【技术实现步骤摘要】
本说明书实施例涉及智能汽车驾驶领域，特别地，涉及一种主动调整相机视线角度的道路分割方法和装置。
技术介绍
1、道路分割又称为可行驶区域检测，其目标是利用车载相机对车辆正在行经或即将行经的道路的可行驶区域进行检测，以将图像的每个像素分类为可行驶区域或不可行驶区域，这是智能车领域的关键技术。实际的城市交通环境异常复杂，要想实现智能车对道路的稳定分割，需要克服多种不利因素，现有技术中相机保持固定姿态，当面临逆光、掉头等场景时，无法对道路进行精确的分割。当车辆朝向阳光行驶时，相机有较大概率被阳光直射或者路面的镜面反射而导致过曝光，从而影响道路分割的精度。当车辆转弯或掉头的时候，相机由于视野范围的限制，可能导致需要关注的感兴趣区域移动到相机的视野范围之外，这种情况下，无论分割的精度多高，也对智能汽车的驾驶任务毫无意义。
2、因此，现在亟需一种主动调整相机视线角度的道路分割方法，能够主动调整相机实现角度，进而提高道路分割的性能。
技术实现思路
1、本说明书实施例的目的在于提供一种主动调整相机视线角度的道路分割方法和装置，以能够主动调整相机实现角度，进而提高道路分割的性能。
2、为达到上述目的，一方面，本说明书实施例提供了一种主动调整相机视线角度的道路分割方法，初始状态时相机未处于视线角度调整中，包括：
3、s1：利用相机采集前方的道路图像；
4、s2：将所述道路图像逆投影到路平面上，得到路平面坐标系下的俯视图；
5、s3：对所述俯视图
6、s4：通过预先设置的评价标准对所述分割图像进行评价，得到所述道路图像的评价数值；
7、s5：判断所述相机是否处于视线角度调整中；
8、s51：若否，则判断所述道路图像的评价数值是否大于评价阈值；
9、s511：若是，则保持所述相机的视线角度，循环所述s1-s5步骤；
10、s512：若否，则设置所述相机处于视线角度调整中，主动调整所述相机的视线角度至某一新的候选视线角度，循环所述s1-s5步骤；
11、s52：若是，则，
12、主动调整所述相机的视线角度至某一新的候选视线角度，循环所述s1-s5步骤，直至不存在新的候选视线角度，设置所述相机的视线角度调整完毕；
13、当所述相机的视线角度调整完毕时，基于所述相机在所有候选视线角度下分别对应的道路图像的评价数值，由所有候选视线角度中选取目标视线角度；
14、将所述相机调整至所述目标视线角度，循环所述s1-s5步骤。
15、优选的，所述通过预先设置的评价标准对所述分割图像进行评价，得到所述道路图像的评价数值进一步包括：
16、提取所述分割图像中与道路分割精度相关的特征；
17、将所述特征输入至预训练好的神经网络模型中，输出用于评价道路分割精度的第一评价数值；
18、构建车辆坐标系下当前车辆运动状态的感兴趣区域；
19、将所述感兴趣区域投影到当前相机的相机坐标系上，得到投影后的感兴趣区域；
20、根据所述投影后的感兴趣区域的位置和大小，计算用于评价分割图像对于当前车辆运动状态有用性的第二评价数值；
21、根据所述第一评价数值和第二评价数值，计算得到评价数值。
22、优选的，所述与道路分割精度相关的特征的确定方法包括：
23、将已知道路图像逆投影到路平面，得到路平面坐标系下的已知俯视图；
24、对所述已知俯视图进行道路分割，得到已知分割图像，所述已知分割图像的分割精度为已知量；
25、获取已知分割图像中与道路形状相关的若干原始特征，构成原始特征向量；
26、对所述原始特征向量依次进行三次降维，得到与道路分割精度相关的特征。
27、优选的，所述对所述原始特征向量依次进行三次降维，得到与道路分割精度相关的特征进一步包括：
28、对所述原始特征向量中的各原始特征分别进行标准化处理，得到标准化后的特征向量；
29、利用相关系数对标准化后的特征向量中每两个特征之间进行相关性分析，若所述每两个特征之间的相关系数大于设定系数，则剔除每两个特征中的某一特征，得到第一次降维后的特征向量，所述第一次降维后的特征向量中任意两个特征之间的相关系数均不大于设定系数；
30、构建第一次降维后的特征向量中各特征之间的相关系数矩阵；
31、利用主成分分析方法，根据所述相关系数矩阵的特征向量和第一次降维后的特征向量，确定主成分；
32、根据所述第一次降维后的特征向量中各特征对于主成分的影响程度，对第一次降维后的特征向量进行第二次降维，得到第二次降维后的特征向量；
33、将所述已知分割图像的分割精度作为精度特征，利用相关系数对第二次降维后的特征向量中每一特征与所述精度特征之间进行相关性分析，若两者之间的相关系数大于设定系数，则保留所述特征，得到第三次降维后的特征向量；
34、将所述第三次降维后的特征向量中的特征作为与道路分割精度相关的特征。
35、优选的，所述根据所述第一次降维后的特征向量中各特征对于主成分的影响程度，对第一次降维后的特征向量进行第二次降维，得到第二次降维后的特征向量进一步包括：
36、按照所述第一次降维后的特征向量中各特征对于主成分的影响程度进行由大至小排序后，得到各特征的排序顺序，所述排序顺序的排序首位为1，排序顺序的递增步长为1；
37、设置初始的统计数目为1；
38、统计排序顺序小于等于统计数目的所有特征对于主成分的累计影响程度，判断所述累计影响程度是否达到设定影响程度；
39、若是，则将排序顺序小于等于统计数目的所有特征作为新的特征，停止以上统计累计影响程度以及判断步骤；
40、若否，则统计数目自增1，循环以上统计累计影响程度以及判断步骤；
41、利用所述新的特征，构造第二次降维后的特征向量。
42、优选的，所述构建车辆坐标系下当前车辆运动状态的感兴趣区域进一步包括：
43、根据当前车辆运动状态的远、中、近三个预瞄点在车辆坐标系分别对应的坐标点，得到远坐标点、中坐标点和近坐标点；
44、利用三次样条曲线对三个坐标点进行拟合处理得到样条曲线；
45、将所述样条曲线沿中坐标点的切线方向进行左右移动，得到感兴趣区域的左右边界；
46、将所述左右边界的上下顶点以直线相连，得到感兴趣区域的上下边界；
47、将由所述左右边界和上下边界围成的封闭图形作为车辆坐标系下当前车辆运动状态的感兴趣区域。
48、优选的，所述根据所述投影后的感兴趣区域的位置和大小，计算用于评价分割图像对于当前车辆运动状态有用性的第二评价数值进一步包括：
49、通过如下公式计算用于评价分割图像本文档来自技高网...
【技术保护点】
1.一种主动调整相机视线角度的道路分割方法，其特征在于，初始状态时相机未处于视线角度调整中，包括：
2.根据权利要求1所述的方法，其特征在于，所述通过预先设置的评价标准对所述分割图像进行评价，得到所述道路图像的评价数值进一步包括：
3.根据权利要求2所述的方法，其特征在于，所述与道路分割精度相关的特征的确定方法包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述原始特征向量依次进行三次降维，得到与道路分割精度相关的特征进一步包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述第一次降维后的特征向量中各特征对于主成分的影响程度，对第一次降维后的特征向量进行第二次降维，得到第二次降维后的特征向量进一步包括：
6.根据权利要求2所述的方法，其特征在于，所述构建车辆坐标系下当前车辆运动状态的感兴趣区域进一步包括：
7.根据权利要求2所述的方法，其特征在于，所述根据所述投影后的感兴趣区域的位置和大小，计算用于评价分割图像对于当前车辆运动状态有用性的第二评价数值进一步包括：
8.根据权利要求
9.根据权利要求1所述的方法，其特征在于，所述将所述道路图像逆投影到路平面上，得到路平面坐标系下的俯视图进一步包括：
10.根据权利要求1所述的方法，其特征在于，所述候选视线角度包括：候选俯仰角度，以及目标俯仰角度对应的候选方位角度；或，候选方位角度，以及目标方位角度对应的候选俯仰角度。
11.一种主动调整相机视线角度的道路分割装置，其特征在于，初始状态时相机未处于视线角度调整中，所述装置包括：
12.一种计算机设备，包括存储器、处理器、以及存储在所述存储器上的计算机程序，其特征在于，所述计算机程序被所述处理器运行时，执行根据权利要求1-10任意一项所述方法的指令。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被计算机设备的处理器运行时，执行根据权利要求1-10任意一项所述方法的指令。
...【技术特征摘要】
1.一种主动调整相机视线角度的道路分割方法，其特征在于，初始状态时相机未处于视线角度调整中，包括：
2.根据权利要求1所述的方法，其特征在于，所述通过预先设置的评价标准对所述分割图像进行评价，得到所述道路图像的评价数值进一步包括：
3.根据权利要求2所述的方法，其特征在于，所述与道路分割精度相关的特征的确定方法包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述原始特征向量依次进行三次降维，得到与道路分割精度相关的特征进一步包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述第一次降维后的特征向量中各特征对于主成分的影响程度，对第一次降维后的特征向量进行第二次降维，得到第二次降维后的特征向量进一步包括：
6.根据权利要求2所述的方法，其特征在于，所述构建车辆坐标系下当前车辆运动状态的感兴趣区域进一步包括：
7.根据权利要求2所述的方法，其特征在于，所述根据所述投影后的感兴趣区域的位置和大小，计算用于评价分割图像对于当前车辆运动状态有用性的第二评价数值进一步包括...
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。