则最终尾灯标记位设置为0。 6.根据权利要求5所述的车辆检测方法， 其特征在于， 所述在所述车辆框的有效检测区域内定位车牌框的步骤， 包括： 当所述最终尾灯标记位为0时， 将所述最终停车位图像的车辆框的下半区域设置为所 述有效检测区域； 当所述最终尾灯标记位为1时， 将所述最终停车位图像的车辆框包含所述尾灯检测框 的区域设置为所述有效检测区域； 采用YOLO深度学习检测算法在所述有效检测区域中进行所述车牌框的检测定位， 获取 权利要求书 1/2 页 2 CN 111652143 A 2 所述车牌框的宽度和高度。 7.根据权利要求。

7、1所述的车辆检测方法， 其特征在于， 所述在所述车辆框的有效检测区 域内定位车牌框的步骤之后， 所述车辆检测方法还包括： 根据所述车牌框以及标定的车牌宽高比计算车辆的位姿信息。 8.根据权利要求7所述的车辆检测方法， 其特征在于， 所述位姿信息包括偏移角； 所述根据所述车牌框以及标定的车牌宽高比计算车辆的位姿信息的步骤， 包括： 根据所述车牌框的宽度和高度计算所述车牌框的宽高比； 由所述车牌框的宽高比和所述标定的车牌宽高比获取车辆的所述偏移角。 9.根据权利要求7所述的车辆检测方法， 其特征在于， 所述根据所述车牌框以及标定的车牌宽高比计算车辆的位姿信息的步骤， 包括： 若从所述车辆框中无法获。

8、取所述尾灯检测框， 判定所述车辆为背向停放。 10.一种车辆检测装置， 其特征在于， 所述车辆检测装置包括处理器和存储器； 所述存 储器中存储有计算机程序， 所述处理器用于执行所述计算机程序以实现如权利要求19中 任一项所述车辆检测方法的步骤。 11.一种计算机存储介质， 其特征在于， 所述计算机存储介质存储有计算机程序， 所述 计算机程序被执行时实现如权利要求19中任一项所述车辆检测方法的步骤。 权利要求书 2/2 页 3 CN 111652143 A 3 一种车辆检测方法、 装置以及计算机存储介质 技术领域 0001 本申请涉及图像识别技术领域， 特别是涉及一种车辆检测方法、 装置以及计算。

9、机 存储介质。 背景技术 0002 随着智能交通系统(ITS)在智能公安交管控制系统的成功应用， 精准的车辆违章 抓拍对于规范交通安全驾驶及智慧城市建设有着极为重要的作用； 其中， 路侧停放车辆状 态的监控作为ITS的重要组成部分， 快速精准的定位车牌的有效区域及车辆姿态估计方法 已成为ITS智能化水平的关键衡量标准。 0003 现有技术的方法是把整张图像作为数据输入， 预处理复杂度较大， 难以满足实时 性需求。 发明内容 0004 本申请提供一种车辆检测方法、 装置以及计算机存储介质， 以解决现有技术中对 图像的处理复杂度较大， 难以满足实时性需求的问题。 0005 为解决上述技术问题， 本。

10、申请采用的一个技术方案是： 提供一种车辆检测方法， 所 述车辆检测方法包括： 0006 获取连续多帧的停车位图像； 0007 通过目标检测模型获取所述停车位图像中的车辆框； 0008 采用尾灯检测算法从所述车辆框中获取尾灯检测框， 并基于所述尾灯检测框计算 尾灯标志位； 0009 根据所述尾灯标志位的状态值划分出所述车辆框中的有效检测区域； 0010 在所述车辆框的有效检测区域内定位车牌框。 0011 其中， 所述通过目标检测模型获取所述停车位图像中的车辆框的步骤， 包括： 0012 通过所述目标检测模型获取所述停车位图像中的车辆框以及对应的置信度； 0013 将所述连续多帧的停车位图像的车辆。

11、框的置信度与置信度阈值进行比较； 0014 将所述置信度大于所述置信度阈值的首帧停车位图像作为起始帧。 0015 其中， 所述将所述置信度大于所述置信度阈值的首帧停车位图像作为起始帧的步 骤之后， 所述车辆检测方法还包括： 0016 获取所述起始帧以及后续帧的停车位图像中的车辆框中心点坐标； 0017 计算每两个所述停车位图像中的车辆框中心点坐标的欧式距离； 0018 若所述欧式距离均小于距离阈值， 则判定所述车辆处于稳定状态。 0019 其中， 所述基于所述尾灯检测框计算尾灯标志位的步骤， 包括： 0020 当所述停车位图像中不存在所述尾灯检测框时， 将所述尾灯标志位设置为0； 0021 当。

12、所述停车位图像中存在一个所述尾灯检测框时， 将所述尾灯标志位设置为1； 0022 当所述停车位图像中存在两个所述尾灯检测框， 且两个所述尾灯检测框的面积比 说明书 1/7 页 4 CN 111652143 A 4 值小于比值阈值时， 将所述尾灯标志位设置为0； 0023 当所述停车位图像中存在两个所述尾灯检测框， 且两个所述尾灯检测框的面积比 值大于或等于所述比值阈值时， 将所述尾灯标志位设置为1。 0024 其中， 所述基于所述尾灯检测框计算尾灯标志位的步骤之后， 所述车辆检测方法 还包括： 0025 将所有的停车位图像中置信度最高的停车位图像作为最终停车位图像； 0026 获取所有的停车位。

13、图像的尾灯标志位进行累加处理； 0027 当累加处理结果大于所有停车位图像帧数的一半， 则最终尾灯标记位设置为1； 0028 当累加处理结果小于或等于所有停车位图像帧数的一半， 则最终尾灯标记位设置 为0。 0029 其中， 所述在所述车辆框的有效检测区域内定位车牌框的步骤， 包括： 0030 当所述最终尾灯标记位为0时， 将所述最终停车位图像的车辆框的下半区域设置 为所述有效检测区域； 0031 当所述最终尾灯标记位为1时， 将所述最终停车位图像的车辆框包含所述尾灯检 测框的区域设置为所述有效检测区域； 0032 采用YOLO深度学习检测算法在所述有效检测区域中进行所述车牌框的检测定位， 获。

14、取所述车牌框的宽度和高度。 0033 所述在所述车辆框的有效检测区域内定位车牌框的步骤之后， 所述车辆检测方法 还包括： 0034 根据所述车牌框以及标定的车牌宽高比计算车辆的位姿信息。 0035 其中， 所述位姿信息包括偏移角； 0036 所述根据所述车牌框以及标定的车牌宽高比计算车辆的位姿信息的步骤， 包括： 0037 根据所述车牌框的宽度和高度计算所述车牌框的宽高比； 0038 由所述车牌框的宽高比和所述标定的车牌宽高比获取车辆的所述偏移角。 0039 其中， 所述根据所述车牌框以及标定的车牌宽高比计算车辆的位姿信息的步骤， 包括： 0040 若从所述车辆框中无法获取所述尾灯检测框， 判。

15、定所述车辆为背向停放。 0041 为解决上述技术问题， 本申请采用的另一个技术方案是： 提供一种车辆检测装置， 所述车辆检测装置包括处理器和存储器； 所述存储器中存储有计算机程序， 所述处理器用 于执行所述计算机程序以实现如上述车辆检测方法的步骤。 0042 为解决上述技术问题， 本申请采用的另一个技术方案是： 提供一种计算机存储介 质， 其中， 计算机存储介质存储有计算机程序， 计算机程序被执行时实现上述车辆检测方法 的步骤。 0043 区别于现有技术， 本申请的有益效果在于： 车辆检测装置获取连续多帧的停车位 图像； 通过目标检测模型获取停车位图像中的车辆框； 采用尾灯检测算法从车辆框中获。

16、取 尾灯检测框， 并基于尾灯检测框计算尾灯标志位； 根据尾灯标志位的状态值划分出车辆框 中的有效检测区域； 在车辆框的有效检测区域内定位车牌框。 通过上述方法， 本申请通过尾 灯标志位的状态对车辆框进行自适应切割， 确定车牌检测的有效区域， 能够有效缩小车牌 检测区域， 减少计算量， 提高车辆定位效率。 说明书 2/7 页 5 CN 111652143 A 5 附图说明 0044 为了更清楚地说明本发明实施例中的技术方案， 下面将对实施例描述中所需要使 用的附图作简单地介绍， 显而易见地， 下面描述中的附图仅仅是本发明的一些实施例， 对本 领域普通技术人员来讲， 在不付出创造性劳动的前提下， 。

17、还可以根据这些附图获得其他的 附图。 0045 图1是本申请提供的车辆检测方法一实施例的流程示意图； 0046 图2是本申请提供的车辆框上下分割得到有效检测区域的示意图； 0047 图3是本申请提供的车辆框左右分割得到有效检测区域的示意图； 0048 图4是本申请提供的车辆检测方法另一实施例的流程示意图； 0049 图5是本申请提供的车辆检测装置一实施例的结构示意图； 0050 图6是本申请提供的计算机存储介质一实施例的结构示意图。 具体实施方式 0051 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， 所描述的实施例仅是本发明的一部分实施例， 。

18、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。 0052 为解决现有技术对图像的处理复杂度较大， 难以满足实时性需求的问题， 本申请 提出一种车辆检测方法。 具体请参阅图1， 图1是本申请提供的车辆检测方法一实施例的流 程示意图。 0053 本申请的车辆检测方法应用于一种车辆检测装置， 其中， 本申请的车辆检测装置 可以为服务器， 也可以为终端设备， 还可以为由服务器和终端设备相互配合的系统。 相应 地， 车辆检测装置包括的各个部分， 例如各个单元、 子单元、 模块、 子模块可以全部设置于服 务器。

19、中， 也可以全部设置于终端设备中， 还可以分别设置于服务器和终端设备中。 0054 进一步地， 上述服务器可以是硬件， 也可以是软件。 当服务器为硬件时， 可以实现 成多个服务器组成的分布式服务器集群， 也可以实现成单个服务器。 当服务器为软件时， 可 以实现成多个软件或软件模块， 例如用来提供分布式服务器的软件或软件模块， 也可以实 现成单个软件或软件模块， 在此不做具体限定。 0055 如图1所示， 本实施例的车辆检测方法具体包括以下步骤： 0056 S101： 获取连续多帧的停车位图像。 0057 其中， 侧方位场景的两个稳定性条件： (1)路边侧方相机具有同一的安装标准， 且 相机的高。

20、度和倾角是固定的； (2)国内车牌的外观尺寸标准统一， 侧方标定场景下的车牌的 宽高比R_calibration为一标定常量。 0058 对此， 车辆检测装置需要先对标定场景下的车牌进行标定， 标定过程具体如下： 首 先将相机固定安装在对应路边侧方位的位置， 然后将车辆正向停放在路边侧方位区域进行 车牌标定以及将车辆反向停放在路边侧方位区域进行车牌标定， 最后根据侧方位场景下相 机正向车头以及车尾图像， 计算标定车牌的宽高比R_calibration， 具体包括车头车牌宽高 比R_carhead和车尾车牌宽高比R_cartail。 0059 完成车牌标定后， 车辆检测方法通过相机采集连续多帧的。

21、停车位图像。 说明书 3/7 页 6 CN 111652143 A 6 0060 S102： 通过目标检测模型获取停车位图像中的车辆框。 0061 其中， 车辆检测装置通过目标检测模型对停车位图像中的车辆进行检测定位， 以 获取停车位图像中车辆的车辆框， 具体为车辆框在停车位图像中的坐标以及置信度。 0062 具体地， 车辆检测装置可以通过基于深度学习的YOLOV3目标检测训练方法， 设置 CNN卷积神经网络参数对训练集数据进行训练， 得到本实施例所使用的目标检测模型。 0063 S103： 采用尾灯检测算法从车辆框中获取尾灯检测框， 并基于尾灯检测框计算尾 灯标志位。 0064 其中， 车辆。

22、检测装置采用尾灯检测算法对稳定状态下的侧方位车辆进行定位检 测， 并获取车辆框中的尾灯检测框。 进一步地， 车辆检测装置根据尾灯检测框的数量以及相 互位置关系， 计算尾灯标志位。 0065 具体地， 车辆检测装置建立TailLight_Flag(尾灯标志位)&OD_Score(车辆框置信 度)队列， 并存储当前帧的TailLight_Flag值及车辆框置信度OD_Score， 直到累计N帧结束。 其中， 本实施例将N帧设置为58帧， 帧数设置过多， 会导致算法处理耗时增加， 帧数设置过 少， 无法规避车辆框偶然性异常结果。 0066 其中， 尾灯标志位TailLight_Flag状态值输出与尾。

23、灯检测结果有关， 尾灯检测结 果即上述尾灯检测框的数量以及相互位置关系。 例如， 当尾灯检测框只有1个或者两个尾灯 检测框的面积比值UThreshold_Tail时， 尾灯标志位TailLight_Flag状态值输出为1； 当 尾灯检测框个数为0或者两个检测框面积比值0UN/2时， 将最终尾灯标记 位设置为1； 当Sum_TailN/2时， 将最终尾灯标记位设置为0。 0072 进一步地， 车辆检测装置将上述队列中车辆框置信度OD_Score最高的停车位图像 作为最终停车位图像， 其中的车辆框作为最终车辆框。 进而， 车辆检测装置在车辆稳定状态 下， 通过最终停车位图像以及综合多帧尾灯标记位运。

24、算结果计算最终车辆框中的有效检测 区域， 保证目标状态的稳定性。 车辆检测装置根据最终尾灯标志位的状态值对最终车辆框 做分割处理， 定位出车牌检测的有效检测区域。 0073 具体地， 当最终尾灯标记位为0时， 车辆检测装置将最终车辆框做上下分割处理， 并将最终车辆框的下半部分作为车牌检测的有效检测区域， 具体请参阅图2； 当最终尾灯标 记位为1时， 车辆检测装置将最终车辆框做左右分割处理， 结合尾灯检测框的位置选择包含 尾灯检测框的车辆框分割部分作为车牌检测的有效检测区域， 具体请参阅图3。 说明书 4/7 页 7 CN 111652143 A 7 0074 S105： 在车辆框的有效检测区域。

25、内定位车牌框。 0075 其中， 车辆检测装置采用YOLO深度学习检测算法在步骤104分割得到的车牌框有 效检测区域中进行车牌检测定位， 能够有效缩小车牌检测区域， 减少计算量。 0076 具体地， 车辆检测装置输出车牌定位信息(x， y， w， h)， 其中， (x， y)是车牌检测框中 心点坐标， w是车牌检测框的宽度， h是车牌检测框的高度。 0077 在一些可能的实施例中， 车辆检测装置还可以根据车辆框以及标定的标定的车牌 宽高比计算车辆的位姿信息。 0078 具体地， 车辆检测装置根据车牌检测框的宽高比Kp与场景标定车牌的宽高比R_ calibrationd之间的比例关系获取目标车辆。

26、的偏移角 ， 具体计算公式如下： 0079 Kpw/h 0080 0081 进一步地， 车辆检测装置还可以通过尾灯的检测结果判别车辆相对于相机的停放 方向。 当车辆框中存在尾灯检测框时， 车辆检测装置判定车辆为正向停放； 当车辆框中不存 在尾灯检测框时， 车辆检测装置判定车辆为背向停放。 0082 最终， 车辆检测装置根据车辆的偏移角以及停放方向输出车辆的位姿信息。 0083 在本实施例中， 车辆检测装置获取连续多帧的停车位图像； 通过目标检测模型获 取停车位图像中的车辆框； 采用尾灯检测算法从车辆框中获取尾灯检测框， 并基于尾灯检 测框计算尾灯标志位； 根据尾灯标志位的状态值划分出车辆框中的。

27、有效检测区域； 在车辆 框的有效检测区域内定位车牌框， 本申请通过尾灯标志位的状态对车辆框进行自适应切 割， 确定车牌检测的有效区域， 能够有效缩小车牌检测区域， 减少计算量， 提高车辆定位效 率。 0084 在上述车辆检测方法实施例的基础上， 本申请还提出了另一种具体的车辆检测方 法， 具体请参阅图4， 图4是本申请提供的车辆检测方法另一实施例的流程示意图。 0085 如图4所示， 本实施例的车辆检测方法具体包括以下步骤： 0086 S201： 获取连续多帧的停车位图像。 0087 S202： 通过目标检测模型获取停车位图像中的车辆框以及对应的置信度。 0088 其中， 置信度是衡量目标检测。

28、模型输出的车辆框坐标质量的一个指标， 置信度越 高， 说明对应的车辆框越准确。 目标检测模型在输出车辆框时， 同时输出对应的置信度， 便 于后续选择最佳起始帧。 0089 S203： 将连续多帧的停车位图像的车辆框的置信度与置信度阈值进行比较。 0090 S204： 将置信度大于置信度阈值的首帧停车位图像作为起始帧。 0091 其中， 车辆检测装置根据停车位图像的获取顺序将停车位图像的车辆框的置信度 与置信度阈值进行比较， 直至获取首帧置信度大于设定置信度阈值的车辆框所在的停车位 图像， 并将该帧停车位图像作为车辆检测方法的起始帧停车位图像。 0092 具体地， 本实施例通过将首帧置信度大于设。

29、定置信度阈值的车辆框所在的停车位 图像作为车辆检测方法的起始帧停车位图像， 能够有效过滤掉初始状态不可靠的车辆框检 测结果， 保证后续检测车辆的稳定性。 0093 S205： 获取起始帧以及后续帧的停车位图像中的车辆框中心点坐标。 说明书 5/7 页 8 CN 111652143 A 8 0094 其中， 车辆检测装置根据目标检测模型输出的车辆框， 进一步获取起始帧以及后 续帧的停车位图像中的车辆框中心点坐标。 0095 进一步地， 车辆检测装置可以设置帧间步长为step帧， 只需获取起始帧至 step帧之间的车位图像中的车辆框中心点坐标。 0096 S206： 计算每两个停车位图像中的车辆框。

30、中心点坐标的欧式距离。 0097 其中， 车辆检测装置将起始帧至step帧之间车辆框中心点坐标之间的欧式距离 设置为S， 假设起始帧车辆框中心点坐标为C_start(Xs,Ys)， 终止帧车辆框中心点坐标为 C_end(Xe,Ye)， 则欧式距离位移计算公式具体如下： 0098 0099 S207： 若欧式距离均小于距离阈值， 则判定车辆处于稳定状态。 0100 其中， 当上述起始帧至终止帧的车辆框中心点的欧式距离小于设定距离阈值， 车 辆检测装置判定车辆处于稳定状态， 可以进一步定位车辆的位姿信息。 0101 为了实现上述实施例的车辆检测方法， 本申请还提供了一种车辆检测装置， 具体 请参阅。

31、图5， 图5是本申请提供的车辆检测装置一实施例的结构示意图。 0102 如图5所示， 本实施例的车辆检测装置500包括处理器51、 存储器52、 输入输出设备 53以及总线54。 0103 该处理器51、 存储器52、 输入输出设备53分别与总线54相连， 该存储器52中存储有 计算机程序， 处理器51用于执行计算机程序以实现上述实施例的车辆检测方法。 0104 在本实施例中， 处理器51还可以称为CPU(Central Processing Unit， 中央处理单 元)。 处理器51可能是一种集成电路芯片， 具有信号的处理能力。 处理器51还可以是通用处 理器、 数字信号处理器(DSP)、 。

32、专用集成电路(ASIC)、 现场可编程门阵列(FPGA)或者其它可 编程逻辑器件、 分立门或者晶体管逻辑器件、 分立硬件组件。 处理器51还可以是GPU (Graphics Processing Unit， 图形处理器)， 又称显示核心、 视觉处理器、 显示芯片， 是一种 专门在个人电脑、 工作站、 游戏机和一些移动设备(如平板电脑、 智能手机等)上图像运算工 作的微处理器。 GPU的用途是将计算机系统所需要的显示信息进行转换驱动， 并向显示器提 供行扫描信号， 控制显示器的正确显示， 是连接显示器和个人电脑主板的重要元件， 也是 “人机对话” 的重要设备之一。 显卡作为电脑主机里的一个重要组。

33、成部分， 承担输出显示图 形的任务， 对于从事专业图形设计的人来说显卡非常重要。 通用处理器可以是微处理器或 者该处理器51也可以是任何常规的处理器等。 0105 本申请还提供一种计算机存储介质， 如图6所示， 计算机存储介质600用于存储计 算机程序61， 计算机程序61在被处理器执行时， 用以实现如本申请车辆检测方法实施例中 所述的方法。 0106 本申请车辆检测方法实施例中所涉及到的方法， 在实现时以软件功能单元的形式 存在并作为独立的产品销售或使用时， 可以存储在设备中， 例如一个计算机可读取存储介 质。 基于这样的理解， 本申请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。

34、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一个存 储介质中， 包括若干指令用以使得一台计算机设备(可以是个人计算机， 服务器， 或者网络 设备等)或处理器(processor)执行本发明各个实施方式所述方法的全部或部分步骤。 而前 说明书 6/7 页 9 CN 111652143 A 9 述的存储介质包括： U盘、 移动硬盘、 只读存储器(ROM， Read-Only Memory)、 随机存取存储器 (RAM， Random Access Memory)、 磁碟或者光盘等各种可以存储程序代码的介质。 0107 以上所述仅为本发明的实施方式， 并非因此限制本发明的专利范围， 凡是利用本 发明说明书及附图内容所作的等效结构或等效流程变换， 或直接或间接运用在其他相关的 技术领域， 均同理包括在本发明的专利保护范围内。 说明书 7/7 页 10 CN 111652143 A 10 图1 说明书附图 1/4 页 11 CN 111652143 A 11 图2 图3 说明书附图 2/4 页 12 CN 111652143 A 12 图4 说明书附图 3/4 页 13 CN 111652143 A 13 图5 图6 说明书附图 4/4 页 14 CN 111652143 A 14 。