[发明专利]一种基于聚类算法选择敏感区域的驾驶辅助系统有效

专利信息
申请号: 201710791316.0 申请日: 2017-09-05
公开(公告)号: CN107578012B 公开(公告)日: 2020-10-27
发明(设计)人: 陈燕;李柯泉;牟向伟;张琳 申请(专利权)人: 大连海事大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/46
代理公司: 大连东方专利代理有限责任公司 21212 代理人: 姜玉蓉;李洪福
地址: 116026 辽*** 国省代码: 辽宁;21
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 算法 选择 敏感区域 驾驶 辅助 系统
【说明书】:

发明公开了一种基于聚类算法选择敏感区域的驾驶辅助系统,包括:基于CCD图像采集设备和蓝牙设备的图像采集单元,接收所述图像采集单元传送的数据信息、支持L2级别自动驾驶功能的车道线检测单元,所述车道线检测单元读取蓝牙单元传送的数据信息并采用车道线检测方法输出车道线的具体位置信息;所述车道线检测单元包括图像预处理单元、分类器单元、车道线统计单元、信息提取单元和信息整合单元。本系统通过对切割后的图像块进行分类,包含了车道线的图像块被保留,不包含车道线的图像块被去除,能够得到一个近似的车道线轮廓范围。

技术领域

本发明涉及图像采集和处理技术领域,尤其涉及一种基于聚类算法选择敏感区域的驾驶辅助系统。

背景技术

目前存在多种驾驶辅助系统,其中的车道线检测功能大多借助计算机视觉或其他传感器实现。其中基于计算机视觉的车道线检测多是通过数学模型确定一个固定的感兴趣区域然后对图像中的边界信息进行提取然后通过直线或曲线模型对其中的边界线进行拟合。其中确立感兴趣区域的方法包括依照车道线的特点直接划定一部分区域作为感兴趣区域、利用直方图获得图像的统计学特征从而获取车道部分的颜色特征从而得到车道所在位置的大致范围、在图像中定义优先像素再利用卡尔曼滤波进行跟踪的方法。进行边界提取的方法包括Canny算子、Gabor滤波的虚部等方法。拟合的模型包括直线模型和双曲线模型等。目前已有技术普遍存在可靠性较差的问题,如容易将图像中的其他直线如道路护栏、标识牌中的大段直线误识别为车道线或容易受光线、阴影道路积水等影响提取到错误的边界线从而使整个车道线识别发生错误。目前大多通过定义感兴趣区域来排除无关区域的干扰使得车道线检测过程中不会被路牌、天空等无用信息干扰但是这样使车道线检测仅能在划定的区域进行,鲁棒性较差,而且依然没有解决在有干扰的条件下边界识别容易错误的问题。

发明内容

根据现有技术存在的问题,本发明公开了一种基于聚类算法选择敏感区域的驾驶辅助系统,具体方案是包括:

CCD图像采集设备和蓝牙设备的图像采集单元,所述图像采集单元以一定的角度和位置固定安装在车辆前部,实时对车辆前方的路况图像进行采集并通过蓝牙单元将采集到的数据信息实时输出;

接收所述图像采集单元传送的数据信息、支持L2级别自动驾驶功能的车道线检测单元,所述车道线检测单元读取蓝牙单元传送的数据信息并采用车道线检测方法输出车道线的具体位置信息;所述车道线检测单元包括图像预处理单元、分类器单元、车道线统计单元、信息提取单元和信息整合单元,

所述图像预处理单元接收蓝牙单元传送的道路图像信息对道路图像中的车辆图像进行检测和标注、对车辆所在位置进行图像修复使对应位置恢复空旷的路面图像;

所述分类器单元接收图像预处理单元传送的图像信息对输入的图像块是否包含了车道线信息进行分类,并将分类结果保存在LIM矩阵中;

所述车道线统计单元接收LIM矩阵传送的数据信息并根据LIM矩阵的内容预测图像中消失点的预测位置,根据该预测位置采用聚类方法获取路况图像中每一条车道线所属的感兴趣区域;

所述信息提取单元接收车道线统计单元传送的感兴趣区域并将其转换成HSV色彩空间并提取其中的白色和黄色区域,利用Hough变换变换提取其中的直线特征得到车道线位置数据;

所述信息整合单元接收信息提取单元传送的车道线位置数据,与其通过网络获取的道路信息进行比对,判断是否找到全部车道线,若没有找全则继续驱动车道线统计单元和信息提取单元对其他车道线进行检测;当检测到全部的车道线时根据车道线位置信息判断车辆是否偏离了正确方向,并将车道线和当前车辆的角度信息传递给所述警报单元,所示报警单元发出报警信号提示用户。

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大连海事大学,未经大连海事大学许可,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/201710791316.0/2.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