[发明专利]一种基于深度学习的大型运输车辆辅助定位方法

说明书

本发明涉及一种基于深度学习的大型运输车辆辅助定位方法，属于计算机技术领域。本发明通过特定设备捕获的视频流使用机器学习的方法进行训练模型，在模型测试通过后进行实施部署，然后进行图像预处理，模型进行识别检测工作，通过测距传感器计算相机高度距离，并采用串口通信方式发送给树莓派，最后利用物体与成像的比例换算，计算出偏移距离，把偏移情况实时显示在驾驶室。本发明解决了大型运输车辆定位时间长、作业流程繁琐、误差精度高以及需要人工辅助等现象，简化了作业流程，减少辅助人员的数量，降低了运输成本和时间成本。

技术领域

本发明涉及一种基于深度学习的大型运输车辆辅助定位方法，属于计算机技术领域。

背景技术

近年来随着深度学习技术的不断发展，自动驾驶技术自然而然得到了国内外学术界和工业界的热捧。应用无人驾驶技术可以提升出行效率的同时解决交通问题，而且无人驾驶汽车一般采用的为新能源汽车为主，因而还可以在一定程度上解决污染问题。其实目前国外的deepdrive公司在出租车应用无人驾驶技术方面已经相对成熟了，解决了国外司机不足的问题。国内的百度公司在货车方面也运用了无人驾驶技术，这很好地解决了货车司机夜晚开车不安全的问题。

虽然基于深度学习方面的无人驾驶技术已经得到了相当快的发展，但是在其在运输车辅助定位方面的应用研究还是偏少的。在这方面的运用还是以传统的方法为主，然而传统方法在检测识别车道线或者黄色辅助线时易受因时间(白天夜晚)变化引起的光照影响，因而对摄像头要求比较高。故而本发明从深度学习技术的角度，解决上述问题的同时满足大型运输车在装载平台需要居中停放的需求，从而实现大型运输车辆快速精准定位。同时简化作业流程，减少需要的辅助人员数量，降低大型运输车辆的运营成本。

发明内容

本发明要解决的技术问题是提供一种基于深度学习的大型运输车辆辅助定位方法，解决了大型运输车辆定位时间长、作业流程繁琐、误差精度高以及需要人工辅助等现象。在运输车辆定位过程中结合深度学习与距离计算的技术，简化了流程，实现精度为1mm。这使得运输车辆人工辅助定位成本大大降低，同时加快了定位的速度，减少了定位损耗时间。

本发明的技术方案是：一种基于深度学习的大型运输车辆辅助定位方法，通过特定设备捕获的视频流使用机器学习的方法进行训练模型，在模型测试通过后进行实施部署，然后进行图像预处理，模型进行识别检测工作，通过测距传感器计算相机高度距离，并采用串口通信方式发送给树莓派，最后利用物体与成像的比例换算，计算出偏移距离，把偏移情况实时显示在驾驶室。

具体步骤为：

Step1：开启摄像头，判断摄像头是否正常开启，若是没有开启成功，则重新开启摄像头，若是已经成功开启，则从视频流中截取待检测的图像。

Step2：对获取到的图像进行预处理，所述预处理包括高斯滤波，图像翻转，改变图像对比度和饱和度，然后获取图像中的感兴趣区域；

Step3：判断深度学习模型是否已经成功部署，若深度学习模型没有部署成功，则先选择进行模型部署工作，若已经成功部署了模型，则直接加载部署好的深度学习模型对处理后的图像进行直线检测；

Step4：判断是否已经接收到测距数据，若没有获取到高度距离数据，则通过串口通信重新获取测距数据，若正确获取到了数据，则开始计算偏移距离；

Step5：判断通信是否开启，若没有通信开启，则重新开启通信工作，若通信工作已经正常开启，则通过http通信协议把偏移距离数据和识别视频数据传输到前端。

Step6：最后通过前端接收数据，在前端上对前轮、后轮偏移情况进行展示，同时也显示视频的实时识别情况。