用于车辆摄像头上污物的检测方法、检测系统和检测装置制造方法及图纸

本发明专利技术涉及图像处理技术领域，尤其涉及一种用于车辆摄像头上污物的检测方法、检测系统和检测装置。检测方法包括：通过摄像头获取车辆行驶过程中的视频，对视频按帧截图得到多帧连续的图像；对图像进行预处理，并分别进行相关性检测、频率能量检测以及平均信息熵检测；将相关性检测结果与预设的第一权重值比较，将频率能量检测结果与预设的第二权重值比较，将平均信息熵检测结果与预设的第三权重值比较，根据比较结果判断摄像头的镜头表面是否有污物。本发明专利技术的一种用于车辆摄像头上污物的检测方法，无需增加硬件成本即可实现，适用性更强，且检测准确性高。且检测准确性高。且检测准确性高。

【技术实现步骤摘要】
用于车辆摄像头上污物的检测方法、检测系统和检测装置


[0001]本专利技术涉及图像处理
，尤其涉及一种用于车辆摄像头上污物的检测方法、检测系统和检测装置。

技术介绍

[0002]通过使用各种不同的传感器，自动驾驶系统正在变得成熟。其中，摄像头仍然是关键传感器之一，同时也是自动驾驶传感器套件的重要组成部分，道路基础设施是为人类视觉传感器设计的。
[0003]第一代自动驾驶系统主要使用单个摄像头，随着自动驾驶系统技术的不断改进，安装更多的摄像头用于全面覆盖车辆周围以处理更复杂的驾驶场景。此外，环视摄像头直接暴露在外部环境中，很容易被弄脏。与其他传感器相比，由于摄像头上有污物会使得摄像头性能下降，影响自动驾驶系统行车的安全性。因此，准确检测摄像头上的是否有污物至关重要，尤其是对于更高级别的自动驾驶而言，直接影响到自动驾驶功能的可靠性及驾乘人员的生命和财产安全。
[0004]如专利CN103792783A公开的一种摄像设备镜头污染实时检测系统及方法，其通过设置用于探测透过镜头的光束的光照强度的第一感光设备和用于探测摄像设备的外界光束的光照强度的第二感光设备，然后实时对比所述的第一感光设备和第二感光设备回传的光照强度值，通过对二者的比值的计算来判断摄像头是否被污染。上述专利在车辆上实现需要增加硬件装置来解决问题，不利于对车辆进行改装，实现成本较高。

技术实现思路

[0005]本专利技术要解决的技术问题是：为了解决现有技术实现对摄像头污物的检测需要在车辆上增加硬件装置的技术问题，本专利技术提供一种用于车辆摄像头上污物的检测方法，无需增加硬件成本即可实现，适用性更强，且检测准确性高。
[0006]本专利技术解决其技术问题所采用的技术方案是：一种用于车辆摄像头上污物的检测方法，所述检测方法包括：
[0007]通过摄像头获取车辆行驶过程中的视频，对所述视频按帧截图得到多帧连续的图像；
[0008]对所述图像进行预处理，并分别进行相关性检测、频率能量检测以及平均信息熵检测；
[0009]将相关性检测结果与预设的第一权重值比较，将频率能量检测结果与预设的第二权重值比较，将平均信息熵检测结果与预设的第三权重值比较，根据比较结果判断所述摄像头的镜头表面是否有污物。
[0010]进一步，具体地，对所述图像进行预处理包括基于拉普拉斯金字塔的图像增强算法。
[0011]进一步，具体地，所述相关性检测包括：获取预处理后相邻的两张图像，计算相邻
两张图像之间相关性系数，计算公式如下：
[0012][0013]其中，r
k
为图像序列中第k张图像和第k
‑
1张图像之间的相关性系数，A
k
和A
k
‑1分别为第k张和第k
‑
1张图像的像素值矩阵，m和n分别代表像素值矩阵的行数和列数，和分别为第k张和第k
‑
1张图像中所有像素点像素值的平均值，为图像序列中同一个位置所有像素点像素值的平均值构成的平均值矩阵。
[0014]进一步，具体地，所述频率能量检测包括：对预处理后的图像首先进行傅里叶变换，然后计算每帧图像的总频域值，获取在固定时间T内的连续图像序列的频域值，根据该频域值计算连续图像序列的平均频域值，获取单位时间内平均频域值，计算公式如下：
[0015][0016]其中，E
avg
表示单位时间内的平均频域值；FPS表示帧率；E
K
表示第k张图的频域值和；T表示固定时间。
[0017]进一步，具体地，所述平均信息熵件检测包括：将预处理后的一图像分为N*N个的小图像，计算每个所述小图像的信息熵和每个图像的信息熵，计算公式如下：
[0018][0019]其中，H为图像的信息熵，K为像素值，P(K)为像素值为K的像素点出现的频率；
[0020]计算N*N个所述小图像的平均信息熵，N*N个所述小图像的平均信息熵为整张图像的平均信息熵。
[0021]进一步，具体地，所述第一权重值、所述第二权重值以及所述第三权重值均通过神经网络模型训练得出，具体包括以下步骤：
[0022]搭建神经网络模型，将所述预处理后的图像转换成所述神经网络模型的输入向量；
[0023]给定所述输入向量和目标值到所述神经网络模型中，对所述神经网络模型训练，获取性能优异的所述第一权重值、所述第二权重值以及所述第三权重值。
[0024]进一步，具体地，所述基于拉普拉斯金字塔的图像增强算法包括以下步骤：
[0025]分解所述图像：
[0026]计算的分解后图像的噪声标准方差；
[0027]根据每一层的系数计算其增益系数；
[0028]根据增益运算后得到新的系数进行逆变换重构图像，从而得到增强图像。
[0029]一种用于处理如上所述的用于车辆摄像头上污物的检测方法的检测系统包括：
[0030]第一获取单元：用于获取车辆行驶过程中的视频，所述视频为设置在车上的摄像
头采集车辆行驶过程中的视频；
[0031]第一处理单元：将所述视频按帧截图得到多帧连续的图像，对所述图像进行预处理，所述预处理为图像增强处理；
[0032]第一检测单元：对所述预处理后的图像进行相关性检测，得到相关性检测结果；
[0033]第二检测单元：对所述预处理后的图像进行频率能量检测，得到频率能量检测结果；
[0034]第三检测单元：对所述预处理后的图像进行平均信息熵检测，得到平均信息熵检测结果；
[0035]第一比较单元：将相关性检测结果与第一权重比较，获取比较的第一结果；
[0036]第二比较单元：将频率能量检测结果与第二权重比较，获取比较的第二结果；
[0037]第三比较单元：将平均信息熵检测结果与第三权重比较，获取比较的第三结果；
[0038]第一判断单元：基于所述第一结果、所述第二结果以及所述第三结果判断所述摄像头的镜头表面是否有污物。
[0039]进一步，具体地，所述第一获取单元与所述第一处理单元之间通过GMSL总线连接。
[0040]一种用于车辆摄像头上污物的检测装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如上所述的用于车辆摄像头上污物的检测方法的步骤。
[0041]本专利技术的有益效果是，本专利技术的一种用于车辆摄像头上污物的检测方法，通过对车辆行驶过程中的视频采集以及预处理，与预处理后的图像分别进行相关性检测、频率能量检测以及平均信息熵检测，从三个维度对摄像头表面是否有污物进行判断，相对于现有技术，无需增加硬件成本即可实现，适用性更强，且检测准确性高，另外，本专利技术通过神经网络模型对权重进行训练，进一步的提高了检测结果的准确性。
附图说明
[0042]下面结合附图和实施例对本专利技术进一步说明。
[0043]图1是本专利技术实施例一的流程示意图。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于车辆摄像头上污物的检测方法，其特征在于，所述检测方法包括：通过摄像头获取车辆行驶过程中的视频，对所述视频按帧截图得到多帧连续的图像；对所述图像进行预处理，并分别进行相关性检测、频率能量检测以及平均信息熵检测；将相关性检测结果与预设的第一权重值比较，将频率能量检测结果与预设的第二权重值比较，将平均信息熵检测结果与预设的第三权重值比较，根据比较结果判断所述摄像头的镜头表面是否有污物。2.如权利要求1所述的用于车辆摄像头上污物的检测方法，其特征在于，对所述图像进行预处理包括基于拉普拉斯金字塔的图像增强算法。3.如权利要求1所述的用于车辆摄像头上污物的检测方法，其特征在于，所述相关性检测包括：获取预处理后相邻的两张图像，计算相邻两张图像之间相关性系数，计算公式如下：其中，r
k
为图像序列中第k张图像和第k
‑
1张图像之间的相关性系数，A
k
和A
k
‑1分别为第k张和第k
‑
1张图像的像素值矩阵，m和n分别代表像素值矩阵的行数和列数，和分别为第k张和第k
‑
1张图像中所有像素点像素值的平均值矩阵，为图像序列中同一个位置所有像素点像素值的平均值构成的平均值矩阵。4.如权利要求1所述的用于车辆摄像头上污物的检测方法，其特征在于，所述频率能量检测包括：对预处理后的图像首先进行傅里叶变换，然后计算每帧图像的总频域值，获取在固定时间T内的连续图像序列的频域值，根据所述频域值计算连续图像序列的平均频域值，获取单位时间内平均频域值，计算公式如下：其中，E
avg
表示单位时间内的平均频域值；FPS表示帧率；E
K
表示第k张图的频域值和；T表示固定时间。5.如权利要求1所述的用于车辆摄像头上污物的检测方法，其特征在于，所述平均信息熵件检测包括：将预处理后的一图像分为N*N个的小图像，计算每个所述小图像的信息熵，计算公式如下：其中，H为图像的信息熵，K为像素值，P(K)为像素值为K的像素点出现的频率；计算N*N个所述小图像的平均信息熵，N*N个所述小图像的平均信息熵为整张图像的平均信息...

【专利技术属性】
技术研发人员：徐健，
申请(专利权)人：常州星宇车灯股份有限公司，
类型：发明
国别省市：