CN104835183B - 基于ncc的道路消失线检测方法 - Google Patents
基于ncc的道路消失线检测方法 Download PDFInfo
- Publication number
- CN104835183B CN104835183B CN201510176886.XA CN201510176886A CN104835183B CN 104835183 B CN104835183 B CN 104835183B CN 201510176886 A CN201510176886 A CN 201510176886A CN 104835183 B CN104835183 B CN 104835183B
- Authority
- CN
- China
- Prior art keywords
- line
- mrow
- ncc
- value
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明属于图像处理技术领域,用于检测道路图像中的消失线,以简化场景,为道路检测减小无关区域的干扰。针对传统的消失线检测方法计算量大、容易受到不同场景干扰等问题,本发明提出一种新的技术方案,它基于如下的经验准则:根据透视原理,道路图像中越往下的区域包含的路面信息越多。先将彩色图像转到HSV色彩空间,并对图像进行重构。以重构图像最底端的线为对象,向上等距离地选取若干条线计算与它的归一化相关性(NCC)值。NCC值第一次发生突变的位置所对应的线即为检测到的消失线。该方法抓住道路特征,通过比较几条直线间的相似度来检测消失线,计算量小,准确率高,对不同的场景具有很强的适应性。
Description
技术领域
本发明涉及一种基于NCC的道路消失线检测方法,属于数字图像处理技术领域。
背景技术
用数字图像处理技术进行道路检测,场景的干扰是最大的挑战之一。因此,简化场景是道路检测预处理部分的一项重要工作。简化场景常常需要用到道路图像的上下文信息,这包括消失线、消失点、车道线、空间布局和道路形状。在道路图像中,消失线是指道路尽头处的那条水平线,它的上方可以统称为天空部分。天空部分常常跟道路部分拥有相似的色彩特征,因此,将消失线以上的天空部分移除是简化场景的一项重要内容,这会对后续的道路检测产生积极的作用。要达到这个目的,首先就需要进行消失线检测。现有的道路消失线检测的方法大致可以分成两大类:第一类是通过先检测消失点再检测消失线;第二类是根据道路图像特征分布先选取若干条线作为候选,接着再作进一步分析确定最终的结果。
第一类方法把消失线检测同消失点检测联系起来,它认为在大多数情况下,消失线总是会经过消失点。对于消失点的检测可以采用投票的方法,即先指定几个点为候选,然后通过分析道路图像的纹理特征给这些候选点投票,票数最多的即为消失点。然而,消失点的检测受道路形状特征的影响非常大,对于那些边界曲折多变、模糊不清的道路来说,检测消失点是极其困难的。此外,说消失点在消失线上是不严谨的,它同样取决于道路的形状。因此,用消失点来检测消失线,准确率较低且适应性不强。第二类方法是一种投票的方法,它通过分析道路图像的纹理、色彩、结构等特征挑选出可能的消失线,再根据一定的准则进行投票,票数最多的即为消失线。这种方法比较复杂,计算量大,实用性不强。
因此,虽然现有的方法对检测消失线有一定的效果,但其局限性也不容忽视,这集中体现在两个方面:适用性差、计算量大。
发明内容
发明目的:本发明旨在解决同类方法适应性差、计算量大等问题。使用本发明后,将最大程度利用道路信息对消失线进行有效的估计,极大地简化了场景, 为后续的道路检测提供有力的保障。
技术方案:为实现上述发明目的,本发明采用如下技术方案:
一种基于NCC的道路消失线检测方法,包括如下步骤:
(1)将道路彩色图像转到HSV色彩空间,并在HSV色彩空间对图像进行重构,得到重构图像;
(2)以重构图像最底端的直线为对象,向上等距离地选取若干条直线计算与它的归一化相关性(NCC)值,得到NCC值列表;
(3)基于NCC值分布情况确定消失线的位置。
进一步地,所述步骤(1)中在HSV色彩空间对图像进行重构的方法为:根据各个像素点的H和V两个通道的值,以1-(h+v)对图像进行重构。
进一步地,所述步骤(2)中的NCC值的计算公式为:
其中,(b1,b2,...,bn)为最底端的直线上n个像素点的特征值,(f1,f2,...,fn)为所选取的与最底端的直线进行比较的直线上n个像素点的特征值。
进一步地,所述像素点的特征值为1-(h+v),其中h为像素点的色调值,v为像素点的亮度值。
进一步地,所述步骤(3)中包括如下三种情况:
对于NCC值分布的图线为“Z型”的情况,取第一次值突变的点所对应的线为消失线;
对于NCC值分布的图线为“V型”的情况,取最小值的点所对应的线为消失线;
对于NCC值分布的图线为“V-Z复合型”的情况,若最后N个点为负值,取第一次值突变的点所对应的线为消失线;若最后N个点为正值,取所有V形状中的谷底值中的最小值的点所对应的线为消失线,其中1<N<6。
有益效果:本发明基于如下的经验准则:根据透视原理,道路图像中越往下的区域包含的路面信息越多。本发明基于NCC的道路消失线检测方法紧紧抓住道路特征,通过比较几条直线间的相似度来检测消失线,原理简单,计算量小, 准确率高,对不同的场景具有很强的适应性。
附图说明
图1是图像重构示意图(从左至右依次为RGB图、HSV图和重构图)。
图2是NCC分布曲线图。
图3是“Z型”图线及检测结果对应图。
图4是“V型”图线及检测结果对应图。
图5是“V-Z型”图线(最后5个点的均值为负值)及检测结果对应图。
图6是“V-Z型”图线(最后5个点的均值为正值)及检测结果对应图。
具体实施方式
下面结合具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明实施例公开的一种基于NCC的道路消失线检测方法,主要包括如下步骤:
1、图像重构
将RGB图像转化为HSV图像,并在HSV空间下对转化后的图像进行重构以进一步突出特征。重构后的图像每个像素点I的表达式为
I=1-(h+v)
其中h为像素点的Hue(色调)值,v为像素点的Value(亮度)值。图像重构整个过程的示意图如图1所示。
2、计算NCC值
归一化相关性NCC(Normalized Cross Correlation)是一个描述两对象之间相似度的参数,其数值变化范围一般为0~1,且越接近1,两对象越相似。选取重构图像最底端的直线为比较对象,等距离向上取若干条直线(直到图像顶端),直线之间距离一般在图片高度1/20到1/10的范围内较为合适,根据如下的式子计算与它的NCC值:
n是一条直线上像素点的总个数,(b1,b2,...,bn)为最底下一条直线上从左往右n个像素点的特征值,(f1,f2,...,fn)为与它进行比较的线上从左往右n个像素点的特征值。
图2是NCC值的分布曲线图,由于选取特征的特殊性,这里计算出的值中出现了负值,此时NCC值的变化范围变成-1~1。
3、基于NCC值分布确定消失线
根据NCC值分布的图线形状,将其分为“Z型”、“V型”和“V-Z复合型”,这三种类型对应着三种不同的预估准则。在实验环境中可以通过作图观察NCC值分布的图线形状,在实际应用场景中可以通过如下方法判断:记录相邻两个点的NCC差值(后一个的减去前一个的),“Z型”曲线的差值分布先是平缓变化,随后数值会突然增大,接着又突然减小至平缓变化;“V型”曲线的差值分布大致呈现一个先负后正的变化;“V-Z复合型”曲线的差值分布就是上述两者的综合。
(1)“Z型”图线
对于如图3所示的“Z型”图线,检测准则是取第一次值突变的点所对应的线为消失线(突变是指这两个相邻点之间的变化幅度不少于前两个相邻点之间变化幅度的5倍)。
(2)“V型”图线
对于如图4所示的“V型”图线,检测准则是取谷底(最小值)的点所对应的线为消失线。
(3)“V-Z复合型”图线
“V-Z复合型”图线可以分成两类,它们的区别在于最后N个点(1<N<6,本示例中N为5)的均值是正值还是负值。
对于如图5所示的“V-Z复合型”图线(最后5个点的均值为负值),虚线左侧为“V型”,右侧为“Z型”,与第一条准则类似,取第一次值突变的点所对应的线为消失线。
对于如图6所示的“V-Z复合型”图线(最后5个点的均值为正值),虚线左侧为“V型”,右侧为“Z型”,与第二条准则类似,取V形状中的谷底(最小值)的点所对应的线为消失线(如果出现多个V形,取各个谷底中的最小值)。
Claims (4)
1.一种基于NCC的道路消失线检测方法,其特征在于,包括如下步骤:
(1)将道路彩色图像转到HSV色彩空间,并在HSV色彩空间对图像进行重构,得到重构图像;
(2)以重构图像最底端的直线为对象,向上等距离地选取若干条直线计算与它的归一化相关性NCC值,得到NCC值列表;
(3)基于NCC值分布情况确定消失线的位置,包括如下三种情况:
对于NCC值分布的图线为“Z型”的情况,取第一次值突变的点所对应的线为消失线;
对于NCC值分布的图线为“V型”的情况,取最小值的点所对应的线为消失线;
对于NCC值分布的图线为“V-Z复合型”的情况,若最后N个点的均值为负值,取第一次值突变的点所对应的线为消失线;若最后N个点的均值为正值,取所有V形状中的谷底值中的最小值的点所对应的线为消失线,其中1<N<6。
2.根据权利要求1所述的基于NCC的道路消失线检测方法,其特征在于,所述步骤(1)中在HSV色彩空间对图像进行重构的方法为:根据各个像素点的H和V两个通道的值,以1-(h+v)对图像进行重构。
3.根据权利要求1所述的基于NCC的道路消失线检测方法,其特征在于,所述步骤(2)中的NCC值的计算公式为:
<mrow>
<mi>N</mi>
<mi>C</mi>
<mi>C</mi>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>f</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>b</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<msub>
<mi>f</mi>
<mi>i</mi>
</msub>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
<mo>&CenterDot;</mo>
<msup>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<msub>
<mi>b</mi>
<mi>i</mi>
</msub>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
</mrow>
</mfrac>
</mrow>
其中,(b1,b2,...,bn)为最底端的直线上n个像素点的特征值,(f1,f2,...,fn)为所选取的与最底端的直线进行比较的直线上n个像素点的特征值。
4.根据权利要求3所述的基于NCC的道路消失线检测方法,其特征在于,所述像素点的特征值为1-(h+v),其中h为像素点的色调值,v为像素点的亮度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510176886.XA CN104835183B (zh) | 2015-04-15 | 2015-04-15 | 基于ncc的道路消失线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510176886.XA CN104835183B (zh) | 2015-04-15 | 2015-04-15 | 基于ncc的道路消失线检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104835183A CN104835183A (zh) | 2015-08-12 |
CN104835183B true CN104835183B (zh) | 2017-11-03 |
Family
ID=53813048
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510176886.XA Active CN104835183B (zh) | 2015-04-15 | 2015-04-15 | 基于ncc的道路消失线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104835183B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105549603B (zh) * | 2015-12-07 | 2018-08-28 | 北京航空航天大学 | 一种多旋翼无人机的智能道路巡检控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003329411A (ja) * | 2002-05-14 | 2003-11-19 | Matsushita Electric Ind Co Ltd | カメラ校正装置 |
CN101639893A (zh) * | 2008-07-31 | 2010-02-03 | 东软集团股份有限公司 | 道路方向识别的方法和装置 |
KR20110001427A (ko) * | 2009-06-30 | 2011-01-06 | 태성전장주식회사 | 관심영역 추출에 의한 차선 고속검출 방법 |
CN102609938A (zh) * | 2012-01-16 | 2012-07-25 | 浙江大学 | 一种从单幅图像检测道路消失点的方法 |
WO2012145818A1 (en) * | 2011-04-25 | 2012-11-01 | Magna International Inc. | Method and system for dynamically calibrating vehicular cameras |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2896219B1 (fr) * | 2006-01-19 | 2008-02-22 | Valeo Vision Sa | Procede de reglage de l'orientation d'une camera installee dans un vehicule et systeme de mise en oeuvre de ce procede |
-
2015
- 2015-04-15 CN CN201510176886.XA patent/CN104835183B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003329411A (ja) * | 2002-05-14 | 2003-11-19 | Matsushita Electric Ind Co Ltd | カメラ校正装置 |
CN101639893A (zh) * | 2008-07-31 | 2010-02-03 | 东软集团股份有限公司 | 道路方向识别的方法和装置 |
KR20110001427A (ko) * | 2009-06-30 | 2011-01-06 | 태성전장주식회사 | 관심영역 추출에 의한 차선 고속검출 방법 |
WO2012145818A1 (en) * | 2011-04-25 | 2012-11-01 | Magna International Inc. | Method and system for dynamically calibrating vehicular cameras |
CN102609938A (zh) * | 2012-01-16 | 2012-07-25 | 浙江大学 | 一种从单幅图像检测道路消失点的方法 |
Non-Patent Citations (3)
Title |
---|
"Comparison of Methods for Horizon Line Detection in Sea Images";Tzvika Libe et al.;《CONTENT 2012 : The Fourth International Conference on Creative Content Technologies》;20121231;79-85 * |
"Traffic road line detection based on the vanishing point and contour information";Jung-Won Kim et al.;《SICE Annual Conference 2011》;20110918;495-498 * |
"基于垂线包络和平行线对的城市道路图像消失点检测算法";丁伟利等;《光学学报》;20141031;第34卷(第10期);(1015002-1)(1015002-7) * |
Also Published As
Publication number | Publication date |
---|---|
CN104835183A (zh) | 2015-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108121991B (zh) | 一种基于边缘候选区域提取的深度学习舰船目标检测方法 | |
JP3740065B2 (ja) | 領域分割された映像の領域特徴値整合に基づいた客体抽出装置およびその方法 | |
CN110276264B (zh) | 一种基于前景分割图的人群密度估计方法 | |
CN103248906B (zh) | 一种双目立体视频序列的深度图获取方法与系统 | |
CN104850850A (zh) | 一种结合形状和颜色的双目立体视觉图像特征提取方法 | |
CN103871039B (zh) | 一种sar图像变化检测差异图生成方法 | |
CN111723693A (zh) | 一种基于小样本学习的人群计数方法 | |
CN104657980A (zh) | 一种改进的基于Meanshift的多通道图像分割算法 | |
CN101770583B (zh) | 一种基于场景全局特征的模板匹配方法 | |
CN104766339A (zh) | 一种地基天空图像的云团自动检测方法 | |
CN104599288A (zh) | 一种基于肤色模板的特征跟踪方法及装置 | |
CN110222712B (zh) | 一种基于深度学习的多专项目标检测算法 | |
CN104408728A (zh) | 一种基于噪声估计的伪造图像检测方法 | |
CN109784216B (zh) | 基于概率图的车载热成像行人检测RoIs提取方法 | |
CN103093458A (zh) | 关键帧的检测方法及装置 | |
CN112308883A (zh) | 一种基于可见光和红外图像的多船舶融合跟踪方法 | |
CN104866853A (zh) | 一种足球比赛视频中的多运动员的行为特征提取方法 | |
CN113989299A (zh) | 一种基于k均值聚类的露天矿岩层图像分割方法 | |
CN116883588A (zh) | 一种大场景下的三维点云快速稠密重建方法及系统 | |
CN103955934A (zh) | 一种结合图像显著性区域分割的图像模糊检测算法 | |
CN109741337B (zh) | 基于Lab色彩空间的区域合并分水岭彩色遥感影像分割方法 | |
CN104835183B (zh) | 基于ncc的道路消失线检测方法 | |
CN110222217A (zh) | 一种基于分段加权的鞋印图像检索方法 | |
CN109377455B (zh) | 改进的基于自相似性的多序列磁共振图像配准方法 | |
CN109800693B (zh) | 一种基于颜色通道混合特征的夜间车辆检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190516 Address after: 210000 7 Andmen Street, Yuhuatai District, Nanjing City, Jiangsu Province Patentee after: Nanjing Institute of Information Technology Co., Ltd. Address before: 210096 No. four archway, 2, Jiangsu, Nanjing Patentee before: Southeast University |
|
TR01 | Transfer of patent right |