[发明专利]一种基于深度学习的无人驾驶汽车障碍物识别检测系统

说明书

本发明公开了一种基于深度学习的无人驾驶汽车障碍物识别检测系统，包括图像获取模块、深度计算模块、线路转换模块和引导出发模块，所述图像获取模块的输出端与深度计算模块的输入端连接，所述深度计算模块的输出端与线路转换模块的输入端连接，所述线路转换模块的输出端用户引导出发模块的输入端连接。本发明对障碍物图像深度加工处理，获取准确信息图像，对障碍物进行深度计算，并自动获取转换线路角度，准确避开障碍物，确保行驶安全稳定，适合进行推广。

技术领域

本发明涉及车前障碍物检测识别技术领域，尤其涉及一种基于深度学习的无人驾驶汽车障碍物识别检测系统。

背景技术

无人驾驶汽车是智能汽车的一种，也称为轮式移动机器人，主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶的目的。无人驾驶汽车是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能汽车。它是利用车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。集自动控制、体系结构、人工智能、视觉计算等众多技术于一体，是计算机科学、模式识别和智能控制技术高度发展的产物。无人驾驶汽车主要零部件包括激光雷达、单/双目摄像头、超声波雷达、毫米波雷达和主控系统等。作为无人驾驶汽车的“眼睛”，可以利用双目摄像头的成像视差来测算周围物体和汽车之间的距离，同时也被用来识别车道线、红绿灯和各种交通指示牌，以及周围的行人和车辆等物体。作为无人驾驶汽车感知外界环境的最主要途径之一，摄像头在无人驾驶中发挥着重要的作用，对摄像头采集的图像进行精确的识别和检测，是无人驾驶汽车安全的重要保证。现有的无人驾驶汽车障碍识别检测系统，对障碍的识别检测精确度较低，不能针对障碍物进行深度的计算，并转换合适的线路，导致汽车行驶的安全性较低；

因此，我们提出了一种基于深度学习的无人驾驶汽车障碍物识别检测系统用于解决上述问题。

发明内容

基于背景技术存在的技术问题，本发明提出了一种基于深度学习的无人驾驶汽车障碍物识别检测系统。

本发明提出的一种基于深度学习的无人驾驶汽车障碍物识别检测系统，包括图像获取模块、深度计算模块、线路转换模块和引导出发模块，所述图像获取模块的输出端与深度计算模块的输入端连接，所述深度计算模块的输出端与线路转换模块的输入端连接，所述线路转换模块的输出端用户引导出发模块的输入端连接。

优选地，所述深度计算模块包括体积计算单元、距离计算单元和角度计算单元，且体积计算单元、距离计算单元和角度计算单元的输出端分别与线路转换模块的输入端连接，所述图像获取模块包括图片识别单元，所述图片识别单元的输出端连接有图片加工单元，所述图片加工单元的输出端连接有图像精修单元，所述图像精修单元恩多输出端连接有图像确定单元。

优选地，所述图像获取模块用于对驾驶视线线路上障碍物进行拍摄，所述深度计算模块用于对获取的图像进行深度计算，获取障碍物基本信息和备用线路，且基本信息包括障碍物体积和障碍物与汽车之间的距离，所述线路转换模块用于接收深度计算模块给出的障碍物信息，并根据障碍物信息计算出备用线路转换角度，所述引导出发模块用于发出行驶命令。

优选地，所述体积计算单元用于计算障碍物的高度、宽度和体积，所述距离计算单元用于计算行驶车辆与障碍物之间的相对距离，所述角度计算单元用于确定行驶车辆转换行驶角度确定备用线路与最初行驶路线之间夹角角度，避开障碍物。

优选地，所述图像识别单元用于识别拍摄视频中障碍物所在地点，图像加工单元用于过滤视频图像中拍摄模糊的阴影，图像精修单元用于对视频图像中的障碍物清洗化处理，所述图像确定单元用于将精修过后的图片上传至深度计算模块。

优选地，识别检测系统的运行方法包括以下步骤：

S1、无人驾驶汽车通过图像获取模块获取行驶线路上的实时图像，并将图像上传至深度计算模块；