CN106971398A - 融合图像边缘和区域特征的道路检测方法 - Google Patents
融合图像边缘和区域特征的道路检测方法 Download PDFInfo
- Publication number
- CN106971398A CN106971398A CN201710327840.2A CN201710327840A CN106971398A CN 106971398 A CN106971398 A CN 106971398A CN 201710327840 A CN201710327840 A CN 201710327840A CN 106971398 A CN106971398 A CN 106971398A
- Authority
- CN
- China
- Prior art keywords
- image
- approach
- road detection
- gray level
- edge
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
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
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710327840.2A CN106971398A (zh) | 2017-05-11 | 2017-05-11 | 融合图像边缘和区域特征的道路检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710327840.2A CN106971398A (zh) | 2017-05-11 | 2017-05-11 | 融合图像边缘和区域特征的道路检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106971398A true CN106971398A (zh) | 2017-07-21 |
Family
ID=59331920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710327840.2A Withdrawn CN106971398A (zh) | 2017-05-11 | 2017-05-11 | 融合图像边缘和区域特征的道路检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106971398A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108171682A (zh) * | 2017-12-04 | 2018-06-15 | 北京中科慧眼科技有限公司 | 基于远景的双目同步曝光率检测方法、系统及存储介质 |
CN108257168A (zh) * | 2018-03-01 | 2018-07-06 | 杭州富阳新远新能源有限公司 | 一种用于球铰的球座涂色面积及其涂色区域贴合度的分区检测方法 |
CN110687130A (zh) * | 2019-09-27 | 2020-01-14 | 天津大学 | 微细孔内壁缺陷自动检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1464487A (zh) * | 2002-06-03 | 2003-12-31 | 昆明利普机器视觉工程有限公司 | 基于视频车辆光学特征识别匹配的交通流量检测系统 |
CN101382497A (zh) * | 2008-10-06 | 2009-03-11 | 南京大学 | 基于路况监控视频的能见度检测方法 |
US7936903B2 (en) * | 2005-05-31 | 2011-05-03 | Koninklijke Philips Electronics N.V. | Method and a system for detecting a road at night |
WO2012017650A1 (ja) * | 2010-08-03 | 2012-02-09 | パナソニック株式会社 | 物体検出装置、物体検出方法及びプログラム |
CN106503719A (zh) * | 2016-09-27 | 2017-03-15 | 深圳增强现实技术有限公司 | 一种物体颜色提取与检测方法及装置 |
-
2017
- 2017-05-11 CN CN201710327840.2A patent/CN106971398A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1464487A (zh) * | 2002-06-03 | 2003-12-31 | 昆明利普机器视觉工程有限公司 | 基于视频车辆光学特征识别匹配的交通流量检测系统 |
US7936903B2 (en) * | 2005-05-31 | 2011-05-03 | Koninklijke Philips Electronics N.V. | Method and a system for detecting a road at night |
CN101382497A (zh) * | 2008-10-06 | 2009-03-11 | 南京大学 | 基于路况监控视频的能见度检测方法 |
WO2012017650A1 (ja) * | 2010-08-03 | 2012-02-09 | パナソニック株式会社 | 物体検出装置、物体検出方法及びプログラム |
CN106503719A (zh) * | 2016-09-27 | 2017-03-15 | 深圳增强现实技术有限公司 | 一种物体颜色提取与检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
杨唐文 等: ""融合图像边缘和区域特征的道路检测算法"", 《东南大学学报( 自然科学版)》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108171682A (zh) * | 2017-12-04 | 2018-06-15 | 北京中科慧眼科技有限公司 | 基于远景的双目同步曝光率检测方法、系统及存储介质 |
CN108257168A (zh) * | 2018-03-01 | 2018-07-06 | 杭州富阳新远新能源有限公司 | 一种用于球铰的球座涂色面积及其涂色区域贴合度的分区检测方法 |
CN108257168B (zh) * | 2018-03-01 | 2019-03-19 | 杭州富阳新远新能源有限公司 | 一种用于球铰的球座涂色面积及其涂色区域贴合度的分区检测方法 |
CN110687130A (zh) * | 2019-09-27 | 2020-01-14 | 天津大学 | 微细孔内壁缺陷自动检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102013112171B4 (de) | Außenumgebungserkennungsvorrichtung | |
O'Malley et al. | Vehicle detection at night based on tail-light detection | |
US11373532B2 (en) | Pothole detection system | |
DE102012103724B4 (de) | Umgebungserkennungsvorrichtung und Umgebungserkennungsverfahren | |
CN102963294B (zh) | 一种夜间行驶车辆远光灯开启状态的判别方法 | |
CN107862290B (zh) | 车道线检测方法及系统 | |
CN107133985B (zh) | 一种基于车道线消逝点的车载摄像机自动标定方法 | |
CN106971398A (zh) | 融合图像边缘和区域特征的道路检测方法 | |
CN104361350B (zh) | 一种交通标识识别系统 | |
CN102938057B (zh) | 一种车辆阴影消除方法及装置 | |
CN105005778B (zh) | 一种基于视觉背景提取的高速公路车辆检测方法 | |
US20150002672A1 (en) | Three-dimenisional object detection device | |
CN106204494B (zh) | 一种包含大面积天空区域的图像去雾方法及系统 | |
CN104063853B (zh) | 一种基于暗通道技术的提高交通视频图像清晰度方法 | |
DE102014110206B4 (de) | Fahrzeugaußenumgebungerkennungsvorrichtung | |
CN110084111B (zh) | 一种应用于自适应远光灯的快速夜间车辆检测方法 | |
CN102663760A (zh) | 一种对图像中的车辆挡风镜区域进行定位分割的方法 | |
JP5260696B2 (ja) | エッジ点抽出装置、車線検出装置、およびプログラム | |
CN103020583A (zh) | 图像处理装置 | |
CN104916162A (zh) | 泊车位检测方法和系统 | |
CN104952256A (zh) | 一种基于视频信息的交叉口处车辆的检测方法 | |
DE112012003930T5 (de) | Vorrichtung zur Erfassung anderen Fahrzeuglichts, Programm für einen Computer, der das Licht erfasst, und Lichtsteuervorrichtung für Fahrzeuge | |
CN106203336A (zh) | 一种基于灰度图像标记的矿井巷道灯识别方法 | |
CN104463935A (zh) | 一种用于交通事故还原的车道重建方法和系统 | |
CN104112118B (zh) | 用于车道偏离预警系统的车道线检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20170721 |