[发明专利]雾天能见度检测与能见度安全等级划分预警方法在审

专利信息
申请号: 202011220518.8 申请日: 2020-11-05
公开(公告)号: CN112329623A 公开(公告)日: 2021-02-05
发明(设计)人: 陈梅;王秋铖 申请(专利权)人: 山东交通学院
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06T7/11;G06T7/136;G06T7/168;G08B7/06;G08B21/02;G08B21/18;G08G1/048
代理公司: 长春市吉利专利事务所(普通合伙) 22206 代理人: 王楠楠;李晓莉
地址: 264209 山东省*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 能见度 检测 安全 等级 划分 预警 方法
【权利要求书】:

1.雾天能见度检测与能见度安全等级划分预警方法,其特征在于,包括以下步骤:

步骤一、建立结构化和非结构化道路类型分类器并进行实时道路图像分类

①实时采集雾天道路图像;

②建立结构化和非结构化道路图像极限学习机ELM分类器,利用结构化和非结构化道路图像极限学习机ELM分类器进行道路图像类型分类,分别得到结构化道路图像和非结构化道路图像;

③对结构化道路图像和非结构化道路图像进行灰度色彩转换、收缩摄像机图像、高斯模糊去噪和直方图均衡化,分别得到处理后的结构化道路图像和非结构化道路图像;

步骤二、建立基于天空道路分界线和消失点的结构化道路能见度检测模型,将经步骤一得到的结构化道路图像输入到基于天空道路分界线和消失点的结构化道路能见度检测模型内依次进行自适应阈值分割图像预处理,基于hough变换的车道线检测,道路消失点估计,采用区域生长法分割结构化道路图像获取雾天天空和道路分界线,图像平面与道路平面的几何映射,从而获得基于车道线检测的雾天道路能见度值;

步骤三、建立基于监督学习的非结构化道路雾天能见度预警等级分类器模型,将经步骤一得到的非结构化道路图像输入到基于监督学习的非结构化道路雾天能见度预警等级分类器模型进行雾天图像特征提取,雾天图像特征包括平均梯度值,熵值,对比度值,边缘强度特征值,暗原色像素数及透射率,利用已经离线训练好的ELM监督学习的能见度预警等级分类器和基于SVM监督学习的能见度预警等级分类器,对当前雾天道路能见度等级进行分类,得到雾天道路能见度等级;

步骤四、构建雾天低能见度安全驾驶预警策略

在结构化道路中,预先设定雾天道路能见度预警值,步骤二中得到的雾天道路能见度值高于所述预先设定雾天道路能见度预警值,则不提供给驾驶员预警信息,步骤二中得到的雾天道路能见度值低于预先设定雾天道路能见度预警值,则向驾驶员提供预警信息;

在非结构化道路中,预先设定雾天道路能见度预警等级,步骤三中得到的雾天道路能见度等级高于预先设定雾天道路能见度预警等级,则不提供给驾驶员预警信息,步骤三中得到的雾天道路能见度等级低于预先设定雾天道路能见度预警等级,则向驾驶员提供预警信息。

2.根据权利要求1所述的雾天能见度检测与能见度安全等级划分预警方法,其特征在于:步骤一中,建立结构化和非结构化道路图像极限学习机ELM分类器的过程如下:

①工业摄像机采集N张结构化道路图像和非结构化道路图像,其中包括N1张结构化道路图像和N2张非结构化道路图像,N、N1、N2均为自然数,并将采集到的图像传输到雾天不同道路类型图像分类器模块,在雾天不同道路类型图像分类器模块中建立结构化和非结构化道路类型分类器的图像训练库;

②通过结构化和非结构化道路类型分类器的图像训练库离线训练极限学习机ELM分类器,极限学习机ELM分类器根据道路纹理、颜色、边缘特征获得具有车道线的结构化道路图像特征,对结构化道路图像和非结构化道路图像分类,并获得道路图像特征,结构化和非结构化道路图像极限学习机ELM分类器建立完成。

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山东交通学院,未经山东交通学院许可,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/202011220518.8/1.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