智能车辆滤波处理分型系统的制作方法

本发明涉及智能车辆领域，更具体地，涉及一种智能车辆滤波处理分型系统。

背景技术：

1、智能车辆是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术，是典型的高新技术综合体。对智能车辆的研究主要致力于提高汽车的安全性、舒适性，以及提供优良的人车交互界面。近年来，智能车辆己经成为世界车辆工程领域研究的热点和汽车工业增长的新动力，很多发达国家都将其纳入到各自重点发展的智能交通系统当中。

2、对于智能车辆来说，需要对其可视化获取部件输出的即时拍摄图像经过滤波处理但不确定具体经过滤波处理类型下的哪一种子滤波处理类型进行智能鉴别，从而帮助智能车辆明确其具体的车辆内部环境，为智能车辆的驾驶策略的定制和安全措施的实施提供可靠的参考数据。

技术实现思路

1、为了解决相关领域的技术问题，本发明提供了一种智能车辆滤波处理分型系统，通过在已知可视化获取部件输出的即时拍摄图像经过滤波处理但不确定具体经过滤波处理类型下的哪一种子滤波处理类型时，采用深度残差网络模型对即时拍摄图像经过哪一种子滤波处理类型进行智能判断，为保证智能判断结果的可靠性和稳定性，针对性选择了多项基础数据，具体包括可视化获取部件的光电传感器的各份感应数据、即时拍摄图像的各个像素点的景深数值和坐标数值以及各种子滤波处理类型分别对应的各份处理类型编码数值，可视化获取部件的光电传感器的各份感应数据为可视化获取部件的光电传感器的靶面尺寸、量子效率、固定图形噪声幅值以及暗电流噪声幅值，以及用于智能判断的深度残差网络模型的结构定制，表现在引入目标构建部件用于对深度残差网络进行多次学习以获得完成多次学习后的深度残差网络并作为深度残差网络模型输出，其中，所述深度残差网络进行的学习的次数与可视化获取部件的光电传感器的占据面积单调正向关联，从而为不同的可视化获取部件构建不同结构的深度残差网络模型。

2、本发明至少需要具备以下几处重要的发明点：

3、发明点一：在已知可视化获取部件输出的即时拍摄图像经过滤波处理但不确定具体经过滤波处理类型下的哪一种子滤波处理类型时，采用深度残差网络模型对即时拍摄图像经过哪一种子滤波处理类型进行智能判断；

4、发明点二：为保证智能判断结果的可靠性和稳定性，针对性选择了多项基础数据，具体包括可视化获取部件的光电传感器的各份感应数据、即时拍摄图像的各个像素点的景深数值和坐标数值以及各种子滤波处理类型分别对应的各份处理类型编码数值，可视化获取部件的光电传感器的各份感应数据为可视化获取部件的光电传感器的靶面尺寸、量子效率、固定图形噪声幅值以及暗电流噪声幅值；

5、发明点三：用于智能判断的深度残差网络模型的结构定制，表现在引入目标构建部件用于对深度残差网络进行多次学习以获得完成多次学习后的深度残差网络并作为深度残差网络模型输出，其中，所述深度残差网络进行的学习的次数与可视化获取部件的光电传感器的占据面积单调正向关联，从而为不同的可视化获取部件构建不同结构的深度残差网络模型。

6、根据本发明，提供了一种智能车辆滤波处理分型系统，所述系统包括：

7、分类存储部件，用于存储滤波处理类型下的各种子滤波处理类型分别对应的各份处理类型编码数值，各个子滤波处理类型分别为维纳滤波处理、同态滤波处理、小波滤波处理、平滑空间滤波处理、高斯低通滤波处理、高斯高通滤波处理、带阻滤波处理、带通滤波处理、几何均值滤波处理以及盒式滤波；

8、可视化获取部件，固定在车辆内部以在检测到车辆内部存在人体对象时对车辆内部执行可视化监控操作，用于获取并输出相应的即时拍摄图像；

9、目标构建部件，用于对深度残差网络进行多次学习以获得完成多次学习后的深度残差网络并作为深度残差网络模型输出；

10、存在判断机构，分别与所述分类存储部件、所述可视化获取部件以及所述目标构建部件连接，用于将可视化获取部件的光电传感器的各份感应数据、即时拍摄图像的各个像素点的景深数值和坐标数值以及各种子滤波处理类型分别对应的各份处理类型编码数值并行输入到深度残差网络模型，并执行所述深度残差网络模型，以获得所述深度残差网络模型输出的即时拍摄图像经过的子滤波处理类型对应的处理类型编码数值；

11、其中，将可视化获取部件的光电传感器的各份感应数据、即时拍摄图像的各个像素点的景深数值和坐标数值以及各种子滤波处理类型分别对应的各份处理类型编码数值并行输入到深度残差网络模型，并执行所述深度残差网络模型，以获得所述深度残差网络模型输出的即时拍摄图像经过的子滤波处理类型对应的处理类型编码数值包括：可视化获取部件的光电传感器的各份感应数据为可视化获取部件的光电传感器的靶面尺寸、量子效率、固定图形噪声幅值以及暗电流噪声幅值；

12、其中，将可视化获取部件的光电传感器的各份感应数据、即时拍摄图像的各个像素点的景深数值和坐标数值以及各种子滤波处理类型分别对应的各份处理类型编码数值并行输入到深度残差网络模型，并执行所述深度残差网络模型，以获得所述深度残差网络模型输出的即时拍摄图像经过的子滤波处理类型对应的处理类型编码数值还包括：即时拍摄图像的各个像素点的坐标数值为即时拍摄图像的各个像素点的水平坐标数值和垂直坐标数值。

13、本发明的智能车辆滤波处理分型系统逻辑紧凑、操作鉴别。由于能够在已知可视化获取部件输出的即时拍摄图像经过滤波处理但不确定具体经过滤波处理类型下的哪一种子滤波处理类型时，采用深度残差网络模型对即时拍摄图像经过哪一种子滤波处理类型进行智能判断，从而保证了智能车辆获取真实场景的准度。

技术特征：

1.一种智能车辆滤波处理分型系统，其特征在于，所述系统包括：

2.如权利要求1所述的智能车辆滤波处理分型系统，其特征在于：

3.如权利要求2所述的智能车辆滤波处理分型系统，其特征在于，所述系统还包括：

4.如权利要求2所述的智能车辆滤波处理分型系统，其特征在于，所述系统还包括：

5.如权利要求2-4任一所述的智能车辆滤波处理分型系统，其特征在于：

6.如权利要求5所述的智能车辆滤波处理分型系统，其特征在于：

7.如权利要求5所述的智能车辆滤波处理分型系统，其特征在于：

8.如权利要求5所述的智能车辆滤波处理分型系统，其特征在于：

9.如权利要求5所述的智能车辆滤波处理分型系统，其特征在于：

技术总结本发明涉及一种智能车辆滤波处理分型系统。所述系统包括：可视化获取部件，对车辆内部执行可视化监控操作以获得即时拍摄图像；存在判断机构，基于可视化获取部件的光电传感器的各份感应数据、即时拍摄图像的各个像素点的景深数值和坐标数值以及各种子滤波处理类型分别对应的各份处理类型编码数值采用深度残差网络模型分析即时拍摄图像经过的子滤波处理类型对应的处理类型编码数值。通过本系统，能够在已知可视化获取部件输出的即时拍摄图像经过滤波处理但不确定具体经过滤波处理类型下的哪一种子滤波处理类型时，采用深度残差网络模型对即时拍摄图像经过哪一种子滤波处理类型进行智能判断，从而保证了智能车辆获取真实场景的准度。技术研发人员：请求不公布姓名,请求不公布姓名,请求不公布姓名受保护的技术使用者：镇江捷特汽车科技有限公司技术研发日：技术公布日：2024/11/14