[发明专利]一种用于辅助车辆自动驾驶的天气现象识别系统和方法

权利要求书

1.一种用于辅助车辆自动驾驶的天气现象识别系统，其特征在于，所述识别系统包括ARM处理器，以及与ARM处理器分别连接的车载摄像头、远程服务器、车载LCD显示屏和通信模块；所述ARM处理器、车载摄像头、车载LCD显示屏和通信模块搭载在车辆上；

所述车载摄像头根据ARM处理器的控制指令实时拍摄车辆所处场景的天气图像，将拍摄图像传输至ARM处理器；

所述ARM处理器对所述天气图像进行预处理后，将天气图像分割成两部分：包含天空区域天气信息的天空图像和包括地面区域天气信息的地面图像，再将天空图像、地面图像和天气图像通过通信模块传输至远程服务器；

所述远程服务器内安装有天气现象识别模型，所述天气现象识别模型包括依次连接的三通道卷积神经网络、特征融合模块、完全连接层和Softmax分类器；所述三通道卷积神经网络包括用于提取天空特征的第一卷积神经网络分支、用于提取全局特征的第二卷积神经网络分支和用于提取地面特征的第三卷积神经网络分支；所述特征融合模块用于融合三通道卷积神经网络提取的天空特征、地面特征和全局特征；所述完全连接层和Softmax分类器用于结合融合后的特征信息识别得到天气现象类型；

所述远程服务器将接收到的天气图像、天空图像和地面图像导入天气现象识别模型，其中，天气图像导入第二卷积神经网络分支，天空图像导入第一卷积神经网络分支，地面图像导入第三卷积神经网络分支， 识别得到当前天气图像对应的天气现象类型，将识别结果通过通信模块返回ARM处理器；

所述ARM处理器将接收到的识别结果通过车载LCD显示屏显示给用户。

2.根据权利要求1所述的用于辅助车辆自动驾驶的天气现象识别系统，其特征在于，所述将识别出的天气现象类型量化后，将量化结果传输给自动驾驶伺服系统。

3.根据权利要求1所述的用于辅助车辆自动驾驶的天气现象识别系统，其特征在于，所述特征融合模块采用Concat函数融合三个通道提取的天空特征、地面特征和全局特征。

4.根据权利要求1所述的用于辅助车辆自动驾驶的天气现象识别系统，其特征在于，所述通信模块包括4G/5G通讯装置。

5.根据权利要求1所述的用于辅助车辆自动驾驶的天气现象识别系统，其特征在于，所述天气现象类型包括晴天、阴天、雪天、雨天、雾天和沙尘六种。

6.根据权利要求1所述的用于辅助车辆自动驾驶的天气现象识别系统，其特征在于，所述第一卷积神经网络分支和第三卷积神经网络分支采用由5层卷积层和1层Max池化层组成的CNN5卷积神经网络，所述第二卷积神经网络分支采用由1层卷积层、1层Max池化层和4组残差模块组成的Resnet15残差网络。

7.根据权利要求6所述的用于辅助车辆自动驾驶的天气现象识别系统，其特征在于，所述CNN5卷积神经网络包括依次连接的参数为[224*112]:3的输入层、参数为[7*7]:32/（2,1）的卷积层、参数为[7*7] /2的Max池化层、参数为[3*3]:64/2的卷积层、参数为[3*3]:128/2的卷积层、参数为[3*3]:256/2的卷积层和参数为[3*3]:512/2的卷积层。

8.根据权利要求6所述的用于辅助车辆自动驾驶的天气现象识别系统，其特征在于，所述Resnet15残差网络包括依次连接的参数为[224*224]:3的输入层、参数为[3*3]:32/2的卷积层、参数为[3*3] /2的Max池化层、参数为[1*1]:64/2的残差模块、参数为[1*1]:128/2的残差模块、参数为[1*1]:256/2的残差模块、参数为[1*1]:512/2的残差模块。

9.一种用于辅助车辆自动驾驶的天气现象识别方法，其特征在于，所述识别方法包括：

S1，采用车载摄像头实时拍摄天气图像；

S2，对所述天气图像进行预处理后，将天气图像分割成两部分：包含天空区域天气信息的天空图像和包括地面区域天气信息的地面图像；

S3，从天空图像中提取天空特征，从地面图像中提取地面特征，从天气图像中提取全局特征，将提取出的天空特征、地面特征和全局特征融合后导入用于对天气现象进行分类的Softmax分类器，识别得到天气现象类别；

S4，量化识别得到的天气现象类别，将量化结果传输至自动驾驶伺服系统，辅助车辆自动驾驶。