[发明专利]基于纹理提取和小波变换的车载鱼眼相机自诊断方法

权利要求书

1.一种基于纹理提取和小波变换的车载鱼眼相机自诊断方法，其特征在于，包括如下步骤：

步骤1、获取当前相机图像；

步骤2、输入获取的所述当前相机图像，对输入图像检测模糊和光照异常；

步骤3、对所述当前相机图像进行小波变换；

步骤4、基于纹理提取计算第一遮挡备选区域；

步骤5、在高频分量上基于模糊点检测计算第二遮挡备选区域；

步骤6、基于惯性测量单元(IMU)/轮速计获取车辆运动状态；

步骤7、结合时域信息对所述第一和第二遮挡备选区域进行融合；

步骤8、在小波变换中LL分量上基于区域生长对非遮挡区域进行抑制；

步骤9、结合车辆运动状态进行遮挡判定，得到相机自诊断结果。

2.根据权利要求1所述的基于纹理提取和小波变换的车载鱼眼相机自诊断方法，其特征在于，

所述获取当前相机图像包括使用鱼眼相机获取图像。

3.根据权利要求1所述的基于纹理提取和小波变换的车载鱼眼相机自诊断方法，其特征在于，

对所述输入图像检测模糊和光照异常包括：

步骤2.1、将所述输入图像转换为灰度图，并添加鱼眼相机的掩膜；

步骤2.2、图片模糊、信号丢失(即蓝屏/黑屏)检测：将所述输入图像与三阶拉普拉斯算子进行卷积，对卷积结果求绝对值后再计算整个结果图像的方差，若方差小于第一阈值T1，则认为模糊，发出警报不能开启自动驾驶；

步骤2.2、光照异常检测：计算灰度图像的均值，若均值小于第二阈值T2或大于第三阈值T3，则认为光照异常，发出警报不能开启自动驾驶。

4.根据权利要求3所述的基于纹理提取和小波变换的车载鱼眼相机自诊断方法，其特征在于，

所述三阶拉普拉斯算子如公式(1)所示：

5.根据权利要求3所述的基于纹理提取和小波变换的车载鱼眼相机自诊断方法，其特征在于，

所述第一阈值T1在[15,35]之间；所述第二阈值T2在[10,30]之间；所述第三阈值T3在[210,240]之间。

6.根据权利要求1所述的基于纹理提取和小波变换的车载鱼眼相机自诊断方法，其特征在于，

对所述当前相机图像进行小波变换包括：

将相机得到的原始图像转换为灰度图像，然后按公式(2)进行三阶离散小波变换：

其中为近似小波系数，为细节小波系数，f(x,y)为原始图像，M，N分别为原始图像的长和宽；为尺度函数；ψ_j,m,n(x,y)为小波函数，H、V、D分别代表三种不同的方向小波。

7.根据权利要求6所述的基于纹理提取和小波变换的车载鱼眼相机自诊断方法，其特征在于，

所述尺度函数为哈尔尺度函数。

8.根据权利要求6所述的基于纹理提取和小波变换的车载鱼眼相机自诊断方法，其特征在于，

所述小波函数为二维哈尔小波函数。

9.根据权利要求1所述的基于纹理提取和小波变换的车载鱼眼相机自诊断方法，其特征在于，

所述基于纹理提取计算第一遮挡备选区域包括：

步骤4.1、图像金字塔变换；

将获取的所述当前相机图像分别缩小2倍、4倍，加上原始图像共三个层次；

步骤4.2、图像边缘提取；

在所述三个层次上分别采用canny算法对灰度图像进行边缘提取，按照公式(3)分别计算像素点的灰度值梯度；

其中，grad(x,y)为像素点梯度值，基于L1范式进行计算，分别计算沿x轴和y轴一阶导的绝对值再相加。

10.一种基于纹理提取和小波变换的车载鱼眼相机自诊断装置，其特征在于，包括：

图像获取装置，获取当前相机图像；

检测模糊和光照异常判断装置，输入获取的所述当前相机图像，对输入图像检测模糊和光照异常；

小波变换装置，对所述当前相机图像进行小波变换；

第一遮挡备选区域计算装置，基于纹理提取计算第一遮挡备选区域；

第二遮挡备选区域计算装置，在高频分量上基于模糊点检测计算第二遮挡备选区域；

车辆运动状态获取装置，基于惯性测量单元(IMU)/轮速计获取车辆运动状态；

区域融合装置，结合时域信息对所述第一和第二遮挡备选区域进行融合；

区域抑制装置，在小波变换中LL分量上基于区域生长对非遮挡区域进行抑制；

遮挡判断装置，结合车辆运动状态进行遮挡判定，得到相机自诊断结果。