买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】机动车驾驶视觉增强系统_东南大学_201811403887.3 

申请/专利权人:东南大学

申请日:2018-11-23

公开(公告)日:2021-07-23

公开(公告)号:CN109584176B

主分类号:G06T5/00(20060101)

分类号:G06T5/00(20060101);G06K9/62(20060101)

优先权:

专利状态码:有效-授权

法律状态:2021.07.23#授权;2019.04.30#实质审查的生效;2019.04.05#公开

摘要:本发明公开了一种机动车驾驶视觉增强系统。机动车驾驶视觉增强系统,其特征在于:包括基于改进的暗原色先验算法的雾霾天驾驶视觉增强设备和基于K‑means聚类算法的雨天驾驶视觉增强设备。所述的改进的暗原色先验算法用于处理雾天驾驶时的交通视频图像,使其更加清晰。所述的K‑means聚类算法用于处理雾天驾驶时的交通视频图像,使其更加清晰。所述的驾驶视觉增强设备包括设置于车外的雾霾传感器、雨滴传感器、摄像头模块、车灯模块,以及设置于车内的主控模块和显示装置。本发明可提高驾驶员雨雾天驾驶前方视野的清晰度,在行车过程避免了因视线不清导致的车辆刮擦甚至相撞事故,提高机动车驾驶员雨雾天行驶安全性。

主权项:1.机动车驾驶视觉增强系统,其特征在于,所述机动车驾驶视觉增强系统包括基于改进的暗原色先验算法的雾霾天驾驶视觉增强系统和基于K-means聚类算法的雨天驾驶视觉增强系统,所述基于改进的暗原色先验算法的雾霾天驾驶视觉增强系统的改进的暗原色先验算法用于处理雾天驾驶时的交通视频图像,所述基于K-means聚类算法的雨天驾驶视觉增强系统的K-means聚类算法用于处理雨天驾驶时的交通视频图像,所述机动车驾驶视觉增强系统配套驾驶视觉增强设备,所述驾驶视觉增强设备包括设置于车外的雾霾传感器、雨滴传感器、摄像头模块、车灯模块,以及设置于车内的主控模块和显示装置,所述雾霾传感器设置在汽车主体前侧玻璃的下方,所述摄像头模块设置在汽车主体前侧玻璃的上方,所述雨滴传感器设置在汽车主体顶部,所述车灯模块有两个分别设置汽车主体两侧车灯前方车灯内,所述雾霾传感器用于检测雾天天气,所述雨滴传感器用于检测雨天天气,所述的主控模块负责数据的采集、报警装置的开启和雾灯前灯的控制;所述改进的暗原色先验算法,通过估测透射率分布,利用泊松抠图算法得到精细透射率,复原物体光线来处理视频图像,最终实现对驾驶视觉的增强效果,具体步骤如下:步骤一:估测透射率;在计算机视觉中,含雾图像模型如下:Ix=Jxtx+A1-tx其中,Ix待去雾图像,Jx是待恢复的无雾图像,A是大气光成分,tx为透射率;根据暗原色先验理论,无雾图像的暗原色总是灰暗的,含雾图像的暗原色具有较高的强度值,假设在每一个图像窗口内透射率tx为常数,对上式进行两次最小值处理得到下式: 上式中,J是待求的无雾图像根据暗原色先验理论有: 上式中;故: 迭代可得: 是透射率tx的预估值,因为空气存在颗粒,故需要对进行修正,因此需要在式中引入一个在[0,1]之间的系数ω,则上式可修正为: 步骤二:完善透射率分布函数雾图像形成模型方程和计算机图形上的抠图方程在形式上相似,透射率的分布其实就是阿尔法的分布,因此,应用了泊松抠图算法来完善透射率分布函数,对含雾图像模型进行取偏导数处理,可得: 在背景光滑的情况下,相对于很小,故有: 根据泊松抠图算法原理,得到: 其中,△为拉普拉斯算子,div为散度算子,然后利用Gauss-Sidel迭代算法即可求取tx;步骤三:复原物体光线;首先从暗通道图中按照亮度的大小取前0.1%的像素,在这些位置中,在原始有雾图像I中寻找对应的具有最高亮度的点的值,作为A值;设置一阈值t0,当t值小于t0时,令t=t0,所有效果图均以t0=0.1为标准计算,最终的恢复公式如下: 所述K-means聚类算法是基于目标函数的K-means聚类方法,检测雨滴区域并去除,复原图像;所述雾霾传感器采用光学灰尘传感器,所述光学灰尘传感器型号为GP2Y1010AU0F,用于检测直径大于0.8μm灰尘颗粒浓度,并在检测浓度大于设定值时开启雾霾天视觉增强系统;所述主控模块采用TSM320DSP芯片搭载视频处理算法;所述显示装置采用7寸LCD显示屏通过DSP芯片与车载CCD摄像头连接,并显示图像去雾算法处理后的实时视频流;所述车灯模块通过CAN总线连接至控制主板。

全文数据:机动车驾驶视觉增强系统技术领域本发明涉及车辆安全驾驶技术领域,特别是涉及机动车驾驶视觉增强系统。背景技术机动车驾驶视觉增强系统是一种应用于道路驾驶过程中的图像处理系统。在雾霾天气下,户外物体呈现在驾驶员视野中的图像通常会因为大气中混浊的媒介比如固体颗粒,水汽等而降质,因为大气中的雾、霭、雨滴等吸收或散射光线造成此类现象。由于大气散射的程度和物体到人眼的距离有关,图像降质是随着空间变化的。人眼接收到物体反射过来的光线经过衰减。此外,眼睛得到的光线还混合有大气光经大气分子反射的周围环境的光线。所以雾天情况下驾驶员获取到的前方视野是降质图像,图像对比度下降,颜色失真。同时,雨滴会遮挡图像中的目标对象,使局部区域变得模糊。由于大气中的粒子对驾驶员视野清晰度造成了严重干扰,影响驾驶员判断和反映速度,导致运输速度降低,交通事故频发。因此对于驾驶员雨雾天驾驶视野影像的清晰化的研究具有重要意义。近年来随着计算机软硬件技术的不断发展,对雨雾天气下拍摄图像的景物影像进行清晰化处理已经成为可能。图像雨雾处理技术在视频监控、地形勘测、城市交通等相关的领域都有着广泛的运用,改善了雨雾天气对图像拍摄造成的发白、模糊、对比度低等问题。但该算法没有利用在驾驶过程中,可利用该技术结合相应的硬件设备,为驾驶员提供实时的清晰画面。目前对图像进行去雾处理主要采用暗原色先验去雾算法来实现,该算法是通过对大量的无雾图像观察得到的统计规律而获得的。暗原色先验去雾算法简洁有效,对各种类型的含雾图像都能达到一定程度的去雾效果。改进的暗原色先验算法更适用于驾驶过程中天空留白较多的情况,因此可将该算法应用到交通视频中。另外针对雨天天气,则基于视频中雨滴的时域特性和像素直方图的全局特性,借助K-means聚类算法,复原雨天图像。发明内容为了解决雨雾天驾驶员视野清晰度降低的问题,本发明提供一种机动车驾驶视觉增强系统,采用改进的暗原色先验算法处理雾天视频,更适用于处理交通驾驶过程中的捕获的图像,改善了视频去雾处理的效果。采用K-means聚类算法处理雨天图像,还原出清晰的雨天图像。同时将传感器技术与图像处理技术相融合,使得雨雾天气检测更加自动化,准确地完成系统的开启。系统可有效改善现阶段雨雾天气下道路驾驶领域的安全性问题,为达此目的,本发明提供一种机动车驾驶视觉增强系统,所述机动车驾驶视觉增强系统包括基于改进的暗原色先验算法的雾霾天驾驶视觉增强系统和基于K-means聚类算法的雨天驾驶视觉增强系统,所述改进的暗原色先验算法的雾霾天驾驶视觉增强系统的改进的暗原色先验算法用于处理雾天驾驶时的交通视频图像,所述基于K-means聚类算法的雨天驾驶视觉增强系统的K-means聚类算法用于处理雨天驾驶时的交通视频图像,所述机动车驾驶视觉增强系统配套驾驶视觉增强设备,所述驾驶视觉增强设备包括设置于车外的雾霾传感器、雨滴传感器、摄像头模块、车灯模块和设置于车内的主控模块和显示装置,所述雾霾传感器设置在汽车主体前侧玻璃的下方,所述摄像头模块设置在汽车主体前侧玻璃的上方,所述雨滴传感器设置在汽车主体顶部,所述车灯模块有两个分别设置汽车主体两侧车灯前方车灯内,所述雾霾传感器用于检测雾天天气,连接报警装置的开启和雾灯的开启控制,所述雨滴传感器用于检测雨天天气,连接报警装置的开启和前灯的开启控制。本发明的进一步改进,所述改进的暗原色先验算法,通过估测透射率分布,利用泊松抠图算法得到精细透射率,复原物体光线来处理视频图像,最终实现对驾驶视觉的增强效果,具体步骤如下:步骤一:估测透射率;在计算机视觉中,含雾图像模型如下:Ix=Jxtx+A1-tx其中,Ix待去雾图像,Jx是待恢复的无雾图像,A是大气光成分,tx为透射率;根据暗原色先验理论,无雾图像的暗原色总是灰暗的,含雾图像的暗原色具有较高的强度值,假设在每一个窗口内透射率tx为常数,对上式进行两次最小值处理可以得到下式:上式中,J是待求的无雾图像,暗原色先验理论有:故:迭代可得:这是透射率的预估值,因为空气存在颗粒,故需要对进行修正,在式中引入一个在[0,1]之间的系数,通过实验验证,该系数可取0.95,则上式可修正为:步骤二:完善透射率分布函数雾图像形成模型方程和计算机图形上的抠图方程在形式上相似,透射率的分布其实就是阿尔法的分布,因此,应用了泊松抠图算法来完善透射率分布函数,对含雾图像模型进行取偏导数处理,可得:在背景光滑的情况下,相对于很小,故有:根据泊松抠图算法原理,可以得到:其中,Δ为拉普拉斯算子,div为散度算子,然后利用Gauss-Sidel迭代算法即可求取tx;步骤三:复原物体光线;在实际中,可以借助于暗通道图来从有雾图像中得到A值,首先从暗通道图中按照亮度的大小取前0.1%的像素,在这些位置中,在原始有雾图像I中寻找对应的具有最高亮度的点的值,作为A值。到这一步,就可以进行无雾图像的恢复了;当投射图t的值很小时,会导致J的值偏大,从而使图像整体向白场过度,因此一般可设置一阈值T0,当t值小于T0时,令t=T0,所有效果图均以T0=0.1为标准计算,最终的恢复公式如下:本发明的进一步改进,通过估测透射率分布,利用导向滤波得到精细透射率图,复原物体光线处理视频图像中的非天空区域,利用直方图均值化算法处理天空区域。本发明的进一步改进,所述K-means聚类算法是基于目标函数的K-means聚类方法,检测雨滴区域并去除,复原图像。本发明的进一步改进,所述雾霾传感器采用光学灰尘传感器,所述光学灰尘传感器型号为GP2Y1010AU0F,用于检测直径大于0.8μm灰尘颗粒浓度,并在检测浓度大于设定值时开启雾霾天视觉增强系统。本发明的进一步改进,所述主控模块采用TSM320DSP芯片搭载视频处理算法。本发明的进一步改进,所述显示装置采用7寸LCD显示屏通过DSP芯片与车载CCD摄像头连接,并显示图像去雾算法处理后的实时视频流。本发明的进一步改进,所述车灯模块通过CAN总线连接至控制主板。本发明机动车驾驶视觉增强系统,与现有技术相比,本发明具有以下有益效果:1本发明所用改进的暗原色先验算法,针对驾驶视野中存在天空区域的特点做出改进,可有效避免图像处理后存在过渡区域和色彩失真现象,还原出清晰的驾驶视频图像。2本发明利用传感器自动识别天气变化,并通过CAN总线实现系统通信,系统开启自动方便。3本发明将图像处理算法应用到驾驶领域,极大地提高了驾驶安全性。附图说明图1为本发明系统结构组成图;图2为本发明系统流程图;图3为本发明设备位置图;标号说明:1、雾霾传感器;2、摄像头模块;3、雨滴传感器;4、车灯模块。具体实施方式下面结合附图与具体实施方式对本发明作进一步详细描述:本发明提供一种机动车驾驶视觉增强系统,采用改进的暗原色先验算法处理雾天视频,更适用于处理交通驾驶过程中的捕获的图像,提高了视频去雾处理的效果。采用K-means聚类算法处理雨天图像,还原出清晰的雨天图像。同时将传感器技术与图像处理技术相融合,使得雨雾天气检测更加自动化,准确地完成系统的开启。系统可有效改善现阶段雨雾天气下道路驾驶领域的安全性问题。本发明系统结构组成图如图1所示,系统流程图如图2所示,设备位置图如图3所示,其中汽车主体前侧玻璃的下方有雾霾传感器1,汽车主体前侧玻璃的上方有摄像头模块,汽车主体顶部设置有雨滴传感器3,汽车主体两侧车灯前方车灯各有一个车灯模块4,本申请系统主体由两部分组成,分为增强系统车内显示模块和车外检测和摄像模块。其中雾天视觉增采用雾霾传感器感知周围环境中的颗粒物浓度,采用Sharp光学灰尘传感器GP2Y1010AU0F,用于检测直径大于0.8μm灰尘颗粒浓度。当颗粒物浓度达到形成雾霾的等级时,通过CAN总线给DSP芯片,开启系统视频去雾功能,同时车灯闪烁警告驾驶员并开启雾灯。其中雨天视觉增采用雾霾传感器感知雨滴落下,采用Sharp光学灰尘传感器GP2Y1010AU0F,用于检测直径大于0.8μm灰尘颗粒浓度。当颗粒物浓度达到形成雾霾的等级时,通过CAN总线给DSP芯片,开启系统视频去雾功能,同时车灯闪烁警告驾驶员。系统在车辆外侧车窗上方安装1300万像素的摄像头,可实现道路环境实时视频的拍摄。车辆内部有基于暗原色先验算法的实时视频流去雾系统,经过TSM320DSP芯片去雾处理将清晰的视频显示在7寸LCD显示屏上。采用暗原色先验算法实现图像去雾。驾驶视野图像一般上半部分为天空部分,应与物体部分分开处理。针对图像的天空部分采用直方图均值化算法处理。再者对图像的物体部分计算全图暗原色图,根据所述暗原色图计算出大气光成分之后,判断所述计算出的大气光成分的各通道值是否超过预设值,若是则用预设值替代计算出的大气光成分的相应通道值;计算典型交通场景图象预估透射率图;计算导向滤波图;计算获得精细的透射率图;最后形成模型方程计算无雾图像。采用K-means聚类算法实现雨天图像的雨滴检测与去除。当成功检测出雨区后,通过用雨滴与背景色之问的混合值取代检测到的雨滴的像素来达到去除效果。以上所述,仅是本发明的较佳实施例而已,并非是对本发明作任何其他形式的限制,而依据本发明的技术实质所作的任何修改或等同变化,仍属于本发明所要求保护的范围。

权利要求:1.机动车驾驶视觉增强系统,其特征在于,所述机动车驾驶视觉增强系统包括基于改进的暗原色先验算法的雾霾天驾驶视觉增强系统和基于K-means聚类算法的雨天驾驶视觉增强系统,所述基于改进的暗原色先验算法的雾霾天驾驶视觉增强系统的改进的暗原色先验算法用于处理雾天驾驶时的交通视频图像,所述基于K-means聚类算法的雨天驾驶视觉增强系统的K-means聚类算法用于处理雨天驾驶时的交通视频图像,所述机动车驾驶视觉增强系统配套驾驶视觉增强设备,所述驾驶视觉增强设备包括设置于车外的雾霾传感器、雨滴传感器、摄像头模块、车灯模块,以及设置于车内的主控模块和显示装置,所述雾霾传感器设置在汽车主体前侧玻璃的下方,所述摄像头模块设置在汽车主体前侧玻璃的上方,所述雨滴传感器设置在汽车主体顶部,所述车灯模块有两个分别设置汽车主体两侧车灯前方车灯内,所述雾霾传感器用于检测雾天天气,所述雨滴传感器用于检测雨天天气,所述的主控模块负责数据的采集、报警装置的开启和雾灯前灯的控制。2.根据权利要求1所述的机动车驾驶视觉增强系统,其特征在于:所述改进的暗原色先验算法,通过估测透射率分布,利用泊松抠图算法得到精细透射率,复原物体光线来处理视频图像,最终实现对驾驶视觉的增强效果,具体步骤如下:步骤一:估测透射率;在计算机视觉中,含雾图像模型如下:Ix=Jxtx+A1-tx其中,Ix待去雾图像,Jx是待恢复的无雾图像,A是大气光成分,tx为透射率;根据暗原色先验理论,无雾图像的暗原色总是灰暗的,含雾图像的暗原色具有较高的强度值,假设在每一个窗口内透射率tx为常数,对上式进行两次最小值处理可以得到下式:上式中,J是待求的无雾图像,暗原色先验理论有:故:迭代可得:这是透射率的预估值,因为空气存在颗粒,故需要对进行修正,在式中引入一个在[0,1]之间的系数,通过实验验证,该系数可取0.95,则上式可修正为:步骤二:完善透射率分布函数雾图像形成模型方程和计算机图形上的抠图方程在形式上相似,透射率的分布其实就是阿尔法的分布,因此,应用了泊松抠图算法来完善透射率分布函数,对含雾图像模型进行取偏导数处理,可得:在背景光滑的情况下,相对于很小,故有:根据泊松抠图算法原理,可以得到:其中,Δ为拉普拉斯算子,div为散度算子,然后利用Gauss-Sidel迭代算法即可求取tx;步骤三:复原物体光线;在实际中,可以借助于暗通道图来从有雾图像中得到A值,首先从暗通道图中按照亮度的大小取前0.1%的像素,在这些位置中,在原始有雾图像I中寻找对应的具有最高亮度的点的值,作为A值。到这一步,就可以进行无雾图像的恢复了;当投射图t的值很小时,会导致J的值偏大,从而使图像整体向白场过度,因此一般可设置一阈值T0,当t值小于T0时,令t=T0,所有效果图均以T0=0.1为标准计算,最终的恢复公式如下:3.根据权利要求1所述的机动车驾驶视觉增强系统,其特征在于:所述K-means聚类算法是基于目标函数的K-means聚类方法,检测雨滴区域并去除,复原图像。4.根据权利要求1所述的机动车驾驶视觉增强系统,其特征在于:所述雾霾传感器采用光学灰尘传感器,所述光学灰尘传感器型号为GP2Y1010AU0F,用于检测直径大于0.8μm灰尘颗粒浓度,并在检测浓度大于设定值时开启雾霾天视觉增强系统。5.根据权利要求1所述的机动车驾驶视觉增强系统,其特征在于:所述主控模块采用TSM320DSP芯片搭载视频处理算法。6.根据权利要求1所述的机动车驾驶视觉增强系统,其特征在于:所述显示装置采用7寸LCD显示屏通过DSP芯片与车载CCD摄像头连接,并显示图像去雾算法处理后的实时视频流。7.根据权利要求1所述的机动车驾驶视觉增强系统,其特征在于:所述车灯模块通过CAN总线连接至控制主板。

百度查询: 东南大学 机动车驾驶视觉增强系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术