CN115719325B - 基于无人驾驶的路况图像处理系统 - Google Patents
基于无人驾驶的路况图像处理系统 Download PDFInfo
- Publication number
- CN115719325B CN115719325B CN202211561713.6A CN202211561713A CN115719325B CN 115719325 B CN115719325 B CN 115719325B CN 202211561713 A CN202211561713 A CN 202211561713A CN 115719325 B CN115719325 B CN 115719325B
- Authority
- CN
- China
- Prior art keywords
- target
- road section
- image
- road
- unmanned vehicle
- 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.)
- Active
Links
- 230000011218 segmentation Effects 0.000 claims abstract description 15
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 230000004927 fusion Effects 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 25
- 239000000284 extract Substances 0.000 abstract description 3
- 241001417527 Pempheridae Species 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000002360 preparation method Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
Abstract
本发明涉及图像数据技术领域，尤其涉及一种基于无人驾驶的路况图像处理系统。该系统通过分段模块将由目标起点位置和目标终点位置构成的目标行驶路段均匀切割成至少两段并设置路段标识；采集模块采集实时位置并将设置在目标起点位置的第一图像采集终端和设置在目标终点位置的第二图像采集终端得到的两个采集图像进行融合；提取模块提取当前行驶路段的融合路况图像信息中的目标特征的数量并计算与下一行驶路段内的目标特征的数量的相对比例；调整模块调整作业时长，以使无人驾驶车辆按照调整后的行进速度通过下一行驶路段，实现对无人驾驶车辆的位置的确定和作业速度的调整，提高对于路况信息分析判断的精度。
Description
技术领域
本发明涉及图像数据技术领域，尤其涉及一种基于无人驾驶的路况图像处理系统。
背景技术
无人驾驶技术是传感器、计算机、人工智能、通信、导航定位、模式识别、机器视觉、智能控制等多门前沿学科的综合体。
中国专利公开号：CN114991056A公开了一种无人驾驶垃圾自动清扫车，其包括清扫车本体，所述清扫车本体的顶部设置有摄像模块，并且清扫车本体的车头、车尾以及两侧均设置有多个测距模块。
现有技术通过在清扫车本体上设置摄像模块、测距模块，从而实现无人驾驶；同时，通过设置在车体两侧的清洁模块，自动清扫道路上的垃圾，进行垃圾清扫工作。由此可见，所述无人驾驶垃圾自动清扫车能够在预设的常规路线实现无人驾驶，然而，实际路况时常较为复杂多变，该技术方案缺乏对复杂多变的实际路况信息分析判断，存在以路况信息分析判断精度低，使用效率低的问题。
发明内容
为此，本发明提供一种基于无人驾驶的路况图像处理系统，用以克服现有技术中对于路况信息分析判断精度不高的问题。
为实现上述目的，本发明提供一种基于无人驾驶的路况图像处理系统，该系统包括：
分段模块，用以将由所述目标起点位置和所述目标终点位置构成的目标行驶路段均匀切割成至少两段，分别设置为第一行驶路段、第二行驶路段直至第n行驶路段，n＞2且n为正整数，并在相邻行驶路段的边界位置设置路段标识；
采集模块，与所述分段模块连接，用以采集无人驾驶车辆所在的当前行驶路段的所述路段标识并确定无人驾驶车辆在当前行驶路段的实时位置、当前作业速度以及通过设置在所述目标起点位置的第一图像采集终端和设置在所述目标终点位置的第二图像采集终端得到的两个采集图像进行融合后得到当前行驶路段的融合路况图像信息以及下一行驶路段的融合路况图像信息；
提取模块，与所述采集模块连接，用以提取当前行驶路段的融合路况图像信息中的目标特征的数量并计算与下一行驶路段内的目标特征的数量的相对比例；
调整模块，其与所述提取模块连接，用以在当前作业速度的基础上通过所述相对比例的范围区间选择所述无人驾驶车辆在下一行驶路段内的行进速度以调整作业时长，以使无人驾驶车辆按照调整后的行进速度通过下一行驶路段。
进一步地，所述目标起点位置设置有第一距离采集终端，所述目标终点位置设置有第二距离采集终端，所述分段模块根据所述第一距离采集终端和所述第二距离采集终端的距离进行均等分割。
进一步地，所述分段模块根据目标行驶路段中的位置与所述目标起点位置的关系进行设置路段标识，
在与所述目标起点位置的距离为L1=L/n的目标行驶路段中的位置处设置第一路面标识，L为所述第一距离采集终端和所述第二距离采集终端的距离；
在与所述目标起点位置的距离为L1=2×L/n的目标行驶路段中的位置处设置第二路面标识；
直至在与所述目标起点位置的距离为L1=L的目标行驶路段中的位置处设置第n路面标识。
进一步地，所述采集模块设置有确定单元，所述确定单元用以确定无人驾驶车辆在当前行驶路段的实时位置，
采集所述无人驾驶车辆行驶方向上的第一个路面标识，并根据所述第一个路面标识确定所述无人驾驶车辆的实时位置，
当所述第一个路面标识为第一路面标识时，所述采集模块确定所述无人驾驶车辆的实时位置位于第一行驶路段；
当所述第一个路面标识为第二路面标识时，所述采集模块确定所述无人驾驶车辆的实时位置位于第二行驶路段；
直至当所述第一个路面标识为第n路面标识时，所述采集模块确定所述无人驾驶车辆的实时位置位于第n行驶路段。
进一步地，所述采集模块还设置有第一判定单元，所述第一判定单元与所述确定单元连接，用以根据灰度值与预设灰度值的关系判定第一灰度化图像和/或第二灰度化图像中是否存在目标特征，
所述采集模块将在所述目标起点位置的第一图像采集终端采集的图像进行灰度化，得到第一灰度化图像，在所述目标终点位置的第二图像采集终端采集的图像进行灰度化，得到第二灰度化图像，
所述第一判定单元根据灰度值H1与预设灰度值H2的关系判定所述第一灰度化图像和/或第二灰度化图像中是否存在目标特征，
若0.8×H2≤H1≤1.2×H2，则所述判定单元判定所述第一灰度化图像和/或第二灰度化图像中存在目标特征；
若当H1＜0.8×H2或H1＞1.2×H2，则所述判定单元判定所述第一灰度化图像和/或第二灰度化图像中不存在目标特征。
进一步地，所述采集模块还设置有第二判定单元，所述第二判定单元与所述第一判定单元连接，用以根据第一灰度化图像中的目标特征的第一数量M1和第二灰度化图像中的目标特征的第二数量M2之间的关系判定是否将第一灰度化图像和第二灰度化图像进行融合，
当0.9×M2≤M1≤1.1×M2，则所述第二判定单元判定不对所述第一灰度化图像和第二灰度化图像融合，此时采集所述第一灰度化图像作为融合后的融合路况图像信息，
当M1＜0.9×M2或M1＞1.1×M2，则所述第二判定单元判定对所述第一灰度化图像和第二灰度化图像进行融合。
进一步地，所述采集模块还设置有融合单元，所述融合单元与所述判定单元连接，用以将所述第一灰度化图像和第二灰度化图像进行融合，
所述采集模块采集所述第一灰度化图像中目标特征的灰度值H3和所述第二灰度化图像中目标特征的灰度值H4，
当0.8×H4≤H3≤1.2×H4，则所述融合单元将所述第一灰度化图像中目标特征和所述第二灰度化图像中目标特征确定为同一个目标特征，所述融合单元将所述第一灰度化图像中目标特征融合到所述融合路况图像信息中；
当H3＜0.8×H4或H3＞1.2×H4，则所述融合单元将所述第一灰度化图像中目标特征和所述第二灰度化图像中目标特征确定为不同的目标特征，所述融合单元将所述第一灰度化图像中目标特征和所述第二灰度化图像中目标特征进行融合到所述融合路况图像信息中。
进一步地，所述提取模块包括获取单元第一计算单元，所述获取单元用以获取所述融合路况图像信息中的目标特征的数量；
所述第一计算单元用以计算当前行驶路段的融合路况图像信息中的目标特征的数量与下一行驶路段的融合路况图像信息中的目标特征的数量的相对比例，
所述第一计算单元设置有第一计算公式R=N1/N2，N1为当前行驶路段的融合路况图像信息中的目标特征的数量，N2为下一行驶路段的融合路况图像信息中的目标特征的数量。
进一步地，所述调整模块设置有第三判定单元，
所述第三判定单元用以根据当前行驶路段的融合路况图像信息中的目标特征的数量N1和下一行驶路段内的目标特征的数量N2之间的关系判定是否对无人驾驶车辆在下一行驶路段内的作业速度进行调整，
若∣N1-N2∣≤N0，则所述第三判定单元判定对无人驾驶车辆在下一行驶路段内的作业速度不进行调整，N0为预设数量；
若∣N1-N2∣＞N0，则所述第三判定单元判定对无人驾驶车辆在下一行驶路段内的作业速度进行调整。
进一步地，所述调整模块还设置有第二计算单元，所述第二计算单元用以根据第一计算公式R和无人驾驶车辆在当前行驶路段的作业速度V0之间的关系计算无人驾驶车辆在下一行驶路段的作业速度V1时，所述第二计算单元设置有第二计算公式V1=V0×R=V0×N1/N2。
与现有技术相比，本发明的有益效果在于，通过分段模块将由所述目标起点位置和所述目标终点位置构成的目标行驶路段均匀切割成至少两段，分别设置为第一行驶路段、第二行驶路段直至第n行驶路段，n＞2且n为正整数，并在第n-1行驶路段和第n行驶路段边界位置设置路段标识；采集模块采集无人驾驶车辆所在的当前行驶路段的所述路段标识并确定无人驾驶车辆在当前行驶路段的实时位置以及当前作业速度，用以通过设置在所述目标起点位置的第一图像采集终端和设置在所述目标终点位置的第二图像采集终端得到的两个采集图像进行融合后得到当前行驶路段的融合路况图像信息以及下一行驶路段的融合路况图像信息；提取模块提取当前行驶路段的融合路况图像信息中的目标特征的数量并计算与下一行驶路段内的目标特征的数量的相对比例；调整模块在当前作业速度的基础上通过所述相对比例的范围区间选择所述无人驾驶车辆在下一行驶路段内的行进速度以调整作业时长，以使无人驾驶车辆按照调整后的行进速度通过下一行驶路段，实现对无人驾驶车辆的位置的确定和作业速度的调整，提高对于路况信息分析判断的精度。
尤其，本发明通过根据目标行驶路段中的位置与所述目标起点位置的关系进行设置路段标识，实现对分割后的第一行驶路段、第二行驶路段直至第n行驶路段的标识，为后续无人驾驶车辆在所述目标行驶路段中的位置采集做准备。
尤其，本发明通过采集无人驾驶车辆行驶方向上的第一个路面标识，并根据所述第一个路面标识确定所述无人驾驶车辆的实时位置，实现对无人驾驶车辆的行驶位置的确定，提高对无人驾驶车辆行驶位置确定的准确性。
尤其，本发明通过第一判定单元根据灰度值H1与预设灰度值H2的关系判定所述第一灰度化图像和/或第二灰度化图像中是否存在目标特征，实现对第一灰度化图像和/或第二灰度化图像中的是否含有目标特征的判定，为后续的融合做准备。
尤其，本发明通过第二判定单元根据第一灰度化图像中的目标特征的第一数量和第二灰度化图像中的目标特征的第二数量之间的关系判定是否将第一灰度化图像和第二灰度化图像进行融合，实现利用含有目标特征的数量对第一灰度化图像和第二灰度化图像进行融合，数量差异过小的第一灰度化图像和第二灰度化图像无需进行融合，减少处理系统的操作，提高处理系统的运行效率。
尤其，本发明通过融合单元对所述第一灰度化图像和第二灰度化图像进行融合，实现将第一灰度化图像和第二灰度化图像融合为一个灰度化图像，提高对路况图像信息的准确度。
尤其，本发明通过第三判定单元根据当前行驶路段的融合路况图像信息中的目标特征的数量和下一行驶路段内的目标特征的数量之间的关系判定是否对无人驾驶车辆在下一行驶路段内的作业速度进行调整，实现对无人驾驶车辆作业速度的控制，提高处理系统的运行效率。
尤其，本发明通过第二计算公式对无人驾驶车辆在下一行驶路段的作业速度进行调整，提高处理系统对路况图像信息处理的准确性，提高处理系统的运行效率。
附图说明
图1为本发明实施例中基于无人驾驶的路况图像处理系统的结构示意图；
图2为本发明实施例中基于无人驾驶的路况图像处理系统的采集模块的结构示意图；
图3为本发明实施例中基于无人驾驶的路况图像处理系统的提取模块的结构示意图；
图4为本发明实施例中基于无人驾驶的路况图像处理系统的调整模块的结构示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示，其为本发明实施例中基于无人驾驶的路况图像处理系统的结构示意图，公开了一种基于无人驾驶的路况图像处理系统，包括：
分段模块100，用以将由所述目标起点位置和所述目标终点位置构成的目标行驶路段均匀切割成至少两段，分别设置为第一行驶路段、第二行驶路段直至第n行驶路段，n＞2且n为正整数，并在相邻行驶路段的边界位置设置路段标识；
采集模块200，与所述分段模块100连接，用以采集无人驾驶车辆所在的当前行驶路段的所述路段标识并确定无人驾驶车辆在当前行驶路段的实时位置、当前作业速度以及通过设置在所述目标起点位置的第一图像采集终端和设置在所述目标终点位置的第二图像采集终端得到的两个采集图像进行融合后得到当前行驶路段的融合路况图像信息以及下一行驶路段的融合路况图像信息；
提取模块300，与所述采集模块200连接，用以提取当前行驶路段的融合路况图像信息中的目标特征的数量并计算与下一行驶路段内的目标特征的数量的相对比例；
调整模块400，其与所述提取模块300连接，用以在当前作业速度的基础上通过所述相对比例的范围区间选择所述无人驾驶车辆在下一行驶路段内的行进速度以调整作业时长，以使无人驾驶车辆按照调整后的行进速度通过下一行驶路段。
具体而言，本发明实施例通过分段模块将由所述目标起点位置和所述目标终点位置构成的目标行驶路段均匀切割成至少两段，分别设置为第一行驶路段、第二行驶路段直至第n行驶路段，n＞2且n为正整数，并在第n-1行驶路段和第n行驶路段边界位置设置路段标识；采集模块采集无人驾驶车辆所在的当前行驶路段的所述路段标识并确定无人驾驶车辆在当前行驶路段的实时位置以及当前作业速度，用以通过设置在所述目标起点位置的第一图像采集终端和设置在所述目标终点位置的第二图像采集终端得到的两个采集图像进行融合后得到当前行驶路段的融合路况图像信息以及下一行驶路段的融合路况图像信息；提取模块提取当前行驶路段的融合路况图像信息中的目标特征的数量并计算与下一行驶路段内的目标特征的数量的相对比例；调整模块在当前作业速度的基础上通过所述相对比例的范围区间选择所述无人驾驶车辆在下一行驶路段内的行进速度以调整作业时长，以使无人驾驶车辆按照调整后的行进速度通过下一行驶路段，实现对无人驾驶车辆的位置的确定和作业速度的调整，提高对于路况信息分析判断的精度。
具体而言，所述目标起点位置设置有第一距离采集终端，所述目标终点位置设置有第二距离采集终端，所述分段模块100根据所述第一距离采集终端和所述第二距离采集终端的距离进行均等分割。
具体而言，所述分段模块100根据目标行驶路段中的位置与所述目标起点位置的关系进行设置路段标识，
在与所述目标起点位置的距离为L1=L/n的目标行驶路段中的位置处设置第一路面标识，L为所述第一距离采集终端和所述第二距离采集终端的距离；
在与所述目标起点位置的距离为L1=2×L/n的目标行驶路段中的位置处设置第二路面标识；
直至在与所述目标起点位置的距离为L1=L的目标行驶路段中的位置处设置第n路面标识。
具体而言，本发明实施例通过根据目标行驶路段中的位置与所述目标起点位置的关系进行设置路段标识，实现对分割后的第一行驶路段、第二行驶路段直至第n行驶路段的标识，为后续无人驾驶车辆在所述目标行驶路段中的位置采集做准备。
具体而言，请参阅图2所示，所述采集模块包括确定单元210、第一判定单元220、第二判定单元230和融合单元240，
所述确定单元用以确定无人驾驶车辆在当前行驶路段的实时位置；
所述第一判定单元与所述确定单元连接，用以根据灰度值与预设灰度值的关系判定第一灰度化图像和/或第二灰度化图像中是否存在目标特征；
所述第二判定单元与所述第一判定单元连接，用以根据第一灰度化图像中的目标特征的第一数量M1和第二灰度化图像中的目标特征的第二数量M2之间的关系判定是否将第一灰度化图像和第二灰度化图像进行融合；
所述融合单元与所述第二判定单元连接，用以将所述第一灰度化图像和第二灰度化图像进行融合。
具体而言，所述确定单元确定无人驾驶车辆在当前行驶路段的实时位置时，采集所述无人驾驶车辆行驶方向上的第一个路面标识，并根据所述第一个路面标识确定所述无人驾驶车辆的实时位置，
当所述第一个路面标识为第一路面标识时，所述采集模块确定所述无人驾驶车辆的实时位置位于第一行驶路段；
当所述第一个路面标识为第二路面标识时，所述采集模块确定所述无人驾驶车辆的实时位置位于第二行驶路段；
直至当所述第一个路面标识为第n路面标识时，所述采集模块确定所述无人驾驶车辆的实时位置位于第n行驶路段。
具体而言，本发明实施例通过采集无人驾驶车辆行驶方向上的第一个路面标识，并根据所述第一个路面标识确定所述无人驾驶车辆的实时位置，实现对无人驾驶车辆的行驶位置的确定，提高对无人驾驶车辆行驶位置确定的准确性。
具体而言，所述采集模块将在所述目标起点位置的第一图像采集终端采集的图像进行灰度化，得到第一灰度化图像，在所述目标终点位置的第二图像采集终端采集的图像进行灰度化，得到第二灰度化图像，
所述第一判定单元根据灰度值H1与预设灰度值H2的关系判定所述第一灰度化图像和/或第二灰度化图像中是否存在目标特征，
若0.8×H2≤H1≤1.2×H2，则所述判定单元判定所述第一灰度化图像和/或第二灰度化图像中存在目标特征；
若当H1＜0.8×H2或H1＞1.2×H2，则所述判定单元判定所述第一灰度化图像和/或第二灰度化图像中不存在目标特征。
具体而言，所述目标特征可以是路面设置的污水井、排水井、雨水井。
具体而言，本发明实施例通过第一判定单元根据灰度值H1与预设灰度值H2的关系判定所述第一灰度化图像和/或第二灰度化图像中是否存在目标特征，实现对第一灰度化图像和/或第二灰度化图像中的是否含有目标特征的判定，为后续的融合做准备。
具体而言，所述第二判定单元根据第一灰度化图像中的目标特征的第一数量M1和第二灰度化图像中的目标特征的第二数量M2之间的关系判定是否将第一灰度化图像和第二灰度化图像进行融合时，
当0.9×M2≤M1≤1.1×M2，则所述第二判定单元判定不对所述第一灰度化图像和第二灰度化图像融合，此时采集所述第一灰度化图像作为融合后的融合路况图像信息，
当M1＜0.9×M2或M1＞1.1×M2，则所述第二判定单元判定对所述第一灰度化图像和第二灰度化图像进行融合。
具体而言，本发明实施例通过第二判定单元根据第一灰度化图像中的目标特征的第一数量和第二灰度化图像中的目标特征的第二数量之间的关系判定是否将第一灰度化图像和第二灰度化图像进行融合，实现利用含有目标特征的数量对第一灰度化图像和第二灰度化图像进行融合，数量差异过小的第一灰度化图像和第二灰度化图像无需进行融合，减少处理系统的操作，提高处理系统的运行效率。
具体而言，在所述融合单元对所述第一灰度化图像和第二灰度化图像进行融合时，所述采集模块采集所述第一灰度化图像中目标特征的灰度值H3和所述第二灰度化图像中目标特征的灰度值H4，
当0.8×H4≤H3≤1.2×H4，则所述融合单元将所述第一灰度化图像中目标特征和所述第二灰度化图像中目标特征确定为同一个目标特征，所述融合单元将所述第一灰度化图像中目标特征融合到所述融合路况图像信息中；
当H3＜0.8×H4或H3＞1.2×H4，则所述融合单元将所述第一灰度化图像中目标特征和所述第二灰度化图像中目标特征确定为不同的目标特征，所述融合单元将所述第一灰度化图像中目标特征和所述第二灰度化图像中目标特征进行融合到所述融合路况图像信息中。
具体而言，本发明实施例通过融合单元对所述第一灰度化图像和第二灰度化图像进行融合，实现将第一灰度化图像和第二灰度化图像融合为一个灰度化图像，提高对路况图像信息的准确度。
具体而言，请参阅图3所示，所述提取模块设置有获取单元310和第一计算单元320，
所述获取单元用以获取所述融合路况图像信息中的目标特征的数量；
所述第一计算单元用以计算当前行驶路段的融合路况图像信息中的目标特征的数量与下一行驶路段的融合路况图像信息中的目标特征的数量的相对比例。
具体而言，所述第一计算单元设置有第一计算公式R=N1/N2，N1为当前行驶路段的融合路况图像信息中的目标特征的数量，N2为下一行驶路段的融合路况图像信息中的目标特征的数量。
具体而言，请参阅图4所示，所述调整模块包括第三判定单元410和第二计算单元420，
所述第三判定单元用以根据当前行驶路段的融合路况图像信息中的目标特征的数量N1和下一行驶路段内的目标特征的数量N2之间的关系判定是否对无人驾驶车辆在下一行驶路段内的作业速度进行调整；
所述第二计算单元用以根据第一计算公式和无人驾驶车辆在当前行驶路段的作业速度之间的关系计算无人驾驶车辆在下一行驶路段的作业速度。
具体而言，所述第三判定单元根据当前行驶路段的融合路况图像信息中的目标特征的数量N1和下一行驶路段内的目标特征的数量N2之间的关系判定是否对无人驾驶车辆在下一行驶路段内的作业速度进行调整时，
若∣N1-N2∣≤N0，则所述第三判定单元判定对无人驾驶车辆在下一行驶路段内的作业速度不进行调整，N0为预设数量；
若∣N1-N2∣＞N0，则所述第三判定单元判定对无人驾驶车辆在下一行驶路段内的作业速度进行调整。
具体而言，本发明实施例通过第三判定单元根据当前行驶路段的融合路况图像信息中的目标特征的数量和下一行驶路段内的目标特征的数量之间的关系判定是否对无人驾驶车辆在下一行驶路段内的作业速度进行调整，实现对无人驾驶车辆作业速度的控制，提高处理系统的运行效率。
具体而言，所述第二计算单元用以根据第一计算公式R和无人驾驶车辆在当前行驶路段的作业速度V0之间的关系计算无人驾驶车辆在下一行驶路段的作业速度V1时，所述第二计算单元设置有第二计算公式V1=V0×R=V0×N1/N2。
具体而言，本发明实施例通过第二计算公式对无人驾驶车辆在下一行驶路段的作业速度进行调整，提高处理系统对路况图像信息处理的准确性，提高处理系统的运行效率。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种基于无人驾驶的路况图像处理系统，其特征在于，包括：
分段模块，用以将由目标起点位置和目标终点位置构成的目标行驶路段均匀切割成至少两段，分别设置为第一行驶路段、第二行驶路段直至第n行驶路段，n≥2且n为正整数，并在相邻行驶路段的边界位置设置路段标识；
采集模块，与所述分段模块连接，用以采集无人驾驶车辆所在的当前行驶路段的所述路段标识并确定无人驾驶车辆在当前行驶路段的实时位置、当前作业速度，以及通过设置在所述目标起点位置的第一图像采集终端和设置在所述目标终点位置的第二图像采集终端得到的两个采集图像进行融合后得到当前行驶路段的融合路况图像信息以及下一行驶路段的融合路况图像信息；
提取模块，与所述采集模块连接，用以提取当前行驶路段的融合路况图像信息中的目标特征的数量并计算与下一行驶路段内的目标特征的数量的相对比例；
调整模块，其与所述提取模块连接，用以在当前作业速度的基础上通过所述相对比例的范围区间选择所述无人驾驶车辆在下一行驶路段内的行进速度以调整作业时长，以使无人驾驶车辆按照调整后的行进速度通过下一行驶路段。
2.根据权利要求1所述的基于无人驾驶的路况图像处理系统，其特征在于，所述目标起点位置设置有第一距离采集终端，所述目标终点位置设置有第二距离采集终端，所述分段模块根据所述第一距离采集终端和所述第二距离采集终端的距离进行均等分割。
3.根据权利要求2所述的基于无人驾驶的路况图像处理系统，其特征在于，所述分段模块根据目标行驶路段中的位置与所述目标起点位置的关系进行设置路段标识，
在与所述目标起点位置的距离为L1=L/n的目标行驶路段中的位置处设置第一路面标识，L为所述第一距离采集终端和所述第二距离采集终端的距离；
在与所述目标起点位置的距离为L1=2×L/n的目标行驶路段中的位置处设置第二路面标识；
直至在与所述目标起点位置的距离为L1=L的目标行驶路段中的位置处设置第n路面标识。
4.根据权利要求3所述的基于无人驾驶的路况图像处理系统，其特征在于，所述采集模块设置有确定单元，所述确定单元用以确定无人驾驶车辆在当前行驶路段的实时位置，
采集所述无人驾驶车辆行驶方向上的第一个路面标识，并根据所述第一个路面标识确定所述无人驾驶车辆的实时位置，
当所述第一个路面标识为第一路面标识时，所述采集模块确定所述无人驾驶车辆的实时位置位于第一行驶路段；
当所述第一个路面标识为第二路面标识时，所述采集模块确定所述无人驾驶车辆的实时位置位于第二行驶路段；
直至当所述第一个路面标识为第n路面标识时，所述采集模块确定所述无人驾驶车辆的实时位置位于第n行驶路段。
5.根据权利要求4所述的基于无人驾驶的路况图像处理系统，其特征在于，所述采集模块还设置有第一判定单元，所述第一判定单元与所述确定单元连接，用以根据灰度值与预设灰度值的关系判定第一灰度化图像和/或第二灰度化图像中是否存在目标特征，
所述采集模块将在所述目标起点位置的第一图像采集终端采集的图像进行灰度化，得到第一灰度化图像，在所述目标终点位置的第二图像采集终端采集的图像进行灰度化，得到第二灰度化图像，
所述第一判定单元根据灰度值H1与预设灰度值H2的关系判定所述第一灰度化图像和/或第二灰度化图像中是否存在目标特征，
若0.8×H2≤H1≤1.2×H2，则所述判定单元判定所述第一灰度化图像和/或第二灰度化图像中存在目标特征；
若当H1＜0.8×H2或H1＞1.2×H2，则所述判定单元判定所述第一灰度化图像和/或第二灰度化图像中不存在目标特征。
6.根据权利要求5所述的基于无人驾驶的路况图像处理系统，其特征在于，所述采集模块还设置有第二判定单元，所述第二判定单元与所述第一判定单元连接，用以根据第一灰度化图像中的目标特征的第一数量M1和第二灰度化图像中的目标特征的第二数量M2之间的关系判定是否将第一灰度化图像和第二灰度化图像进行融合，
当0.9×M2≤M1≤1.1×M2，则所述第二判定单元判定不对所述第一灰度化图像和第二灰度化图像融合，此时采集所述第一灰度化图像作为融合后的融合路况图像信息，
当M1＜0.9×M2或M1＞1.1×M2，则所述第二判定单元判定对所述第一灰度化图像和第二灰度化图像进行融合。
7.根据权利要求6所述的基于无人驾驶的路况图像处理系统，其特征在于，所述采集模块还设置有融合单元，所述融合单元与所述判定单元连接，用以将所述第一灰度化图像和第二灰度化图像进行融合，
所述采集模块采集所述第一灰度化图像中目标特征的灰度值H3和所述第二灰度化图像中目标特征的灰度值H4，
当0.8×H4≤H3≤1.2×H4，则所述融合单元将所述第一灰度化图像中目标特征和所述第二灰度化图像中目标特征确定为同一个目标特征，所述融合单元将所述第一灰度化图像中目标特征融合到所述融合路况图像信息中；
当H3＜0.8×H4或H3＞1.2×H4，则所述融合单元将所述第一灰度化图像中目标特征和所述第二灰度化图像中目标特征确定为不同的目标特征，所述融合单元将所述第一灰度化图像中目标特征和所述第二灰度化图像中目标特征进行融合到所述融合路况图像信息中。
8.根据权利要求7所述的基于无人驾驶的路况图像处理系统，其特征在于，所述提取模块包括获取单元和第一计算单元，所述获取单元用以获取所述融合路况图像信息中的目标特征的数量；
所述第一计算单元用以计算当前行驶路段的融合路况图像信息中的目标特征的数量与下一行驶路段的融合路况图像信息中的目标特征的数量的相对比例，
所述第一计算单元设置有第一计算公式R=N1/N2，N1为当前行驶路段的融合路况图像信息中的目标特征的数量，N2为下一行驶路段的融合路况图像信息中的目标特征的数量。
9.根据权利要求8所述的基于无人驾驶的路况图像处理系统，其特征在于，所述调整模块设置有第三判定单元，
所述第三判定单元用以根据当前行驶路段的融合路况图像信息中的目标特征的数量N1和下一行驶路段内的目标特征的数量N2之间的关系判定是否对无人驾驶车辆在下一行驶路段内的作业速度进行调整，
若∣N1-N2∣≤N0，则所述第三判定单元判定对无人驾驶车辆在下一行驶路段内的作业速度不进行调整，N0为预设数量；
若∣N1-N2∣＞N0，则所述第三判定单元判定对无人驾驶车辆在下一行驶路段内的作业速度进行调整。
10.根据权利要求9所述的基于无人驾驶的路况图像处理系统，其特征在于，所述调整模块还设置有第二计算单元，所述第二计算单元用以根据第一计算公式R和无人驾驶车辆在当前行驶路段的作业速度V0之间的关系计算无人驾驶车辆在下一行驶路段的作业速度V1时，所述第二计算单元设置有第二计算公式V1=V0×R=V0×N1/N2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211561713.6A CN115719325B (zh) | 2022-12-07 | 2022-12-07 | 基于无人驾驶的路况图像处理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211561713.6A CN115719325B (zh) | 2022-12-07 | 2022-12-07 | 基于无人驾驶的路况图像处理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115719325A CN115719325A (zh) | 2023-02-28 |
| CN115719325B true CN115719325B (zh) | 2023-11-17 |
Family
ID=85257457
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211561713.6A Active CN115719325B (zh) | 2022-12-07 | 2022-12-07 | 基于无人驾驶的路况图像处理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115719325B (zh) |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105632202A (zh) * | 2014-10-30 | 2016-06-01 | 唐国桥 | 一种实时速度调整引导方法及导航软件 |
| DE102018206416A1 (de) * | 2017-04-26 | 2018-10-31 | Iplab Inc. | Unbemanntes fahrsystem, fahrzeugtarifberechnungsserver und verfahren für ein unbemannt fahrendes fahrzeug |
| CN109243181A (zh) * | 2018-09-21 | 2019-01-18 | 深圳市轱辘汽车维修技术有限公司 | 交通事故预警方法、装置、终端设备及存储介质 |
| CN110364008A (zh) * | 2019-08-16 | 2019-10-22 | 腾讯科技（深圳）有限公司 | 路况确定方法、装置、计算机设备和存储介质 |
| JP2019192201A (ja) * | 2018-04-19 | 2019-10-31 | クラウドワークス インコーポレイテッドＣｒｏｗｄＷｏｒｋｓ， Ｉｎｃ． | 自律走行のための学習対象イメージ抽出装置及び方法 |
| CN110942000A (zh) * | 2019-11-13 | 2020-03-31 | 南京理工大学 | 一种基于深度学习的无人驾驶车辆目标检测方法 |
| DE102019007001A1 (de) * | 2018-10-15 | 2020-04-16 | Mitsubishi Heavy lndustries, Ltd. | FAHRZEUGBILDVERARBEITUNGSVORRICHTUNG, FAHRZEUGBILDVERARBEITUNGSVERFAHREN, PROGRAMM und SPEICHERMEDIUM |
| CN111539280A (zh) * | 2020-04-15 | 2020-08-14 | 深圳一清创新科技有限公司 | 基于自动驾驶技术的路面清扫方法、装置和计算机设备 |
| DE102019206582A1 (de) * | 2019-05-08 | 2020-11-12 | Zf Friedrichshafen Ag | Vorrichtung, System, Verfahren und Computerprogram zur Geschwindigkeitsregelung eines Fahrzeugs |
| CN112489067A (zh) * | 2020-12-04 | 2021-03-12 | 合肥工业大学 | 一种清扫车控制方法和采用该控制方法作业的清扫车 |
| CN113147791A (zh) * | 2021-05-11 | 2021-07-23 | 银隆新能源股份有限公司 | 车辆的控制方法及装置、自动驾驶车辆 |
| WO2021180670A1 (de) * | 2020-03-09 | 2021-09-16 | Zf Cv Systems Global Gmbh | Verfahren zum ermitteln einer objekt-information zu einem objekt in einer fahrzeugumgebung, steuereinheit und fahrzeug |
| CN114119434A (zh) * | 2021-12-02 | 2022-03-01 | 东风悦享科技有限公司 | 一种基于图像分析的清扫工具自动转换方法、系统 |
| CN114103994A (zh) * | 2021-11-19 | 2022-03-01 | 庆铃汽车（集团）有限公司 | 基于车辆自动清扫路面的控制方法、装置、设备及车辆 |
| CN114991056A (zh) * | 2022-06-10 | 2022-09-02 | 城市之光(深圳)无人驾驶有限公司 | 一种无人驾驶垃圾自动清扫车 |
| CN115018801A (zh) * | 2022-06-15 | 2022-09-06 | 湖南湘江智车出行科技有限公司 | 一种道路清洁度检测方法以及智能清扫方法 |
| CN115131957A (zh) * | 2021-03-19 | 2022-09-30 | 三一汽车制造有限公司 | 路况预警方法及装置 |
| CN115170467A (zh) * | 2022-05-17 | 2022-10-11 | 昭通亮风台信息科技有限公司 | 基于多光谱行人检测与车速检测的交通指示方法及系统 |
| CN115280235A (zh) * | 2020-03-09 | 2022-11-01 | 采埃孚商用车系统全球有限公司 | 用于获知与车辆周边环境中的对象有关的对象信息的方法、控制单元和车辆 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9145116B2 (en) * | 2013-12-04 | 2015-09-29 | Mobileye Vision Technologies Ltd. | Systems and methods for implementing a multi-segment braking profile for a vehicle |
| US11557132B2 (en) * | 2020-10-19 | 2023-01-17 | Here Global B.V. | Lane marking |
-
2022
- 2022-12-07 CN CN202211561713.6A patent/CN115719325B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105632202A (zh) * | 2014-10-30 | 2016-06-01 | 唐国桥 | 一种实时速度调整引导方法及导航软件 |
| DE102018206416A1 (de) * | 2017-04-26 | 2018-10-31 | Iplab Inc. | Unbemanntes fahrsystem, fahrzeugtarifberechnungsserver und verfahren für ein unbemannt fahrendes fahrzeug |
| JP2019192201A (ja) * | 2018-04-19 | 2019-10-31 | クラウドワークス インコーポレイテッドＣｒｏｗｄＷｏｒｋｓ， Ｉｎｃ． | 自律走行のための学習対象イメージ抽出装置及び方法 |
| CN109243181A (zh) * | 2018-09-21 | 2019-01-18 | 深圳市轱辘汽车维修技术有限公司 | 交通事故预警方法、装置、终端设备及存储介质 |
| DE102019007001A1 (de) * | 2018-10-15 | 2020-04-16 | Mitsubishi Heavy lndustries, Ltd. | FAHRZEUGBILDVERARBEITUNGSVORRICHTUNG, FAHRZEUGBILDVERARBEITUNGSVERFAHREN, PROGRAMM und SPEICHERMEDIUM |
| DE102019206582A1 (de) * | 2019-05-08 | 2020-11-12 | Zf Friedrichshafen Ag | Vorrichtung, System, Verfahren und Computerprogram zur Geschwindigkeitsregelung eines Fahrzeugs |
| CN110364008A (zh) * | 2019-08-16 | 2019-10-22 | 腾讯科技（深圳）有限公司 | 路况确定方法、装置、计算机设备和存储介质 |
| CN110942000A (zh) * | 2019-11-13 | 2020-03-31 | 南京理工大学 | 一种基于深度学习的无人驾驶车辆目标检测方法 |
| WO2021180670A1 (de) * | 2020-03-09 | 2021-09-16 | Zf Cv Systems Global Gmbh | Verfahren zum ermitteln einer objekt-information zu einem objekt in einer fahrzeugumgebung, steuereinheit und fahrzeug |
| CN115280235A (zh) * | 2020-03-09 | 2022-11-01 | 采埃孚商用车系统全球有限公司 | 用于获知与车辆周边环境中的对象有关的对象信息的方法、控制单元和车辆 |
| CN111539280A (zh) * | 2020-04-15 | 2020-08-14 | 深圳一清创新科技有限公司 | 基于自动驾驶技术的路面清扫方法、装置和计算机设备 |
| CN112489067A (zh) * | 2020-12-04 | 2021-03-12 | 合肥工业大学 | 一种清扫车控制方法和采用该控制方法作业的清扫车 |
| CN115131957A (zh) * | 2021-03-19 | 2022-09-30 | 三一汽车制造有限公司 | 路况预警方法及装置 |
| CN113147791A (zh) * | 2021-05-11 | 2021-07-23 | 银隆新能源股份有限公司 | 车辆的控制方法及装置、自动驾驶车辆 |
| CN114103994A (zh) * | 2021-11-19 | 2022-03-01 | 庆铃汽车（集团）有限公司 | 基于车辆自动清扫路面的控制方法、装置、设备及车辆 |
| CN114119434A (zh) * | 2021-12-02 | 2022-03-01 | 东风悦享科技有限公司 | 一种基于图像分析的清扫工具自动转换方法、系统 |
| CN115170467A (zh) * | 2022-05-17 | 2022-10-11 | 昭通亮风台信息科技有限公司 | 基于多光谱行人检测与车速检测的交通指示方法及系统 |
| CN114991056A (zh) * | 2022-06-10 | 2022-09-02 | 城市之光(深圳)无人驾驶有限公司 | 一种无人驾驶垃圾自动清扫车 |
| CN115018801A (zh) * | 2022-06-15 | 2022-09-06 | 湖南湘江智车出行科技有限公司 | 一种道路清洁度检测方法以及智能清扫方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于无人驾驶技术的图像处理;周呈;陈忠位;金鑫;秦海鹏;;信息化研究(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115719325A (zh) | 2023-02-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109271858B (zh) | 一种基于行车轨迹和视觉车道边线数据的路口识别方法及系统 | |
| EP1354767B1 (en) | Vehicle surroundings monitoring apparatus and vehicle traveling control system incorporating the apparatus | |
| JP4327389B2 (ja) | 走行レーン認識装置 | |
| US7184073B2 (en) | System and method for warning drivers based on road curvature | |
| EP1981748B1 (en) | System for measuring speed of a train | |
| CN111308499A (zh) | 一种基于多线激光雷达的障碍物检测方法 | |
| CN111194459B (zh) | 自动驾驶功能部件的评估和在不同处理阶段中的道路识别 | |
| CN108528478B (zh) | 轨道交通状况的识别方法和装置 | |
| CN103731652A (zh) | 移动面分界线认知装置和方法、以及移动体设备控制系统 | |
| CN113255520A (zh) | 基于双目视觉和深度学习的车辆避障方法与电子设备 | |
| CN109477728A (zh) | 用于确定车辆相对于路面的车道的横向位置的方法、装置和带有指令的计算机可读存储介质 | |
| CN114808649B (zh) | 基于视觉系统控制的公路划线方法 | |
| CN110488825A (zh) | 一种自动驾驶的匝道口识别方法及车辆 | |
| CN111931547B (zh) | 行车车线识别装置、行车车线识别方法以及计算机存储介质 | |
| JP5522475B2 (ja) | ナビゲーション装置 | |
| CN113791414B (zh) | 一种基于毫米波车载雷达视图的场景识别方法 | |
| GB2577949A (en) | Method, device and computer-readable storage medium with instructions for determining the lateral position of a vehicle relative to the lanes of a road | |
| CN105444741A (zh) | 基于双视野窗口的路径特征识别、偏差测量与精确定位方法 | |
| CN115719325B (zh) | 基于无人驾驶的路况图像处理系统 | |
| CN113771573B (zh) | 一种基于识别路面信息的车辆悬架控制方法及装置 | |
| CN113155144B (zh) | 一种基于高精地图实时路况建模的自动驾驶方法 | |
| CN113237488A (zh) | 一种基于双目视觉和寻路缘技术的导航系统及导航方法 | |
| JP4003586B2 (ja) | 車間距離計測装置 | |
| JPH07296291A (ja) | 車両用走行路検出装置 | |
| CN112985425A (zh) | 基于异构感知数据融合的车辆定位方法、装置及系统 |
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 |