基于合成雾的智能驾驶高精度场景生成方法及系统技术方案

本发明专利技术提供了一种基于合成雾的智能驾驶高精度场景生成方法及系统，包括步骤S1：采集正常天气下的真实行车场景视频，将视频数据转化为点云数据；步骤S2：基于点云数据和多尺度卷积网络合成模拟雾霾点云数据；步骤S3：基于3D‑Gassusian Splatting算法及模拟雾霾点云数据，生成雾霾天气下的初场景；步骤S4：对雾霾天气下的初场景处理重建，输出预设精度的雾霾天气下的行车场景。本发明专利技术能够优化模型训练效率和降低数据采集的成本和风险，且能够提供丰富的恶劣天气下的行车数据集，为智能驾驶提供更多的测试场景，提高智能驾驶系统在复杂环境下的安全性，为自动驾驶技术的发展和环境模拟研究提供了有力的支持。

【技术实现步骤摘要】

本专利技术涉及智能驾驶，具体地，涉及一种基于合成雾的智能驾驶高精度场景生成方法及系统。

技术介绍

1、在智能驾驶
，场景生成是模拟真实驾驶环境的关键技术之一。随着自动驾驶技术的发展，车辆需要在各种不同的天气条件下都能够安全有效地行驶。霾天气，作为一种能见度低、环境复杂的情况，对智能驾驶系统提出了更高的要求。在这样的环境下，激光雷达、摄像头等传感器的性能可能会受到严重影响，导致系统无法准确识别和判断周围的环境。

2、过去的研究中，尽管有些方法尝试通过光学方式给图片增加雾效，但渲染效果并不理想。同时，也有一些方法利用深度学习对场景进行计算模拟，但这些方法大多局限于图像处理，并未实现真正的场景生成。那些旨在模拟恶劣天气下加雾场景的方法，往往计算复杂度高且实时性不足。

3、因此，需要提出一种结合合成雾和3d gs的方法，生成高精度的雾霾天气行车场景，以提升智能驾驶系统在复杂环境下的性能和安全性。

4、在公开号为cn217279317u的中国专利文献中，公开了一种智能驾驶域控制器、智能驾驶控制系统及车辆，该智能驾驶域控制器包本文档来自技高网...

【技术保护点】

1.一种基于合成雾的智能驾驶高精度场景生成方法，其特征在于，包括：

2.根据权利要求1所述的一种基于合成雾的智能驾驶高精度场景生成方法，其特征在于，所述步骤S1包括使用相机环形拍摄预期行车场景，对视频数据进行预处理，基于增量式SFM算法将视频数据转化为点云数据。

3.根据权利要求2所述的一种基于合成雾的智能驾驶高精度场景生成方法，其特征在于，所述预处理包括将相邻帧的各个像素的灰度、亮度或颜色等量分成N个等级，对每个等级统计像素数并做成直方图比较，进行镜头的边界分割；定义NxN级灰度共生矩阵；所述共生矩阵包括对比度、纹理一致性、像素对比度和熵四个特征向量，在0°，4...

【技术特征摘要】

1.一种基于合成雾的智能驾驶高精度场景生成方法，其特征在于，包括：

2.根据权利要求1所述的一种基于合成雾的智能驾驶高精度场景生成方法，其特征在于，所述步骤s1包括使用相机环形拍摄预期行车场景，对视频数据进行预处理，基于增量式sfm算法将视频数据转化为点云数据。

3.根据权利要求2所述的一种基于合成雾的智能驾驶高精度场景生成方法，其特征在于，所述预处理包括将相邻帧的各个像素的灰度、亮度或颜色等量分成n个等级，对每个等级统计像素数并做成直方图比较，进行镜头的边界分割；定义nxn级灰度共生矩阵；所述共生矩阵包括对比度、纹理一致性、像素对比度和熵四个特征向量，在0°，45°，90°，135°对视频实现关键帧提取。

4.根据权利要求2所述的一种基于合成雾的智能驾驶高精度场景生成方法，其特征在于，所述步骤s1包括以下子步骤：

5.根据权利要求1所述的一种基于合成雾的智能驾驶高精度场景生成方法，其特征在于，所述步骤s2包括基于大气散射模型和多尺度神经网络生成模拟的合成雾点云数据；使用大气散射模型模拟光线在不同浓度和特性的雾霾中的传播方式；所述大气散射模型能够基于物理原理，考虑雾滴对光波的散射和吸收作用，预测光线在雾霾中的传播路径和衰减情况；根据模拟结果调整点云数据，改变其中每个点的颜色和密度并反映雾环境下的视觉效果；所述视觉效果包括背景颜色变得模糊、颜色对比度降低以及远处物体的细节丢失；进一步采用多尺度卷积网络精细化模拟过程；基于学习不同尺度下的点云特征和数据...

【专利技术属性】
技术研发人员：高洪波，杨涵青，李齐彪，苏惠萍，王程博，周林，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：