欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025111335435
申请人: 成都市技师学院(成都工贸职业技术学院、成都市高级技工学校、成都铁路工程学校)
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种动态障碍物识别方法,其特征在于,包括以下步骤:提取不同帧图像中动态障碍物区域;

在各个动态障碍物区域中提取最大障碍物区域、中等缩放障碍物区域和最小缩放障碍物区域;

提取最大障碍物区域、中等缩放障碍物区域和最小缩放障碍物区域的过程包括:对各个动态障碍物区域按面积大小取最大障碍物区域、最小障碍物区域和中等障碍物区域;

将中等障碍物区域缩放为最大障碍物区域的一半,得到中等缩放障碍物区域;

将最小障碍物区域缩放为中等缩放障碍物区域的一半,得到最小缩放障碍物区域;

对最大障碍物区域、中等缩放障碍物区域和最小缩放障碍物区域分别获取多层低频图像,并进行同一尺度对齐相加,得到第一低频增强图像、第二低频增强图像和第三低频增强图像;

采用低频融合障碍物分类模型处理第一低频增强图像、第二低频增强图像和第三低频增强图像,得到动态障碍物的类型。

2.根据权利要求1所述的动态障碍物识别方法,其特征在于,提取不同帧图像中动态障碍物区域的过程包括:采用相邻帧中在后帧图像减去在前帧图像,得到帧差图像;

标记帧差图像中像素值不为0的像素点为非零像素点;

在相邻帧的每帧图像中,标记非零像素点形成的每个连通区域为运动目标的潜在区域;

在每帧图像中,提取运动目标的潜在区域的平均像素值;

计算任一帧图像的运动目标的潜在区域的平均像素值与其他帧图像的运动目标的潜在区域的平均像素值的欧氏距离;

存在多个欧氏距离均小于距离阈值时,对小于距离阈值对应运动目标的潜在区域构建外接矩形,外接矩形所在区域为动态障碍物区域。

3.根据权利要求1所述的动态障碍物识别方法,其特征在于,得到第一低频增强图像、第二低频增强图像和第三低频增强图像的过程包括:对最大障碍物区域进行高斯金字塔多尺度分解,得到最大障碍物区域的5层低频图像;

对中等缩放障碍物区域进行高斯金字塔多尺度分解,得到中等缩放障碍物区域的4层低频图像;

对最小缩放障碍物区域进行高斯金字塔多尺度分解,得到最小缩放障碍物区域的3层低频图像;

将同一尺度的最大障碍物区域、中等缩放障碍物区域和最小缩放障碍物区域对应的低频图像进行对齐相加,得到多个低频增强图像。

4.根据权利要求3所述的动态障碍物识别方法,其特征在于,得到多个低频增强图像的过程包括:将最大障碍物区域的第5层低频图像、中等缩放障碍物区域的第4层低频图像和最小缩放障碍物区域的第3层低频图像进行对齐相加,得到第一低频增强图像;

将最大障碍物区域的第4层低频图像、中等缩放障碍物区域的第3层低频图像和最小缩放障碍物区域的第2层低频图像进行对齐相加,得到第二低频增强图像;

将最大障碍物区域的第3层低频图像、中等缩放障碍物区域的第2层低频图像和最小缩放障碍物区域的第1层低频图像进行对齐相加,得到第三低频增强图像。

5.根据权利要求4所述的动态障碍物识别方法,其特征在于,3个低频图像进行对齐相加的具体过程均包括:对每个低频图像提取Harris角点;

将Harris角点的像素值以及邻域像素值作为元素,构成Harris角点向量;

计算任一低频图像上Harris角点向量与其他两个低频图像上Harris角点向量的相似度;

在两个相似度均大于相似阈值时,且在其他每个低频图像上,相似Harris角点向量的数量均1时,将3个低频图像上的Harris角点均标记为对齐点;

在每个低频图像中对各个对齐点计算几何中心点;

将每个低频图像以各自的几何中心点为原点进行平移,得到矫正低频图像;

将3个矫正低频图像进行同位置的像素值相加,得到低频增强图像。

6.根据权利要求1所述的动态障碍物识别方法,其特征在于,低频融合障碍物分类模型包括:多尺度低频融合单元、第一卷积层、第二卷积层、第三卷积层、第一空间注意力单元、第二空间注意力单元、第三空间注意力单元、Concat层、残差单元和全连接层;

多尺度低频融合单元的第一输入端用于输入第一低频增强图像,其第二输入端用于输入第二低频增强图像,其第三输入端用于输入第三低频增强图像,其输出端与第一卷积层的输入端、第二卷积层的输入端和第三卷积层的输入端连接;

第一卷积层的输出端与第一空间注意力单元的输入端连接;第二卷积层的输出端与第二空间注意力单元的输入端连接;第三卷积层的输出端与第三空间注意力单元的输入端连接;

Concat层的输入端分别与第一空间注意力单元的输出端、第二空间注意力单元的输出端和第三空间注意力单元的输出端连接,其输出端与残差单元的输入端连接;

全连接层的输入端与残差单元的输出端连接,其输出端作为低频融合障碍物分类模型的输出端。

7.根据权利要求6所述的动态障碍物识别方法,其特征在于,第一卷积层的卷积核大小为1×1,第二卷积层的卷积核大小为3×3,第三卷积层的卷积核大小为5×5。

8.根据权利要求6所述的动态障碍物识别方法,其特征在于,多尺度低频融合单元包括:第四卷积层、第五卷积层、第六卷积层、第七卷积层、第八卷积层、第一上采样层、第二上采样层、加法器A1和加法器A2;

第四卷积层的输入端作为多尺度低频融合单元的第一输入端,其输出端与第一上采样层的输入端连接;

第五卷积层的输入端作为多尺度低频融合单元的第二输入端;

第六卷积层的输入端作为多尺度低频融合单元的第三输入端,其输出端与第八卷积层的输入端连接;

加法器A1的输入端分别与第一上采样层的输出端和第五卷积层的输出端连接,其输出端与第七卷积层的输入端连接;

第七卷积层的输出端与第二上采样层的输入端连接;

加法器A2的输入端分别与第二上采样层的输出端和第八卷积层的输出端连接,其输出端作为多尺度低频融合单元的输出端。

9.根据权利要求8所述的动态障碍物识别方法,其特征在于,第四卷积层、第五卷积层和第六卷积层的卷积核大小均为1×1,第七卷积层和第八卷积层的卷积核大小均为3×3。