一种图像检测方法技术

本申请公开了一种图像检测方法

【技术实现步骤摘要】
一种图像检测方法、系统、车辆及计算机可读存储介质


[0001]本申请涉及车辆自动驾驶
，尤其涉及一种图像检测方法
、
系统
、
车辆及计算机可读存储介质
。

技术介绍

[0002]近些年来，随着信息化和人工智能技术的发展，自动驾驶技术的发展势头强劲，并呈现实用化的趋势
。
自动驾驶技术一般包含感知
、
决策
、
控制等几个方面，而在感知中，视觉感知是其中极其关键的一环，视觉感知精度的高低直接决定最终感知结果的好坏，从而对自动驾驶的安全性能有重要影响
。
[0003]目前，自动驾驶技术的视觉感知所用的算法一般核心为深度学习神经网络算法，所用的感知器件为多个车载相机，分布在车辆的四周
。
相机将采集到的图像输入神经网络，进行检测
、
分类和分割，提取出后续处理所需要的信息，并且由于车辆大部分时间都是前向行驶，所以相比于其他方向的感知，视觉感知中最重要的是车前视感知
。
[0004]但目前的自动驾驶技术的视觉感知模块大部分使用普通可见光相机作为采集器件，采集到的图像也为可见光图像，则在阴天
、
夜晚等情况下，光线较暗，关键特征不清晰，而神经网络也使用可见光图像数据进行训练，但对于光线较差
、
特征不清晰的图像数据集，训练效果差，在光线较差时容易出现漏检测或误检测，从而影响自动驾驶的安全性
。
[0005]因此，现有技术还有待于改进和发展
。

技术实现思路

[0006]本申请的主要目的在于提供一种图像检测方法
、
系统
、
车辆及计算机可读存储介质，旨在解决现有技术中自动驾驶技术的视觉感知功能局限于环境光线充足的情况，对于环境光线差的情况下对路面上的所有情况检测不准确，检测精度低的技术问题
。
[0007]本申请第一方面实施例提供一种图像检测方法，包括以下步骤：获取可见光相机采集的当前可见光图像，根据所述当前可见光图像得到当前亮度情况；若所述当前亮度情况为低亮度情况，获取红外相机采集的红外图像，对所述当前可见光图像和所述红外图像进行检测，得到可见光检测图像和红外检测图像；对所述可见光检测图像和所述红外检测图像进行融合处理，得到最终检测图像
。
[0008]根据上述技术手段，本申请实施例可以根据当前可见光图像获得当前亮度情况，在当前亮度情况为低亮度情况的时候获取红外图像，并对当前可见光图像和红外图像进行检测，将两个检测图像进行融合处理，从而得到最终检测图像，由于红外图像不受光照条件的限制，融合红外图像的检测图像减少了低亮度环境下对可见光图像的依赖，降低了噪声和光照变化的干扰，提高了抗干扰能力，使得在低亮度环境下也能够很好地对路面上的所有情况进行检测，提高了检测精度的同时还减少了误检和漏检的情况发生，从而提高了对路面上的所有情况进行检测的可靠性和鲁棒性
。
[0009]可选地，在本申请的一个实施例中，所述根据所述当前可见光图像得到当前亮度
情况，具体包括：将当前可见光图像输入经过训练的亮度识别模型；通过所述亮度识别模型确定所述当前可见光图像对应的当前亮度情况，其中，所述当前亮度情况包括低亮度情况或者高亮度情况
。
[0010]根据上述技术手段，本申请实施例可以通过预先训练好的神经网络模型，也就是所述亮度识别模型来对所述当前可见光图像对应的当前亮度情况进行判断，无需人工干预，提高了效率并减少了人力成本，并且由于训练过的神经网络模型是经过多次验证和测试的，具有更强的可靠性，对当前亮度情况的判断能够更加准确，便于后续根据当前亮度情况的分析和处理
。
[0011]可选地，在本申请的一个实施例中，所述根据所述当前可见光图像得到当前亮度情况，具体包括：将所述当前可见光图像转换为灰度图像，获取所述灰度图像中每个像素的灰度值；根据所有所述灰度值计算所述灰度图像的平均灰度值；将所述平均灰度值与预设亮度阈值进行对比；若所述平均灰度值小于所述预设亮度阈值，则判定所述当前亮度情况为低亮度情况；若所述平均灰度值大于或等于所述预设亮度阈值，则判定所述当前亮度情况为高亮度情况
。
[0012]根据上述技术手段，本申请实施例可以将当前可见光图像转换为灰度图像，并计算出灰度图像的平均灰度值，根据平均灰度值来和预设亮度阈值对比来判断所述当前可见光图像对应的当前亮度情况，从而可以直观地判断当前可见光图像对应的当前亮度情况是高亮度情况还是低亮度情况，使得对当前亮度情况的判断过程简单且快速，减少了计算量，降低了系统负担，并且使得对当前亮度情况的判断具有实时性，便于后续及时做出相应的处理
。
[0013]可选地，在本申请的一个实施例中，所述根据所述当前可见光图像得到当前亮度情况，之后还包括：若所述当前亮度情况为高亮度情况，则直接根据经过训练的可见光检测模型对所述当前可见光图像进行检测，获得当前可见光检测图像，并将所述当前可见光检测图像作为最终检测图像
。
[0014]根据上述技术手段，本申请实施例可以在高亮度的情况下直接对可见光图像进行检测，因为高亮度情况下可见光图像的细节和清晰度高，足以提供准确的图像信息，不需要再进行额外的检测步骤，减少了在高亮度情况下进行图像检测的复杂性和成本，节省了处理时间，提高对图像检测的实时性
。
[0015]可选地，在本申请的一个实施例中，所述若所述当前亮度情况为低亮度情况，获取红外相机采集的红外图像，对所述当前可见光图像和所述红外图像进行检测，得到可见光检测图像和红外检测图像，具体包括：若所述当前亮度情况为低亮度情况，启动所述红外相机，接收所述红外相机发送的红外图像；将所述当前可见光图像输入经过训练的可见光检测模型，得到所述可见光检测图像；将所述红外图像输入经过训练的红外检测模型，得到所述红外检测图像
。
[0016]根据上述技术手段，本申请实施例可以在低亮度的情况下通过红外相机接收红外图像，然后根据预先训练好的可见光检测模型和红外检测模型分别对当前可见光图像和红外图像进行检测，获得可见光检测图像和红外检测图像，从而能够在低亮度的情况下使用红外图像补充当前可见光图像中缺乏的细节和清晰度，并且可见光检测模型和红外检测模型是同步进行检测的，缩短了图像检测的时间，提高了对路面上的所有情况进行检测的效
率
。
[0017]可选地，在本申请的一个实施例中，所述若所述当前亮度情况为低亮度情况，启动所述红外相机，接收所述红外相机发送的红外图像，之后还包括：接收所述可见光相机发送的后续可见光图像，其中，所述后续可见光图像的时间信息晚于所述当前可见光图像的时间信息；根据所述后续可见光图像获取后续亮度情况；若所述后续亮度情况为高亮度情况，则关闭所述红外相机
。
[0018]根据上述技术手段，本申请实施例可以在低亮度情况且红外相机已本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种图像检测方法，其特征在于，所述图像检测方法包括：获取可见光相机采集的当前可见光图像，根据所述当前可见光图像得到当前亮度情况；若所述当前亮度情况为低亮度情况，获取红外相机采集的红外图像，对所述当前可见光图像和所述红外图像进行检测，得到可见光检测图像和红外检测图像；对所述可见光检测图像和所述红外检测图像进行融合处理，得到最终检测图像
。2.
根据权利要求1所述的图像检测方法，其特征在于，所述根据所述当前可见光图像得到当前亮度情况，具体包括：将当前可见光图像输入经过训练的亮度识别模型；通过所述亮度识别模型确定所述当前可见光图像对应的当前亮度情况，其中，所述当前亮度情况包括低亮度情况或者高亮度情况
。3.
根据权利要求1所述的图像检测方法，其特征在于，所述根据所述当前可见光图像得到当前亮度情况，具体包括：将所述当前可见光图像转换为灰度图像，获取所述灰度图像中每个像素的灰度值；根据所有所述灰度值计算所述灰度图像的平均灰度值；将所述平均灰度值与预设亮度阈值进行对比；若所述平均灰度值小于所述预设亮度阈值，则判定所述当前亮度情况为低亮度情况；若所述平均灰度值大于或等于所述预设亮度阈值，则判定所述当前亮度情况为高亮度情况
。4.
根据权利要求1所述的图像检测方法，其特征在于，所述根据所述当前可见光图像得到当前亮度情况，之后还包括：若所述当前亮度情况为高亮度情况，则直接根据经过训练的可见光检测模型对所述当前可见光图像进行检测，获得当前可见光检测图像，并将所述当前可见光检测图像作为最终检测图像
。5.
根据权利要求1所述的图像检测方法，其特征在于，所述若所述当前亮度情况为低亮度情况，获取红外相机采集的红外图像，对所述当前可见光图像和所述红外图像进行检测，得到可见光检测图像和红外检测图像，具体包括：若所述当前亮度情况为低亮度情况，启动所述红外相机，接收所述红外相机发送的红外图像；将所述当前可见光图像输入经过训练的可见光检测模型，得到所述可见光检测图像；将所述红外图像输入经过训练的红外检测模型，得到所述红外检测图像
。6.
根据...

【专利技术属性】
技术研发人员：马玉宇，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：