[发明专利]高速公路能见度检测系统和方法

说明书

本发明提供了一种高速公路能见度检测系统和方法，所述系统包括：道路信息获取模块、车道线检测与标注模块、深度轮廓特征分析模块和能见度计算模块，其中，车道线检测与标注模块处理道路信息获取模块获取的道路图像，得到道路图像的车道线和车道线条数，同时标注车道线的特征区域，并得到标注区域的实际距离，深度轮廓特征分析模块对标注区域进行处理以获得标注区域的能见度系数，能见度计算模块根据车道线和车道线条数，以及标注区域的实际距离和能见度系数得到高速公路的能见度。本发明能够得到准确度较高的能见度检测结果，并且成本较低，同时能够适应复杂的道路场景，具有较为广泛的适应性。

技术领域

本发明涉及能见度检测技术领域，具体涉及一种高速公路能见度检测系统和一种高速公路能见度检测方法。

背景技术

高速公路作为我国公路交通网的重要组成部分，承担着我国跨地域交通运输的重任。然而，由于高速公路车辆的行驶速度较快，如果行车过程中能见度过低导致驾驶员视野受限，特别是行车过程中突然遇到团雾天气极易发生交通事故，因此，实时监测高速公路的能见度状况至关重要。

目前应用于高速公路能见度检测的手段主要有人工目测、能见度仪检测等方法。但是，人工目测的方法受主观因素影响较大，检测精度较低低，实时性和覆盖面难以保证；能见度检测仪一般基于红外光或激光技术，可测量消光系数或能见度值，数据较为准确，但能见度检测仪的检测距离较短，且成本昂贵。

此外，应用于高速公路能见度检测的手段还有基于双目摄相机标定和基于对比度模型的检测方法。但这两种检测方法中的前者需要将标定模板和测量摄像机的安装在特定的角度，难以适用实际道路场景；后者的实际检测误差较大。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种高速公路能见度检测系统，能够得到准确度较高的能见度检测结果，并且成本较低，同时能够适应复杂的道路场景，具有较为广泛的适应性。

本发明的第二个目的在于提出一种高速公路能见度检测方法。

为达到上述目的，本发明第一方面实施例提出了一种高速公路能见度检测系统，包括：道路信息获取模块，所述道路信息获取模块用于获取高速公路的道路图像；车道线检测与标注模块，所述车道线检测模块用于通过车道线检测技术对所述道路图像进行处理，以获取所述道路图像中的车道线和车道线条数，并根据所述车道线计算出所述道路图像投影到仿射平面的仿射矩阵，同时标注所述道路图像中所述车道线的特征区域，并根据所述仿射矩阵计算出所述标注区域的实际距离；深度轮廓特征分析模块，所述深度轮廓特征分析模块用于通过深度轮廓特征分析技术对所述标注区域进行处理，以获得所述标注区域的能见度程度系数；能见度计算模块，所述能见度计算模块用于根据所述车道线和所述车道线条数计算所述道路图像中车道线清晰区域的能见度，并根据所述实际距离和所述能见度程度系数计算所述道路图像中车道线模糊区域的能见度。

根据本发明实施例的高速公路能见度检测系统，通过车道线检测与标注模块处理道路信息获取模块获取的道路图像，得到道路图像的车道线和车道线条数，同时标注车道线的特征区域，并得到标注区域的实际距离，以及通过深度轮廓特征分析模块对标注区域进行处理以获得标注区域的能见度系数，最后通过能见度计算模块根据车道线和车道线条数，以及标注区域的实际距离和能见度系数得到高速公路的能见度，由此，能够得到准确度较高的能见度检测结果，并且成本较低，同时能够适应复杂的道路场景，具有较为广泛的适应性。

另外，根据本发明上述实施例提出的高速公路能见度检测系统还可以具有如下附加的技术特征：

根据本发明的一个实施例，所述车道线检测技术包括边缘检测和多阈值处理。

根据本发明的一个实施例，所述深度轮廓特征分析模块包括基于深度学习神经网络训练的轮廓特征分析模型。