[發明專利]基于無人機低空航拍圖像的道路交通標線檢測方法及系統

有效

• 申請號: 201810951206.0
• 申請日: 2018-08-21
• 公開（公告）號: CN108596165B
• 公開（公告）日: 2018-11-23
• 發明（設計）人: 羅林燕;譚鑫;黃新景;周哲;蔣自成
• 申請（專利權）人: 湖南鯤鵬智匯無人機技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 長沙國科天河知識產權代理有限公司 43225
• 代理人: 朱桂花

1.基于無人機低空航拍圖像的道路交通標線檢測方法，其特征在于，具體包括以下步驟：

S1、獲取無人機低空航拍的車道圖像；

S2、對獲取的車道圖像進行預處理以用于得到車道圖像的二值圖像；

S3、計算預處理后車道圖像中各連通域中像素的筆畫寬度；

S4、根據像素的筆畫寬度進行連通域篩選以用于進行道路交通標線中的車道線與道路的初分揀；

S5、以初分揀出的車道線和道路為樣本進行模糊線性鑒別分析，計算道路交通標線梯度增強參數，具體包括以下步驟：

S51、獲得步驟S4中所篩選出車道線連通域的位置坐標集C1，讀取步驟S1中車道圖像在坐標集C1處的RGB值，作為模糊線性鑒別分析的第一類樣本，將步驟S4中所篩選出車道線連通域進行膨脹，將膨脹后的連通域與膨脹前的連通域相減，獲取相減后連通域位置坐標集C2，讀取步驟S1中車道圖像在坐標集C2處的RGB值，作為模糊線性鑒別分析的第二類樣本,兩類樣本的合集為總體樣本；

S52、計算第一類樣本的均值、第二類樣本的均值和總體樣本的均值，類內距離、類間距離：

式中，表示第類樣本的個數，表示樣本，表示第類樣本的集合，表示矩陣的轉置；

S53、求出RGB空間到灰度空間的最優轉化系數：

最優投影系數的計算準則是——同類樣本的類內離散度盡可能小，類間離散度盡可能大，引入Fisher鑒別準則表達式，

式中，w表示RGB空間到灰度空間的轉換向量，最大時所對應的w即為RGB空間到灰度空間的最優轉換系數，即道路交通標線梯度增強參數；

S6、利用道路交通標線梯度增強參數重復步驟S2后重復步驟S3，并根據像素的筆畫寬度進行連通域篩選以用于進行所有道路交通標線與道路的細分揀；

S7、在步驟S6篩選出的道路交通標線連通域內用基于隨機抽樣一致性的三次B樣條曲線擬合算法精確確定道路交通標線的位置。

2.根據權利要求1所述基于無人機低空航拍圖像的道路交通標線檢測方法，其特征在于，步驟S4中，進行道路交通標線中的車道線與道路的初分揀具體包括以下步驟：

S41、根據車道線的筆畫寬度，并根據航拍高度確定篩選范圍，篩選出筆畫寬度在篩選范圍內的連通域；

S42、對步驟S41的結果進行微膨脹、填充處理，把步驟S41篩選后斷裂的車道線連接起來；

S43、根據連通域面積、長軸長度的幾何特征參數對步驟S42處理后的連通域進行進一步篩選。

3.根據權利要求1所述基于無人機低空航拍圖像的道路交通標線檢測方法，其特征在于，步驟S6中，進行所有道路交通標線與道路的細分揀具體包括以下步驟：

S61、根據所有道路交通標線的筆畫寬度，篩選出筆畫寬度在一定范圍內的連通域，其中道路交通標線包括車道線、箭頭、人行道和/或停止線；

S62、對步驟S61的結果進行微膨脹、填充處理，把步驟S61篩選后斷裂的車道線連接起來；

S63、根據連通域面積、長軸長度的參數對步驟S62處理后的連通域進行進一步篩選。

4.根據權利要求1至3任一項所述基于無人機低空航拍圖像的道路交通標線檢測方法，其特征在于，步驟S3中，計算預處理后車道圖像中各連通域中像素的筆畫寬度具體包括以下步驟：

S31、建立一幅與步驟S2中預處理后得到的二值圖像一樣大小的圖像，為筆畫寬度圖像，初始化筆畫寬度圖像中的每個像素值為無窮大；

S32、對步驟S2中預處理后得到的二值圖像進行邊緣提取，從任一邊緣點出發，沿該點的梯度方向搜索其他邊緣點，如果找到一個其他邊緣點，且其梯度方向正好與搜索方向一致，則將筆畫寬度圖像中連接這兩點線段上的所有像素點賦值為該兩點的歐式距離；

S33、當筆畫寬度圖像的任意點被多次賦值時，每次賦值總是與上一次所賦值進行比較，如果比上一次所賦值小，則將該點的像素值替換為本次賦值，即每個像素總是記錄所屬于的最細筆畫寬度。