[發明專利]一種非結構化道路的檢測方法

在審

• 申請號: 201710328099.1
• 申請日: 2017-05-11
• 公開（公告）號: CN107133598A
• 公開（公告）日: 2017-09-05
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 南寧市正祥科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明具體涉及一種非結構化道路的檢測方法。

背景技術

近年來，無人車交通道路檢測作為智能交通系統的一個重要應用方向已經成為學術界的研究熱點。目前，對結構化道路環境的識別算法已經相對成熟，而對于非結構化道路環境來說，由于這類道路沒有車道線和清晰的道路邊界，加上戶外的自然場景受季節、光照、陰影和水跡地等影響，道路區域和非道路區域難以區分，因此針對非結構化道路的檢測技術尚處于研究階段。

現階段對非結構化道路的檢測方法主要有基于道路特征的方法、基于道路模型的方法、基于神經網路的方法和基于支持向量機的方法。基于特征的方法根據道路的顏色、紋理特征與非道路進行區分，所需計算量大，并且對陰影和水跡較為敏感；基于模型的方法需要找出最匹配的道路模型，但在復雜場景下無法建立有效的模型；基于神經網絡和基于支持向量機的方法都需要對樣本進行大量的訓練。

發明內容

本發明要解決的技術問題是提供一種非結構化道路的檢測方法。

一種非結構化道路的檢測方法，包括以下步驟：

S1：將單目攝像機采集的彩色圖像，通過高斯金字塔進行降采樣，金字塔由高斯平滑和向下降采樣構成，轉成灰度圖像處理，壓縮圖像數據信息，對圖像進行雙邊濾波，抑制噪聲；

S2：采用基于小波變換求模極大值的方法對圖像提取邊緣；

S3：結合高斯函數設定閾值去除非道路邊緣點；

S4：根據基于斜率和截距的K-means聚類算法實現道路的擬合。

進一步的，步驟S2的具體方法如下：

1）構造小波函數：

，

，其中，s為尺度；

2）對圖像f行列進行卷積得到尺度s上的二維小波變換的2個分量、：

，

；

3）得到在尺度s下梯度矢量的模與幅角：

，

；

4）把像素點f(x,y)的梯度方向分成4種方向：①0°或180°的水平方向；②90°或270°的垂直方向；③45°或225°的正對角線方向，④135°或315°的負對角線方向；求出與該像素點梯度幅角大小最接近的方向；

5）對每一個像素點，依次比較該像素點的8領域梯度值，查找該像素點梯度在由步驟4）求出的幅值最接近的方向上是否為極大值，如果該值是極大值，記錄該像素點梯度值，否則，把該像素點梯度值置零；

6）找到記錄梯度中的最大值，然后以該值做歸一化，比較每一個像素歸一化的梯度值，當該梯度值大于某個閾值時，則認為是圖像的真正邊緣，否則視為圖像的偽邊緣。

進一步的，步驟S3的具體方法如下：

假設邊緣點f(x,y)的幅值為G(x,y)，幅角為A(x,y)，邊緣點f(s,t)是邊緣點f(x,y)的8鄰域點；如果邊緣點f(x,y)的與8鄰域點f(s,t)的梯度幅值與梯度方向滿足：

；

；

并且：；

其中，；；T1，T2，T3，T4為幅度閾值；A1，A2為角度閾值；則保留該邊緣點，并記錄該邊緣點的坐標(x,y)，否則將邊緣點置0。

本發明的有益效果是：

本發明能在道路場景較為復雜的情況下更準確地實現非結構化道路檢測，并提高實時性。

具體實施方式

以下具體實施例對本發明作進一步闡述，但不作為對本發明的限定。

一種非結構化道路的檢測方法，包括以下步驟：

S1：將單目攝像機采集的彩色圖像，通過高斯金字塔進行降采樣，金字塔由高斯平滑和向下降采樣構成，轉成灰度圖像處理，壓縮圖像數據信息，對圖像進行雙邊濾波，抑制噪聲；

S2：采用基于小波變換求模極大值的方法對圖像提取邊緣；

S3：結合高斯函數設定閾值去除非道路邊緣點；

S4：根據基于斜率和截距的K-means聚類算法實現道路的擬合。

步驟S2的具體方法如下：

1）構造小波函數：

，

，其中，s為尺度；

2）對圖像f行列進行卷積得到尺度s上的二維小波變換的2個分量、：

，

；

3）得到在尺度s下梯度矢量的模與幅角：

，

；

4）把像素點f(x,y)的梯度方向分成4種方向：①0°或180°的水平方向；②90°或270°的垂直方向；③45°或225°的正對角線方向，④135°或315°的負對角線方向；求出與該像素點梯度幅角大小最接近的方向；