本發(fā)明屬于模式識別技術(shù)領(lǐng)域，具體涉及一種基于圖像的路徑設(shè)別方法，還涉及一種基于圖像的路徑識別系統(tǒng)。
背景技術(shù)：
近幾年來，無人自動駕駛技術(shù)引起了汽車行業(yè)的廣泛關(guān)注。在無人自動駕駛技術(shù)中，道路的自動識別是一個至關(guān)重要的環(huán)節(jié)。在基于圖像的路徑識別技術(shù)中，由于需要對大量的圖像信息進(jìn)行計(jì)算和分析，因此，道路快速而有效的識別對于自動駕駛有著重要的意義。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明的目的在于克服現(xiàn)有技術(shù)中的不足，提供了一種基于圖像的路徑識別方法及系統(tǒng)，能夠采用簡單的計(jì)算方法，快速而有效地識別道路中心位置。
為解決上述技術(shù)問題，本發(fā)明提供了一種基于圖像的路徑識別方法，其特征是，包括如下步驟：
步驟S1，獲取路面的灰度圖像；
步驟S2，對灰度圖像逐行計(jì)算像素的質(zhì)心位置，以各行質(zhì)心位置作為道路中心的第一次定位結(jié)果；
步驟S3，根據(jù)第一次定位結(jié)果計(jì)算質(zhì)心兩側(cè)梯度最大值，獲得道路邊界及十字路口位置；
步驟S4，逐行判斷：如果此行是十字路口，則以第一次定位結(jié)果作為道路中心的第二次定位結(jié)果；如果不是十字路口，則計(jì)算道路邊界內(nèi)的像素的質(zhì)心，以此質(zhì)心位置作為道路中心的第二次定位結(jié)果；
步驟S5，對第二次所獲得的道路中心進(jìn)行濾波，獲得最終的道路中心線。
進(jìn)一步的，在步驟S2中計(jì)算各行像素質(zhì)心位置的過程為：設(shè)第i行、j列的圖像像素灰度值為f(i,j)，則第i行的質(zhì)心所在的列記為y1(i)，質(zhì)心計(jì)算公式如下：
式中，N為像素的最大列寬。
進(jìn)一步的，在步驟S3中，在道路中心y1(i)的兩側(cè)，分別尋找梯度最大值，取其所在列為道路邊界；如果所在列位于圖像邊界，則該行為十字路口。
進(jìn)一步的，采用如下不完全微分算法計(jì)算第i行各列的梯度df(i,j)：
df(i,j)＝K[f(i,j)-g(i,j)]
式中，g(i,j)＝g(i,j-1)+df(i,j-1)，K為濾波系數(shù)，0<j<N。
進(jìn)一步的，在步驟S5中，濾波計(jì)算公式：
y3(i)＝αy3(i-1)+(1-α)y2(i)
式中，α取值范圍為0.5～0.9；y2(i)為第二次定位結(jié)果，y3(i)為最終道路中心。
相應(yīng)的本發(fā)明還提供了一種基于圖像的路徑識別系統(tǒng)，其特征是，包括灰度圖像采集模塊、第一次道路中心定位模塊、道路邊界檢測模塊、第二次道路中心定位模塊和第三次道路中心定位模塊；
灰度圖像采集模塊，用于獲取路面的灰度圖像；
第一次道路中心定位模塊，用于對灰度圖像逐行計(jì)算像素的質(zhì)心位置，以各行質(zhì)心位置作為道路中心的第一次定位結(jié)果；
道路邊界檢測模塊，用于根據(jù)第一次定位結(jié)果計(jì)算質(zhì)心兩側(cè)梯度最大值，獲得道路邊界及十字路口位置；
第二道路中心定位模塊，用于計(jì)算道路邊界內(nèi)的各行像素的質(zhì)心位置以及十字路口的質(zhì)心位置，以此質(zhì)心位置作為道路中心的第二次定位結(jié)果；
第三次道路中心定位模塊，用于對第二次所獲得的道路中心進(jìn)行濾波，獲得最終的道路中心線。
進(jìn)一步的，第一次道路中心定位模塊中質(zhì)心計(jì)算公式如下：
式中，y1(i)為第i行像素質(zhì)心所在的列，N為像素的最大列寬，f(i,j)為第i行、j列的圖像像素灰度值。
進(jìn)一步的，道路邊界檢測模塊檢測道路邊界的過程為：在道路中心y1(i)的兩側(cè)，分別尋找梯度最大值，取其所在列為道路邊界；如果所在列位于圖像邊界，則該行為十字路口。
進(jìn)一步的，第二道路中心定位模塊逐行計(jì)算第二次定位結(jié)果的過程為：如果此行是十字路口，則以第一次定位結(jié)果作為道路中心的第二次定位結(jié)果；如果不是十字路口，則計(jì)算道路邊界內(nèi)的像素的質(zhì)心，以此質(zhì)心位置作為道路中心的第二次定位結(jié)果。
進(jìn)一步的，第三次道路中心定位模塊中進(jìn)行濾波的計(jì)算公式如下：
y3(i)＝αy3(i-1)+(1-α)y2(i)
式中，α取值范圍為0.5～0.9；y2(i)為第二次定位結(jié)果，y3(i)為最終道路中心。
與現(xiàn)有技術(shù)相比，本發(fā)明所達(dá)到的有益效果是：本發(fā)明采用質(zhì)心法計(jì)算道路中心位置，能夠有效克服圖像噪聲的影響；采用不完全微分方法計(jì)算道路邊緣，可以抑制噪聲對梯度的干擾；對道路內(nèi)的圖像像素進(jìn)行二次質(zhì)心定位，能夠提高道路中心的定位精度；對二次定位的道路中心像素進(jìn)行濾波，可以進(jìn)一步提高識別精度。本發(fā)明方法無需對圖像進(jìn)行預(yù)處理，運(yùn)算量小，計(jì)算速度快。
附圖說明
圖1是本發(fā)明基于灰度圖像的路徑識別方法流程圖。
具體實(shí)施方式
下面結(jié)合附圖對本發(fā)明作進(jìn)一步描述。以下實(shí)施例僅用于更加清楚地說明本發(fā)明的技術(shù)方案，而不能以此來限制本發(fā)明的保護(hù)范圍。
在本發(fā)明專利的描述中，需要說明的是，術(shù)語“中心”、“上”、“下”、“左”、“右”、“豎直”、“水平”、“內(nèi)”、“外”等指示的方位或位置關(guān)系為基于附圖所示的方位或位置關(guān)系，僅是為了便于描述本發(fā)明專利和簡化描述，而不是指示或暗示所指的裝置或元件必須具有特定的方位、以特定的方位構(gòu)造和操作，因此不能理解為對本發(fā)明專利的限制。此外，術(shù)語“第一”、“第二”、“第三”僅用于描述目的，而不能理解為指示或暗示相對重要性。在本發(fā)明專利的描述中，需要說明的是，除非另有明確的規(guī)定和限定，術(shù)語“安裝”、“相連”、“連接”應(yīng)做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或一體地連接；可以是機(jī)械連接，也可以是電連接；可以是直接相連，也可以通過中間媒介間接相連，可以是兩個元件內(nèi)部的連通。對于本領(lǐng)域的普通技術(shù)人員而言，可以具體情況理解上述術(shù)語在本發(fā)明專利中的具體含義。
通常情況下，圖像中路面部分的顏色變化不大，路的邊界通常有醒目的顏色或輪廓特征。這種情況下，在拍攝的路面圖像中，道路中心因色彩變化不大，其梯度趨近于零，邊界梯度因顏色改變或出現(xiàn)邊緣而發(fā)生劇烈的變化。這種特征，采用微分運(yùn)算很容易檢測出道路邊緣。另外，道路中心的像素由于色彩相近，且占有很大的比例，其質(zhì)心通常位于顏色較近且集中的區(qū)域。因此，采用質(zhì)心法計(jì)算道路中心可靠性高，對圖像質(zhì)量的要求不高。
本發(fā)明的一種基于圖像的路徑識別方法，如圖1所示，包括如下步驟：
步驟S01：獲取路面的灰度圖像
如果路面圖像是彩色圖像，則需要先將其轉(zhuǎn)換成灰度圖像。基于RGB顏色空間的彩色像素變換為灰度像素的公式為：
灰度＝紅色*0.299+綠色*0.587+藍(lán)色*0.114
該公式把一個像素的RGB分量轉(zhuǎn)換呈灰度，通過此公式將彩色圖像轉(zhuǎn)換為灰度圖像。
步驟S02：道路中心第一次定位
對灰度圖像逐行計(jì)算像素的質(zhì)心位置，以此質(zhì)心位置作為道路的初始中心。設(shè)第i行、j列的圖像像素灰度值為f(i,j)，則第i行的道路中心所在的列記為y1(i)，可采用如下質(zhì)心公式(1)計(jì)算：
式(1)中，N為像素的最大列寬。因?yàn)榇瞬襟E是道路中心的第一次定位，以公式1計(jì)算出的道路中心記為y1(i)，標(biāo)識是第一次定位結(jié)果，相應(yīng)的第二次定位結(jié)果記為y2(i)，第三次定位結(jié)果記為y3(i)。
步驟S03：道路邊界檢測
首先，采用如下不完全微分算法計(jì)算第i行各列的梯度df(i,j)：
df(i,j)＝K[f(i,j)-g(i,j)] (2)
式(2)中，g(i,j)＝g(i,j-1)+df(i,j-1)，K為濾波系數(shù)，可人工設(shè)置，范圍為50～150，0<j<N。
隨后，在道路中心y1(i)的兩側(cè)，分別尋找梯度最大值，取其所在列為道路邊界；如果所在列位于圖像邊界，則該行為十字路口。
步驟S04：道路中心第二次定位
由于第一次定位精度不高，這里將根據(jù)步驟S02所得道路邊界和十字路口，進(jìn)行道路中心第二次定位。記第二次道路中心為y2(i)。其中以第i行為例，第二次定位其計(jì)算過程分下面兩種情況：
若第i行是根據(jù)步驟S03判斷所得到的十字路口的像素，其第二次道路中心y2(i)仍采用第一次的定位結(jié)果y1(i)，這樣有利于在精度不變的情況下，減少計(jì)算量，提高計(jì)算速度。
如果不是十字路口，則選取步驟S03所得道路邊界內(nèi)的圖像像素，采用公式(1)，對道路中心進(jìn)行第二次定位，根據(jù)公式(1)計(jì)算得到的結(jié)果記為y2(i)。
第一次定位比較粗略，誤差較大，第二次定位時，能夠檢測出邊界、識別出十字路口，定位精度較高。
步驟S05：道路中心第三次定位
對于第二次定位所得路徑中心，采用濾波算法，進(jìn)一步消除圖像噪聲或邊緣檢測誤差帶來的影響，獲得光滑的道路中心線y3(i)。
濾波算法可優(yōu)選如下計(jì)算公式：
y3(i)＝αy3(i-1)+(1-α)y2(i) (3)
式(3)中，α取值范圍0.5～0.9。
相應(yīng)的本發(fā)明還提供了一種基于圖像的路徑識別系統(tǒng)，包括灰度圖像采集模塊、第一次道路中心定位模塊、道路邊界檢測模塊、第二次道路中心定位模塊和第三次道路中心定位模塊；
灰度圖像采集模塊，用于獲取路面的灰度圖像；
第一次道路中心定位模塊，用于對灰度圖像逐行計(jì)算像素的質(zhì)心位置，以各行質(zhì)心位置作為道路中心的第一次定位結(jié)果；
道路邊界檢測模塊，用于根據(jù)第一次定位結(jié)果計(jì)算質(zhì)心兩側(cè)梯度最大值，獲得道路邊界及十字路口位置；
第二道路中心定位模塊，用于計(jì)算道路邊界內(nèi)的各行像素的質(zhì)心位置以及十字路口的質(zhì)心位置，以此質(zhì)心位置作為道路中心的第二次定位結(jié)果；
第三次道路中心定位模塊，用于對第二次所獲得的道路中心進(jìn)行濾波，獲得最終的道路中心線。
以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明技術(shù)原理的前提下，還可以做出若干改進(jìn)和變型，這些改進(jìn)和變型也應(yīng)視為本發(fā)明的保護(hù)范圍。