[发明专利]基于双摄像头的无人驾驶汽车视觉识别系统

权利要求书

1.一种基于双摄像头的无人驾驶汽车视觉识别系统，其特征在于：包括第一图像采集模块、第二图像采集模块、车道线识别模块、车辆识别模块、交通标志识别模块、交通信号灯检测与识别模块；

所述第一图像采集模块、所述第二图像采集模块均采集并输出图像数据，分别记为第一图像数据、第二图像数据；

所述第一图像数据输入至所述车道线识别模块，所述车道线识别模块识别出所述第一图像数据中的车道线，并拟合出车道中线；

所述第一图像数据还输入至所述车辆识别模块，所述车辆识别模块依据所述车道线识别模块识别出的车道线的范围，识别出车道线内的车辆及其所处区域；

所述第二图像数据输入至所述交通标志识别模块，所述交通标志识别模块识别出所述第二图像数据中的交通标志图像，并对其进行快速、准确的分类；

所述第二图像数据还输入至所述交通信号灯检测与识别模块，所述交通信号灯检测与识别模块通过识别出目标区域的颜色区域，从而识别出交通信号灯及其显示状态。

2.根据权利要求1所述的基于双摄像头的无人驾驶汽车视觉识别系统，其特征在于：所述车道线识别模块的识别方法具体包括以下步骤：

步骤1-1：截取所述第一图像数据中车道线可能的所处范围，即一个梯形区域为感兴趣区域，记为车道线区域；

步骤1-2：依次对所述车道线区域进行灰度化、二值化、滤波、形态学处理，获得仅有车道线特征的图像，记为车道线区域特征；

步骤1-3：对所述车道线区域特征进行canny边缘检测，获得图像内各物体的轮廓，记为车道线区域轮廓；

步骤1-4：对所述车道线区域轮廓进行霍夫线变换，提取得区域内各物体的线特征，记为区域线特征；

步骤1-5：根据所述区域线特征的坐标斜率剔除干扰线，获得线特征；

步骤1-6：通过斜率特征分析将所述线特征划分为左右两条车道线，并对其进行合并，获得合并线；

步骤1-7：对所述合并线进行中线拟合，获得车道线中线。

3.根据权利要求2所述的基于双摄像头的无人驾驶汽车视觉识别系统，其特征在于：所述车辆识别模块的识别方法具体包括以下步骤：

步骤2-1：截取所述第一图像数据中车辆可能的所处范围，与所述车道线区域一致，记为车辆区域；

步骤2-2：对所述车辆区域依次进行中值滤波、二值化处理、轮廓提取，获得所述车辆区域中所有的轮廓，记为车辆区域轮廓；

步骤2-3：对所述车辆区域轮廓中各轮廓的尺寸进行筛选，剔除无关轮廓，获得车辆轮廓；

步骤2-4：通过卡尔曼滤波对所述车辆轮廓进行跟踪，并通过基于概率神经网络的分类器对所述车辆轮廓进行分类，从而识别出车辆及其所处区域。

4.根据权利要求1所述的基于双摄像头的无人驾驶汽车视觉识别系统，其特征在于：所述交通标志识别模块的识别方法具体包括以下步骤：

步骤3-1：截取所述第二图像数据中交通标志可能的所处范围，即图像边缘区域，记为标志区域；

步骤3-2：依次对所述标志区域进行灰度化、二值化、滤波、形态学处理，获得仅有交通标志特征的图像，记为标志区域特征；

步骤3-3：提取所述标志区域特征中的Gabor、HOG、ORB特征，并对其进行了融合，获得标志特征；

步骤3-4：利用支持向量机对所述标志特征进行分类识别。

5.根据权利要求1所述的基于双摄像头的无人驾驶汽车视觉识别系统，其特征在于：所述交通信号灯检测与识别模块的识别方法具体包括以下步骤：

步骤4-1：截取所述第二图像数据中交通信号灯可能的所处范围，即图像顶部区域，记为信号灯区域；

步骤4-2：将所述信号灯区域的颜色空间从RGB转换为HSV；

步骤4-3：对所述信号灯区域进行初步滤波处理，并设置红、绿、黄三种颜色的训练集，从而对所述信号灯区域的颜色分布进行高斯拟合，记为颜色区域；

步骤4-4：利用先验颜色阈值对所述颜色区域进行分割，获得信号灯区域；

步骤4-5：对所述信号灯区域进行连通域检测，感知得其中每一区域的边界框；

步骤4-6：利用一定的条件对所述信号灯区域中的每一区域进行筛选，确定其中部分为候选区域；

步骤4-7：重复所述步骤4-6，利用相同条件对所述候选区域进行扩展，获得扩展候选区域；

步骤4-8：利用支持向量机对所述扩展候选区域进行分类识别，确认交通灯及其显示状态。