[发明专利]机动车目标检测装置及方法在审

专利信息
申请号: 202010892887.5 申请日: 2020-08-31
公开(公告)号: CN112001344A 公开(公告)日: 2020-11-27
发明(设计)人: 罗小平;童文超;曾峰;曹继 申请(专利权)人: 深圳市豪恩汽车电子装备股份有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06T7/12;G06T7/136;G06T7/181;G06T7/187
代理公司: 深圳市翼智博知识产权事务所(普通合伙) 44320 代理人: 黄莉
地址: 518110 广东省深圳市龙华区大浪街道同胜社区工业*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 机动车 目标 检测 装置 方法
【说明书】:

发明实施例提供一种机动车目标检测装置及方法,所述装置包括:预处理模块,用于从车载摄像头采集及传来的实时图像中逐帧提取获得图像帧,并确定图像帧中各个物体的轮廓线;线段拟合模块,用于分割轮廓线并将各轮廓线区段拟合为对应的拟合线段;四边形拟合模块,用于筛选出符合四边形关系的拟合线段组合,且将每一个拟合线段组合拟合为呈四边形状的基本单元区域;初步定位模块,筛选出符合机动车四边形几何分布特征的基本单元区域,并确定包含属于同一机动车的所有基本单元区域的疑似机动车区域,并对疑似机动车区域内的特征进行增强;目标终检模块,对疑似机动车区域的所有物体进行检测确定出机动车目标。本实施例能有效检测出机动车目标。

技术领域

本发明实施例涉及机动车安全驾驶技术领域,尤其涉及一种机动车目标检测装置及方法。

背景技术

现有的机动车为实现安全驾驶通常需要在机动车周围环境的图像帧中检测出机动车目标,预先提示驾驶员周围的机动车目标,避免发生交通事故。现有的基于图像视觉的机动车目标检测通常采用预先训练好的机动车检测模板或预先训练好的机动车检测分类器。机动车检测模板中常用的模板包括边缘轮廓模板、灰度区块模板、角点统计模板、局部可变形统计模板等,但是,模板的成功检测受成像环境(外部环境、镜头特征、成像角度)影响,因此,稳定性和适应性较差;而机动车检测分类器,图像特征的选取是本方案的关键,但是,在机动车行驶过程中获取的周围环境的图像帧通常较为模糊,图像帧中的各个物体的轮廓边界较为不清晰,若将图像帧中所有的物体的轮廓特征进行增强再进行检测,轮廓特征的增强速度较慢,检测效率也相对较低。

发明内容

本发明实施例所要解决的技术问题在于,提供一种机动车目标检测装置,能有效提升检测出机动车目标的检测效率。

本发明实施例进一步所要解决的技术问题在于,提供一种机动车目标检测方法,能有效提升机动车目标的检测效率。

为了解决上述技术问题,本发明实施例提供以下技术方案:一种机动车目标检测装置,包括:

预处理模块,与机动车的车载摄像头相连,用于从所述车载摄像头采集及传来的实时图像中逐帧提取获得图像帧,并对所述图像帧进行预处理确定图像帧中各个物体的轮廓线,所述预处理至少包括灰度化和阈值分割;

线段拟合模块,与所述预处理模块相连,用于分割所述轮廓线并将分割所得的各轮廓线区段拟合为对应的拟合线段;

四边形拟合模块,与所述线段拟合模块相连,用于分析所有拟合线段的几何排列关系,筛选出符合四边形关系的拟合线段组合,且将每一个拟合线段组合拟合为呈四边形状的基本单元区域;

初步定位模块,与所述四边形拟合模块相连,用于根据预存的机动车四边形几何分布模型筛选出符合机动车四边形几何分布特征的基本单元区域,并确定包含属于同一机动车四边形几何分布特征的所有基本单元区域的疑似机动车区域,并对所述疑似机动车区域内的所有物体的特征进行增强;以及

目标终检模块,与所述初步定位模块相连,用于采用预先训练好的机动车检测模型对所述疑似机动车区域的所有物体进行检测确定出机动车目标。

进一步的,所述线段拟合模块包括:

分割单元,用于按照预定分割标准将所述轮廓线分割为若干轮廓线区段;以及

第一拟合单元,用于针对每条轮廓线区段拟制一条线段作为所述拟合线段,所述轮廓线区段与对应的拟合线段符合以下关系:同一条轮廓线区段上各坐标点到对应的拟合线段的距离均小于第一预定距离阈值;或者同一条轮廓线区段上各坐标点到对应的拟合线段的距离大于或等于第一预定距离阈值且小于第二预定距离阈值,同时,所述坐标点处的曲率小于预定曲率阈值。

进一步的,所述四边形拟合模块包括:

分析单元,用于分析确定各拟合线段的空间位置;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市豪恩汽车电子装备股份有限公司,未经深圳市豪恩汽车电子装备股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010892887.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top