[发明专利]基于双摄像头的无人驾驶汽车视觉识别系统

说明书

技术领域

本发明涉及图像识别领域，具体涉及一种基于双摄像头的无人驾驶汽车视觉识别系统。

背景技术

现有的智能车视觉处理系统一般采用单摄像头采集数据来对车道线、交通标志、交通信号灯等道路信息进行识别。但是在应用时，车道线识别希望摄像头拍摄到的最近区域离车越近越好，而交通标志和交通信号灯的识别希望摄像头拍摄的区域越广越远才好，以便于进行实时处理。同时采用单摄像头需要拍摄很大的范围，这样需要更高像素的摄像头，处理起来数据量大，影响实时性。

发明内容

为解决现有技术的车辆视觉处理系统中单摄像头处理数据量大，影响实时性的技术问题，本发明提供一种解决上述问题的基于双摄像头的无人驾驶汽车视觉识别系统。

一种基于双摄像头的无人驾驶汽车视觉识别系统，包括第一图像采集模块、第二图像采集模块、车道线识别模块、车辆识别模块、交通标志识别模块、交通信号灯检测与识别模块；

所述第一图像采集模块、所述第二图像采集模块均采集并输出图像数据，分别记为第一图像数据、第二图像数据；

所述第一图像数据输入至所述车道线识别模块，所述车道线识别模块识别出所述第一图像数据中的车道线，并拟合出车道中线；

所述第一图像数据还输入至所述车辆识别模块，所述车辆识别模块依据所述车道线识别模块识别出的车道线的范围，识别出车道线内的车辆及其所处区域；

所述第二图像数据输入至所述交通标志识别模块，所述交通标志识别模块识别出所述第二图像数据中的交通标志图像，并对其进行快速、准确的分类；

所述第二图像数据还输入至所述交通信号灯检测与识别模块，所述交通信号灯检测与识别模块通过识别出目标区域的颜色区域，从而识别出交通信号灯及其显示状态。

在本发明提供的基于双摄像头的无人驾驶汽车视觉识别系统的一种较佳实施例中，所述车道线识别模块的识别方法具体包括以下步骤：

步骤1-1：截取所述第一图像数据中车道线可能的所处范围，即一个梯形区域为感兴趣区域，记为车道线区域；

步骤1-2：依次对所述车道线区域进行灰度化、二值化、滤波、形态学处理，获得仅有车道线特征的图像，记为车道线区域特征；

步骤1-3：对所述车道线区域特征进行canny边缘检测，获得图像内各物体的轮廓，记为车道线区域轮廓；

步骤1-4：对所述车道线区域轮廓进行霍夫线变换，提取得区域内各物体的线特征，记为区域线特征；

步骤1-5：根据所述区域线特征的坐标斜率剔除干扰线，获得线特征；

步骤1-6：通过斜率特征分析将所述线特征划分为左右两条车道线，并对其进行合并，获得合并线；

步骤1-7：对所述合并线进行中线拟合，获得车道线中线。

在本发明提供的基于双摄像头的无人驾驶汽车视觉识别系统的一种较佳实施例中，所述车辆识别模块的识别方法具体包括以下步骤：

步骤2-1：截取所述第一图像数据中车辆可能的所处范围，与所述车道线区域一致，记为车辆区域；

步骤2-2：对所述车辆区域依次进行中值滤波、二值化处理、轮廓提取，获得所述车辆区域中所有的轮廓，记为车辆区域轮廓；

步骤2-3：对所述车辆区域轮廓中各轮廓的尺寸进行筛选，剔除无关轮廓，获得车辆轮廓；

步骤2-4：通过卡尔曼滤波对所述车辆轮廓进行跟踪，并通过基于概率神经网络的分类器对所述车辆轮廓进行分类，从而识别出车辆及其所处区域。

在本发明提供的基于双摄像头的无人驾驶汽车视觉识别系统的一种较佳实施例中，所述交通标志识别模块的识别方法具体包括以下步骤：

步骤3-1：截取所述第二图像数据中交通标志可能的所处范围，即图像边缘区域，记为标志区域；

步骤3-2：依次对所述标志区域进行灰度化、二值化、滤波、形态学处理，获得仅有交通标志特征的图像，记为标志区域特征；

步骤3-3：提取所述标志区域特征中的Gabor、HOG、ORB特征，并对其进行了融合，获得标志特征；

步骤3-4：利用支持向量机对所述标志特征进行分类识别。

在本发明提供的基于双摄像头的无人驾驶汽车视觉识别系统的一种较佳实施例中，所述交通信号灯检测与识别模块的识别方法具体包括以下步骤：

步骤4-1：截取所述第二图像数据中交通信号灯可能的所处范围，即图像顶部区域，记为信号灯区域；

步骤4-2：将所述信号灯区域的颜色空间从RGB转换为HSV；