1.一种基于OCC的自动驾驶车辆多特征解调方法,其特征在于,所述方法如下:对LED阵列进行拍摄,获取包含LED阵列区域的原始图像数据信息并进行边缘检测,确定LED阵列区域;将LED阵列区域平均划分,确定LED阵列中各LED灯对应的LED区域的边缘及位置信息,计算每个LED区域的梯度径向向内量和平均灰度比并构成对应的LED区域特征向量;采用Fisher线性判别法识别各LED灯状态;对原始图像数据信息进行边缘检测并确定LED阵列区域的方法如下:对原始图像进行二值化处理获得A二值图像;对A二值图像进行矩形膨胀、腐蚀处理,获得包含候选区域G1,G2,...Gh,...,GM的B二值图像;
令候选区域G1,G2,...Gh,...,GM左上角坐标分别为(Xmin1,Ymin1),(Xmin2,Ymin2),…(Xminh,Yminh),…(XminM,YminM),右下角坐标分别为(Xmax1,Ymax1),(Xmax2,Ymax2),…,(Xmaxh,Ymaxh),…(XmaxM,YmaxM),各候选区域在B二值图像上的像素值之和为PT1,PT2,…PTh,…,PTM;
针对任一候选区域Gh,计算该候选区域Gh的宽度Wh及高度Hh:该候选区域Gh的中心坐标为(Xch,YCh):
B二值图像上候选区域Gh的平均像素值为PTAh:其中h=1,2,…,M;
如果任意候选区域Gh满足下述筛选条件,则判定该候选区域为LED阵列区域:长宽比在之间,Wmin≤Wh≤Wmax, PTAh≥200;其中a、b分别为LED阵列中LED灯的行数和列数;Wmax表示前车与后车之间的车间距等于设定的最小车间距时LED阵列区域在原始图像中的宽度,Wmin表示前车与后车之间的车间距等于设定的最大车间距时LED阵列区域在原始图像中的宽度;Himage为原始图像高度。
2.根据权利要求1所述的基于OCC的自动驾驶车辆多特征解调方法,其特征在于,每个LED区域的梯度径向向内量的获得方法如下:
令LED区域宽度 高度 WLP为LED阵列区域的宽度,HLP为LED阵列区域的高度,针对第i行第j列LED灯对应的LED区域n,其左上角坐标可表示为:(XLLn,YLLn)=(XLPmin+(j‑1)×WL,YLPmin+(i‑1)×HL)其中,(XLPmin,YLPmin)为LED阵列区域的左上角坐标,第i行第j列LED灯对应的LED区域的右下角坐标可表示为:(XLRn,YLRn)=(XLPmin+j×WL,YLPmin+i×HL)第i行第j列LED灯对应的LED区域的中心坐标为:其中i=1,2,…,a,j=1,2,…,b;
计算LED区域n的梯度径向向内量GRIn,对于LED区域n内任意图像像素点(x,y),其相对于该区域中心的方向向量rn(x,y)为:rn(x,y)=(XLCn‑x,YLCn‑y)
设图像像素点(x,y)处像素值为f(x,y),则其像素强度变化方向向量Δfn(x,y)为:图像像素点(x,y)处的梯度径向向内量GRI(x,y)n为:其中n=1,2,…a×b;|rn(x,y)|为LED区域n中心的方向向量rn(x,y)的模长;
LED区域n的梯度径向向内量FRIn等于该区域内所有图像像素点处的梯度径向向内量之和。
3.根据权利要求2所述的基于OCC的自动驾驶车辆多特征解调方法,其特征在于,每个LED区域的平均灰度比的获得方法如下:
计算LED区域n的平均灰度比AGRn;令各LED区域在灰度图像上所有像素点的像素值之和分别为PGL1,PGL2,…,PGLn,…,PGL(a×b),则LED区域n的平均像素值PGLAn为:设LED阵列区域在灰度图像上所有像素点的像素值之和为PGLP,则LED阵列区域的平均像素值PGLPA为:
LED区域n的平均灰度比AGRn为:
其中n=1,2,…,a×b。
4.根据权利要求1所述的基于OCC的自动驾驶车辆多特征解调方法,其特征在于,采用Fisher线性判别法识别各LED灯状态的方法如下:根据下式获得LED灯状态识别数据Status:
其中ωW为判别向量,μk为当前帧原始图像提取的任一LED区域k的LED区域特征向量Sk(AGRk,GRIk),AGRk为LED区域k的平均灰度比,GRIk为LED区域k的梯度径向向内量;thres为LED区域特征向量训练集中所有LED区域特征向量投影的平均值:LED区域特征向量训练集构成方法如下:
根据多幅原始图像数据信息获取对应的多个LED阵列区域,提取所有原始图像数据信息的LED阵列区域中所有LED区域的平均灰度比和梯度径向向内量数据,构成LED区域特征向量训练集S;
S={S1p(AGR1p,GRI1p),S2p(AGR2p,GRI2p),...,Sqp(AGRqp,GRIqp),...SQp(AGRQp,GRIQp)}其中,p=1或者p=0,分别对应LED亮灭两个类别;Q为所有原始图像中LED区域数量之和,Sqp(AGRqp,GRIqp)为LED区域特征向量训练集S中的第q个特征向量,AGRqp为第q个LED区域的平均灰度比,GRIqp为第q个LED区域的梯度径向向内量;
m0、m1分别为LED区域特征向量训练集S中灭、亮两个类别LED区域特征向量的平均值;
Sw为类内协方差矩阵:
Sw=C0+C1
令集合Sp为LED区域特征向量训练集S中所有p类别LED区域特征向量构成的集合,p=0或1;则Cp为集合Sp中所有特征向量的协方差矩阵:其中 为集合Sp中所有平均灰度比间协方差, 为集合Sp中所有平均灰度比和梯度径向向内量间的协方差, 为集合Sp中所有LED区域梯度径向向内量和平均灰度比间的协方差, 为集合Sp中所有梯度径向向内量间的协方差。