[发明专利]基于夜间环境感知的道路信息增强与驾驶预警方法

说明书

本发明的一种基于夜间环境感知的道路信息增强与驾驶预警方法，属于智能车辆安全辅助驾驶技术领域，该方法构建夜间图像分类器、不同夜间能见度图像分类器、基于McCann99 Retinex方法的夜间有路灯图像增强模型、基于SSR方法的全黑道路信息增强模型，实时进行图像分类并根据不同类别,采用不同算法，能够获得最佳视觉增强效果。在实际行车过程中，采集车辆行进过程中的道路视频图像，根据离线训练的夜间图像分类库，实时判断图像是否为夜间、判断是否有路灯,实时选择最佳图像增强算法，实现对夜间能见度进行视觉增强，构建基于深度学习的夜间道路前方、侧方车辆识别模块，判断本车前方侧方是否有碰撞风险并进行安全行驶预警。

技术领域

本发明属于智能车辆安全辅助驾驶技术领域，具体涉及到一种基于夜间环境感知的道路信息增强与驾驶预警方法。

背景技术

现在提高夜间行车安全的方法，主要采用雾灯，判断还是由驾驶员判断。然而夜间条件下现有汽车雾灯存在照射范围有限、存在盲区等问题影响驾驶员判断行车状况。因此，对夜间环境感知并进行道路信息增强方法研究，以改善夜间行车视野具有十分重要的意义。

目前，对于夜间图像增强技术的研究中，以实际道路图像为对象的研究相对较少，由于实际夜间道路图像的不同位置，颜色往往是不同的，有些昏黄，有些呈灰色或者黑色，这给夜间图像增强增加了难度。在实际的处理中，增强后的图像明显受图像中不同道路灯光的影响。

发明内容

本发明的目的在于针对现有技术的不足，提出了一种基于夜间环境感知的道路信息增强与驾驶预警方法，通过采集夜间真实道路图像，提出的全黑、恶劣夜间道路条件道路信息恢复方法和夜间条件下图像质量增强方法，实现在不改变夜间光线的条件下，获得图像在人眼视觉下的最佳可视效果。

为实现上述目的，本发明采用如下技术方案：基于夜间环境感知的道路信息增强与驾驶预警方法，其特征在于，包括如下步骤：

步骤一、获取实时图像，建立夜间图像分类器并进行实时图像分类，得到有路灯夜间道路图像和全黑夜间道路图像；

步骤二、建立基于单尺度Retinex方法的全黑道路信息增强模型，对全黑夜间道路图像进行增强处理，将全黑夜间道路图像增强前后同一内容的图像对比，以每一行灰度值连续上升间隔像素点数最多的边缘灰度变化率代表这一行的灰度变化率，得出图像所有行灰度变化率的均值，该均值小于等于阈值，则再次进行全黑夜间道路图像增强过程；该均值超过给定阈值，则完成全黑夜间道路图像增强质量评价，得到增强后的清晰全黑夜间道路图像；

步骤三、建立基于McCann99 Retinex方法的夜间有路灯图像增强模型，对有路灯夜间道路图像进行增强处理，将有路灯夜间道路图像增强前后同一内容的图像对比，以每一行灰度值连续上升间隔像素点数最多的边缘灰度变化率代表这一行的灰度变化率，得出图像所有行灰度变化率的均值，该均值小于等于阈值，则再次进行有路灯夜间道路图像增强过程；该均值超过给定阈值，则完成有路灯夜间道路图像增强质量评价，得到增强后的清晰有路灯夜间道路图像；

步骤四、构建夜间前方、侧方车辆检测安全驾驶预警策略，从而实现安全驾驶预警；

具体过程如下：

①对于夜间增强后的道路图像，首先将增强后的道路图像进行候选区域的提取，得到矩形目标候选区域数据库图像；

②利用深度学习中的卷积神经网络RCNN网络结构模型进行预训练，具体输入层为矩形目标候选区域数据库图像，利用图像特征提取的特征提取层，提取候选区域的视觉特征，所述视觉特征包括边缘、角点、纹理及颜色构成特征图，在特征图上进行检测分类，实现预训练；