【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及障碍物检测方法、装置和计算机设备。
技术介绍
1、障碍物监测方法是通过多种传感器与智能算法实时感知并识别环境中的障碍物，为自主系统提供安全导航与决策依据的核心技术。当前主流方案采用多传感器融合，结合卡尔曼滤波、深度学习等算法，在自动驾驶、机器人、智能交通等领域实现全天候、高鲁棒性的障碍物检测，兼顾实时性与复杂场景适应性，推动智能系统从避撞预警向全自主决策演进。
2、目前主流的障碍物检测方法能够通过车辆搭载的多类型传感器，实现车辆行驶过程中的安全预警和路线规避，然而这种类型的检测方法受限于车辆自身条件，例如车辆所搭载的传感器数量、车辆障碍物监测系统的灵敏度以及车辆移动速度，导致不同车辆的障碍物检测效果不一致，影响道路交通安全。
技术实现思路
1、针对现有技术所存在的上述缺点，本专利技术提供了障碍物检测方法、装置和计算机设备，能够有效解决现有技术中不同车辆的障碍物检测效果不一致的问题。
2、为实现以上目的，本专利技术通过以下技术方案予以实现：
3、本专利技术提供障碍物检测方法、装置和计算机设备，至少包括以下步骤：
4、步骤一：获取路面图像，将路面图像对应路段区域记作监控路段，依据道路分割标线将路面图像划分为多个车道矩形，将车道矩形沿车道长度方向划分为多个单位矩形；
5、步骤二：周期性获取路面图像记作路面定期图像，在车辆进入监控路段时采集路面图像记作路面车辆图像，获取路面车辆图像之后采集的多个路面
6、基于车辆图像集合分析得到触发车辆对应的多个途经相关车道，针对途经相关车道对应的多个单位矩形进行图像比较分析，其中：
7、获取单位矩形在触发车辆经过之前和经过之后的矩形图像进行比较，基于两个矩形图像之间的相似度，确定路面异常矩形；
8、步骤三：基于途经车辆经过监控路段时的加速度变化和方向盘扭力变化进行分析，将单位矩形标记为第一异常矩形或第二异常矩形；
9、步骤四：基于单位矩形被标记的次数，综合计算单位矩形的异常置信度；
10、步骤五：将单位矩形的异常置信度与预设的第一置信阈值和第二置信阈值进行比较，基于单位矩形的异常置信度大小生成不同信号。
11、进一步地，所述车辆途经图像集合构建过程如下：
12、获取监控路段的速度限制值，代入公式中进行计算，得到关联周期，其中为监控路段的长度，设路面车辆图像采集时刻为，将位于时间区间内所采集的路面定期图像记作时刻路面车辆图像的关联图像，将路面车辆图像及其关联图像共同组成车辆途经图像集合。
13、进一步地，所述途经相关车道获取过程如下：
14、将车辆途经图像集合中路面图像记作相关图像，在相关图像中标记出触发车辆的车辆轮廓，构建包含车辆轮廓的最小矩形记作车辆矩形，构建穿过车辆矩形的两条短边中点的直线记作车身方向直线；
15、在相关图像中绘制出各个车道矩形对应的车道中心线分别记作，f为车道中心线的序号；
16、获取相关图像中车身方向直线与各车道中心线的交点记作途经交点，将包含途经交点的车道记作途经相关车道。
17、进一步地，所述路面异常矩形标记过程如下：
18、分别获取时间区间之前和之后最近一次采集到的两个路面对比图像记作比对图像；
19、获取两个比对图像中同一单位矩形对应的两个矩形图像，计算两个矩形图像的相似度，当两个矩形相似度小于等于预设的相似阈值时，将对应的单位矩形记作异常矩形区域；
20、获取多个异常矩形区域的相似度，当多个异常矩形区域的相似度不等时，将异常矩形区域标记为路面异常矩形，对应的位置标记为障碍物疑似位置。
21、进一步地，所述第一异常矩形标记过程如下：
22、预设有一个时效周期，获取时效周期内经过监控路段的途经车辆记作目标车辆，获取目标车辆位于时效周期内的行驶路线，行驶路线上任意一点均对应一个经过时刻，获取监控路段对应的经过时间区间；
23、获取经过时间区间内目标车辆的竖直加速度变化曲线，获取竖直加速度变化曲线的多个波峰点，预设有加速度阈值，将竖直加速度值大于加速度阈值的波峰点所对应的时刻记作第一异常时刻；
24、获取第一异常时刻对应的车辆位置记作第一异常位置，将包含第一异常位置的单位矩形标记为第一异常矩形。
25、进一步地，所述第二异常矩形标记过程如下：
26、获取经过时间区间内目标车辆的方向盘扭力变化曲线，预设有扭力阈值，将方向盘扭力变化曲线中高于扭力阈值的部分记作扭力异常部分，针对扭力异常部分对应时间区间内的方向盘转动角度进行分析，得到转向异常值；
27、将转向异常值与预设的转向异常阈值比较，当转向异常值大于预设的转向异常阈值时，将扭力异常部分开始时刻记作第二异常时刻；
28、获取第二异常时刻对应的车辆位置记作第二异常位置，将第二异常位置所处车道对应的所有单位矩形标记为第二异常矩形。
29、进一步地，所述转向异常值计算过程具体如下：
30、设扭力异常部分对应的时间区间为，获取时间区间内方向盘转动的角度数列，角度数列内包含多个转动角度，每个转动角度对应方向盘的一次单向转动；
31、当单向转动方向为顺时针时转动角度为正，当单向转动方向为逆时针时转动角度为负；
32、代入公式中进行计算；
33、得到单向转动幅度和总和转动幅度；
34、其中：
35、；
36、表示取之间的最大值；
37、将单向转动幅度和总和转动幅度代入公式中进行计算，得到转向异常值，其中均为预设权重系数。
38、进一步地，所述单位矩形的异常置信度计算过程如下：
39、获取每个单位矩形被标记为路面异常矩形的次数记作第一影响值，获取每个单位矩形被标记为第一异常矩形的次数记作第二影响值，获取每个单位矩形被标记为第二异常矩形的次数记作第三影响值；
40、代入公式中进行计算，得到每个单位矩形的异常置信度，其中：
41、均为预设的权重系数；
42、m为每个车道矩形上单位矩形的数量。
43、障碍物检测装置，包括设置在道路两侧的路面监控设备，所述路面监控设备正对路面；
44、还包括车机设备，所述车机设备电性连接有三轴加速度计和扭力传感器，所述三轴加速度计设置在车头部位用于测量车辆三轴加速度，所述扭力传感器设置在方向盘转轴处用于测量方向盘转动时扭力。
45、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。
46、本专利技术提供的技术方案，与已知的现有技术相比，具有如下有益效果：
47、1、本专利技术能够在现有的本文档来自技高网...
【技术保护点】
1.障碍物检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的障碍物检测方法，其特征在于，所述车辆途经图像集合构建过程如下：
3.根据权利要求1所述的障碍物检测方法，其特征在于，所述途经相关车道获取过程如下：
4.根据权利要求2所述的障碍物检测方法，其特征在于，所述路面异常矩形标记过程如下：
5.根据权利要求1所述的障碍物检测方法，其特征在于，所述第一异常矩形标记过程如下：
6.根据权利要求5所述的障碍物检测方法，其特征在于，所述第二异常矩形标记过程如下：
7.根据权利要求6所述的障碍物检测方法，其特征在于，所述转向异常值计算过程具体如下：
8.根据权利要求1所述的障碍物检测方法，其特征在于，所述单位矩形的异常置信度计算过程如下：
9.障碍物检测装置，其特征在于，所述装置包括：
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
【技术特征摘要】
1.障碍物检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的障碍物检测方法，其特征在于，所述车辆途经图像集合构建过程如下：
3.根据权利要求1所述的障碍物检测方法，其特征在于，所述途经相关车道获取过程如下：
4.根据权利要求2所述的障碍物检测方法，其特征在于，所述路面异常矩形标记过程如下：
5.根据权利要求1所述的障碍物检测方法，其特征在于，所述第一异常矩形标记过程如下：
6.根据权利要求5所述的障碍物检测...
【专利技术属性】
技术研发人员：刘佩直，周鑫，
申请(专利权)人：杭州一眼智能科技有限公司，
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。