论文部分内容阅读
道路交通事故已成为重大经济和社会问题,各类智能驾驶安全辅助系统对交通安全起着重要作用,在各类事故中由于道路低能见度引起的事故占有相当大比例,对道路能见度检测和低能见度道路信息恢复成为国内外相关领域重点研究的热点和难点问题之一。本文依托于国家重点研发计划项目《智能电动汽车的感知、决策与控制关键基础问题研究》(编号:2016YFB0100900)。针对道路能见度检测和低能见度道路信息恢复方法研究中存在的问题,以课题组自有的现代新伊兰特EV纯电动汽车为实际道路试验研究平台,对不利视觉条件下道路能见度检测及道路信息恢复方法进行深入研究。设计基于监督学习的不利视觉道路图像感知分类器,提出一种基于天空道路分界线和道路消失点的雾天道路能见度检测方法,并进行雾天道路能见度检测实车道路试验,试验结果表明,提出的能见度检测方法,可有效地获取道路能见度值。提出基于监督学习的方法对雾天低能见度图像进行四个能见度预警等级划分,对夜间道路图像进行三个能见度预警等级划分。提出的昏暗、恶劣雾天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,可以作为基于的视觉的驾驶辅助系统有效的预处理步骤。本文研究的工作具体包括:基于监督学习的不利视觉道路图像感知分类器设计。首先,从实车采集的道路视频序列中获取不同能见度的道路图像,针对不同道路图像的特点,选择具有代表性的十类道路交通场景,提取每幅图像的颜色特征,纹理特征,边缘特征等视觉特征,随机选取其中的50%,作为不利视觉交通场景图像感知分类器训练的输入参数。通过利用基于监督学习的BP神经网络,支持向量机,概率神经网络,SKohonen网络,极限学习机离线学习,分别获得BPNN、SVM、PNN、Skohonen、ELM图像感知分类器模型。利用另外50%的特征集对已经训练好的感知分类器进行测试,通过对五个分类器进行精确度和运算效率的分析,结果表明五种分类器在图像分类方面均取得良好的分类效果,且极限学习机(ELM)图像感知分类器在精度和时间上明显占优势。基于道路天空分界线和车道线消失点的雾天道路能见度检测方法研究。首先采用霍夫变换直线模型分类道路上的左右两侧直线车道线。基于车道线直线模型,获取两车道线的交点,即为雾天道路消失点。利用霍夫变换极坐标系到直角坐标系的转变关系,对道路消失点的图像坐标值进行估计。然后,利用区域生长法进行雾天天空和道路分界线获取。根据雾天道路图像特征的分析,雾天道路能见度取决于相对天空高度,因此,本文通过分析图像坐标系和世界坐标系之间的几何投影关系,利用图像物理坐标系垂直方向的y坐标轴分量,推导出雾天道路能见度计算模型。基于监督学习的雾天道路能见度预警等级的划分方法。针对在浓雾、车道线不清晰、日照强烈等不利视觉环境下车道线检测容易失效的问题,首先,分析代表不同程度雾浓度的雾天图像特征,包括平均梯度,熵,对比度,边缘强度,暗通道像素比例,透射率。将上述6个特征参数作为能见度预警等级分类器的输入参数,分别设计基于支持向量机和极限学习机的能见度预警等级分类器,用于对不同程度的雾天条件,进行雾天道路能见度预警等级划分。进行了夜间能见度检测试验,首先利用奥拉德定律推导点光源夜间能见度计算公式,其中的参数包括目标灯光原始强度,不同的测试距离,观察者看到的点光源照度。为获得夜间光源的光照度,通过balser工业相机获取夜间光源图像,然后,分别对获得的原始图像进行尺寸归一化裁剪,自适应阈值分割,光源区域定位等步骤,通过VC++6.0MFC对话框应用程序获取两光源总灰度值。最后,通过推导的基于点光源能见度计算模型,进行夜间能见度值计算。试验结果表明,该方法获得的能见度值符合大气消光定律。基于监督学习的夜间道路能见度预警等级划分方法。首先,对大量夜间道路图像进行分析,获得能代表夜间不同能见度道路场景的图像特征,包括平均梯度,对比度,边缘强度,HSV的明度空间分量、傅里叶变换频谱图幅值,将上述五个特征分别作为夜间能见度预警等级分类器输入参数,分别设计基于SVM和ELM监督学习模型的不同夜间能见度道路场景预警等级分类器,对不同的能见度夜间条件,进行能见度预警等级的划分。低能见度下雾天道路信息恢复与夜间图像增强方法。针对昏暗的雾天条件,提出基于单尺度Retinex(SSR)和暗通道先验(DCP)去雾相结合的SSR-DCP方法实现昏暗、浓雾道路图像信息恢复,经验证SSR-DCP方法能明显改善仅使用DCP方法出现光晕的现象。针对夜间道路图像特点,提出基于改进参数的SSR算法,对夜间低能见度环境图像增强处理,结果图像显示可以取得类似白天的视觉效果。并且将McCann99Retinex、Frankle-McCann Retinex和改进的SSR方法进行对比,从客观和主观评价分析表明改进的SSR算法处理后的夜间图像视觉效果更符合人眼视觉特征,并且对夜间图像信息恢复的时间复杂度分析,改进的SSR方法优于其他两种方法。雾天道路能见度检测实车道路试验。以课题组自有的现代新伊兰特EV纯电动汽车为试验平台,车内后视镜部位挡风玻璃上安装balser工业相机,利用VC++6.0编程环境编写的道路能见度检测系统实现基于道路天空分界线和道路消失点的道路能见度检测道路实车验证。试验结果表明,该能见度检测方法可以准确获取雾天道路能见度值。综上所述,本文提出基于监督学习的不利视觉道路图像感知分类方法、基于天空道路分界线和道路消失点的雾天道路能见度检测方法、雾天道路能见度预警等级划分方法、基于SSR和DCP融合的昏暗、恶劣雾天道路信息恢复方法,夜间道路能见度预警等级划分方法、夜间低能见度图像信息恢复方法,上述方法可以作为克服不利视觉道路条件对行车安全威胁的重要安全应对措施。本文提出的不利视觉道路环境感知以及道路信息恢复方法,可以单独或组合应用,对于基于视觉的汽车智能安全辅助系统和无人驾驶车辆的道路环境感知技术研究具有重要意义。