[发明专利]一种基于机器学习的车载相机目标检测方法

说明书

本发明公开了一种基于机器学习的车载相机目标检测方法，其过程为：车载相机安装和标定；各模块上电处理；相机模块采集图像信息，图像信息通过HDMI传输给处理器；处理器模块进行机器学习处理，计算得到目标的实际大小和距离信息；通过CAN协议，将目标的大小和距离信息发送给车辆控制中心。采用上述技术方案，其处理方法只利用到车载相机的图像信息，操作简单，实时性较好。

技术领域

本发明属于智能车辆控制的技术领域，涉及车辆中的机器学习、图像处理技术。更具体地，本发明涉及一种基于机器学习的车载相机目标检测方法。

背景技术

环境感知、路径规划、动作响应是智能车的重要组成部分，环境感知的精确程度影响着路径规划的准确性。智能汽车感知系统常见的感知系统有视觉识别系统、雷达系统等，这二者在环境感知上均有应用，但雷达体积大、价格贵、不便于车载和集成，且雷达的最终产品形态难以确定，这些给其在环境感知方面的推广使用带来了不少困难。

发明内容

本发明提供一种基于机器学习的车载相机目标检测方法，其目的是实现对目标物的大小、距离的实时判断。

为了实现上述目的，本发明采取的技术方案为：

本发明的基于机器学习的车载相机目标检测方法，其过程为：

开始；

步骤1、车载相机安装和标定，得到相机内外参数；并将该参数发送给处理器模块；

步骤2、车辆启动，将车辆控制中心、相机模块、处理器模块上电处理；

步骤3、相机模块采集图像信息，图像信息通过HDMI(高清多媒体接口)传输给处理器；

步骤4、处理器模块进行机器学习处理，计算得到目标的实际大小和距离信息；

步骤5、通过CAN协议，将目标的大小和距离信息发送给车辆控制中心；

结束。

在所述的步骤1中，将车载相机安装在车前挡风玻璃处、接近车辆中心位置，利用固定装置将其固定。根据设定的相机内外参数的标定方法，对车载相机进行标定，得到相机的内部参数和外部参数；所述的内部参数包括相机的焦距；所述的外部参数包括相机的安装角度。

在所述的步骤2中，将车辆打火，使车辆启动，线路连接上电处理，电源模块使车辆控制中心、相机模块、处理器模块上电。

在所述的步骤3中，车辆开始运行后，将车辆行驶到有行人、车辆目标的环境中；相机模块采集目标的图像信息；处理器模块通过HDMI接口接收车载相机拍摄到的目标图像信息。

在所述的步骤4中，机器学习处理相机图像：根据处理器接收到的图像信息，利用机器学习算法识别出图像中目标矩形框像素坐标，根据相机的内部参数和外部参数组成的矩阵，计算得到每个矩形框的实际坐标，得到目标实际大小、距离。

采用上述技术方案与现有技术相比，本发明利用车载相机的图像信息，操作简单，实时性较好，对车辆的路径规划提供可靠依据；当本车辆前方出现行人、车辆等目标时，目标的大小和距离信息通过CAN信号发送给车辆控制中心；当目标距离过近时，车辆能及时做出刹车响应；当目标过大时，判断是否能够实现超车等动作，为车辆安全行驶提供了保障。

附图说明

附图所示内容简要说明如下：

图1为本发明的车载相机目标检测方法的流程图；

图2为本发明的车载相机安装示意图；

图3为本发明的模块连接结构示意图。

具体实施方式