无人驾驶车辆路况不规则障碍物的识别方法、计算机程序及存储介质技术

本发明专利技术涉及一种无人驾驶车辆路况不规则障碍物的识别方法、计算机程序及存储介质，所述方法执行以下步骤，步骤1：利用所述红外传感器获取目标区域的红外数据以及利用所述图像采集装置获取所述目标区域的图像数据；步骤2：利用预设的红外识别模型识别所述红外数据中的障碍物信息，并对识别结果进行记录，得到第一记录结果；步骤3：利用预设的障碍物特征识别模型识别所述图像数据；步骤4：比对并进行判别处理。本发明专利技术在通过数据特征分析得到图像的多个特征集合后，判断该图像数据的障碍物特征更接近第三特征集哪个集合，使得得到的结果更加准确。准确。准确。

【技术实现步骤摘要】
无人驾驶车辆路况不规则障碍物的识别方法、计算机程序及存储介质


[0001]本专利技术属于无人驾驶
，具体涉及无人驾驶车辆路况不规则障碍物的识别方法、计算机程序及存储介质。

技术介绍

[0002]无人驾驶汽车是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能汽车。
[0003]它是利用车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。
[0004]集自动控制、体系结构、人工智能、视觉计算等众多技术于一体，是计算机科学、模式识别和智能控制技术高度发展的产物，也是衡量一个国家科研实力和工业水平的一个重要标志，在国防和国民经济领域具有广阔的应用前景。
[0005]障碍物的正确识别对无人驾驶车辆以及车辆的自动驾驶模式具有重要意义。在实现对障碍物的自动识别时，通常在车辆上安装激光雷达传感器、毫米波雷达传感器或图像采集装置来采集车辆周围的障碍物信息，得到三维点云数据或二维图像数据。然后利用训练后的机器学习算法识别上述三维点云数据或二维图像数据中的障碍物。在训练上述机器学习算法时，通常利用已标注出障碍物的三维点云数据或二维图像数据来训练机器学习算法。

技术实现思路

[0006]本专利技术的主要目的在于提供无人驾驶车辆路况不规则障碍物的识别方法及计算机程序、存储介质，其利用红外传感器和图像采集装置获取无人驾驶车辆行驶过程中的目标区域的图像信息，再对图像信息分别进行识别，基于两者的识别结果进行结果判断，提升了识别结果的准确率；同时，在进行图像识别的过程中，针对图像信息数据转换后，进行数据特征提取，提升了识别的效率。
[0007]为达到上述目的，本专利技术的技术方案是这样实现的：
[0008]无人驾驶车辆路况不规则障碍物的识别方法，所述方法执行以下步骤：
[0009]步骤1：利用所述红外传感器获取目标区域的红外数据以及利用所述图像采集装置获取所述目标区域的图像数据；
[0010]步骤2：利用预设的红外识别模型识别所述红外数据中的障碍物信息，并对识别结果进行记录，得到第一记录结果；
[0011]步骤3：利用预设的障碍物特征识别模型识别所述图像数据，得到图像数据的障碍物特征图像，将得到的障碍物特征图像转换为二进制数据，并对二进制数据进行数据特征识别，得到数据特征识别结果，分析数据特征识别结果，得到数据特征识别结果对应的图像数据中的障碍物信息识别结果，对障碍物信息识别结果进行记录，得到第二记录结果；
[0012]步骤4：对比所述第一记录结果与所述第二记录结果，检测二者的差别是否超过设定的阈值，若超过设定的阈值，则判断二者不相同，若没有超过设定的阈值，则判断二者相同；响应于二者相同，按照设定的加权值，分别取第一记录结果和第二记录结果的加权平均，得到最终的结果；响应于二者不相同，则确定所述第一记录结果与所述第二记录结果中正确的记录结果，并输出所述正确的记录结果作为最终的结果。
[0013]进一步的，所述步骤4中：确定所述第一记录结果与所述第二记录结果中正确的记录结果包括：确定所述第一记录结果与所述第二记录结果的不同之处；确定同一所述不同之处在所述第一记录结果中指示的第一障碍物和在所述第二记录结果中指示的第二障碍物；确定所述第一记录结果中，所述第一障碍物的三维坐标集合确定的记录体积以及所述第一障碍物与所述红外传感器之间的第一距离；根据所述第一记录结果、所述第一距离，确定所述第一障碍物在所述点云数据中的期望体积范围；响应于所述记录体积位于所述期望体积范围之外，确定所述第一记录结果错误。
[0014]进一步的，所述步骤4中：确定所述第一记录结果与所述第二记录结果中正确的记录结果包括：确定所述第二障碍物在所述第二记录结果中所覆盖的记录像素面积；根据所述第一距离、所述红外传感器与所述图像采集装置之间的校准参数，确定所述第二障碍物与所述图像采集装置之间的第二距离；根据所述第二记录结果、所述第二距离，确定所述第二障碍物在所述图像数据中的期望像素面积范围；响应于所述记录像素面积位于所述期望像素面积范围之外，确定所述第二记录结果错误。
[0015]进一步的，所述步骤3中：利用预设的障碍物特征识别模型识别所述图像数据，得到图像数据的障碍物特征图像包括：将图像数据进行图像增强后，再进行图像二值化处理；设定三个预设的特征分布集合，分别为：第一特征集合、第二特征集合和第三特征集合；每一个集合内对应的特征概率值分别为：第一特征集合：P；第二特征集合：X；第三特征集合：M；设置一个样本点，使用该样本点对图像二值化处理后的图像进行样本点检测，检测完成后，采用如下公式计算图像二值化处理后的图像的样本点和设置的样本点的分类重合概率：率：其中，k为样本点个数，j为重合的样本点个数；计算损失函数：将分类重合概率与损失函数进行如下运算，得到最终的分类重合概率为：判断p
N
与P、X和M哪一个更接近，即p
N
与P、X和M分别作差值绝对值运算，计算结果最接近0；若p
j
与P更接近，则判断该图像数据的障碍物特征更接近第一特征集合，若p
N
与X更接近，则判断该图像数据的障碍物特征更接近第二特征集合；若p
N
与P更接近，则判断该图像数据的障碍物特征更接近第三特征集合。
[0016]进一步的，所述步骤3中：将得到的障碍物特征图像转换为二进制数据，并对二进制数据进行数据特征识别，得到数据特征识别结果包括：获取该图像数据的障碍物特征对应的集合；若获取的集合为第一特征集合和第二特征集合，则将该集合内的数据进行转换，得到多个维度的原始数据，对所述原始数据进行预处理得到每个所述维度对应的像素矩
阵；分析每个所述像素矩阵，得到每个所述维度之间的关联关系，并利用所述关联关系建立宽度学习的神经网络模型；根据所述像素矩阵利用所述神经网络模型提取每个所述维度的高维特征，并将所有所述高维特征融合为维度信息；将所述维度信息进行降维处理，得到数据特征提取结果；若获取的集合为第三特征集合，则将该集合内的数据进行转换，得到多个维度的原始数据，对所述原始数据进行预处理得到每个所述维度对应的像素矩阵；分析每个所述像素矩阵，得到每个所述维度之间的关联关系，并利用所述关联关系建立高度学习的神经网络模型；根据所述像素矩阵利用所述神经网络模型提取每个所述维度的高维特征，并将所有所述高维特征融合为维度信息；将所述维度信息进行降维处理，得到数据特征提取结果。
[0017]本专利技术的无人驾驶车辆路况不规则障碍物的识别方法及计算机程序、存储介质，具有如下有益效果：其利用红外传感器和图像采集装置获取无人驾驶车辆行驶过程中的目标区域的图像信息，再对图像信息分别进行识别，基于两者的识别结果进行结果判断，提升了识别结果的准确率；同时，在进行图像识别的过程中，针对图像信息数据转换后，进行数据特征提取，提升了识别的效率；主要通过以下过程实现：1.图像数据的识别方法：本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.无人驾驶车辆路况不规则障碍物的识别方法，其特征在于，所述方法执行以下步骤：步骤1：利用所述红外传感器获取目标区域的红外数据以及利用所述图像采集装置获取所述目标区域的图像数据；步骤2：利用预设的红外识别模型识别所述红外数据中的障碍物信息，并对识别结果进行记录，得到第一记录结果；步骤3：利用预设的障碍物特征识别模型识别所述图像数据，得到图像数据的障碍物特征图像，将得到的障碍物特征图像转换为二进制数据，并对二进制数据进行数据特征识别，得到数据特征识别结果，分析数据特征识别结果，得到数据特征识别结果对应的图像数据中的障碍物信息识别结果，对障碍物信息识别结果进行记录，得到第二记录结果；步骤4：对比所述第一记录结果与所述第二记录结果，检测二者的差别是否超过设定的阈值，若超过设定的阈值，则判断二者不相同，若没有超过设定的阈值，则判断二者相同；响应于二者相同，按照设定的加权值，分别取第一记录结果和第二记录结果的加权平均，得到最终的结果；响应于二者不相同，则确定所述第一记录结果与所述第二记录结果中正确的记录结果，并输出所述正确的记录结果作为最终的结果。2.如权利要求1所述的方法，其特征在于，所述步骤4中：确定所述第一记录结果与所述第二记录结果中正确的记录结果包括：确定所述第一记录结果与所述第二记录结果的不同之处；确定同一所述不同之处在所述第一记录结果中指示的第一障碍物和在所述第二记录结果中指示的第二障碍物；确定所述第一记录结果中，所述第一障碍物的三维坐标集合确定的记录体积以及所述第一障碍物与所述红外传感器之间的第一距离；根据所述第一记录结果、所述第一距离，确定所述第一障碍物在所述点云数据中的期望体积范围；响应于所述记录体积位于所述期望体积范围之外，确定所述第一记录结果错误。3.如权利要求2所述的方法，其特征在于，所述步骤4中：确定所述第一记录结果与所述第二记录结果中正确的记录结果包括：确定所述第二障碍物在所述第二记录结果中所覆盖的记录像素面积；根据所述第一距离、所述红外传感器与所述图像采集装置之间的校准参数，确定所述第二障碍物与所述图像采集装置之间的第二距离；根据所述第二记录结果、所述第二距离，确定所述第二障碍物在所述图像数据中的期望像素面积范围；响应于所述记录像素面积位于所述期望像素面积范围之外，确定所述第二记录结果错误。4.如权利要求3所述的方法，其特征在于，所述步骤3中：利用预设的障碍物特征识别模型识别所述图像数据，得到图像数据的...

【专利技术属性】
技术研发人员：杨扬，
申请(专利权)人：上海伯镭智能科技有限公司，
类型：发明
国别省市：