CN102901489A - 路面积水积冰检测方法及装置 - Google Patents

Abstract

本发明公开了一种路面积水积冰检测方法及装置。其中，该方法包括：获取第一摄像机通过水平偏振片对处于摄像范围的路面拍摄到的第一路面图像画面；获取第二摄像机通过垂直偏振片对处于摄像范围的路面拍摄到的第二路面图像画面，其中，第二摄像机的图像传感器(CCD)的拍摄平面与第一摄像机的CCD的拍摄平面共面，且第二摄像机与第一摄像机之间的距离不超过预定值；判断第一路面图像画面的亮度与第二路面图像画面的亮度的差别是否大于预先设置的亮度范围，如果是，则判定处于摄像范围的路面存在积水或积冰。通过本发明，可以在现有路测摄像机上推广使用，并具有改装简便、改装费用低且对原系统无影响的优点。

Description

路面积水积冰检测方法及装置

技术领域

本发明涉及光通信领域，具体而言，涉及一种路面积水积冰检测方法及装置。

背景技术

传统的路况监测仪主要是利用红外线或微波在干燥路面、冰雪路面的吸收率不同的原理进行路面状态检测，采用这种检测方式存在以下缺点：取样空间受限、价格昂贵、不能沿路段大范围布设以及难以反映整条路段的真实状况。目前，Hiroshi FUKUI、Junichi TAKAGI等人提出使用图像处理的方法(参见：Hiroshi Fukui，Junichi Takagi，Yoshiro Murata andMasashiTakeuchi.An Image Processing Method To Detect RoadSurface Condition Using OpticalSpatial Frequency[J].IEEEConference on Intelligent Transportation System，1997：1005-1009.)来检测路面状态，该检测方法是利用监测图像的最大全宽和空间频率分布区分不同的路面状况，但是，这种方法需要人工光源作为辅助，只能在夜间使用，且光源和CCD摄像机位置固定，导致探测范围小，难以推广使用。

目前，Yuukou Horita和Keiji Shibata等人还提出一种使用光学系统将垂直偏振图像和水平偏振图像成像在摄像机的不同位置(参见：Yuukou Horita，Keiji Shibata，Kei Maeda，Yuji Hayashi.Omni-directional Polarization Image Sensor Based on an Omni-directional Camera and aPolarization Filter[C].Sixth IEEE International Conference on Advanced Video and Signal BasedSurveillance，2009：280-285.)，但是，该设备使用时需要特殊的光学设备(例如，该光学系统对分光镜的要求非常严格)，成像范围和效果也不如人意，难以应用在现有监控场景下；如果使用半透半反射片将光线分为均等的两部分，则需要复杂的光学系统和双倍数量的摄像机，也难于在大范围内普及使用。

由此可见，现有技术中的路面积水积冰检测方法存在检测范围小、检测装置复杂导致的高成本或者检测方法复杂的问题，而针对以上的各个缺陷，尚未提出一种完善的技术方案。

发明内容

本发明的主要目的在于提供一种路面积水积冰检测方法及装置，以至少解决上述问题之一。

根据本发明的一个方面，提供了一种路面积水积冰检测方法，包括：获取第一摄像机通过水平偏振片对处于摄像范围的路面拍摄到的第一路面图像画面；获取第二摄像机通过垂直偏振片对处于摄像范围的路面拍摄到的第二路面图像画面，其中，第二摄像机的图像传感器(CCD)的拍摄平面与第一摄像机的CCD的拍摄平面共面，且第二摄像机与第一摄像机之间的距离不超过预定值；判断第一路面图像画面的亮度与第二路面图像画面的亮度的差别是否大于预先设置的亮度范围，如果是，则判定处于摄像范围的路面存在积水或积冰。

优选地，在判断第一路面图像画面的亮度与第二路面图像画面的亮度的差别是否大于预先设置的亮度范围之前，包括：对第一路面图像画面和第二路面图像画面进行图像优化处理操作。

优选地，判断第一路面图像画面的亮度与第二路面图像画面的亮度的差别是否大于预先设置的亮度范围，包括：获取经图像优化处理操作后的第一路面图像画面的第一画面亮度值；获取经图像优化处理操作后的第二路面图像画面的第二画面亮度值；判断第一画面亮度值和第二画面亮度值的差值是否大于预先设置的阈值，如果是，则判定第一路面图像画面的亮度与第二路面图像画面的亮度的差别大于预先设置的亮度范围，否则，判定第一路面图像画面的亮度与第二路面图像画面的亮度的差别小于预先设置的亮度范围。

优选地，图像优化处理操作包括：差分、滤波及二值化。

优选地，在获取第一摄像机通过水平振片对处于摄像范围的路面拍摄到的第一路面图像画面和第二摄像机通过垂直偏振片对处于摄像范围的路面拍摄到的第二路面图像画面之后，方法还包括：对第一路面图像画面和第二路面图像画面进行图像配准。

优选地，使用快速提取特征(SURF)算法对第一路面图像画面和第二路面图像画面进行图像配准。

优选地，检测夜间的路面是否存在积水或积冰时，该方法还包括：设置与待测路面成53度入射角的光源。

根据本发明的另一方面，提供了一种路面积水积冰检测装置，包括：第一获取模块，用于获取第一摄像机通过水平振片对处于摄像范围的路面拍摄到的第一路面图像画面；第二获取模块，用于获取第二摄像机通过垂直偏振片对处于摄像范围的路面拍摄到的第二路面图像画面，第二摄像机的图像传感器(CCD)的拍摄平面与第一摄像机的CCD的拍摄平面共面，且第二摄像机与第一摄像机之间的距离不超过预定值；判定模块，用于判断第一路面图像画面的亮度与第二路面图像画面的亮度的差别是否大于预先设置的亮度范围，如果是，则判定处于摄像范围的路面存在积水或积冰。

优选地，判断模块包括：配准模块，用于使用SURF算法对获取到的第一路面图像画面和第二路面图像画面进行图像配准。

优选地，判断模块还包括：处理模块，用于对经配准模块配准后的第一路面图像画面和第二路面图像画面进行图像优化处理操作。

通过本发明，采用在第一摄像机、第二摄像机前分别设置水平偏振片、垂直偏振片的方式，对路面积水积冰进行检测，解决了现有技术中的路面检测方法较为复杂、检测范围小、实施难度大问题，进而达到了工作稳定、检测范围广、应用价值大的效果。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的路面积水积冰检测方法流程图；

图2是根据本发明优选实施例的路面积水积冰检测流程图；

图3是根据本发明实施例的反射光偏振度与入射角的关系图；

图4是根据本发明实施例的积水积冰路面与正常路面的反射状况示意图；

图5是根据本发明实施例的路面反射光总的状态示意图；

图6是根据本发明优选实施例的双目图像配准流程图；

图7是根据本发明实施例的水平偏振片下路面光线的变化情况示意图；

图8是根据本发明实施例的垂直偏振片下路面光线的变化情况示意图；

图9是根据本发明实施例的路面积水积冰检测装置结构示意图；

图10是根据本发明优选实施例的路面积水积冰检测装置结构示意图；

图11是根据本发明优选实施例的路面积水积冰检测装置的安装位置示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

图1是根据本发明实施例的路面积水积冰检测方法流程图，如图1所示，该方法主要包括以下步骤(步骤S102-步骤S106)：

步骤S102，获取第一摄像机通过水平偏振片对处于摄像范围的路面拍摄到的第一路面图像画面；

在本发明实施例中，第一摄像机可以根据透过水平偏振片的第一反射光线生成第一路面图像画面，然后将第一路面图像画面上传至指定的图像处理设备。

步骤S104，获取第二摄像机通过垂直偏振片对处于摄像范围的路面拍摄到的第二路面图像画面，其中，第二摄像机的图像传感器(CCD)的拍摄平面与第一摄像机的CCD的拍摄平面共面，且第二摄像机与第一摄像机之间的距离不超过预定值；

在本发明实施例中，第二摄像机可以根据透过垂直偏振片的第二反射光线生成第二路面图像画面，然后将第二路面图像画面上传至指定的图像处理设备，例如，PC机。

步骤S106，判断第一路面图像画面的亮度与第二路面图像画面的亮度的差别是否大于预先设置的亮度范围，如果是，则判定处于摄像范围的路面存在积水或积冰。

在本发明实施例中，在获取第一摄像机通过水平振片对处于摄像范围的路面拍摄到的第一路面图像画面和第二摄像机通过垂直偏振片对处于摄像范围的路面拍摄到的第二路面图像画面之后，可以对第一路面图像画面合第二路面图像画面进行图像配准。优选地，可以使用SURF算法对第一路面图像画面和第二路面图像画面进行图像配准。

在本发明实施例的一个优选实施方式中，为了使比较更为准确，还可以对第一路面图像画面、第二路面图像画面进行图像优化处理操作，其中，图像优化处理操作主要有：差分、滤波及二值化，然后再判断判断第一路面图像画面的亮度与第二路面图像画面的亮度的差别是否大于预先设置的亮度范围，如果是，则可以判定处于摄像范围的路面存在积水或积冰。例如，在实际应用中，可以先获取经图像优化处理操作后的第一路面图像画面的第一画面亮度值，再获取经图像优化处理操作后的第二路面图像画面的第二画面亮度值，在得到第一画面亮度值和第二画面亮度值后，就可以进一步判断第一画面亮度值和第二画面亮度值的差值是否大于预先设置的阈值，如果是，则判定第一路面图像画面的亮度与第二路面图像画面的亮度的差别大于预先设置的亮度范围，否则，判定第一路面图像画面的亮度与第二路面图像画面的亮度的差别小于预先设置的亮度范围。通过以上判断就可以得知，当第一路面图像画面的亮度与第二路面图像画面的亮度的差别大于预先设置的亮度范围时，当前的被监测路面存在积水或者积冰，反之，则意味着当前的被监测路面是正常路面，不存在积水或积冰。

需要说明的是，该方法完全可以应用在夜间环境或光线特别暗的环境中，当需要检测夜间的路面(或者，光线特别暗的环境)是否存在积水或积冰时，需要单独设置一个与待测路面成53度入射角的光源，该光源发出的光线虽然和自然光有所差别，但是，并不影响其被路面的积水或积冰反射后，再通过水平偏振片和垂直偏振片被摄像机摄取。

下面以双目相机为例，对上述方法进行详细说明：

图2是根据本发明优选实施例的路面积水积冰检测流程图，在图2中，将垂直方向和水平方向的偏振片分别前置于双目摄像机的前端，例如，可以将两个偏振片套置在双目摄像机的前端，同时采集图像并进行图像配准和后处理的测量，利用光的偏振特性，由路面反射光的偏振光检测路面的积水积冰情况。具体地，在路面上方架设两台同型号相机，相机参数设定相同，前置的偏振片分别水平和垂直放置，相机间距离尽可能小，且像平面重合，以保证两台相机所拍摄图像的重叠区域尽可能大。

优选地，垂直方向和水平方向的偏振片可以分别前置于双目摄像机，同时采集图像并进行图像配准和后处理的测量。

公知地，人类的视觉系统能够通过色彩和亮度的形式感受到光的频率和强度特征，但对于光的另一基本特征——偏振特性却无法直接感知。因此，传统的图像处理和理解过程都是基于强度和频率域的信号处理，只能对目标的轮廓、类别等做一些初步的分析和判断，而不能辨别目标的材质和细节特征。

光作为一种电磁波，具有横波的偏振特性，反射面材料的导电特性和光滑程度的差异将引起光偏振特性的差异。一束自然光可以分解为两束振动方向相互垂直的、等幅的，且不相干的线偏振光。对入射某一平面的电矢量E而言，可以分解为垂直于入射面的分量E_s和平行于入射面的分量E_p。

根据Fresnel反射模型，反射电矢量的两个分量可以表示为：

$E_p^{,}=\frac{\tan ({\mathrm{\θ}}_1-{\mathrm{\θ}}_2)}{\tan ({\mathrm{\θ}}_1+{\mathrm{\θ}}_2)}{E}_p---\left(1\right);$

$E_s^{,}=\frac{\sin ({\mathrm{\θ}}_1-{\mathrm{\θ}}_2)}{\sin ({\mathrm{\θ}}_1+{\mathrm{\θ}}_2)}{E}_s---\left(2\right);$

其中θ₁，θ₂表示入射角和折射角，其关系可以由Fresnel公式算出，显见，E’_p和E’_s强度不相等，且E’_s＞E’_p，反射光表现出平行于路面的线偏振特性。当入射角增加时，E’_p分量急剧下降，尤其是

时，入射角为布儒斯特角，E’_p分量为0，反射光只有E’s_方向的分量，是完全偏振光。

在其他角度下，反射光的线偏振度为：

其中，

请参考图3，以水为例，其折射率为1.3333，绘制出图2所示的反射光偏振度-入射角关系图，显见，对任意入射角，其反射光均具有偏振度。当入射角小于20度或者大于80度时，检测效果会受一定的干扰影响，而对于我国的地理位置，正常太阳高度对应的入射角具有较大的偏振度，自然光入射角小于20度的情况很少出现，即使出现这种情况也是正午的时候，路面基本不会出现结冰等恶劣路况。在入射角大于80度(多为晨昏时刻或无自然光源的夜间时刻)时，可以使用人工光源作为辅助，使光源对路面成53度入射角(即：布儒斯特角)实现检测。

请参考图4，如图4所示，当路面覆盖有积水或积冰的时候，其表面光滑，当有光线照射时会发生镜面反射后得到上述的偏振光，而正常路面发生漫反射，由于表面粗糙，入射角不固定，故反射光具有各个方向的振动，从统计特性上不具有偏振性，考虑到老化路面趋于光滑，可能会表现出一定的偏振度，但相对积水或积冰面反射光的偏振度可忽略不计，所以在处理时可当作噪声滤除。

请参考图5，如图5所示，正常路面的反射为非偏振光，积水积冰路面反射为水平方向线偏振光，叠加为部分偏振光进入摄像机，由于其偏振方向为水平，所以，水平偏振图像中亮度较高，而垂直偏振图像中亮度较低。正常路面的亮度在两种偏振状态下几乎没有区别，亮度较低的部分可以判断为有低摩擦系数的介质存在。

请参考图6，上述方法中可以使用SURF算法获得相机A和相机B原始图像的特征点对，再采用近似最近邻算法(BBF)方法对特征点对进行粗匹配，并构造基于透视变换矩阵H的图像映射模型，然后利用RANSAC进一步剔除错误的匹配，并使用最小二乘法求出图像之间精确的H矩阵，从而得到配准后的图像。

在实际应用中，往往由于高速公路等复杂场景的存在导致获取的图像质量较差，并且由于图像间亮度变化较大、尺寸变化较大、旋转较大及运动物体干扰等因素，造成了路面图像配准的困难。此时，就要求路面图像配准方法对于这些不利因素具有较强的鲁棒性，提取特征(SIFT)算法由于其对较大旋转、尺寸缩放、色差、视觉以及光照变化所体现出来的鲁棒性，特别适用于复杂图像配准。但是，同时也存在着数据量大、计算耗时长等问题使其对于图像配准的实时性产生不利影响。

在本发明实施例的一个优选实施方式中，将SURF算法引入路面图像配准的过程。SURF在理念上与SIFT相似，注重梯度信息的空间分布，并且继承了SIFT算法对旋转、尺度缩放、亮度变化保持不变性，以及对视角变化、图像模糊、噪声的鲁棒性的优点。最为重要的是，SURF算法在特征点检测、描述向量中都充分利用方框滤波器和积分图像来加快计算速度，并减少了局部图像描述向量的维数，极大地加快了对特征点的检测和描述向量的产生，能够显著地提高图像配准方法的速度。

具体地，基于SURF算法的特征点的提取主要由以下2个步骤组成：

1、SURF局部特征的检测：SURF特征点的检测是基于Hessian矩阵，并且Hessian矩阵H(x，σ)在尺度为σ的x点是被定义为：

$H(x,\mathrm{\σ})=\left[\begin{array}{cc}{L}_{\mathrm{xx}}(x,\mathrm{\σ})& L_{\mathrm{xy}}(x,\mathrm{\σ})\\ L_{\mathrm{xy}}(x,\mathrm{\σ})& L_{\mathrm{yy}}(x,\mathrm{\σ})\end{array}\right]---\left(1\right);$

其中，在式(1)中：L_xx(x，σ)是高斯滤波波二阶导

同I＝(x，y)卷积的结果，其中，

L_xy(x，σ)，L_yy(x，σ)与L_xx(x，σ)相类似；

2、SURF描述符的构造：SURF描述符的构造分为主方向分配和生成特征向量两部分，这两部分都是在特征点所在的尺度σ上进行的，例如，以特征点为圆心，计算半径为6σ圆内x和y方向上的Haar小波响应系数，在60度的扇形区域内求x和y方向上的系数之和，进而构建一个新向量，转动扇形遍历整个圆，选择最长向量的方向为主方向。

需要说明的是，由于SURF算法的鲁棒性能极大地降低对双目相机的控制性能要求以及提高配准的成功率，所以，即使在存在天气恶劣、车流大的复杂环境中，也能完成路面图像配准任务。SURF算法的快速性则有利于路面图像配准的实时性的实现，这正是动态更新有无路面积水或积冰的关键。

例如，在本发明实施例中，在用SURF算法获得相机A与相机B的图像特征点后，采用BBF方法进行粗匹配以快速收敛特征对，并结合随机采样一致性算法(RANSAC)方法过滤匹配点对获取精匹配点对。

这里需要说明，近似最近邻(BBF)算法是对KD-Tree算法的改进，KD-Tree算法的大部分时间都用来查询节点，但只有小部分节点满足最近邻条件，BBF可以有效解决该问题。BBF采用一个优先级队列使搜索依次从节点与被查询节点距离由近及远的顺序进行，它限定KD-Tree中叶子节点数，限定了搜索的最大次数，所以能够快速的找到最近邻点和次近邻点，极大提高了搜索效率。而对于某一特征向量，首先计算待搜索图像中所有的特征向量与该向量的距离，然后求最近邻与次近邻的比值，如果比值小于预先设定的阈值，认为该最近邻是较好的匹配。例如，在本发明实施例的一个优选实施方式中，对测试结果进行统计，发现将阈值设为0.7时得到的粗匹配的正确率较高。

对于图像变换模型是指两幅二维图像之间的坐标变换关系而言，在某种约束的摄像机运动条件下，三维场景形成的两幅或多幅图像之间的关系可以完全由图像变换模型描述。在实际拍摄过程中，当所拍摄的三维场景很远时(远大于焦距)，都可以认为近似满足透视变换模型。例如，两幅图像I(x，y)，I′(x′，y′)之间的对应关系可以由一个3x3的平面透视变换矩阵(PlanarPerspective Transform)来表示：

$\left[\begin{array}{c}{x}^{\′}\\ y^{\′}\\ 1\end{array}\right]=H\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}{h}_{11}& h_{12}& h_{13}\\ h_{21}& h_{22}& h_{23}\\ h_{31}& h_{32}& h_{33}\end{array}\right]\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]---\left(2\right);$

其中，在式(2)中，H是一个3*3的满秩矩阵，称为平面透视变换矩阵，简称为透视变换矩阵，又称单应性矩阵(Homography)，根据齐次坐标的性质h33可以归一化为1，即H的自由度为8，其中h11、h12、h21、h22是缩放、旋转因子，h13、h23分别是水平、竖直方向的平移因子，h31、h32是仿射变换因子。

进一步，由式(2)可以得到两个方程：

h₁₁x+h₁₂y+h₁₃-h₃₂xx′-h₃₂yx′-x′＝0        (3)；

h₂₂x+h₂₃y+h₃₁-h₃₂xy′-h₃₂yy′-y′＝0        (4)；

其中，矩阵H共有8个未知参数，使用线性方法求解，至少需要4对特征点的坐标，联立8个方程，使用SVD分解，可以求得矩阵H。基于BBF方法的粗匹配含有误匹配，直接用这些点难以求得精确的矩阵H，文中使用RANSAC算法剔除匹配质量较差的点得到精确解。

随机采样一致性算法(RANSAC)是计算机视觉领域中应用最广的稳健估计方法，该方法使用基于BBF方法的粗匹配数据作为输入，以式(3)，(4)作为几何约束，利用RANSAC进一步剔除错误的匹配，得到矩阵H的精确值。具体地，RANSAC的使用方法如下：

1、从粗匹配数据中抽取4对，并用其作为初始内点计算矩阵H；

2、用剩下的粗配数据来拟合初始矩阵H，并计算它们之间的距离d_i，j的和；

其中，以马氏距离定义距离d_i，j：

$d_{i,j}=\sqrt{{(x_i-x_j)}^T{\mathrm{\Σ}}^{-1}(x_i-x_j)}---\left(5\right);$

如果距离d_i，j的和大于选取的阈值，则作为外点舍弃，如果小于阈值，则添加到内点集中，再运用最小二乘法更新单应矩阵。如此反复迭代，直到内点集不再扩充。

3、重复1和2，选取内点集最大的一组作为正确的匹配点对，此时模型估计结果就是图像间的矩阵H。

采用上述实施例提供的方法在第一摄像机、第二摄像机前分别设置水平偏振片、垂直偏振片的方式，实现对路面积水积冰进行检测，如图7所示，积水积冰路面反射的水平偏振光通过水平放置的偏振片(即水平偏振镜)，在摄像机获取的画面中，积水积冰路面表现出明显的亮度；积水积冰路面反射的水平偏振光被垂直放置的偏振片滤除，如图8所示，因此，在摄像机获取的画面中，此时积水积冰路面在摄像机获取的画面中表现出很小的光强；通常，正常路面的反射光在上述两种状态下，在摄像机获取的画面中相同；所以，通过比较双目摄像机获取的画面，就可以判定存在亮度变化的部分则为积水积冰路面，由此来检测路面的积水积冰情况。其具有改装简便、费用低，对原系统无影响并可融入原监控网络的优点。

图9是根据本发明实施例的路面积水积冰检测装置结构示意图，该装置用于实施上述方法实施例提供的路面积水积冰检测方法，如图9所示，该装置主要包括：第一获取模块10、第二获取模块20以及判定模块30。其中，第一获取模块10，用于获取第一摄像机通过水平振片对处于摄像范围的路面拍摄到的第一路面图像画面；第二获取模块20，连接至第一获取模块10，用于获取第二摄像机通过垂直偏振片对处于摄像范围的路面拍摄到的第二路面图像画面，第二摄像机的图像传感器(CCD)的拍摄平面与第一摄像机的CCD的拍摄平面共面，且第二摄像机与第一摄像机之间的距离不超过预定值；判定模块30，连接至第二获取模块20，用于判断第一路面图像画面的亮度与第二路面图像画面的亮度的差别是否大于预先设置的亮度范围，如果是，则判定处于摄像范围的路面存在积水或积冰。

图10是根据本发明优选实施例的路面积水积冰检测装置结构示意图，如图10所示，该装置的判断模块还可以包括配准模块32和处理模块34。其中，配准模块32，用于使用SURF算法对获取到的第一路面图像画面和第二路面图像画面进行图像配准；处理模块34，用于对经配准模块配准后的第一路面图像画面和第二路面图像画面进行图像优化处理操作。其中，处理模块可以采取的图像优化处理操作包括但不限于：差分、滤波及二值化。

另外，该路面积水积冰检测装置可以采用上述方法实施例所描述的方法进行检测，具体不再赘述。

在本发明实施例的一个优选实施方式中，该路面积水积冰检测装置的安装结构示意图如图11所示，在路面上方架设两台同型号相机，相机参数设定相同，前置的偏振片分别旋转至水平、垂直以构成水平偏振片、垂直偏振片。同时，尽量保证两个相机之间的距离足够小(当然，优选地，可以采用上述实施例中的双目相机)，且像平面重合，以保证两台相机所拍摄图像的重叠区域尽可能大。

采用上述实施例提供的路面积水积冰检测装置，可以采用在第一摄像机、第二摄像机前分别设置水平偏振片、垂直偏振片的方式，对路面积水积冰进行检测，解决了现有技术中的路面检测方法较为复杂、检测范围小、实施难度大问题。

从以上的描述中，可以看出，本发明实现了如下技术效果：该方法采用在第一摄像机、第二摄像机前分别设置水平偏振片、垂直偏振片的方式，对路面积水积冰进行检测，解决了现有技术中的路面检测方法较为复杂、检测范围小、实施难度大问题。同时，该方法可以直接应用在联网监控的摄像机上，或者直接在现有路测摄像机上推广使用，具有改装简便、费用低，对原系统无影响并可融入原监控网络的优点，并且工作稳定、检测范围广、检测准确，具有极大的应用价值。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种路面积水积冰检测方法，其特征在于，包括：

获取第一摄像机通过水平偏振片对处于摄像范围的路面拍摄到的第一路面图像画面；

获取第二摄像机通过垂直偏振片对所述处于摄像范围的路面拍摄到的第二路面图像画面，其中，所述第二摄像机的图像传感器CCD的拍摄平面与所述第一摄像机的所述CCD的拍摄平面共面，且所述第二摄像机与所述第一摄像机之间的距离不超过预定值；

判断所述第一路面图像画面的亮度与所述第二路面图像画面的亮度的差别是否大于预先设置的亮度范围，如果是，则判定所述处于摄像范围的路面存在积水或积冰。

2.根据权利要求1所述的方法，其特征在于，判断所述第一路面图像画面的亮度与所述第二路面图像画面的亮度的差别是否大于预先设置的亮度范围之前，包括：

对所述第一路面图像画面和所述第二路面图像画面进行图像优化处理操作。

3.根据权利要求2所述的方法，其特征在于，判断所述第一路面图像画面的亮度与所述第二路面图像画面的亮度的差别是否大于所述预先设置的亮度范围，包括：

获取经所述图像优化处理操作后的所述第一路面图像画面的第一画面亮度值；

获取经所述图像优化处理操作后的所述第二路面图像画面的第二画面亮度值；

判断所述第一画面亮度值和所述第二画面亮度值的差值是否大于预先设置的阈值，如果是，则判定所述第一路面图像画面的亮度与所述第二路面图像画面的亮度的差别大于所述预先设置的亮度范围，否则，判定所述第一路面图像画面的亮度与所述第二路面图像画面的亮度的差别小于所述预先设置的亮度范围。

4.根据权利要求2所述的方法，其特征在于，所述图像优化处理操作包括：差分、滤波及二值化。

5.根据权利要求1至4中任一项所述的方法，其特征在于，在获取第一摄像机通过水平振片对处于摄像范围的路面拍摄到的第一路面图像画面和第二摄像机通过垂直偏振片对所述处于摄像范围的路面拍摄到的第二路面图像画面之后，所述方法还包括：

对所述第一路面图像画面和所述第二路面图像画面进行图像配准。

6.根据权利要求5所述的方法，其特征在于，使用快速提取特征SURF算法对所述第一路面图像画面和所述第二路面图像画面进行图像配准。

7.根据权利要求6所述的方法，其特征在于，检测夜间的路面是否存在积水或积冰时，所述方法还包括：

设置与待测路面成53度入射角的光源。

8.一种路面积水积冰检测装置，其特征在于，包括：

第一获取模块，用于获取第一摄像机通过水平振片对处于摄像范围的路面拍摄到的第一路面图像画面；

第二获取模块，用于获取第二摄像机通过垂直偏振片对所述处于摄像范围的路面拍摄到的第二路面图像画面，所述第二摄像机的图像传感器CCD的拍摄平面与所述第一摄像机的所述CCD的拍摄平面共面，且所述第二摄像机与所述第一摄像机之间的距离不超过预定值；

判定模块，用于判断所述第一路面图像画面的亮度与所述第二路面图像画面的亮度的差别是否大于预先设置的亮度范围，如果是，则判定所述处于摄像范围的路面存在积水或积冰。

9.根据权利要求8所述的装置，其特征在于，所述判断模块包括：

配准模块，用于使用SURF算法对获取到的所述第一路面图像画面和所述第二路面图像画面进行图像配准。

10.根据权利要求9所述的装置，其特征在于，所述判断模块还包括：

处理模块，用于对经所述配准模块配准后的所述第一路面图像画面和所述第二路面图像画面进行图像优化处理操作。

Images