【技术实现步骤摘要】
一种利用高光谱成像测距模型进行智能制造系统检测及控制的方法
本专利技术涉及自动驾驶控制领域，特别地，涉及一种利用高光谱成像测距模型进行智能制造系统检测及控制的方法。
技术介绍
当汽车处于自动驾驶模式时，现有的大多通过摄像机捕获前方道路图像信息，再对图像进行一系列预处理，如图像灰度化、灰度变换、中值滤波、去噪、边缘检测等图像处理手段，识别出前方车辆信息，再对获取的多帧图像进行匹配，完成对车距的确定以及根据前方车辆的位置；然而，由于车载摄像机获得的是彩色的道路图像，而彩色图像包含的信息量巨大，除了车道信息外，还包括有天空、道路交通标志牌、阴影、前方障碍物等非车道信息，这些干扰信息都会给成像系统的处理单元对车道信息的准确提取造成一定的困难，致使上述图像预处理会大大延迟成像系统的处理速度，另外，还需要对多帧图像进行匹配检测，也会导致耗时过长，不利于自动驾驶的实时性控制调整，给自动驾驶带来潜在的安全隐患。
技术实现思路
本专利技术的目的在于提供一种利用高光谱成像测距模型进行智能制造系统检测及控制的方法，涉及一种基于高光谱成像测距模型的车距检测与控制方法，通过高光谱成像仪的高质量...
【技术保护点】
1.一种利用高光谱成像测距模型进行智能制造系统检测及控制的方法，其特征在于，所述方法包括如下步骤：步骤1：在自动驾驶车辆前端安装高光谱成像仪，对车辆驾驶方向道路信息进行主动监测，实时采集车辆前方高分辨率道路光谱图像，所述道路光谱图像空间表示为W＝{u,v}，其中(u,v)表示所述道路光谱图像的像素坐标，其中，u表示水平方向的像素，v竖直方向的像素；步骤2：对所述道路光谱图像进行区域分割，对每一个区域分别提取灰度值，根据各区域灰度值分布，判断所述道路光谱图像中是否有前车光谱信息，若有，进行步骤3；若没有，所述高光谱成像仪继续采集并获取下一帧道路光谱图像；步骤3：基于主动形状模...
【技术特征摘要】
1.一种利用高光谱成像测距模型进行智能制造系统检测及控制的方法，其特征在于，所述方法包括如下步骤：步骤1：在自动驾驶车辆前端安装高光谱成像仪，对车辆驾驶方向道路信息进行主动监测，实时采集车辆前方高分辨率道路光谱图像，所述道路光谱图像空间表示为W＝{u,v}，其中(u,v)表示所述道路光谱图像的像素坐标，其中，u表示水平方向的像素，v竖直方向的像素；步骤2：对所述道路光谱图像进行区域分割，对每一个区域分别提取灰度值，根据各区域灰度值分布，判断所述道路光谱图像中是否有前车光谱信息，若有，进行步骤3；若没有，所述高光谱成像仪继续采集并获取下一帧道路光谱图像；步骤3：基于主动形状模型ASM对所述道路光谱图像进行前车定位，根据定位区域的像素点位置及所述道路光谱图像的大小，确定所述前车在所述道路光谱图像的位置数据；步骤4：基于所述高光谱成像仪构建三维坐标系，以及几何变换的图像变换理论，构建高光谱成像测距模型；步骤5：将所述前车在所述道路光谱图像的位置数据导入所述高光谱成像测距模型中，利用所述前车在所述道路光谱图像的位置数据转换为所述自动驾驶车辆与所述前车之间的实际车距值；步骤6：比较所述实际车距值与车载系统预设的安全车距阈值大小，若所述实际车距值小于所述安全阈值，则控制系统判断所述自动驾驶车辆与前车车距偏离安全距离，当前车速过高，所述控制系统自动控制降低车速；若所述实际车距值大于所述安全阈值，则控制系统判断所述自动驾驶车辆与前车车距处于安全距离范围，当前车速正常，并控制所述自动驾驶车辆保持当前车速，所述高光谱成像仪继续采集并获取下一帧道路光谱图像。2.根据权利要求1所述的利用高光谱成像测距模型进行智能制造系统检测及控制的方法，其特征在于，所述步骤3中的定位区域为所述前车尾部区域，基于主动形状模型ASM对所述道路光谱图像进行前车尾部区域的定位，具体包括以下步骤：步骤3.1：搜集n张含有前车尾部区域的样本图片进行ASM模型训练；步骤3.2：对于每个训练样本图片中的前车尾部结构，手动标定k个关键特征点，所述特征点可从保险杠、车牌或后车窗特征区域中选取，组成形状向量aiai，并表示为：其中，i＝1，2，...，n，表示第i个训练样本图片上的第j个特征点的坐标；步骤3.3：采用Procrustes方法对所述n个形状向量进行归一化或对齐操作，以消除样本图片中前车尾部由于不同角度、距离远近、姿态变换造成的非形状干扰；步骤3.4：将对齐后的形状向量进行PCA处理，即先计算所述n个形状向量的平均形状向量基于所述平均形状向量利用公式(3)计算所述n个形状向量的协方差矩阵φ：求解所述协方差矩阵φ的特征值，并将其按从大到小依次排序；步骤3.5：计算第i个训练样本图片上的第j个特征...
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。