CN111932481A - 一种汽车倒车图像的模糊优化方法及装置 - Google Patents
一种汽车倒车图像的模糊优化方法及装置 Download PDFInfo
- Publication number
- CN111932481A CN111932481A CN202010952024.2A CN202010952024A CN111932481A CN 111932481 A CN111932481 A CN 111932481A CN 202010952024 A CN202010952024 A CN 202010952024A CN 111932481 A CN111932481 A CN 111932481A
- Authority
- CN
- China
- Prior art keywords
- image
- area
- shielding
- reversing
- marked
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000005457 optimization Methods 0.000 title claims abstract description 21
- 238000012549 training Methods 0.000 claims description 40
- 238000001514 detection method Methods 0.000 claims description 19
- 230000000903 blocking effect Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 description 13
- 230000004888 barrier function Effects 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 8
- 239000003550 marker Substances 0.000 description 7
- 238000004590 computer program Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G06T5/77—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic 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
Abstract
本发明公开了一种汽车倒车图像的模糊优化方法及装置。所述汽车倒车图像的模糊优化方法,包括:识别倒车图像中的遮挡特征,并对所述遮挡特征进行标记得到标记倒车图像;根据所述标记倒车图像中被所述遮挡特征覆盖的覆盖区域,确定所述覆盖区域对应的在汽车后方的遮挡区域;对所述遮挡区域进行障碍探测,当确定所述遮挡区域不存在障碍物时生成虚拟倒车图像。本发明能够在倒车摄像头上附着有遮挡物的情况下有效生成清晰完整的虚拟倒车图像,辅助驾驶员安全倒车。
Description
技术领域
本发明涉及辅助驾驶技术领域,尤其涉及一种汽车倒车图像的模糊优化方法及装置。
背景技术
近年来,随着汽车保有量的不断增加,驾驶员在倒车时容易发生刮蹭、碰撞事故。目前,主要在驾驶员倒车时应用倒车摄像头和雷达实时监控汽车的位置状态,以便及时提醒驾驶员修正汽车的移动状态。但当倒车摄像头上附着有水滴等遮挡物时,倒车摄像头的部分采集视像被遮挡物遮挡,导致显示在汽车中控显示屏上的倒车图像较为模糊,使得驾驶员,特别是新手驾驶员难以确定遮挡的视像区域是否存在障碍物,带来了一定的安全隐患。
发明内容
为克服现有技术的缺陷,本发明提供一种汽车倒车影像的模糊优化方法及装置,能够在倒车摄像头上附着有遮挡物的情况下有效生成清晰完整的虚拟倒车图像,辅助驾驶员安全倒车。
为了解决上述技术问题,第一方面,本发明一实施例提供一种汽车倒车图像的模糊优化方法,包括:
识别倒车图像中的遮挡特征,并对所述遮挡特征进行标记得到标记倒车图像;
根据所述标记倒车图像中被所述遮挡特征覆盖的覆盖区域,确定所述覆盖区域对应的在汽车后方的遮挡区域;
对所述遮挡区域进行障碍探测,当确定所述遮挡区域不存在障碍物时生成虚拟倒车图像。
进一步地,所述对所述遮挡区域进行障碍探测,当确定所述遮挡区域不存在障碍物时生成虚拟倒车图像,还包括:
当确定所述遮挡区域存在障碍物时发出报警信号。
进一步地,所述识别倒车图像中的遮挡特征,并对所述遮挡特征进行标记得到标记倒车图像,具体为:
将所述倒车图像作为输入图像输入图像识别模型,使所述图像识别模型输出所述标记倒车图像。
进一步地,所述图像识别模型的建立,具体包括:
获取含有所述遮挡特征的历史图像;
根据SVM算法建立初始识别模型,并将所述历史图像作为训练图像输入所述初始识别模型进行模型训练;
当所述初始识别模型的训练次数达到预设训练次数或训练准确度达到预设训练准确度时完成训练所述初始识别模型,得到所述图像识别模型。
进一步地,所述根据所述标记倒车图像中被所述遮挡特征覆盖的覆盖区域,确定所述覆盖区域对应的在汽车后方的遮挡区域,具体为:
根据所述遮挡特征在所述标记倒车图像中的面积占比和所述遮挡特征在所述标记倒车图像中的位置,确定所述覆盖区域;
以所述标记倒车图像对应的在汽车后方的采集区域作为完整采集区域,根据所述覆盖区域确定所述遮挡区域。
进一步地,在所述根据所述遮挡特征在所述标记倒车图像中的面积占比和所述遮挡特征在所述标记倒车图像中的位置,确定所述覆盖区域之前,还包括:
当所述面积占比大于预设面积占比时发出预警信号。
进一步地,所述当确定所述遮挡区域不存在障碍物时生成虚拟倒车图像,具体为:
当确定所述遮挡区域不存在障碍物时采用生成的虚拟环境图像替换所述覆盖区域,得到所述虚拟倒车图像。
进一步地,所述当确定所述遮挡区域不存在障碍物时采用生成的虚拟环境图像替换所述覆盖区域,得到所述虚拟倒车图像,具体为:
基于所述遮挡特征对所述标记倒车图像进行边缘提取得到边缘图像,并提取所述边缘图像的图像属性;
根据所述标记倒车图像中未被所述遮挡特征覆盖的非覆盖区域,确定所述非覆盖区域对应的在汽车后方的非遮挡区域;
根据所述图像属性与所述非遮挡区域的环境的相似度生成所述虚拟环境图像,并采用所述虚拟环境图像替换所述覆盖区域,得到所述虚拟倒车图像。
第二方面,本发明一实施例提供一种汽车倒车图像的模糊优化装置,包括:
倒车图像标记模块,用于识别倒车图像中的遮挡特征,并对所述遮挡特征进行标记得到标记倒车图像;
遮挡区域确定模块,用于根据所述标记倒车图像中被所述遮挡特征覆盖的覆盖区域,确定所述覆盖区域对应的在汽车后方的遮挡区域;
障碍探测处理模块,用于对所述遮挡区域进行障碍探测,当确定所述遮挡区域不存在障碍物时生成虚拟倒车图像。
进一步地,所述障碍探测处理模块,还用于当确定所述遮挡区域存在障碍物时发出报警信号。
本发明的实施例,具有如下有益效果:
通过识别倒车图像中的遮挡特征,并对遮挡特征进行标记得到标记倒车图像,接着根据标记倒车图像中被遮挡特征覆盖的覆盖区域,确定覆盖区域对应的在汽车后方的遮挡区域,然后对遮挡区域进行障碍探测,当确定遮挡区域不存在障碍物时生成虚拟倒车图像,从而能够在倒车摄像头上附着有遮挡物的情况下有效生成清晰完整的虚拟倒车图像,辅助驾驶员安全倒车。相比于现有技术,本发明的实施例根据标记倒车图像中被遮挡特征覆盖的图像区域,即覆盖区域确定其对应的在汽车后方的遮挡区域,并在探测到遮挡区域不存在障碍物时生成清晰完整的虚拟倒车图像,使得驾驶员可以直观查看汽车后方区域的环境情况进行倒车,辅助驾驶员安全倒车。
进一步地,在探测到遮挡区域存在障碍物时发出报警信号,提醒驾驶员修正汽车的移动状态或停车下车查看汽车后方区域的环境情况,辅助驾驶员安全倒车。
附图说明
图1为本发明第一实施例中的一种汽车倒车图像的模糊优化方法的流程示意图;
图2为本发明第二实施例中的一种汽车倒车图像的模糊优化装置的结构示意图。
具体实施方式
下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,文中的步骤编号,仅为了方便具体实施例的解释,不作为限定步骤执行先后顺序的作用。本实施例提供的方法可以由相关的控制器执行,且下文均以控制器作为执行主体为例进行说明。
第一实施例:
如图1所示,第一实施例提供一种汽车倒车图像的模糊优化方法,包括步骤S1~S3:
S1、识别倒车图像中的遮挡特征,并对遮挡特征进行标记得到标记倒车图像;
S2、根据标记倒车图像中被遮挡特征覆盖的覆盖区域,确定覆盖区域对应的在汽车后方的遮挡区域;
S3、对遮挡区域进行障碍探测,当确定遮挡区域不存在障碍物时生成虚拟倒车图像。
作为示例性地,在步骤S1中,当获取到倒车摄像头采集的倒车图像后,识别倒车图像中的遮挡特征(比如水滴状特征等),并对遮挡特征进行标记得到标记倒车图像。
其中,倒车摄像头包括单目摄像头、双目摄像头等摄像头,倒车摄像头可设置在车尾处。
在步骤S2中,当得到标记倒车图像后,将标记倒车图像中被遮挡特征覆盖的图像区域作为覆盖区域,确定覆盖区域对应的在汽车后方的遮挡区域。
在步骤S3中,当确定遮挡区域后,通过雷达装置对遮挡区域进行障碍探测,即由雷达装置发出雷达信号,根据返回的雷达信号判断遮挡区域是否存在障碍物,当确定遮挡区域不存在障碍物时生成清晰完整的虚拟倒车图像,使得驾驶员可以直观查看汽车后方区域的环境情况进行倒车,辅助驾驶员安全倒车。
其中,雷达装置可设置在车尾处。
本实施例通过识别倒车图像中的遮挡特征,并对遮挡特征进行标记得到标记倒车图像,接着根据标记倒车图像中被遮挡特征覆盖的覆盖区域,确定覆盖区域对应的在汽车后方的遮挡区域,然后对遮挡区域进行障碍探测,当确定遮挡区域不存在障碍物时生成虚拟倒车图像,从而能够在倒车摄像头上附着有遮挡物的情况下有效生成清晰完整的虚拟倒车图像,辅助驾驶员安全倒车。本实施例根据标记倒车图像中被遮挡特征覆盖的图像区域,即覆盖区域确定其对应的在汽车后方的遮挡区域,并在探测到遮挡区域不存在障碍物时生成清晰完整的虚拟倒车图像,使得驾驶员可以直观查看汽车后方区域的环境情况进行倒车,辅助驾驶员安全倒车。
在优选的实施例当中,对遮挡区域进行障碍探测,当确定遮挡区域不存在障碍物时生成虚拟倒车图像,还包括:当确定遮挡区域存在障碍物时发出报警信号。
本实施例通过当确定遮挡区域存在障碍物时发出报警信号,能够在探测到遮挡区域存在障碍物时发出报警信号,提醒驾驶员修正汽车的移动状态或下车查看汽车后方区域的环境情况,辅助驾驶员安全倒车。
在优选的实施例当中,识别倒车图像中的遮挡特征,并对遮挡特征进行标记得到标记倒车图像,具体为:将倒车图像作为输入图像输入图像识别模型,使图像识别模型输出标记倒车图像。
在本实施例的一优选实施方式中,图像识别模型的建立,具体包括:获取含有遮挡特征的历史图像;根据SVM算法建立初始识别模型,并将历史图像作为训练图像输入初始识别模型进行模型训练;当初始识别模型的训练次数达到预设训练次数或训练准确度达到预设训练准确度时完成训练初始识别模型,得到图像识别模型。
需要说明的是,SVM是指支持向量机(Support Vector Machine, SVM),是一类按监督学习(supervised learning)方式对数据进行二元分类的广义线性分类器(generalized linear classifier),其决策边界是对学习样本求解的最大边距超平面。
作为示例性地,将含有遮挡特征的历史图像作为训练图像输入预先根据SVM算法建立的初始识别模型进行模型训练,并当初始识别模型的训练次数达到预设训练次数(比如20万次)或训练准确度达到预设训练准确度(比如90%)时完成训练初始识别模型,得到图像识别模型,从而通过建立的图像识别模型识别倒车图像中的遮挡特征,并对遮挡特征进行标记得到标记倒车图像。
本实施例通过建立的图像识别模型识别倒车图像中的遮挡特征,并对遮挡特征进行标记得到标记倒车图像,有利于快速准确地标记倒车图像中的遮挡特征。
在优选的实施例当中,根据标记倒车图像中被遮挡特征覆盖的覆盖区域,确定覆盖区域对应的在汽车后方的遮挡区域,具体为:根据遮挡特征在标记倒车图像中的面积占比和遮挡特征在标记倒车图像中的位置,确定覆盖区域;以标记倒车图像对应的在汽车后方的采集区域作为完整采集区域,根据覆盖区域确定遮挡区域。
作为示例性地,结合遮挡特征的面积a和标记倒车图像的面积b,计算遮挡特征在标记倒车图像中的面积占比s,s=a/b,接着根据面积占比s和遮挡特征在标记倒车图像上的位置,确定标记倒车图像中被遮挡特征覆盖的图像区域,即覆盖区域,然后以标记倒车图像对应的在汽车后方的采集区域作为完整采集区域,根据覆盖区域确定其对应的在汽车后方的遮挡区域。
在本实施例的一优选实施方式中,在根据遮挡特征在标记倒车图像中的面积占比和遮挡特征在标记倒车图像中的位置,确定覆盖区域之前,还包括:当面积占比大于预设面积占比时发出预警信号。
作为示例性地,在算得遮挡特征在标记倒车图像中的面积占比s时,若面积占比s大于预设面积占比(比如50%),则认为此时遮挡特征在标记倒车图像中的覆盖区域过大,即遮挡物在倒车摄像头上的覆盖区域过大,发出预警信号。
本实施例通过当面积占比大于预设面积占比时发出预警信号,能够在遮挡物在倒车摄像头上的覆盖面积过大的情况下发出预警信号,提醒驾驶员下车清理倒车摄像头上附着的遮挡物或者查看汽车后方区域的环境情况,辅助驾驶员安全倒车。
在优选的实施例当中,当确定遮挡区域不存在障碍物时生成虚拟倒车图像,具体为:当确定遮挡区域不存在障碍物时采用生成的虚拟环境图像替换覆盖区域,得到虚拟倒车图像。
在本实施例的一优选实施方式当中,当确定遮挡区域不存在障碍物时采用生成的虚拟环境图像替换覆盖区域,得到虚拟倒车图像,具体为:基于遮挡特征对标记倒车图像进行边缘提取得到边缘图像,并提取边缘图像的图像属性;根据标记倒车图像中未被遮挡特征覆盖的非覆盖区域,确定非覆盖区域对应的在汽车后方的非遮挡区域;根据图像属性与非遮挡区域的环境的相似度生成虚拟环境图像,并采用虚拟环境图像替换覆盖区域,得到虚拟倒车图像。
其中,图像属性包括图像RGB、物体形状和像素大小等。
在实际操作中,标记倒车图像中被遮挡特征覆盖的图像区域,即覆盖区域可能是车位线等参考线。基于此情况,边缘图像则是参考线的一部分,因此只需要提取边缘图像的图像RGB、物体形状和像素大小等图像属性即可推断出覆盖区域对应的在汽车后方的遮挡区域的环境情况,同样地,只要确定标记倒车图像中未被遮挡特征覆盖的图像区域,即非覆盖区域,就可以推断出非覆盖区域对应的在汽车后方的非遮挡区域的环境情况,从而可根据图像属性与非遮挡区域的环境的相似度生成虚拟环境图像,并采用虚拟环境图像替换覆盖区域,得到清晰完整的虚拟倒车图像。
第二实施例:
如图2所示,第二实施例提供一种汽车倒车图像的模糊优化装置,包括:倒车图像标记模块21,用于识别倒车图像中的遮挡特征,并对遮挡特征进行标记得到标记倒车图像;遮挡区域确定模块22,用于根据标记倒车图像中被遮挡特征覆盖的覆盖区域,确定覆盖区域对应的在汽车后方的遮挡区域;障碍探测处理模块23,用于对遮挡区域进行障碍探测,当确定遮挡区域不存在障碍物时生成虚拟倒车图像。
作为示例性地,通过倒车图像标记模块21,当获取到倒车摄像头采集的倒车图像后,识别倒车图像中的遮挡特征(比如水滴状特征等),并对遮挡特征进行标记得到标记倒车图像。
其中,倒车摄像头包括单目摄像头、双目摄像头等摄像头,倒车摄像头可设置在车尾处。
通过遮挡区域确定模块22,当得到标记倒车图像后,将标记倒车图像中被遮挡特征覆盖的图像区域作为覆盖区域,确定覆盖区域对应的在汽车后方的遮挡区域。
通过障碍探测处理模块23,当确定遮挡区域后,通过雷达装置对遮挡区域进行障碍探测,即由雷达装置发出雷达信号,根据返回的雷达信号判断遮挡区域是否存在障碍物,当确定遮挡区域不存在障碍物时生成清晰完整的虚拟倒车图像,使得驾驶员可以直观查看汽车后方区域的环境情况进行倒车,辅助驾驶员安全倒车。
其中,雷达装置可设置在车尾处。
本实施例通过倒车图像标记模块21,识别倒车图像中的遮挡特征,并对遮挡特征进行标记得到标记倒车图像,接着通过遮挡区域确定模块22,根据标记倒车图像中被遮挡特征覆盖的覆盖区域,确定覆盖区域对应的在汽车后方的遮挡区域,然后通过障碍探测处理模块23,对遮挡区域进行障碍探测,当确定遮挡区域不存在障碍物时生成虚拟倒车图像,从而能够在倒车摄像头上附着有遮挡物的情况下有效生成清晰完整的虚拟倒车图像,辅助驾驶员安全倒车。本实施例根据标记倒车图像中被遮挡特征覆盖的图像区域,即覆盖区域确定其对应的在汽车后方的遮挡区域,并在探测到遮挡区域不存在障碍物时生成清晰完整的虚拟倒车图像,使得驾驶员可以直观查看汽车后方区域的环境情况进行倒车,辅助驾驶员安全倒车。
在优选的实施例当中,障碍探测处理模块23,还用于当确定遮挡区域存在障碍物时发出报警信号。
本实施例通过障碍探测处理模块23,当确定遮挡区域存在障碍物时发出报警信号,能够在探测到遮挡区域存在障碍物时发出报警信号,提醒驾驶员修正汽车的移动状态或下车查看汽车后方区域的环境情况,辅助驾驶员安全倒车。
在优选的实施例当中,识别倒车图像中的遮挡特征,并对遮挡特征进行标记得到标记倒车图像,具体为:将倒车图像作为输入图像输入图像识别模型,使图像识别模型输出标记倒车图像。
在本实施例的一优选实施方式中,图像识别模型的建立,具体包括:获取含有遮挡特征的历史图像;根据SVM算法建立初始识别模型,并将历史图像作为训练图像输入初始识别模型进行模型训练;当初始识别模型的训练次数达到预设训练次数或训练准确度达到预设训练准确度时完成训练初始识别模型,得到图像识别模型。
需要说明的是,SVM是指支持向量机(Support Vector Machine, SVM),是一类按监督学习(supervised learning)方式对数据进行二元分类的广义线性分类器(generalized linear classifier),其决策边界是对学习样本求解的最大边距超平面。
作为示例性地,通过倒车图像标记模块21,将含有遮挡特征的历史图像作为训练图像输入预先根据SVM算法建立的初始识别模型进行模型训练,并当初始识别模型的训练次数达到预设训练次数(比如20万次)或训练准确度达到预设训练准确度(比如90%)时完成训练初始识别模型,得到图像识别模型,从而通过建立的图像识别模型识别倒车图像中的遮挡特征,并对遮挡特征进行标记得到标记倒车图像。
本实施例通过倒车图像标记模块21,利用建立的图像识别模型识别倒车图像中的遮挡特征,并对遮挡特征进行标记得到标记倒车图像,有利于快速准确地标记倒车图像中的遮挡特征。
在优选的实施例当中,根据标记倒车图像中被遮挡特征覆盖的覆盖区域,确定覆盖区域对应的在汽车后方的遮挡区域,具体为:根据遮挡特征在标记倒车图像中的面积占比和遮挡特征在标记倒车图像中的位置,确定覆盖区域;以标记倒车图像对应的在汽车后方的采集区域作为完整采集区域,根据覆盖区域确定遮挡区域。
作为示例性地,通过遮挡区域确定模块22,结合遮挡特征的面积a和标记倒车图像的面积b,计算遮挡特征在标记倒车图像中的面积占比s,s=a/b,接着根据面积占比s和遮挡特征在标记倒车图像上的位置,确定标记倒车图像中被遮挡特征覆盖的图像区域,即覆盖区域,然后以标记倒车图像对应的在汽车后方的采集区域作为完整采集区域,根据覆盖区域确定其对应的在汽车后方的遮挡区域。
在本实施例的一优选实施方式中,在根据遮挡特征在标记倒车图像中的面积占比和遮挡特征在标记倒车图像中的位置,确定覆盖区域之前,还包括:当面积占比大于预设面积占比时发出预警信号。
作为示例性地,通过遮挡区域确定模块22,在算得遮挡特征在标记倒车图像中的面积占比s时,若面积占比s大于预设面积占比(比如50%),则认为此时遮挡特征在标记倒车图像中的覆盖区域过大,即遮挡物在倒车摄像头上的覆盖区域过大,发出预警信号。
本实施例通过遮挡区域确定模块22,当面积占比大于预设面积占比时发出预警信号,能够在遮挡物在倒车摄像头上的覆盖面积过大的情况下发出预警信号,提醒驾驶员下车清理倒车摄像头上附着的遮挡物或者查看汽车后方区域的环境情况,辅助驾驶员安全倒车。
在优选的实施例当中,当确定遮挡区域不存在障碍物时生成虚拟倒车图像,具体为:当确定遮挡区域不存在障碍物时采用生成的虚拟环境图像替换覆盖区域,得到虚拟倒车图像。
在本实施例的一优选实施方式当中,当确定遮挡区域不存在障碍物时采用生成的虚拟环境图像替换覆盖区域,得到虚拟倒车图像,具体为:基于遮挡特征对标记倒车图像进行边缘提取得到边缘图像,并提取边缘图像的图像属性;根据标记倒车图像中未被遮挡特征覆盖的非覆盖区域,确定非覆盖区域对应的在汽车后方的非遮挡区域;根据图像属性与非遮挡区域的环境的相似度生成虚拟环境图像,并采用虚拟环境图像替换覆盖区域,得到虚拟倒车图像。
其中,图像属性包括图像RGB、物体形状和像素大小等。
在实际操作中,标记倒车图像中被遮挡特征覆盖的图像区域,即覆盖区域可能是车位线等参考线。基于此情况,边缘图像则是参考线的一部分,因此只需要提取边缘图像的图像RGB、物体形状和像素大小等图像属性即可推断出覆盖区域对应的在汽车后方的遮挡区域的环境情况,同样地,只要确定标记倒车图像中未被遮挡特征覆盖的图像区域,即非覆盖区域,就可以推断出非覆盖区域对应的在汽车后方的非遮挡区域的环境情况,从而可根据图像属性与非遮挡区域的环境的相似度生成虚拟环境图像,并采用虚拟环境图像替换覆盖区域,得到清晰完整的虚拟倒车图像。
综上所述,实施本发明的实施例,具有如下有益效果:
通过识别倒车图像中的遮挡特征,并对遮挡特征进行标记得到标记倒车图像,接着根据标记倒车图像中被遮挡特征覆盖的覆盖区域,确定覆盖区域对应的在汽车后方的遮挡区域,然后对遮挡区域进行障碍探测,当确定遮挡区域不存在障碍物时生成虚拟倒车图像,从而能够在倒车摄像头上附着有遮挡物的情况下有效生成清晰完整的虚拟倒车图像,辅助驾驶员安全倒车。本发明的实施例根据标记倒车图像中被遮挡特征覆盖的图像区域,即覆盖区域确定其对应的在汽车后方的遮挡区域,并在探测到遮挡区域不存在障碍物时生成清晰完整的虚拟倒车图像,使得驾驶员可以直观查看汽车后方区域的环境情况进行倒车,辅助驾驶员安全倒车。
进一步地,在探测到遮挡区域存在障碍物时发出报警信号,提醒驾驶员修正汽车的移动状态或停车下车查看汽车后方区域的环境情况,辅助驾驶员安全倒车。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
本领域普通技术人员可以理解实现上述实施例中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
Claims (10)
1.一种汽车倒车图像的模糊优化方法,其特征在于,包括:
识别倒车图像中的遮挡特征,并对所述遮挡特征进行标记得到标记倒车图像;
根据所述标记倒车图像中被所述遮挡特征覆盖的覆盖区域,确定所述覆盖区域对应的在汽车后方的遮挡区域;
对所述遮挡区域进行障碍探测,当确定所述遮挡区域不存在障碍物时生成虚拟倒车图像。
2.如权利要求1所述的汽车倒车图像的模糊优化方法,其特征在于,所述对所述遮挡区域进行障碍探测,当确定所述遮挡区域不存在障碍物时生成虚拟倒车图像,还包括:
当确定所述遮挡区域存在障碍物时发出报警信号。
3.如权利要求1或2所述的汽车倒车图像的模糊优化方法,其特征在于,所述识别倒车图像中的遮挡特征,并对所述遮挡特征进行标记得到标记倒车图像,具体为:
将所述倒车图像作为输入图像输入图像识别模型,使所述图像识别模型输出所述标记倒车图像。
4.如权利要求3所述的汽车倒车图像的模糊优化方法,其特征在于,所述图像识别模型的建立,具体包括:
获取含有所述遮挡特征的历史图像;
根据SVM算法建立初始识别模型,并将所述历史图像作为训练图像输入所述初始识别模型进行模型训练;
当所述初始识别模型的训练次数达到预设训练次数或训练准确度达到预设训练准确度时完成训练所述初始识别模型,得到所述图像识别模型。
5.如权利要求1或2所述的汽车倒车图像的模糊优化方法,其特征在于,所述根据所述标记倒车图像中被所述遮挡特征覆盖的覆盖区域,确定所述覆盖区域对应的在汽车后方的遮挡区域,具体为:
根据所述遮挡特征在所述标记倒车图像中的面积占比和所述遮挡特征在所述标记倒车图像中的位置,确定所述覆盖区域;
以所述标记倒车图像对应的在汽车后方的采集区域作为完整采集区域,根据所述覆盖区域确定所述遮挡区域。
6.如权利要求5所述的汽车倒车图像的模糊优化方法,其特征在于,在所述根据所述遮挡特征在所述标记倒车图像中的面积占比和所述遮挡特征在所述标记倒车图像中的位置,确定所述覆盖区域之前,还包括:
当所述面积占比大于预设面积占比时发出预警信号。
7.如权利要求1或2所述的汽车倒车图像的模糊优化方法,其特征在于,所述当确定所述遮挡区域不存在障碍物时生成虚拟倒车图像,具体为:
当确定所述遮挡区域不存在障碍物时采用生成的虚拟环境图像替换所述覆盖区域,得到所述虚拟倒车图像。
8.如权利要求7所述的汽车倒车图像的模糊优化方法,其特征在于,所述当确定所述遮挡区域不存在障碍物时采用生成的虚拟环境图像替换所述覆盖区域,得到所述虚拟倒车图像,具体为:
基于所述遮挡特征对所述标记倒车图像进行边缘提取得到边缘图像,并提取所述边缘图像的图像属性;
根据所述标记倒车图像中未被所述遮挡特征覆盖的非覆盖区域,确定所述非覆盖区域对应的在汽车后方的非遮挡区域;
根据所述图像属性与所述非遮挡区域的环境的相似度生成所述虚拟环境图像,并采用所述虚拟环境图像替换所述覆盖区域,得到所述虚拟倒车图像。
9.一种汽车倒车图像的模糊优化装置,其特征在于,包括:
倒车图像标记模块,用于识别倒车图像中的遮挡特征,并对所述遮挡特征进行标记得到标记倒车图像;
遮挡区域确定模块,用于根据所述标记倒车图像中被所述遮挡特征覆盖的覆盖区域,确定所述覆盖区域对应的在汽车后方的遮挡区域;
障碍探测处理模块,用于对所述遮挡区域进行障碍探测,当确定所述遮挡区域不存在障碍物时生成虚拟倒车图像。
10.如权利要求9所述的汽车倒车图像的模糊优化装置,其特征在于,所述障碍探测处理模块,还用于当确定所述遮挡区域存在障碍物时发出报警信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010952024.2A CN111932481B (zh) | 2020-09-11 | 2020-09-11 | 一种汽车倒车图像的模糊优化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010952024.2A CN111932481B (zh) | 2020-09-11 | 2020-09-11 | 一种汽车倒车图像的模糊优化方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111932481A true CN111932481A (zh) | 2020-11-13 |
CN111932481B CN111932481B (zh) | 2021-02-05 |
Family
ID=73309344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010952024.2A Active CN111932481B (zh) | 2020-09-11 | 2020-09-11 | 一种汽车倒车图像的模糊优化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111932481B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012038048A (ja) * | 2010-08-06 | 2012-02-23 | Alpine Electronics Inc | 車両用障害物検出装置 |
US20130295894A1 (en) * | 2008-08-19 | 2013-11-07 | Digimarc Corporation | Image processing architectures and methods |
EP3034359A1 (en) * | 2014-12-15 | 2016-06-22 | Ricoh Company, Ltd. | Monitoring system, and vehicle mountable with monitoring system |
CN105799591A (zh) * | 2014-12-30 | 2016-07-27 | 厦门歌乐电子企业有限公司 | 路面图像的显示装置 |
CN108712606A (zh) * | 2018-05-14 | 2018-10-26 | Oppo广东移动通信有限公司 | 提示方法、装置、存储介质及移动终端 |
CN109523489A (zh) * | 2018-11-28 | 2019-03-26 | 广州大学 | 一种生成俯视无畸变倒车影像的方法 |
-
2020
- 2020-09-11 CN CN202010952024.2A patent/CN111932481B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130295894A1 (en) * | 2008-08-19 | 2013-11-07 | Digimarc Corporation | Image processing architectures and methods |
JP2012038048A (ja) * | 2010-08-06 | 2012-02-23 | Alpine Electronics Inc | 車両用障害物検出装置 |
EP3034359A1 (en) * | 2014-12-15 | 2016-06-22 | Ricoh Company, Ltd. | Monitoring system, and vehicle mountable with monitoring system |
CN105799591A (zh) * | 2014-12-30 | 2016-07-27 | 厦门歌乐电子企业有限公司 | 路面图像的显示装置 |
CN108712606A (zh) * | 2018-05-14 | 2018-10-26 | Oppo广东移动通信有限公司 | 提示方法、装置、存储介质及移动终端 |
CN109523489A (zh) * | 2018-11-28 | 2019-03-26 | 广州大学 | 一种生成俯视无畸变倒车影像的方法 |
Non-Patent Citations (2)
Title |
---|
HICKS R ANDREW ET AL: "Blind-spot problem for motor vehicles", 《APPLIED OPTICS》 * |
剧季 等: "自动平行泊车技术综述", 《湖北工程学院学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111932481B (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110689761B (zh) | 一种自动泊车方法 | |
CN110532976B (zh) | 基于机器学习和多特征融合的疲劳驾驶检测方法及系统 | |
US20120026352A1 (en) | Edge detection with adaptive threshold | |
CN112349144B (zh) | 一种基于单目视觉的车辆碰撞预警方法及系统 | |
CN112677977B (zh) | 行车状态识别方法、装置、电子设备和转向灯控制方法 | |
CN111016929A (zh) | 对关于车辆变更车道的危险发出警报的方法及装置 | |
CN207397291U (zh) | 一种基于全景视觉分析的车辆主动安全预警系统 | |
US10583781B2 (en) | Driving assistance system and driving assistance method | |
EP2741234B1 (en) | Object localization using vertical symmetry | |
EP2788968A1 (de) | Verfahren und fahrzeugassistenzsystem zur aktiven warnung und/oder zur navigationshilfe zur vermeidung einer kollision eines fahrzeugkarosserieteils und/oder eines fahrzeugrades mit einem objekt | |
JP2000127849A (ja) | 車両用後側方監視装置 | |
CN109131321B (zh) | 基于图像处理与计算危险系数的变道辅助方法及装置 | |
CN105549013A (zh) | 用于汽车雷达成像的物体边界检测 | |
US10108866B2 (en) | Method and system for robust curb and bump detection from front or rear monocular cameras | |
Cualain et al. | Multiple-camera lane departure warning system for the automotive environment | |
CN112784814A (zh) | 车辆倒车入库的姿态识别方法及输送车倒车入库引导系统 | |
CN109670387A (zh) | 一种基于全景视觉分析的车辆主动安全预警系统及方法 | |
CN111967384A (zh) | 车辆信息处理方法、装置、设备及计算机可读存储介质 | |
KR101840927B1 (ko) | 차량 후진시 후측방 접근 객체와의 충돌 회피 장치 및 방법 | |
CN111932481B (zh) | 一种汽车倒车图像的模糊优化方法及装置 | |
CN111469765A (zh) | 一种具有去除车身阴影功能的检测系统及其方法 | |
EP3666594B1 (en) | System and method for warning a driver of a vehicle of an object in a proximity of the vehicle | |
CN113053127B (zh) | 智能化实时状态检测系统及方法 | |
CN111626334B (zh) | 一种车载高级辅助驾驶系统的关键控制目标选择方法 | |
JP2001091246A (ja) | 障害物検出装置 |
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 |