一种具有场景识别功能的电动汽车

摘要

本发明一种具有场景识别功能的电动汽车，包括电动汽车和安装在电动汽车上的场景识别装置，场景识别装置包括图像预处理模块、图像极值点检测模块、图像特征点定位模块、主方向确定模块、和特征提取模块和场景判定模块，其中所述图像特征点定位模块通过剔除所述各极值点中对噪声敏感的低对比度点以及不稳定的边缘点来确定作为特征点的极值点，所述主方向确定模块用于将关于所述特征点的梯度方向直方图中的任意相邻两个峰值连线以形成多个子线段，并将具有相近斜率且相邻的子线段在长度方向上进行合并形成一条线段后将多条线段中的最优线段的方向作为特征点的主方向。本发明具有场景识别精度高、速度快的优点。

主权项

一种具有场景识别功能的电动汽车，用于对周围场景进行识别，其特征是，包括电动汽车和安装在电动汽车上的场景识别装置，场景识别装置包括：(1)图像预处理模块，其包括用于将彩色图像转化为灰度图像的图像转换子模块和用于对所述灰度图像进行滤波的图像滤波子模块，所述图像转换子模块的图像灰度转换公式为：$\begin{array}{c}I(x,y)=\frac{max\left(R\right(x,y),G(x,y),B(x,y\left)\right)+min\left(R\right(x,y),G(x,y),B(x,y\left)\right)}{2}\\ +2[max\left(R\right(x,y),G(x,y),B(x,y\left)\right)-min\left(R\right(x,y),G(x,y),B(x,y\left)\right)]\end{array}$其中，R(x,y)、G(x,y)、B(x,y)分别代表像素点(x,y)处的红绿蓝强度值，I(x,y)代表像素点(x,y)处的灰度值；(2)图像极值点检测模块，其通过由高斯差分算子与图像进行卷积建立成的图像的高斯差分尺度空间来检测各极值点的位置，当采样点相对于与它同尺度的8个相邻点和上下相邻尺度对应的18个点的值皆大时，所述采样点为极大值点，当采样点相对于与它同尺度的8个相邻点和上下相邻尺度对应的18个点的值皆小时，所述采样点为极小值点，所述高斯差分尺度空间的简化计算公式为：D(x,y,σ)＝(G(x,kσ)‑G(x,σ))*I′(x,y)+(G(y,kσ)‑G(y,σ))*I′(x,y)此处$G(x,\sigma )=\frac{1}{\sqrt{2\pi }\sigma }{e}^{-x^2/2{\sigma }^2},G(y,\sigma )=\frac{1}{\sqrt{2\pi }\sigma }{e}^{-y^2/2{\sigma }^2}$其中，D(x,y,σ)表示高斯差分尺度空间函数，I′(x,y)为由图像转化子模块输出的图像函数，*表示卷积运算，σ表示尺度空间因子，G(x,σ)、G(y,σ)为定义的尺度可变的高斯函数，k为不变倍增因子；(3)图像特征点定位模块，其通过剔除所述各极值点中对噪声敏感的低对比度点以及不稳定的边缘点来确定作为特征点的极值点，包括依次连接的用于极值点精确定位的第一定位子模块、用于去除低对比度点的第二定位子模块和用于去除不稳定边缘点的第三定位子模块，其中：a、所述第一定位子模块通过对所述高斯差分尺度空间函数进行二次泰勒展开并求导得到极值点的精确位置，极值点的尺度空间函数为：$D\left(\hat{X}\right)=D(x,y,\sigma )+\frac{\partial D{(x,y,\sigma )}^T}{\partial x}\hat{X}$其中，表示极值点的尺度空间函数，D(x,y,σ)^T为相对于极值点的偏移量，表示极值点的精确位置；b、所述第二定位子模块对由图像转换子模快输出的图像依次进行灰度增强、归一化处理后剔除所述低对比度点，增强后的灰度值为：此处所述低对比度点的判定公式为：$D\left(\hat{X}\right)<T_1,T_1\in [0.01,0.06]$其中，I″(x,y)表示灰度值增强后的图像函数，为包含局部信息的校正系数，M为像素的最大灰度值，所述最大灰度值M＝255，m_H为图像中灰度值高于128的所有像素的均值，m_L是灰度值低于128的所有像素的均值，ψ(x,y)为由图像滤波子模块处理后的图像，T₁为设定的阈值；c、所述第三定位子模块通过计算极值点的位置尺度为2×2的Hessian矩阵H得到该极值点的主曲率，并通过剔除主曲率比值大于设定的阈值T₂的极值点来剔除所述不稳定边缘点，其中阈值T₂的取值范围为[10,15]，所述主曲率比值通过比较矩阵H的特征值之间的比值来确定。