[发明专利]一种机动、电动车辆自动驾驶识别系统

摘要

本发明提供了一种机动、电动车辆自动驾驶识别系统，包括摄像头模块、道路图像处理模块、车道线识别模块和告警模块，所述摄像头模块包括安装在车辆左前方左摄像头和右前方的右摄像头，用于采集车辆前方的道路左侧图像和右侧图像；所述道路图像处理模块用于将左侧图像和右侧图像进行降噪以及合成处理，得到道路总图像；所述车道线识别模块基于霍夫变换提取道路总图像中的车道线；所述告警模块在车辆超越车道线行驶时发出告警。本发明采用左右摄像头采集道路图像并提取车道线的方法辅助司机安全用车，提高了车辆与车道线之间的识别精度，能够预防交通事故的发生，保障司机和行人的生命财产安全。

主权项

1.一种机动、电动车辆自动驾驶识别系统，其特征是，包括摄像头模块、道路图像处理模块、车道线识别模块和告警模块，所述摄像头模块包括安装在车辆左前方左摄像头和右前方的右摄像头，用于采集车辆前方的道路左侧图像和右侧图像；所述道路图像处理模块用于将左侧图像和右侧图像进行降噪以及合成处理，得到道路总图像；所述车道线识别模块基于霍夫变换提取道路总图像中的车道线；所述告警模块在车辆超越车道线行驶时发出告警；所述摄像头模块、道路图像处理模块、车道线识别模块和告警模块依次有线连接；所述左摄像头和右摄像头皆采用广角120度高清OV9712 720P摄像头；所述道路图像处理模块包括用于对左侧图像和右侧图像进行降噪处理的降噪单元、用于对左侧图像和右侧图像进行分解的分解单元、用于对左侧图像和右侧图像的低频段进行合成的第一合成单元和用于对左侧图像和右侧图像的高频段进行合成的第二合成单元；所述降噪单元首先将左侧图像和右侧图像进行小波变换处理，得到相应的小波系数，此时得到的小波系数为带噪声小波系数和无噪声小波系数，利用改进的软阈值函数分别对左侧图像和右侧图像经过小波变换后得到的小波系数进行滤除带噪声小波系数处理，得到左侧图像和右侧图像的无噪声小波系数，根据无噪声小波系数对左侧图像和右侧图像进行重构，得到将要进行融合的车辆前方道路的左侧源图像与右侧源图像，其中采用的改进的软阈值函数为：式中，为无噪声小波系数，φ为包括带噪声小波系数和无噪声小波系数的小波系数，sgn(·)为符号函数，D为根据二分法针对不同图像来确定的控制参数，v为设定的偏差下限；所述分解单元根据设定好分解的尺度和方向数，采用NSST(Non‑sub sampled Shearlet Transform，非下采用剪切波变换)对车辆前方道路的左侧源图像与右侧源图像进行多尺度分解，得到车辆前方道路的左侧源图像与右侧源图像的NSST变换系数，分别为和L表示低频，H表示高频，和分别表示车辆前方道路的左侧源图像与右侧源图像经过NSST分解后得到的低频系数，和分别表示车辆前方道路的左侧源图像与右侧源图像经过NSST分解后得到的第x个尺度第y个方向的高频系数；所述第一合成单元根据低频段聚焦评价函数，分别对车辆前方道路的左侧源图像与右侧源图像的低频系数进行评价，得到左侧源图像与右侧源图像的低频段聚焦评价值，根据左侧源图像与右侧源图像低频段聚焦评价值的大小，选取低频段聚焦评价值较大的低频系数作为道路总图像的低频系数，当低频段聚焦评价值相等时，取左侧源图像与右侧源图像的低频系数值的平均数作为道路总图像的低频系数：其中，采用的低频段聚焦评价函数为：Kα＝[‑1,2,‑1]Kβ＝KαT＝[‑1,2,‑1]T式中，Z_L为道路总图像的低频系数，和分别表示车辆前方道路的左侧源图像与右侧源图像经过NSST分解后得到的低频系数；式中，f(m,n)为像素点(m,n)的低频段聚焦评价值，f(m,n)包括车辆前方道路的左侧源图像的低频段聚焦评价值f(m,n)1和车辆前方道路的右侧源图像的低频段聚焦评价值f(m,n)2，x和y分别为横坐标和纵坐标，Kα和Kβ为横向和纵向的二阶差分算子。