[發明專利]一種基于路面學習的障礙物檢測方法與裝置

有效

• 申請號: 201711031600.4
• 申請日: 2017-10-27
• 公開（公告）號: CN107909009B
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 崔峰;孟然;姜安;朱海濤;李飛
• 申請（專利權）人: 北京中科慧眼科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62
• 代理公司: 北京遠立知識產權代理事務所(普通合伙) 11502
• 代理人: 李海燕

1.一種基于路面學習的障礙物檢測方法，其特征在于，包括：

基于雙目視覺系統獲取的道路圖像訓練生成無障礙物路面模型；

基于所述無障礙物路面模型及所述道路圖像的視差圖訓練生成障礙物檢測分類模型；

將所述無障礙物路面模型作為標準，與待檢測視差圖進行比較，按照所述障礙物檢測分類模型對所述待檢測視差圖進行障礙物檢測，得到檢測結果；

所述基于雙目視覺系統獲取的道路圖像訓練生成無障礙物路面模型，包括：

獲取所述道路圖像的左視圖與右視圖的視差圖，并對所述視差圖進行近處無障礙物篩選；

對被篩選的視差圖依次進行基于像素的路面視差信息計算；

根據所述路面視差信息計算出當前一幀圖像所對應的路面視差的統計信息作為標識位信息數據，并記錄所有標識位信息數據；

對相同的所述標識位信息數據出現的次數進行累計，當相同的所述標識位信息數據出現的次數的累計結果達到預設閾值時，提取此時記錄的所有標識位信息數據，對所記錄的全部標識位信息數據進行路面模型的擬合計算，選取滿足預設選取標準的數據段作為所述無障礙物路面模型。

2.根據權利要求1所述的障礙物檢測方法，其特征在于，所述基于所述無障礙物路面模型及所述道路圖像的視差圖訓練生成障礙物檢測分類模型，包括：

根據所述無障礙物路面模型對所述視差圖進行分割及形態學運算，得到待檢測區域模板；

再將所述待檢測區域模板與所述視差圖進行融合，則得到疑似障礙物視差圖像的待檢測區域；

對所述待檢測區域通過人工篩選構成訓練樣本，根據區域信息和圖像特征對所述訓練樣本進行機器學習，生成所述障礙物檢測分類模型。

3.根據權利要求2所述的障礙物檢測方法，其特征在于，所述對所述待檢測區域通過人工篩選構成訓練樣本，根據區域信息和圖像特征對所述訓練樣本進行機器學習，生成所述障礙物檢測分類模型包括：

對視差值較大的待檢測區域進行分類，確認為是近處的障礙物；

對視差值較小的待檢測區域進行分類，確認為是遠處的障礙物；

對于所述近處的障礙物與所述遠處的障礙物進行人工的篩選，標定正確的障礙物信息和錯誤的障礙物信息，構成所述訓練樣本；

對所述訓練樣本，根據區域信息和圖像特征，進行機器學習，得到所述障礙物檢測分類模型。

4.根據權利要求3所述的障礙物檢測方法，其特征在于，還包括：

提取誤檢備選塊的區域特征，通過收集訓練學習的大規模樣本，利用基于機器學習生成訓練模型，對所述檢測結果進行誤檢去除。

5.一種基于路面學習的障礙物檢測裝置，其特征在于，包括：

第一訓練生成模塊，用于基于雙目視覺系統獲取的道路圖像訓練生成無障礙物路面模型；

第二訓練生成模塊，用于基于所述無障礙物路面模型及所述道路圖像的視差圖訓練生成障礙物檢測分類模型；

比較模塊，用于將所述無障礙物路面模型作為標準，與待檢測視差圖進行比較，按照所述障礙物檢測分類模型對所述待檢測視差圖進行障礙物檢測，得到檢測結果；

所述第一訓練生成模塊包括：

獲取模塊，用于獲取所述道路圖像的左視圖與右視圖的視差圖，并對所述視差圖進行近處無障礙物篩選；

第一計算模塊，用于對被篩選的視差圖依次進行基于像素的路面視差信息計算；

第二計算模塊，用于根據所述路面視差信息計算出當前一幀圖像所對應的路面視差的統計信息作為標識位信息數據，并記錄所有標識位信息數據；

累計模塊，用于對相同的所述標識位信息數據出現的次數進行累計，當相同的所述標識位信息數據出現的次數的累計結果達到預設閾值時，提取此時記錄的所有標識位信息數據，對所記錄的全部標識位信息數據進行路面模型的擬合計算，選取滿足預設選取標準的數據段作為所述無障礙物路面模型。