一种用于辅助驾驶的车外环境视觉检测方法及装置与流程

技术特征：
1.一种用于辅助驾驶的车外环境视觉检测方法，其特征在于，所述方法包括：获取描述车辆状态的原始数据组成集合；其中，所述集合包括多个元素，每个元素为离散图像，所述离散图像按照时间形成序列，每张离散图像由三个通道组成，每个通道表示为一个二维矩阵；对所述集合中的每张离散图像进行规范化，以使每张离散图像的值映射到在固定范围内，获得规范化后的离散图像；根据图像的灰度能量分布，计算每张规范化后的离散图像的能量梯度；将每张离散图像的能量梯度作为训练后的神经网络模型的输入，以使所述神经网络模型对每张离散图像的能量梯度进行特征提取以及检测，获得所述神经网络模型输出的多个或者多组控制变量；其中，所述神经网络模型各个隐藏层的卷积窗口结构和卷积方向不同，所述神经网络模型的卷积层的激励函数为线性函数，所述控制变量对应被控设备；根据所述控制变量的数值与阈值的大小关系，控制所述控制变量对应的被控设备执行相应的操作。2.根据权利要求1所述的车外环境视觉检测方法，其特征在于，所述对所述集合中的每张离散图像进行规范化，以使每张离散图像的值映射到在固定范围内包括：使用第一规范化公式对每张离散图像中每个通道的二维矩阵进行规范化，以使每张离散图像的值映射到在固定范围内；其中，第一规范化公式为：其中，i
t
(
·
，
·
，c)表示每个通道的二维矩阵，表示规范化后的每个通道的二维矩阵，mean表示矩阵i
t
(
·
，
·
，c)的均值，std为标准差，c＝{red，green，blue}表示离散图像中的三原色通道，i、j表示离散图像的二维空间坐标。3.根据权利要求1所述的车外环境视觉检测方法，其特征在于，所述根据图像的灰度能量分布计算每张规范化后的离散图像的能量梯度包括：将以二维矩阵的二维空间坐标为中心的矩形窗口设置在归一化后的离散图像中，将矩形窗口所在区域的像素点按照像素值进行排序，确定中位像素值；针对每张规范化的离散图像的每个通道，计算该通道的每个像素值与所述中位像素值的偏差，确定差值最大的像素值；将差值最大的像素值确定为离散图像该空间位置上的能量梯度。4.根据权利要求3所述的车外环境视觉检测方法，其特征在于，所述能量梯度表示为：其中，表示能量梯度，i(i，j，c)表示规范后的离散图像，c＝{red，green，blue}表示图像中的三原色通道，i、j表示图像的二维空间坐标，median(w
ij
(u，v))表示中位像素值，w
ij
(u，v)表示二维矩阵中以(i，j)为中心、(u，v)为高和宽的一个矩形窗口。
5.根据权利要求1所述的车外环境视觉检测方法，其特征在于，所述训练后的神经网络模型通过如下步骤得到：设置每个隐藏层的卷积窗口尺寸，以使各个隐藏层的卷积窗口结构以及卷积方向不同；将输入层、卷积层以及输出层中的神经元依次，从而构建初始神经网络模型；获取训练数据集；其中，所述训练数据集包括多个样本，一个样本包括离散图像能量梯度以及人工标注的该梯度能量对应的被控设备的标号；将每个样本输入所述初始神经网络中，将梯度能量对应的被控设备的标号所对应的控制变量作为学习目标，迭代训练所述初始神经网络模型，直至达到学习目标或者达到迭代次数；将达到学习目标或者达到迭代次数的初始神经网络，作为训练后的神经网络模型。6.根据权利要求1所述的车外环境视觉检测方法，其特征在于，所述激励函数为：其中，x表示输入，α表示使函数在x＝0点处产生一个不连续断点，r表示实数集。7.根据权利要求1所述的车外环境视觉检测方法，其特征在于，所述固定范围为[0，1]，所述控制变量的取值位于[0，1]之间。8.根据权利要求7所述的车外环境视觉检测方法，其特征在于，所述按照所述控制变量的数值，控制所述控制变量对应的被控设备执行相应的操作包括：当控制变量的取值大于阈值时，控制该控制变量对应的被控设备开启；当控制变量的取值不大于阈值时，控制该控制变量对应的被控设备关闭。9.根据权利要求1所述的车外环境视觉检测方法，其特征在于，所述被控制备包括：灯光类设备、空调类设备以及制动类设备。10.一种基于双模神经网络模型的驾驶环境评估装置，其特征在于，所述装置包括：获取模块，用于获取描述车辆状态的原始数据组成集合；其中，所述集合包括多个元素，每个元素为离散图像，所述离散图像按照时间形成序列，每张离散图像由三个通道组成，每个通道表示为一个二维矩阵；规范模块，用于对所述集合中的每张离散图像进行规范化，以使每张离散图像的值映射到在固定范围内，获得规范化后的离散图像；计算模块，用于根据图像的灰度能量分布，计算每张规范化后的离散图像的能量梯度；检测模块，用于将每张离散图像的能量梯度作为训练后的神经网络模型的输入，以使所述神经网络模型对每张离散图像的能量梯度进行特征提取以及检测，获得所述神经网络模型输出的多个或者多组控制变量；其中，所述神经网络模型各个隐藏层的卷积窗口结构和卷积方向不同，所述神经网络模型的卷积层的激励函数为线性函数，所述控制变量对应被控设备；控制模块，用于根据所述控制变量的数值与阈值的大小关系，控制所述控制变量对应的被控设备执行相应的操作。

技术总结
本发明提供的一种用于辅助驾驶的车外环境视觉检测方法及装置，通过图像采集设备采集描述车辆状态的图像，通过对离散图像进行规范化处理，在计算规范化后的离散图像的能量梯度之后输入神经网络模型，可以克服灰度加权平均带来的信息弱化，能够更好的保留彩色图像局部通道的特征信息。设计多隐藏层的卷积窗口，使得神经网络模型的全向卷积窗口组合，从而检测各个方向各种形态的特征，并设计非线性函数作为神经网络模型的激励函数，改善神经网络模型的检测能力，输出控制变量，实现对多个被控制备的智能辅助控制。本发明可以降低辅助驾驶系统所需要的外部传感器数量，减轻辅助驾驶系统的载荷，降低系统复杂度。降低系统复杂度。降低系统复杂度。


技术研发人员：李松 李玉 刘近平
受保护的技术使用者：安阳工学院
技术研发日：2021.07.02
技术公布日：2021/10/23