專利名稱：基于自適應(yīng)邊緣配準(zhǔn)的非結(jié)構(gòu)化道路檢測方法
技術(shù)領(lǐng)域：
本發(fā)明 涉及一種用于智能車輛自主導(dǎo)航的非結(jié)構(gòu)化道路檢測方法，具體涉及一種基于自適應(yīng)邊緣配準(zhǔn)的非結(jié)構(gòu)化道路檢測方法。
背景技術(shù)：
基于視覺的非結(jié)構(gòu)化道路檢測是智能車輛自主導(dǎo)航研究的熱點(diǎn)之一。與基于多傳感器信息融合的導(dǎo)航方法相比，以道路檢測為核心的視覺導(dǎo)航方法無疑提供了更為廉價的解決方案。以目前美國國防部高級研究規(guī)劃局(DARPA)組織的Grand Challenge智能車輛越野挑戰(zhàn)賽為例，參加比賽的車輛大都安裝了價格昂貴的非視覺傳感器系統(tǒng)，其造價遠(yuǎn)遠(yuǎn)超過了汽車本身，這為以后該項(xiàng)研究在民用領(lǐng)域的應(yīng)用埋下了隱患。視覺導(dǎo)航技術(shù)由于受到機(jī)器視覺和認(rèn)知技術(shù)發(fā)展水平的制約，尚無法使智能車輛真正獨(dú)立于駕駛?cè)藛T的干預(yù)。 然而，通過道路檢測判斷智能車輛偏離車道的狀態(tài)并及時提醒能夠有效避免由于駕駛員注意力不集中引發(fā)的各類交通事故(約占總交通事故的80%)。目前的道路大致可分為兩類結(jié)構(gòu)化道路與非結(jié)構(gòu)化道路。其中結(jié)構(gòu)化道路通常指高速公路或級別較高的公路，該道路具有清晰的分道線標(biāo)志或規(guī)則的邊界形狀。非結(jié)構(gòu)化道路一般是指城市非主干車道以及其他沒有明顯分道線標(biāo)志的道路類型(如校園、居民小區(qū)、鄉(xiāng)村道路等)。非結(jié)構(gòu)化道路具有形狀不規(guī)則、沒有分道線標(biāo)志、路面容易存在破損和裂痕、局部顏色或紋理特征不均勻、以及光影影響嚴(yán)重等問題。面向非結(jié)構(gòu)化道路視覺檢測的方法大致可分為三類道路特征方法、道路模型方法和神經(jīng)網(wǎng)絡(luò)方法。道路特征方法主要通過提取和定位道路的某些特征(如道路的顏色、灰度、紋理、邊緣或頻域特征等)來檢測道路。該方法利用特征分類實(shí)現(xiàn)對道路區(qū)域和非道路區(qū)域的分割，主要優(yōu)點(diǎn)是對道路形狀不敏感，需要的先驗(yàn)知識少；缺點(diǎn)是對光影、裂痕等較為敏感，處理計算量較大。道路模型方法(如直線模型、B-Snake曲線模型和統(tǒng)計模型等)則事先建立道路的參數(shù)模型，通過圖像分析確定模型參數(shù)，從而得到關(guān)于道路的全部信息。該類方法檢測出的道路區(qū)域較為完整，但是對于復(fù)雜的路面形狀無法建立準(zhǔn)確的模型。神經(jīng)網(wǎng)絡(luò)的方法利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)特性，不需要道路的先驗(yàn)知識，但是道路識別的結(jié)果依賴于訓(xùn)練時采用的樣本，需要大量的訓(xùn)練集。非結(jié)構(gòu)化道路的視覺檢測問題可以歸結(jié)為機(jī)器視覺的圖像分割問題。目前針對圖像分割問題提出了很多方法，其中閾值法因其計算簡單，不需人工干預(yù)等優(yōu)點(diǎn)被廣泛采用。 閾值法是利用圖像中目標(biāo)與背景在特征上的差異，通過選取合適的閾值進(jìn)行圖像分割的方法。最具代表性的閾值法有Otsu閾值法(最大類間方差法)、最大熵法、灰度直方圖法、最小錯誤法以及各類方法在二維、多維上的擴(kuò)展。上述方法在單閾值分割的應(yīng)用較多，有的已經(jīng)拓廣到多閾值分割領(lǐng)域。

發(fā)明內(nèi)容
發(fā)明目的針對現(xiàn)有技術(shù)中的不足，本發(fā)明的目的是提供一種基于自適應(yīng)邊緣配準(zhǔn)的非結(jié)構(gòu)化道路檢測方法，以實(shí)現(xiàn)提高道路區(qū)域分割和邊界跟蹤的精度，有效克服道路缺損、光影、照度變化等不利因素的影響。技術(shù)方案為了實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明采用的技術(shù)方案為
針對現(xiàn)有的非結(jié)構(gòu) 化道路的特點(diǎn)，應(yīng)滿足如下合理?xiàng)l件1)道路區(qū)域和非道路區(qū)域的特征差異條件在本發(fā)明中主要指灰度上的差異；2)道路的“同質(zhì)”條件不管是水泥路、柏油路還是鄉(xiāng)間的泥土路和砂石路，道路區(qū)域的大部分區(qū)域都具有灰度均勻性和漸變性的特點(diǎn)；3)圖像中的特定區(qū)域可被視為道路區(qū)域該條件為大致判斷道路區(qū)域的特征信息提供了可能，目前已有很多物理實(shí)現(xiàn)的方法。一種基于自適應(yīng)邊緣配準(zhǔn)的非結(jié)構(gòu)化道路檢測方法，為Otsu邊緣與加權(quán)Carmy邊緣的配準(zhǔn)方法，Otsu方法作為一種自適應(yīng)閾值搜索方法，只能獲得道路區(qū)域和非道路區(qū)域的大致分割結(jié)果，而無法獲得精確的道路邊界。由于人類對于客觀事物的認(rèn)知除了顏色、灰度、紋理等特征外，在很大程度上依賴于事物的輪廓與形狀。因此特定邊緣可視為道路與非道路的精確分界。本發(fā)明借助于Otsu邊緣與加權(quán)Carmy邊緣的配準(zhǔn)獲得精確的道路邊界， 從而將區(qū)域分割與邊緣檢測有效結(jié)合，確保算法的魯棒性與精確性。具體如下
(1)加權(quán)Carmy邊緣檢測
目前已經(jīng)提出了很多經(jīng)典的邊緣檢測算子如Roberts算子、Sobel算子、Laplacian算子、LOG算子、Carmy算子等。其中Carmy算子是一個具有濾波、增強(qiáng)和檢測的多階段優(yōu)化算子，提取的邊緣比較完整，位置比較準(zhǔn)確，能夠檢測出圖像較細(xì)的邊緣部分。因此采用Carmy 算子實(shí)現(xiàn)邊緣提取的功能。在傳 統(tǒng) C a η η y 算子 中， 原始 圖像
, U'*/)
Kr；/)首先與高斯核G(^p) = -Lt/^"卷積獲得高斯模糊圖像，然后用一階偏導(dǎo)的有限
2%σ
差分來計算梯度的幅值和方向，對梯度幅值進(jìn)行非極大值抑制并用雙閾值算法檢測和連接邊緣。在雙閾值檢測階段，記錄識別為邊緣像素的梯度幅值，以便于能用折線段的長度、 角度、距離和平均幅值強(qiáng)度來聯(lián)合表征非結(jié)構(gòu)化道路的不規(guī)則邊界；
在雙閾值檢測階段，將彼此連通的邊緣點(diǎn)進(jìn)行統(tǒng)一編號，并在編號完成后利用最小二乘法進(jìn)行直線擬合，求出具有相同編號的邊緣點(diǎn)集的軸線；
假定直線的方程為Z : 7 = ,則點(diǎn)集中任一點(diǎn)到直線的距離為
+,((炒 + r-瑪/(1 + ￥), ++ 為垂足坐標(biāo)。假設(shè)點(diǎn) P1,P2 在直線
L上的垂足點(diǎn)是所有垂足點(diǎn)的兩個端點(diǎn)，可以很容易證明內(nèi)旳&丨成立。所以， 站到的映射為壓縮映射，意味著在線段上的任意一點(diǎn)，都至少可以在邊緣點(diǎn)集中找到一點(diǎn)與之對應(yīng)，選取距離最小的點(diǎn)為其對應(yīng)點(diǎn)，則具有相同垂足的其他點(diǎn)為非對應(yīng)點(diǎn)。利用式(1)對邊緣點(diǎn)集中的任一點(diǎn)i賦權(quán)值，其中S為邊緣點(diǎn)集的總點(diǎn)數(shù)丨為線段上像素的個數(shù)，Lth為最短線段長度閾值(與圖像的分辨率有關(guān)，根據(jù)經(jīng)驗(yàn)選取)。在式(1)中，邊緣像素的權(quán)值與^成正比，這意味著一根獨(dú)立的、弧度小折線段要比具有相同投影長度的封閉的、弧度大的曲線更能獲得較大的權(quán)值，
權(quán)利要求
1.一種基于自適應(yīng)邊緣配準(zhǔn)的非結(jié)構(gòu)化道路檢測方法，其特征在于為Otsu邊緣與加權(quán)Carmy邊緣的配準(zhǔn)方法；具體包括(1)加權(quán)Carmy邊緣檢測在雙閾值檢測階段，記錄識別為邊緣像素的梯度幅值，用折線段的長度、角度、距離和平均幅值強(qiáng)度來聯(lián)合表征非結(jié)構(gòu)化道路的不規(guī)則邊界；在雙閾值檢測階段，將彼此連通的邊緣點(diǎn)進(jìn)行統(tǒng)一編號，并在編號完成后利用最小二乘法進(jìn)行直線擬合，求出具有相同編號的邊緣點(diǎn)集的軸線；利用式(1)對邊緣點(diǎn)集中的任一點(diǎn)i賦權(quán)值，其中S為邊緣點(diǎn)集的總點(diǎn)數(shù)；I PvA21為線段A1^2上像素的個數(shù)，為最短線段長度閾值力比例因子，取值范圍為 (Ti，用于調(diào)節(jié)丨PvlPv2丨對權(quán)值的影響程度；
2.根據(jù)權(quán)利要求1所述的基于自適應(yīng)邊緣配準(zhǔn)的非結(jié)構(gòu)化道路檢測方法，其特征在于所述的非結(jié)構(gòu)化道路為道路區(qū)域和非道路區(qū)域要有灰度上的差異；不管是水泥路、柏油路還是鄉(xiāng)間的泥土路或砂石路，道路區(qū)域的大部分區(qū)域都具 有灰度均勻性和漸變性的特點(diǎn)；圖像中的特定區(qū)域可被視為道路區(qū)域。
全文摘要
本發(fā)明公開了一種基于自適應(yīng)邊緣配準(zhǔn)的非結(jié)構(gòu)化道路檢測方法，為Otsu邊緣與加權(quán)Canny邊緣的配準(zhǔn)方法；具體包括加權(quán)Canny邊緣檢測、Otsu的閾值優(yōu)化和Canny邊緣的權(quán)值重估。與現(xiàn)有技術(shù)相比，本發(fā)明的基于自適應(yīng)邊緣配準(zhǔn)的非結(jié)構(gòu)化道路檢測方法的突出優(yōu)點(diǎn)包括本發(fā)明以O(shè)tsu邊緣與加權(quán)Canny邊緣的配準(zhǔn)為核心，提高道路區(qū)域分割和邊界跟蹤的精度，不同場景下的非結(jié)構(gòu)化道路識別實(shí)驗(yàn)表明，該檢測方法能夠有效克服道路缺損、光影、照度變化等不利因素的影響，具有很好的實(shí)用性，能夠產(chǎn)生很好的經(jīng)濟(jì)效益和社會效益。
文檔編號G06T5/00GK102436644SQ201110341479
公開日2012年5月2日 申請日期2011年11月2日 優(yōu)先權(quán)日2011年11月2日
發(fā)明者吳劍, 李鋼, 王燕清, 辛柯俊, 鄒濤 申請人:南京物聯(lián)網(wǎng)研究院發(fā)展有限公司