CN107463176A - 一种全天候自动驾驶*** - Google Patents
一种全天候自动驾驶*** Download PDFInfo
- Publication number
- CN107463176A CN107463176A CN201710714512.8A CN201710714512A CN107463176A CN 107463176 A CN107463176 A CN 107463176A CN 201710714512 A CN201710714512 A CN 201710714512A CN 107463176 A CN107463176 A CN 107463176A
- Authority
- CN
- China
- Prior art keywords
- image
- misty
- subsystem
- defogging
- round
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000010365 information processing Effects 0.000 claims abstract description 18
- 230000005540 biological transmission Effects 0.000 claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims description 45
- 239000003595 mist Substances 0.000 claims description 20
- 230000008030 elimination Effects 0.000 claims description 19
- 238000003379 elimination reaction Methods 0.000 claims description 19
- 230000000694 effects Effects 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 claims description 2
- 230000014759 maintenance of location Effects 0.000 claims description 2
- 230000035515 penetration Effects 0.000 claims description 2
- 230000000717 retained effect Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000003707 image sharpening Methods 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种全天候自动驾驶***,包括安装在车辆上的客户端、信息采集子***、信息判别子***、信息处理子***和信息传输子***,所述信息采集子***用于获取车辆前方图像,所述信息判别子***用于判别前方图像是否为雾天图像,若是雾天图像,则进入信息处理子***,若是非雾天图像,则进入信息传输子***,所述信息处理子***用于对雾天图像进行清晰化处理,所述信息传输子***用于将处理后的雾天图像和非雾天图像发送至客户端,所述客户端用于根据接收到的图像生成自动驾驶数据,控制车辆的行驶。本发明的有益效果为:实现了全天候的自动驾驶。
Description
技术领域
本发明涉及自动驾驶技术领域,具体涉及一种全天候自动驾驶***。
背景技术
现有的自动驾驶***只能在天气晴朗的情况下进行,当遭遇雾天等能见度差的恶劣天气时,无法进行自动驾驶或者自动驾驶效果不佳。
发明内容
针对上述问题,本发明旨在提供一种全天候自动驾驶***。
本发明的目的采用以下技术方案来实现:
提供了一种全天候自动驾驶***,包括安装在车辆上的客户端、信息采集子***、信息判别子***、信息处理子***和信息传输子***,所述信息采集子***用于获取车辆前方图像,所述信息判别子***用于判别前方图像是否为雾天图像,若是雾天图像,则进入信息处理子***,若是非雾天图像,则进入信息传输子***,所述信息处理子***用于对雾天图像进行清晰化处理,所述信息传输子***用于将处理后的雾天图像和非雾天图像发送至客户端,所述客户端用于根据接收到的图像生成自动驾驶数据,控制车辆的行驶。
本发明的有益效果为:实现了全天候的自动驾驶。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图;
附图标记:
信息采集子***1、信息判别子***2、信息处理子***3、信息传输子***4、客户端5。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种全天候自动驾驶***,包括安装在车辆上的客户端5、信息采集子***1、信息判别子***2、信息处理子***3和信息传输子***4,所述信息采集子***1用于获取车辆前方图像,所述信息判别子***2用于判别前方图像是否为雾天图像,若是雾天图像,则进入信息处理子***3,若是非雾天图像,则进入信息传输子***4,所述信息处理子***3用于对雾天图像进行清晰化处理,所述信息传输子***4用于将处理后的雾天图像和非雾天图像发送至客户端5,所述客户端5用于根据接收到的图像生成自动驾驶数据,控制车辆的行驶。
本实施例实现了全天候的自动驾驶。
优选的,采用以下方式判别前方图像是否为雾天图像:当车辆前方的空气能见度小于2千米时,则获取的车辆前方图像为雾天图像,否则,为非雾天图像。
本优选实施例提供了雾天图像的科学判别方式。
优选的,所述信息采集子***1通过高清摄像头获取车辆前方图像。
本优选实施例获取的图像更为清晰。
优选的,所述信息处理子***3包括第一图像处理模块和第二性能评价模块,所述第一图像处理模块用于对雾天图像进行去雾处理,所述第二性能评价模块用于对所述第一图像处理模块的性能进行评价;所述第一图像处理模块包括一次处理单元、二次处理单元和三次处理单元,所述一次处理单元用于根据第一大气散射模型对雾天图像进行处理,得到一次去雾图像,所述二次处理单元用于根据第二大气散射模型对雾天图像进行处理,得到二次去雾图像,所述三次处理单元用于对一次去雾图像和二次去雾图像进行融合处理,得到去雾清晰图像。
本优选实施例信息处理子***实现了雾天图像的清晰化处理和处理性能的评价,保证了雾天下的安全驾驶。
优选的,所述根据第一大气散射模型对雾天图像进行处理,具体为:步骤1、建立第一大气散射模型:EH(x)=R1(x)EM(x)+B[1-EM(x)]+1,上述式子中,EH(x)表示采集的雾天图像,B表示大气光照,EM(x)表示介质传播函数,用于反映光线的穿透能力,R1(x)表示一次去雾图像,x表示图像像素空间坐标;步骤2、求取R1(x)的暗原色图像: 上述式子中,R1 c(y)表示R1 da(x)中的一个通道,r,g,b分别表示图像R1(x)的红色通道、绿色通道和蓝色通道,表示以x为中心,边长a的正方形区域,所述a为图像最大边的2%,R1 da(x)表示R1(x)的暗原色图像;步骤3、对第一大气散射模型进行局部区域大小为的最小值滤波,并对每个通道求最小值:
上述式子中,Bc表示大气光照的一个通道,EHc(y)表示雾天图像中的一个通道;步骤4、由暗原色原理可知,R1 da(x)趋于0,可以得到介质传播函数:上述式子中,用于调节保留雾气的程度,δ为雾气保留因子;步骤5、根据第一大气散射模型求解一次去雾图像:
本优选实施例一次处理单元对以往的大气散射模型进行了简化,有助于提高计算效率,在对第一大气散射模型进行滤波时,滤波区域根据图像大小进行自行调整,保证了不同图像的去雾效果。
优选的,所述根据第二大气散射模型对雾天图像进行处理,具体为:步骤1、建立第二大气散射模型:上述式子中,EH(x)表示采集的雾天图像,B表示大气光照,YW(x)表示大气耗散函数,用于反映环境光对场景成像的影响,R2(x)表示二次去雾图像,x表示图像像素空间坐标;步骤2、采用下式对雾天图像进行白平衡操作:将雾天图像的最小颜色分量定义为大气耗散函数:上述式子中,EHc′(x)表示雾天图像在r,g,b三个颜色通道的最小颜色分量;步骤3、根据大气耗散函数求解二次去雾图像:所述对一次去雾图像和二次去雾图像进行融合处理,采用下式进行:上述式子中,LG(x)表示去雾清晰图像。
本优选实施例二次处理单元采用不同于一次处理单元的方式对以往的大气散射模型进行了简化,有助于提高计算效率,采用融合算法获取无雾清晰图像,有助于提高无雾清晰图像的去雾效果,获取更加清晰的图像。
优选的,所述第二性能评价模块包括一次评价单元、二次评价单元和第三评价单元,所述一次评价单元用于确定去雾清晰图像的第一评价因子,所述二次评价单元用于确定去雾清晰图像的第二评价因子,所述第三评价单元用于第一评价因子和第二评价因子对去雾清晰图像进行评价。
本优选实施例第二性能评价模块对多个评价因子进行融合,实现了对第一图像处理模块性能的准确评价,保证了信息处理子***的信息处理能力。
优选的,采用以下方式确定去雾清晰图像的第一评价因子:上述式子中,n1和n2分别表示采集的图像和去雾清晰图像中可见边缘的数目,CS1去雾清晰图像的第一评价因子;采用以下方式确定去雾清晰图像的第二评价因子:上述式子中,m1和m2分别表示去雾清晰图像的黑色像素点和白色像素点数目,CS2去雾清晰图像的第二评价因子;采用以下方式对去雾清晰图像进行评价:根据第一评价因子和第二评价因子计算综合评价因子CS:综合评价因子越大,表明去雾效果越好,图像越清晰。
本优选实施例对去雾算法清晰化效果进行定量描述,实现了去雾效果的客观评价,且该评价模块综合考虑多方面评价因素,评价的可信度高,保证了自动驾驶***的全天候运行。
采用本发明全天候自动驾驶***进行自动驾驶,选取5个目的地,分别为目的地1、目的地2、目的地3、目的地4、目的地5,对自动驾驶时间和自动驾驶成本进行统计,同现有技术相比,产生的有益效果如下表所示:
自动驾驶时间降低 | 自动驾驶成本降低 | |
目的地1 | 29% | 21% |
目的地2 | 27% | 23% |
目的地3 | 26% | 25% |
目的地4 | 25% | 27% |
目的地5 | 24% | 29% |
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (8)
1.一种全天候自动驾驶***,其特征在于,包括安装在车辆上的客户端、信息采集子***、信息判别子***、信息处理子***和信息传输子***,所述信息采集子***用于获取车辆前方图像,所述信息判别子***用于判别前方图像是否为雾天图像,若是雾天图像,则进入信息处理子***,若是非雾天图像,则进入信息传输子***,所述信息处理子***用于对雾天图像进行清晰化处理,所述信息传输子***用于将处理后的雾天图像和非雾天图像发送至客户端,所述客户端用于根据接收到的图像生成自动驾驶数据,控制车辆的行驶。
2.根据权利要求1所述的全天候自动驾驶***,其特征在于,采用以下方式判别前方图像是否为雾天图像:当车辆前方的空气能见度小于2千米时,则获取的车辆前方图像为雾天图像,否则,为非雾天图像。
3.根据权利要求2所述的全天候自动驾驶***,其特征在于,所述信息采集子***通过高清摄像头获取车辆前方图像。
4.根据权利要求3所述的全天候自动驾驶***,其特征在于,所述信息处理子***包括第一图像处理模块和第二性能评价模块,所述第一图像处理模块用于对雾天图像进行去雾处理,所述第二性能评价模块用于对所述第一图像处理模块的性能进行评价;所述第一图像处理模块包括一次处理单元、二次处理单元和三次处理单元,所述一次处理单元用于根据第一大气散射模型对雾天图像进行处理,得到一次去雾图像,所述二次处理单元用于根据第二大气散射模型对雾天图像进行处理,得到二次去雾图像,所述三次处理单元用于对一次去雾图像和二次去雾图像进行融合处理,得到去雾清晰图像。
5.根据权利要求4所述的全天候自动驾驶***,其特征在于,所述根据第一大气散射模型对雾天图像进行处理,具体为:步骤1、建立第一大气散射模型:EH(x)=R1(x)EM(x)+B[1-EM(x)]+1,上述式子中,EH(x)表示采集的雾天图像,B表示大气光照,EM(x)表示介质传播函数,用于反映光线的穿透能力,R1(x)表示一次去雾图像,x表示图像像素空间坐标;步骤2、求取R1(x)的暗原色图像:上述式子中,R1 c(y)表示R1 da(x)中的一个通道,r,g,b分别表示图像R1(x)的红色通道、绿色通道和蓝色通道,表示以x为中心,边长a的正方形区域,所述a为图像最大边的2%,R1 da(x)表示R1(x)的暗原色图像;步骤3、对第一大气散射模型进行局部区域大小为的最小值滤波,并对每个通道求最小值:上述式子中,Bc表示大气光照的一个通道,EHc(y)表示雾天图像中的一个通道;步骤4、由暗原色原理可知,R1 da(x)趋于0,可以得到介质传播函数:上述式子中,用于调节保留雾气的程度,δ为雾气保留因子;步骤5、根据第一大气散射模型求解一次去雾图像:
6.根据权利要求5所述的全天候自动驾驶***,其特征在于,所述根据第二大气散射模型对雾天图像进行处理,具体为:步骤1、建立第二大气散射模型: 上述式子中,EH(x)表示采集的雾天图像,B表示大气光照,YW(x)表示大气耗散函数,用于反映环境光对场景成像的影响,R2(x)表示二次去雾图像,x表示图像像素空间坐标;步骤2、采用下式对雾天图像进行白平衡操作:将雾天图像的最小颜色分量定义为大气耗散函数:上述式子中,EHc′(x)表示雾天图像在r,g,b三个颜色通道的最小颜色分量;步骤3、根据大气耗散函数求解二次去雾图像:所述对一次去雾图像和二次去雾图像进行融合处理,采用下式进行:上述式子中,LG(x)表示去雾清晰图像。
7.根据权利要求6所述的全天候自动驾驶***,其特征在于,所述第二性能评价模块包括一次评价单元、二次评价单元和第三评价单元,所述一次评价单元用于确定去雾清晰图像的第一评价因子,所述二次评价单元用于确定去雾清晰图像的第二评价因子,所述第三评价单元用于第一评价因子和第二评价因子对去雾清晰图像进行评价。
8.根据权利要求7所述的全天候自动驾驶***,其特征在于,采用以下方式确定去雾清晰图像的第一评价因子:上述式子中,n1和n2分别表示采集的图像和去雾清晰图像中可见边缘的数目,CS1去雾清晰图像的第一评价因子;采用以下方式确定去雾清晰图像的第二评价因子:上述式子中,m1和m2分别表示去雾清晰图像的黑色像素点和白色像素点数目,CS2去雾清晰图像的第二评价因子;采用以下方式对去雾清晰图像进行评价:根据第一评价因子和第二评价因子计算综合评价因子CS: 综合评价因子越大,表明去雾效果越好,图像越清晰。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710714512.8A CN107463176A (zh) | 2017-08-18 | 2017-08-18 | 一种全天候自动驾驶*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710714512.8A CN107463176A (zh) | 2017-08-18 | 2017-08-18 | 一种全天候自动驾驶*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107463176A true CN107463176A (zh) | 2017-12-12 |
Family
ID=60550117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710714512.8A Pending CN107463176A (zh) | 2017-08-18 | 2017-08-18 | 一种全天候自动驾驶*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107463176A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108237542A (zh) * | 2017-12-26 | 2018-07-03 | 韦德永 | 一种引导准确的引导服务机器人 |
CN108319263A (zh) * | 2017-12-26 | 2018-07-24 | 潘荣兰 | 一种无人驾驶汽车 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254313A (zh) * | 2011-07-14 | 2011-11-23 | 浙江大学 | 基于雾天图像复原和图像融合的图像去雾方法 |
CN202872972U (zh) * | 2012-08-24 | 2013-04-10 | 中国人民解放军理工大学气象学院 | 一种图像监测处理装置 |
CN103955905A (zh) * | 2014-05-13 | 2014-07-30 | 北京邮电大学 | 基于快速小波变换和加权图像融合的单幅图像去雾方法 |
-
2017
- 2017-08-18 CN CN201710714512.8A patent/CN107463176A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254313A (zh) * | 2011-07-14 | 2011-11-23 | 浙江大学 | 基于雾天图像复原和图像融合的图像去雾方法 |
CN202872972U (zh) * | 2012-08-24 | 2013-04-10 | 中国人民解放军理工大学气象学院 | 一种图像监测处理装置 |
CN103955905A (zh) * | 2014-05-13 | 2014-07-30 | 北京邮电大学 | 基于快速小波变换和加权图像融合的单幅图像去雾方法 |
Non-Patent Citations (1)
Title |
---|
S.K. NAYAR 等: "Vision in bad weather", 《 PROCEEDINGS OF THE SEVENTH IEEE INTERNATIONAL CONFERENCE ON COMPUTER VISION》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108237542A (zh) * | 2017-12-26 | 2018-07-03 | 韦德永 | 一种引导准确的引导服务机器人 |
CN108319263A (zh) * | 2017-12-26 | 2018-07-24 | 潘荣兰 | 一种无人驾驶汽车 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200089972A1 (en) | Automobile head-up display system and obstacle prompting method thereof | |
CN106803008A (zh) | 一种基于adas***的实时驾驶行为评分方法与*** | |
CN111829549A (zh) | 一种基于高精度地图的积雪路面虚拟车道线投影方法 | |
CN106448062A (zh) | 疲劳驾驶检测方法及装置 | |
CN103426151B (zh) | 一种图像去雾方法及装置 | |
CN107194989A (zh) | 基于无人机飞机航拍的交通事故现场三维重建***及方法 | |
CN103049888A (zh) | 基于暗原色结合大气散射光的图像/视频去雾方法 | |
EP4011715A1 (en) | Automatic vehicle window cleaning method and apparatus | |
CN107463176A (zh) | 一种全天候自动驾驶*** | |
CN106157270A (zh) | 一种单幅图像快速去雾方法及*** | |
CN105139347A (zh) | 一种结合暗通道先验原理的偏振成像去雾方法 | |
WO2021164463A1 (zh) | 检测方法、装置及存储介质 | |
CN103258434A (zh) | 基于视频交通流检测和车辆识别的图像边缘检测*** | |
CN104766286A (zh) | 基于无人驾驶汽车的图像去雾装置及去雾方法 | |
CN102289791A (zh) | 一种快速单幅图像去雾方法 | |
CN103021179A (zh) | 基于实时监控视频中的安全带检测方法 | |
CN103077501A (zh) | 道路目标的标记方法及装置 | |
CN107396053A (zh) | 一种室外安防监控*** | |
CN106627416A (zh) | 用于检测道路类型的方法、装置和*** | |
CN107145824A (zh) | 一种基于显著性分析的车道线分割方法及***、车载终端 | |
CN104134192A (zh) | 图像去雾方法和*** | |
US11367215B2 (en) | Positive azimuth towing guidance method for road rescue equipment based on license plate corner features | |
CN107328777A (zh) | 一种在夜间测量大气能见度的方法及装置 | |
CN108537142A (zh) | 一种基于多颜色空间的车道线检测方法 | |
CN110232300A (zh) | 一种旁车道车辆换道意图识别方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171212 |
|
RJ01 | Rejection of invention patent application after publication |