[發明專利]基于回聲狀態網絡的巡邏車高精度循跡方法

在審

• 申請號: 202011405929.4
• 申請日: 2020-12-04
• 公開（公告）號: CN112419345A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 趙平平;周曉宇;陳傳飛;薛巨峰;范東睿
• 申請（專利權）人: 鹽城中科高通量計算研究院有限公司
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T7/13;G06T5/00;G06N3/04;G06N3/08
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 劉趁新

基于回聲狀態網絡的巡邏車高精度循跡方法。該方法包括以下步驟：步驟1，采集巡邏車行駛圖像數據；步驟2，為采集的圖像添加椒鹽噪聲；步驟3，檢測圖像中的車道線；步驟4，建立巡邏車以及車道線的循跡模型；步驟5，采集巡邏路線上的異常情況；步驟6，開啟巡邏車駕駛中斷。本發明模擬了行車時的惡劣環境，在受到的噪聲環境的干擾下，實現巡邏車循跡功能，增強了巡邏車循跡的穩定性、可靠性和魯棒性，通過Canny算法檢測車道線的邊緣線，可以對采集到的路面圖像進行平滑降噪，有效的檢測車道線的邊緣線，為循跡模型提供重要的車道線數據，并回聲狀態網絡求解巡邏車的非線性循跡模型，有效的解決了非線性道路線的問題。

技術領域

本發明涉及巡邏車循跡領域，特別是涉及基于回聲狀態網絡的巡邏車高精度循跡方法。

背景技術

近年來，隨著汽車自動駕駛技術的不斷發展，全世界的很多學者花費了大量的人力、物力和財力來研究汽車自動駕駛技術。隨著機器學習和深度學習在圖像處理、語音識別、自然語言處理等領域的發展，自動駕駛技術可以與人工智能進行完美的結合。

機器學習和深度可以為自動駕駛系統中的環境感知、認知決策提供良好的算法基礎，同時工智能技術在圖像識別、激光雷達點云處理、決策規劃、智能控制中的出色表現，極大地推進了自動駕駛技術的研發速度。谷歌、特斯拉、奔馳、寶馬等各大科技企業及汽車主機廠相繼開展自動駕駛技術研究、測試等工作。隨著自動駕駛產業投資、技術研發和試驗測試逐步回歸理性，大家清楚認識到：自動駕駛技術，尤其是公開道路出行場景的L5級別量產自動駕駛汽車實現難度遠超預期；但在面向特定場景、限定速度范圍的情況下，與5G、V2X、指揮調度等技術相結合，就可以在網聯化程度與智能化程度之間找到安全、可靠、高效的解決方案。

安防巡邏是智能網聯巡邏車落地應用的最佳場景之一，有著典型的高頻次、低速度、剛性需求、大流量等特性，同時，技術實現難度相對較低。

發明內容

為解決上述問題，本發明實時圖像采集系統采集路面圖像模擬噪聲環境下的基礎上，提出了基于回聲狀態網絡的巡邏車高精度循跡方法。為盡可能的降低環境噪聲對傳感器采集的數據的影響，本發明通過Canny邊緣檢測算法，減少噪聲影響，檢測道路線，增強訓練得到的模型的魯棒性。本發明提供基于回聲狀態網絡的巡邏車高精度循跡方法，具體步驟如下，其特征在于：

步驟1，采集巡邏車行駛圖像數據：通過巡邏車上的實時圖像采集系統采集巡邏車行駛的路面圖像；

步驟2，為采集的圖像添加椒鹽噪聲：向步驟1中獲取的路面圖像中添加椒鹽噪聲，來模擬噪聲環境下所采集信號受到的干擾，加入20％～30％的椒鹽噪聲；

步驟3，檢測圖像中的車道線：使用Canny邊緣檢測算法檢測圖像中的車道線，并分割車道線；

步驟4，建立巡邏車以及車道線的循跡模型：將步驟3檢測到的車道線值作為輸入向量訓練回聲狀態網絡，使用回聲狀態網絡求解車道線的非線性循跡模型；

步驟5，采集巡邏路線上的異常情況：通過實時圖像采集系統采集巡邏路線上的人員求助和違法犯罪等緊急情況；

步驟6，開啟巡邏車駕駛中斷，當安全距離內出現巡邏異常時，系統啟動中斷處理機制，日志模塊記錄車載終端的異常情況。

進一步，步驟2中為采集圖像添加椒鹽噪聲的過程可以表示為：

所添加的椒鹽噪聲模型為：

其中，I_max和I_min是圖像像素點的最大值和最小值，p為圖像出現噪聲的概率，p的取值范圍為20％～30％，i_xy是采集圖像像素點(x,y)的實際值，f(x,y)是添加椒鹽噪聲后的圖像像素點值。

進一步，步驟3中檢測圖像中的車道線的過程可以表示為：