CN110827577B - 基于参数辨识的预警系统 - Google Patents

Abstract

本发明涉及一种基于参数辨识的预警系统，包括：桥洞辨识设备，用于基于桥洞成像特征辨识出边缘锐化图像中的桥洞对象；参数解析设备，用于获取所述桥洞对象在所述边缘锐化图像中的景深以作为实时景深，以及获取所述桥洞对象在所述边缘锐化图像中的横向宽度；现场预警设备，用于基于所述实时景深和所述横向宽度确定所述桥洞对象的实际宽度，并在所述实际宽度低于预设宽度阈值时，执行现场预警动作。本发明的基于参数辨识的预警系统辨识准确，预警有效。由于采用图像辨别机制对前方桥洞宽度执行针对性测量，以在测量到的宽度达不到通行标准时，进行现场预警操作，从而防止车体被刮伤。

Description

基于参数辨识的预警系统

技术领域

本发明涉及参数检测领域，尤其涉及一种基于参数辨识的预警系统。

背景技术

参数，也叫参变量，是一个变量。人们在研究当前问题的时候，关心某几个变量的变化以及它们之间的相互关系，其中有一个或一些叫自变量，另一个或另一些叫因变量。如果人们引入一个或一些另外的变量来描述自变量与因变量的变化，引入的变量本来并不是当前问题必须研究的变量，人们把这样的变量叫做参变量或参数。

参数是很多机械设置或维修上能用到的一个选项，字面上理解是可供参考的数据，但有时又不全是数据。对指定应用而言，他可以是赋予的常数值；在泛指时，他可以是一种变量，用来控制随其变化而变化的其他的量。

发明内容

本发明需要具备以下三处关键的发明点：

(1)采用图像辨别机制对前方桥洞宽度执行针对性测量，以在测量到的宽度达不到通行标准时，进行现场预警操作，从而防止车体被刮伤；

(2)引入等级辨识设备、第一解析设备和第二解析设备，用于基于图像中每一个像素点的像素值占据的字节数和图像中的像素点的总数确定图像的数据量等级；

(3)根据接收的图像的数据量等级采用对应的滤波策略对接收到的图像执行相应的滤波处理，以避免对本身数据量大的图像选择运算复杂的滤波机制。

根据本发明的一方面，提供了一种基于参数辨识的预警系统，所述系统包括：

桥洞辨识设备，设置在汽车内部，与边缘锐化设备连接，用于接收边缘锐化图像，基于桥洞成像特征辨识出所述边缘锐化图像中的桥洞对象；

参数解析设备，与所述桥洞辨识设备连接，用于获取所述桥洞对象在所述边缘锐化图像中的景深以作为实时景深，以及获取所述桥洞对象在所述边缘锐化图像中的横向宽度；

在所述参数解析设备中，获取的所述桥洞对象在所述边缘锐化图像中的横向宽度为所述桥洞对象在所述边缘锐化图像中占据区域的水平方向各列像素点数量的均值；

现场预警设备，与所述参数解析设备连接，用于基于所述实时景深和所述横向宽度确定所述桥洞对象的实际宽度，并在所述实际宽度低于预设宽度阈值时，执行现场预警动作；

第一解析设备，设置在汽车内部，用于接收来自车前采集设备采集到的所述实时车前图像，对所述实时车前图像中每一个像素点的像素值占据的字节数进行分析，以获得参考字节数输出；

第二解析设备，用于接收所述实时车前图像，统计所述实时车前图像中的像素点的总数，以获得参考总数输出；

等级辨识设备，分别与所述第一解析设备和所述第二解析设备连接，用于接收所述参考字节数和所述参考总数，并基于所述参考字节数和所述参考总数的乘积确定与其成正比的数据量等级；

通用阵列逻辑器件，与所述等级辨识设备连接，用于在接收到的数据量等级超限时，控制自适应滤波设备从休眠模式进入工作模式，并控制导向滤波设备从工作模式进入休眠模式，还用于在接收到的数据量等级未超限时，控制自适应滤波设备从工作模式进入休眠模式，并控制导向滤波设备从休眠模式进入工作模式。

本发明的基于参数辨识的预警系统辨识准确，预警有效。由于采用图像辨别机制对前方桥洞宽度执行针对性测量，以在测量到的宽度达不到通行标准时，进行现场预警操作，从而防止车体被刮伤。

附图说明

以下将结合附图对本发明的实施方案进行描述，其中：

图1为根据本发明实施方案示出的基于参数辨识的预警系统所应用的桥洞的内部场景图。

具体实施方式

下面将参照附图对本发明的基于参数辨识的预警系统的实施方案进行详细说明。

桥梁，一般指架设在江河湖海上，使车辆行人等能顺利通行的构筑物。为适应现代高速发展的交通行业，桥梁亦引申为跨越山涧、不良地质或满足其他交通需要而架设的使通行更加便捷的建筑物。桥梁一般由上部构造、下部结构、支座和附属构造物组成，上部结构又称桥跨结构，是跨越障碍的主要结构；下部结构包括桥台、桥墩和基础；支座为桥跨结构与桥墩或桥台的支承处所设置的传力装置；附属构造物则指桥头搭板、锥形护坡、护岸、导流工程等。桥洞，即桥孔，桥梁下面的孔洞，能够为汽车提供桥下通行的空间。

现有技术中，桥洞是汽车通行时经常遇到的瓶颈地段，为了防止自己驾驶的车辆被桥洞刮伤，有经验的司机会下车目测一下，在确定自己车辆宽度能够通过时，才继续前进，否则，必须要绕道行驶，在现有技术中缺乏自动的桥洞宽度数据指导机制，使得桥洞刮伤车辆的事故时有发生。

为了克服上述不足，本发明搭建了一种基于参数辨识的预警系统，能够有效解决相应的技术问题。

图1为根据本发明实施方案示出的基于参数辨识的预警系统所应用的桥洞的内部场景图。

根据本发明实施方案示出的基于参数辨识的预警系统包括：

桥洞辨识设备，设置在汽车内部，与边缘锐化设备连接，用于接收边缘锐化图像，基于桥洞成像特征辨识出所述边缘锐化图像中的桥洞对象；

参数解析设备，与所述桥洞辨识设备连接，用于获取所述桥洞对象在所述边缘锐化图像中的景深以作为实时景深，以及获取所述桥洞对象在所述边缘锐化图像中的横向宽度；

在所述参数解析设备中，获取的所述桥洞对象在所述边缘锐化图像中的横向宽度为所述桥洞对象在所述边缘锐化图像中占据区域的水平方向各列像素点数量的均值；

现场预警设备，与所述参数解析设备连接，用于基于所述实时景深和所述横向宽度确定所述桥洞对象的实际宽度，并在所述实际宽度低于预设宽度阈值时，执行现场预警动作；

第一解析设备，设置在汽车内部，用于接收来自车前采集设备采集到的所述实时车前图像，对所述实时车前图像中每一个像素点的像素值占据的字节数进行分析，以获得参考字节数输出；

第二解析设备，用于接收所述实时车前图像，统计所述实时车前图像中的像素点的总数，以获得参考总数输出；

等级辨识设备，分别与所述第一解析设备和所述第二解析设备连接，用于接收所述参考字节数和所述参考总数，并基于所述参考字节数和所述参考总数的乘积确定与其成正比的数据量等级；

通用阵列逻辑器件，与所述等级辨识设备连接，用于在接收到的数据量等级超限时，控制自适应滤波设备从休眠模式进入工作模式，并控制导向滤波设备从工作模式进入休眠模式，还用于在接收到的数据量等级未超限时，控制自适应滤波设备从工作模式进入休眠模式，并控制导向滤波设备从休眠模式进入工作模式；

自适应滤波设备，与所述第一解析设备连接，用于在进入工作模式下对接收到的实时车前图像执行自适应滤波处理，以获得并输出相应的现场滤波图像；

导向滤波设备，与所述第一解析设备连接，用于在进入工作模式下对接收到的实时车前图像执行导向滤波处理，以获得并输出相应的现场滤波图像；

边缘锐化设备，分别与所述自适应滤波设备和所述导向滤波设备连接，用于对所述自适应滤波设备或所述导向滤波设备输出的现场滤波图像进行边缘锐化处理，以获得相应的边缘锐化图像；

其中，所述自适应滤波设备还用于在进入休眠模式下，不对接收到的实时车前图像执行自适应滤波处理；

其中，所述导向滤波设备还用于在进入休眠模式下，不对接收到的实时车前图像执行导向滤波处理。

接着，继续对本发明的基于参数辨识的预警系统的具体结构进行进一步的说明。

在所述基于参数辨识的预警系统中：

在所述等级辨识设备、所述第一解析设备和所述第二解析设备都与同一32位并行数据总线连接。

所述基于参数辨识的预警系统中：

所述边缘锐化设备由图像接收子设备、锐化处理子设备和图像输出子设备组成，所述锐化处理子设备分别与所述图像接收子设备和所述图像输出子设备连接。

所述基于参数辨识的预警系统中还可以包括：

锐化处理设备，位于所述边缘锐化设备和所述桥洞辨识设备之间，用于接收所述边缘锐化图像，确定所述边缘锐化图像中的背景复杂度，基于所述背景复杂度确定对所述边缘锐化图像进行平均分割的图像碎片数量，所述背景复杂度越高，对所述边缘锐化图像进行平均分割的图像碎片数量越多，对各个图像碎片分别执行基于图像碎片模糊程度的锐化处理处理操作以获得各个锐化处理碎片，图像碎片模糊程度越高，对图像碎片执行的锐化处理处理操作强度越大，将各个锐化处理碎片进行组合以获得锐化组合图像；

其中，所述锐化处理设备还用于将所述锐化组合图像替换所述边缘锐化图像发送给所述桥洞辨识设备。

所述基于参数辨识的预警系统中：

所述锐化处理设备确定所述边缘锐化图像中的背景复杂度的具体操作如下：获取所述边缘锐化图像中各个像素点的Y通道像素值、U通道像素值和V通道像素值，确定每一个像素点的Y通道像素值的各个方向的梯度以作为Y通道梯度，确定每一个像素点的U通道像素值的各个方向的梯度以作为U通道梯度，确定每一个像素点的V通道像素值的各个方向的梯度以作为V通道梯度，基于各个像素点的Y通道梯度、U通道梯度和V通道梯度确定所述边缘锐化图像对应的背景复杂度。

根据本发明实施方案示出的基于参数辨识的预警方法包括：

使用桥洞辨识设备，与边缘锐化设备连接，用于接收边缘锐化图像，基于桥洞成像特征辨识出所述边缘锐化图像中的桥洞对象；

使用参数解析设备，与所述桥洞辨识设备连接，用于获取所述桥洞对象在所述边缘锐化图像中的景深以作为实时景深，以及获取所述桥洞对象在所述边缘锐化图像中的横向宽度；

在所述参数解析设备中，获取的所述桥洞对象在所述边缘锐化图像中的横向宽度为所述桥洞对象在所述边缘锐化图像中占据区域的水平方向各列像素点数量的均值；

使用现场预警设备，与所述参数解析设备连接，用于基于所述实时景深和所述横向宽度确定所述桥洞对象的实际宽度，并在所述实际宽度低于预设宽度阈值时，执行现场预警动作；

使用第一解析设备，设置在汽车内部，用于接收来自车前采集设备采集到的所述实时车前图像，对所述实时车前图像中每一个像素点的像素值占据的字节数进行分析，以获得参考字节数输出；

使用第二解析设备，用于接收所述实时车前图像，统计所述实时车前图像中的像素点的总数，以获得参考总数输出；

使用等级辨识设备，分别与所述第一解析设备和所述第二解析设备连接，用于接收所述参考字节数和所述参考总数，并基于所述参考字节数和所述参考总数的乘积确定与其成正比的数据量等级；

使用通用阵列逻辑器件，与所述等级辨识设备连接，用于在接收到的数据量等级超限时，控制自适应滤波设备从休眠模式进入工作模式，并控制导向滤波设备从工作模式进入休眠模式，还用于在接收到的数据量等级未超限时，控制自适应滤波设备从工作模式进入休眠模式，并控制导向滤波设备从休眠模式进入工作模式；

使用自适应滤波设备，与所述第一解析设备连接，用于在进入工作模式下对接收到的实时车前图像执行自适应滤波处理，以获得并输出相应的现场滤波图像；

使用导向滤波设备，与所述第一解析设备连接，用于在进入工作模式下对接收到的实时车前图像执行导向滤波处理，以获得并输出相应的现场滤波图像；

使用边缘锐化设备，分别与所述自适应滤波设备和所述导向滤波设备连接，用于对所述自适应滤波设备或所述导向滤波设备输出的现场滤波图像进行边缘锐化处理，以获得相应的边缘锐化图像；

其中，所述自适应滤波设备还用于在进入休眠模式下，不对接收到的实时车前图像执行自适应滤波处理；

其中，所述导向滤波设备还用于在进入休眠模式下，不对接收到的实时车前图像执行导向滤波处理。

接着，继续对本发明的基于参数辨识的预警方法的具体步骤进行进一步的说明。

所述基于参数辨识的预警方法中：

在所述等级辨识设备、所述第一解析设备和所述第二解析设备都与同一32位并行数据总线连接。

所述基于参数辨识的预警方法中：

所述边缘锐化设备由图像接收子设备、锐化处理子设备和图像输出子设备组成，所述锐化处理子设备分别与所述图像接收子设备和所述图像输出子设备连接。

所述基于参数辨识的预警方法还可以包括：

使用锐化处理设备，位于所述边缘锐化设备和所述桥洞辨识设备之间，用于接收所述边缘锐化图像，确定所述边缘锐化图像中的背景复杂度，基于所述背景复杂度确定对所述边缘锐化图像进行平均分割的图像碎片数量，所述背景复杂度越高，对所述边缘锐化图像进行平均分割的图像碎片数量越多，对各个图像碎片分别执行基于图像碎片模糊程度的锐化处理处理操作以获得各个锐化处理碎片，图像碎片模糊程度越高，对图像碎片执行的锐化处理处理操作强度越大，将各个锐化处理碎片进行组合以获得锐化组合图像；

其中，所述锐化处理设备还用于将所述锐化组合图像替换所述边缘锐化图像发送给所述桥洞辨识设备。

所述基于参数辨识的预警方法中：

所述锐化处理设备确定所述边缘锐化图像中的背景复杂度的具体操作如下：获取所述边缘锐化图像中各个像素点的Y通道像素值、U通道像素值和V通道像素值，确定每一个像素点的Y通道像素值的各个方向的梯度以作为Y通道梯度，确定每一个像素点的U通道像素值的各个方向的梯度以作为U通道梯度，确定每一个像素点的V通道像素值的各个方向的梯度以作为V通道梯度，基于各个像素点的Y通道梯度、U通道梯度和V通道梯度确定所述边缘锐化图像对应的背景复杂度。

另外，通用阵列逻辑器件GAL器件是LATTICE公司最先发明的可电擦除、可编程、可设置加密位的PLD。具有代表性的GAL芯片有GAL16V8、GAL20，这两种GAL几乎能够仿真所有类型的PAL器件。实际应用中，GAL器件对PAL器件仿真具有100％的兼容性，所以GAL几乎可以全代替PAL器件，并可取代大部分SSI、MSI数字集成电路，因而获得广泛应用。

GAL和PAL的最大差别在于GAL的输出结构可由用户定义，是一种可编程的输出结构。GAL的两种基本型号GAL16V8(20引脚)GAL20V8(24引脚)可代替树十种PAL器件，因而称为痛用可编程电路。而PAL的输出是由厂家定义好的，芯片选定后就固定了，用户无法改变。

最后应注意到的是，在本发明各个实施例中的各功能设备可以集成在一个处理设备中，也可以是各个设备单独物理存在，也可以两个或两个以上设备集成在一个设备中。

所述功能如果以软件功能设备的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (2)

1.一种基于参数辨识的预警系统，其特征在于，所述系统包括：

桥洞辨识设备，设置在汽车内部，与边缘锐化设备连接，用于接收边缘锐化图像，基于桥洞成像特征辨识出所述边缘锐化图像中的桥洞对象；

参数解析设备，与所述桥洞辨识设备连接，用于获取所述桥洞对象在所述边缘锐化图像中的景深以作为实时景深，以及获取所述桥洞对象在所述边缘锐化图像中的横向宽度；

在所述参数解析设备中，获取的所述桥洞对象在所述边缘锐化图像中的横向宽度为所述桥洞对象在所述边缘锐化图像中占据区域的水平方向各列像素点数量的均值；

现场预警设备，与所述参数解析设备连接，用于基于所述实时景深和所述横向宽度确定所述桥洞对象的实际宽度，并在所述实际宽度低于预设宽度阈值时，执行现场预警动作；

第一解析设备，设置在汽车内部，用于接收来自车前采集设备采集到的实时车前图像，对所述实时车前图像中每一个像素点的像素值占据的字节数进行分析，以获得参考字节数输出；

第二解析设备，用于接收所述实时车前图像，统计所述实时车前图像中的像素点的总数，以获得参考总数输出；

等级辨识设备，分别与所述第一解析设备和所述第二解析设备连接，用于接收所述参考字节数和所述参考总数，并基于所述参考字节数和所述参考总数的乘积确定与其成正比的数据量等级；

通用阵列逻辑器件，与所述等级辨识设备连接，用于在接收到的数据量等级超限时，控制自适应滤波设备从休眠模式进入工作模式，并控制导向滤波设备从工作模式进入休眠模式，还用于在接收到的数据量等级未超限时，控制自适应滤波设备从工作模式进入休眠模式，并控制导向滤波设备从休眠模式进入工作模式；

其中，通用阵列逻辑器件GAL器件是可电擦除、可编程以及可设置加密位的可编程逻辑器件PLD，GAL器件对PAL器件仿真具有100%的兼容性，GAL和PAL的差别在于GAL的输出结构可由用户定义，是一种可编程的输出结构，而PAL的输出是由厂家定义好的，芯片选定后就固定了，用户无法改变；

自适应滤波设备，与所述第一解析设备连接，用于在进入工作模式下对接收到的实时车前图像执行自适应滤波处理，以获得并输出相应的现场滤波图像；

导向滤波设备，与所述第一解析设备连接，用于在进入工作模式下对接收到的实时车前图像执行导向滤波处理，以获得并输出相应的现场滤波图像；

边缘锐化设备，分别与所述自适应滤波设备和所述导向滤波设备连接，用于对所述自适应滤波设备或所述导向滤波设备输出的现场滤波图像进行边缘锐化处理，以获得相应的边缘锐化图像；

其中，所述自适应滤波设备还用于在进入休眠模式下，不对接收到的实时车前图像执行自适应滤波处理；

其中，所述导向滤波设备还用于在进入休眠模式下，不对接收到的实时车前图像执行导向滤波处理；

在所述等级辨识设备、所述第一解析设备和所述第二解析设备都与同一32位并行数据总线连接；

所述边缘锐化设备由图像接收子设备、锐化处理子设备和图像输出子设备组成，所述锐化处理子设备分别与所述图像接收子设备和所述图像输出子设备连接；

锐化处理设备，位于所述边缘锐化设备和所述桥洞辨识设备之间，用于接收所述边缘锐化图像，确定所述边缘锐化图像中的背景复杂度，基于所述背景复杂度确定对所述边缘锐化图像进行平均分割的图像碎片数量，所述背景复杂度越高，对所述边缘锐化图像进行平均分割的图像碎片数量越多，对各个图像碎片分别执行基于图像碎片模糊程度的锐化处理处理操作以获得各个锐化处理碎片，图像碎片模糊程度越高，对图像碎片执行的锐化处理处理操作强度越大，将各个锐化处理碎片进行组合以获得锐化组合图像；

其中，所述锐化处理设备还用于将所述锐化组合图像替换所述边缘锐化图像发送给所述桥洞辨识设备。

2.如权利要求1所述的基于参数辨识的预警系统，其特征在于：

所述锐化处理设备确定所述边缘锐化图像中的背景复杂度的具体操作如下：获取所述边缘锐化图像中各个像素点的Y通道像素值、U通道像素值和V通道像素值，确定每一个像素点的Y通道像素值的各个方向的梯度以作为Y通道梯度，确定每一个像素点的U通道像素值的各个方向的梯度以作为U通道梯度，确定每一个像素点的V通道像素值的各个方向的梯度以作为V通道梯度，基于各个像素点的Y通道梯度、U通道梯度和V通道梯度确定所述边缘锐化图像对应的背景复杂度。

Images