[发明专利]一种驾驶培训智能教练机器人

权利要求书

1.一种驾驶培训智能教练机器人，其特征在于，包括：驾驶信息获取模块、外界环境信息获取模块、数据处理中心、驾驶信息判断模块和语音播报模块；

所述驾驶信息获取模块，用于获取培训对象的驾驶行为数据；

所述外界环境信息获取模块，用于获取所述培训对象在驾驶过程中车辆前方的路况图像；

所述数据处理中心，用于分别对获取的驾驶行为数据和路况图像进行分析处理，并将其处理后的数据传输至所述驾驶信息判断模块；

所述驾驶信息判断模块，用于根据所述数据处理中心的处理结果，对所述培训对象的驾驶行为进行判断，并根据判断结果向所述语音播报模块发出相应的操作指令；

所述语音播报模块与所述驾驶信息判断模块相连，用于实时播报所述驾驶信息判断模块的判断结果以及相应的操作指令；

所述数据处理中心包括预处理单元、分割单元、特征识别单元和数据库；

所述预处理单元，用于从获取的路况图像中预选出包含交通标志的第一图像，并对所述第一图像进行预处理；

所述分割单元，用于对经预处理后的第一图像进行分割，得到能够描述交通标志信息的前景图像；

所述特征识别单元，用于从所述前景图像中获取描述第一图像中交通标志的特征值，并将得到的特征值与数据库中预存的交通标志的特征值进行比对，获取所述交通标志上的数据信息；

所述预处理单元包括第一处理子单元和第二处理子单元；

所述第一处理子单元用于从获取的路况图像中预选出包含交通标志的第一图像，并对所述第一图像进行增强处理；

所述第二处理子单元用于去除增强后的第一图像中的随机噪声；

所述对第一图像进行增强处理，包括：

(1)获取所述第一图像内所有像素点的原始RGB分量集合，所述RGB分量集合包括R分量、G分量和B分量；

(2)基于获取的原始RGB分量集合，利用下式获取增强后的RGB分量集合，其中像素点(i,j)经增强处理后的RGB分量集合的计算公式为：

式中，Tr′(i,j)、Tg′(i,j)和Tb′(i,j)分别是经增强后的像素点(i,j)的R分量的值、G分量的值和B分量的值，Tr(i,j)、Tg(i,j)和Tb(i,j)是所述第一图像中像素点(i,j)的R分量的值、G分量的值和B分量的值，Cr_min是所述第一图像中所有像素点R分量的最小值，Cg_min是所述第一图像中所有像素点G分量的最小值，Cb_min是所述第一图像中所有像素点B分量的最小值，Cr_max是所述第一图像中所有像素点R分量的最大值，Cg_max是所述第一图像中所有像素点G分量的最大值，Cb_max是所述第一图像中所有像素点B分量的最大值，γ是增强系数，是Cr_min、Cg_min、Cb_min三者之和的平均值；int{·}是取整运算，i、j分别为所述第一图像中像素点的横坐标和纵坐标；

(3)对所述第一图像中所有像素点进行增强处理，即可得到增强后的第一图像；

所述的去除增强后的第一图像中的随机噪声，包括：

(1)将增强后的第一图像进行灰度化处理；

(2)以像素点p(m,n)为中心，选取一个大小为A×A的滑动窗口Ω_p，根据滑动窗口内所有像素点的灰度值以及增强后的第一图像的灰度值均值，计算除像素点p(m,n)以外，滑动窗口内剩余像素点的加权系数，其中，像素点q(a,b)的加权系数的计算公式为：

式中，ω_q(a,b)是像素点q(a,b)的加权系数，G_q(a,b)是像素点q(a,b)的灰度值，ν₁、ν₂是预设的大于零的参数因子，用于分别描述滑动窗口内像素点的平均灰度值和经增强后的第一图像的平均灰度值的贡献程度，且满足ν₁+ν₂＝1，δ₁、δ₂是设定的常数因子，其均为很小的值，用来避免分母为零的情况，像素点q(a,b)是滑动窗口Ω_p内、除去像素点p(m,n)以外的剩余像素点；

(3)根据得到的滑动窗口内剩余像素点的权重系数和预设定的全局阈值T，计算滑动窗口Ω_p的局部阈值，其中，滑动窗口Ω_p的局部阈值的计算式子为：

式中，是滑动窗口Ω_p内像素点的局部阈值；

当滑动窗口内任一像素点的灰度值大于则该像素点是噪声点，利用下式估算出该噪声点的去噪估计值，并用得到的去噪估计值替换对应像素点的灰度值，当滑动窗口内任一像素点的灰度值不大于则该像素点是非噪声点，其中，噪声点的去噪估计值的计算式子为；

式中，是噪声点gh(i,j)的去噪估计值，G_gh(i,j)是滑动窗口Ω_p内的噪声点的灰度值；

(4)遍历经灰度化处理后的增强后的第一图像中所有像素点，从而得到预处理后的第一图像。