CN106971398A - 融合图像边缘和区域特征的道路检测方法 - Google Patents

Abstract

本发明公开了一种融合图像边缘和区域特征的道路检测方法，包括以下步骤：S1：将彩色通道图像转换成灰度图像，并进行直方图均衡化和滤波预处理；S2：利用自定义差分算子和区域生长法，进一步对处理后的灰度图像进行分割，分别获得图像的边缘和区域特征；S3：结合区域和边缘分割的互补特性，融合两种信息对不同条件下获得的车载视频进行图像分割，实现道路检测。本发明的方法能够获得边缘精确平滑、区域均匀的道路分割，具备较好的实时性和鲁棒性。

Description

融合图像边缘和区域特征的道路检测方法

技术领域

本发明具体涉及一种融合图像边缘和区域特征的道路检测方法。

背景技术

智能车是车辆自主驾驶技术研究和最终应用的重要平台。实现自动驾驶的前提是车辆能够快速有效地检测和利用道路信息。为此，激光雷达设备常用来检测环境中的各种动态和静态障碍信息。但是，激光雷达仅能获得深度信息，而道路上的颜色信息检测其实也是安全自动驾驶的关键，比如路面车道线、箭头标识、红绿灯等。现有的道路颜色信息检测手段主要是通过车载摄像机获得，然而，从车载视频图像中提取是一个挑战性的任务。

发明内容

本发明要解决的技术问题是提供一种融合图像边缘和区域特征的道路检测方法。

融合图像边缘和区域特征的道路检测方法，包括以下步骤：

S1：将彩色通道图像转换成灰度图像，并进行直方图均衡化和滤波预处理；

S2：利用自定义差分算子和区域生长法，进一步对处理后的灰度图像进行分割，分别获得图像的边缘和区域特征；

S3：结合区域和边缘分割的互补特性，融合两种信息对不同条件下获得的车载视频进行图像分割，实现道路检测。

进一步的，步骤S1中彩色通道图像转换成灰度图像的方法：

利用下式对车载摄像机获取的彩色通道图像进行灰度化转换：

式中，为转换后的灰度值；C为转换阈值；R，G分别表示像素颜色值中的红色和绿色分量。

进一步的，步骤S1中直方图均衡化选用以下变换函数：

，式中，T为变换函数。

进一步的，步骤S2中选用的自定义差分算子如下：

，。

进一步的，步骤S2中区域生长法的步骤如下：

1）选取灰度图像下方一个条形范围内处于灰度值中间位置的像素为种子点；

2）对灰度图像进行中值滤波处理，得到邻域平均化的灰度图像；

3）根据邻域平均化的灰度值与原灰度图像的灰度值之差设定分割阈值，根据与种子点处的灰度值之差设定阈值，利用和生长出道路的路面区域。

进一步的，步骤S3的具体方法如下：

1）图像边缘分割得到的边界为：

，式中，为边界线段，每个线段都由离散的边缘点组成；

2）区域生成后得到的边界为：

，式中，为区域边界线段，每个线段都由离散的边缘点组成；

3）根据上面两种边界信息在空间上出现的位置，由下式可计算它们的距离：

；

阈值取值为9，通过设定的阈值可以对分割结果进行修正和融合。

本发明的有益效果是：

本发明的方法能够获得边缘精确平滑、区域均匀的道路分割，具备较好的实时性和鲁棒性。

具体实施方式

以下具体实施例对本发明作进一步阐述，但不作为对本发明的限定。

融合图像边缘和区域特征的道路检测方法，包括以下步骤：

S1：将彩色通道图像转换成灰度图像，并进行直方图均衡化和滤波预处理；

S2：利用自定义差分算子和区域生长法，进一步对处理后的灰度图像进行分割，分别获得图像的边缘和区域特征；

S3：结合区域和边缘分割的互补特性，融合两种信息对不同条件下获得的车载视频进行图像分割，实现道路检测。

步骤S1中彩色通道图像转换成灰度图像的方法：

利用下式对车载摄像机获取的彩色通道图像进行灰度化转换：

式中，为转换后的灰度值；C为转换阈值；R，G分别表示像素颜色值中的红色和绿色分量。

步骤S1中直方图均衡化选用以下变换函数：

，式中，T为变换函数。

步骤S2中选用的自定义差分算子如下：

，。

步骤S2中区域生长法的步骤如下：

1）选取灰度图像下方一个条形范围内处于灰度值中间位置的像素为种子点；

2）对灰度图像进行中值滤波处理，得到邻域平均化的灰度图像；

3）根据邻域平均化的灰度值与原灰度图像的灰度值之差设定分割阈值，根据与种子点处的灰度值之差设定阈值，利用和生长出道路的路面区域。

步骤S3的具体方法如下：

1）图像边缘分割得到的边界为：

，式中，为边界线段，每个线段都由离散的边缘点组成；

2）区域生成后得到的边界为：

，式中，为区域边界线段，每个线段都由离散的边缘点组成；

3）根据上面两种边界信息在空间上出现的位置，由下式可计算它们的距离：

；

阈值取值为9，通过设定的阈值可以对分割结果进行修正和融合。

Claims (6)

1.融合图像边缘和区域特征的道路检测方法，其特征在于，包括以下步骤：

S1：将彩色通道图像转换成灰度图像，并进行直方图均衡化和滤波预处理；

S2：利用自定义差分算子和区域生长法，进一步对处理后的灰度图像进行分割，分别获得图像的边缘和区域特征；

S3：结合区域和边缘分割的互补特性，融合两种信息对不同条件下获得的车载视频进行图像分割，实现道路检测。

2.根据权利要求1所述的道路检测方法，其特征在于，步骤S1中彩色通道图像转换成灰度图像的方法：

利用下式对车载摄像机获取的彩色通道图像进行灰度化转换：

式中，为转换后的灰度值；C为转换阈值；R，G分别表示像素颜色值中的红色和绿色分量。

3.根据权利要求1所述的道路检测方法，其特征在于，步骤S1中直方图均衡化选用以下变换函数：

，式中，T为变换函数。

4.根据权利要求1所述的道路检测方法，其特征在于，步骤S2中选用的自定义差分算子如下：

，。

5.根据权利要求1所述的道路检测方法，其特征在于，步骤S2中区域生长法的步骤如下：

1）选取灰度图像下方一个条形范围内处于灰度值中间位置的像素为种子点；

2）对灰度图像进行中值滤波处理，得到邻域平均化的灰度图像；

3）根据邻域平均化的灰度值与原灰度图像的灰度值之差设定分割阈值，根据与种子点处的灰度值之差设定阈值，利用和生长出道路的路面区域。

6.根据权利要求1所述的道路检测方法，其特征在于，步骤S3的具体方法如下：

1）图像边缘分割得到的边界为：

，式中，为边界线段，每个线段都由离散的边缘点组成；

2）区域生成后得到的边界为：

，式中，为区域边界线段，每个线段都由离散的边缘点组成；

3）根据上面两种边界信息在空间上出现的位置，由下式可计算它们的距离：

；

阈值取值为9，通过设定的阈值可以对分割结果进行修正和融合。