【技术实现步骤摘要】
本专利技术涉及车辆控制，具体为一种基于图像语义识别的车辆超车智能决策方法及系统。
技术介绍
1、车辆的自动超车过程由两次变道组成，目前对车辆变道前环境信息的采集主要以非视觉的方式进行，如激光雷达和毫米波雷达作为对车辆周围环境的感知，确定车辆周围物体的方位和物体的类别，例如现有的公开号为cn110053621a的中国专利公开了一种自动驾驶超车道的超车方法，其实时获取范围内关联车辆的位置和速度信息并做出实时预测，若在自动模式车辆的前方存在扩展超车专用道，控制车速并保持安全距离，待自动驾驶车辆驶至扩展超车专用道时，控制车辆驶入，调整车速以保证其在扩展超车专用道实现超车，并在达到可换道安全距离后，返回原行驶车道，完成超车过程。
2、但这种非视觉的方式存在一定的缺陷：一是对场景理解能力差，雷达存在对颜色信息不敏感、物体分类不精确以及环境理解能力有限等方面的问题；二是造价昂贵，成本近百万人民币，且在车辆超车变道过程中需要大量的计算，实时性难以保证。而视觉是车辆驾驶过程中对车身周围环境的重要感知设备，人通过视觉判断周围环境情况，实现车辆自动变道、避障等安全性驾驶操作，利用视觉感知比非视觉感知具有更强的场景理解能力，可以更为精确地实现车辆智能驾驶。在超车过程中对时间要求极为严苛，以免错过最佳时机，因此，需要一种可以代替人眼目视识别且可以节约数据计算时间的智能系统来实现车辆自动超车，为此，本专利技术提供一种基于图像语义识别的车辆超车智能决策方法及系统。
技术实现思路
1、本专利技术的目的
2、为实现上述目的，本专利技术提供如下技术方案：一种基于图像语义识别的车辆超车智能决策方法，包括：
3、s1、通过车载传感器获取车辆周围不同拍摄角度的待拼接图像，通过控制动态阈值t_fea的方式控制图像的特征检测区域，当所述动态阈值的变化小于设定值时，将图像分析的结果进行图像拼接，获得车辆周围环境图像；
4、s2、将所述车辆周围环境图像运用边缘直线检测方法，识别图像目标物体边缘，得到车辆周围环境边缘信息，结合车辆周围环境图像，得到第一环境信息；
5、s3、设置超车变道特征训练器，将得到的第一环境信息对应的特征信息输入到所述超车变道特征训练器中，根据超车变道特征训练器的训练结果，得到第一车道线特征集合l1，分割相邻车道的区域，提取车辆在车道中的信息，通过设置安全距离阈值判断左右两车道是否为能变道区域；
6、s4、若能变道，变道后依据车辆周围环境图像再次生成第二环境信息，输入所述超车变道特征训练器中，得到第二车道线特征集合l2，依据第二车道线特征集合l2判断原车道是否为能变道区域。
7、本专利技术进一步改进在于，所述s1具体包括以下步骤：
8、s11、通过车辆周围车载传感器获取车辆周围不同拍摄角度的待拼接图像；
9、s12、采用surf的特征点提取方法提取图像重叠区域特征点；
10、s13、运用knn-match算法寻找正确图像匹配点对，通过计算图像中所有节点两两之间的距离，最终判定是否为相同的特征点。
11、s14、将所述待拼接图像经过坐标变换后进行图像拼接，获得车辆周围环境图像。
12、本专利技术进一步改进在于，所述surf的特征点提取方法包括以下步骤：
13、s121、通过高斯模糊和不同尺度下的图像卷积来构建尺度空间金字塔，检测不同尺度下的特征点；
14、s122、基于步骤s121得到的特征点计算hessian矩阵，检测局部的高度变化，为特征检测区域设置动态阈值t_feai，若连续两次所述动态阈值变化小于设定值，则认定动态阈值的变化已经稳定，将该阈值作为图像拼接的拼接阈值，则特征检测区域的大小为re＝w×t_feai，其中w为图像总宽度，将检测区域内的特征点确定为特征点候选集；
15、s123、在所述特征点候选集中，使用haar小波响应对于在不同尺度和方向上的特征点进行响应，确定特征点的集中方向；
16、s124、基于特征点的尺度、位置和集中方向，创建特征描述符fd。
17、本专利技术进一步改进在于，所述动态阈值t_feai的计算公式如下：
18、
19、其中，t_fea1表示初始阈值，t_feai表示第i次拼接的阈值，gi表示第i次拼接的阈值变化贡献度，其中，di表示将稀疏的边缘特征点舍弃后剩余的有效特征点与拼接部分左边界的最大距离，ni表示第i次拼接的图像宽度，当|t_feai-t_feai-1|＜0.04时，则将t_feai作为图像的分割阈值，确定特征点候选集。
20、本专利技术进一步改进在于，所述knn-match算法具体步骤包括：
21、s131、对于每个特征点的所述特征描述符fd，计算两张图像的特征描述符之间的距离：得到特征描述符距离列表，其中，i表示总拼接次数，fd1(i)表示左侧待拼接图像的特征描述符，fd2(i)表示右侧待拼接图像的特征描述符；
22、s132、在所述特征描述符距离列表中找到最小距离dist_min和次最小距离dist_submin，计算距离比r＝dist_min/dist_submin；
23、s133、建立正确匹配点对列表，设置比值阈值t_r，在fd2(i)中寻找和fd1(i)的最佳匹配点，当r＜t_r时，令fd2(i)中i＝best_match_index，此时将(fd1(i),fd2(best_match_index))判定为相同的特征点，添加到正确匹配点对列表，fd2(best_match_index)表示fd2(i)距离fd1(i)最近的特征点，即最佳匹配点。
24、本专利技术进一步改进在于，所述超车变道特征训练器的训练过程包括以下具体步骤：
25、s31、采用pspnet多尺度语义分割网络，利用空洞特征权重分配策略，将所述车辆周围环境图像进行语义特征提取，所述语义特征包括道路特征、车辆特征和干扰特征；
26、s32、将第一环境信息对应的特征信息进行分类，得到分类后的环境边缘信息，将语义特征分类结果和环境边缘信息结合，划分感兴趣区域，得到道路特征区域；
27、s33、将提取的道路特征区域作为特征训练集合的输入，输出车道线检测特征训练集，通过车道线检测特征训练集训练得到超车变道特征训练器。
28、本专利技术进一步改进在于，所述空洞特征权重分配策略由mp-aspp策略和csam注意力机制并行组成，得到图像特征fd”，具体步骤包括：
29、s311、通过通道注意力机制cam压缩输入特征fd，压缩后的输入特征fd通过权重值计算得到特征fd'，通道注意力机制的权重映射公式如下：
30、wcam(fd)＝sig(mlp(avgpool(fd))+mlp(maxp本文档来自技高网...
【技术保护点】
1.一种基于图像语义识别的车辆超车智能决策方法，其特征在于：包括以下具体步骤：
2.根据权利要求1所述的一种基于图像语义识别的车辆超车智能决策方法，其特征在于：所述S1具体包括以下步骤：
3.根据权利要求2所述的一种基于图像语义识别的车辆超车智能决策方法，其特征在于：所述SURF的特征点提取方法包括以下步骤：
4.根据权利要求3所述的一种基于图像语义识别的车辆超车智能决策方法，其特征在于：所述动态阈值T_feai的计算公式如下：
5.根据权利要求3所述的一种基于图像语义识别的车辆超车智能决策方法，其特征在于：所述KNN-match算法具体步骤包括：
6.根据权利要求1所述的一种基于图像语义识别的车辆超车智能决策方法，其特征在于：所述超车变道特征训练器的训练过程包括以下具体步骤：
7.根据权利要求6所述的一种基于图像语义识别的车辆超车智能决策方法，其特征在于：所述空洞特征权重分配策略由MP-ASPP策略和CSAM注意力机制并行组成，得到图像特征FD”，具体步骤包括：
8.根据权利要求7所述的一种基于
9.根据权利要求8所述的一种基于图像语义识别的车辆超车智能决策方法，其特征在于：所述左侧障碍物分类数据集Pleft和右侧障碍物分类数据集Pright用于找出输入特征最临近的k个样本点，分别记录左侧车道样本点集合Sleft和右侧车道样本点集合Sright，统计集合Sleft中频率最高的能变更车道样本点nleft和集合Sright中频率最高的能变更车道样本点nright，当样本点为障碍物时，则判定为不可变更车道，当样本点为道路时，则判定为能变更车道，计算当前车辆的变更距离P的取值为Pleft或Pright。
10.一种基于图像语义识别的车辆超车智能决策系统，用于执行如权利要求1-9任意一项所述的一种基于图像语义识别的车辆超车智能决策方法，其特征在于：包括：
...【技术特征摘要】
1.一种基于图像语义识别的车辆超车智能决策方法，其特征在于：包括以下具体步骤：
2.根据权利要求1所述的一种基于图像语义识别的车辆超车智能决策方法，其特征在于：所述s1具体包括以下步骤：
3.根据权利要求2所述的一种基于图像语义识别的车辆超车智能决策方法，其特征在于：所述surf的特征点提取方法包括以下步骤：
4.根据权利要求3所述的一种基于图像语义识别的车辆超车智能决策方法，其特征在于：所述动态阈值t_feai的计算公式如下：
5.根据权利要求3所述的一种基于图像语义识别的车辆超车智能决策方法，其特征在于：所述knn-match算法具体步骤包括：
6.根据权利要求1所述的一种基于图像语义识别的车辆超车智能决策方法，其特征在于：所述超车变道特征训练器的训练过程包括以下具体步骤：
7.根据权利要求6所述的一种基于图像语义识别的车辆超车智能决策方法，其特征在于：所述空洞特征权重分配策略由mp-aspp策略和csam注意力机制并行组成，得到图像特征fd”，具体步骤包括...
【专利技术属性】
技术研发人员：武丹丹，章广忠，杨煜，徐建杭，
申请(专利权)人：南京项尚车联网技术有限公司，
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。