【技术实现步骤摘要】
本申请涉及公路缺陷检测，尤其涉及一种基于计算机视觉的公路表面缺陷检测方法与系统。
技术介绍
1、随着科技的发展，人们也驾驶车辆的体验的要求也越来越高，自动驾驶应运而生。自动驾驶可以实现解放驾驶人员的双手，实现车辆的自动驾驶。例如，车辆探知到前方的路面存在缺陷时，会绕过缺陷行驶。因而，需要车辆对路面缺陷进行准确的检测。
2、目前，路面缺陷包括公路表面坑陷，公路表面坑陷包括黑坑区域或水坑区域。可以理解地，当车辆在行驶的过程中，需要提前较远的距离识别前方是否存在公路表面坑陷。若在环境光线较暗（如晚上）的情况下，车辆无法准确地识别前方是否存在路面坑陷。例如，容易把前方的黑坑区域或水坑区域识别为物体（信号牌、树干等）在光线（如路灯、月光）投下的阴影，造成车辆未能及其绕过路面坑陷，存在安全隐患。
技术实现思路
1、本申请提供一种基于计算机视觉的公路表面缺陷检测方法与系统，用于解决现有技术中若在环境光线较暗（如晚上）的情况下，车辆无法准确地识别前方是否存在路面坑陷的问题。
2、第一方面，本申请提供了一种基于计算机视觉的公路表面缺陷检测方法，应用于处于行驶状态的车辆的ecu，ecu分别与车辆的环境光传感器、前置摄像头电连接。本申请提供的方法包括：
3、在车辆的车灯开启且环境光传感器传输的环境光强低于设定的光强阈值时，在第一时刻接收来自前置摄像头传输的车辆前方的第一计算机视觉图像；
4、在识别到第一计算机视觉图像中存在疑似公路表面坑陷区域时，提取疑似公
5、在预设时长后的第二时刻接收来自前置摄像头传输的车辆前方的第二计算机视觉图像；
6、在识别到第二计算机视觉图像中存在疑似公路表面坑陷区域时，提取第二计算机视觉图像中的疑似公路表面坑陷区域的第二图像特征，并识别第二计算机视觉图像中的疑似公路表面坑陷区域与车辆在第二时刻的第二距离；
7、根据第一图像特征、第二图像特征，确定疑似公路表面坑陷区域在第二距离相对于第一距离的图像变化特征；
8、将环境光强、疑似公路表面坑陷区域的第一图像特征、疑似公路表面坑陷区域的第二图像特征、第一距离、第二距离、图像变化特征输入到预训练的公路表面坑陷确定模型中，确定公路表面存在缺陷的第一概率，其中，公路表面坑陷确定模型是将多个历史环境光强、分别对应的历史疑似公路表面坑陷区域的第一图像特征、分别对应的历史疑似公路表面坑陷区域的第二图像特征、分别对应的历史第一距离、分别对应的历史第二距离、分别对应的历史图像变化特征构建的训练样本集输入到初始待训练网络中训练得到的；
9、当第一概率大于设定的概率阈值时，确定公路表面存在缺陷。
10、在一种可能的实施方式中，在当第一概率大于设定的概率阈值时，确定公路表面存在缺陷之后，本申请提供的方法还包括：
11、识别第二计算机视觉图像中的疑似公路表面坑陷区域的轮廓；
12、根据环境光强、第二计算机视觉图像中的疑似公路表面坑陷区域的轮廓、第二距离，生成在环境光强和第二距离下的不同坑陷类型的标准公路表面坑陷区域的图像，其中，每个坑陷类型的标准公路表面坑陷区域的图像的轮廓与第二计算机视觉图像中的疑似公路表面坑陷区域的轮廓相同；
13、确定疑似公路表面坑陷区域的像素点与每个坑陷类型的标准公路表面坑陷区域的图像对应的像素点的差值的平均值和协方差；
14、根据每个疑似公路表面坑陷区域对应的差值的平均值和协方差、多个差值的平均值中最大的差值的平均值和最小的差值的平均值、多个协方差中最大的协方差和最小的协方差，确定各个坑陷类型的标准公路表面坑陷区域的图像分别与疑似公路表面坑陷区域匹配的置信度；
15、根据最高的置信度，查找公路表面存在缺陷的第二概率；
16、根据第二概率修正第一概率。
17、在一种可能的实施方式中，在车辆的车灯开启且环境光传感器传输的环境光强低于设定的光强阈值时，在第一时刻接收来自前置摄像头传输的车辆前方的第一计算机视觉图像之前，方法还包括：
18、根据多个历史环境光强、分别对应的历史疑似公路表面坑陷区域的第一图像特征、分别对应的历史疑似公路表面坑陷区域的第二图像特征、分别对应的历史第一距离、分别对应的历史第二距离、分别对应的历史图像变化特征构建训练样本集；
19、将训练样本集输入到待训练网络中训练，得到公路表面坑陷确定模型。
20、第二方面，本申请还提供了一种基于计算机视觉的公路表面缺陷检测系统，应用于处于行驶状态的车辆的ecu，ecu分别与车辆的环境光传感器、前置摄像头电连接，系统包括：
21、图像接收单元，用于在车辆的车灯开启且环境光传感器传输的环境光强低于设定的光强阈值时，在第一时刻接收来自前置摄像头传输的车辆前方的第一计算机视觉图像；
22、特征提取单元，用于在识别到第一计算机视觉图像中存在疑似公路表面坑陷区域时，提取疑似公路表面坑陷区域的第一图像特征，并识别第一计算机视觉图像中的疑似公路表面坑陷区域与车辆在第一时刻的第一距离，其中，坑陷区域包括黑坑区域或水坑区域；
23、图像接收单元，还用于在预设时长后的第二时刻接收来自前置摄像头传输的车辆前方的第二计算机视觉图像；
24、特征提取单元，用于在识别到第二计算机视觉图像中存在疑似公路表面坑陷区域时，提取第二计算机视觉图像中的疑似公路表面坑陷区域的第二图像特征，并识别第二计算机视觉图像中的疑似公路表面坑陷区域与车辆在第二时刻的第二距离；
25、特征确定单元，用于根据第一图像特征、第二图像特征，确定疑似公路表面坑陷区域在第二距离相对于第一距离的图像变化特征；
26、概率确定单元，用于将环境光强、疑似公路表面坑陷区域的第一图像特征、疑似公路表面坑陷区域的第二图像特征、第一距离、第二距离、图像变化特征输入到预训练的公路表面坑陷确定模型中，确定公路表面存在缺陷的第一概率，其中，公路表面坑陷确定模型是将多个历史环境光强、分别对应的历史疑似公路表面坑陷区域的第一图像特征、分别对应的历史疑似公路表面坑陷区域的第二图像特征、分别对应的历史第一距离、分别对应的历史第二距离、分别对应的历史图像变化特征构建的训练样本集输入到初始待训练网络中训练得到的；
27、缺陷确定单元，用于当第一概率大于设定的概率阈值时，确定公路表面存在缺陷。
28、在一种可能的实施方式中，本申请提供的系统还包括：
29、轮廓识别单元，用于识别第二计算机视觉图像中的疑似公路表面坑陷区域的轮廓；
30、图像生成单元，用于根据环境光强、第二计算机视觉图像中的疑似公路表面坑陷区域的轮廓、第二距离，生成在环境光强和第二距离下的不同坑陷类型的标准公路表面坑陷区域的图像，其中，每个坑陷类本文档来自技高网...
【技术保护点】
1.一种基于计算机视觉的公路表面缺陷检测方法，其特征在于，应用于处于行驶状态的车辆的ECU，所述ECU分别与车辆的环境光传感器、前置摄像头电连接，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在所述当所述第一概率大于设定的概率阈值时，确定公路表面存在缺陷之后，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，在所述在车辆的车灯开启且所述环境光传感器传输的环境光强低于设定的光强阈值时，在第一时刻接收来自所述前置摄像头传输的车辆前方的第一计算机视觉图像之前，所述方法还包括：
4.一种基于计算机视觉的公路表面缺陷检测系统，其特征在于，应用于处于行驶状态的车辆的ECU，所述ECU分别与车辆的环境光传感器、前置摄像头电连接，所述系统包括：
5.根据权利要求4所述的系统，其特征在于，所述系统还包括：
6.根据权利要求5所述的系统，其特征在于，所述系统还包括：
【技术特征摘要】
1.一种基于计算机视觉的公路表面缺陷检测方法，其特征在于，应用于处于行驶状态的车辆的ecu，所述ecu分别与车辆的环境光传感器、前置摄像头电连接，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在所述当所述第一概率大于设定的概率阈值时，确定公路表面存在缺陷之后，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，在所述在车辆的车灯开启且所述环境光传感器传输的环境光强低于设定的...
【专利技术属性】
技术研发人员：李洪胜，赵辉，王震，孟令宇，刘辉，韩菊，李胜强，何欣欣，马燕，
申请(专利权)人：沧州市精通工程检测有限公司，
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。