[發明專利]基于夜間環境感知的道路信息增強與駕駛預警方法

在審

• 申請號: 202011220517.3
• 申請日: 2020-11-05
• 公開（公告）號: CN112287861A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 陳梅;王秋鋮
• 申請（專利權）人: 山東交通學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08;G06T5/00;G08G1/095
• 代理公司: 長春市吉利專利事務所(普通合伙) 22206
• 代理人: 王楠楠;李曉莉

本發明的一種基于夜間環境感知的道路信息增強與駕駛預警方法，屬于智能車輛安全輔助駕駛技術領域，該方法構建夜間圖像分類器、不同夜間能見度圖像分類器、基于McCann99 Retinex方法的夜間有路燈圖像增強模型、基于SSR方法的全黑道路信息增強模型，實時進行圖像分類并根據不同類別,采用不同算法，能夠獲得最佳視覺增強效果。在實際行車過程中，采集車輛行進過程中的道路視頻圖像，根據離線訓練的夜間圖像分類庫，實時判斷圖像是否為夜間、判斷是否有路燈,實時選擇最佳圖像增強算法，實現對夜間能見度進行視覺增強，構建基于深度學習的夜間道路前方、側方車輛識別模塊，判斷本車前方側方是否有碰撞風險并進行安全行駛預警。

技術領域

本發明屬于智能車輛安全輔助駕駛技術領域，具體涉及到一種基于夜間環境感知的道路信息增強與駕駛預警方法。

背景技術

現在提高夜間行車安全的方法，主要采用霧燈，判斷還是由駕駛員判斷。然而夜間條件下現有汽車霧燈存在照射范圍有限、存在盲區等問題影響駕駛員判斷行車狀況。因此，對夜間環境感知并進行道路信息增強方法研究，以改善夜間行車視野具有十分重要的意義。

目前，對于夜間圖像增強技術的研究中，以實際道路圖像為對象的研究相對較少，由于實際夜間道路圖像的不同位置，顏色往往是不同的，有些昏黃，有些呈灰色或者黑色，這給夜間圖像增強增加了難度。在實際的處理中，增強后的圖像明顯受圖像中不同道路燈光的影響。

發明內容

本發明的目的在于針對現有技術的不足，提出了一種基于夜間環境感知的道路信息增強與駕駛預警方法，通過采集夜間真實道路圖像，提出的全黑、惡劣夜間道路條件道路信息恢復方法和夜間條件下圖像質量增強方法，實現在不改變夜間光線的條件下，獲得圖像在人眼視覺下的最佳可視效果。

為實現上述目的，本發明采用如下技術方案：基于夜間環境感知的道路信息增強與駕駛預警方法，其特征在于，包括如下步驟：

步驟一、獲取實時圖像，建立夜間圖像分類器并進行實時圖像分類，得到有路燈夜間道路圖像和全黑夜間道路圖像；

步驟二、建立基于單尺度Retinex方法的全黑道路信息增強模型，對全黑夜間道路圖像進行增強處理，將全黑夜間道路圖像增強前后同一內容的圖像對比，以每一行灰度值連續上升間隔像素點數最多的邊緣灰度變化率代表這一行的灰度變化率，得出圖像所有行灰度變化率的均值，該均值小于等于閾值，則再次進行全黑夜間道路圖像增強過程；該均值超過給定閾值，則完成全黑夜間道路圖像增強質量評價，得到增強后的清晰全黑夜間道路圖像；

步驟三、建立基于McCann99 Retinex方法的夜間有路燈圖像增強模型，對有路燈夜間道路圖像進行增強處理，將有路燈夜間道路圖像增強前后同一內容的圖像對比，以每一行灰度值連續上升間隔像素點數最多的邊緣灰度變化率代表這一行的灰度變化率，得出圖像所有行灰度變化率的均值，該均值小于等于閾值，則再次進行有路燈夜間道路圖像增強過程；該均值超過給定閾值，則完成有路燈夜間道路圖像增強質量評價，得到增強后的清晰有路燈夜間道路圖像；

步驟四、構建夜間前方、側方車輛檢測安全駕駛預警策略，從而實現安全駕駛預警；

具體過程如下：

①對于夜間增強后的道路圖像，首先將增強后的道路圖像進行候選區域的提取，得到矩形目標候選區域數據庫圖像；

②利用深度學習中的卷積神經網絡RCNN網絡結構模型進行預訓練，具體輸入層為矩形目標候選區域數據庫圖像，利用圖像特征提取的特征提取層，提取候選區域的視覺特征，所述視覺特征包括邊緣、角點、紋理及顏色構成特征圖，在特征圖上進行檢測分類，實現預訓練；