本发明专利技术属于无人驾驶技术领域，具体涉及无人驾驶车辆检测侧面落石发生的方法及装置，所述方法执行以下步骤：步骤1：实时获取无人驾驶车辆行驶过程中的运行数据；所述运行数据包括：行驶速度和行驶角速度；同时录入无人驾驶车辆行驶过程中的道路宽度，以及无人驾驶车辆的车身宽度；步骤2：基于运行数据、道路宽度和车身宽度，划定安全区和车身两侧的两个监测区；所述安全区为车辆前行过程中的安全区域；所述两个监测区分别为位于车身右侧的第一监测区和位于车身左侧的第二监测区。具有智能化程度高、安全性高和准确率高的优点。安全性高和准确率高的优点。安全性高和准确率高的优点。
【技术实现步骤摘要】
无人驾驶车辆检测侧面落石发生的方法及装置
[0001]本专利技术属于无人驾驶
，具体涉及无人驾驶车辆检测侧面落石发生的方法及装置。
技术介绍
[0002]自动驾驶汽车，又称无人驾驶汽车、电脑驾驶汽车，为一种运输动力的无人地面载具。作为自动化载具，自动驾驶汽车不需要人类操作即能感测其环境及导航。完全的自动驾驶汽车仍未全面商用化，大多数均为原型机及展示系统，部分可靠技术才下放至量产车型，逐渐成为现实。
[0003]自动驾驶汽车能以雷达、光学雷达、GPS及电脑视觉等技术感测其环境。先进的控制系统能将感测资料转换成适当的导航道路，以及障碍与相关标志。根据定义，自动驾驶汽车能透过感测输入的资料，更新其地图资讯，让交通工具可以持续追踪其位置。通过多辆自动驾驶汽车构成的无人车队可以有效减轻交通压力，并因此提高交通系统的运输效率。
[0004]山体滑坡预警系统目前都采用监测仪器进行监测，传统的用于山体滑坡监测的方法大概有如下几种:常规大地测量法；液体静力水准测量、重力测量法；地下水位监测法；电测法、地下钻孔倾斜等。尽管这些方法都在山体滑坡预警方面起到了积极作用，但它们具有一些弊端，如受地形影响，不能连续观测，自动化程度不高，人力投入过大，数据不能实时处理等。
技术实现思路
[0005]本专利技术的主要目的在于提供无人驾驶车辆检测侧面落石发生的方法及装置，其首先基于无人驾驶车辆的车身宽度和行驶的道路宽度来划定安全区和监测区，以此来避免对整个道路进行监控造成的效率低下问题，其次使用近景图像信息对近处的落石进行监测，使用远景图像信息进行远处的落石进行预测，以避免突发落石造成无人驾驶车辆的损伤，在进行落石检测时，通过判定落石体积以确定落石落定的区域，更能帮助无人驾驶车辆规避落石，具有智能化程度高、安全性高和准确率高的优点。
[0006]为达到上述目的，本专利技术的技术方案是这样实现的：
[0007]无人驾驶车辆检测侧面落石发生的方法，其特征在于，所述方法执行以下步骤：
[0008]步骤1：实时获取无人驾驶车辆行驶过程中的运行数据；所述运行数据包括：行驶速度和行驶角速度；同时录入无人驾驶车辆行驶过程中的道路宽度，以及无人驾驶车辆的车身宽度；
[0009]步骤2：基于运行数据、道路宽度和车身宽度，划定安全区和车身两侧的两个监测区；所述安全区为车辆前行过程中的安全区域；所述两个监测区分别为位于车身右侧的第一监测区和位于车身左侧的第二监测区；
[0010]步骤3：在无人驾驶车辆上设置至少两个图像获取装置，分别获取近景的第一监测区和第二监测区的图像信息；
[0011]步骤4：对近景的第一监测区和第二监测区的图像信息进行图像去噪，降低图像信息因环境因素和无人驾驶车辆不断行驶导致的噪声干扰；
[0012]步骤5：对近景的第一监测区和第二监测区的去噪后的图像信息识别，以判断是否出现落石，以及获取落石的大小和落石的下落速度；根据获取到的落石的大小和落石的下落速度，划定落石下落完成后的第一距离界限和第二距离界限；所述第一距离界限为落石下落完成后，至少会到达的界限位置；所述第二距离界限为落石下落完成后，至多会到达的界限位置；
[0013]步骤6：根据步骤5中划定的落石下落完成后的第一距离界限和第二距离界限，判断落石是否会到达安全区，若落石会到达安全区，则控制无人驾驶车辆的运行，以避免无人驾驶车辆和落石相撞。
[0014]进一步的，所述方法还包括：再额外设置两个图像获取装置，分别获取远景的第一监测区和第二监测区的图像信息；对远景的第一监测区和第二监测区的图像信息进行图像去噪，降低图像信息因环境因素和无人驾驶车辆不断行驶导致的噪声干扰；对远景第一监测区和第二监测区的去噪后的图像信息识别，以判断是否出现落石，以及获取落石的大小和落石的下落速度；根据获取到的落石的大小和落石的下落速度，划定落石下落完成后的第一距离界限和第二距离界限；所述第一距离界限为落石下落完成后，至少会到达的界限位置；所述第二距离界限为落石下落完成后，至多会到达的界限位置；根据划定的落石下落完成后的第一距离界限和第二距离界限，划定预期危险区和预期安全区，以控制无人驾驶车辆的行驶轨迹，从当前位置不断朝向预期安全区的位置行驶。
[0015]进一步的，所述方法还包括：在通过预图像获取装置获取图像信息前，对所述图像获取装置进行相机标定。
[0016]进一步的，在通过预图像获取装置获取图像信息前，对所述图像获取装置进行相机标定包括：将预先配置的两标志物置于山体上，促使两标志物连线位于视场水平方向，并测定两标志物的实际距离；更换两标志物的实际位置，促使两标志物连线位于视场垂直方向，并测定两标志物的实际距离；根据上述水平方向上的实际距离和垂直方向上的实际距离，确定图像获取装置中，每像素所表示的实际长度，并根据该实际长度对图像获取装置进行相机标定。
[0017]进一步的，对图像信息进行图像去噪的方法包括：首先对图像信息使用如下公式进行亮度校正：其中，为图像信息中，所有像素点的平均亮度值；x为图像信息的像素点的原亮度值；N为校正后的亮度值；基于亮度校正后的结果，已设定的阈值，将图像中的不同区域划分为高亮度图像部分和低亮度图像部分；生成第一神经网络模型，并利用所述第一神经网络模型对所述低亮度图像部分进行去噪处理，得到去噪后的低亮度图像区；将所述高亮度图像部分和所述去噪后的低亮度图像区构成训练图像数据库，并利用所述训练图像数据库训练神经网络模型，生成用于图像去噪的第二神经网络模型；将图像信息作为所述第二神经网络模型的输入，经处理后得到对应的去噪后的图像。
[0018]进一步的，对图像信息进行识别，以判断是否出现落石的方法包括：对所述图像信息进行差分处理和二值化分割处理，得到前置图像信息；基于训练好的判别器，将所述前置图像信息输入所述判别器，根据所述判别器的输出结果，判断所述前置图像信息是否属于包含落石的目标图像。
[0019]进一步的，所述的基于训练好的判别器，将所述前置图像信息输入所述判别器，根据所述判别器的输出结果，判断所述前置图像信息是否属于包含落石的目标图像，包括：采用栈式去噪自编码器作为深度网络的架构，收集无人驾驶车辆行驶的道路的现场图片作为训练集中的无标记的样本数据，把训练集中的无标记的样本数据分割为大小相等的子块，将子块转换为二维向量，输入二维向量到栈式去噪自编码器进行训练；利用逐层贪婪算法对单个隐层进行训练，然后利用这个隐层的输出作为下个隐层的输入，对下一个隐层进行训练，如此反复直到把所有的隐层都训练一遍，完成深度网络的预训练过程；用带标记的样本数据对整个深度网络的权值进行微调，完成深度网络的训练，基于训练好的判别器；把所述前置图像信息进行归一化处理，并转换为二维向量，将所述二维向量输入到所述判别器，得到所述前置图像信息属于落石图像的概率，当所述概率大于预先设定的阈值时，则认为所述前置图像信息为包含落石的目标图像；否则，认为所述前置图像信息为没有包含落石的目标图像，输出包含落石的目标图像的物理坐标。...
【技术保护点】
【技术特征摘要】
1.无人驾驶车辆检测侧面落石发生的方法，其特征在于，所述方法执行以下步骤：步骤1：实时获取无人驾驶车辆行驶过程中的运行数据；所述运行数据包括：行驶速度和行驶角速度；同时录入无人驾驶车辆行驶过程中的道路宽度，以及无人驾驶车辆的车身宽度；步骤2：基于运行数据、道路宽度和车身宽度，划定安全区和车身两侧的两个监测区；所述安全区为车辆前行过程中的安全区域；所述两个监测区分别为位于车身右侧的第一监测区和位于车身左侧的第二监测区；步骤3：在无人驾驶车辆上设置至少两个图像获取装置，分别获取近景的第一监测区和第二监测区的图像信息；步骤4：对近景的第一监测区和第二监测区的图像信息进行图像去噪，降低图像信息因环境因素和无人驾驶车辆不断行驶导致的噪声干扰；步骤5：对近景的第一监测区和第二监测区的去噪后的图像信息识别，以判断是否出现落石，以及获取落石的大小和落石的下落速度；根据获取到的落石的大小和落石的下落速度，划定落石下落完成后的第一距离界限和第二距离界限；所述第一距离界限为落石下落完成后，至少会到达的界限位置；所述第二距离界限为落石下落完成后，至多会到达的界限位置；步骤6：根据步骤5中划定的落石下落完成后的第一距离界限和第二距离界限，判断落石是否会到达安全区，若落石会到达安全区，则控制无人驾驶车辆的运行，以避免无人驾驶车辆和落石相撞。2.如权利要求1所述的方法，其特征在于，所述方法还包括：再额外设置两个图像获取装置，分别获取远景的第一监测区和第二监测区的图像信息；对远景的第一监测区和第二监测区的图像信息进行图像去噪，降低图像信息因环境因素和无人驾驶车辆不断行驶导致的噪声干扰；对远景第一监测区和第二监测区的去噪后的图像信息识别，以判断是否出现落石，以及获取落石的大小和落石的下落速度；根据获取到的落石的大小和落石的下落速度，划定落石下落完成后的第一距离界限和第二距离界限；所述第一距离界限为落石下落完成后，至少会到达的界限位置；所述第二距离界限为落石下落完成后，至多会到达的界限位置；根据划定的落石下落完成后的第一距离界限和第二距离界限，划定预期危险区和预期安全区，以控制无人驾驶车辆的行驶轨迹，从当前位置不断朝向预期安全区的位置行驶。3.如权利要求2所述的方法，其特征在于，所述方法还包括：在通过预图像获取装置获取图像信息前，对所述图像获取装置进行相机标定。4.如权利要求3所述的方法，其特征在于，在通过预图像获取装置获取图像信息前，对所述图像获取装置进行相机标定包括：将预先配置的两标志物置于山体上，促使两标志物连线位于视场水平方向，并测定两标志物的实际距离；更换两标志物的实际位置，促使两标志物连线位于视场垂直方向，并测定两标志物的实际距离；根据上述水平方向上的实际距离和垂直方向上的实际距离，确定图像获取装置中，每像素所表示的实际长度，并根据该实际长度对图像获取装置进行相机标定。5.如权利要求4所述的方法，其特征在于，对图像信息进行图像去噪的方法包括：首先对图像信息使用如下公式进行亮度校正：
其中，为图像信息中...
【专利技术属性】
技术研发人员：胡心怡，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：
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。