一種能夠自主作業(yè)的汽車限行警示裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及汽車限行領(lǐng)域，具體涉及一種能夠自主作業(yè)的汽車限行警示裝置。
【背景技術(shù)】
[0002] 伴隨著城市的發(fā)展，交通擁堵和交通事故成為制約城市發(fā)展和威脅人們生命安全 的重要原因。近年來，各種智能交通系統(tǒng)被開發(fā)出來，車輛限行警示裝置作為智能交通系統(tǒng) 的重要組成部分，在規(guī)范車輛行駛和降低交通事故方面取得了很好的效果，然而，目前的汽 車限行警示裝置并不具備識別功能，智能化程度低，無法達到現(xiàn)在實時、高效的要求。
[0003] 目標輪廓識別作為目標識別的重要手段，由于實際應(yīng)用中受到噪聲、量化誤差等 因素的影響，目標輪廓不可避免地會產(chǎn)生失真，為了準確描述輪廓特征，目標輪廓的濾波平 滑處理是十分必要的。目前，學者們提出了許多含噪輪廓的濾波平滑算法，但是普遍存在計 算量龐大、降噪效果不理想、容易發(fā)生過度濾波導(dǎo)致目標失真等問題。

【發(fā)明內(nèi)容】

[0004] 針對上述問題，本發(fā)明提供一種能夠自主作業(yè)的汽車限行警示裝置。
[0005] 本發(fā)明的目的采用以下技術(shù)方案來實現(xiàn)：
[0006] -種能夠自主作業(yè)的汽車限行警示裝置，包括普通汽車限行警示裝置和安裝在汽 車限行警示裝置上的目標識別裝置，本發(fā)明通過在汽車限行警示裝置上加裝目標識別裝 置，能夠有效增強汽車限行警示裝置的識別能力，汽車限行警示裝置通過目標輪廓識別目 標，識別過程中能有效濾除目標輪廓噪聲，從而對車輛做出正確識別并發(fā)出警報，達到限行 警示作用，其特征是，包括建模模塊、分段模塊、合并模塊和濾波模塊；
[0007] 建模模塊，用于建立目標輪廓的參數(shù)化方程:對于給定的目標輪廓G(t)，其弧長參 數(shù)化方程表示為G(t) = (x(t)，y(t))，其中x(t)和y(t)分別表示輪廓點的坐標，t表示輪廓 曲線方程的參數(shù)，且te[0，i];
[0008] 含噪輪廓的弧長參數(shù)化方程表示為:6〃(〇=6(〇+仏（〇+仏（〇6(〇,其中加性噪 聲部分Ni(t)=Ni(xi(t)，yi(t))，乘性噪聲部分N2(t)=N2(X2(t)，y2(t));
[0009] 分段模塊，用于對輪廓的分段：目標輪廓G(t)和含噪輪廓GN(t)所對應(yīng)的曲率分別 為k(t)和k N(t);選寬度寬度為D的窗函數(shù)W(n)，對曲率k N(t)進行鄰域平均，得到平均曲率 k IN(t)，同時對窗口內(nèi)的曲率值排序，選定中值曲率k 2N(t)，將平均曲率k IN(t)和中值曲 率k 2N(t)差的絕對值與選定的閾值^進行比較，根據(jù)比較結(jié)果決定含噪輪廓曲率k%(t)， 即：
[0010] 當 Ik lN(t)-k 2N(t) |>Tl時，1^Ν(?)=1? lN(t)
[0011] 否則，l^NUhksNU);
[0012] 由于曲率值較大的輪廓點通常反映了目標的顯著特征，根據(jù)k%(t)將輪廓中所有 輪廓點劃分為特征點或非特征點，設(shè)定可變權(quán)值Τκ，通過判斷目標輪廓特征多少，自適應(yīng)的 決定Τκ，當 IkYt) I 時，特征函數(shù)f(t)=0
[0013] 否則，特征函數(shù)f(t) = l。
[0014] 合并模塊：用于剔除由于噪聲干擾產(chǎn)生的偽特征點，以及對無法形成連續(xù)區(qū)域的 特征點和非特征點進行合并操作，從而得到有效的特征區(qū)域與非特征區(qū)域:選定一個起始 點〇,輪廓起始點向兩側(cè)延伸合并相鄰的點，以該起始點類型作為該區(qū)域預(yù)設(shè)類型，向兩側(cè) 延伸各SXy〇時停止，其中S為預(yù)設(shè)的最小長度
點處的實時曲率修 正系數(shù)代表0點的曲率半徑^代表由上述窗函數(shù)得到的0點的平均曲率半徑，實 時曲率修正系數(shù)用于根據(jù)不同點的曲率不同，自動修正延伸長度，能有效減小合并后的 失真現(xiàn)象;分別計算兩側(cè)區(qū)域內(nèi)相異點的個數(shù)Ν+1和Ν-1，若相異點的個數(shù)小于設(shè)定的該類 型相異點最小個數(shù)，則該區(qū)域與預(yù)設(shè)類型相同，否則，與預(yù)設(shè)類型相反;再以兩個停止點〇 +1 和點0-1作為起始點重新開始計算，向外側(cè)延伸時停止，其中 代表點〇+1和點Ο-i處的實時曲率修正系數(shù)，〇 +1兩側(cè)區(qū)域內(nèi)相異點個數(shù)為Ν+2,0^兩側(cè)區(qū)域內(nèi) 相異點個數(shù)為Ν-2,根據(jù)上述判定條件，依次確定各段輪廓類型，長度不足S的部分根據(jù)其與S 的比例計算相異點個數(shù)，計入相應(yīng)的特征區(qū)域;對相鄰的同類型區(qū)域進行合并，得到連續(xù)的 特征區(qū)域和非特征區(qū)域；
[0015] 濾波模塊:乘性噪聲由于和圖像信號是相關(guān)的，隨圖像信號的變化而變化，采用維 納濾波來進行一級濾除，此時圖像信息還包含有殘余乘性噪音，通過F濾波器F(x，y)=qX exp(_(x 2+y2)/P2進行二級濾除，其中q是將函數(shù)歸一化的系數(shù)，即：JJqXexp(-(x 2+y2)/P2) dxdy = l，β為圖像模板參數(shù)；
[0016] 乘性噪聲濾除后，含噪目標輪廓的弧長參數(shù)化方程表示為GNUViGUHNKt);假 設(shè)加性噪聲為高斯白噪聲:XN(t) ' = X(t)+gi(t，〇2)，yN(t) ' =y(t)+g2(t，〇2)，其中xN(t) ' 和 yN(t)'分別表示去除乘性噪聲后含噪輪廓上各點坐標，gl(t，〇 2)和g2(t，〇2)分別是均值為 零、方差為σ 2的高斯白噪聲，用于模擬含噪目標輪廓中的加性噪聲；
[0017] 采用函數(shù)k(t，CT)=^e-1對含噪輪廓進行平滑，命名為Κ濾波器，經(jīng)過輪廓點分類和 區(qū)域劃分，含噪輪廓G N(t)'表示為不同類型輪廓分段的組合Αω'ΑβΓ⑴+ Σ4Γω， 其中Gf (t)表示包含特征區(qū)域的輪廓分段，GfF (t)表示包含非特征區(qū)域的輪廓分段，根據(jù) 輪廓特征分布選取K濾波器的參數(shù)，同時考慮全局特征和局部特征因素，在特征區(qū)域，為了 保留細節(jié)信息，令σ S min(〇', X σι>在非特征區(qū)域，為了提高抑制噪聲的效果，令 σ > max(o',.p&_x f%)，其中σ'為先驗估算得到的全局方差，所選特征區(qū)域的先驗估算方 差，σ〇為所選非特征區(qū)域的先驗估算方差，？1_為所選特征區(qū)域的平均實時曲率修正系數(shù)，P Q. 為所選非特征區(qū)域的平均實時曲率修正系數(shù);為了達到較好的平滑效果，選取每種類型區(qū) 域最小長度S的一半作為K濾波器85%置信區(qū)間的長度，從而根據(jù)兩類區(qū)域的長度自適應(yīng)不 同參數(shù)的K濾波器。
[0018] 本發(fā)明通過在汽車限行警示裝置上加裝目標識別裝置，能夠有效增強汽車限行警 示裝置的識別能力，汽車限行警示裝置通過目標輪廓識別目標，識別過程中能有效濾除目 標輪廓噪聲，從而對車輛做出正確識別并發(fā)出警報，達到限行警示作用。
【附圖說明】
[0019] 利用附圖對本發(fā)明作進一步說明，但附圖中的實施例不構(gòu)成對本發(fā)明的任何限 制，對于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)以下附圖獲得 其它的附圖。
[0020] 圖1是本發(fā)明的能夠自主作業(yè)的汽車限行警示裝置的結(jié)構(gòu)框圖。
【具體實施方式】
[0021] 結(jié)合以下實施例對本發(fā)明作進一步描述。
[0022] 圖1是本發(fā)明的結(jié)構(gòu)框圖，其包括:建模模塊、分段模塊、合并模塊、濾波模塊。
[0023] 實施例1: 一種能夠自主作業(yè)的汽車限行警示裝置，包括普通汽車限行警示裝置和 安裝在汽車限行警示裝置上的目標識別裝置，本發(fā)明通過在汽車限行警示裝置上加裝目標 識別裝置，能夠有效增強汽車限行警示裝置的識別能力，汽車限行警示裝置通過目標輪廓 識別目標，識別過程中能有效濾除目標輪廓噪聲，從而對車輛做出正確識別并發(fā)出警報，達 到限行警示作用，其特征是，包括建模模塊、分段模塊、合并模塊和濾波模塊；
[0024] 建模模塊，用于建立目標輪廓的參數(shù)化方程:對于給定的目標輪廓G(t)，其弧長參 數(shù)化方程表示為G(t) = (x(t)，y(t))，其中x(t)和y(t)分別表示輪廓點的坐標，t表示輪廓 曲線方程的參數(shù)，且te[0，i];
[0025] 含噪輪廓的弧長參數(shù)化方程表示為AWOiGUHNKO+NdOGU)，其中加性噪 聲部分Ni(t)=Ni(xi(t)，yi(t))，乘性噪聲部分N2(t)=N2(X2(t)，y2(t));
[0026] 分段模塊，用于對輪廓的分段：目標輪廓G(t)和含噪輪廓GN(t)所對應(yīng)的曲率分別 為k(t)和k N(t);由于受到噪聲的影響，含噪輪廓GN(t)上部分特征點的曲率值k N(t)不能 準確表示輪廓信息，為了得到準確的曲率，選寬度為De{7,9}的窗函數(shù)W(n)，對曲率k N(t) 進行鄰域平均，得到平均曲率klN ( t )，同時對窗口內(nèi)的曲率值排序，選定中值曲率k 2N (t)， 將平均曲率k 1N(t)和中值曲率k 2N(t)差的絕對值與選定的閾值1^ = 0.24進行比較，根據(jù)比 較結(jié)果決定含噪輪廓曲率V