[发明专利]前方车辆识别方法、装置及车辆有效

专利信息
申请号: 201710024274.8 申请日: 2017-01-13
公开(公告)号: CN108304750B 公开(公告)日: 2020-11-06
发明(设计)人: 丁赞;徐波;杨青 申请(专利权)人: 比亚迪股份有限公司
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 熊永强
地址: 518118 广东省*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 前方 车辆 识别 方法 装置
【说明书】:

发明公开了一种前方车辆识别方法、装置及车辆,该方法包括以下步骤:采集车辆前方物体的图像以获取前方物体底部水平方向特征、两侧垂直方向特征和光照强度;根据前方物体底部水平方向特征、两侧垂直方向特征和光照强度,提取图像预设区域的水平特征单元的特征值和垂直特征单元的特征值;和计算图像预设区域的加权特征值;根据水平特征单元、垂直特征单元和加权特征值,确定前方物体的左下角和右下角;获取前方物体的左下角和右下角的灰度值,并根据前方物体的左下角和右下角的灰度值计算前方物体的对称距离;如果对称距离小于预设阈值,认定前方物体是车辆。该方法能够提高前方车辆识别的准确性、可靠性和实时性,从而提高了车辆的主动安全性。

技术领域

本发明涉及车辆技术领域,特别涉及一种前方车辆识别方法、一种前方车辆识别装置和一种车辆。

背景技术

随着汽车的普及,利用传感器提高对路面对象的辨识能力,给驾驶人更多的安全警示及辅助,从而提高车辆的主动安全性,已成为智能交通系统领域发展的重要方向。

目前在多路对象识别中主要采用模式识别方法对车辆进行识别,主要包括特征提取、分类器设计和模板匹配。此方法在模板匹配过程中运算量大,实时性差,并且车辆识别不精确。

相关技术中,前方车辆识别方法基于灰度图像车辆底部的灰度、梯度和方差特征构造车辆识别目标函数,存在以下不足:(1)灰度特征为全局特征,此特征易受光照条件影响;(2)目标函数的建立采用模式识别中的线性分类器,虽然形式简单易于实现,但是可靠性有待进一步提高;(3)算法的设计很难实现对前方车辆的精确识别,模板匹配算法运算时间长实时性差。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。

为此,本发明的第一个目的在于提出一种前方车辆识别方法,能够提高前方车辆识别的准确性、可靠性和实时性,从而提高了车辆的主动安全性。

本发明的第二个目的在于提出一种前方车辆识别装置。

本发明的第三个目的在于提出一种车辆。

为达到上述目的,本发明第一方面实施例提出了一种前方车辆识别方法,采集车辆前方物体的图像,并根据所述图像获取所述前方物体底部水平方向特征、所述前方物体两侧垂直方向特征和光照强度;根据所述前方物体底部水平方向特征和所述前方物体两侧垂直方向特征,提取所述图像预设区域的水平特征单元和垂直特征单元,并根据所述水平特征单元和所述垂直特征单元,计算所述水平特征单元的特征值和所述垂直特征单元的特征值;根据所述光照强度确定所述水平特征单元的特征值和所述垂直特征单元的特征值对应的权重系数,以计算所述图像预设区域的加权特征值;根据所述水平特征单元、所述垂直特征单元和所述加权特征值,确定所述前方物体的左下角和右下角;获取所述前方物体的左下角和右下角的灰度值,并根据所述前方物体的左下角和右下角的灰度值计算所述前方物体的对称距离;如果所述对称距离小于预设阈值,则认定所述前方物体是车辆。

本发明实施例的前方车辆识别方法,首先采集车辆前方物体的图像以获取前方物体底部水平方向特征、两侧垂直方向特征和光照强度,然后根据前方物体底部水平方向特征、两侧垂直方向特征和光照强度,提取图像预设区域的水平特征单元的特征值和垂直特征单元的特征值,以及计算图像预设区域的加权特征值,最后根据水平特征单元、垂直特征单元和加权特征值,确定前方物体的左下角和右下角,并获取前方物体的左下角和右下角的灰度值,并根据前方物体的左下角和右下角的灰度值计算前方物体的对称距离,如果对称距离小于预设阈值,则认定前方物体是车辆。由此,该方法能够提高前方车辆识别的准确性、可靠性和实时性,从而提高了车辆的主动安全性。

另外,根据本发明上述实施例提出的前方车辆识别方法还可以具有如下附加的技术特征:

在本发明的一个实施例中,上述前方车辆识别方法还包括:如果所述前方物体的对称距离大于或等于所述预设阈值,则认定所述前方物体不是车辆。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于比亚迪股份有限公司,未经比亚迪股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710024274.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top