[发明专利]一种双目ADAS摄像头脏污检测的方法及装置

权利要求书

1.一种双目ADAS摄像头脏污检测的方法，其特征在于，包括：

步骤A：判断车辆是否处于运动状态，若是，则进行步骤B，若否，则不进行处理；

步骤B：判断运动帧数是否大于阈值1，若是，则认为当前车辆在运动中，进行步骤C，若否，则不进行处理；

步骤C：判断两个摄像头的图像是否相对一致，若是，则无脏污，若否，则进行步骤D，所述步骤C包括：

步骤C1：判断结构相似性，若结构相似性判断有脏污，则进行步骤D，否则进行步骤C2；

步骤C2：进行灰度对比，若灰度对比判断有脏污，则进行步骤D，否则判断为无脏污；

步骤D：判断脏污图像帧数是否大于阈值2，若是，则判断为有脏污，若否，则判断为无脏污；

其中，在步骤C2中，对于同一时刻左摄像头和右摄像头的图像，将左图像分成M*N个均等的矩形区域，右图像也分成同样的M*N个均等的矩形区域，

1)计算左右图像每个矩形区域的平均灰度，分别得到左图像平均灰度矩阵gridValueAverLeft[M][N]和右图像平均灰度矩阵gridValueAverRight[M][N]，

2)计算左右图像平均灰度矩阵差，

gridValueAverDiff[M][N]＝|gridValueAverLeft[M][N]-gridValueAverRight[M][N]|，

3)计算平均灰度矩阵差的所有元素权重和：

将平均灰度矩阵差gridValueAverDiff[M][N]中的各个元素与权重矩阵weight[M][N]中各个元素对应位置相乘后各个值相加后得到权重和，即

其中，权重矩阵weight[M][N]为根据车载要求，对于图像中碰撞区域权重设置大一些，其他边缘区域权重小一些，权重矩阵中所有元素的和为1，即

4)计算左右图像整体的平均灰度差grayDiff：

grayDiff＝|mean(L)-mean(R)| (6)

其中，L代表左图，R代表右图，mean代表对全图灰度值取平均的平均值，

5)对于以下条件：

a.grayDiff大于阈值1；

b.gridWeightSum大于阈值2；

c.gridWeightSum与grayDiff差值的绝对值大于阈值3，

若a、b、c同时满足，则判断为有脏污，否则无脏污。

2.如权利要求1所述的方法，其特征在于，步骤C1中，计算结构相似性SSIM：

SSIM(x,y)＝[l(x,y)]^α·[c(x,y)]^β·[s(x,y)]^γ (1)

其中，参与对比的左右图像分别为x、y，α、β、γ为常数，均大于0，

图像照明度对比部分：

图像对比度比较部分：

图像结构比较部分：

其中，μ_x为图像x所有像素均值，μ_y为图像y所有像素均值；δ_x为图像x像素值的标准差，δ_y为图像y像素值的标准差；表示图像x的方差，表示图像y的方差；δ_xy为图像x与图像y的协方差；C1，C2，C3为常数，

根据SSIM的计算结果进行判断，若不大于预设阈值，则为有脏污。