基于无人驾驶的路况图像处理系统

技术领域

本发明涉及图像数据技术领域，尤其涉及一种基于无人驾驶的路况图像处理系统。

背景技术

无人驾驶技术是传感器、计算机、人工智能、通信、导航定位、模式识别、机器视觉、智能控制等多门前沿学科的综合体。

中国专利公开号：CN114991056A公开了一种无人驾驶垃圾自动清扫车，其包括清扫车本体，所述清扫车本体的顶部设置有摄像模块，并且清扫车本体的车头、车尾以及两侧均设置有多个测距模块。

现有技术通过在清扫车本体上设置摄像模块、测距模块，从而实现无人驾驶；同时，通过设置在车体两侧的清洁模块，自动清扫道路上的垃圾，进行垃圾清扫工作。由此可见，所述无人驾驶垃圾自动清扫车能够在预设的常规路线实现无人驾驶，然而，实际路况时常较为复杂多变，该技术方案缺乏对复杂多变的实际路况信息分析判断，存在以路况信息分析判断精度低，使用效率低的问题。

发明内容

为此，本发明提供一种基于无人驾驶的路况图像处理系统，用以克服现有技术中对于路况信息分析判断精度不高的问题。

为实现上述目的，本发明提供一种基于无人驾驶的路况图像处理系统，该系统包括：

分段模块，用以将由所述目标起点位置和所述目标终点位置构成的目标行驶路段均匀切割成至少两段，分别设置为第一行驶路段、第二行驶路段直至第n行驶路段，n＞2且n为正整数，并在相邻行驶路段的边界位置设置路段标识；

采集模块，与所述分段模块连接，用以采集无人驾驶车辆所在的当前行驶路段的所述路段标识并确定无人驾驶车辆在当前行驶路段的实时位置、当前作业速度以及通过设置在所述目标起点位置的第一图像采集终端和设置在所述目标终点位置的第二图像采集终端得到的两个采集图像进行融合后得到当前行驶路段的融合路况图像信息以及下一行驶路段的融合路况图像信息；

提取模块，与所述采集模块连接，用以提取当前行驶路段的融合路况图像信息中的目标特征的数量并计算与下一行驶路段内的目标特征的数量的相对比例；

调整模块，其与所述提取模块连接，用以在当前作业速度的基础上通过所述相对比例的范围区间选择所述无人驾驶车辆在下一行驶路段内的行进速度以调整作业时长，以使无人驾驶车辆按照调整后的行进速度通过下一行驶路段。

进一步地，所述目标起点位置设置有第一距离采集终端，所述目标终点位置设置有第二距离采集终端，所述分段模块根据所述第一距离采集终端和所述第二距离采集终端的距离进行均等分割。

进一步地，所述分段模块根据目标行驶路段中的位置与所述目标起点位置的关系进行设置路段标识，

在与所述目标起点位置的距离为L1=L/n的目标行驶路段中的位置处设置第一路面标识，L为所述第一距离采集终端和所述第二距离采集终端的距离；

在与所述目标起点位置的距离为L1=2×L/n的目标行驶路段中的位置处设置第二路面标识；

直至在与所述目标起点位置的距离为L1=L的目标行驶路段中的位置处设置第n路面标识。

进一步地，所述采集模块设置有确定单元，所述确定单元用以确定无人驾驶车辆在当前行驶路段的实时位置，

采集所述无人驾驶车辆行驶方向上的第一个路面标识，并根据所述第一个路面标识确定所述无人驾驶车辆的实时位置，

当所述第一个路面标识为第一路面标识时，所述采集模块确定所述无人驾驶车辆的实时位置位于第一行驶路段；

当所述第一个路面标识为第二路面标识时，所述采集模块确定所述无人驾驶车辆的实时位置位于第二行驶路段；

直至当所述第一个路面标识为第n路面标识时，所述采集模块确定所述无人驾驶车辆的实时位置位于第n行驶路段。

进一步地，所述采集模块还设置有第一判定单元，所述第一判定单元与所述确定单元连接，用以根据灰度值与预设灰度值的关系判定第一灰度化图像和/或第二灰度化图像中是否存在目标特征，

所述采集模块将在所述目标起点位置的第一图像采集终端采集的图像进行灰度化，得到第一灰度化图像，在所述目标终点位置的第二图像采集终端采集的图像进行灰度化，得到第二灰度化图像，

所述第一判定单元根据灰度值H1与预设灰度值H2的关系判定所述第一灰度化图像和/或第二灰度化图像中是否存在目标特征，

若0.8×H2≤H1≤1.2×H2，则所述判定单元判定所述第一灰度化图像和/或第二灰度化图像中存在目标特征；

若当H1＜0.8×H2或H1＞1.2×H2，则所述判定单元判定所述第一灰度化图像和/或第二灰度化图像中不存在目标特征。

进一步地，所述采集模块还设置有第二判定单元，所述第二判定单元与所述第一判定单元连接，用以根据第一灰度化图像中的目标特征的第一数量M1和第二灰度化图像中的目标特征的第二数量M2之间的关系判定是否将第一灰度化图像和第二灰度化图像进行融合，

当0.9×M2≤M1≤1.1×M2，则所述第二判定单元判定不对所述第一灰度化图像和第二灰度化图像融合，此时采集所述第一灰度化图像作为融合后的融合路况图像信息，

当M1＜0.9×M2或M1＞1.1×M2，则所述第二判定单元判定对所述第一灰度化图像和第二灰度化图像进行融合。

进一步地，所述采集模块还设置有融合单元，所述融合单元与所述判定单元连接，用以将所述第一灰度化图像和第二灰度化图像进行融合，

所述采集模块采集所述第一灰度化图像中目标特征的灰度值H3和所述第二灰度化图像中目标特征的灰度值H4，

当0.8×H4≤H3≤1.2×H4，则所述融合单元将所述第一灰度化图像中目标特征和所述第二灰度化图像中目标特征确定为同一个目标特征，所述融合单元将所述第一灰度化图像中目标特征融合到所述融合路况图像信息中；

当H3＜0.8×H4或H3＞1.2×H4，则所述融合单元将所述第一灰度化图像中目标特征和所述第二灰度化图像中目标特征确定为不同的目标特征，所述融合单元将所述第一灰度化图像中目标特征和所述第二灰度化图像中目标特征进行融合到所述融合路况图像信息中。

进一步地，所述提取模块包括获取单元第一计算单元，所述获取单元用以获取所述融合路况图像信息中的目标特征的数量；

所述第一计算单元用以计算当前行驶路段的融合路况图像信息中的目标特征的数量与下一行驶路段的融合路况图像信息中的目标特征的数量的相对比例，

所述第一计算单元设置有第一计算公式R=N1/N2，N1为当前行驶路段的融合路况图像信息中的目标特征的数量，N2为下一行驶路段的融合路况图像信息中的目标特征的数量。

进一步地，所述调整模块设置有第三判定单元，

所述第三判定单元用以根据当前行驶路段的融合路况图像信息中的目标特征的数量N1和下一行驶路段内的目标特征的数量N2之间的关系判定是否对无人驾驶车辆在下一行驶路段内的作业速度进行调整，

若∣N1-N2∣≤N0，则所述第三判定单元判定对无人驾驶车辆在下一行驶路段内的作业速度不进行调整，N0为预设数量；

若∣N1-N2∣＞N0，则所述第三判定单元判定对无人驾驶车辆在下一行驶路段内的作业速度进行调整。

进一步地，所述调整模块还设置有第二计算单元，所述第二计算单元用以根据第一计算公式R和无人驾驶车辆在当前行驶路段的作业速度V0之间的关系计算无人驾驶车辆在下一行驶路段的作业速度V1时，所述第二计算单元设置有第二计算公式V1=V0×R=V0×N1/N2。

与现有技术相比，本发明的有益效果在于，通过分段模块将由所述目标起点位置和所述目标终点位置构成的目标行驶路段均匀切割成至少两段，分别设置为第一行驶路段、第二行驶路段直至第n行驶路段，n＞2且n为正整数，并在第n-1行驶路段和第n行驶路段边界位置设置路段标识；采集模块采集无人驾驶车辆所在的当前行驶路段的所述路段标识并确定无人驾驶车辆在当前行驶路段的实时位置以及当前作业速度，用以通过设置在所述目标起点位置的第一图像采集终端和设置在所述目标终点位置的第二图像采集终端得到的两个采集图像进行融合后得到当前行驶路段的融合路况图像信息以及下一行驶路段的融合路况图像信息；提取模块提取当前行驶路段的融合路况图像信息中的目标特征的数量并计算与下一行驶路段内的目标特征的数量的相对比例；调整模块在当前作业速度的基础上通过所述相对比例的范围区间选择所述无人驾驶车辆在下一行驶路段内的行进速度以调整作业时长，以使无人驾驶车辆按照调整后的行进速度通过下一行驶路段，实现对无人驾驶车辆的位置的确定和作业速度的调整，提高对于路况信息分析判断的精度。

尤其，本发明通过根据目标行驶路段中的位置与所述目标起点位置的关系进行设置路段标识，实现对分割后的第一行驶路段、第二行驶路段直至第n行驶路段的标识，为后续无人驾驶车辆在所述目标行驶路段中的位置采集做准备。

尤其，本发明通过采集无人驾驶车辆行驶方向上的第一个路面标识，并根据所述第一个路面标识确定所述无人驾驶车辆的实时位置，实现对无人驾驶车辆的行驶位置的确定，提高对无人驾驶车辆行驶位置确定的准确性。

尤其，本发明通过第一判定单元根据灰度值H1与预设灰度值H2的关系判定所述第一灰度化图像和/或第二灰度化图像中是否存在目标特征，实现对第一灰度化图像和/或第二灰度化图像中的是否含有目标特征的判定，为后续的融合做准备。

尤其，本发明通过第二判定单元根据第一灰度化图像中的目标特征的第一数量和第二灰度化图像中的目标特征的第二数量之间的关系判定是否将第一灰度化图像和第二灰度化图像进行融合，实现利用含有目标特征的数量对第一灰度化图像和第二灰度化图像进行融合，数量差异过小的第一灰度化图像和第二灰度化图像无需进行融合，减少处理系统的操作，提高处理系统的运行效率。

尤其，本发明通过融合单元对所述第一灰度化图像和第二灰度化图像进行融合，实现将第一灰度化图像和第二灰度化图像融合为一个灰度化图像，提高对路况图像信息的准确度。

尤其，本发明通过第三判定单元根据当前行驶路段的融合路况图像信息中的目标特征的数量和下一行驶路段内的目标特征的数量之间的关系判定是否对无人驾驶车辆在下一行驶路段内的作业速度进行调整，实心对无人驾驶车辆作业速度的控制，提高处理系统的运行效率。

尤其，本发明通过第一计算公式对无人驾驶车辆在下一行驶路段的作业速度进行调整，提高处理系统对路况图像信息处理的准确性，提高处理系统的运行效率。

附图说明

图1为本发明实施例中基于无人驾驶的路况图像处理系统的结构示意图；

图2为本发明实施例中基于无人驾驶的路况图像处理系统的采集模块的结构示意图；

图3为本发明实施例中基于无人驾驶的路况图像处理系统的提取模块的结构示意图；

图4为本发明实施例中基于无人驾驶的路况图像处理系统的调整模块的结构示意图。

具体实施方式

为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。

下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。

需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。

请参阅图1所示，其为本发明实施例中基于无人驾驶的路况图像处理系统的结构示意图，公开了一种基于无人驾驶的路况图像处理系统，包括：

分段模块100，用以将由所述目标起点位置和所述目标终点位置构成的目标行驶路段均匀切割成至少两段，分别设置为第一行驶路段、第二行驶路段直至第n行驶路段，n＞2且n为正整数，并在相邻行驶路段的边界位置设置路段标识；

采集模块200，与所述分段模块100连接，用以采集无人驾驶车辆所在的当前行驶路段的所述路段标识并确定无人驾驶车辆在当前行驶路段的实时位置、当前作业速度以及通过设置在所述目标起点位置的第一图像采集终端和设置在所述目标终点位置的第二图像采集终端得到的两个采集图像进行融合后得到当前行驶路段的融合路况图像信息以及下一行驶路段的融合路况图像信息；

提取模块300，与所述采集模块200连接，用以提取当前行驶路段的融合路况图像信息中的目标特征的数量并计算与下一行驶路段内的目标特征的数量的相对比例；

调整模块400，其与所述提取模块300连接，用以在当前作业速度的基础上通过所述相对比例的范围区间选择所述无人驾驶车辆在下一行驶路段内的行进速度以调整作业时长，以使无人驾驶车辆按照调整后的行进速度通过下一行驶路段。

具体而言，本发明实施例通过分段模块将由所述目标起点位置和所述目标终点位置构成的目标行驶路段均匀切割成至少两段，分别设置为第一行驶路段、第二行驶路段直至第n行驶路段，n＞2且n为正整数，并在第n-1行驶路段和第n行驶路段边界位置设置路段标识；采集模块采集无人驾驶车辆所在的当前行驶路段的所述路段标识并确定无人驾驶车辆在当前行驶路段的实时位置以及当前作业速度，用以通过设置在所述目标起点位置的第一图像采集终端和设置在所述目标终点位置的第二图像采集终端得到的两个采集图像进行融合后得到当前行驶路段的融合路况图像信息以及下一行驶路段的融合路况图像信息；提取模块提取当前行驶路段的融合路况图像信息中的目标特征的数量并计算与下一行驶路段内的目标特征的数量的相对比例；调整模块在当前作业速度的基础上通过所述相对比例的范围区间选择所述无人驾驶车辆在下一行驶路段内的行进速度以调整作业时长，以使无人驾驶车辆按照调整后的行进速度通过下一行驶路段，实现对无人驾驶车辆的位置的确定和作业速度的调整，提高对于路况信息分析判断的精度。

具体而言，所述目标起点位置设置有第一距离采集终端，所述目标终点位置设置有第二距离采集终端，所述分段模块100根据所述第一距离采集终端和所述第二距离采集终端的距离进行均等分割。

具体而言，所述分段模块100根据目标行驶路段中的位置与所述目标起点位置的关系进行设置路段标识，

在与所述目标起点位置的距离为L1=L/n的目标行驶路段中的位置处设置第一路面标识，L为所述第一距离采集终端和所述第二距离采集终端的距离；

在与所述目标起点位置的距离为L1=2×L/n的目标行驶路段中的位置处设置第二路面标识；

直至在与所述目标起点位置的距离为L1=L的目标行驶路段中的位置处设置第n路面标识。

具体而言，本发明实施例通过根据目标行驶路段中的位置与所述目标起点位置的关系进行设置路段标识，实现对分割后的第一行驶路段、第二行驶路段直至第n行驶路段的标识，为后续无人驾驶车辆在所述目标行驶路段中的位置采集做准备。

具体而言，请参阅图2所示，所述采集模块包括确定单元210、第一判定单元220、第二判定单元230和融合单元240，

所述确定单元用以确定无人驾驶车辆在当前行驶路段的实时位置；

所述第一判定单元与所述确定单元连接，用以根据灰度值与预设灰度值的关系判定第一灰度化图像和/或第二灰度化图像中是否存在目标特征；

所述第二判定单元与所述第一判定单元连接，用以根据第一灰度化图像中的目标特征的第一数量M1和第二灰度化图像中的目标特征的第二数量M2之间的关系判定是否将第一灰度化图像和第二灰度化图像进行融合；

所述融合单元与所述第二判定单元连接，用以将所述第一灰度化图像和第二灰度化图像进行融合。

具体而言，所述确定单元确定无人驾驶车辆在当前行驶路段的实时位置时，采集所述无人驾驶车辆行驶方向上的第一个路面标识，并根据所述第一个路面标识确定所述无人驾驶车辆的实时位置，

当所述第一个路面标识为第一路面标识时，所述采集模块确定所述无人驾驶车辆的实时位置位于第一行驶路段；

当所述第一个路面标识为第二路面标识时，所述采集模块确定所述无人驾驶车辆的实时位置位于第二行驶路段；

直至当所述第一个路面标识为第n路面标识时，所述采集模块确定所述无人驾驶车辆的实时位置位于第n行驶路段。

具体而言，本发明实施例通过采集无人驾驶车辆行驶方向上的第一个路面标识，并根据所述第一个路面标识确定所述无人驾驶车辆的实时位置，实现对无人驾驶车辆的行驶位置的确定，提高对无人驾驶车辆行驶位置确定的准确性。

具体而言，所述采集模块将在所述目标起点位置的第一图像采集终端采集的图像进行灰度化，得到第一灰度化图像，在所述目标终点位置的第二图像采集终端采集的图像进行灰度化，得到第二灰度化图像，

所述第一判定单元根据灰度值H1与预设灰度值H2的关系判定所述第一灰度化图像和/或第二灰度化图像中是否存在目标特征，

若0.8×H2≤H1≤1.2×H2，则所述判定单元判定所述第一灰度化图像和/或第二灰度化图像中存在目标特征；

若当H1＜0.8×H2或H1＞1.2×H2，则所述判定单元判定所述第一灰度化图像和/或第二灰度化图像中不存在目标特征。

具体而言，所述目标特征可以是路面设置的污水井、排水井、雨水井。

具体而言，本发明实施例通过第一判定单元根据灰度值H1与预设灰度值H2的关系判定所述第一灰度化图像和/或第二灰度化图像中是否存在目标特征，实现对第一灰度化图像和/或第二灰度化图像中的是否含有目标特征的判定，为后续的融合做准备。

具体而言，所述第二判定单元根据第一灰度化图像中的目标特征的第一数量M1和第二灰度化图像中的目标特征的第二数量M2之间的关系判定是否将第一灰度化图像和第二灰度化图像进行融合时，

当0.9×M2≤M1≤1.1×M2，则所述第二判定单元判定不对所述第一灰度化图像和第二灰度化图像融合，此时采集所述第一灰度化图像作为融合后的融合路况图像信息，

当M1＜0.9×M2或M1＞1.1×M2，则所述第二判定单元判定对所述第一灰度化图像和第二灰度化图像进行融合。

具体而言，本发明实施例通过第二判定单元根据第一灰度化图像中的目标特征的第一数量和第二灰度化图像中的目标特征的第二数量之间的关系判定是否将第一灰度化图像和第二灰度化图像进行融合，实现利用含有目标特征的数量对第一灰度化图像和第二灰度化图像进行融合，数量差异过小的第一灰度化图像和第二灰度化图像无需进行融合，减少处理系统的操作，提高处理系统的运行效率。

具体而言，在所述融合单元对所述第一灰度化图像和第二灰度化图像进行融合时，所述采集模块采集所述第一灰度化图像中目标特征的灰度值H3和所述第二灰度化图像中目标特征的灰度值H4，

当0.8×H4≤H3≤1.2×H4，则所述融合单元将所述第一灰度化图像中目标特征和所述第二灰度化图像中目标特征确定为同一个目标特征，所述融合单元将所述第一灰度化图像中目标特征融合到所述融合路况图像信息中；

当H3＜0.8×H4或H3＞1.2×H4，则所述融合单元将所述第一灰度化图像中目标特征和所述第二灰度化图像中目标特征确定为不同的目标特征，所述融合单元将所述第一灰度化图像中目标特征和所述第二灰度化图像中目标特征进行融合到所述融合路况图像信息中。

具体而言，本发明实施例通过融合单元对所述第一灰度化图像和第二灰度化图像进行融合，实现将第一灰度化图像和第二灰度化图像融合为一个灰度化图像，提高对路况图像信息的准确度。

具体而言，请参阅图3所示，所述提取模块设置有获取单元310和第一计算单元320，

所述获取单元用以获取所述融合路况图像信息中的目标特征的数量；

所述第一计算单元用以计算当前行驶路段的融合路况图像信息中的目标特征的数量与下一行驶路段的融合路况图像信息中的目标特征的数量的相对比例。

具体而言，所述第一计算单元设置有第一计算公式R=N1/N2，N1为当前行驶路段的融合路况图像信息中的目标特征的数量，N2为下一行驶路段的融合路况图像信息中的目标特征的数量。

具体而言，请参阅图4所示，所述调整模块包括第三判定单元410和第二计算单元420，

所述第三判定单元用以根据当前行驶路段的融合路况图像信息中的目标特征的数量N1和下一行驶路段内的目标特征的数量N2之间的关系判定是否对无人驾驶车辆在下一行驶路段内的作业速度进行调整；

所述第二计算单元用以根据第一计算公式和无人驾驶车辆在当前行驶路段的作业速度之间的关系计算无人驾驶车辆在下一行驶路段的作业速度。

具体而言，所述第三判定单元根据当前行驶路段的融合路况图像信息中的目标特征的数量N1和下一行驶路段内的目标特征的数量N2之间的关系判定是否对无人驾驶车辆在下一行驶路段内的作业速度进行调整时，

若∣N1-N2∣≤N0，则所述第三判定单元判定对无人驾驶车辆在下一行驶路段内的作业速度不进行调整，N0为预设数量；

若∣N1-N2∣＞N0，则所述第三判定单元判定对无人驾驶车辆在下一行驶路段内的作业速度进行调整。

具体而言，本发明实施例通过第三判定单元根据当前行驶路段的融合路况图像信息中的目标特征的数量和下一行驶路段内的目标特征的数量之间的关系判定是否对无人驾驶车辆在下一行驶路段内的作业速度进行调整，实心对无人驾驶车辆作业速度的控制，提高处理系统的运行效率。

具体而言，所述第二计算单元用以根据第一计算公式R和无人驾驶车辆在当前行驶路段的作业速度V0之间的关系计算无人驾驶车辆在下一行驶路段的作业速度V1时，所述第二计算单元设置有第二计算公式V1=V0×R=V0×N1/N2。

具体而言，本发明实施例通过第一计算公式对无人驾驶车辆在下一行驶路段的作业速度进行调整，提高处理系统对路况图像信息处理的准确性，提高处理系统的运行效率。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。