[发明专利]一种基于 ANN 的剧烈光照环境下实时非结构化道路检测方法在审
| 申请号： | 201910340910.7 | 申请日： | 2019-04-25 |
| 公开（公告）号： | CN110084190A | 公开（公告）日： | 2019-08-02 |
| 发明（设计）人： | 刘景泰;王鸿鹏;朱明月;李鹏鹏 | 申请（专利权）人： | 南开大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06K9/62 |
| 代理公司： | 天津市尚仪知识产权代理事务所(普通合伙) 12217 | 代理人： | 高正方 |
| 地址： | 300071*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于ANN的剧烈光照环境下的非结构化道路检测方法，其特征在于，在剧烈变化的光照环境下，为减少光照对图像的影响，首先离线采集真实场景下的道路图像并计算每帧图像的平均灰度，合理确定平均灰度的校正目标范围，分别对每帧图像进行Gamma校正，用合适的函数拟合校正系数与平均灰度值之间的关系；在道路在线检测时，对输入的图像序列，使用拟合的Gamma校正函数进行自校正，再进行区域裁剪；再对裁剪后的图像网格化，获取每个小格的特征向量，并做样本标记，利用当前图像的样本信息，搭建ANN神经网络并在线训练、更新和预测，实时输出可行驶区域的检测结果。该方法对光照变化场景有较好的适应性，有效提高了非结构化道路检测的实时性、鲁棒性和准确性。 | ||
| 搜索关键词： | 道路检测 非结构化 光照环境 平均灰度 帧图像 图像 道路图像 光照变化 函数拟合 检测结果 剧烈变化 区域裁剪 神经网络 实时输出 特征向量 图像网格 图像序列 校正目标 校正系数 行驶区域 样本标记 样本信息 在线检测 在线训练 真实场景 鲁棒性 实时性 自校正 离线 拟合 小格 裁剪 光照 采集 场景 预测 更新 | ||
【主权项】：
1.一种基于 ANN 的剧烈光照环境下的实时非结构化道路检测方法，其特征在于，包括以下几个步骤：步骤A：离线阶段，利用离线采集的真实视频数据，寻找合适的 Gamma 校正函数；步骤B：通过摄像机实时获取道路图像，并对获取的图像进行预处理；步骤C：对预处理之后的道路图像进行处理，获得当前图像的样本特征向量；步骤D：利用步骤 C 中的图像样本信息，搭建ANN神经网络并进行在线训练、更新和预测，最终得到道路可行驶区域。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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南开大学，未经南开大学许可，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/patent/201910340910.7/，转载请声明来源钻瓜专利网。
