基于非結(jié)構(gòu)化的道路識別方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及智能汽車輔助駕駛技術(shù)領(lǐng)域，尤其涉及一種基于非結(jié)構(gòu)化的道路識別方法及裝置。
【背景技術(shù)】
[0002]隨著科學(xué)技術(shù)的發(fā)展，汽車領(lǐng)域的各種技術(shù)越來越成熟，汽車已經(jīng)逐漸進(jìn)入了各個家庭當(dāng)中，目前，汽車行駛的道路主要包括結(jié)構(gòu)化道路和非結(jié)構(gòu)化道路兩種，所述結(jié)構(gòu)化道路就是城市道路，也就是有車道線的道路，在結(jié)構(gòu)化道路中行駛時，車輛只要行駛在規(guī)定的車道線內(nèi)即可。而非結(jié)構(gòu)化道路即鄉(xiāng)村道路中，道路的是沒有車道線的，汽車在這種非結(jié)構(gòu)化道路中行駛時，無法通過車道線確定汽車的行駛區(qū)域，只能是人為確定車輛的行駛區(qū)域，導(dǎo)致汽車行駛過程中道路識別的準(zhǔn)確性低。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的主要目的在于提出一種基于非結(jié)構(gòu)化的道路識別方法及裝置，旨在解決汽車在非結(jié)構(gòu)化道路中行駛時，道路識別的準(zhǔn)確性低的技術(shù)問題。
[0004]為實現(xiàn)上述目的，本發(fā)明提供的一種基于非結(jié)構(gòu)化的道路識別方法，所述道路識別方法包括以下步驟:
[0005]獲取車輛行駛過程中的前方圖像；
[0006]對所述前方圖像進(jìn)行預(yù)處理，得到道路輪廓圖像；
[0007]提取所述道路輪廓圖像中的道路特征信息；
[0008]根據(jù)所述道路輪廓圖像中的道路特征信息，識別所述道路輪廓圖像中的道路。
[0009]優(yōu)選地，所述對所述前方圖像進(jìn)行預(yù)處理，得到道路輪廓圖像的步驟包括:
[0010]對所述前方圖像進(jìn)行邊緣檢測，生成所述前方圖像的邊緣圖像；
[0011]根據(jù)所述邊緣圖像中的道路區(qū)域與非道路區(qū)域的亮度差異，確定道路區(qū)域與非道路區(qū)域之間的邊界輪廓；
[0012]基于所述邊界輪廓得到道路輪廓圖像。
[0013]優(yōu)選地，所述提取所述道路輪廓圖像中的道路特征信息的步驟包括:
[0014]通過預(yù)設(shè)的濾波器對所述道路輪廓圖像進(jìn)行濾波處理，獲取所述道路輪廓圖像的特征圖像；
[0015]提取所述特征圖像中的道路特征信息。
[0016]優(yōu)選地，所述根據(jù)所述道路輪廓圖像中的道路特征信息，識別所述道路輪廓圖像中的道路的步驟包括:
[0017]將所述道路輪廓圖像中的道路特征信息與預(yù)設(shè)的Adaboost迭代算法分類器中的道路樣本集進(jìn)行比對；
[0018]獲取所述道路樣本集中與所述道路特征信息匹配的道路樣本；
[0019]根據(jù)獲取的所述道路樣本，確定所述道路輪廓圖像中的道路。
[0020]優(yōu)選地，所述根據(jù)所述道路輪廓圖像中的道路特征信息，識別所述道路輪廓圖像中的道路的步驟之后，所述道路識別方法還包括:
[0021]獲取所述道路輪廓圖像中的道路特征信息，并提取所述道路特征信息的道路特征向量;
[0022]根據(jù)提取的所述道路特征向量建立所述Adaboost分類器的道路樣本；
[0023]將建立的所述道路樣本加入所述Adaboost分類器的道路樣本集中，更新所述道路樣本集。
[0024]此外，為實現(xiàn)上述目的，本發(fā)明還提出一種基于非結(jié)構(gòu)化的道路識別裝置，所述道路識別裝置包括:
[0025]獲取模塊，用于獲取車輛行駛過程中的前方圖像；
[0026]預(yù)處理模塊，用于對所述前方圖像進(jìn)行預(yù)處理，得到道路輪廓圖像；
[0027]提取模塊，用于提取所述道路輪廓圖像中的道路特征信息；
[0028]識別模塊，用于根據(jù)所述道路輪廓圖像中的道路特征信息，識別所述道路輪廓圖像中的道路。
[0029]優(yōu)選地，所述預(yù)處理模塊包括:
[0030]生成單元，用于對所述前方圖像進(jìn)行邊緣檢測，生成所述前方圖像的邊緣圖像；
[0031]第一確定單元，用于根據(jù)所述邊緣圖像中的道路區(qū)域與非道路區(qū)域的亮度差異，確定道路區(qū)域與非道路區(qū)域之間的邊界輪廓；
[0032]處理單元，用于基于所述邊界輪廓得到道路輪廓圖像。
[0033]優(yōu)選地，所述提取模塊包括:
[0034]第一獲取單元，用于通過預(yù)設(shè)的濾波器對所述道路輪廓圖像進(jìn)行濾波處理，獲取所述道路輪廓圖像的特征圖像；
[0035]提取單元，用于提取所述特征圖像中的道路特征信息。
[0036]優(yōu)選地，所述識別模塊包括:
[0037]比對單元，用于將所述道路輪廓圖像中的道路特征信息與預(yù)設(shè)的Adaboost迭代算法分類器中的道路樣本集進(jìn)行比對；
[0038]第二獲取單元，用于獲取所述道路樣本集中與所述道路特征信息匹配的道路樣本；
[0039]第二確定單元，用于根據(jù)獲取的所述道路樣本，確定所述道路輪廓圖像中的道路。
[0040]優(yōu)選地，所述獲取模塊，還用于獲取所述道路輪廓圖像中的道路特征信息；
[0041]所述提取模塊，還用于提取所述道路特征信息的道路特征向量；
[0042]所述道路識別裝置還包括:
[0043]建立模塊，用于根據(jù)提取的所述道路特征向量建立所述Adaboost分類器的道路樣本；
[0044]更新模塊，用于將建立的所述道路樣本加入所述Adaboost分類器的道路樣本集中，更新所述道路樣本集。
[0045]本發(fā)明提出的道路識別方法及裝置，汽車在非結(jié)構(gòu)化道路的行駛過程中，通過對前方圖像的預(yù)處理，得到道路輪廓圖像，然后提取所述道路輪廓圖像中的道路特征信息，最后根據(jù)所述道路特征信息，識別出所述道路輪廓圖像中的道路，而不是僅僅通過人為確定汽車的行駛區(qū)域，本方案基于道路特征信息識別出前方圖像的道路，提高了車輛行駛過程中道路識別的準(zhǔn)確性。
【附圖說明】
[0046]圖1為本發(fā)明基于非結(jié)構(gòu)化的道路識別方法較佳實施例的流程示意圖；
[0047]圖2為本發(fā)明對所述前方圖像進(jìn)行預(yù)處理較佳實施例的流程示意圖；
[0048]圖3為本發(fā)明提取所述道路輪廓圖像中的道路特征信息較佳實施例的流程示意圖；
[0049]圖4為本發(fā)明識別所述道路輪廓圖像中的道路較佳實施例的流程示意圖；
[0050]圖5為本發(fā)明基于非結(jié)構(gòu)化的道路識別裝置較佳實施例的功能模塊示意圖；
[0051]圖6為圖5中預(yù)處理模塊的細(xì)化功能模塊示意圖；
[0052]圖7為圖5中提取模塊的細(xì)化功能模塊示意圖；
[0053]圖8為圖5中識別模塊的細(xì)化功能模塊示意圖。
[0054]本發(fā)明目的的實現(xiàn)、功能特點及優(yōu)點將結(jié)合實施例，參照附圖做進(jìn)一步說明。
【具體實施方式】
[0055]應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0056]本發(fā)明提供一種基于非結(jié)構(gòu)化的道路識別方法。
[0057]參照圖1，圖1為本發(fā)明道路識別方法較佳實施例的流程示意圖。
[0058]本實施例提出一種基于非結(jié)構(gòu)化道路識別方法，所述道路識別方法包括:
[0059]步驟S10，獲取車輛行駛過程中的前方圖像；
[0060]在本實施例中，通過車輛預(yù)設(shè)的攝像機(jī)獲取行駛過程中的前方圖像，所述攝像機(jī)可為前景攝像機(jī)或全景攝像機(jī)。所述獲取的前方圖像優(yōu)選離車輛攝像機(jī)預(yù)設(shè)距離內(nèi)的圖像，如距離車輛50米的前方圖像。
[0061]步驟S20，對所述前方圖像進(jìn)行預(yù)處理，得到道路輪廓圖像；
[0062]通過預(yù)設(shè)的攝像機(jī)獲取到所述前方圖像后，對所述前方圖像進(jìn)行預(yù)處理，預(yù)處理過程包括:先對所述前方圖像進(jìn)行濾波處理除去噪點干擾，然后通過圖像邊緣檢測方法處理所述除去噪點的前方圖像，以生成邊緣圖像，最后根據(jù)所述邊緣圖像中顯示邊界輪廓獲取道路輪廓圖像。所述邊緣檢測包括