[发明专利]一种便于智能车辆驾驶的图像去雨方法

说明书

本发明公开了一种便于智能车辆驾驶的图像去雨方法，包括步骤：S1、通过智能车辆中的摄像头采集原始带雨图像；S2、将原始带雨图像进行高低频分离，得到高频带雨图像和低频带雨图像；S3、将高频带雨图像和低频带雨图像分别通过对应的卷积神经网络处理，获得对应的高频无雨图像和低频无雨图像；S4、将高频无雨图像和低频无雨图像进行融合，获得去雨后的图像。在智能车辆的摄像头与车辆驾驶系统中安装一个去雨滤波器器，滤波器中采用本发明方法对摄像头获取的有雨图像进行精准处理，获得无雨的图像给车辆驾驶系统，在无人驾驶或辅助驾驶中很好的降低了雨水对车辆驾驶决策系统带来的不良影响，提高了智能车辆驾驶的安全性。

技术领域

本发明属于车辆智能驾驶技术领域，具体涉及一种便于智能车辆驾驶的图像去雨方法。

背景技术

智能车辆时一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，它集中运用了计算机、现代传感、信息融合、无线通讯、人工智能及自动控制等技术，是典型的高新技术综合体。目前对智能车辆的研究主要致力于提高汽车的安全性、舒适性，以及提供优良的人车交互界面。近年来，智能无人驾驶汽车已经成为车辆工程领域研究的热点和汽车工业增长的新动力，很多发达国家都将其纳入重点发展的技术领域。

随着现代高新技术的迅速发展，数字化、信息化和智能化越来越多的应用到人类社会的生产、生活的各个方面，曾经只能在科普小说中看到的无人驾驶汽车已经不再是虚幻的，人们在不久的将来能在现实中看见智能无人驾驶汽车。现在集各种高新技术于一体的汽车，其性能、舒适性、安全性已经取得很大进步。智能无人驾驶汽车通常具有一款高智能的计算机，它能接收各种智能传感器传来的周围环境及汽车自身的各种信息并能高效迅速的综合整理，然后把信息传递给汽车执行系统，从而实现自动驾驶、智能控制等功能。IT企业在信息收集和智能控制方面具有技术优势，但在汽车生产制造，汽车安全、性能等方面不具备优势。因此，IT企业和汽车制造业合作将是一个更为明智的选择，优势互补、优化资源，智能无人驾驶汽车将在不远的未来成为现实。

智能车辆无论是实现辅助驾驶还是实现全自动无人驾驶，其安全永远是首要考虑因素，智能车的眼睛是安装在其上的摄像头，通过摄像头采集道路及周围环境信息，智能控制器通过这些信息来对当下的路况做出判断然后做出对应决策；因此，摄像头传给智能控制器的信息十分重要，如果信息有误，将直接影响后面分析和决策。在雨天和大雾等恶劣天气下，摄像头捕捉到的信息会含有许多噪声，这些噪声会影响智能控制器的分析和决策，因此，在恶劣天气下，应该先将摄像头捕捉的信息进行预处理，对信息进行降噪，再传给智能控制器做分析和决策。

现有的通用的图像去雨方法为：将RGB图像转换为YIQ色彩空间；提取所述YIQ色彩空间中的表示图像亮度的Y分量；对所述Y分量进行去雨处理；将去雨后的Y分量结合I和Q分量，并将结合后的YIQ转换为CMYK色彩空间，得到去雨后的CMYK图像；该方法鲁棒性不高，且图像去雨效果不理想。

发明内容

针对现有技术中的上述不足，本发明提供的便于智能车辆驾驶的图像去雨方法解决了现有的图像去雨方法没有针对低频图像有雨情况进行处理，造成图像整体去雨效果不理想的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种便于智能车辆驾驶的图像去雨方法，包括以下步骤：

S1、通过智能车辆中的摄像头采集原始带雨图像；

S2、将原始带雨图像进行高低频分离，得到高频带雨图像和低频带雨图像；

S3、将高频带雨图像和低频带雨图像分别通过对应的卷积神经网络处理，获得对应的高频无雨图像和低频无雨图像；

S4、将高频无雨图像和低频无雨图像进行融合，获得去雨后的图像。

进一步地，，所述步骤S2具体为：

通过导向性滤波器对原始带雨图像进行处理，得到低频带雨图像，然后用原始带雨图像减去低频带雨图像，获得高频带雨图像。