CN106627416B - 用于检测道路类型的方法、装置和系统 - Google Patents

Abstract

本发明公开了一种用于检测道路类型的方法、装置和系统。所述方法包括：采集车辆的车前图像；从所采集的车前图像中选取对应于道路的道路区域；以及根据所选取的道路区域的灰度值确定车前道路的类型。这样能够从灰度值的角度来判断出车前路面的类型，从而能够提醒驾驶员采取合理的驾驶方案，避免引发不必要的麻烦和交通事故。

Description

用于检测道路类型的方法、装置和系统

技术领域

本发明涉及汽车电子领域，具体地，涉及一种用于检测道路类型的方法、装置和系统。

背景技术

随着汽车行业的飞速发展，汽车保有量近年来呈激增趋势，同时，人们对车辆安全性和舒适性的要求也越来越高。当车辆在各种道路上行驶时，驾驶员会采取相应的驾驶策略来安全、平稳地驾驶车辆。对于车辆前方道路的道路类型(即路面状况，例如，平坦的柏油路、坑坑洼洼的山路、下雨后积水的路面等)，通常情况下，驾驶员可以通过目测来判断。但是受到视力、注意力、驾驶经验等因素的影响，通过目测得到的道路类型并不准确，有可能判断错误，引起不必要的麻烦或交通事故。

发明内容

本发明的目的是提供一种简便的用于检测道路类型的方法、装置和系统。

为了实现上述目的，本发明提供一种用于检测道路类型的方法，所述方法包括：采集车辆的车前图像；从所采集的车前图像中选取对应于道路的道路区域；以及根据所选取的道路区域的灰度值确定车前道路的类型。

优选地，所述从所采集的车前图像中选取对应于道路的道路区域的步骤包括以下中的任意一者：根据所采集的车前图像的灰度值的变化，从所采集的车前图像中选取所述道路区域；以及检测车道线，并根据所检测到的车道线来选取所述道路区域。

优选地，所述根据所选取的道路区域的灰度值确定车前道路的类型的步骤包括以下中的一者或多者：根据所述道路区域的灰度值来检测车道线，并在检测到车道线的情况下，确定车前道路的类型为柏油道路；在所述道路区域中，灰度值大于一预定灰度值的像素点与全部像素点的比例超过一预定比例阈值的情况下，确定车前道路的类型为积水道路；以及根据所述道路区域的灰度值的分布状况来确定车前道路的类型是否为颠簸道路。

优选地，所述根据所述道路区域的灰度值的分布状况来确定车前道路的类型是否为颠簸道路的步骤包括：将所述道路区域中各个像素点的灰度值与一预定的标准灰度值之差的绝对值进行求和或求平均值，得到颠簸值；以及在所得到的颠簸值大于一预定的颠簸阈值的情况下，确定车前道路的类型为颠簸道路。

优选地，所述方法还包括以下中的一者或多者：采集所述车辆的定位信息，以及在确定车前道路的类型为柏油道路或颠簸道路的情况下，根据所采集的定位信息对所确定的车前道路的类型进行校验；采集车身倾斜角度的变化率，以及在确定车前道路的类型为颠簸道路的情况下，根据所采集的车身倾斜角度的变化率对所确定的车前道路的类型进行校验；以及采集雨量信息，以及在确定车前道路的类型为积水道路的情况下，根据所采集的雨量信息对所确定的车前道路的类型进行校验。

本发明还提供一种用于检测道路类型的装置，所述装置包括：采集模块，用于采集车辆的车前图像；以及选取模块，用于从所采集的车前图像中选取对应于道路的道路区域；以及确定模块，用于根据所选取的道路区域的灰度值确定车前道路的类型。

本发明还提供一种用于检测道路类型的系统，所述系统包括：摄像头，用于拍摄车辆的车前图像；根据本发明提供的用于检测道路类型的装置，与所述摄像头连接，用于根据所拍摄的车前图像确定车前道路的类型。

通过上述技术方案，在采集的车前图像中选出道路区域，根据道路区域的灰度值来确定车前道路的类型，这样能够从灰度值的角度来判断出车前路面的类型，从而能够提醒驾驶员采取合理的驾驶方案，避免引发不必要的麻烦和交通事故。

本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：

图1是一示例性实施方式提供的用于检测道路类型的方法的流程图；

图2是一示例性实施方式提供的车前图像的示意图；

图3是一示例性实施方式提供的确定颠簸道路的流程图；

图4是另一示例性实施方式提供的用于检测道路类型的方法的流程图；

图5是又一示例性实施方式提供的用于检测道路类型的方法的流程图；

图6是又一示例性实施方式提供的用于检测道路类型的方法的流程图；

图7是又一示例性实施方式提供的用于检测道路类型的方法的流程图；

图8是一示例性实施方式提供的用于检测道路类型的装置的结构框图；

图9是一示例性实施方式提供的选取模块的结构框图；

图10是一示例性实施方式提供的确定模块的结构框图；

图11是一示例性实施方式提供的颠簸道路确定单元的结构框图；

图12是另一示例性实施方式提供的用于检测道路类型的装置的结构框图；

图13是一示例性实施方式提供的用于检测道路类型的系统的结构框图；以及

图14是另一示例性实施方式提供的用于检测道路类型的系统的结构框图。

具体实施方式

以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

图1是一示例性实施方式提供的用于检测道路类型的方法的流程图。如图1所述，所述方法包括以下步骤。

在步骤S11中，采集车辆的车前图像。例如，可以通过在车辆的前挡风玻璃内侧的中上部设置摄像头，通过该摄像头来采集车辆的车前图像。

在步骤S12中，从所采集的车前图像中选取对应于道路的道路区域。

在采集到的车前图像中，有一部分是向前延伸的路面的图像。图2是一示例性实施方式提供的车前图像的示意图。如图2所示，图像上方是与天空对应的天空区域I，图像下方是与道路对应的道路区域II，并且道路区域II中的道路是具有车道线的柏油道路。在该步骤S12中，可以通过将车前图像中的固定位置的区域设置为道路区域。例如，可以将与图2中道路区域II相近的梯形区域设置为道路区域。

由于路面和周围环境的灰度值通常情况下都具有一定的突变，因此，步骤S12可以包括：根据所采集的车前图像的灰度值的变化，从所采集的车前图像中选取道路区域。例如，图2所示的车前图像中，可以将车前图像下方一预定区域(例如区域III)的灰度值(例如，该区域III的灰度值的平均值)认为是路面的灰度值，在图像从区域III往上延伸的过程中，灰度值发生了突变、并一直延伸到图像顶端的区域(忽略车道线)可以认为不属于道路区域。这样，就可以将道路区域选取出来。

当只需要检测当前车道内的道路类型时，步骤S12还可以包括：检测车道线，并根据所检测到的车道线来选取道路区域。例如，将检测到的左右两条车道线之间的区域选取为道路区域。其中，检测车道线的方法已在车道偏离警示系统(LDW，Lane DepartureWarning)中应用，其具体方法于此不再详细描述。与全部路面作为道路区域相比较，将当前车道内的区域作为道路区域能够减小计算量，加快数据处理速度。

在步骤S13中，根据所选取的道路区域的灰度值确定车前道路的类型。

需要指出的是，本发明中所述的车前道路的类型是指关于影响行驶速度、平稳度、安全性等的路面状况。车前道路的类型例如可以包括柏油道路、积水道路、颠簸道路等。该步骤S13可以包括以下中的一者或多者：

(a)根据所述道路区域的灰度值来检测车道线，并在检测到车道线的情况下，确定车前道路的类型为柏油道路。

由前所述，在检测到车道线的情况下，通常情况下，可以直接确定车前道路为柏油路。

(b)在所述道路区域中，灰度值大于一预定灰度值的像素点与全部像素点的比例超过一预定比例阈值的情况下，确定车前道路的类型为积水道路。

由于路面积水时，路面的反光度增强，形成镜面反射，道路区域中的部分位置会出现灰度值超高的区域。因此，利用这一特征，可以判断出积水的路面。其中，预定灰度值和预定比例阈值可以根据试验以及经验来获得。

(c)根据道路区域的灰度值的分布状况来确定车前道路的类型是否为颠簸道路。

由于路面不平整时，道路区域的灰度值不均匀。路面的起伏越大，道路区域中的灰度值的差异越大。因此，道路区域的灰度值的分布状况可以作为判断路面平整度的依据。

具体地，图3是一示例性实施方式提供的确定颠簸道路的流程图。如图3所示，步骤(c)可以包括以下步骤：

在步骤S131中，将道路区域中各个像素点的灰度值与一预定的标准灰度值之差的绝对值进行求和或求平均值，得到颠簸值。

其中，一像素点的灰度值与标准灰度值之差的绝对值表示该像素点与标准灰度值之间的差异。将道路区域中所有像素点所对应的绝对值进行求和(或者求平均值)得到的颠簸值可以表示路面的平整度。颠簸值越高说明路面越不平整。可以理解的是，我们关心的是灰度值之间的差异，因此，理论上标准灰度值可以是任意选取的量。

在步骤S132中，在所得到的颠簸值大于一预定的颠簸阈值的情况下，确定车前道路的类型为颠簸道路。

由于颠簸值与选取的标准灰度值有关，所以，应该根据标准灰度值来选取颠簸阈值。可以理解的是，将标准灰度值选取为接近于灰度值的平均值时，可以减少运算量，提高数据处理速度。

通过以上技术方案，根据所采集的车前图像就能够初步确定车前道路的类型。之后，在本发明提供的以下实施方式中，还可以采用其他方法对以上初步确定的类型进行校核。

图4是另一示例性实施方式提供的用于检测道路类型的方法的流程图。如图4所示，在图1的基础上，所述方法还包括：

在步骤S14中，采集车辆的定位信息。例如，可以通过安装有全球定位系统(GPS)的定位装置来采集车辆的定位信息。

在步骤S15中，在确定车前道路的类型为柏油道路或颠簸道路的情况下，根据所采集的定位信息对所确定的车前道路的类型进行校验。定位信息中包括车辆所在道路的信息(例如，高速路、国道、山路等)，因此，可以对所确定的道路类型进行二次确认。

例如，由步骤S13确定车前道路的类型为颠簸道路，由车载GPS定位得到当前车辆处于乡村小路。而乡村小路可以与颠簸道路相匹配，这样，就可以认为GPS定位的乡村小路与所确定的颠簸路段一致，例如可以将颠簸道路输出。又如，在由步骤S13确定车前道路的类型为颠簸道路，由车载GPS定位得到当前车辆处于高速公路。而高速公路与颠簸道路不匹配，这样，就可以认为GPS定位的高速公路与所确定的颠簸路段不一致，可以认为颠簸道路不准确，例如可以不进行输出。在由定位信息进行校验的情况下，能够从定位的角度对所确定的道路类型进行检验，增加了所确定的道路类型的准确性。

图5是又一示例性实施方式提供的用于检测道路类型的方法的流程图。如图5所示，在图1的基础上，所述方法还包括以下步骤。

在步骤S16中，采集车身倾斜角度的变化率。例如，可以通过车身高度传感器来采集车身倾斜角度的变化率。

在步骤S17中，在确定车前道路的类型为颠簸道路的情况下，根据所采集的车身倾斜角度的变化率对所确定的车前道路的类型进行校验。车身倾斜角度的变化率能够反映车辆振动或摇晃的剧烈程度，因此，可以对颠簸道路进行二次确认。

例如，由步骤S13确定车前道路的类型为颠簸道路，由车身高度传感器得到当前车辆在一段时间内的车身倾斜角度的变化率超越了一预定阈值(超过该预定阈值则可以认为车辆为颠簸状态)。这样，就可以认为车身倾斜角度的变化率所确定的颠簸状态与步骤S103所确定的颠簸路段一致，例如可以将颠簸道路输出。这样，在由车身倾斜角度的变化率进行校验的情况下，能够从车辆稳定性的角度对所确定的道路类型进行检验，增加了所确定的道路类型的准确性。

图6是又一示例性实施方式提供的用于检测道路类型的方法的流程图。如图6所示，在图1的基础上，所述方法还包括以下步骤。

在步骤S18中，采集雨量信息。例如，可以通过雨量传感器来采集雨量信息。

在步骤S19中，在确定车前道路的类型为积水道路的情况下，根据所采集的雨量信息对所确定的车前道路的类型进行校验。采集的雨量信息能够反映出路面是否有积水的可能性因此，可以对积水道路进行二次确认。

例如，由步骤S13确定车前道路的类型为积水道路，由雨量传感器采集的雨量信息可以得出两小时之前有过一段降雨过程。此时雨量信息可以与积水道路相匹配，例如可以将所确定的积水道路输出。在由雨量信息进行校验的情况下，能够从所采集的雨量的角度对所确定的道路类型进行检验，增加了所确定的道路类型的准确性。

以上实施方式只要是基于车前图像来确定道路类型的，因此，图像的质量尤为重要。如果外部光线条件较差，则可以认为不具备利用图像确定道路类型的条件。图7是又一示例性实施方式提供的用于检测道路类型的方法的流程图。如图7所示，在图1的基础上，所述方法还包括以下步骤。

在步骤S20中，采集车身外部的光线亮度。例如，可以通过光线传感器来采集车身外部的光线亮度。

在该实施方式中，步骤S13为：在所采集的光线亮度大于一预定的亮度阈值的情况下，根据所选取的道路区域的灰度值确定车前道路的类型。其中，预定的亮度阈值(例如，2000lux)可以通过实验得出。也就是，当车身外部的光线亮度大于该亮度阈值时，所获取的车前图像其灰度值能够满足用本发明提供的方法确定道路类型的需要。这样，就会减少错误判断的次数，增加准确性。

通过上述技术方案，在采集的车前图像中选出道路区域，根据道路区域的灰度值来确定车前道路的类型，这样能够从灰度值的角度来判断出车前路面的类型，从而能够提醒驾驶员采取合理的驾驶方案，避免引发不必要的麻烦和交通事故。

图8是一示例性实施方式提供的用于检测道路类型的装置的结构框图。如图8所示，所述装置可以包括采集模块11、选取模块12和确定模块13。

采集模块11，用于采集车辆的车前图像。

选取模块12，用于从所采集的车前图像中选取对应于道路的道路区域。

确定模块13，用于根据所选取的道路区域的灰度值确定车前道路的类型。

图9是一示例性实施方式提供的选取模块12的结构框图。如图9所示，选取模块12可以包括以下中的任意一者：

第一选取子模块121，用于根据所采集的车前图像的灰度值的变化，从所采集的车前图像中选取道路区域；以及

第二选取子模块122，用于检测车道线，并根据所检测到的车道线来选取道路区域。

图10是一示例性实施方式提供的确定模块13的结构框图。如图10所示，所述确定模块13可以包括以下中的一者或多者：

柏油道路确定单元131，用于根据所述道路区域的灰度值来检测车道线，并在检测到车道线的情况下，确定车前道路的类型为柏油道路。

积水道路确定单元132，用于在所述道路区域中，灰度值大于一预定灰度值的像素点与全部像素点的比例超过一预定比例阈值的情况下，确定车前道路的类型为积水道路。

颠簸道路确定单元133，用于根据所述道路区域的灰度值的分布状况来确定车前道路的类型是否为颠簸道路。

图11是一示例性实施方式提供的颠簸道路确定单元133的结构框图。如图11所示，所述颠簸道路确定单元133可以包括：

计算单元1331，用于将所述道路区域中各个像素点的灰度值与一预定的标准灰度值之差的绝对值进行求和或求平均值，得到颠簸值。

确定单元1332，用于在所得到的颠簸值大于一预定的颠簸阈值的情况下，确定车前道路的类型为颠簸道路。

图12是另一示例性实施方式提供的用于检测道路类型的装置的结构框图。如图12所示，采集模块11还用于采集车辆的定位信息。所述装置还包括第一校验模块14，第一校验模块14用于在确定车前道路的类型为柏油道路或颠簸道路的情况下，根据所采集的定位信息对所确定的车前道路的类型进行校验。

或者，采集模块11还用于采集车身倾斜角度的变化率。所述装置还包括第二校验模块15，第二校验模块15用于在确定车前道路的类型为颠簸道路的情况下，根据所采集的车身倾斜角度的变化率对所确定的车前道路的类型进行校验。

或者，采集模块11还用于采集雨量信息。所述装置还包括第三校验模块16，第三校验模块16用于在确定车前道路的类型为积水道路的情况下，根据所采集的雨量信息对所确定的车前道路的类型进行校验。

在又一实施方式中，采集模块11还可以用于采集车身外部的光线亮度。所述确定模块13用于：在所采集的光线亮度大于一预定的亮度阈值的情况下，根据所选取的道路区域的灰度值确定车前道路的类型。

关于上述实施方式中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施方式中进行了详细描述，此处将不做详细阐述说明。

通过上述技术方案，在采集的车前图像中选出道路区域，根据道路区域的灰度值来确定车前道路的类型，这样能够从灰度值的角度来判断出车前路面的类型，从而能够提醒驾驶员采取合理的驾驶方案，避免引发不必要的麻烦和交通事故。

本发明还提供一种用于检测道路类型的系统。图13是一示例性实施方式提供的用于检测道路类型的系统的结构框图。如图13所示，所述系统包括摄像头10和用于检测道路类型的装置20。

摄像头10用于拍摄车辆的车前图像。用于检测道路类型的装置20与摄像头10连接，用于根据所拍摄的车前图像确定车前道路的类型。

图14是另一示例性实施方式提供的用于检测道路类型的系统的结构框图。如图14所示，在图13的基础上，所述系统还可以包括定位装置30、车身高度传感器40、光线传感器50、雨量传感器60和显示装置70。

定位装置30，用于获取车辆的定位信息。

车身高度传感器40，用于检测车身倾斜角度的变化率。

光线传感器50，用于检测车身外部的光线亮度。

雨量传感器60，用于检测雨量信息。

显示装置70，用于将所确定的车前道路的类型进行显示。

以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。

此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。

Claims (9)

1.一种用于检测道路类型的方法，所述方法包括：

采集车辆的车前图像；

从所采集的车前图像中选取对应于道路的道路区域；以及

根据所选取的道路区域的灰度值确定车前道路的类型，

其中，所述根据所选取的道路区域的灰度值确定车前道路的类型的步骤包括：根据所述道路区域的灰度值的分布状况来确定车前道路的类型是否为颠簸道路，

其中，所述根据所述道路区域的灰度值的分布状况来确定车前道路的类型是否为颠簸道路的步骤包括：

将所述道路区域中各个像素点的灰度值与一预定的标准灰度值之差的绝对值进行求和或求平均值，得到颠簸值；以及

在所得到的颠簸值大于一预定的颠簸阈值的情况下，确定车前道路的类型为颠簸道路。

2.根据权利要求1所述的方法，其特征在于，所述从所采集的车前图像中选取对应于道路的道路区域的步骤包括以下中的任意一者：

根据所采集的车前图像的灰度值的变化，从所采集的车前图像中选取所述道路区域；以及

检测车道线，并根据所检测到的车道线来选取所述道路区域。

3.根据权利要求1所述的方法，其特征在于，所述根据所选取的道路区域的灰度值确定车前道路的类型的步骤包括以下中的一者或多者：

根据所述道路区域的灰度值来检测车道线，并在检测到车道线的情况下，确定车前道路的类型为柏油道路；

在所述道路区域中，灰度值大于一预定灰度值的像素点与全部像素点的比例超过一预定比例阈值的情况下，确定车前道路的类型为积水道路。

4.一种用于检测道路类型的方法，所述方法包括：

采集车辆的车前图像；

从所采集的车前图像中选取对应于道路的道路区域；以及

根据所选取的道路区域的灰度值确定车前道路的类型，

其中，所述根据所选取的道路区域的灰度值确定车前道路的类型的步骤包括以下中的一者或多者：

根据所述道路区域的灰度值来检测车道线，并在检测到车道线的情况下，确定车前道路的类型为柏油道路；

在所述道路区域中，灰度值大于一预定灰度值的像素点与全部像素点的比例超过一预定比例阈值的情况下，确定车前道路的类型为积水道路；

根据所述道路区域的灰度值的分布状况来确定车前道路的类型是否为颠簸道路，

所述方法还包括以下中的一者或多者：

采集所述车辆的定位信息，以及在确定车前道路的类型为柏油道路或颠簸道路的情况下，根据所采集的定位信息对所确定的车前道路的类型进行校验；

采集车身倾斜角度的变化率，以及在确定车前道路的类型为颠簸道路的情况下，根据所采集的车身倾斜角度的变化率对所确定的车前道路的类型进行校验；以及

采集雨量信息，以及在确定车前道路的类型为积水道路的情况下，根据所采集的雨量信息对所确定的车前道路的类型进行校验。

5.一种用于检测道路类型的装置，所述装置包括：

采集模块，用于采集车辆的车前图像；以及

选取模块，用于从所采集的车前图像中选取对应于道路的道路区域；以及

确定模块，用于根据所选取的道路区域的灰度值确定车前道路的类型；

其中，所述确定模块包括：

颠簸道路确定单元，用于根据所述道路区域的灰度值的分布状况来确定车前道路的类型是否为颠簸道路，

其中，所述颠簸道路确定单元包括：

计算单元，用于将所述道路区域中各个像素点的灰度值与一预定的标准灰度值之差的绝对值进行求和或求平均值，得到颠簸值；以及

确定单元，用于在所得到的颠簸值大于一预定的颠簸阈值的情况下，确定车前道路的类型为颠簸道路。

6.根据权利要求5所述的装置，其特征在于，所述选取模块包括以下中的任意一者：

第一选取子模块，用于根据所采集的车前图像的灰度值的变化，从所采集的车前图像中选取所述道路区域；以及

第二选取子模块，用于检测车道线，并根据所检测到的车道线来选取所述道路区域。

7.根据权利要求5所述的装置，其特征在于，所述确定模块包括以下中的一者或多者：

柏油道路确定单元，用于根据所述道路区域的灰度值来检测车道线，并在检测到车道线的情况下，确定车前道路的类型为柏油道路；

积水道路确定单元，用于在所述道路区域中，灰度值大于一预定灰度值的像素点与全部像素点的比例超过一预定比例阈值的情况下，确定车前道路的类型为积水道路。

8.一种用于检测道路类型的装置，所述装置包括：

采集模块，用于采集车辆的车前图像；以及

选取模块，用于从所采集的车前图像中选取对应于道路的道路区域；以及

确定模块，用于根据所选取的道路区域的灰度值确定车前道路的类型，

其中，所述确定模块包括以下中的一者或多者：

柏油道路确定单元，用于根据所述道路区域的灰度值来检测车道线，并在检测到车道线的情况下，确定车前道路的类型为柏油道路；

积水道路确定单元，用于在所述道路区域中，灰度值大于一预定灰度值的像素点与全部像素点的比例超过一预定比例阈值的情况下，确定车前道路的类型为积水道路；以及

颠簸道路确定单元，用于根据所述道路区域的灰度值的分布状况来确定车前道路的类型是否为颠簸道路，

所述采集模块还用于采集所述车辆的定位信息，以及所述装置还包括第一校验模块，所述第一校验模块用于在确定车前道路的类型为柏油道路或颠簸道路的情况下，根据所采集的定位信息对所确定的车前道路的类型进行校验；

或者

所述采集模块还用于采集车身倾斜角度的变化率，以及所述装置还包括第二校验模块，所述第二校验模块用于在确定车前道路的类型为颠簸道路的情况下，根据所采集的车身倾斜角度的变化率对所确定的车前道路的类型进行校验；

或者

所述采集模块还用于采集雨量信息，以及所述装置还包括第三校验模块，所述第三校验模块用于在确定车前道路的类型为积水道路的情况下，根据所采集的雨量信息对所确定的车前道路的类型进行校验。

9.一种用于检测道路类型的系统，所述系统包括：

摄像头，用于拍摄车辆的车前图像；以及

根据权利要求5-8中任一权利要求所述的装置，与所述摄像头连接，用于根据所拍摄的车前图像确定车前道路的类型。