[发明专利]一种基于双目摄像头的路面坑洼检测和避让方法及系统

说明书

本发明涉及自动化领域，公开了一种基于双目摄像头的路面坑洼检测和避让方法及系统，特别是设计了路面坑洼区域宽度以及车辆与路面坑洼相距距离计算方法和避让判断规则，仅需要在车顶两侧安装双目摄像头并记录安装高度、角度与摄像机参数等信息，结合双目摄像头同一时刻所拍摄的左右图像即可计算路面坑洼区域宽度以及车辆与路面坑洼区域相距距离，最后根据计算结果和车辆的行驶速度、减速度以及轮胎间距做出避让判断。本发明解决了现有技术中坑洼路面与车辆相距距离以及坑洼路面宽度的计算不够准确的问题，本发明所述检测和避让方法不仅投入成本低，而且具有较高准确率。

技术领域

本发明涉及自动化领域，尤其涉及一种基于双目摄像头的路面坑洼检测和避让方法及系统。

背景技术

近年来，随着市场对汽车主动安全和智能的需求不断增加，自动驾驶技术的价值日益凸显，越来越多的科研人员致力于自动驾驶技术的研究。路面如果存在坑洼情况，不仅会使车辆的机械结构损伤以及油耗增加，还会影响乘坐人员的安全性。因此检测前方道路坑洼情况并有效进行避让是自动驾驶技术中有待解决的问题之一。

以机器学习为代表的人工智能技术为自动驾驶带来新的可能，在自动驾驶车辆上方设置高清摄像头，利用图像分割技术可以实现前方路面坑洼情况的实时监测。然而仅仅检测出前方存在路面坑洼情况是不够的，如何准确计算坑洼路面与车辆相距距离以及坑洼路面宽度也是急需解决的问题。因此探索一种准确计算坑洼路面与车辆相距位置并有效的避让的方法仍有着深远的应用前景，是研究热点之一。

发明内容

针对现有技术中的缺陷，本发明提供一种基于双目摄像头的路面坑洼检测和避让方法及系统，利用摄像头所拍摄图像检测前方路面是否存在坑洼，结合双目摄像头参数信息对检测到的坑洼路面进行距离与宽度的估算，再根据结果进行对应的避让操作以解决现有技术中存在的上述问题。

本发明是通过以下技术方案实现的：

一种基于双目摄像头的路面坑洼检测和避让方法，包括以下步骤：

S1、读取双目摄像头同一时刻所得左右图像，对其进行预处理，降低图像噪声，增强边缘轮廓，将预处理后的图像输入到利用路面数据集训练好的ROI分割模型中，提取图中ROI（Region of interest，即图中车辆可行驶区域，是我们所关注的区域）；

S2、利用路面坑洼数据集训练坑洼区域分割模型，并对两张图像分别进行图像分割，提取路面坑洼区域；

S3、结合摄像机安装高度、角度与摄像机参数信息与路面坑洼区域分割结果，计算路面坑洼区域宽度以及车辆与路面坑洼区域相距距离；

S4、根据计算所得路面坑洼区域宽度以及车辆与路面坑洼区域相距距离进行避让判断。

进一步的，所述步骤S1中的预处理步骤包括：将双目摄像头同一时刻所得左右图像，利用高斯滤波器进行平滑，对平滑后的图像求导获取梯度图像，再将平滑后图像和梯度图像加权相加，增强图像中景物的边缘和轮廓。

进一步的，所述的ROI分割模型是基于改进的ENet网络结构，在保证准确率的前提下，利用处理后的图像作为输入进行训练，同时简化了特征提取网络，删除部分重复的卷积层，并将剩余的部分常规卷积替换为深度可分离卷积，降低网络参数量，提高模型运行速度，最后，利用1x1卷积修改输出图像通道数为1。

进一步的，所述步骤S2中的具体的步骤如下：根据步骤S1所得左右图像的ROI二值图像修改原图，将原图中非ROI区域的像素值改为(0,0,0)，之后分别输入到利用路面坑洼数据集训练坑洼区域分割模型中，提取出路面坑洼区域。所述的坑洼区域分割模型与S1所述的ROI分割模型网络结构相同，但使用的训练集与分割目标不同。