[发明专利]自动驾驶目标识别方法

说明书

本发明公开了一种自动驾驶目标识别方法，属汽车制造技术领域，该方法采用装在车辆上的双目摄像头，以及接收和处理双目摄像头信息的处理器；其目标识别的方法是：首先，处理器将双目摄像头针对同一目标输入的各单个图像信息经过NSCT变换分解后的低频子带系数和高频子带系数进行融合，获得低频融合子带系数和高频融合子带系数，再通过逆NSCT变换得到融合图像；然后采用Gabor算法对融合图像进行局部特征的提取，并将提取的局部特征信息输入至通过监督自学习的运算训练完成的神经网络中，然后分类输出给执行器。本发明可以解决现有自动驾驶目标识别存在的对车辆周边目标物进行识别的分辨率低、识别能力有限的问题。

技术领域

本发明涉及汽车制造技术领域，尤其是一种汽车自动驾驶的目标识别方法。

背景技术

对车辆周边目标物的实时识别和定位的准确性对于智能自动驾驶的行车安全至关重要。现有的一种自动驾驶采用的是：在无人驾驶的汽车上设置实时摄取图像信息，并将该图像信息传递给处理器处理的单目摄像头；处理器对单目摄像头反馈的图像信息与其内预置的目标特征进行匹配，然后认定匹配值大于一定阈值的部分是目标信息的目标特征匹配的方法对车辆周边目标物进行识别。然而实际应用中，由于单目摄像头的分辨率低、识别能力有限，一方面，如果碰到车辆尾灯破损、光线问题导致车辆底部阴影缩小、车道线由于年久失修导致不清晰等情形，就会造成特征匹配失败的问题；另一方面驾驶过程中如碰到浓雾天、雾霾天、逆光等的恶劣环境工况，也会导致高级驾驶辅助系统的相关功能稳定性降低的问题。

发明内容

本发明提供一种自动驾驶目标识别方法，该方法可以解决现有自动驾驶目标识别存在的对车辆周边目标物进行识别的分辨率低、识别能力有限的问题。

为了解决上述问题，本发明所采用的技术方案是：这种自动驾驶目标识别方法，包括装在车辆上用于摄取车辆周边图像的双目摄像头，以及接收和处理双目摄像头信息的处理器；

其目标识别的方法是：

首先，所述处理器将所述双目摄像头针对同一目标输入的各单个图像信息经过NSCT变换分解后的低频子带系数和高频子带系数进行融合，获得低频融合子带系数和高频融合子带系数，再通过逆NSCT变换得到融合图像；然后采用Gabor算法对融合图像进行局部特征的提取，并将提取的局部特征信息输入至通过监督自学习的运算训练完成的神经网络中，然后分类输出给执行器。

上述技术方案中，更具体的技术方案还可以是：所述双目摄像头包括红外感知摄像头和可见光感知摄像头；所述单个图像信息包括红外感知图像信息和可见光感知图像信息。

进一步的：所述低频融合子带系数的计算式是：L_F＝(1-λ)L_A+λL_B(1)

式中L_F为低频融合子带系数，λ为感知图像的信息量，L_A为红外低频子带系数，L_B为可见光低频子带系数；

所述高频融合子带系数的计算式是：

式中，为融合后图像的第k层、第j方向上对应像素点(x，y)的高频分量，为红外感知图像的第k层、第j方向上对应像素点(x，y)的高频分量，为可见光感知图像的第k层、第j方向上对应像素点(x，y)的高频分量。

进一步的：所述局部特征提取的计算式是：

式中g_uv(x，y)为Gabor局部特征提取核函数值，为每个Gabor核函数窗口的大小值，x为输入融合图像的横向坐标、y为输入融合图像的纵向坐标，j为虚部，j的平方＝-1，σ为Gabor核函数的方向，k为Gabor核函数的总方向数，v为Gabor核函数自定义的的频率数，u为Gabor核函数自定义的方向数。