【技術實現步驟摘要】
本專利技術涉及智能感知，具體為考慮小目標區域識別的光照自適應路面檢測方法及系統。
技術介紹
1、對路面狀況的深入了解對于保障智能車輛的駕駛安全性至關重要。近年來，每年約有超過兩萬起的車輛交通事故發生，車輛失去輪胎牽引力是其中的一個常見原因。多變的路面狀況是導致牽引力變化的主要因素，雨天和雪天等惡劣天氣通常會降低輪胎與路面之間的附著系數，削弱輪胎的防滑能力，進而降低車輛的制動性能和穩定性。當前車輛多配備了先進的駕駛輔助系統(adas)，如防抱死制動系統(abs)和電子穩定控制系統(esc)，然而這些系統只能在車輛已經處于不穩定狀態(如打滑或翻車)時進行干預，因而顯著增加了事故發生的風險。對路面狀況進行主動監測可以幫助主動安全控制系統及時調整控制策略，確保車輛始終保持穩定狀態，從而大大降低事故風險。
2、隨著智能汽車的發展，越來越多的車輛部署了雷達、激光雷達、紅外攝像頭和可見光攝像頭等傳感器。這些傳感器通常用于識別車道、坑洼、行人、車輛、交通燈等，在這些應用中，路面類型的檢測已經成為推動智能車輛駕駛行為規劃和決策的一項熱門且具有挑戰性的任務。典型的路面狀況包括干燥、濕滑和冰雪路面。路面類型檢測的目的是使智能汽車能夠及時識別路面的濕滑狀態，并相應地調整駕駛行為。使用非接觸式傳感器預測前方的路面狀況，使車輛能夠提前調整其控制策略，并且不需要特定的激勵條件，能夠確保車輛始終保持穩定狀態。因此，這種間接識別的方式已成為領域內最具實用價值的研究方向。
3、現有技術中，可見光攝像頭由于其成本低、體積小、運行穩定以及能夠與
技術實現思路
1、本專利技術的目的在于提供考慮小目標區域識別的光照自適應路面檢測方法，以解決上述
技術介紹
中提出的問題。
2、根據本專利技術的第一方面，為實現上述目的，本專利技術提供如下技術方案：考慮小目標區域識別的光照自適應路面檢測方法，包括以下步驟：
3、接收實時圖像數據，搭建地平線檢測網絡，將圖像輸入地平線檢測網絡中分離環境區域與路面區域，得到包含環境元素的上半部分圖像以及包含路面、車輛和行人的下半部分圖像；
4、利用包含環境信息的上半部分圖像hsv屬性判斷駕駛場景的晝夜狀態，便于整體系統根據光照條件自動調節后續模型參數；
5、根據上述判斷的光照條件加載相應的模型參數，將路面區域圖像進行語義分割，根據得到的語義掩膜截取具有完整路面信息量的小分辨率圖像塊；
6、搭建多圖塊融合決策網絡，根據上述判斷的光照條件加載相應的模型參數，將截取的圖像塊輸入到多圖塊融合決策網絡中，多圖塊融合決策網絡自適應地分配各個圖塊特征的權重，根據分配的權重對各圖像預測概率加權得到融合后的識別結果。
7、進一步地，接收實時圖像數據，搭建地平線檢測網絡，將圖像輸入地平線檢測網絡中分離環境區域與路面區域，得到包含環境元素的上半部分圖像以及包含路面、車輛和行人的下半部分圖像，具體如下：
8、(1)地平線檢測網絡使用resnet-34作為骨干網絡，在地平線檢測網絡結構中添加兩種輕量注意力機制并行cbam和eca；
9、(2)將圖像輸入地平線檢測網絡，圖像沿高度軸劃分，不同圖像的地平線分布于圖像的不同高度區域，根據圖像中物體的分布確定圖像地平線的位置，并將圖像按照地平線劃分為上下兩部分。
10、進一步地，所述輕量注意力機制并行cbam包括兩個子模塊，分別是通道注意力模塊cam和空間注意力模塊sam，將原本串行的cam和sam修改為并行結構，用于在保持相似推理速度的同時提高精度；
11、地平線檢測網絡中前一個殘差塊輸出的特征表示為其中c為特征的通道數，h和w為特征的高和寬，經過優化后的特征具有相同的尺寸，具體表示為：
12、
13、mp_cbam(f)＝?σ(mc(f)+?ms(f))?(3)
14、式中，f為輸入模塊的特征，mc為通道注意力特征，ms為空間注意力特征，和為mlp的權重，c為輸入圖像的通道數，r為縮放因子，f7×7表示采用7×7卷積核大小的卷積操作，σ表示sigmoid函數，mp_cbam為最終的并行輕量注意力機制cbam的注意力特征。
15、進一步地，所述輕量注意力機制eca表示為：
16、
17、式中，c是輸入特征的通道數，fk×k表示具有卷積核大小為k的一維卷積層，υ和b是超參數，取絕對值并向下取整到最接近的奇數是為了確保卷積核的大小為奇數，meca為最終的eca注意力特征，σ表示sigmoid函數。
18、進一步地，利用包含環境信息的上半部分圖像hsv屬性判斷駕駛場景的晝夜狀態，便于整體系統根據光照條件自動調節后續模型參數，具體如下：
19、(1)將地平線檢測后包含環境信息的上半部分圖像轉換到hsv顏色空間，包含三個屬性：色調(hue)、飽和度(saturation)和明度(value)，色調表示顏色的類型，飽和度描述特定顏色的灰度，明度表示顏色的亮度或強度；
20、(2)采用梯度提升決策樹構建一個樹的集成模型，將圖像的hsv屬性輸入集成模型中回歸出駕駛場景的晝夜狀態；
21、(21)集成模型使用高效梯度提升算法xgboost，目標函數表達為：
22、
23、式中，代表模型的參數集合，是訓練誤差，用于衡量預測值與真實值yi之間的差異，ω(fk)是正則化項，用于控制模型復雜度，t是樹的葉子節點數量，ωj是葉子節點的權重，γ和λ是用于調整正則化強度的超參數；
24、(22)xgboost使用貪心算法構建一個新的樹ft以最小化目標函數，假設已經有了前t-1棵樹，第t棵樹的預測是ft(xi)，模型的預測值更新為：
25、
26、式中，是在第t輪更新后的預測值，是前t-1棵樹的累積預測值，ft(xi)是第t棵樹對輸入xi的預測輸出；
27、(23)為了構建第t棵樹，xgboost優化了目標函數的二階近似，即對目標函數進行二階泰勒展開：
28、
29、式中，和分別是損失函數對預測值的一階導數和二階導數；
30、(24)通過最小化目標函數的二階近似來確定每個葉子節點的最優權重：
31、
32、因此，分裂節點的增益(即目標函數的減少量)可以表示為：
33、
34、增益越大，分裂后的效果越好。
35、進一步地，根據上述判斷的光照條件加載相應的模型參數，將路面區域圖像進行語義分割，本文檔來自技高網...
【技術保護點】
1.考慮小目標區域識別的光照自適應路面檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的考慮小目標區域識別的光照自適應路面檢測方法，其特征在于，接收實時圖像數據，搭建地平線檢測網絡，將圖像輸入地平線檢測網絡中分離環境區域與路面區域，得到包含環境元素的上半部分圖像以及包含路面、車輛和行人的下半部分圖像，具體如下：
3.根據權利要求2所述的考慮小目標區域識別的光照自適應路面檢測方法，其特征在于：所述輕量注意力機制并行CBAM包括兩個子模塊，分別是通道注意力模塊CAM和空間注意力模塊SAM，將原本串行的CAM和SAM修改為并行結構，用于在保持相似推理速度的同時提高精度；
4.根據權利要求2所述的考慮小目標區域識別的光照自適應路面檢測方法，其特征在于：所述輕量注意力機制ECA表示為：
5.根據權利要求4所述的考慮小目標區域識別的光照自適應路面檢測方法，其特征在于，構建利用包含環境信息的上半部分圖像HSV屬性判斷駕駛場景的晝夜狀態，便于整體系統根據光照條件自動調節后續模型參數，具體如下：
6.根據權利要求5所述的考慮小
7.根據權利要求6所述的考慮小目標區域識別的光照自適應路面檢測方法，其特征在于，所述語義分割網絡使用DeeplabV3+模型，DeeplabV3+模型包括編碼器和解碼器兩部分，編碼器部分引入空洞卷積用于跨像素提取特征；
8.根據權利要求6所述的考慮小目標區域識別的光照自適應路面檢測方法，其特征在于，搭建多圖塊融合決策網絡，根據上述判斷的光照條件加載相應的模型參數，將截取的圖像塊輸入到多圖塊融合決策網絡中，多圖塊融合決策網絡自適應地分配各個圖塊特征的權重，根據分配的權重對各圖像預測概率加權得到融合后的識別結果，具體如下：
9.一種考慮小目標區域識別的光照自適應路面檢測系統，用于實現權利要求1至8中任一項所述的考慮小目標區域識別的光照自適應路面檢測方法，其特征在于，包括：
10.一種終端設備，包括存儲器、處理器及存儲在存儲器中并能夠在處理器上運行的計算機程序，其特征在于，所述存儲器中存儲有能夠在處理器上運行的計算機程序，所述處理器加載并執行計算機程序時，采用了權利要求1至8中任一項所述的考慮小目標區域識別的光照自適應路面檢測方法。
...【技術特征摘要】
1.考慮小目標區域識別的光照自適應路面檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的考慮小目標區域識別的光照自適應路面檢測方法，其特征在于，接收實時圖像數據，搭建地平線檢測網絡，將圖像輸入地平線檢測網絡中分離環境區域與路面區域，得到包含環境元素的上半部分圖像以及包含路面、車輛和行人的下半部分圖像，具體如下：
3.根據權利要求2所述的考慮小目標區域識別的光照自適應路面檢測方法，其特征在于：所述輕量注意力機制并行cbam包括兩個子模塊，分別是通道注意力模塊cam和空間注意力模塊sam，將原本串行的cam和sam修改為并行結構，用于在保持相似推理速度的同時提高精度；
4.根據權利要求2所述的考慮小目標區域識別的光照自適應路面檢測方法，其特征在于：所述輕量注意力機制eca表示為：
5.根據權利要求4所述的考慮小目標區域識別的光照自適應路面檢測方法，其特征在于，構建利用包含環境信息的上半部分圖像hsv屬性判斷駕駛場景的晝夜狀態，便于整體系統根據光照條件自動調節后續模型參數，具體如下：
6.根據權利要求5所述的考慮小目標區域識別的光照自適應路面檢測方法，其特征在于，根據上述判斷的光照條件加載相應的模型參數，...
【專利技術屬性】
技術研發人員：殷國棟，王蔚華，柏碩，胡敬宇，丁昊楠，趙名卓，
申請(專利權)人：東南大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。