[發明專利]基于無人飛行器圖像的地面無人車輛視覺道路檢測方法

有效

• 申請號: 202011290845.0
• 申請日: 2020-11-17
• 公開（公告）號: CN112395985B
• 公開（公告）日: 2022-10-21
• 發明（設計）人: 王歡;田樂;彭曉蕊;何智靜;盧逸飛
• 申請（專利權）人: 南京理工大學
• 主分類號: G06V20/17
• 分類號: G06V20/17;G06V10/762;G06V10/80;G06V10/774;G06T7/80
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 岑丹

1.一種基于無人飛行器圖像的地面無人車輛視覺道路檢測方法，其特征在于，包括以下步驟：

步驟1、分別提取車載道路圖像和航拍道路圖像的超像素特征，制作車載道路圖像檢測模型訓練集和航拍圖像道路檢測模型訓練集；

步驟2、利用車載道路圖像檢測模型訓練集和航拍圖像道路檢測模型訓練集訓練SVM模型，分別得到車載圖像道路檢測模型和航拍圖像道路檢測模型；

步驟3、設定無人車、無人機的共同興趣區域，分別在原始車載道路圖像和航拍道路圖像中生成相應的共同興趣區域圖像；

步驟4、對共同興趣區域圖像進行道路檢測與圖像融合，獲得融合后的道路檢測結果圖像。

2.根據權利要求1所述的基于無人飛行器圖像的地面無人車輛視覺道路檢測方法，其特征在于，制作車載道路圖像檢測模型訓練集和航拍圖像道路檢測模型訓練集的具體方法為：

使用線性迭代聚類將車載道路圖像和航拍道路圖像分割為超像素單元；

以超像素為單位構建特征向量；

將道路超像素標注為1，非路超像素標注為0；

由超像素的特征向量以及相應的標注信息構成訓練集的訓練數據。

3.根據權利要求2所述的基于無人飛行器圖像的地面無人車輛視覺道路檢測方法，其特征在于，以超像素為單位構建顏色和紋理特征向量，顏色特征向量由超像素的灰度直方圖得到；紋理特征向量由超像素單元通過拉普拉斯算子和Prewitt算子濾波后的灰度直方圖得到。

4.根據權利要求1所述的基于無人飛行器圖像的地面無人車輛視覺道路檢測方法，其特征在于，所述SVM模型使用高斯核作為核函數。

5.根據權利要求1所述的基于無人飛行器圖像的地面無人車輛視覺道路檢測方法，其特征在于，分別在原始車載道路圖像和航拍道路圖像中生成相應的共同興趣區域圖像的具體方法為：

對航拍道路圖像采用顏色粒子濾波算法和基于直線段的方向匹配方法，確定共同關注的道路區域范圍，得到共同興趣區域圖像；

對車載道路圖像，采用逆投影變換，獲取共同興趣區域圖像。

6.根據權利要求1～5任一所述的基于無人飛行器圖像的地面無人車輛視覺道路檢測方法，其特征在于，在航拍道路圖像中生成相應的共同興趣區域圖像的具體方法為：

標注初始幀的車輛目標區域，計算區域的直方圖顏色分布；

設置粒子模型為S＝{x,y,v_x,v_y,H_x,H_y,a}，其中x,y是粒子中心位置，v_x,v_y,是粒子在x,y方向的運動速度，H_x,H_y表示粒子所在區域的寬和高，a是相應尺度因子；對于給定t-1時刻粒子樣本集合S_t-1，粒子初始權重為1/N，N為樣本集大小；

對粒子集合S_t-1進行重采樣；

根據系統狀態方程S_t＝AS_t-1+w_t-1，計算新的粒子集合S_t，估計新粒子的位置，其中A為N個粒子關于初始狀態顏色直方圖的似然度匹配值，w為高斯噪聲；

對集合S_t中每個粒子計算顏色直方圖，與初始的車輛目標區域顏色直方圖進行比較，更新估計，獲得新的權重概率

根據新的權重概率估算集合S_t的平均值，提取位置坐標，作為車輛目標跟蹤輸出：其中向量E[S_t]包含第t時刻圖像中車輛目標的位置信息x,y，以及當前車輛目標檢測窗口的寬度和高度信息H_x,H_y；

在檢測窗口中計算目標直方圖顏色分布，作為下一幀車輛目標的顏色分布，計算當前目標顏色分布與先前顏色分布的Bhattacharyya系數，作為下一幀的權重