[發(fā)明專利]一種基于OpenCV的停車泊位線識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110555361.2
• 申請(qǐng)日: 2021-05-21
• 公開（公告）號(hào): CN113139526A
• 公開（公告）日: 2021-07-20
• 發(fā)明（設(shè)計(jì)）人: 潘禹澎;肖璇;田賽;王皓;趙洪偉;趙莉;孫長武;王譽(yù)皓;李陽;孔繁琪
• 申請(qǐng)（專利權(quán)）人: 一汽奔騰轎車有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06T7/12;G06T7/136;G06T7/194;G06T5/00;G06T5/30;G06K9/62
• 代理公司: 長春吉大專利代理有限責(zé)任公司 22201
• 代理人: 張巖

1.一種基于OpenCV的停車泊位線識(shí)別方法，其特征在于，采取目標(biāo)區(qū)域檢測(cè)、目標(biāo)區(qū)域優(yōu)化以及目標(biāo)輪廓提取的遞進(jìn)式流程，包括以下步驟：

A、圖像預(yù)處理，視頻數(shù)據(jù)采集后獲取停車區(qū)域停車泊位線圖片，分別對(duì)圖像進(jìn)行形態(tài)學(xué)去噪、圖像降噪及增強(qiáng)和二值化閾值處理；

B、邊緣檢測(cè)，主要檢查每個(gè)像素的臨域并對(duì)灰度變換率進(jìn)行量化，確定方向和幅度；

C、輪廓提取，并獲取邊界點(diǎn)；

D、圖像分割，將圖像中的目標(biāo)與背景區(qū)域進(jìn)行分離，保證分離后的區(qū)域特征具有完整性且輪廓清晰，以獲得清晰的停車泊位線。

2.根據(jù)權(quán)利要求1所述的一種基于OpenCV的停車泊位線識(shí)別方法，其特征在于，所述形態(tài)學(xué)去噪的具體步驟為：針對(duì)停車泊位線高噪聲及可能存在嚴(yán)重色偏等問題，采取中值濾波算法和廣義的色偏矯正算法對(duì)抓取的圖像進(jìn)行初期處理。

3.根據(jù)權(quán)利要求1所述的一種基于OpenCV的停車泊位線識(shí)別方法，其特征在于，所述圖像降噪及增強(qiáng)的具體步驟為：對(duì)形態(tài)學(xué)去噪后的圖像，需要進(jìn)行兩次腐蝕、兩次膨脹操作，其中，腐蝕操作會(huì)腐蝕圖像中白色像素，消除小斑點(diǎn)，膨脹操作將使剩余的白色像素?cái)U(kuò)張并重新增長回去，以達(dá)到形態(tài)學(xué)降噪效果。

4.根據(jù)權(quán)利要求1所述的一種基于OpenCV的停車泊位線識(shí)別方法，其特征在于，所述二值化閾值處理的具體步驟為：調(diào)用OpenCV的cv2.threshold函數(shù)，閾值設(shè)定為默認(rèn)值，同時(shí)將灰度圖中灰度值大于175的點(diǎn)統(tǒng)一置為255。

5.根據(jù)權(quán)利要求1所述的一種基于OpenCV的停車泊位線識(shí)別方法，其特征在于，所述步驟B具體包括以下步驟：

B1、Canny邊緣檢測(cè)：在邊緣檢測(cè)階段，使用Canny邊緣檢測(cè)算法，從不同視覺圖象中提取有用的結(jié)構(gòu)信息并減少要處理的數(shù)據(jù)量；

B2、處理流程：高斯濾波器濾除噪聲、Sobel算法計(jì)算像素梯度方向、進(jìn)行非最大信號(hào)抑制以及確定真實(shí)和潛在邊緣點(diǎn)。

6.根據(jù)權(quán)利要求1所述的一種基于OpenCV的停車泊位線識(shí)別方法，其特征在于，所述步驟C具體包括以下步驟：

C1、二值化圖像輪廓提取：如果原圖中有一點(diǎn)為黑，且它的8個(gè)相鄰點(diǎn)都是黑色時(shí)，則該點(diǎn)為內(nèi)部點(diǎn)，將該點(diǎn)刪除，即可將內(nèi)部點(diǎn)掏空，得到圖像輪廓；

C2、“跟蹤準(zhǔn)則”獲取邊界點(diǎn)。

7.根據(jù)權(quán)利要求6所述的一種基于OpenCV的停車泊位線識(shí)別方法，其特征在于：所述步驟C2具體包括以下步驟：

C21、從第一個(gè)邊界點(diǎn)開始，定義初始的搜索方向?yàn)檠刈笊戏剑?/p>

C22、如果左上方的點(diǎn)是黑點(diǎn)，則為邊界點(diǎn)，否則順時(shí)針旋轉(zhuǎn)45度，直到找到第一個(gè)黑點(diǎn)為止；

C23、然后把這個(gè)黑點(diǎn)作為新的邊界點(diǎn)，在當(dāng)前搜索方向的基礎(chǔ)上逆時(shí)針旋轉(zhuǎn)90度，繼續(xù)同樣方法搜索下一個(gè)邊界點(diǎn)，直至返回最初邊界點(diǎn)或找不到點(diǎn)為止。

8.根據(jù)權(quán)利要求1所述的一種基于OpenCV的停車泊位線識(shí)別方法，其特征在于，所述步驟D具體包括以下步驟：采用基于數(shù)據(jù)的圖像分割方法，通過與用戶之間簡單的交互選定樣本圖像，為所選區(qū)域的前景與背景建立GMM模型，然后使用K-means聚類算法初始化GMM，得到分割能量權(quán)重，對(duì)圖像進(jìn)行分割處理。