一种抗阴影干扰的路面状态在线检测方法与流程

技术特征：
1.一种抗阴影干扰的路面状态在线检测方法，其特征在于，包括以下步骤：s1、收集不同场景工况下的路面图像及路面阴影图像历史数据，通过离线训练，分别得到路面区域分割模型、路面阴影检测模型和路面状态分类模型；s2、获取实际路面图像，基于路面区域分割模型、路面阴影检测模型和路面状态分类模型，得到该实际路面图像对应的路面状态检测结果。2.根据权利要求1所述的一种抗阴影干扰的路面状态在线检测方法，其特征在于，所述步骤s1具体包括以下步骤：s11、收集不同场景工况下的路面图像，并在各路面图像上对应标注路面区域和非路面区域，以建立路面区域分割训练数据集，利用路面区域分割训练数据集对第一神经网络进行端到端的训练，得到训练完成的路面区域分割模型；s12、收集不同场景工况下的路面阴影图像，并在各阴影图像上标注阴影区域和非阴影区域，以建立阴影检测训练数据集，利用阴影检测训练数据集对第二神经网络进行端到端的训练，得到训练完成的路面阴影检测模型；s13、对收集的路面图像标注真实的路面状态类型，将已标注路面状态类型的路面图像依次输入训练完成的路面区域分割模型与路面阴影检测模型，得到无阴影覆盖的路面区域图像；从无阴影覆盖的路面区域图像中提取出路面区域，以建立路面状态分类训练数据集，利用路面状态分类训练数据集对第三神经网络进行端到端的训练，得到训练完成的路面状态分类模型。3.根据权利要求2所述的一种抗阴影干扰的路面状态在线检测方法，其特征在于，所述步骤s11在各路面图像上对应标注路面区域和非路面区域的具体过程为：将路面图像中非路面区域像素点的值设置为0、路面区域像素点的值设置为255，并对非路面区域和路面区域进行图像二值化处理，以区分标注。4.根据权利要求2所述的一种抗阴影干扰的路面状态在线检测方法，其特征在于，所述步骤s12在各阴影图像上标注阴影区域和非阴影区域的具体过程为：将非阴影区域像素点的值设置为0、阴影区域像素点的值设置为255。5.根据权利要求1所述的一种抗阴影干扰的路面状态在线检测方法，其特征在于，所述步骤s2具体包括以下步骤：s21、获取车辆行驶过程中前方的实际路面图像；s22、将获取的实际路面图像输入路面区域分割模型与路面阴影检测模型，并融合输出结果，将该实际路面图像分割为无阴影覆盖的候选路面区域和非候选路面区域；s23、提取分割完成路面图像中的候选路面区域网格，得到路面分类数据集，将路面分类数据集输入路面状态分类模型，得到每个网格的路面状态类型置信度；s24、将每个网格的路面状态类型置信度进行融合，得到不同路面状态类型融合后的置信度，选取数值最大的融合置信度对应的路面状态类型，并根据延迟时间进行时空同步处理，以得到当前车辆即将历经的路面状态类型。6.根据权利要求5所述的一种抗阴影干扰的路面状态在线检测方法，其特征在于，所述步骤s23中提取分割完成路面图像中候选路面区域网格的具体过程为：s231：利用网格对分割完成的路面图像进行划分，其中，网格的初始尺寸为m1，a<m1<b，a
和b均小于路面图像的最小尺寸；s232：若每个网格四个角点处的像素值均为255，则判断该网格为候选路面区域，否则判断该网格为非候选路面区域；s233：统计被判定为路面区域的网格个数，若统计的网格个数大于设定阈值个数，则结束当前提取路面区域网格的处理过程，否则按照预设的步长减小网格尺寸，返回执行步骤s231，直至网格尺寸被调整为a。7.根据权利要求1～6任一所述的一种抗阴影干扰的路面状态在线检测方法，其特征在于，所述路面状态类型包括干燥路面、湿滑路面和冰雪路面。8.根据权利要求7所述的一种抗阴影干扰的路面状态在线检测方法，其特征在于，所述步骤s24中将每个网格的路面状态类型执行度进行融合的具体过程为：s241、将当前干燥路面、湿滑路面和冰雪路面各路面状态类型的证据权重分别设置为w
dry
、w
wet
、w
snow
，其中，w
dry
、w
wet
、w
snow
的取值范围均为0～1，并根据权重更新策略进行更新；s242、基于更新后的各路面状态类型权重，构造每个候选区域网格的路面状态类型基本概率分配函数；s243、融合每个候选区域网格的路面状态类型基本概率分配函数，分别得到干燥沥青路面、湿滑沥青路面和冰雪沥青路面等路面状态类型的融合置信度。9.根据权利要求8所述的一种抗阴影干扰的路面状态在线检测方法，其特征在于，所述权重更新策略具体为：α＝k
·
nnnn其中，α为权重更新因子，k为权重更新速率常数，n为分割出的候选路面区域总网格数，n
r
为分类所得最大置信度为第r种路面类型的网格数，为当前帧第r种路面状态类型的第一中间变量，为上一帧第r种路面状态类型的第一中间变量，为当前帧第r种路面状态类型的第二中间变量，为上一帧的第r种路面状态类型权重，e为自然常数，为更新后的第r种状态类型权重；所述基本概率分配函数具体为：
其中，w
dry
、w
wet
、w
snow
分别为干燥沥青路面、湿滑沥青路面和冰雪沥青路面等路面状态类型权重，p
ir
为分类所得最大置信度为干燥沥青路面的网格中第r种路面状态类型对应的置信度，为分类所得最大置信度为湿滑沥青路面的网格中第r种路面状态类型对应的置信度，为步骤分类所得最大置信度为冰雪沥青路面的网格中第r种路面状态类型对应的置信度，n
dry
、n
wet
、n
snow
分类所得最大置信度为干燥沥青路面、湿滑沥青路面、冰雪沥青路面对应的网格数，为第r种路面状态类型的基本分配函数临时中间变量，为构造的第r种路面状态类型的基本概率分配函数；所述融合策略具体为：所述融合策略具体为：其中，m
n
(r
n
)为第n个网格中第r种路面状态类型的基本概率分配函数，m(r)为融合后的第r种路面状态类型的基本概率分配函数。10.根据权利要求5所述的一种抗阴影干扰的路面状态在线检测方法，其特征在于，所述步骤s24中延迟时间具体为：述步骤s24中延迟时间具体为：其中，l0为车辆轴距，l1和l2为预瞄距离，其分别表示车载摄像头拍摄中心点到前车轮连线的距离和到后车轮连线的距离，车速v
x
在估计过程中随距离变化，δt1、δt2为图像处理时间，t1为前车轮获得路面状态检测结果的延迟时间，t2为后车轮获得路面状态检测结果的延迟时间。

技术总结
本发明涉及一种抗阴影干扰的路面状态在线检测方法，包括：收集不同场景工况下的路面图像及路面阴影图像历史数据，通过离线训练，分别得到路面区域分割模型、路面阴影检测模型和路面状态分类模型；获取实际路面图像，基于路面区域分割模型、路面阴影检测模型和路面状态分类模型，得到该实际路面图像对应的路面状态检测结果。与现有技术相比，本发明不依赖车辆激励状态，且不受路面阴影干扰，能够对车辆当前行驶道路的路面状态进行准确可靠的检测。当前行驶道路的路面状态进行准确可靠的检测。当前行驶道路的路面状态进行准确可靠的检测。


技术研发人员：田成 冷搏 金达 熊璐
受保护的技术使用者：同济大学
技术研发日：2021.07.09
技术公布日：2021/10/23