ADAS可行駛區(qū)域道路積水反光區(qū)域的識(shí)別算法

Water
logging area reflecting recognition algorithm for ADAS

1. 工程概要

1.1
概述：

隨著社會(huì)的發(fā)展和技術(shù)的進(jìn)步，傳統(tǒng)上遠(yuǎn)、近光燈機(jī)械、定向轉(zhuǎn)變的前照燈，已經(jīng)無(wú)法滿足人們?nèi)找嬖鲩L(zhǎng)的形式安全需要，于是更為智能高效車燈應(yīng)運(yùn)而生。未來(lái)的車燈能根據(jù)周邊環(huán)境和環(huán)境的光源變化調(diào)整自身的配光方式，提供更大的照明范圍和照明距離，同時(shí)也能改善傳統(tǒng)前照燈的照明死角，因此可以顯著提高行車安全性和駕駛舒適性。

尤其在下雨天，路面交通情況要比晴天情況復(fù)雜很多。如果車前方有積水，且本車燈光的照射會(huì)使對(duì)向來(lái)車產(chǎn)生炫目的積水區(qū)域，會(huì)給駕駛員帶來(lái)一定的風(fēng)險(xiǎn)。因此，智能化車燈需要檢測(cè)積水的反光區(qū)域，并采取措施。

2. 研究目標(biāo)

在汽車行駛過(guò)程中，道路上不僅僅遠(yuǎn)光會(huì)對(duì)駕駛員的眼睛形成炫目，雨天積水受到其他光源的照射形成強(qiáng)烈的反射光也會(huì)對(duì)駕駛員的形成強(qiáng)烈的炫目。不僅如此由于路面上通常會(huì)有多種光源，分別有主動(dòng)光源和被動(dòng)光源，并且積水的區(qū)域主要出于地面，因此我們需要處理圖像識(shí)別出哪些是道路哪些是非道路區(qū)域，在道路的區(qū)域中再識(shí)別主動(dòng)光源和被動(dòng)光源。

因此本文旨在實(shí)時(shí)檢測(cè)前方路面信息，通過(guò)特征檢測(cè)，確定積水區(qū)域的中心位置信息，并檢測(cè)積水區(qū)域的面積區(qū)域。視覺(jué)感知模塊通過(guò)積水區(qū)域的位置信息，由大燈實(shí)現(xiàn)對(duì)積水區(qū)域的實(shí)時(shí)的自適應(yīng)反光弱化控制，防止積水區(qū)域強(qiáng)烈的反光對(duì)來(lái)車駕駛員造成眩目。

3. 研究范圍定義

• 各種路面上積水反射光的檢測(cè)。

• 路面上的主動(dòng)光源和被動(dòng)光源的檢測(cè)。

• 反射光的強(qiáng)度和反射光區(qū)域的檢測(cè)。

• 對(duì)下雨天、天陰以及各種復(fù)雜路況下，路面上積水反射光的多場(chǎng)景識(shí)別。

4. 產(chǎn)品要求

4.1綜述

運(yùn)用圖像模式識(shí)別技術(shù)進(jìn)行濕滑路判別已經(jīng)成為不利天氣下道路交通安全保障技術(shù)研究的熱點(diǎn)。通過(guò)圖像的處理和深度學(xué)習(xí)，我們能夠獲得路面輪廓，亮度和像素來(lái)判斷復(fù)雜路面上的路況，并進(jìn)行識(shí)別和判斷。

開(kāi)發(fā)基于Gauss濾波、canny邊緣檢測(cè)，識(shí)別路面區(qū)域，識(shí)別主動(dòng)和被動(dòng)光源。通過(guò)反射光的強(qiáng)度確定反射源的位置和坐標(biāo)以及積水區(qū)域的長(zhǎng)寬高。開(kāi)發(fā)目標(biāo)能夠在多場(chǎng)景下能夠識(shí)別路面的積水的反射光情況，并能保證程序的實(shí)時(shí)性和魯棒性。

4.2 技術(shù)開(kāi)發(fā)方案

1）圖像裁剪：通過(guò)設(shè)定圖像ROI區(qū)域，拷貝圖像獲得裁剪圖像。

2）圖像二值化：就是將圖像上的像素點(diǎn)的灰度值設(shè)置為0或255，也就是將整個(gè)圖像呈現(xiàn)出明顯的黑白效果的過(guò)程。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，圖像的二值化使圖像中數(shù)據(jù)量大為減少，從而能凸顯出目標(biāo)的輪廓。

3）形態(tài)學(xué)濾波：數(shù)字圖像處理中的形態(tài)學(xué)處理是指將數(shù)字形態(tài)學(xué)作為工具從圖像中提取對(duì)于表達(dá)和描繪區(qū)域形狀有用處的圖像分量，比如邊界、骨架以及凸殼，還包括用于預(yù)處理或后處理的形態(tài)學(xué)過(guò)濾、細(xì)化和修剪等。圖像形態(tài)學(xué)處理中我們感興趣的主要是二值圖像。

4）Canny邊緣檢測(cè)：Canny邊緣檢測(cè)算子是John F. Canny于1986年開(kāi)發(fā)出來(lái)的一個(gè)多級(jí)邊緣檢測(cè)算法。Canny的目標(biāo)是找到一個(gè)最優(yōu)的邊緣檢測(cè)算法，最優(yōu)邊緣檢測(cè)的含義，如下所示：

（A）最優(yōu)檢測(cè)：算法能夠盡可能多地標(biāo)識(shí)出圖像中的實(shí)際邊緣，漏檢真實(shí)邊緣的概率和誤檢非邊緣的概率都盡可能小；

（B）最優(yōu)定位準(zhǔn)則：檢測(cè)到的邊緣點(diǎn)的位置距離實(shí)際邊緣點(diǎn)的位置最近，或者是由于噪聲影響引起檢測(cè)出的邊緣偏離物體的真實(shí)邊緣的程度最小；

（C）檢測(cè)點(diǎn)與邊緣點(diǎn)一一對(duì)應(yīng)：算子檢測(cè)的邊緣點(diǎn)與實(shí)際邊緣點(diǎn)應(yīng)該是一一對(duì)應(yīng)。

道路交通場(chǎng)景光源來(lái)源復(fù)雜，積水的反射區(qū)域主要來(lái)自于路面，因此，我們需要定反射光源路面的反射區(qū)域。通過(guò)路面的識(shí)別，我們可以通過(guò)路面色彩和表面的紋理來(lái)識(shí)別路面的，并進(jìn)行邊緣區(qū)域的提取。

5）道路顏色特征的提取

公路路面的材質(zhì)主要是柏油路面，因此可以根據(jù)觀察路面的顏色，提取各種路面狀態(tài)下的顏色特征值進(jìn)行路面種類的識(shí)別。在機(jī)器視覺(jué)中，常用的顏色模型可以分為RGB模型，HIS模型以及HSV模型。由于每個(gè)模型都有大量的數(shù)據(jù)，我們可以用主成分分析來(lái)將數(shù)據(jù)降維，從而來(lái)減少計(jì)算量。

6)道路紋理特征提取

由于路面狀態(tài)受地面層的溫度和濕度以及大氣等多方面的影響，單單通過(guò)色彩可能無(wú)法準(zhǔn)確獲得路面區(qū)域。因此，我們可以通過(guò)獲取路面圖像的紋理來(lái)進(jìn)行路面的識(shí)別。目前對(duì)路面紋理提取的方法主要有：灰度共生矩陣，Gabor小波變換燈方法。

灰度共生矩陣：

灰度共生矩陣，指的是一種通過(guò)研究灰度的空間相關(guān)特性來(lái)描述紋理的常用方法。 1973年Haralick等人提出了用灰度共生矩陣來(lái)描述紋理特征。由于紋理是由灰度分布在空間位置上反復(fù)出現(xiàn)而形成的，因而在圖像空間中相隔某距離的兩像素之間會(huì)存在一定的灰度關(guān)系，即圖像中灰度的空間相關(guān)特性。

直覺(jué)上來(lái)說(shuō)，如果圖像的是由具有相似灰度值的像素塊構(gòu)成，則灰度共生矩陣的對(duì)角元素會(huì)有比較大的值；如果圖像像素灰度值在局部有變化，那么偏離對(duì)角線的元素會(huì)有比較大的值。通常可以用一些標(biāo)量來(lái)表征灰度共生矩陣的特征，例如，對(duì)比度，能量，相關(guān)性，熵等參數(shù)。

Gabor小波變換燈方法：

Gabor濾波方法的主要思想是：不同紋理一般具有不同的中心頻率及帶寬，根據(jù)這些頻率和帶寬可以設(shè)計(jì)一組Gabor濾波器對(duì)紋理圖像進(jìn)行濾波，每個(gè)Gabor濾波器只允許與其頻率相對(duì)應(yīng)的紋理順利通過(guò)，而使其他紋理的能量受到抑制，從各濾波器的輸出結(jié)果中分析和提取紋理特征，用于之后的分類或分割任務(wù)。Gabor濾波器提取紋理特征主要包括兩個(gè)過(guò)程：①設(shè)計(jì)濾波器(例如函數(shù)、數(shù)目、方向和間隔)；②從濾波器的輸出結(jié)果中提取有效紋理特征集。

7)被動(dòng)光源和主動(dòng)光源檢測(cè)

在路面上會(huì)有主動(dòng)光源和被動(dòng)光源，因此，我們需要判別主動(dòng)光源和被動(dòng)光源的差異來(lái)進(jìn)行分類。

夜間路面的反光主要來(lái)源于車燈。車燈往往是高色溫高亮度的光源，反射光源和主動(dòng)光源的光照特性不同，因此我們需要找到光源不同的特點(diǎn)并進(jìn)行篩選主動(dòng)光源和被動(dòng)光源的。

8)自適應(yīng)的灰度調(diào)整

由于路面上會(huì)有不同的亮度情況，因此我們需要實(shí)現(xiàn)自適應(yīng)的圖片二值化算法。在不同的亮度工況下，我們可以通過(guò)獲得不同亮度區(qū)域。

5. 性能指標(biāo)

1)識(shí)別路面積水區(qū)域,并能夠給出積水區(qū)域的中心點(diǎn)物理坐標(biāo)（x,y,z）

2)積水區(qū)域的等效矩形長(zhǎng)、寬（或等效不規(guī)則圖形的各個(gè)邊長(zhǎng)參數(shù)）

3)最小識(shí)別距離（積水區(qū)域下邊緣距離本車的最小縱向距離）：45m（即本車以80km/h行駛，至少能提前2秒識(shí)別到積水區(qū)域）

4）能夠給出識(shí)別最大積水區(qū)域識(shí)別面積的大小（即攝像頭能識(shí)別的最大的積水區(qū)域面積）。

總結(jié)

以上是生活随笔為你收集整理的ADAS可行驶区域道路积水反光区域的识别算法的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。