CN108960060A - 一种无人驾驶车辆路面纹理识别系统及方法 - Google Patents

Abstract

本发明提出一种无人驾驶车辆路面纹理实时识别系统及方法，所述系统包括：激光三角测量、构造深度三维检测和道路检测中心三个子系统，三个子系统间的控制和数据传输通过工业控制计算机来完成。本发明采用激光三角测量技术对沥青路面纹理图像进行采集，能够在无人驾驶车辆行驶过程中实时自动采集路表纹理和数据；通过构造深度三维检测子系统对采集的路面表面高程进行分析、处理，运算出所测点或行驶路段的沥青路面纹理构造深度，解决了传统道路检测对交通流的影响，同时弥补了传统构造深度测量方法人为因素影响大的不足，更加智能化，且大幅提高效率，对无人驾驶车辆的行驶策略具有指导意义。

Description

一种无人驾驶车辆路面纹理识别系统及方法

技术领域

本发明属于无人驾驶车辆领域，尤其涉及一种无人驾驶车辆路面纹理识别系统及方法。

背景技术

无人驾驶车辆是未来车辆的发展方向，相比较传统车辆，具有减少交通事故、缓解交通压力等优点。现阶段，对于无人驾驶环境感知的研究主要还停留在计算机AI领域和自动控制领域，而对道路领域路面纹理识别的研究则少之又少，忽略了无人驾驶汽车最终还是在路面上行驶这一关键点。此外，当前对于路面纹理识别主要实在道路施工的验收环节中进行的，主要以构造深度为指标。传统的构造深度检测方法多为人工定点检测和抽样检测，现场测量和数据分析均存在诸多缺点：人工检测效率低，要求经验丰富的专业技术人员徒步检测，难以大规模的运用于路面构造深度检测中；检测结果受人为因素影响大，检测结果的准确性由技术人员的业务水平直接决定，不同技术人员之间的检测结果存在一定偏差；人工检测采取抽样的形式，一般每公里路面检测数个参数，无法对道路进行全面检测。

无人驾驶车辆的路面工作环境类目繁多，针对不同的路况需要采取不同的驾驶策略，如直线车速、过弯车速和安全车距，为了完成指定路面情况的行驶任务其必须具有定位、自主检测、识别和测量路面表面纹理情况的能力。如何高效综合利用工业相机、激光器、旋转编码器、全球定位系统(GPS)和无线传输模块等传感器设备，实时正确地获取路面表面纹理环境数据，使无人驾驶车辆具备根据环路面表面纹理环境调整最佳的驾驶策略，是提高无人驾驶车辆的安全性能的重要问题。

发明内容

发明目的：针对以上现有技术存在的问题，本发明提出一种无人驾驶车辆路面纹理识别系统及方法，其能够综合利用视觉、旋转编码器、全球定位系统(GPS)和无线传输模块和工业控制计算机等多种传感器获取路面表面纹理数据，对行驶路面环境中的数据进行实时处理，使得无人驾驶车辆行驶过程中实时自动感知识别路面表面纹理情况，提高无人驾驶车辆的安全性能。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种无人驾驶车辆路面纹理实时识别系统，该系统由以下部分构成：

工业控制计算机，用于向道路检测中心子系统发送数据请求，工业计算机根据道路检测中心子系统反馈的数据选择路面纹理图像的采集模式，并控制近景摄影测量子系统、道路检测中心子系统、构造深度三维检测子系统的工作；

道路检测中心子系统，响应无人驾驶车辆的数据请求，将已有存储的路面纹理图像数据反馈给工业控制计算机；并且实现道路纹理图像数据和路面构造深度值的存储和更新，对数据库信息进行整理，清除冗余数据；

近景摄影测量子系统，用于根据工业计算机确定的采集模式采集路面表面的纹理图像数据，并将数据发送到构造深度三维检测子系统；

构造深度三维检测子系统，用于对近景摄影测量子系统采集的路面纹理图像进行预处理，将预处理后的路面图像重建为路面纹理三维模型，提取路面表面纹理高程数据以计算出路面表面的构造深度值，将处理后的路面纹理数据和路表的构造深度值发送到道路检测中心子系统进行存储和更新。

进一步的，所述近景摄影测量子系统包括以下模块：

CCD高速相机，用于采集路面表面纹理图像数据；

激光器，用于投射激光到路表面，配合CCD高速相机进行图像采集；

旋转编码器模块，用于实现车辆固定行进距离时产生一个脉冲信号；

光电开关模块，用于接收脉冲并触发CCD高速相机和激光器开始采集路面表面纹理图像数据；

GPS定位模块，用于对无人驾驶车辆进行实时定位；

无线传输模块，用于数据传输。

进一步的，所述道路检测中心子系统包括以下模块：

路面纹理信息监测模块，用于对数据库中的信息进行检查，剔除冗余数据，甄别数据准确性，并响应工业控制计算机的数据请求；

数据库存储模块，用于道路纹理信息数据和路面构造深度值的存储和更新；

无线传输模块，用于数据传输。

进一步的，构造深度三维检测子系统包括以下模块：

路面纹理图像预处理模块，用于对采集得到的路面纹理图像进行去噪、细节增强、对比度增强、图像分割处理；

路面纹理三维重建模块，用于通过多目三维重建将预处理后的路面图像重建为路面纹理三维模型；

路面纹理三维点云数据配准模块，用于对上述建立的道路表面纹理的三维模型进行畸变点去除、表面修补处理，并提取路面纹理信息点云数据；

三维点云转换空间坐标数据模块，用于将点云数据与世界坐标系进行对比，赋予点云数据局部坐标轴属性，完成点云数据从世界坐标系到局部坐标系的转换，并导出最终的路面表面纹理高程数据；

构造深度计算模块，用于根据路面表面纹理高程数据计算路面表面纹理数据的构造深度值；

无线传输模块，用于数据传输。

此外，本发明还提出一种根据权利要求1-4任一项系统实现的无人驾驶车辆路面纹理实时识别方法，其特征在于，该方法包括以下步骤：

(1)无人驾驶车辆在行驶过程中，工业控制计算机向道路检测中心子系统发送数据请求；

(2)道路检测中心子系统向工业控制计算机进行数据请求反馈，工业控制计算机根据数据反馈情况选取不同策略采集路面纹理数据；

(3)工业控制计算机控制近景摄影测量子系统根据步骤(2)中确定的采集策略采集路面表面纹理图像；

(4)工业控制计算机控制构造深度三维检测子系统对步骤(3)中采集的路面表面纹理图像进行处理，计算得到路面表面纹理的构造深度值；

(5)道路检测中心子系统通过无线传输模块对路面表面构造深度值进行收集存储。

其中，步骤(2)中，根据道路检测中心所反馈的数据情况，选取间隔采集模式或连续采集模式，具体方法如下：如果道路检测中心反馈无对应道路的路面纹理数据，则采用连续采集的模式获取路面表面纹理；如果道路检测中心反馈已有对应数据，则以间隔采集的模式对路面表面纹理进行采集；将道路检测中心反馈的数据与间隔采集的数据进行对比，两组数据之间的差异Δ超过预设阈值T，则判定道路检测中心的数据需要更新，那么工业控制计算机将选取连续模式对路面表面纹理进行采集；当两组数据之间差异Δ小于等于阈值T，则判定道路检测中心的数据暂时不需要更新，可以继续使用，并选取间隔采集来获取路面表面纹理，同时继续进行实时阈值判定，根据实时情况改变采集策略。

其中，步骤(3)的具体方法：无人驾驶车辆运行时，触发旋转编码器工作，旋转编码器根据车辆行驶预定的固定距离产生脉冲，光电开关模块精确接收脉冲并触发CCD高速相机和激光器开始采集路面表面纹理图像信息，无线传输模块将采集图像信息传送至构造深度三维检测子系统。

其中，步骤(4)中，对路面表面纹理信息进行处理运算包括对路面表面道路标线信息和路面表面杂物信息的去除，其方法如下：

对采集的图像中的任意像素点阈值分割后的像素值I(i,j)：

式中，I′(i,j)为阈值分割后所采集图像不同均值范围内的像素值，μ为整幅图像的均值。

其中，步骤(4)中，对路面表面纹理信息进行处理运算包括对图像进行纹理平衡的亮度补偿，其方法如下：

对于非阴影区域B和阴影区域S，图像中的任意像素点光线补偿后的像素值I_i,j，有：

式中，I′_i,j为光线补偿后经过上述公式处理后的不同区域内的像素值；(i,j)为像素点坐标；D_B为图像非阴影区的像素亮度值的标准方差，D_S为图像阴影区的像素亮度值的标准方差，分别为非阴影区和阴影区的平均亮度。

其中，步骤(4)中，所述计算路面表面纹理的构造深度值MTD的计算公式为：

V＝∫∫_D[F₀-F(x,y)]dxdy

式中，MTD为路表某点深度值，单位为mm、F₀为盖在道路表面上的空间平面、F(x,y)为路面高程点所形成的区域面、D为积分区域、V为路表面与平面F₀间所围体积，单位为mm、A为区域D的面积，单位为mm。

有益效果：与现有技术相比，本发明的技术方案具有以下有益的技术效果：

1、本发明使无人驾驶车辆行驶过程中实时路面自动采集路表纹理和数据；通过构造深度三维检测子系统对采集的图像进行分析、处理，运算出所测点或行驶路段的沥青路面纹理构造深度，解决了传统道路检测，诸如铺沙法、摩擦系数仪法对交通流的影响，同时弥补了传统构造深度测量方法人为因素影响大的不足，更加智能化，且大幅提高效率，对无人驾驶车辆的行驶策略具有指导意义。

2、本发明采用单个工业彩色数字CCD高速相机和激光器，辅以激光三角测量技术作为视觉系统，以提高获取的高程信息的精度；经过矫正后可显著降低由于相机镜头畸变等原因造成的图像失真，大大提高近距离路面表面纹理采集图像的可靠性。

3、本发明采用旋转编码器模块、光电开关模块、GPS定位模块实现了无人驾驶车辆固定行进距离进行路表纹理图像间隔采集和路表纹理图像同步录像采集两种采集方式。

4、本发明建立路面纹理信息监测模块、数据库存储模块，实时同步道路检测中心进行数据管理，能够实现无人驾驶车辆路表纹理实测构造深度数据与道路检测中心已有数据的请求和调用对比，提高了数据更新存储一体化的有效性。

附图说明

图1为本发明的系统结构示意图；

图2为本发明的CCD高速相机和激光器工作原理图；

图3为本发明的系统检测过程示意图。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步的说明。

本发明提供了一种无人驾驶车辆路面纹理实时识别系统，以实现无人驾驶车辆行驶过程中实时对路面纹理构造深度信息进行获取，对无人驾驶制动控制策略提供指导。其中本发明提出的一种无人驾驶车辆路面纹理实时识别系统，如图1所示，包括：近景摄影测量子系统，用于采集路面纹理高程信息，并将采集到的路面纹理高程通过无线传输模块发送至道路检测中心和构造深度三维检测系统；构造深度三维检测子系统，用于处理路面纹理高程信息，计算出路面构造深度，并将处理得到的数据通过无线传输模块发送到工业控制计算机和道路检测中心；道路检测中心子系统，用于汇总路面纹理数据。三个系统间的控制和数据传输通过工业控制计算机和无线传输模块来完成。

其中，近景摄影测量子系统包括：CCD高速相机、激光器、旋转编码器模块、光电开关模块、GPS定位模块和无线传输模块；

CCD高速相机，用于采集路面表面纹理图像数据；

激光器，用于投射激光到路表面，配合CCD高速相机进行图像采集；

旋转编码器模块，用于实现车辆固定行进距离时产生一个脉冲信号；

光电开关模块，用于接收脉冲并触发CCD高速相机和激光器开始采集路面表面纹理图像数据；

GPS定位模块，用于对无人驾驶车辆进行实时定位；

无线传输模块，用于数据传输。

其中，道路检测中心子系统包括：路面纹理信息监测模块、数据库存储模块和无线传输模块；

路面纹理信息监测模块，用于对数据库中的信息进行检查，剔除冗余数据，甄别数据准确性，同时响应工业控制计算机的数据请求；

数据库存储模块，用于道路纹理信息数据和路面构造深度值的存储和更新；

无线传输模块，用于数据传输。

其中，构造深度三维检测子系统包括：路面纹理图像预处理模块、路面纹理三维重建模块、路面纹理三维点云数据配准模块、三维点云转换空间坐标数据模块、构造深度计算模块和无线传输模块；

路面纹理图像预处理模块，用于对采集得到的路面纹理图像进行去噪、细节增强、对比度增强、图像分割处理；

路面纹理三维重建模块，用于通过多目三维重建将预处理后的路面图像重建为路面纹理三维模型；

路面纹理三维点云数据配准模块，用于对上述建立的道路表面纹理的三维模型进行畸变点去除、表面修补处理，并提取路面纹理信息点云数据；

三维点云转换空间坐标数据模块，用于将点云数据与世界坐标系进行对比，赋予点云数据局部坐标轴属性，完成点云数据从世界坐标系到局部坐标系的转换，并导出最终的路面表面纹理高程数据；点云数据是通过三维模型提取出来的包含路表高程、三维坐标及矢量方向、光强值等一系列数据；

构造深度计算模块，用于计算路面表面纹理数据的构造深度值；

无线传输模块，用于数据传输。

并且，所述CCD高速相机和激光器以一定的俯角安装于无人驾驶车辆的底部；所述的旋转编码器模块、光电开关模块、GPS定位模块和无线传输模块安装于无人驾驶车辆内部；所述工业控制计算机别与CCD高速相机、激光器、旋转编码器模块、光电开关模块、GPS定位模块和无线传输模块连接。

此外，本发明还提出了一种无人驾驶车辆路面纹理实时识别方法，结合图3，下面对该方法进行说明：

(1)无人驾驶车辆在行驶过程中，当需要获取当前路面纹理情况来为无人驾驶车辆的行驶、制动提供参考时，由工业控制计算机向道路中心发送数据请求：通过GPS定位模块获取无人驾驶车辆的定位信息；同时基于定位信息，通过无线传输模块与道路检测中心的虚拟地图进行对比，确定与世界坐标的对应关系；通过无线传输模块向道路检测中心请求无人驾驶车辆所在道路的路表纹理实时数据，以用于构造深度数据。

(2)工业控制计算机根据道路检测中心反馈的数据情况，控制近景摄影测量系统选取对应的路面纹理采集模式。如果道路检测中心反馈无对应道路的路面纹理数据，则采用连续采集的模式获取路面表面纹理。如果道路检测中心反馈已有对应数据，则以间隔采集的模式对路面表面纹理进行采集；将道路检测中心反馈的数据与间隔采集的数据进行对比，两组数据之间的差异Δ超过预设阈值T，则判定道路检测中心的数据需要更新，那么后续工业控制计算机将选取连续模式对路面表面纹理进行采集；当两组数据之间差异Δ小于等于阈值T，T取值为5％，则判定道路检测中心的数据暂时不需要更新，可以继续使用，并选取间隔采集来获取路面表面纹理，同时继续进行阈值判定，根据实时情况改变采集策略。因为车辆行驶过程中车辆所行驶的路面纹理是时刻变化的，上一秒不需要更显，在荷载与天气影响下下一秒会磨损而需要再次间隔采集进行阈值判定。

式中，Δ代表数据差异；Data₁为无人驾驶车辆实时采集的路面纹理数据；Data₂为道路检测中心反馈的路面纹理数据；T为提前设定好的阈值，诸如取5％；Feedback表示道路检测中心数据反馈情况，当值为1，表示道路检测中心有无人驾驶车辆所行驶道路的路面纹理数据，当值为0，则表示无数据。

(3)工业控制计算机GPS模块获取车辆位置信息和车辆行驶状态信息，同时控制近景摄影测量子系统开始工作：工业控制计算机通过CCD高速相机和激光器采集激光照射下的沥青路面表面凹凸不平的纹理图像信息，包含纹理高程信息的图像，通过旋转编码器模块来实现车辆固定行进距离产生一个脉冲，通过光电开关模块更加精确地读取旋转编码器模块产生的脉冲来控制环形CCD高速相机阵列模块的拍摄频率，保证车辆固定行进长度采集一次图像；通过无线传输模块将路表纹理图像实时传送至构造深度三维检测子系统。

(4)工业控制计算机控制构造深度三维检测子系统对沥青路面表面纹理图像进行处理运算：通过路面表面纹理图像预处理模块对采集得到的图像进行去噪、细节增强、对比度增强、图像分割等处理；通过路面纹理三维重建模块重建出道路表面纹理的三维模型；通过路面纹理三维点云数据配准模块对建立的三维模型进行畸变点去除、表面修补等修正工作；通过三维点云转换空间坐标数据模块将点云数据与世界坐标进行对比，赋予数据对应的坐标轴属性，完成空间坐标数据的转换；通过构造深度计算模块计算沥青路面表面纹理的构造深度值；通过无线传输模块将沥青路面表面纹理的构造深度数据实时发送至道路检测中心。

其中，所述的路面表面纹理图像预处理包括路表道路标线信息去除、路表杂物信息去除、高程模型阴影去除。路表道路标线信息去除、路表杂物信息去除的具体方法为对采集的图像中的任意像素点阈值分割后的像素值I(i,j)，有：

式中，I′(i,j)为阈值分割后所采集图像不同均值范围内的像素值，μ为整幅图像的均值。通过上式约束可实现对图像中道路标线信息去除、路表杂物信息去除。

高程模型阴影去除的具体算法为对图像进行具有纹理平衡的亮度补偿。对于非阴影区域B和阴影区域S，图像中的任意像素点光线补偿后的像素值I_i,j有：

式中，I′_i,j为光线补偿后经过上述公式处理后的不同区域内的像素值；(i,j)为像素点坐标，D_B为图像非阴影区的像素亮度值的标准方差，D_S为图像阴影区的像素亮度值的标准方差，分别为非阴影区和阴影区的平均亮度。通过上式可实现对图像中阴影的去除。

其中，所述的构造深度计算模块计算沥青路面表面纹理的构造深度值MTD的计算公式为：

V＝∫∫_D[F₀-F(x,y)]dxdy

式中，MTD为路表某点深度，单位为mm；F₀为盖在道路表面上的空间平面；F(x,y)为路面高程点所形成的区域面；D为积分区域，相当于铺砂区域；V为路表面与平面F₀间所围体积，单位为mm²；A为区域D的面积，单位为mm。

(5)道路检测中心对路面表面构造深度信息进行收集存储：通过数据库存储系统对路面面构造深度信息进行高效存储；通过路面纹理信息监测模块对数据库中的信息进行检查，剔除冗余数据，甄别数据准确性；通过无线传输模块响应无人驾驶车辆的数据请求，道路检测中心响应是否有路表纹理信息的实时数据。

Claims (10)

1.一种无人驾驶车辆路面纹理实时识别系统，其特征在于，该系统由以下部分构成：

工业控制计算机，用于向道路检测中心子系统发送数据请求，工业计算机根据道路检测中心子系统反馈的数据选择路面纹理图像的采集模式，并控制近景摄影测量子系统、道路检测中心子系统、构造深度三维检测子系统的工作；

道路检测中心子系统，用于响应无人驾驶车辆的数据请求，将已有存储的路面纹理图像数据反馈给工业控制计算机，并对道路纹理图像数据和路面构造深度值进行存储和更新，清除数据库冗余数据；

近景摄影测量子系统，用于根据工业计算机确定的采集模式采集路面表面的纹理图像数据，并将数据发送到构造深度三维检测子系统；

构造深度三维检测子系统，用于对近景摄影测量子系统采集的路面纹理图像进行预处理，将预处理后的路面图像重建为路面纹理三维模型，提取路面表面纹理高程数据以计算路面表面的构造深度值，将处理后的路面纹理数据和路表的构造深度值发送到道路检测中心子系统进行存储和更新。

2.根据权利要求1所述的一种无人驾驶车辆路面纹理实时识别系统，其特征在于，所述近景摄影测量子系统包括以下模块：

CCD高速相机，用于采集路面表面纹理图像数据；

激光器，用于投射激光到路表面，配合CCD高速相机进行图像采集；

旋转编码器模块，用于实现车辆固定行进距离时产生一个脉冲信号；

光电开关模块，用于接收脉冲信号并触发CCD高速相机和激光器开始采集路面表面纹理图像数据；

GPS定位模块，用于对无人驾驶车辆进行实时定位；

无线传输模块，用于数据传输。

3.根据权利要求1所述的一种无人驾驶车辆路面纹理实时识别系统，其特征在于，所述道路检测中心子系统包括以下模块：

路面纹理信息监测模块，用于剔除数据库冗余数据，甄别数据准确性，并响应工业控制计算机的数据请求；

数据库存储模块，用于道路纹理信息数据和路面构造深度值的存储和更新；

无线传输模块，用于数据传输。

4.根据权利要求1所述的一种无人驾驶车辆路面纹理实时识别系统，其特征在于，所述构造深度三维检测子系统包括以下模块：

路面纹理图像预处理模块，用于对采集得到的路面纹理图像进行去噪、细节增强、对比度增强、图像分割处理；

路面纹理三维重建模块，用于通过多目三维重建将预处理后的路面图像重建为路面纹理三维模型；

路面纹理三维点云数据配准模块，用于对上述建立的道路表面纹理的三维模型进行畸变点去除、表面修补处理，并提取路面纹理信息点云数据；

三维点云转换空间坐标数据模块，用于将点云数据与世界坐标系进行对比，赋予点云数据局部坐标轴属性，完成点云数据从世界坐标系到局部坐标系的转换，并导出最终的路面表面纹理高程数据；

构造深度计算模块，用于根据路面表面纹理高程数据计算路面表面纹理数据的构造深度值；

无线传输模块，用于数据传输。

5.一种根据权利要求1-4任一项系统实现的无人驾驶车辆路面纹理实时识别方法，其特征在于，该方法包括以下步骤：

(1)无人驾驶车辆在行驶过程中，工业控制计算机向道路检测中心子系统发送数据请求；

(2)道路检测中心子系统向工业控制计算机进行数据请求反馈，工业控制计算机根据数据反馈情况选取不同策略采集路面纹理数据；

(3)工业控制计算机控制近景摄影测量子系统根据步骤(2)中确定的采集策略采集路面表面纹理图像；

(4)工业控制计算机控制构造深度三维检测子系统对步骤(3)中采集的路面表面纹理图像进行处理，计算得到路面表面纹理的构造深度值；

(5)道路检测中心子系统通过无线传输模块对路面表面构造深度值进行收集存储。

6.根据权利要求5所述的根据权利要求1-4任一项系统实现的无人驾驶车辆路面纹理实时识别方法，其特征在于，步骤(2)中，根据道路检测中心所反馈的数据情况，选取间隔采集模式或连续采集模式，具体方法如下：如果道路检测中心反馈无对应道路的路面纹理数据，则采用连续采集的模式获取路面表面纹理；如果道路检测中心反馈已有对应数据，则以间隔采集的模式对路面表面纹理进行采集；将道路检测中心反馈的数据与间隔采集的数据进行对比，两组数据之间的差异Δ超过预设阈值T，则判定道路检测中心的数据需要更新，那么工业控制计算机将选取连续模式对路面表面纹理进行采集；当两组数据之间差异Δ小于等于阈值T，则判定道路检测中心的数据暂时不需要更新，可以继续使用，并选取间隔采集来获取路面表面纹理，同时继续进行实时阈值判定，根据实时情况改变采集策略。

7.根据权利要求5所述的根据权利要求1-4任一项系统实现的无人驾驶车辆路面纹理实时识别方法，其特征在于，步骤(3)的具体方法：无人驾驶车辆运行时，触发旋转编码器工作，旋转编码器根据车辆行驶预定的固定距离产生脉冲，光电开关模块接收脉冲并触发CCD高速相机和激光器开始采集路面表面纹理图像信息，无线传输模块将采集图像信息传送至构造深度三维检测子系统。

8.根据权利要求5所述的根据权利要求1-4任一项系统实现的无人驾驶车辆路面纹理实时识别方法，其特征在于，步骤(4)中，对路面表面纹理信息进行处理运算包括对路面表面道路标线信息和路面表面杂物信息的去除，其方法如下：

对采集的图像中的任意像素点阈值分割后的像素值I(i,j)：

式中，I′(i,j)为阈值分割后所采集图像不同均值范围内的像素值，μ为整幅图像的均值。

9.根据权利要求5所述的根据权利要求1-4任一项系统实现的无人驾驶车辆路面纹理实时识别方法，其特征在于，步骤(4)中，对路面表面纹理信息进行处理运算包括对图像进行纹理平衡的亮度补偿，其方法如下：

对于非阴影区域B和阴影区域S，图像中的任意像素点光线补偿后的像素值I_i,j，有：

式中，I′_i,j为光线补偿后经过上述公式处理后的不同区域内的像素值；(i,j)为像素点坐标；D_B为图像非阴影区的像素亮度值的标准方差，D_S为图像阴影区的像素亮度值的标准方差，分别为非阴影区和阴影区的平均亮度。

10.根据权利要求5所述的根据权利要求1-4任一项系统实现的无人驾驶车辆路面纹理实时识别方法，其特征在于，步骤(4)中，所述计算路面表面纹理的构造深度值MTD的计算公式为：

V＝∫∫_D[F₀-F(x,y)]dxdy

式中，MTD为路表某点深度值，单位为mm、F₀为盖在道路表面上的空间平面、F(x,y)为路面高程点所形成的区域面、D为积分区域、V为路表面与平面F₀间所围体积，单位为mm、A为区域D的面积，单位为mm。