CN111598010A - 动态障碍物检测方法、装置、电子设备及存储介质 - Google Patents

动态障碍物检测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111598010A
CN111598010A CN202010424167.6A CN202010424167A CN111598010A CN 111598010 A CN111598010 A CN 111598010A CN 202010424167 A CN202010424167 A CN 202010424167A CN 111598010 A CN111598010 A CN 111598010A
Authority
CN
China
Prior art keywords
image
difference
dynamic obstacle
obstacle detection
enhanced
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010424167.6A
Other languages
English (en)
Other versions
CN111598010B (zh
Inventor
李卫兵
杨帆
祖春胜
吴琼
张澄宇
张飞
曾伟
李涛
孙宝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Jianghuai Automobile Group Corp
Original Assignee
Anhui Jianghuai Automobile Group Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Anhui Jianghuai Automobile Group Corp filed Critical Anhui Jianghuai Automobile Group Corp
Priority to CN202010424167.6A priority Critical patent/CN111598010B/zh
Publication of CN111598010A publication Critical patent/CN111598010A/zh
Application granted granted Critical
Publication of CN111598010B publication Critical patent/CN111598010B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30261—Obstacle

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明属于动态障碍物检测技术领域，公开了一种动态障碍物检测方法、装置、电子设备及存储介质，所述方法包括：获取车辆行驶过程中采集的待处理图像及当前环境信息；根据当前环境信息对待处理图像进行图像增强处理，以获取增强图像；对增强图像进行背景差分处理，以获取初步识别图；对增强图像进行三帧差法处理，以获取边缘差分图；根据初步识别图和边缘差分图进行动态障碍物检测。优化了自动驾驶汽车的动态障碍物检测效果，为后续路径规划和预警提供保障。

Description

动态障碍物检测方法、装置、电子设备及存储介质
技术领域
本发明涉及自动驾驶汽车技术领域，尤其涉及一种动态障碍物检测方法、装置、电子设备及存储介质。
背景技术
目前，自动驾驶汽车的前视摄像头对于动态障碍物的检测方法存在一些不足。其一，低照明光、雨雾天等特殊工况经常出现，这类工况中的图像成像质量不一，而传统视觉算法鲁棒性较差；其二，动态障碍物识别的对象复杂，对于行人而言，可将人进一步细分成普通行人、打伞的人、骑自行车的人、骑摩托车的人，因此动态障碍物的运动状态差异较大。在特殊工况中，若未能正确检测动态障碍物的类别和状态，并以此来放慢速度或设法绕开避让，会出现严重的安全后果。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种动态障碍物检测方法、装置、电子设备及存储介质，旨在解决自动驾驶汽车前视摄像头动态障碍物检测的技术问题。
为实现上述目的，本发明提供了一种动态障碍物检测方法，所述方法包括：
获取车辆行驶过程中采集的待处理图像及当前环境信息；
根据所述当前环境信息对所述待处理图像进行图像增强处理，以获取增强图像；
对所述增强图像进行背景差分处理，以获取初步识别图；
对所述增强图像进行三帧差法处理，以获取边缘差分图；
根据所述初步识别图和所述边缘差分图进行动态障碍物检测。
优选地，所述根据所述当前环境信息对所述待处理图像进行图像增强处理，以获取增强图像的步骤，具体包括：
将所述待处理图像转换为HSV空间模型中的待补偿图像；
根据当前环境信息获取环境照度补偿值；
根据所述环境照度补偿值对所述待补偿图像进行补偿，以获取补偿图像；
将所述补偿图像转换为RGB空间模型中的待恢复图像，并所述待恢复图像进行色彩恢复，以获取增强图像。
优选地，所述根据所述环境照度补偿值对所述待补偿图像进行补偿，以获取补偿图像的步骤，具体包括：
对所述待补偿图像进行饱和度线性补偿，并根据所述环境照度补偿值对所述待补偿图像进行照度补偿，以获取补偿图像。
优选地，所述将所述补偿图像转换为RGB空间模型中的待恢复图像，并所述待恢复图像进行色彩恢复，以获取增强图像的步骤，具体包括：
将所述补偿图像转换为RGB空间模型的图像；
根据颜色恢复函数对转换后的补偿图像进行色彩恢复，以获取增强图像；
所述颜色恢复函数为：
Figure BDA0002494771470000021
其中，G为增益参数，a为色彩亮度调节因子，b为权重参数，Ii(x，y)为补偿图像中每个像素值，Ci(x，y)为每个像素对应的恢复系数。
优选地，所述对所述增强图像进行背景差分处理，以获取初步识别图的步骤，具体包括：
对所述增强图像进行帧间差分处理，以获取背景图像；
对所述背景图像进行差分运算，以获取运动目标图像；
对所述运动目标图像与当前增强图像进行差分运算，以获取初步识别图。
优选地，所述对所述增强图像进行三帧差法处理，以获取边缘差分图的步骤，具体包括：
对所述增强图像的上一帧图像、所述增强图像的下一帧图像及所述增强图像进行边缘检测，以获取对应的边缘图像；
对所述边缘图像进行差分处理，以获取第一差分图和第二差分图；
将所述第一差分图和所述第二差分图作为所述边缘差分图。
优选地，所述根据所述初步识别图和所述边缘差分图进行动态障碍物检测的步骤，具体包括：
根据所述初步识别图和所述第一差分图进行逻辑或运算，以获取中期识别图；
根据所述中期识别图和所述第二差分图进行逻辑与运算，以获取动态障碍物图像；
根据所述动态障碍物图像进行动态障碍物检测。
此外，为实现上述目的，本发明还提出一种动态障碍物检测装置，所述装置包括：
获取模块，用于获取车辆行驶过程中采集的待处理图像及当前环境信息；
增强处理模块，用于根据所述当前环境信息对所述待处理图像进行图像增强处理，以获取增强图像；
差分处理模块，用于对所述增强图像进行背景差分处理，以获取初步识别图；还用于对所述增强图像进行三帧差法处理，以获取边缘差分图；
逻辑计算模块，用于根据所述初步识别图和所述边缘差分图进行动态障碍物检测。
此外，为实现上述目的，本发明还提出一种电子设备，所述电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的动态障碍物检测程序，所述动态障碍物检测程序配置为实现如上所述的动态障碍物检测方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有动态障碍物检测程序，所述动态障碍物检测程序被处理器执行时实现如上所述的动态障碍物检测方法的步骤。
本发明通过获取车辆行驶过程中采集的待处理图像及当前环境信息；根据所述当前环境信息对所述待处理图像进行图像增强处理，以获取增强图像；对所述增强图像进行背景差分处理，以获取初步识别图；对所述增强图像进行三帧差法处理，以获取边缘差分图；根据所述初步识别图和所述边缘差分图进行动态障碍物检测。利用增强算法改善前视摄像头检测动态障碍物的方法，通过RGB空间模型到HSV空间模型的转换，对图像进行增强处理以克服特殊工况下的前视图像，并通过桢差法、背景差值法结合优化动态障碍物的检测效果，从而进一步降低视觉算法的安全风险。并通过桢差法、背景差值法和边缘检测通过逻辑运算的结合，从而优化了自动驾驶汽车前视摄像头动态障碍物检测效果，为自动驾驶的后续路径规划和预警提供保障。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的电子设备的结构示意图；
图2为本发明动态障碍物检测方法第一实施例的流程示意图；
图3为本发明动态障碍物检测方法第二实施例的流程示意图；
图4为本发明动态障碍物检测装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的电子设备结构示意图。
如图1所示，该电子设备可以包括：处理器1001，例如中央处理器(CentralProcessing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及动态障碍物检测程序。
在图1所示的电子设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明电子设备中的处理器1001、存储器1005可以设置在电子设备中，所述电子设备通过处理器1001调用存储器1005中存储的动态障碍物检测程序，并执行本发明实施例提供的动态障碍物检测方法。
本发明实施例提供了一种动态障碍物检测方法，参照图2，图2为本发明一种动态障碍物检测方法第一实施例的流程示意图。
本实施例中，所述动态障碍物检测方法包括以下步骤：
步骤S10：获取车辆行驶过程中采集的待处理图像及当前环境信息。
需要说明的是，本发明应用于自动驾驶汽车的前视摄像头的动态障碍物检测，由于自动驾驶过程中经常面临不同的天气、环境，获取到的动态障碍物图像也会受到环境信息的影响。因此获取待处理图像的同时，需要结合当前环境信息对图像进行处理。
步骤S20：根据所述当前环境信息对所述待处理图像进行图像增强处理，以获取增强图像。
需要说明的是，所述步骤S20具体包括：将所述待处理图像转换为HSV空间模型中的待补偿图像；根据当前环境信息获取环境照度补偿值；根据所述环境照度补偿值对所述待补偿图像进行补偿，以获取补偿图像；将所述补偿图像转换为RGB空间模型中的待恢复图像，并所述待恢复图像进行色彩恢复，以获取增强图像。
易于理解的是，对所述待处理图像做颜色空间的转换处理，把图像从RGB空间模型变换到HSV空间模型，得到待补偿图像。同时根据当前环境信息获取环境照度补偿值，在特殊工况中，低照明度和雨雾天气是常见问题，HSV空间模型采用H(色调)、S(饱和度)和V(照度)描写色彩信息，有利于后续的处理。
进一步地，对所述待补偿图像进行饱和度线性补偿，并根据所述环境照度补偿值对所述待补偿图像进行照度补偿，以获取补偿图像。照度补偿的具体步骤为：对所述待补偿图像的照度分量V取对数得到照度分量V1，将照度分量V与高斯核函数进行卷积并取对数得到环境照度补偿值V2；将照度分量V1和照度估计值V2相减，得到经增强算法处理后的照度分量V3，将照度分量V3输出作为补偿图像的照度分量。
所述将所述补偿图像转换为RGB空间模型中的待恢复图像，并所述待恢复图像进行色彩恢复，以获取增强图像的步骤，具体包括：
将所述补偿图像转换为RGB空间模型的图像。
根据颜色恢复函数对转换后的补偿图像进行色彩恢复，以获取增强图像。
所述颜色恢复函数为：
Figure BDA0002494771470000061
其中，G为增益参数，a为色彩亮度调节因子，b为权重参数，Ii(x，y)为补偿图像中每个像素值，Ci(x，y)为每个像素对应的恢复系数。
应当理解的是，上述步骤能达到抑制暗区域像素过增强的目的。HSV空间转换回RGB空间并进行颜色复原，即对反射分量图像的每个通道乘以对应的颜色复原函数，这样可以降低障碍物的检测受到的场景光源的干扰。
步骤S30：对所述增强图像进行背景差分处理，以获取初步识别图。
应当理解的是，对增强图像进行背景差分处理，获取到较为稳定的背景图像，再根据背景图像与边缘差分图获取动态障碍物的图像以进行动态障碍物检测。
步骤S40：对所述增强图像进行三帧差法处理，以获取边缘差分图。
在三帧差法的基础之上结合Sobel边缘检测算子，对连续的三帧图像首先进行边缘检测，将这三帧图像的边缘图做“差分”，以获取边缘差分图。
步骤S50：根据所述初步识别图和所述边缘差分图进行动态障碍物检测。
应当理解的是，通过桢差法、背景差值法和边缘检测通过逻辑运算的结合，从而优化了动态障碍物检测效果，为后续路径规划和预警提供保障。
本发明实施例通过上述方法利用增强算法改善前视摄像头检测动态障碍物的方法，通过RGB空间模型到HSV空间模型的转换，对图像进行增强处理以克服特殊工况下的前视图像，并通过桢差法、背景差值法结合优化动态障碍物的检测效果，从而进一步降低视觉算法的安全风险。
参考图3，图3为本发明一种动态障碍物检测方法第二实施例的流程示意图。基于上述第一实施例，本实施例动态障碍物检测方法在所述步骤S30，具体包括：
步骤S31：对所述增强图像进行帧间差分处理，以获取背景图像。
需要说明的是，运用Surendra算法进行背景差分处理，将当前帧的增强图像与相邻的上一帧增强图像做差分处理，差分后的增强图像的像素值与预设阈值进行比较，得到二值化图像。二值图像中数值为1的表示运动区域，不做更新；数值为0的表示非运动区域，根据更新系数进行更新，经过多帧图像的迭代运算，即可得出稳定的背景图像。
步骤S32：对所述背景图像进行差分运算，以获取运动目标图像。
易于理解的是，然后所述背景图像与分别与各帧的增强图像进行差分运算即可得出运动目标图像。
步骤S33：对所述运动目标图像与当前增强图像进行差分运算，以获取初步识别图。
易于理解的是，将所述运动目标图像与当前帧的增强图像进行差分，得到初步识别图。
所述步骤S40，具体包括：
步骤S41：对所述增强图像的上一帧图像、所述增强图像的下一帧图像及所述增强图像进行边缘检测，以获取对应的边缘图像；
应当理解的是，所述增强图像的上一帧图像、所述增强图像的下一帧图像及所述增强图像为连续三帧的图像，将三帧图像进行边缘检测，得到三帧对应的边缘图像。
步骤S42：对所述边缘图像进行差分处理，以获取第一差分图和第二差分图。
步骤S43：将所述第一差分图和所述第二差分图作为所述边缘差分图。
应当理解的是，将三帧边缘图像进行相邻帧边缘图像差分运算，获取到两张差分图像，即第一差分图和第二差分图，即为所述边缘差分图。
所述步骤S50，具体包括：
步骤S51：根据所述初步识别图和所述第一差分图进行逻辑或运算，以获取中期识别图。
步骤S52：根据所述中期识别图和所述第二差分图进行逻辑与运算，以获取动态障碍物图像。
步骤S53：根据所述动态障碍物图像进行动态障碍物检测。
易于理解的是，将所述第一差分图与初步识别图进行逻辑“或”操作，将操作结果与所述第二差分图进行逻辑“与”操作，检测到动态障碍物结果。这样结合了桢差法和背景差分法的优点，解决了桢差法的检测目标不完整问题和背景差分法的漏检问题。
本发明实施例通过上述方法并通过桢差法、背景差值法和边缘检测通过逻辑运算的结合，从而优化了动态障碍物检测效果，为后续路径规划和预警提供保障。
参照图4，图4为本发明动态障碍物检测装置第一实施例的结构框图。一种动态障碍物检测装置，所述装置包括：
获取模块10，用于获取车辆行驶过程中采集的待处理图像及当前环境信息。
需要说明的是，本发明应用于自动驾驶汽车的前视摄像头的动态障碍物检测，由于自动驾驶过程中经常面临不同的天气、环境，获取到的动态障碍物图像也会受到环境信息的影响。因此获取待处理图像的同时，需要结合当前环境信息对图像进行处理。
增强处理模块20，用于根据所述当前环境信息对所述待处理图像进行图像增强处理，以获取增强图像。
需要说明的是，具体用于：将所述待处理图像转换为HSV空间模型中的待补偿图像；根据当前环境信息获取环境照度补偿值；根据所述环境照度补偿值对所述待补偿图像进行补偿，以获取补偿图像；将所述补偿图像转换为RGB空间模型中的待恢复图像，并所述待恢复图像进行色彩恢复，以获取增强图像。
易于理解的是，对所述待处理图像做颜色空间的转换处理，把图像从RGB空间模型变换到HSV空间模型，得到待补偿图像。同时根据当前环境信息获取环境照度补偿值，在特殊工况中，低照明度和雨雾天气是常见问题，HSV空间模型采用H(色调)、S(饱和度)和V(照度)描写色彩信息，有利于后续的处理。
进一步地，对所述待补偿图像进行饱和度线性补偿，并根据所述环境照度补偿值对所述待补偿图像进行照度补偿，以获取补偿图像。照度补偿的具体步骤为：对所述待补偿图像的照度分量V取对数得到照度分量V1，将照度分量V与高斯核函数进行卷积并取对数得到环境照度补偿值V2；将照度分量V1和照度估计值V2相减，得到经增强算法处理后的照度分量V3，将照度分量V3输出作为补偿图像的照度分量。
所述将所述补偿图像转换为RGB空间模型中的待恢复图像，并所述待恢复图像进行色彩恢复，以获取增强图像的步骤，具体包括：
将所述补偿图像转换为RGB空间模型的图像。
根据颜色恢复函数对转换后的补偿图像进行色彩恢复，以获取增强图像。
所述颜色恢复函数为：
Figure BDA0002494771470000091
其中，G为增益参数，a为色彩亮度调节因子，b为权重参数，Ii(x，y)为补偿图像中每个像素值，Ci(x，y)为每个像素对应的恢复系数。
应当理解的是，上述步骤能达到抑制暗区域像素过增强的目的。HSV空间转换回RGB空间并进行颜色复原，即对反射分量图像的每个通道乘以对应的颜色复原函数，这样可以降低障碍物的检测受到的场景光源的干扰。
差分处理模块30，用于对所述增强图像进行背景差分处理，以获取初步识别图。还用于所述增强图像进行三帧差法处理，以获取边缘差分图。
应当理解的是，对增强图像进行背景差分处理，获取到较为稳定的背景图像，再根据背景图像与边缘差分图获取动态障碍物的图像以进行动态障碍物检测。
逻辑计算模块40，用于根据所述初步识别图和所述边缘差分图进行动态障碍物检测。
在三帧差法的基础之上结合Sobel边缘检测算子，对连续的三帧图像首先进行边缘检测，将这三帧图像的边缘图做“差分”，以获取边缘差分图。
应当理解的是，通过桢差法、背景差值法和边缘检测通过逻辑运算的结合，从而优化了动态障碍物检测效果，为后续路径规划和预警提供保障。
本发明实施例通过上述方法利用增强算法改善前视摄像头检测动态障碍物的方法，通过RGB空间模型到HSV空间模型的转换，对图像进行增强处理以克服特殊工况下的前视图像，并通过桢差法、背景差值法结合优化动态障碍物的检测效果，从而进一步降低视觉算法的安全风险。
差分处理模块30，具体用于对所述增强图像进行帧间差分处理，以获取背景图像。
需要说明的是，运用Surendra算法进行背景差分处理，将当前帧的增强图像与相邻的上一帧增强图像做差分处理，差分后的增强图像的像素值与预设阈值进行比较，得到二值化图像。二值图像中数值为1的表示运动区域，不做更新；数值为0的表示非运动区域，根据更新系数进行更新，经过多帧图像的迭代运算，即可得出稳定的背景图像。
对所述背景图像进行差分运算，以获取运动目标图像。
易于理解的是，然后所述背景图像与分别与各帧的增强图像进行差分运算即可得出运动目标图像。
对所述运动目标图像与当前增强图像进行差分运算，以获取初步识别图。
易于理解的是，将所述运动目标图像与当前帧的增强图像进行差分，得到初步识别图。
差分处理模块30具体用于对所述增强图像的上一帧图像、所述增强图像的下一帧图像及所述增强图像进行边缘检测，以获取对应的边缘图像。
应当理解的是，所述增强图像的上一帧图像、所述增强图像的下一帧图像及所述增强图像为连续三帧的图像，将三帧图像进行边缘检测，得到三帧对应的边缘图像。
对所述边缘图像进行差分处理，以获取第一差分图和第二差分图。
将所述第一差分图和所述第二差分图作为所述边缘差分图。
应当理解的是，将三帧边缘图像进行相邻帧边缘图像差分运算，获取到两张差分图像，即第一差分图和第二差分图，即为所述边缘差分图。
逻辑计算模块40，具体用于根据所述初步识别图和所述第一差分图进行逻辑或运算，以获取中期识别图；根据所述中期识别图和所述第二差分图进行逻辑与运算，以获取动态障碍物图像；根据所述动态障碍物图像进行动态障碍物检测。
易于理解的是，将所述第一差分图与初步识别图进行逻辑“或”操作，将操作结果与所述第二差分图进行逻辑“与”操作，检测到动态障碍物结果。这样结合了桢差法和背景差分法的优点，解决了桢差法的检测目标不完整问题和背景差分法的漏检问题。
本发明实施例通过上述装置利用增强算法改善前视摄像头检测动态障碍物的方法，通过RGB空间模型到HSV空间模型的转换，对图像进行增强处理以克服特殊工况下的前视图像，并通过桢差法、背景差值法结合优化动态障碍物的检测效果，从而进一步降低视觉算法的安全风险。并通过桢差法、背景差值法和边缘检测通过逻辑运算的结合，从而优化了动态障碍物检测效果，为后续路径规划和预警提供保障。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有动态障碍物检测程序，所述动态障碍物检测程序被处理器执行如上文所述的动态障碍物检测方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的动态障碍物检测方法，此处不再赘述。
此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端电子设备(可以是手机，计算机，服务器，或者网络电子设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种动态障碍物检测方法，其特征在于，所述方法包括：
获取车辆行驶过程中采集的待处理图像及当前环境信息；
根据所述当前环境信息对所述待处理图像进行图像增强处理，以获取增强图像；
对所述增强图像进行背景差分处理，以获取初步识别图；
对所述增强图像进行三帧差法处理，以获取边缘差分图；
根据所述初步识别图和所述边缘差分图进行动态障碍物检测。
2.如权利要求1所述的动态障碍物检测方法，其特征在于，所述根据所述当前环境信息对所述待处理图像进行图像增强处理，以获取增强图像的步骤，具体包括：
将所述待处理图像转换为HSV空间模型中的待补偿图像；
根据当前环境信息获取环境照度补偿值；
根据所述环境照度补偿值对所述待补偿图像进行补偿，以获取补偿图像；
将所述补偿图像转换为RGB空间模型中的待恢复图像，并所述待恢复图像进行色彩恢复，以获取增强图像。
3.如权利要求2所述的动态障碍物检测方法，其特征在于，所述根据所述环境照度补偿值对所述待补偿图像进行补偿，以获取补偿图像的步骤，具体包括：
对所述待补偿图像进行饱和度线性补偿，并根据所述环境照度补偿值对所述待补偿图像进行照度补偿，以获取补偿图像。
4.如权利要求3所述的动态障碍物检测方法，其特征在于，所述将所述补偿图像转换为RGB空间模型中的待恢复图像，并所述待恢复图像进行色彩恢复，以获取增强图像的步骤，具体包括：
将所述补偿图像转换为RGB空间模型的图像；
根据颜色恢复函数对转换后的补偿图像进行色彩恢复，以获取增强图像；
所述颜色恢复函数为：
Figure FDA0002494771460000021
其中，G为增益参数，a为色彩亮度调节因子，b为权重参数，Ii(x，y)为补偿图像中每个像素值，Ci(x，y)为每个像素对应的恢复系数。
5.如权利要求1所述的动态障碍物检测方法，其特征在于，所述对所述增强图像进行背景差分处理，以获取初步识别图的步骤，具体包括：
对所述增强图像进行帧间差分处理，以获取背景图像；
对所述背景图像进行差分运算，以获取运动目标图像；
对所述运动目标图像与当前增强图像进行差分运算，以获取初步识别图。
6.如权利要求5所述的动态障碍物检测方法，其特征在于，所述对所述增强图像进行三帧差法处理，以获取边缘差分图的步骤，具体包括：
对所述增强图像的上一帧图像、所述增强图像的下一帧图像及所述增强图像进行边缘检测，以获取对应的边缘图像；
对所述边缘图像进行差分处理，以获取第一差分图和第二差分图；
将所述第一差分图和所述第二差分图作为所述边缘差分图。
7.如权利要求6所述的动态障碍物检测方法，其特征在于，所述根据所述初步识别图和所述边缘差分图进行动态障碍物检测的步骤，具体包括：
根据所述初步识别图和所述第一差分图进行逻辑或运算，以获取中期识别图；
根据所述中期识别图和所述第二差分图进行逻辑与运算，以获取动态障碍物图像；
根据所述动态障碍物图像进行动态障碍物检测。
8.一种动态障碍物检测装置，其特征在于，所述动态障碍物检测装置包括：
获取模块，用于获取车辆行驶过程中采集的待处理图像及当前环境信息；
增强处理模块，用于根据所述当前环境信息对所述待处理图像进行图像增强处理，以获取增强图像；
差分处理模块，用于对所述增强图像进行背景差分处理，以获取初步识别图；还用于对所述增强图像进行三帧差法处理，以获取边缘差分图；
逻辑计算模块，用于根据所述初步识别图和所述边缘差分图进行动态障碍物检测。
9.一种电子设备，其特征在于，所述电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的动态障碍物检测程序，所述动态障碍物检测程序配置为实现如权利要求1至7中任一项所述的动态障碍物检测方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有动态障碍物检测程序，所述动态障碍物检测程序被处理器执行时实现如权利要求1至7任一项所述的动态障碍物检测方法的步骤。
CN202010424167.6A 2020-05-15 2020-05-15 动态障碍物检测方法、装置、电子设备及存储介质 Active CN111598010B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010424167.6A CN111598010B (zh) 2020-05-15 2020-05-15 动态障碍物检测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010424167.6A CN111598010B (zh) 2020-05-15 2020-05-15 动态障碍物检测方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN111598010A true CN111598010A (zh) 2020-08-28
CN111598010B CN111598010B (zh) 2024-02-02

Family

ID=72183816

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010424167.6A Active CN111598010B (zh) 2020-05-15 2020-05-15 动态障碍物检测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111598010B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112288986A (zh) * 2020-10-28 2021-01-29 金娇荣 一种电动汽车充电安全监控和预警系统
CN113111773A (zh) * 2021-04-10 2021-07-13 山东沂蒙交通发展集团有限公司 一种基于深度学习的路面障碍物智能识别设备
CN113486836A (zh) * 2021-07-19 2021-10-08 安徽江淮汽车集团股份有限公司 针对低通度障碍物的自动驾驶操控方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130329945A1 (en) * 2012-06-08 2013-12-12 Chih-Hung Yang Self-adaptive image-based obstacle detection method
CN110910416A (zh) * 2019-11-20 2020-03-24 河北科技大学 运动障碍物跟踪方法、装置及终端设备
CN111079634A (zh) * 2019-12-12 2020-04-28 徐工集团工程机械股份有限公司 车辆行驶中检测障碍物的方法、装置、系统及车辆
US20200143177A1 (en) * 2018-11-02 2020-05-07 Toyota Research Institute, Inc. Systems and methods of detecting moving obstacles

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130329945A1 (en) * 2012-06-08 2013-12-12 Chih-Hung Yang Self-adaptive image-based obstacle detection method
US20200143177A1 (en) * 2018-11-02 2020-05-07 Toyota Research Institute, Inc. Systems and methods of detecting moving obstacles
CN110910416A (zh) * 2019-11-20 2020-03-24 河北科技大学 运动障碍物跟踪方法、装置及终端设备
CN111079634A (zh) * 2019-12-12 2020-04-28 徐工集团工程机械股份有限公司 车辆行驶中检测障碍物的方法、装置、系统及车辆

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘菁;王忠民;: "基于单目视觉的运动障碍物检测" *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112288986A (zh) * 2020-10-28 2021-01-29 金娇荣 一种电动汽车充电安全监控和预警系统
CN113111773A (zh) * 2021-04-10 2021-07-13 山东沂蒙交通发展集团有限公司 一种基于深度学习的路面障碍物智能识别设备
CN113486836A (zh) * 2021-07-19 2021-10-08 安徽江淮汽车集团股份有限公司 针对低通度障碍物的自动驾驶操控方法
CN113486836B (zh) * 2021-07-19 2023-06-06 安徽江淮汽车集团股份有限公司 针对低通度障碍物的自动驾驶操控方法

Also Published As

Publication number Publication date
CN111598010B (zh) 2024-02-02

Similar Documents

Publication Publication Date Title
US11113795B2 (en) Image edge processing method, electronic device, and computer readable storage medium
CN111598010A (zh) 动态障碍物检测方法、装置、电子设备及存储介质
JP4772115B2 (ja) 夜間に道路を検出する方法及びシステム
US7492962B2 (en) System or method for enhancing an image
US8600105B2 (en) Combining multiple cues in a visual object detection system
US10475188B2 (en) Image processing device and image enhancing method
CN109035167B (zh) 对图像中的多个人脸进行处理的方法、装置、设备和介质
Ko et al. Artifact-free low-light video enhancement using temporal similarity and guide map
CN111754440A (zh) 车牌图像增强方法、系统、设备及存储介质
Agrawal et al. Distortion-free image dehazing by superpixels and ensemble neural network
US8824791B2 (en) Color correction for static cameras
US20150063718A1 (en) Techniques for enhancing low-light images
CN113344820B (zh) 图像处理方法及装置、计算机可读介质、电子设备
KR101874738B1 (ko) 영상처리를 이용하여 ldr 영상으로부터 hdr 영상을 생성하는 장치 및 방법
CN111368785A (zh) 一种摄像头遮挡判断方法、装置、设备及存储介质
CN110599516A (zh) 一种运动目标检测方法、装置、存储介质及终端设备
CN118154687B (zh) 基于单目视觉的送餐机器人目标定位与避障方法及系统
CN113344801A (zh) 一种应用于燃气计量设施环境下的图像增强方法、系统、终端及存储介质
CN115660945A (zh) 一种坐标转换方法、装置、电子设备及存储介质
CN113658118B (zh) 图像噪声程度估计方法、装置、电子设备及存储介质
KR101535630B1 (ko) 밝기변환 모델을 이용한 야간 영상의 밝기 개선 장치
JP2013207788A (ja) 映像処理装置
CN111539975A (zh) 一种运动目标的检测方法、装置、设备及存储介质
CN110880003A (zh) 一种图像匹配方法、装置、存储介质及汽车
CN114170071A (zh) 一种图像处理方法、装置、设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant