[发明专利]基于深度学习与双目摄像的自动驾驶目标检测系统及方法

说明书

本发明提出一种基于深度学习与双目摄像的自动驾驶目标检测系统及方法，主要解决现有自动驾驶中目标检测精确度差以及定位物体准确性差，无法应对复杂路况的问题，其实现方案是：通过双目摄像机采集图像并附带点云信息，经数据线传输至图像处理模块进行实时检测，图像处理模块为利用深度神经网络训练数据后构建的检测模块，由其对采集到的图像进行处理实现定位、识别及分类，最后通过结果输出模块将分类结果拼接为视频并输出，完成自动驾驶中道路状况的检测。本发明提高了目标识别精准度，解决了自动驾驶在复杂路况中无法适应的问题，可用于自动驾驶与行车主动安全系统。

技术领域

本发明属于人工智能技术领域，更进一步涉及目标识别与检测领域，具体为一种基于深度学习与双目摄像的自动驾驶目标检测系统及方法，可应用于自动驾驶与行车主动安全系统。

背景技术

人工智能技术是当前全世界范围内最新颖且具有潜力的研究领域，其中，人工智能有很多应用场景，包括自然语言处理、计算机视觉、语音识别等。自从2017年谷歌公司的alaphaGo人工智能在围棋领域战胜了世界冠军李世石后，人工智能一时成为街头巷尾被谈及的话题。随着近些年人工智能技术的快速发展，已经有越来越多的相关应用走进人们的生活，诸如火车站的面部识别系统、手机应用中包含的语音识别系统以及翻译软件的智能翻译系统，无不包含着人工智能的身影。世界各国都已经或正在部署自己的人工智能战略方案，希望能够在下一轮科技热潮中不落人后，我国也早已出台相关政策鼓励该领域技术产业的发展。由此可见，人工智能正在改变着人们的生活，也将在不久的未来为人类生活提供更多的便利。

提及人工智能的诸多应用，自动驾驶应该是不得不提及的一个。通过人工智能技术，我们可以做到例如障碍物识别、车道检测、路标监测、信号灯监测等多方面信息的快速获取，从而为自动驾驶系统提供非常丰富的信息，帮助自动驾驶系统做出决策，达到保证车辆安全平稳的运行的目的。

如今，汽车行业的发展进入了一个相对瓶颈的阶段，机械方面已无太多进步空间，且随着人们环保意识的加强，传统汽车工业在未来将会受到越来越多的限制。当前而言，有两个前景较好的方向，其中一个是新能源汽车，例如氢能源汽车、电能汽车，另一个，就是自动驾驶技术。目前，世界各大车企都在进行这方面的研究，如宝马与奔驰公司合作进行的自动驾驶系统研发，另外也有许多科技企业在这方面发力，诸如谷歌、百度等公司，自动驾驶技术正处于蓬勃发展的阶段。传统自动驾驶大多采用雷达(包括超声波雷达、激光雷达等)以及GPS进行道路信息的收集，该方式具有一定局限性，如遇雷达信号不易分辨前方物体的状况，其仅可以根据回波信号强度粗略判断物体大小，效果较差，另外，对于道路指示信息(如：交通标识、信号灯等)的分辨传统雷达也是有心无力，在复杂路况中无法准确获取道路信息；GPS可以帮助自动驾驶系统大致确定行进路线，但其精度一般在几米范围，无法做到精确识别车道信息；但借助深度学习技术则可以较好地解决这些问题，凸显出人工智能技术在该领域的优势。

针对当前技术与方法存在的这些问题，也有一些人尝试了使用深度学习的方法进行基于图像的检测，例如授权公号为CN109190633A，名称为“一种基于深度学习的智能物体识别系统及控制方法”的专利中公开了一种采用深度学习技术的物体识别系统。它采用了图像采集模块与红外偏振光成像模块来进行图像的采集工作，然后使用深度学习技术的CNN神经网络对图像进行学习训练，从而完成检测与识别，但仍存在以下不足：(1)该系统采用的为普通摄像头，仅具有单镜头，因此图像采集的范围较窄，无法较为全面地观察路面情况，视角盲区较大，而且没有比对对象，若摄像头出现故障，可能会导致系统失效；(2)该系统采用CNN网络对摄像头采集到的图像进行检测，该网络仅可以用来识别图像中的物体分类，无法确定物体所处图像中位置并对物体进行标注，因此无法应用于自动驾驶中，且该网络出现时间较长，在目标检测中效果并不理想，尤其是针对较为复杂的场景，检测结果较差，无法准确分辨复杂场景中的各个物体，对于自动驾驶经常需要面对的复杂路况而言，无法胜任。

发明内容