本发明专利技术公开了基于机器视觉的车辆行驶控制方法、系统、装置及介质，包括：获取目标车辆前方区域的道路图像信息，并对道路图像信息进行边缘检测得到若干个连续轮廓，进而根据连续轮廓从道路图像信息中提取出若干个待识别图像；将待识别图像输入到预先训练好的车辆尾灯识别模型，得到尾灯状态识别结果；根据尾灯状态识别结果确定目标车辆前方区域的待监测车辆的车辆行驶行为；确定待监测车辆的第一位置信息和第一速度信息，并根据第一位置信息、第一速度信息以及车辆行驶行为对目标车辆进行行驶控制。本发明专利技术在车辆行驶过程中实时捕捉前车尾灯变化以调节车辆行驶策略，提高了车辆控制的准确性和车辆行驶的安全性，可广泛应用于车辆控制技术领域。车辆控制技术领域。车辆控制技术领域。
【技术实现步骤摘要】
基于机器视觉的车辆行驶控制方法、系统、装置及介质
[0001]本专利技术涉及车辆控制
，尤其是一种基于机器视觉的车辆行驶控制方法、系统、装置及介质。
技术介绍
[0002]随着汽车智能网联化的发展，车辆监测及控制技术也越来越智能化。现有的汽车自动驾驶和高级驾驶辅助系统的相关技术中，往往只是通过单一的探测手段来确定前车的位置变化，缺少对车辆尾灯等关键信息的捕捉，影响了车辆控制的准确性和车辆行驶的安全性。因此，亟需设计一种可在车辆行驶过程中实时捕捉前车尾灯变化来调节车辆行驶策略的方法，以提高车辆控制的准确性和车辆行驶的安全性。
技术实现思路
[0003]本专利技术的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
[0004]为此，本专利技术实施例的一个目的在于提供一种基于机器视觉的车辆行驶控制方法，该方法提高了车辆控制的准确性以及车辆行驶的安全性。
[0005]本专利技术实施例的另一个目的在于提供一种基于机器视觉的车辆行驶控制系统。
[0006]为了达到上述技术目的，本专利技术实施例所采取的技术方案包括：
[0007]第一方面，本专利技术实施例提供了一种基于机器视觉的车辆行驶控制方法，包括以下步骤：
[0008]获取目标车辆前方区域的道路图像信息，并对所述道路图像信息进行边缘检测得到若干个连续轮廓，进而根据所述连续轮廓从所述道路图像信息中提取出若干个待识别图像；
[0009]将所述待识别图像输入到预先训练好的车辆尾灯识别模型，得到尾灯状态识别结果；
[0010]根据所述尾灯状态识别结果确定所述目标车辆前方区域的待监测车辆的车辆行驶行为；
[0011]确定所述待监测车辆的第一位置信息和第一速度信息，并根据所述第一位置信息、所述第一速度信息以及所述车辆行驶行为对所述目标车辆进行行驶控制。
[0012]进一步地，在本专利技术的一个实施例中，所述获取目标车辆前方区域的道路图像信息，并对所述道路图像信息进行边缘检测得到若干个连续轮廓，进而根据所述连续轮廓从所述道路图像信息中提取出若干个待识别图像这一步骤，其具体包括：
[0013]通过预先安装在所述目标车辆上的摄像装置获取所述目标车辆前方区域的所述道路图像信息；
[0014]通过Canny算子对所述道路图像信息进行边缘检测得到第一图像信息，并确定所述第一图像信息中的连续轮廓；
[0015]根据所述连续轮廓对所述道路图像信息进行图像分割得到所述待识别图像。
[0016]进一步地，在本专利技术的一个实施例中，所述基于机器视觉的车辆行驶控制方法还包括预先训练所述车辆尾灯识别模型的步骤，其具体包括：
[0017]获取预设的多个车辆尾灯样本图像，并确定各所述车辆尾灯样本图像对应的若干个尾灯状态标签；
[0018]根据所述车辆尾灯样本图像和所述尾灯状态标签构建训练数据集；
[0019]将所述训练数据集输入到预先构建的卷积神经网络进行训练，得到训练好的所述车辆尾灯识别模型；
[0020]其中，所述尾灯状态标签包括左转向灯亮、左转向灯暗、右转向灯亮、右转向灯暗、倒车灯亮、倒车灯暗、制动灯亮以及制动灯暗。
[0021]进一步地，在本专利技术的一个实施例中，所述将所述训练数据集输入到预先构建的卷积神经网络进行训练，得到训练好的所述车辆尾灯识别模型这一步骤，其具体包括：
[0022]将所述训练数据集输入到所述卷积神经网络，得到尾灯状态预测结果；
[0023]根据所述尾灯状态预测结果和所述尾灯状态标签确定所述卷积神经网络的损失值；
[0024]根据所述损失值通过反向传播算法更新所述卷积神经网络的模型参数，并返回将所述训练数据集输入到所述卷积神经网络这一步骤；
[0025]当所述损失值达到预设的第一阈值或迭代次数达到预设的第二阈值，停止训练，得到训练好的车辆尾灯识别模型。
[0026]进一步地，在本专利技术的一个实施例中，所述根据所述尾灯状态识别结果确定所述目标车辆前方区域的待监测车辆的车辆行驶行为这一步骤，其具体包括：
[0027]当所述尾灯状态识别结果为左转向灯亮，且右转向灯、倒车灯以及制动灯均暗，确定所述车辆行驶行为为左转向行驶；
[0028]当所述尾灯状态识别结果为右转向灯亮，且左转向灯、倒车灯以及制动灯均暗，确定所述车辆行驶行为为右转向行驶；
[0029]当所述尾灯状态识别结果为倒车灯亮，且左转向灯、右转向灯以及制动灯均暗，确定所述车辆行驶行为为倒车行驶；
[0030]当所述尾灯状态识别结果为制动灯亮，确定所述车辆行驶行为为刹车制动。
[0031]进一步地，在本专利技术的一个实施例中，所述确定所述待监测车辆的第一位置信息和第一速度信息这一步骤，其具体包括：
[0032]通过预先安装在所述目标车辆上的雷达探测装置获取所述待监测车辆的方位信息以及所述待监测车辆与所述目标车辆的距离信息；
[0033]获取所述目标车辆的实时位置信息，根据所述实时位置信息、所述方位信息以及所述距离信息确定所述第一位置信息和所述第一速度信息。
[0034]进一步地，在本专利技术的一个实施例中，所述根据所述第一位置信息、所述第一速度信息以及所述车辆行驶行为对所述目标车辆进行行驶控制这一步骤，其具体包括：
[0035]根据所述第一位置信息、所述第一速度信息以及所述车辆行驶行为预测所述待监测车辆的行驶轨迹信息；
[0036]获取所述目标车辆的行驶状态信息，并根据所述行驶状态信息和所述行驶轨迹信息确定所述目标车辆的行驶策略，进而根据所述行驶策略对所述目标车辆进行行驶控制。
[0037]第二方面，本专利技术实施例提供了一种基于机器视觉的车辆行驶控制系统，包括：
[0038]图像提取模块，用于获取目标车辆前方区域的道路图像信息，并对所述道路图像信息进行边缘检测得到若干个连续轮廓，进而根据所述连续轮廓从所述道路图像信息中提取出若干个待识别图像；
[0039]尾灯状态识别模块，用于将所述待识别图像输入到预先训练好的车辆尾灯识别模型，得到尾灯状态识别结果；
[0040]行驶行为确定模块，用于根据所述尾灯状态识别结果确定所述目标车辆前方区域的待监测车辆的车辆行驶行为；
[0041]行驶控制模块，用于确定所述待监测车辆的第一位置信息和第一速度信息，并根据所述第一位置信息、所述第一速度信息以及所述车辆行驶行为对所述目标车辆进行行驶控制。
[0042]第三方面，本专利技术实施例提供了一种基于机器视觉的车辆行驶控制装置，包括：
[0043]至少一个处理器；
[0044]至少一个存储器，用于存储至少一个程序；
[0045]当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现上述的一种基于机器视觉的车辆行驶控制方法。
[0046]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于机器视觉的车辆行驶控制方法，其特征在于，包括以下步骤：获取目标车辆前方区域的道路图像信息，并对所述道路图像信息进行边缘检测得到若干个连续轮廓，进而根据所述连续轮廓从所述道路图像信息中提取出若干个待识别图像；将所述待识别图像输入到预先训练好的车辆尾灯识别模型，得到尾灯状态识别结果；根据所述尾灯状态识别结果确定所述目标车辆前方区域的待监测车辆的车辆行驶行为；确定所述待监测车辆的第一位置信息和第一速度信息，并根据所述第一位置信息、所述第一速度信息以及所述车辆行驶行为对所述目标车辆进行行驶控制。2.根据权利要求1所述的一种基于机器视觉的车辆行驶控制方法，其特征在于，所述获取目标车辆前方区域的道路图像信息，并对所述道路图像信息进行边缘检测得到若干个连续轮廓，进而根据所述连续轮廓从所述道路图像信息中提取出若干个待识别图像这一步骤，其具体包括：通过预先安装在所述目标车辆上的摄像装置获取所述目标车辆前方区域的所述道路图像信息；通过Canny算子对所述道路图像信息进行边缘检测得到第一图像信息，并确定所述第一图像信息中的连续轮廓；根据所述连续轮廓对所述道路图像信息进行图像分割得到所述待识别图像。3.根据权利要求2所述的一种基于机器视觉的车辆行驶控制方法，其特征在于，所述基于机器视觉的车辆行驶控制方法还包括预先训练所述车辆尾灯识别模型的步骤，其具体包括：获取预设的多个车辆尾灯样本图像，并确定各所述车辆尾灯样本图像对应的若干个尾灯状态标签；根据所述车辆尾灯样本图像和所述尾灯状态标签构建训练数据集；将所述训练数据集输入到预先构建的卷积神经网络进行训练，得到训练好的所述车辆尾灯识别模型；其中，所述尾灯状态标签包括左转向灯亮、左转向灯暗、右转向灯亮、右转向灯暗、倒车灯亮、倒车灯暗、制动灯亮以及制动灯暗。4.根据权利要求3所述的一种基于机器视觉的车辆行驶控制方法，其特征在于，所述将所述训练数据集输入到预先构建的卷积神经网络进行训练，得到训练好的所述车辆尾灯识别模型这一步骤，其具体包括：将所述训练数据集输入到所述卷积神经网络，得到尾灯状态预测结果；根据所述尾灯状态预测结果和所述尾灯状态标签确定所述卷积神经网络的损失值；根据所述损失值通过反向传播算法更新所述卷积神经网络的模型参数，并返回将所述训练数据集输入到所述卷积神经网络这一步骤；当所述损失值达到预设的第一阈值或迭代次数达到预设的第二阈值，停止训练，得到训练好的车辆尾灯识别模型。5.根据权利要求3所述的一种基于机器视觉的车辆行驶控制方法，其特征在于，所述根据所述尾灯状态识别结果确定所述目标车辆前方区域的待监测车辆的车辆行驶行为这一步骤，其具体包括：
【专利技术属性】
技术研发人员：郑少强，马虎，
申请(专利权)人：广汽本田汽车研究开发有限公司，
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。