CN104156727B - 一种基于单目视觉的灯光倒影检测的方法 - Google Patents

Abstract

本发明涉及智能交通及图像处理领域，尤其涉及一种基于单目视觉的灯光倒影检测的方法，包括：1)提取相机拍摄的图像帧的灰度图像，并确定感兴趣区域；2)对感兴趣区域内的灰度图像进行边缘检测得到边缘二值图像；3)对边缘二值图像进行遍历搜索目标点得到目标点对，填充目标点对的中间区域，得到增强图像；4)在增强图像中划分出搜索区域，在搜索区域内投影，得到划分区域；5)对划分区域内的突变区域进行渐变性分析；6)对不满足渐变性的突变区域进行灯光倒影验证判断，输出结果。本发明的有益效果在于：本发明方法能快速确定大部分灯光及灯光倒影的干扰区域，虚警少，运行时间复杂度低，不受白天和夜间的限制，对车道线的检测影响小。

Description

一种基于单目视觉的灯光倒影检测的方法

技术领域

本发明涉及智能交通及图像处理领域，尤其涉及一种基于单目视觉的灯光倒影检测的方法。

背景技术

近年来，智能交通成为热门领域，其中车道线检测是车道偏离报警系统的重要组成部分，是实现智能交通的重要环节。车道线识别就是从摄像机获取视频图像，根据车道线的颜色、形状和纹理等特征将车道线与背景进行分离，获得车道线的走向。车道线检测会受到的干扰非常多，尤其是在天气情况和道路情况复杂时图像中的灯光倒影会干扰其他目标的检测，必须将这些灯光及其倒影去除。当前对灯光的研究主要集中在夜间车辆检测应用方面，而且受限于车灯的颜色和亮度，在灰度图像情况以及对路况、天气有些要求，不能广泛运用于交通图像对灯光的检测。且工程中所用的低成本摄像头需要设置相机参数来兼顾白天和夜间的图像效果，导致车灯区域曝光过度。在受限于工程所用摄像头分辨率不高的情况下，如何对交通图像进行灯光及倒影区域的检测技术更为重要。

发明内容

本发明为克服上述的不足之处，目的在于提供一种基于单目视觉的灯光倒影检测的方法，解决现有技术对交通图像中灯光及倒影干扰问题。

本发明是通过以下技术方案达到上述目的：一种基于单目视觉的灯光倒影检测的方法，包括以下步骤：

1)提取相机拍摄的图像帧的灰度图像，并确定感兴趣区域；

2)对感兴趣区域内的灰度图像进行边缘检测得到边缘二值图像；

3)对边缘二值图像进行遍历搜索目标点得到目标点对，填充目标点对的中间区域，得到增强图像；

4)在增强图像中划分出搜索区域，在搜索区域内进行垂直投影和水平投影，得到若干个包含有目标点的划分区域；

5)计算每个划分区域内相邻投影值的差值，根据差值得到突变区域，对突变区域进行渐变性分析；

6)对不满足渐变性的突变区域进行灯光倒影验证判断，输出结果。

作为优选，所述感兴趣区域为摄像头前方道路区域，纵向为前方到消失点，横向为中轴向两侧4米处，由消失点和两侧4米处边界点形成的三角形感兴趣区域。

作为优选，所述步骤2)中边缘检测采用Canny算法，采用Otsu算法统计阈值和道路均值mean_road，设置Canny算法的低阈值为Otsu阈值的0.5倍，高阈值为Otsu阈值的1.5倍，并限制低阈值的下限。

作为优选，所述步骤3)中目标点为白点，两白点之间像素均值大于左、右侧均值定义为边缘点对，将边缘点对中间区域填白，形成增强图像。

作为优选，所述步骤4)中通过垂直投影和水平投影将步骤3)的图像中目标信息划分到矩形区域内，形成多个单独的矩形区域，该矩形区域为划分区域。

作为优选，所述步骤5)中渐变性分析是将矩形区域内投影数据进行前后相减，找到上升突变点和下降突变点，当两点距离小于宽度阈值且大于最小值，认为这段突变区域不满足渐变特性，对距离小于最小值的突变区域置0。

作为优选，所述步骤6)中对步骤(5)中不满足渐变特性的突变区域，进行筛选，筛选条件是突变区域内的白点数目占整个区域大小比例大于60％，对通过筛选的突变区域统计均值mean_0和方差sigma_0，对突变区域以上连续n段高度为5个像素的区域分别统计灰度均值mean_1、mean_2、…、mean_n，并计算n个均值的均值mean_all和标准差sigma_all；

灯光倒影验证准则为：

(1)当 时，该突变区域是灯光倒影；

(2)当mean_all∈[mean_0-sigma_0,mean_0+sigma_0]时，该突变区域是灯光倒影。

本发明的有益效果在于：本发明方法能快速确定大部分灯光及灯光倒影的干扰区域，虚警少，运行时间复杂度低，不受白天和夜间的限制，对车道线的检测影响小。

附图说明

图1是本发明的步骤流程示意图。

具体实施方式

下面结合具体实施例对本发明进行进一步描述，但本发明的保护范围并不仅限于此：

实施例1：如图1所示，一种基于单目视觉的灯光倒影检测的方法，包括以下步骤：

S101.通过相机标定设置检测区域：

具体地，将摄像头安装在后视镜后的挡风玻璃上，获得图像大小是宽为W、高为H，标定完成后得到消失点位置VanishPoint，划定感兴趣区域为摄像头前方道路区域，纵向为前方到消失点，横向为中轴向两侧4米处，由消失点和两侧4米处边界点形成的三角形感兴趣区域。

S102.对灰度图像进行边缘检测；

对获取到的灰度图像，采用Canny算法检测图像边缘。采用Otsu算法计算得到最佳分割阈值SegThresh，根据SegThresh设置Canny算法的低阈值LowThresh、高阈值HighThres：h

LowThresh＝0.5*SegThresh

HighThresh＝1.5*SegThresh

道路灰度均值mean_road，为灰度图像中道路区域内小于SegThresh的像素均值。

S103.对边缘二值图像的增强；

在由S101设置的检测区域内，对边缘二值图像从H-1到VanishPoint.y遍历每行，从左向右搜索白点(值为255)。当发现白点作为起点，搜索下一个白点作为终点，计算这两个白点之间距离D_white，并判断D_white与最小距离D₀和最大距离D₁的大小。其中最小距离D₀和最大距离D₁按照行坐标_h调整：

k₀取值在0到6之间；

k₁取值在40到60之间；

当该距离小于最小距离D₀，或者大于最大距离D₁时，认为这两个边缘点不符合车道线特征，删除起点，将终点作为起点，继续搜索。当该距离大于D₀，小于D₁，计算两点之间的灰度均值、起点左侧连续5个像素的均值和终点右侧连续5个像素的均值。判断三个均值的大小，当两点间均值均大于左、右侧均值且差值大于跳变阈值，则认为这个区域是个高灰度区域，并保留这两个白点，并将两点中间的像素都置为255，反之将起点置0，终点作为起点，向右侧继续搜索白点。当遍历完图像后，形成了增强图像，减少了非高灰度目标的干扰，增强车道线的信息。

S104.垂直投影和水平投影划分区域；

具体地，将消失线以下图像划出最小外接矩形框，限定目标初步搜索区域；再进行垂直投影，对左右区域记录多对起终点，限定横向区间；在每对起终点的矩形范围内作水平投影，记录上下边界,用起终点和上下边界构成矩形框，将所有目标划分到小矩形框内得到划分区域。

S105.矩形框内目标的渐变性分析；

具体地，对每个矩形框内图像垂直投影，得到投影值序列；从投影序列第一个大于0的值开始，计算相邻投影值的差值，找出差值为负且绝对值大于设定阈值的突变点，继续搜索下个差值为正的突变点，形成一段突变区域；当两突变点距离小于最小值，最小值取值在3到6之间，认为是不符合车道线渐变性和灯光倒影宽度的其他类干扰，删除这段区域，反之，认为此段突变区域是可疑的灯光与倒影区域；当突变点不是最后一个点时，将下个点作为起点，继续搜索下个突变点，再分析两点之间数据的渐变性；对满足渐变性的区域都不做处理，对不符合渐变特性且宽度在正常范围内的矩形框内图像做灯光倒影验证分析。

S106.突变区域的灯光倒影验证；

具体地，再对S105输出的每个矩形框内图像水平投影，确定上、下、左、右边界，分别为y＝up、y＝down、x＝left、x＝right，去除多余空白区域；统计区域内白点个数占总像素个数比例，对比例小于60％的区域不做处理，对比例较大的区域进一步验证；进一步地，统计白点对应灰度图像的均值mean_0和标准差sigma_0，对上边界向上依次找到n个不重叠区域，高为5，宽为(right-left)大小，依次统计灰度均值mean_1、mean_2、…、mean_n、，并将这n个数据进行统计均值mean_all、标准差sigma_all。

根据车道线宽度的规整性、边界的明确性，车道线上边界以上是道路区域，像素灰度局部稳定，道路和车道线的灰度差别大；而在增强图像上灯光及灯光的扩散区域会出现两种情况：一是灯光上面是车辆尾部或者车轮与车底部，表现为mean_all不在mean_0上下浮动范围内，且像素灰度波动大，与道路灰度均值差别大；二是灯光区域中明显不符合车道宽度特征的部分被删除，留下了一部分比较窄的灯光区域，表现为mean_all和mean_0的差别不大。可根据这两种情况进行灯光验证分析。

验证准则为：

当 时，符合情况一的判断，认为是灯光倒影；

当mean_all∈[mean_0-sigma_0,mean_0+sigma_0]，符合情况二的判断，认为是灯光倒影。

以上的所述乃是本发明的具体实施例及所运用的技术原理，若依本发明的构想所作的改变，其所产生的功能作用仍未超出说明书及附图所涵盖的精神时，仍应属本发明的保护范围。

Claims (6)

1.一种基于单目视觉的灯光倒影检测的方法，其特征在于包括以下步骤：

1)提取相机拍摄的图像帧的灰度图像，并确定感兴趣区域；

2)对感兴趣区域内的灰度图像进行边缘检测得到边缘二值图像；

3)对边缘二值图像进行遍历搜索目标点得到目标点对，填充目标点对的中间区域，得到增强图像；

4)在增强图像中划分出搜索区域，在搜索区域内进行垂直投影和水平投影，得到若干个包含有目标点的划分区域；

5)计算每个划分区域内相邻投影值的差值，根据差值得到突变区域，对突变区域进行渐变性分析；

6)对不满足渐变性的突变区域进行灯光倒影验证判断，输出结果；

其中，对不满足渐变特性的突变区域进行筛选的筛选条件是突变区域内的白点数目占整个区域大小比例大于60％，对通过筛选的突变区域统计均值mean_0和方差sigma_0，对突变区域以上连续n段高度为5个像素，与突变区域等宽的向上扩展区域分别统计灰度均值mean_1、mean_2、…、mean_n，并计算n个均值的均值mean_all和标准差sigma_all；

灯光倒影验证准则为：

(1)当 时，该突变区域是灯光倒影；

(2)当mean_all∈[mean_0-sigma_0,mean_0+sigma_0]时，该突变区域是灯光倒影。

2.根据权利要求1所述的一种基于单目视觉的灯光倒影检测的方法，其特征在于，所述感兴趣区域为摄像头前方道路区域，纵向为前方到消失点，横向为中轴向两侧4米处，由消失点和两侧4米处边界点形成的三角形感兴趣区域。

3.根据权利要求1所述的一种基于单目视觉的灯光倒影检测的方法，其特征在于，所述步骤2)中边缘检测采用Canny算法，采用Otsu算法统计阈值和道路均值mean_road，设置Canny算法的低阈值为Otsu阈值的0.5倍，高阈值为Otsu阈值的1.5倍，并限制低阈值的下限。

4.根据权利要求1所述的一种基于单目视觉的灯光倒影检测的方法，其特征在于，所述步骤3)中目标点为白点，两白点之间像素均值大于左、右侧均值定义为边缘点对，将边缘点对中间区域填白，形成增强图像。

5.根据权利要求1所述的一种基于单目视觉的灯光倒影检测的方法，其特征在于，所述步骤4)中通过垂直投影和水平投影将步骤3)的图像中目标信息划分到矩形区域内，形成多个单独的矩形区域，该矩形区域为划分区域。

6.根据权利要求1所述的一种基于单目视觉的灯光倒影检测的方法，其特征在于，所述步骤5)中渐变性分析是将矩形区域内投影数据进行前后相减，找到上升突变点和下降突变点，当两点距离小于宽度阈值且大于最小值，认为这段突变区域不满足渐变特性，对距离小于最小值的突变区域置0。