【技术实现步骤摘要】
本专利技术涉及电子信息领域图像检测，尤其涉及无人驾驶交通工具的路径搜索方法。
技术介绍
1、随着经济、社会的高速发展，城市交通拥挤现象日益严重，尤其在一些特大城市道路拥挤、阻塞、交通事故更是频发。那么，无人驾驶车辆更要求导航精准、安全、合理避开交通拥堵，降低事故发生率，就需要在无人驾驶车辆上安装一套实时路径规划系统，该系统必须具有优化计算、精准导航、快速定位的路径全局最优规划功能。所以，研究无人驾驶汽车的路径最优规划方法迫在眉睫，具有重要的理论价值和现实意义。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本专利技术提供无人驾驶交通工具的路径搜索方法，有效的解决现在无人驾驶没有合适的路径规划方法，导致存在一定的安全危害的问题。
2、为实现上述目的，本专利技术的技术方案为：无人驾驶交通工具的路径搜索方法，包括如下步骤：
3、s1，提出图像特征检测算法，将关键转折点存入起始表中；
4、s2，在关键转折点之间做三次数据扩张点；
5、s3，给出按需分配的损失量，在不同路段，定义出不同的损失量；
6、s4，根据代价最小原则，给出激发式路径搜索算法，完成最优规划模型建立。
7、优选的，所述步骤s1的具体过程如下：
8、对图像目标实施特征提取，设提取的算子为两个n*n的矩阵算子，分别得到横向gx和纵向gy的梯度值，如果两方向总的梯度值大于某一个阈值δ，则认为该点为特征点。
9、优选的，所述n*
10、i.提取算法与目标作卷积运算
11、
12、
13、这里，a和b是模板，i是图像；
14、ii.梯度值与其方向
15、计算图像的梯度值，即图像的每一个像素的横向及纵向特征值通过以下公式来计算该点特征的大小：
16、
17、计算图像近似梯度值，使用不开平方的近似值如下：
18、|g|＝|gx|+|gy|；
19、用以下公式计算梯度方向：
20、
21、给定一个阈值δ，当g＞δ，则认为该点特征值为边缘点的特征值，把这点的特征值信息储存；
22、把平坦区域的像素特征值屏蔽，只显示储存的特征像素值，提取特征边缘。
23、优选的，对特征做平滑：设原图像为f′(x,y)，用一个低通滤波器h在空间域上对f′(x,y)进行平滑滤波，输出图像为g(u,v)：
24、
25、优选的，所述步骤s2的具体过程如下：
26、在寻优路径的两关键转折点之间增加虚拟点；
27、设用s(x)表示在位置结点的水平方向x上插值于垂直方向y的三次函数，x指位置结点的横坐标集，y指位置结点的纵坐标集，y＝s(x)，x∈x，y∈y；假设在各结点处的二阶导数为
28、s”(xk)＝mk，k＝0,1,l,n；
29、s(x)二阶导数为线性函数，即
30、
31、其中，
32、hk-1＝xk-xk-1
33、如果对s”(x)积两次，并根据结点条件
34、s(xk-1)＝yk-1，s(xk)＝yk (6)。
35、优选的，所述步骤s3的具体过程如下：
36、由区域目标选取，拥堵情况出现是符合随机的，且道路上交通流是服从负指数分布，所以可定义道路上交通流密度为ξ(t)时，在(0,t]时间段有k次拥堵到达的概率为：
37、
38、其中，{n(t),t≥0}为(0,t]内的拥堵到达次数；
39、再设yi为第i次道路拥堵强度的概率分布函数为：g(x)＝p{yi≤x}，i＝1,2,l，并假设不同间隔时间的拥堵强度相互独立，且有相同的概率分布，g*(i)(x)表示为g(x)的i重卷积；
40、假设交通道路上拥堵所造成的油耗、汽车磨损、时间等的损失量函数为f(t)，间隔时间为t；
41、当交通路上的拥堵程度到达阈值h时，交通管理的处理能力下降到不可用状态，则在时刻t前，拥堵损失率函数为：
42、
43、由于交通出现拥堵需要单位损失量为c的费用进行恢复，则恢复总费用成本c(t)为：
44、
45、优选的，所述步骤s4的具体过程如下：
46、引进一个函数它表示第1至第k辆选择道路数时所能得到的最大畅通率，这里j＝1,2,l,m，1≤k≤n；显然fn(xj)表示所有n辆车选择道路数xj时所得到的最大畅通性能，即
47、fn(xj)＝jmax (10)；
48、已知进入前k辆车选择的道路数为第k辆车选择的道路数为xkj，则前k-1辆车选择的道路数为把k辆车选择道路数看成是k步决策，则表示k步决策的指标最优值，gk(xkj)表示选择道路数为xkj时第k步的畅通概率值，即指标值，表示余下k-1步决策的指标最优值，根据最优性原理，则有
49、
50、这表明若第1至第k辆车选择道路数时的最优选择为x1j,l,xkj，则x1j,l,xk-1,j一定是前k-1辆车选择道路数为的最优分配，这里j＝1,2,l,m，1≤k≤n。
51、与现有技术相比，本专利技术具有如下益处：1)图像特征是指反映图像局部特性不连续性的一种指标，它表明了一个区域的结束和另一个区域的开始。通过使用一阶和二阶求导方法，我们可以方便地检测到图像局部特性的不连续效果.。为了实现特征的检测，我们可以使用空域微分算子与图像进行卷积操作，也可以使用离散z变换来实现卷积操作。具体而言，我们可以利用给定的数字矩阵作为模板，对图像进行离散卷积操作，来实现特征的提取。2)在提取出路径的关键转折点后，根据力学分析理论，使车按照一定的弧半径沿连续曲线行驶，使其行驶平衡、有效避开障碍物、保证安全，那么，就需要在寻优路径的两关键转折点之间增加虚拟点，即做出三个数据扩张点。通过对原始数据进行随机变换，增加训练数据样本的多样性，提高模型的鲁棒性和泛化能力，缓解过拟合现象，解决数据不平衡问题；3)提出了基于区域目标选取和拥堵情况的交通路线规划方法，并定义了拥堵到达概率和拥堵损失率函数。通过全局搜索最优路径，将交通路线规划问题转化为一个优化问题来解决。此外，还提出了一种基于需求情况的损失估价函数，用于指导车辆在交通道路上选择最佳行驶路径。
本文档来自技高网...【技术保护点】
1.无人驾驶交通工具的路径搜索方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的无人驾驶交通工具的路径搜索方法，其特征在于，所述步骤S1的具体过程如下：
3.根据权利要求2所述的无人驾驶交通工具的路径搜索方法，其特征在于，所述n*n的矩阵算子为3*3的矩阵算子；
4.根据权利要求3所述的无人驾驶交通工具的路径搜索方法，其特征在于，对特征做平滑：设原图像为f′(x,y)，用一个低通滤波器H在空间域上对f′(x,y)进行平滑滤波，输出图像为g(u,v)：
5.根据权利要求1所述的无人驾驶交通工具的路径搜索方法，其特征在于，所述步骤S2的具体过程如下：
6.根据权利要求1所述的无人驾驶交通工具的路径搜索方法，其特征在于，所述步骤S3的具体过程如下：由区域目标选取，拥堵情况出现是符合随机的，且道路上交通流是服从负指数分布，所以可定义道路上交通流密度为ξ(t)时，在(0,t]时间段有k次拥堵到达的概率为：
7.根据权利要求1所述的无人驾驶交通工具的路径搜索方法，其特征在于，所述步骤S4的具体过程如下：
【技术特征摘要】
1.无人驾驶交通工具的路径搜索方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的无人驾驶交通工具的路径搜索方法，其特征在于，所述步骤s1的具体过程如下：
3.根据权利要求2所述的无人驾驶交通工具的路径搜索方法，其特征在于，所述n*n的矩阵算子为3*3的矩阵算子；
4.根据权利要求3所述的无人驾驶交通工具的路径搜索方法，其特征在于，对特征做平滑：设原图像为f′(x,y)，用一个低通滤波器h在空间域上对f′(x,y)进行平滑滤波，输出图像为g(u,...
【专利技术属性】
技术研发人员：吴青娥，宋绍京，张博锋，赵丽敏，潘淳，韩一帆，王文静，方正高远，
申请(专利权)人：上海第二工业大学，
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。