[發明專利]線激光器照明條件下雙線陣相機采集的路面圖像拼接及勻化方法

有效

• 申請號: 201310751265.0
• 申請日: 2013-12-31
• 公開（公告）號: CN103714343A
• 公開（公告）日: 2014-04-09
• 發明（設計）人: 呂建勇;唐振民;張濤
• 申請（專利權）人: 南京理工大學
• 主分類號: G06K9/60
• 分類號: G06K9/60;G06K9/62
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 朱顯國

1.一種線激光器照明條件下雙線陣相機采集的路面圖像勻化方法，其特征在于步驟如下：

第一步，在車尾安裝雙線掃描相機和線激光器

將雙線掃描相機和線激光器安裝在檢測車尾部頂端，兩者保持同一水平高度，與地面成垂直角度，并且使得兩相機拍攝的圖像有一部分重合；

第二步，標定圖像

（1）采集特征圖像：在道路中間放置有紋理的標志物，由安裝在檢測車上的里程傳感器同步觸發相機拍攝有此標志物的路面圖像，并使得左右兩路圖像都包含此標志物；

（2）特征點匹配：對于左右兩路都有標志物的路面圖像，分別采用PCA-SIFT算法尋找兩路圖像中標志物的匹配點，并進行配準，保存配準信息；

第三步，訓練樣本，訓練分類器以在后續實時檢測時檢測出車道線及行車標記，步驟如下：

（1）拍攝訓練樣本，通過雙線掃描相機拍攝一系列路面圖像作為訓練樣本，訓練樣本中需包含有車道線、無車道線、有行車標記、無行車標記、有車道線且有行車標記、無車道線且無行車標記的路面圖像；

（2）特征提取，將訓練樣本提取Haar-like特征，每個Haar-like特征由2或3個矩形組成，這些特征由如下公式計算：

Fj=Σi∈(1,...,N)wi×RS(ri)]]>

其中w_i為矩形的權重，RS(r_i)為矩形r_i所圍圖像的灰度值積分，N為組成Fj的矩形個數；

（3）分類器訓練，采用極限學習機ELM算法進行分類，使用上述訓練樣本提取的Haar-like特征訓練ELM的參數；

第四步，采集路面圖像；

第五步，圖像拼接：設點(x1,y1)和(x2,y2)為步驟二中左右兩路圖像上一對匹配點，由透視變換模型，得到坐標關系：

x2=h11x1+h12y1+h13h31x1+h32y1+1]]>

y2=h21x1+h22y1+h23h31x1+h32y1+1]]>

其中8個參數可通過多次迭代求解，再采用雙線性插值法，生成拼接圖像；

第六步，檢測車道線及行車標記，使用步驟三訓練好的ELM的參數對實時拍攝的路面圖像進行檢測，搜素圖像中所有目標區域，標注出包含車道線和行車標記的區域；

第七步，對非車道線及非行車標記區域進行灰度校正即勻化

對實時拍攝的圖像中非車道線及非行車標記區域進行線性灰度校正，其步驟如下：

（1）分別計算實時拍攝的圖像的整體灰度均值μ以及第j列的灰度均值μ_j；

（2）以圖像整體灰度和對比度為參照，對位于第j列第i行的像素點I_i,j灰度校正為：

α＝μ_j/μ

I_i,j＝αI_i,j+(μ-αμ_j)

第八步，圖像增強，采用灰度直方圖方法對勻化后的圖像進行增強，以突出病害；

第九步，輸出拼接勻化后的高清增強圖像。

2.根據權利要求1所述的線激光器照明條件下雙線陣相機采集的路面圖像勻化方法，其特征在于：第一步中兩相機拍攝的圖像有一部分重合，以1毫米對應1像素，每個相機橫向分辨率為2048，要覆蓋標準車道3.75m，則所述重合部分寬度應為150-200像素。