【技术实现步骤摘要】
本专利技术主要涉及智能车辆安全辅助驾驶
,特别是涉及到一种基于多传感器雾天行车视觉增强与能见度预警系统及方法。
技术介绍
恶劣天气是造成道路交通事故的主要因素之一,在所有容易引起交通事故的恶劣天气中,雾的影响最大,常常导致高速公路限速或关闭,延误行车时间,甚至引发连环碰撞事故,造成巨大经济损失。近年来由于霾(干)或雾(湿)严重程度,甚至使能见度降低至零(能见度不足100米通常被认为为零),这对于驾驶人来说非常危险。据统计,每年雾天交通事故占道路事故总数的15%左右,但是引起47%以上的死亡率。因此,亟需对雾天能见度进行实时检测,当能见度、前方车辆距离、行车速度和给定阈值关系不匹配时,给予驾驶人有效的预警,避免道路交通事故的发生。目前,能见度检测方法主要分为基于能见度仪的检测方法、基于双目摄相机标定的检测方法、基于建立对比度模型的检测方法、基于图像去雾的能见度检测方法。其中,基于能见度仪的检测方法存在价格十分昂贵等问题,要保证公路上的交通安全,尤其在团雾检测时,需要密集布置监测设备,从而成本居高不下,同时实时性、便携性不佳。基于双目摄相机标定的检测方法,由于需要标定模板、测量摄像机安装角度等受实际条件的限制,难以适用实时操作。基于建立对比度模型的检测方法,该方法会产生较大误差,而且测量结果容易受到远方障碍物的不利影响。基于单目红外相机的图像去雾能见度检测方法,测量过程不会对驾驶人的正常驾驶行为 ...
【技术保护点】
一种基于多传感器雾天行车视觉增强与能见度预警系统,其特征在于:包括电源(1)、变压插头(2)、红外摄像头(3)、毫米波雷达(4)、车载电控单元模块(5)、车载显示屏(10)、汽车音响设备(11)、车载扬声器(12)、车速传感器(13),所述电源(1)通过变压插头(2)与红外摄像头(3)连接,电源(1)通过导线与毫米波雷达(4)连接;所述车载电控单元模块(5)包括有无雾图像分类模块(6)、图像去雾模块(7)、能见度值计算模块(8)和预警模块(9);所述有无雾图像分类模块(6)的一端与红外摄像头(3)通过导线连接,有无雾图像分类模块(6)的另一端通过导线与图像去雾模块(7)连接;所述图像去雾模块(7)通过导线与能见度值计算模块(8)连接;所述能见度值计算模块(8)通过导线与预警模块(9)连接;所述车载显示屏(10)通过导线与图像去雾模块(7)连接;所述汽车音响设备(11)的一端通过导线与预警模块(9)连接,汽车音响设备(11)的另一端通过导线与车载扬声器(12)连接;所述车速传感器(13)通过导线与预警模块(9)连接。
【技术特征摘要】
1.一种基于多传感器雾天行车视觉增强与能见度预警系统,其特征在于:
包括电源(1)、变压插头(2)、红外摄像头(3)、毫米波雷达(4)、车载
电控单元模块(5)、车载显示屏(10)、汽车音响设备(11)、车载扬声器(12)、
车速传感器(13),所述电源(1)通过变压插头(2)与红外摄像头(3)连接,
电源(1)通过导线与毫米波雷达(4)连接;
所述车载电控单元模块(5)包括有无雾图像分类模块(6)、图像去雾模
块(7)、能见度值计算模块(8)和预警模块(9);所述有无雾图像分类模块
(6)的一端与红外摄像头(3)通过导线连接,有无雾图像分类模块(6)的另
一端通过导线与图像去雾模块(7)连接;所述图像去雾模块(7)通过导线与
能见度值计算模块(8)连接;所述能见度值计算模块(8)通过导线与预警模
块(9)连接;
所述车载显示屏(10)通过导线与图像去雾模块(7)连接;所述汽车音响
设备(11)的一端通过导线与预警模块(9)连接,汽车音响设备(11)的另一
端通过导线与车载扬声器(12)连接;所述车速传感器(13)通过导线与预警
模块(9)连接。
2.一种基于多传感器雾天行车视觉增强与能见度预警方法,其特征在于:
包括以下步骤
步骤一、建立有无雾道路图像分类器并进行实时图像分类
Ⅰ建立道路图像支持向量机SVM分类器
①红外摄像头(3)采集N张红外道路图像和红外非道路图像,并将采集到
的图像传输到有无雾图像分类模块(6),其中包括N1张红外道路图像和N2张红
外非道路图像,N、N1、N2均为自然数,在有无雾图像分类模块(6)中建立道路
图像分类器的图像训练库;
②通过道路图像分类器的图像训练库离线训练支持向量机SVM分类器,支
持向量机SVM分类器根据道路纹理获得道路图像特征,对道路图像和非道路图
像分类,并获得红外道路图像特征,道路图像支持向量机SVM分类器建立完成;
Ⅱ建立有无雾图像分类器
①红外摄像头(3)采集M张不同雾浓度的红外有雾图像和红外无雾图像,
其中包括M1张有雾红外图像和M2张无雾红外图像,M、M1、M2均为自然数,在有
无雾图像分类模块(6)中建立有无雾图像分类器的图像训练库;
②通过有无雾图像分类器的图像训练库离线训练高斯混合模型GMM分类器,
高斯混合模型GMM分类器根据有雾图像灰度值频率特征,提取有雾图像和无雾
图像的一维灰度直方图图像特征,并根据图像的直方图对有雾图像和无雾图像
进行分类,有无雾图像高斯混合模型GMM分类器建立完成;
③通过有无雾图像分类器的图像训练库离线训练支持向量机SVM分类器,
支持向量机SVM分类器根据有雾图像和无雾图像的傅里叶变换频率特征,对有
雾图像和无雾图像进行分类,并提取有雾图像和无雾图像的傅里叶变换频率特
征,有无雾图像支持向量机SVM分类器建立完成;
将有无雾图像高斯混合模型GMM分类器分类出的有雾图像和有无雾图像支
持向量机SVM分类器分类出的有雾图像取并集,得到有雾图像样本库;
Ⅲ实时图像分类
①红外摄像头(3)采集实时图像;
②利用道路图像支持向量机SVM分类器分类,得到红外道路图像;
③对红外道路图像进行灰度色彩转换、收缩摄像机图像、高斯模糊去噪和
直方图均衡化,得到处理后道路图像;
④利用有无雾图像高斯混合模型GMM分类器和有无雾图像支持向量机SVM
分类器分别对处理后的道路图像进行有无雾分类,并将有无雾图像高斯混合模
型GMM分类器分类出的有雾图像和有无雾图像支持向量机SVM分类器分类出的
有雾图像取并集,得到实时有雾道路图像;
IV制定置信度评价标准
置信度评价标准采用基于L2范数的相对错误评价标准,该标准是将得到的
实时有雾道路图像与有雾图像样本库中有雾道路图像样本的对应像素值相减,
并对所得的差值求平方和,然后再对结果求平方根;用...
【专利技术属性】
技术研发人员:金立生,陈梅,王发继,刘辉,程蕾,杨诚,张承标,李科勇,高琳琳,谢宪毅,郑义,张昊,郭柏苍,岳欣羽,管信,姬生远,徐俊,
申请(专利权)人:吉林大学,
类型:发明
国别省市:吉林;22
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。