[發(fā)明專利]一種基于圖像的路徑識別方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201710116333.4
• 申請日: 2017-03-01
• 公開（公告）號: CN106909903B
• 公開（公告）日: 2020-01-10
• 發(fā)明（設(shè)計(jì)）人: 楊啟文;袁杉杉;金紀(jì)東;文禹鴻
• 申請（專利權(quán)）人: 河海大學(xué)常州校區(qū)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/40;G06K9/46;G06K9/20
• 代理公司: 32224 南京縱橫知識產(chǎn)權(quán)代理有限公司
• 代理人: 董建林

1.一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；

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；

在步驟S3中，在路面的灰度圖像中質(zhì)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；

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，f(i,j)為第i行、j列的圖像像素灰度值，N為像素的最大列寬；

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，i為第i行。

2.一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；

第二次 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；

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；

道路邊界檢測模塊檢測道路邊界的過程為：在路面的灰度圖像中質(zhì)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；

第二次 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；

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，i為第i行。