[發(fā)明專利]基于自適應(yīng)邊緣配準(zhǔn)的非結(jié)構(gòu)化道路檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201110341479.1
• 申請(qǐng)日: 2011-11-02
• 公開（公告）號(hào): CN102436644A
• 公開（公告）日: 2012-05-02
• 發(fā)明（設(shè)計(jì)）人: 王燕清;辛柯俊;鄒濤;李鋼;吳劍
• 申請(qǐng)（專利權(quán)）人: 南京物聯(lián)網(wǎng)研究院發(fā)展有限公司
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00;G06T7/00
• 代理公司: 江蘇圣典律師事務(wù)所 32237
• 代理人: 賀翔

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(cè)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(cè)方法。

背景技術(shù)

基于視覺的非結(jié)構(gòu)化道路檢測(cè)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(cè)為核心的視覺導(dǎo)航方法無疑提供了更為廉價(jià)的解決方案。以目前美國國防部高級(jí)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(jià)格昂貴的非視覺傳感器系統(tǒng)，其造價(jià)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(cè)判斷智能車輛偏離車道的狀態(tài)并及時(shí)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(jí)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(cè)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(cè)道路。該方法利用特征分類實(shí)現(xiàn)對(duì)道路區(qū)域和非道路區(qū)域的分割，主要優(yōu)點(diǎn)是對(duì)道路形狀不敏感，需要的先驗(yàn)知識(shí)少；缺點(diǎn)是對(duì)光影、裂痕等較為敏感，處理計(jì)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(jì)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(cè)出的道路區(qū)域較為完整，但是對(duì)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(shí)，但是道路識(shí)別的結(jié)果依賴于訓(xùn)練時(shí)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(cè)問題可以歸結(jié)為機(jī)器視覺的圖像分割問題。目前針對(duì)圖像分割問題提出了很多方法，其中閾值法因其計(jì)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(cuò)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(duì)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(cè)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(duì)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(cè)方法，為Otsu邊緣與加權(quán)Canny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(duì)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)Canny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(cè)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)Canny邊緣檢測(cè)

目前已經(jīng)提出了很多經(jīng)典的邊緣檢測(cè)算子如Roberts算子、Sobel算子、Laplacian算子、LOG算子、Canny算子等。其中Canny算子是一個(gè)具有濾波、增強(qiáng)和檢測(cè)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(cè)出圖像較細(xì)的邊緣部分。因此采用Canny算子實(shí)現(xiàn)邊緣提取的功能。