【技术实现步骤摘要】
一种基于侧环视鱼眼相机输入的多列车铰接角测量方法
本专利技术涉及车辆控制领域，具体涉及一种基于侧环视鱼眼相机输入的多列车铰接角测量方法。
技术介绍
多节汽车列车具有载重量大、运输效率高、节油性好和运输成本低等优点，逐渐成为公路货运的主力。随着公路网的不断建设以及经济的不断发展，越来越多的半挂汽车列车将参与到货运中。由牵引车、半挂车组成的半挂汽车列车在倒退行驶时的动力学状态是不稳定的和难以控制的，容易发生折叠、碰撞、侧翻等倒车事故。对于那些驾驶经验不足的新手司机完成倒车任务是困难的。因此，有必要将电子技术、自动控制技术应用于挂车中，以辅助多列车的控制，提高多列车行驶的安全性。目前，对于单车的操纵稳定性自动控制方法已经较为成熟，但是对多节汽车列车，由于需要将铰接角作为控制变量以保证汽车列车的协调和稳定行驶，因而需要考虑角位移的测量技术。通过角传感器直接测量得到汽车列车的铰接角是目前非视觉测量方法中常规采用的方法，但这种测量方法需要安装角传感器，角传感器的适用范围有限，此类传感器只适用于某种特定的铰接形式，且需要考虑角传感器的故障和维护。而视觉测量方法，如基于安装于牵引...
【技术保护点】
1.一种基于侧环视鱼眼相机输入的多列车铰接角测量方法，其特征在于，包括以下步骤：A)在列车两侧安装鱼眼相机，标定鱼眼相机原始图像的ROI部分，将原始图像的ROI部分映射到以列车间铰接点为坐标原点的鸟瞰视图中，缩放至预设尺寸，作为实时采样图像，存储若干个采样图像并经人工标注轮胎区域及铰接角后作为样本图像；B)建立图像识别分割神经网络，输入为步骤A获得的实时采样图像，输出为分别表示像素为轮胎区域的概率和像素为背景区域的概率两个矩阵，将表示像素为轮胎区域的概率的矩阵二值化后作为实时识别矩阵，使用步骤A存储的样本图像训练图像识别分割神经网络，将图像识别分割神经网络的输出关联对应的人...
【技术特征摘要】
1.一种基于侧环视鱼眼相机输入的多列车铰接角测量方法，其特征在于，包括以下步骤：A)在列车两侧安装鱼眼相机，标定鱼眼相机原始图像的ROI部分，将原始图像的ROI部分映射到以列车间铰接点为坐标原点的鸟瞰视图中，缩放至预设尺寸，作为实时采样图像，存储若干个采样图像并经人工标注轮胎区域及铰接角后作为样本图像；B)建立图像识别分割神经网络，输入为步骤A获得的实时采样图像，输出为分别表示像素为轮胎区域的概率和像素为背景区域的概率两个矩阵，将表示像素为轮胎区域的概率的矩阵二值化后作为实时识别矩阵，使用步骤A存储的样本图像训练图像识别分割神经网络，将图像识别分割神经网络的输出关联对应的人工标记铰接角后，作为样本矩阵；C)建立铰接角回归网络，输入为步骤B获得的实时识别矩阵，输出为铰链角，使用步骤B获得的样本矩阵训练后，将铰接角回归网络在实时识别矩阵下的输出，作为铰接角测量值。2.根据权利要求1所述的一种基于侧环视鱼眼相机输入的多列车铰接角测量方法，其特征在于，步骤B中，训练图像识别分割神经网络时，使用损失函数Ltyre表示神经网络输出值与真实值的距离，其中，x，y为输入图像的像素坐标，w，h分别为输入图像的像素宽度和高度，gx，y为相应坐标的人工标定语义标签，px，y为图像识别分割神经网络在对应坐标的输出值。3.根据权利要求1或2所述的一种基于侧环视鱼眼相机输入的多列车铰接角测量方法，其特征在于，步骤B中，将表示像素为轮胎区域的概率的矩阵二值化的方法为：其中，(x，y)为像素点坐标，M(x，y)表示实时识别矩阵的元素值，ch1(x，y)为像素点(x，y)为轮胎区域的概率，ch0(x，y)为像素点(x，y)为背景区域的概率，Tmin为设定阈值。4.根据权利要求1或2所述的一种基于侧环视鱼眼相机输入的多列车铰接角测量方法，其特征在于，步骤A中，在采样图像经人工标注轮胎区域后，进行样本扩充操作，具体为使用随机裁剪、旋转、扭曲或色彩变换操作，生产新的采样图像。5.根据权利要求2所述的一种基于侧环视鱼眼相机输入的多列车铰接角测量方法，其特征在于，步骤B中，训练图像识别分割神经网络时，使用批量随机梯度下降法，求解神经网络参数的最优组合。6.根据权利要求1或2所述的一种基于侧环视鱼眼相机输入的多列车铰接角测量方法，其特征在于，步骤A中，标定鱼眼相机原始图像的ROI部分具体包括以下步骤...
【专利技术属性】
技术研发人员：缪其恒，苏巍，王江明，许炜，
申请(专利权)人：浙江零跑科技有限公司，
类型：发明
国别省市：浙江,33
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。