[发明专利]一种基于高光谱成像技术的深度学习方法

说明书

本发明涉及一种基于高光谱成像技术的深度学习方法，主要包括以下步骤：A、获取车辆周边环境反射的成像光束，转换为包含二维图像信息与一维光谱信息的三维信息集合；B、通过图像重组技术获得三维信息集合中任意光谱段的空间图像信息及任意像素点的光谱分布信息；C、基于获得的空间图像信息及光谱分布信息对环境进行判断，并结合从ECU获取的当前车辆状态输出对车辆执行自动驾驶的控制。本发明可以利用一个高光谱成像装置获得车辆周边环境的空间图像信息及任意像素点的光谱分布信息，因此可以减少摄像头或传感器的设置，并且相对于传统摄像头提高了对环境的检测精度，从而提高车辆自动驾驶控制的准确性。

技术领域

本发明涉及高光谱成像技术应用领域或自动驾驶控制技术领域，具体涉及一种于高光谱成像技术的深度学习方法。

背景技术

自动驾驶汽车(Autonomous vehicles)又称无人驾驶汽车、计算机驾驶汽车、或轮式移动机器人，是一种通过计算机系统实现无人驾驶的智能汽车。自动驾驶汽车技术的研发，在20世纪也已经有数十年的历史，于21世纪初呈现出接近实用化的趋势，依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让计算机可以在没有任何人类主动的操作下，自动安全地操作机动车辆。

汽车自动驾驶技术主要通过视频摄像头、雷达传感器以及激光测距器等环境监测设备来了解周围的交通状况，并通过一个详尽的地图(通过有人驾驶汽车采集的地图)对前方的道路进行导航。根据自动化水平的高低区分了四个无人驾驶的阶段：驾驶辅助、部分自动化、高度自动化、完全自动化：

(1)驾驶辅助系统(DAS)：目的是为驾驶者提供协助，包括提供重要或有益的驾驶相关信息，以及在自动驾驶汽车示意图开始变得危急的时候发出明确而简洁的警告。如″车道偏离警告″(LDW)系统等。

(2)部分自动化系统：在驾驶者收到警告却未能及时采取相应行动时能够自动进行干预的系统，如″自动紧急制动″(AEB)系统和″应急车道辅助″(ELA)系统等。

(3)高度自动化系统：可以没有任何人类驾驶员，能够在或长或短的时间段内代替驾驶者承担操控车辆的职责，但是仍需人类对驾驶活动进行监控的系统。

(4)完全自动化系统：可无人驾驶车辆、允许车内所有乘员从事其他活动且无需进行监控的系统。这种自动化水平允许乘员从事计算机工作、休息和睡眠以及其他娱乐等活动。

以上无论哪种自动化水平的自动驾驶系统均依赖于包括摄像头在内的环境监测系统对车辆周边环境的准确监测。然而，现有的环境监测系统中单个摄像头只能获取二维空间图像信息，需要多个摄像头或多个传感器组合应用，否则难以保证车辆的准确控制。例如，一般的环境监测系统通常包括雷达传感器、前摄像头、后摄像头、左侧摄像头及右侧摄像头等；其中，前摄像头安装在车辆前挡风玻璃中央位置；后摄像头安装在车辆后挡风玻璃中央位置；左侧摄像头及右侧摄像头分别安装在车辆左右两侧后视镜上；雷达传感器安装在车前防撞杆中央位置。一般车辆的自动驾驶均需要这些摄像头及传感器组合应用方能提高监测的准确性。

从而，现有技术仍需要进一步发展及改进。

发明内容

本发明的目的在于公开一种基于高光谱成像技术的深度学习方法，通过将高光谱成像技术应用于车辆自动驾驶控制中，减少摄像头或传感器的应用，并提高车辆自动驾驶控制的准确性。

为了实现以上目的，本发明公开的一种基于高光谱成像技术的深度学习方法，主要包括以下步骤A至C：

A、获取车辆周边环境反射的成像光束，转换为包含二维图像信息与一维光谱信息的三维信息集合；

B、通过图像重组技术获得三维信息集合中任意光谱段的空间图像信息及任意像素点的光谱分布信息；

C、基于获得的空间图像信息及光谱分布信息对环境进行判断，并结合从ECU获取的当前车辆状态输出对车辆执行自动驾驶的控制。