[发明专利]一种用于辅助驾驶的车外环境视觉检测方法及装置

说明书

本发明提供的一种用于辅助驾驶的车外环境视觉检测方法及装置，通过图像采集设备采集描述车辆状态的图像，通过对离散图像进行规范化处理，在计算规范化后的离散图像的能量梯度之后输入神经网络模型，可以克服灰度加权平均带来的信息弱化，能够更好的保留彩色图像局部通道的特征信息。设计多隐藏层的卷积窗口，使得神经网络模型的全向卷积窗口组合，从而检测各个方向各种形态的特征，并设计非线性函数作为神经网络模型的激励函数，改善神经网络模型的检测能力，输出控制变量，实现对多个被控制备的智能辅助控制。本发明可以降低辅助驾驶系统所需要的外部传感器数量，减轻辅助驾驶系统的载荷，降低系统复杂度。

技术领域

本发明属于自动驾驶领域技术领域，具体涉及一种用于辅助驾驶的车外环境视觉检测方法及装置。

背景技术

自动驾驶系统，是近年来工业界研究的热门领域，其依靠机器学习、图像处理、雷达和定位系统等信息采集分析系统协同合作，让系统可以在没有人类主动操作的环境下，自动、安全地操控机动车辆。

在自动驾驶过程中需要多种传感器感受周围的环境，然后通过驾驶车辆的控制系统控制设备启动或者关闭实现控制。而往往传感器越多导致驾驶车辆的控制系统约复杂。控制系统在获取传感器的传感参数后，往往需要较多的时间查找对应的被控设备。并且传感器的多种多样导致控制器在处理传感参数的过程较为复杂，往往达不到自动驾驶实时辅助的目的。

在现有技术中也有通过神经网络模型进行检测，输出控制被控设备开始或者关闭的辅助驾驶策略。由于传感器输入的传感参数多样性，神经网络模型的内部结构较为复杂，且神经网络模型中的各层结构在识别传感参数特征时，其识别效果不佳。

发明内容

本发明提供了一种用于辅助驾驶的车外环境视觉检测方法及装置，以提高车外环境视觉检测方法的准确性以及高效性。具体的技术方案如下。

第一方面.本发明提供的一种用于辅助驾驶的车外环境视觉检测方法包括：

获取描述车辆状态的原始数据组成集合；

其中，所述集合包括多个元素，每个元素为离散图像，所述离散图像按照时间形成序列，每张离散图像由三个通道组成，每个通道表示为一个二维矩阵；

对所述集合中的每张离散图像进行规范化，以使每张离散图像的值映射到在固定范围内，获得规范化后的离散图像；

根据图像的灰度能量分布，计算每张规范化后的离散图像的能量梯度；

将每张离散图像的能量梯度作为训练后的神经网络模型的输入，以使所述神经网络模型对每张离散图像的能量梯度进行特征提取以及检测，获得所述神经网络模型输出的多个或者多组控制变量；

其中，所述神经网络模型各个隐藏层的卷积窗口结构和卷积方向不同，所述神经网络模型的卷积层的激励函数为线性函数，所述控制变量对应被控设备；

根据所述控制变量的数值与阈值的大小关系，控制所述控制变量对应的被控设备执行相应的操作。

可选的，所述对所述集合中的每张离散图像进行规范化，以使每张离散图像的值映射到在固定范围内包括：

使用第一规范化公式对每张离散图像中每个通道的二维矩阵进行规范化，以使每张离散图像的值映射到在固定范围内；

其中，第一规范化公式为：

其中，I_t(·,·,c)表示每个通道的二维矩阵，表示规范化后的每个通道的二维矩阵，mean表示矩阵I_t(·,·,c)的均值，std为标准差，c＝{red,green,blue}表示离散图像中的三原色通道，i、j表示离散图像的二维空间坐标。

可选的，所述根据图像的灰度能量分布计算每张规范化后的离散图像的能量梯度包括：