[發明專利]一種基于SIFT–COF特征光流的道路檢測方法

有效

• 申請號: 201310218603.4
• 申請日: 2013-06-04
• 公開（公告）號: CN103279748A
• 公開（公告）日: 2013-09-04
• 發明（設計）人: 王燕清;石朝俠;齊登厚;鮑友山
• 申請（專利權）人: 南京三寶科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/00
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 賀翔

技術領域

本發明涉及智能車輛的自主導航領域，具體是一種SIFT–COF特征光流檢測方法，用于實現道路檢測的準確性。

背景技術

根據非結構化道路，道路區域的絕大部分具有相似的特征，而且與非道路區域具有特征上的差異。因此，將道路區域分割與道路邊界檢測方法結合，能夠提高道路檢測的準確性和魯棒性。然而，由于道路的材質構成不同（比如碎石、泥土或砂土混雜），環境照度的影響，道路局部區域會出現異于道路本身其他區域的特征，這在道路檢測過程中體現為非道路區域混雜于道路區域之中的情況，因此有必要分清這些非道路區域是道路還是障礙物。將非視覺傳感器數據與視覺數據結合能夠有效的克服這一問題，但是存在下列難度：與視覺傳感器在理論上可以看到無限遠處不同，非視覺傳感器可能由于探測角度的問題（如單線激光器）無法檢測到障礙物的存在，也可能由于探測量程原因只能對近距離的障礙物進行檢測。使用昂貴的64線激光雷達能夠檢測到100m左右的中型車輛障礙，但是其價格要遠遠高于一般車輛的造價。基于上述考慮，本文主要解決基于單目視覺的道路檢測，試圖通過對這一問題的研究為智能車輛的自主導航提供廉價的解決方案。

發明內容

本發明所要解決的技術問題是提供一種準確性高、實現成本低的基于SIFT–COF特征光流的道路檢測方法。

本發明所述的一種基于SIFT–COF特征光流的道路檢測方法，其包括以下步驟：

1）利用傳感器采集車輛前方道路上的幀圖像信息，并區分出幀圖像中的道路區域和非道路區域；

2）將混雜于道路區域中的非道路區域確定為感興趣區域ROI?(RegionsofInterest簡稱ROI)

3）然后對ROI中的特征進行提取，并通過幀間的特征匹配形成特征光流，根據特征光流的計算判斷該特征是位于道路的平面上還是位于道路平面之外；

4）根據車輛在上一時刻的運動判斷該特征是否為靜止特征，靜止而且位于道路平面上的特征所在區域將被視為可通行區域，否則將被視為非可通行區域；

其中，上述步驟3）中特征提取過程為：對于幀圖像中任意一點的SIFT特征，以該點的正方向為基準建立直角坐標系X₄’O₄’Y₄’；計算出圖像中所有的Harris角點在坐標系中的位置；這樣，圖像中的每一個SIFT特征點與一個坐標系相對應，同時每一個Harris角點特征都換算成在不同坐標系里面的坐標，通過這種方式建立了特征的分層結構。

上述步驟3）中特征光流的計算包括以下步驟：

1）SIFT-Harris復合特征構建；利用SIFT特征和Harris角點特征組成復合特征以兼備兩種特征的優點，彌補各自的不足。

2）對SIFT特征進行聚類；首先，對SIFT特征進行聚類，設定兩幅圖像匹配的特征數量閾值為3，找到兩組匹配的SIFT特征集合。然后，設定兩幅圖像匹配的特征數量閾值，找到兩組匹配的SIFT特征集合。

3）Harris角點的匹配?對于圖像中的某一角點特征，假定其在某一SIFT特征中的坐標用極坐標表示，找到滿足條件的匹配點，然后進行投票。為了減少計算，以SIFT特征組為單位進行投票，每一輪投票結束后，把滿足匹配條件（投票數大于3）的Harris角點特征從各自的特征集中刪除，直到完成所有的投票為止。

4）把歷史幀圖像的所有匹配特征原位置映射到在當前圖像中，然后連接所有的Harris角點特征和SIFT特征的匹配對，就在當前圖像中形成特征光流。假設攝像機在運動過程中保持固定，則像平面中的任一點與世界坐標系中道路平面的某一點一一對應。根據光流的歷史位置和當前位置，就可以計算該光流的在世界坐標系中的位移和方向。由于車體的運動速度和方向容易獲取，環境中靜止物體的位移和方向與車體的位移和方向大小相等，方向相反，從而可以檢測環境中運動的物體和行人。

???本發明的有益效果：

本發明建立了SIFT特征與Harris角點特征的層次化結構，提出了一種SIFT–COF特征光流檢測方法，對導航過程中采集的車輛前方道路上的幀圖像進行分析，并對其中感興趣區域是否可通行進行判別。該方法實現了SIFT特征與Harris角點特征的優勢互補，利用SIFT特征的尺度不變特性和Harris角點特征的均勻分布特性，不同類型的非結構化道路的光流檢測對比試驗顯示了本方法的有效性。

附圖說明