[发明专利]一种基于深度学习的隧道洞内外亮度仪标定方法及系统有效
申请号: | 201811342175.5 | 申请日: | 2018-11-12 |
公开(公告)号: | CN109357754B | 公开(公告)日: | 2020-10-23 |
发明(设计)人: | 徐韶华;李小勇;朱其义;周毅;黎云飞;唐文娟 | 申请(专利权)人: | 广西交通科学研究院有限公司 |
主分类号: | G01J1/10 | 分类号: | G01J1/10 |
代理公司: | 北京华仁联合知识产权代理有限公司 11588 | 代理人: | 苏雪雪 |
地址: | 530000 广西壮*** | 国省代码: | 广西;45 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 深度 学习 隧道 内外 亮度 标定 方法 系统 | ||
本发明提供了一种基于深度学习的隧道洞内外亮度仪标定方法包括:(1)可调节光源在所述隧道内外亮度仪和标准亮度仪清晰成像;(2)分别在隧道内外亮度仪和标准亮度仪的输出图像上圈定可调节光源的同一目标区域;(3)设定一个初始的隧道内外亮度仪的镜头曝光参数;(4)调节可调节光源的亮度等级,分别记录平均灰度值和亮度值;(5)修改隧道内外亮度仪的镜头曝光参数,重复步骤(4)多次;(6)拟合平均灰度值与所述亮度值取对数后的线性关系曲线模型:(7)求解线性关系参数Wn和bn的最优解。本发明能够减少标定耗时,自动选取线性区间,到达降低人力和时间成本的效果。
技术领域
本发明涉及隧道洞内外亮度仪标定技术领域,特别涉及一种基于深度学习的隧道洞内外亮度仪标定方法及系统。
背景技术
依据光度学原理以及成像理论,相机能够通过镜头将目标物反映在感光材料上,所得图像的灰度与目标物对应的曝光量(亮度值)对数之间在一定的亮度区间内存在如图1所示的关系,在一定的亮度区间内,亮度的对数值和图像的灰度之间存在近似的线性关系,D=vlgH+m;其中D表示摄像机获取的图片灰度,H表示亮度值,v,m是需要求解的参数,B~C段目标物图像曝光量对数lgH与灰度值D之间呈比较好的线性关系。A~B段为曝光不足区间,C~D为过曝区间。这两个区间目标物图像灰度与曝光量对数呈非线性关系不适于进行亮度测量,如果在这两个区间进行亮度测量将会导致测量结果误差偏大。在图中的L称作宽容度,用来限定亮度测量时曝光量的使用范围。
隧道洞内外亮度仪是依据该原理,通过调整曝光参数,使得在该曝光参数下图像传感器(隧道洞内外亮度仪)所获取的灰度值处于灰度-亮度对数曲线的线性区内,从而将图像传感器所获取的图像灰度值转换为亮度值,达到精确测量亮度的目的。不同型号的图像传感器的感光元件对于亮度的敏感程度不同,因此需要对图像传感器做标定。现有技术中的标定方法有如下几个步骤:
1.在暗室环境下,将标准亮度测试仪器和图像传感器对准同一光源,分别获取图像传感器的图像灰度值和标准亮度测试仪的亮度对数值。
2.调节光源亮度,测出多组数据并记录。
3.修改相机的曝光参数,重复2。
4.将同一曝光参数下的亮度对数与图像平均灰度值录入数据合成软件,获取离散的亮度对数-图像灰度关系图。
5.选取不同曝光参数下亮度对数-图像灰度关系图的线性部分,计算一元线性回归的线性系数,直到线性系数达到误差要求且所有的灰度数值都存在线性对应的亮度对数值(一般的图像传感器由于性能的关系通常需要选取两个以上曝光参数才能使的整个灰度范围都能线性地对应上亮度对数值)。
6.记录5中满足误差要求曝光参数、一元线性回归参数,完成标定。
现有技术中,隧道洞内外亮度仪的整个标定过程的耗时长,步骤繁琐,且选取线性区的部分凭借经验,需反复尝试,才能选出满足要求的区间,在实际生产环境下大大增加了人工成本和时间成本。
因此,为了解决上述技术问题,需要一种减少标定耗时、自动选取线性区间的一种基于深度学习的隧道洞内外亮度仪标定方法及系统。
发明内容
本发明的一个方面在于提供一种基于深度学习的隧道洞内外亮度仪标定方法,所述方法包括如下方法步骤:
(1)调整隧道内外亮度仪、标准亮度仪和可调节光源的位置,使可调节光源在所述隧道内外亮度仪和标准亮度仪清晰成像;
(2)分别在隧道内外亮度仪和标准亮度仪的输出图像上圈定可调节光源的同一目标区域;
(3)设定一个初始的隧道内外亮度仪的镜头曝光参数;
(4)调节可调节光源的亮度等级,分别记录隧道内外亮度仪在圈定的所述同一目标区域内的平均灰度值,和标准亮度仪在圈定的所述同一目标区域内的亮度值;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广西交通科学研究院有限公司,未经广西交通科学研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811342175.5/2.html,转载请声明来源钻瓜专利网。