[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

说明书

本发明公开了一种雾天能见度检测与能见度安全等级划分预警方法，属于智能车辆安全辅助驾驶技术领域，该方法构建了雾天不同道路类型图像分类器、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、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，实时计算能见度并且结合行驶车速和前方车辆距离进行预警。在实际行车过程中，采集车辆行进过程中的道路视频图像，根据离线训练的雾天道路类型分类器图像库，实时判断图像是否为结构化道路、对于结构化道路，实时计算能见度并且结合行驶车速和前方车辆距离进行预警，对于非结构化道路,实现对雾天能见度进行预警等级划分，减弱雾天能见度低对驾驶员视觉产生的影响。

技术领域

本发明属于智能车辆安全辅助驾驶技术领域，具体涉及到一种雾天能见度检测与能见度安全等级划分预警方法。

背景技术

恶劣天气是造成道路交通事故的主要因素之一，在所有容易引起交通事故的恶劣天气中，雾的影响最大，常常导致高速公路限速或关闭，延误行车时间，甚至引发连环碰撞事故，造成巨大经济损失。近年来由于霾(干)或雾(湿)严重程度，甚至使能见度降低至零(能见度不足100米通常被认为能见度为零)，这对于驾驶员来说非常危险。因此，亟需对雾天能见度进行实时检测，当出现能见度低到影响驾驶员安全行驶的情况，给予驾驶员有效的预警，避免道路交通事故的发生。

目前，能见度检测方法主要分为基于能见度仪的检测方法、基于双目摄相机标定的检测方法、基于建立对比度模型的检测方法、基于图像去雾的能见度检测方法。其中，基于能见度仪的检测方法存在价格十分昂贵等问题，要保证公路上的交通安全，尤其在团雾检测时，需要密集布置监测设备，从而成本居高不下，同时实时性、便携性不佳。基于双目摄相机标定的检测方法，由于需要标定模板、测量摄像机安装角度等受实际条件的限制，难以适用实时操作。基于建立对比度模型的检测方法，该方法会产生较大误差，而且测量结果容易受到远方障碍物的不利影响；当前针对雾天的能见度检测技术研究不成熟，误差大，传统的能见度检测方法存在价格昂贵、难以适用实时操作或者测量结果容易受到远方障碍物的影响等技术问题，并且检测方法的实时性不能满足能见度预警系统的需要，同时当前能见度检测方法在一些非结构化道路或者复杂状况(场景)容易失效的问题，例如不同车道线类型，存在人行横道标志、十字路口的停止线，方向和车道线方向一致的道路箭头标志，或者车道线被前方车辆覆盖，车道线不清晰污损等情况。因此，有必要针对实际道路图像能见度检测方法进行全面深入研究。

发明内容

本发明所要解决的技术问题是：提供一种雾天能见度检测与能见度安全等级划分预警方法，用来解决当前能见度的检测方法实时性不能满足能见度预警系统的需要，以及用来解决当前能见度的检测方法在一些非结构化道路或者复杂状况(场景)容易失效的问题。

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；