CN108765348A - 一种无人驾驶汽车 - Google Patents

Abstract

本发明提供了一种无人驾驶汽车，包括道路图像获取装置、图像处理装置、任务输入装置、路径规划装置和车辆控制装置，所述道路图像获取装置用于获取道路视频图像，所述图像处理装置用于对视频图像进行去噪处理，所述任务输入装置用于输入目的地信息，所述路径规划装置用于根据目的地对路径进行规划，所述车辆控制装置根据规划的路径和去噪的道路图像对车辆进行控制。本发明的有益效果为：提供了一种无人驾驶汽车，实现了车辆的路径规划和准确的道路图像获取，通过对道路图像进行去噪处理，大大提高了车辆的驾驶安全性，为车辆进行准确控制奠定了良好的基础。

Description

一种无人驾驶汽车

技术领域

本发明涉及无人驾驶技术领域，具体涉及一种无人驾驶汽车。

背景技术

视觉是人类获取信息的主要方式之一。图像在人类工作和生活中充当着异常重要的角色。图像处理是指从图像中提取信息的关键技术，在工业和生活等各个方面都有广泛的应用，如农业生产、石油勘探、生物医学等领域。图像去噪作为图像处理中的基本任务，为图像分析和理解提供了坚实的基础。在图像获取、压缩、传输阶段，由于环境、传输信道等多种因素的影响，图像会受到噪声的干扰，而使图像信息丢失，产生失真。对失真的图像进行处理，势必会影响图像处理的结果，降低提取信息的准确度，进而干扰据此做出的各种判断和决策。图像去噪是要从含有噪声的图像信号中去除噪声干扰，从而恢复出图像真实信号，进而保证进一步图像处理与分析结果的准确性。现有的去噪模型大都是针对高斯白噪声，对于脉冲噪声的滤除研究很少。

图像处理作为无人驾驶的关键技术，处理效果如何直接影响到无人驾驶汽车的安全性。

发明内容

针对上述问题，本发明旨在提供一种无人驾驶汽车。

本发明的目的采用以下技术方案来实现：

提供了一种无人驾驶汽车，包括道路图像获取装置、图像处理装置、任务输入装置、路径规划装置和车辆控制装置，所述道路图像获取装置用于获取道路视频图像，所述图像处理装置用于对视频图像进行去噪处理，所述任务输入装置用于输入目的地信息，所述路径规划装置用于根据目的地对路径进行规划，所述车辆控制装置根据规划的路径和去噪的道路图像对车辆进行控制。

本发明的有益效果为：提供了一种无人驾驶汽车，实现了车辆的路径规划和准确的道路图像获取，通过对道路图像进行去噪处理，大大提高了车辆的驾驶安全性，为车辆进行准确控制奠定了良好的基础。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构示意图；

附图标记：

道路图像获取装置1、图像处理装置2、任务输入装置3、路径规划装置4、车辆控制装置5。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例的一种无人驾驶汽车，包括道路图像获取装置1、图像处理装置2、任务输入装置3、路径规划装置4和车辆控制装置5，所述道路图像获取装置1用于获取道路视频图像，所述图像处理装置2用于对视频图像进行去噪处理，所述任务输入装置3用于输入目的地信息，所述路径规划装置4用于根据目的地对路径进行规划，所述车辆控制装置5根据规划的路径和去噪的道路图像对车辆进行控制。

本实施例提供了一种无人驾驶汽车，实现了车辆的路径规划和准确的道路图像获取，通过对道路图像进行去噪处理，大大提高了车辆的驾驶安全性，为车辆进行准确控制奠定了良好的基础。

优选的，所述道路图像获取装置1为高清摄像头。

本优选实施例获取了更为清晰的道路图像。

优选的，所述图像处理装置2包括模型建立模块、噪声去除模块、去噪评价模块和存储模块，所述模型建立模块用于建立视频图像噪声模型，所述噪声去除模块用于根据噪声模型对视频图像噪声进行去除，所述去噪评价模块用于对噪声去除模块的去噪效果进行评价，所述存储模块用于对去除噪声后的视频图像进行存储。

所述模型建立模块用于建立视频图像噪声模型，具体为：

将视频序列中每一帧图像作为一个图像块，将视频图像噪声模型表示为：

H＝F+N+M

式中，F表示不含噪声的干净图像矩阵，F＝{ f₁,f₂,…,f_l},f_i表示第i个干净图像块，l表示图像帧数，i＝1,2,…,l，N表示脉冲噪声矩阵，N＝{n₁,n₂,…,n_l}，n_i表示f_i对应的脉冲噪声，i＝1,2,…,l，M表示高斯噪声矩阵，M＝{m₁,m₂,…,m_l}，m_i表示f_i对应的高斯噪声，i＝1,2,…,l，H为含有噪声的图像矩阵，H＝{h₁,h₂,…,h_l}，h_i表示f_i对应的含有噪声的图像，i＝1,2,…,l；

现有去除脉冲噪声的算法都是针对单幅图像进行的，而视频是若干图像的有序序列，视频信号本身具有的时间冗余被忽略了，这就导致现有算法去除视频中的脉冲噪声时效率低下，本优选实施例算法采用每一倾图像作为一个图像块，而视频中相邻侦之间又具有内部结构相似性，彼此之间构成相似图像块，这样建模不仅不用确定图像块的大小，还避免了相似性的度量，从而有助于降低噪声的干扰。

优选的，所述噪声去除模块包括第一去噪子模块和第二去噪子模块，所述第一去噪子模块用于去除视频图像高斯噪声，所述第二去噪子模块用于对去除高斯噪声后的视频图像进行处理，去除视频图像脉冲噪声；

所述第一去噪子模块用于去除视频图像高斯噪声，具体为：对每帧图像去除高斯噪声，得到去除高斯噪声后的视频图像：

S＝F+N

式中，S为仅含有脉冲噪声的图像矩阵，S＝{s₁,s₂,…,s_l}，s_i表示f_i对应的仅含有脉冲噪声的图像，i＝1,2,…,l；

所述第二去噪子模块用于对去除高斯噪声后的视频图像进行处理，去除视频图像脉冲噪声，具体为：

对于含有l帧的视频序列，将其分为l组，对每一帧图像，以该图像为中心，前后各n帧图像作为该图像的相似图像块，将所述相似图像块顺序排列构成矩阵，最小化该矩阵的秩，得到该图像的一个处理结果，由于每帧图像会被处理2n+1次，将2n+1次结果进行简单加权平均作为该图像去除脉冲噪声后的结果；

求取所有帧图像去除脉冲噪声后的结果，得到去除脉冲噪声后的视频图像Z，Z＝{z₁,z₂,…,z_l},z_i表示第i个去除脉冲噪声后的图像，l表示图像帧数，i＝1,2,…,l。

由于视频的时间冗余，相邻顿图像之间结构相似，若将无噪声的视频图像组成一个矩阵，那么该矩阵具有低秩性。而带噪声的视频图像构成的矩阵就是该低秩矩阵部分元素被污染的退化的矩阵，去除视频噪声就是要从退化的矩阵中恢复出低秩矩阵。本优选实施例对于每帧图像，通过对最小化矩阵的秩，并对处理结果进行简单加权平均，得到了该图像去除脉冲噪声后的视频图像，对所有帧图像进行处理，得到了去除脉冲噪声后的视频图像。

优选的，所述去噪评价模块用于对噪声去除模块的去噪效果进行评价，具体为：

采用下式定义评价因子：

式中，Q表示评价因子,分别表示去除椒盐噪声后的图像z_i和不含噪声的干净图像f_i的亮度平均值，分别表示去除椒盐噪声后的图像z_i和不含噪声的干净图像f_i的亮度方差，表示去除椒盐噪声后的图像z_i和不含噪声的干净图像f_i的亮度标准差，PSNR表示去除椒盐噪声后的图像z_i和不含噪声的干净图像f_i的峰值信噪比；所述评价因子越大，表示所述图像去噪模块的去噪效果越好。

主观评价方式是用人眼去感知算法处理结果的视觉效果，从主观上去衡量算法是否达到预期，是否将噪声去除干浄，是否引起了模糊等。主观评价与评价者自身关系密切，不同的观测者得到的评价结论可能差异性很大。本优选实施例通过定义评价因子对去噪效果进行评价，充分考虑了去噪图像的峰值信噪比以及去噪图像与原始图像的结构相似性，实现了噪声去除效果的准确评价，克服了主观评价中评价者不同所带来的评价差异。

采用本发明无人驾驶汽车，选定出发地，输入5个目的地进行实验，分别为目的地1、目的地2、目的地3、目的地4、目的地5，对行驶时间和用户满意度进行统计，同现有无人驾驶汽车相比，产生的有益效果如下表所示：

	行驶时间缩短	用户满意度提高
			目的地1	29％	27％
目的地2	27％	26％
			目的地3	26％	26％
目的地4	25％	24％
			目的地5	24％	22％

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术目的地应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (8)

1.一种无人驾驶汽车，其特征在于，包括道路图像获取装置、图像处理装置、任务输入装置、路径规划装置和车辆控制装置，所述道路图像获取装置用于获取道路视频图像，所述图像处理装置用于对视频图像进行去噪处理，所述任务输入装置用于输入目的地信息，所述路径规划装置用于根据目的地对路径进行规划，所述车辆控制装置根据规划的路径和去噪的道路图像对车辆进行控制。

2.根据权利要求1所述的无人驾驶汽车，其特征在于，所述道路图像获取装置为高清摄像头。

3.根据权利要求2所述的无人驾驶汽车，其特征在于，所述图像处理装置包括模型建立模块、噪声去除模块、去噪评价模块和存储模块，所述模型建立模块用于建立视频图像噪声模型，所述噪声去除模块用于根据噪声模型对视频图像噪声进行去除，所述去噪评价模块用于对噪声去除模块的去噪效果进行评价，所述存储模块用于对去除噪声后的视频图像进行存储。

4.根据权利要求3所述的无人驾驶汽车，其特征在于，所述模型建立模块用于建立视频图像噪声模型，具体为：

将视频序列中每一帧图像作为一个图像块，将视频图像噪声模型表示为：

H＝F+N+M

式中，F表示不含噪声的干净图像矩阵，F＝{f₁,f₂,…,f_l},f_i表示第i个干净图像块，l表示图像帧数，i＝1,2,…,l，N表示脉冲噪声矩阵，N＝{n₁,n₂,…,n_l}，n_i表示f_i对应的脉冲噪声，i＝1,2,…,l，M表示高斯噪声矩阵，M＝{m₁,m₂,…,m_l}，m_i表示f_i对应的高斯噪声，i＝1,2,…,l，H为含有噪声的图像矩阵，H＝{h₁,h₂,…,h_l}，h_i表示f_i对应的含有噪声的图像，i＝1,2,…,l。

5.根据权利要求4所述的无人驾驶汽车，其特征在于，所述噪声去除模块包括第一去噪子模块和第二去噪子模块，所述第一去噪子模块用于去除视频图像高斯噪声，所述第二去噪子模块用于对去除高斯噪声后的视频图像进行处理，去除视频图像脉冲噪声。

6.根据权利要求5所述的无人驾驶汽车，其特征在于，所述第一去噪子模块用于去除视频图像高斯噪声，具体为：对每帧图像去除高斯噪声，得到去除高斯噪声后的视频图像：

S＝F+N

式中，S为仅含有脉冲噪声的图像矩阵，S＝{s₁,s₂,…,s_l}，s_i表示f_i对应的仅含有脉冲噪声的图像，i＝1,2,…,l。

7.根据权利要求6所述的无人驾驶汽车，其特征在于，所述第二去噪子模块用于对去除高斯噪声后的视频图像进行处理，去除视频图像脉冲噪声，具体为：

对于含有l帧的视频序列，将其分为l组，对每一帧图像，以该图像为中心，前后各n帧图像作为该图像的相似图像块，将所述相似图像块顺序排列构成矩阵，最小化该矩阵的秩，得到该图像的一个处理结果，由于每帧图像会被处理2n+1次，将2n+1次结果进行简单加权平均作为该图像去除脉冲噪声后的结果；

求取所有帧图像去除脉冲噪声后的结果，得到去除脉冲噪声后的视频图像Z，Z＝{z₁,z₂,…,z_l},z_i表示第i个去除脉冲噪声后的图像，l表示图像帧数，i＝1,2,…,l。

8.根据权利要求7所述的无人驾驶汽车，其特征在于，所述去噪评价模块用于对噪声去除模块的去噪效果进行评价，具体为：

采用下式定义评价因子：

式中，Q表示评价因子,分别表示去除椒盐噪声后的图像z_i和不含噪声的干净图像f_i的亮度平均值，分别表示去除椒盐噪声后的图像z_i和不含噪声的干净图像f_i的亮度方差，表示去除椒盐噪声后的图像z_i和不含噪声的干净图像f_i的亮度标准差，PSNR表示去除椒盐噪声后的图像z_i和不含噪声的干净图像f_i的峰值信噪比；所述评价因子越大，表示所述图像去噪模块的去噪效果越好。