CN107103321A - 道路二值化图像的生成方法及生成系统 - Google Patents

道路二值化图像的生成方法及生成系统 Download PDF

Info

Publication number
CN107103321A
CN107103321A CN201610097110.3A CN201610097110A CN107103321A CN 107103321 A CN107103321 A CN 107103321A CN 201610097110 A CN201610097110 A CN 201610097110A CN 107103321 A CN107103321 A CN 107103321A
Authority
CN
China
Prior art keywords
road
image
region
judgment threshold
gray level
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.)
Granted
Application number
CN201610097110.3A
Other languages
English (en)
Other versions
CN107103321B (zh
Inventor
付玉锦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Tencent Cloud Computing Beijing Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201610097110.3A priority Critical patent/CN107103321B/zh
Publication of CN107103321A publication Critical patent/CN107103321A/zh
Application granted granted Critical
Publication of CN107103321B publication Critical patent/CN107103321B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种道路二值化图像的生成方法及生成系统，包括：获取原始街景图像和原始点云数据；根据所述原始街景图像和所述原始点云数据生成街景的掩码图像；对所述街景的掩码图像去除路面噪声，以得到道路灰度图像；将所述道路灰度图像分成多个区域；根据判断阈值对各区域进行二值化处理，其中所述判断阈值根据所述各区域在所述道路灰度图像中所处的纵向位置而进行渐进式变化；根据各区域的二值化处理结果生成所述道路的二值化图像。本发明通过对道路灰度图像进行分区，并分别对各区域选取渐进式变化的判断阈值，以使二值化处理结果更加准确，进而有利于后续车道线及道路标识的提取和识别。

Description

道路二值化图像的生成方法及生成系统
技术领域
本发明涉及街景图像处理领域，尤其涉及一种道路二值化图像的生成方法及生成系统。
背景技术
随着车联网业务的发展，具有车道定位、车道保持辅助、车道偏离预警、自动转向、和自动巡航等典型功能的高级驾驶员辅助系统(Advanced DriverAssistance Systems，ADAS)也越来越完善。而所述ADAS的典型功能都离不开高精度地图(HD Map)。
常见的街景数据采集都是通过取景车拍摄，其拍摄角度基本处于平视范围，景深可以到达很远的地方。由于这种拍摄方式会导致道路在街景图像中的颜色变化较大，而且拍摄到的干扰物也会对道路的颜色产生影响，因此，道路的二值化处理也会受到影响。
目前，通常是选择一判断阈值，对道路图像进行二值化处理。该判断阈值的确定可以采用最大类间距法、或者依据某个先验知识来确定合适某一类图像的分割阈值。
这在处理灰度分布比较均匀的物体图像时一般能得到较好的分割结果，但在拍摄的街景图片中道路的各个部分灰度往往分布不均，此种二值化处理方法则会顾此失彼。若判断阈值选取过大，则道路的细节会严重丢失，尤其是道路上的指示标志；若判断阈值选取过小，道路噪声(道路上的各种干扰)又会被保留过多，进而影响二值化处理的准确性。
发明内容
有鉴于此，本发明实施例提供一种道路二值化图像的生成方法及生成系统，可以解决因判断阈值选取不当，而导致二值化过程中，无法在尽可能保留道路细节的前提下，去除路面干扰的技术问题。
为解决上述技术问题，本发明实施例提供了一种道路二值化图像的生成方法，包括：
获取原始街景图像和原始点云数据；
根据所述原始街景图像和所述原始点云数据生成街景的掩码图像；
对所述街景的掩码图像去除路面噪声，以得到道路灰度图像；
将所述道路灰度图像分成多个区域；
根据判断阈值对各区域进行二值化处理，其中所述判断阈值根据所述各区域在所述道路灰度图像中所处的纵向位置而进行渐进式变化；以及
根据各区域的二值化处理结果生成道路的二值化图像。
为解决上述技术问题，本发明实施例还提供了一种道路二值化图像的生成系统，包括：
获取模块，用于获取原始街景图像和原始点云数据；
掩码模块，用于根据所述原始街景图像和所述原始点云数据生成街景的掩码图像；
去噪模块，用于对所述街景的掩码图像去除路面噪声，以得到道路灰度图像；
分区模块，用于将所述道路灰度图像分成多个区域；
二值化模块，用于根据判断阈值对各区域进行二值化处理，其中所述判断阈值根据所述各区域在所述道路灰度图像中所处的纵向位置而进行渐进式变化；以及
图像模块，用于根据各区域的二值化处理结果生成道路的二值化图像。
本发明实施例提供的道路二值化图像的生成方法及生成系统，通过对道路灰度图像进行分区，并分别对各区域选取渐进式变化的判断阈值，以使二值化处理结果更加准确，进而有利于后续车道线及道路标识的提取和识别。
附图说明
图1是本发明实施例提供的道路二值化图像的生成方法的流程示意图；
图2是本发明实施例提供的道路二值化图像的生成系统的基础模块示意图；
图3是本发明实施例提供的道路二值化图像的生成系统的优化模块示意图；
图4是本发明实施例提供的道路二值化图像的生成系统的硬件环境示意图；
图5A是本发明实施例提供的道路二值化图像的效果示意图；
图5B是本发明实施例所提供的正摄鸟瞰图像的效果示意图。
具体实施方式
请参照附图中的图式，其中相同的组件符号代表相同的组件，本发明的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所示例的本发明的具体实施例，其不应被视为限制本发明未在此详述的其它具体实施例。
本发明原理以上述文字来说明，其并不代表为一种限制，本领域技术人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。本发明的原理使用许多其它泛用性或特定目的运算、通信环境或组态来进行操作。
本案可应用于高精度地图(High Definition Map)、和高级驾驶员辅助系统(Advanced Driver Assistance Systems，ADAS)。
请参阅图1，所示为道路二值化图像的生成方法的流程示意图。
所述道路二值化图像的生成方法，包括：
在步骤S101中，获取原始街景图像和原始点云数据。
其中，原始街景图像是通过相机获取，原始点云数据是通过激光器获取，且往往是同时采集的。
在步骤S102中，根据所述原始街景图像和所述原始点云数据生成街景的掩码图像。
其中，所述街景的掩码图形，包括：车辆掩码图像和道路掩码图像。
具体而言，本步骤包括：
(1)对所述原始街景图像进行灰度处理，以生成车辆掩码图像，具体包括：
1.1对所述原始街景图像进行颜色转换，以生成红绿蓝色彩模式的RGB图像；
1.2对所述RGB图像进行色彩和饱和度的处理，以生成包含各像素颜色的YUV图像；
可以理解的是，YUV色彩空间的一个重要特性就是它的亮度信号Y和色度信号U、V是分离的，这就很适合处理路面车辆这类受亮度影响较大的物体图像的分割问题，当忽略Y(亮度)的影响后，很容易将车辆从道路中分割出来，特别是具有一致的鲜艳颜色的车辆。
1.3对所述YUV图像进行灰度处理，以生成原始街景图像的灰度图像；以及
1.4对所述原始街景图像的灰度图像进行处理，以提取车辆的轮廓，并生成车辆的掩码图像，进而可以去除道路上的车辆干扰。
(2)对所述原始点云数据进行分割处理，以生成道路掩码图像，具体包括：
2.1根据道路的几何特性，对所述原始点云数据进行分割，生成路面点云数据；以及
2.2将所述路面点云数据投射到所述原始图像中，以生成道路掩码图像，所述道路掩码图像中包括：车道线、和/或道路标识。
在本实施例中，所述投射为正射投影，即：将路面点云数据垂直投射于所述原始图像中，可以理解的是，所述投射还可以用于修复道路中绝大部分的车道线和道路标识。
在步骤S103中，对所述街景的掩码图像去除路面噪声，以得到道路灰度图像。
具体而言，本步骤包括：
(1)从所述道路掩码图像中去除所述车辆掩码图像，以生成道路的掩码图像；以及
(2)将所述道路的掩码图像进行灰度处理，以生成道路灰度图像。
在步骤S104中，将所述道路灰度图像分成多个区域。
具体而言，本步骤包括：
(1)预设区域的个数，如5个；
(2)定义道路灰度图像的近端和远端，对相机所拍摄的道路而言，可以根据近宽远窄的原则定义道路的近端和远端；以及
(3)以所述近端到远端的方向为纵向，对所述道路灰度图像进行横向分割，以形成预设个数的多个区域。
在步骤S105中，根据判断阈值对各区域进行二值化处理，其中所述判断阈值根据所述各区域在所述道路灰度图像中所处的纵向位置而进行渐进式变化。
具体而言，本步骤包括：
(1)获取当前区域所处的纵向位置；
(2)根据所述纵向位置生成所述当前区域的判断阈值；
具体而言，所述判断阈值的生成包括：
(2.1)确定所述道路灰度图像上，分割后的像素个数与分割前像素个数之比，得到分割后的像素比率；
(2.2)确定所述每一区域在道路中所处的纵向位置与道路部分的纵向范围的位置比值；以及
(2.3)根据所述分割后的像素比率和所述位置比值分别为每一区域生成对应的判断阈值。
(3)判断当前区域中的灰度是大于所述当前区域的判断阈值；
(4)若大于，则将所述当前区域中大于判断阈值的灰度部分生成第一颜色；以及
(5)若不大于，则将所述当前区域中不大于判断阈值的灰度部分生成第二颜色。其中，第一颜色与第二颜色，通常为黑白二色。可以理解的是，也可以采用其他颜色。
可以理解的是，所述判断阈值，取决于：分割后像素个数与分割前像素个数之比，得到分割后的像素比率；以及所述每一区域在道路中所处的纵向位置与道路部分的纵向范围的位置比值。即，所述判断阈值根据所述各区域在所述道路灰度图像中所处的纵向位置而进行渐进式变化。
例如，本实施例中各个小块区域阈值T的确定按如下公式给出：
其中：
f——分割影响因子，代表分割后的像素比率；
t0(f)——小块区域图像在f条件下的分割阈值；
——整个图像在f条件下的分割阈值；
h——小块区域图像在整个图像道路部分中的纵向位置；
hl——整个图像道路部分的纵向范围。
此外，所述判断阈值，还可以在获取原始街景图像时保存相机参数，并根据所述相机参数进行调整。其中所述相机参数包括：相机的光圈值、相机的曝光度、和/或快门速度。以公式表达为：
f＝1.04-0.01*fnum+0.0001*isospeed
其中：
fnum——相机光圈值；
isospeed——相机曝光度。
在步骤S106中，根据各区域的二值化处理结果生成道路的二值化图像。
具体而言，本步骤包括：
(1)对各区域的二值化处理结果通过数学形态学进行去噪处理，以生成去噪结果；
其中，数学形态学在图像处理中属于非线性滤波方法，以广泛应用于图像去噪、图像分割、增强、边缘检测、形态分析、图象压缩等各个方面，具体处理此处不再赘述。
(2)将各区域的去噪结果生成道路二值化图像。
可以理解的是，在二值化处理以后，图像中可能还会有噪点的存在，由于道路的磨损等因素，道路中车道线及道路标识的内部也难免会因灰度分布不均而造成过度分割，所以作为二值化后的后处理步骤，有必要对分割后的二值化图像采用数学形态学的操作进行处理，以去除噪点同时补全内部缺失，从而得到更为理想的二值化图像，如图5A所示。
此外，基于所述道路二值化图像5A生成正摄鸟瞰图像的效果，如5B所示。
本发明实施例的道路二值化图像的生成方法，通过对道路灰度图像进行分区，并分别对各区域选取渐进式变化的判断阈值，以使二值化处理结果更加准确，进而有利于后续车道线及道路标识的提取和识别。
请参阅图2，所示为道路二值化图像的生成系统的模块示意图。
所述道路二值化图像的生成系统200，包括：获取模块21、掩码模块22、去噪模块23、分区模块24、二值化模块25、以及图像模块26。
具体而言，所述获取模块21，用于获取原始街景图像和原始点云数据。
其中，所述原始街景图像和原始点云数据，往往是通过采景车的相机和激光器进行同时进行采集的。
掩码模块22，连接于获取模块21，用于根据所述原始街景图像和所述原始点云数据生成街景的掩码图像。
其中，所述掩码模块22，包括：
车辆子模块221，用于生成车辆掩码图像；以及
道路子模块222，用于生成道路掩码图像。
去噪模块23，连接于掩码模块22，用于对所述街景的掩码图像去除路面噪声，以得到道路灰度图像。
即，从所述道路掩码图像中去除所述车辆掩码图像，以生成道路的掩码图像；并将所述道路的掩码图像进行灰度处理，以生成道路灰度图像。
分区模块24，连接于去噪模块23，用于将所述道路灰度图像分成多个区域。
二值化模块25，连接于分区模块24，用于根据判断阈值对各区域进行二值化处理，其中所述判断阈值根据所述各区域在所述道路灰度图像中所处的纵向位置而进行渐进式变化。
具体而言，所述二值化模块25，包括：
纵向获取子模块251，用于获取当前区域所处的纵向位置；
判断阈值子模块252，用于根据所述纵向位置生成所述当前区域的判断阈值；
区域判断子模块253，用于判断当前区域中的灰度是大于所述当前区域的判断阈值；以及
颜色生成子模块254，用于当大于时，将所述当前区域中大于判断阈值的灰度部分生成第一颜色，以及当不大于时，将所述当前区域中不大于判断阈值的灰度部分生成第二颜色。
图像模块26，连接于二值化模块25，用于根据各区域的二值化处理结果生成道路的二值化图像。
本发明实施例的道路二值化图像的生成系统，通过对道路灰度图像进行分区，并分别对各区域选取渐进式变化的判断阈值，以使二值化处理结果更加准确，进而有利于后续车道线及道路标识的提取和识别。
请参阅图3，为对图2所示的道路二值化图像的生成系统进行进一步细化。
所述道路二值化图像的生成系统300，包括：获取模块31、掩码模块32、去噪模块33、分区模块34、二值化模块35、以及图像模块36。
具体而言，所述获取模块31，用于获取原始街景图像和原始点云数据。
所述获取模块31，设置在采景车上，包括：
相机311，用于获取原始街景图像；以及
激光器312，用于获取原始点云数据。
掩码模块32，连接于获取模块31，用于根据所述原始街景图像和所述原始点云数据生成街景的掩码图像。
其中，所述掩码模块32包括：
车辆子模块321，连接于所述相机311，用于对所述原始街景图像进行灰度处理，以生成车辆掩码图像；
道路子模块322，连接于所述激光器312，用于对所述原始点云数据进行分割处理，以生成道路掩码图像。
再对车辆与道路的掩码图像进行细化。其中：
所述车辆子模块321，包括：色彩子模块3211、像素子模块3212、灰度子模块3213、和轮廓子模块3214。具体而言，所述色彩子模块3211，用于对所述原始图像进行颜色转换，以生成红绿蓝色彩模式的RGB图像；所述像素子模块3212，用于对所述RGB图像进行色彩和饱和度的处理，以生成包含各像素颜色的YUV图像；所述灰度子模块3213，用于对所述YUV图像进行灰度处理，以生成原图的灰度图像；所述轮廓子模块3214，用于对所述原图的灰度图像进行处理，以提取车辆的轮廓，并生成车辆的掩码图像，进而可以去除道路上的车辆干扰。
所述道路子模块322，包括：分割子模块3221、和投射子模块3222。具体而言，所述分割子模块3221，用于根据道路的几何特性，对所述原始点云数据进行分割，生成路面点云数据；所述投射子模块3222，用于将所述路面点云数据投射到所述原始图像中，以生成道路掩码图像，所述道路掩码图像中包括：车道线、和/或道路标识。在本实施例中，所述投射为正射投影，即：将路面点云数据垂直投射于所述原始图像中，可以理解的是，所述投射还可以用于修复道路中绝大部分的车道线和道路标识。
去噪模块33，连接于掩码模块32，用于对所述街景的掩码图像去除路面噪声，以得到道路灰度图像。
具体而言，所述去噪模块33，包括：
道路掩码子模块331，用于从所述道路掩码图像中去除所述车辆掩码图像，以生成道路的掩码图像；以及
道路灰度子模块332，用于将所述道路的掩码图像进行灰度处理，以生成道路灰度图像。
分区模块34，连接于去噪模块33，用于将所述道路灰度图像分成多个区域。
具体而言，所述分区模块34，包括：
个数设置子模块341，用于预设区域的个数，如5个；
方向定义子模块342，用于定义道路灰度图像的近端和远端，对相机所拍摄的道路而言，可以根据近宽远窄的原则定义道路的近端和远端；以及
横向分割子模块343，用于以所述近端到远端的方向为纵向，对所述道路灰度图像进行横向分割，以形成预设个数的多个区域。
二值化模块35，连接于分区模块34，用于根据判断阈值对各区域进行二值化处理，其中所述判断阈值根据所述各区域在所述道路灰度图像中所处的纵向位置而进行渐进式变化。
具体而言，所述二值化模块35，包括：
纵向获取子模块351，用于获取当前区域所处的纵向位置；
判断阈值子模块352，用于根据所述纵向位置生成所述当前区域的判断阈值；
判断阈值子模块352，包括：
分割率子模块3521，用于确定所述道路灰度图像上，分割后的像素个数与分割前像素个数之比，得到分割后的像素比率；
位置子模块3522，用于确定所述每一区域在道路中所处的纵向位置与道路部分的纵向范围的位置比值；
函数子模块3523，用于根据所述分割后的像素比率和所述位置比值分别为每一区域生成对应的判断阈值；
参数子模块3524，用于读取获取原始街景图像时保存的相机参数，所述相机参数包括但不限于：相机的光圈值、相机的曝光度、和/或快门速度。
调整子模块3525，用于根据所述相机参数对所述判断阈值进行调整。
区域判断子模块353，用于判断当前区域中的灰度是大于所述当前区域的判断阈值；
颜色生成子模块354，用于当大于时，将所述当前区域中大于判断阈值的灰度部分生成第一颜色，以及当不大于时，将所述当前区域中不大于判断阈值的灰度部分生成第二颜色。其中，第一颜色与第二颜色，通常为黑白二色。可以理解的是，也可以采用其他颜色。
可以理解的是，所述判断阈值，取决于：分割后像素个数与分割前像素个数之比，得到分割后的像素比率；以及所述每一区域在道路中所处的纵向位置与道路部分的纵向范围的位置比值。即，所述判断阈值根据所述各区域在所述道路灰度图像中所处的纵向位置而进行渐进式变化。
图像模块36，连接于二值化模块35，用于根据各区域的二值化处理结果生成道路的二值化图像。
具体而言，所述图像模块36，包括：
去噪子模块361，用于对各区域的二值化处理结果通过数学形态学进行去噪处理，以生成去噪结果；以及
合成子模块362，用于将去噪后的各区域生成整体道路的二值化图像。
可以理解的是，在二值化处理以后，图像中可能还会有噪点的存在，由于道路的磨损等因素，道路中车道线及道路标识的内部也难免会因灰度分布不均而造成过度分割，所以作为二值化后的后处理步骤，有必要对分割后的二值化图像采用数学形态学的操作进行处理，以去除噪点同时补全内部缺失，从而得到更为理想的二值化图像，如图5A所示。
此外，基于所述道路二值化图像5A生成正摄鸟瞰图像的效果，如5B所示。
本发明实施例的道路二值化图像的生成系统，通过对道路灰度图像进行分区，并分别对各区域选取渐进式变化的判断阈值，以使二值化处理结果更加准确，进而有利于后续车道线及道路标识的提取和识别。
如图4所示，为本发明实施例提供的道路二值化图像的生成系统的硬件环境示意图。
一种服务器，用于运行所述道路二值化图像的生成系统，并提供所述生成系统的硬件环境。
所述服务器，包括：一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、射频(Radio Frequency，RF)电路403、电源404、输入单元405、以及显示单元406等部件。本领域技术人员可以理解，图4中示出的服务器结构并不构成对服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
RF电路403可用于收发信息过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器401处理；另外，将涉及上行的数据发送给基站。
输入单元405可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
显示单元406可用于显示由用户输入的信息或提供给用户的信息以及服务器的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。
尽管未示出，服务器还可以包括摄像头、蓝牙模块等，在此不再赘述。具体在本实施例中，服务器中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现上述道路二值化图像的生成方法及生成系统各种功能。
本发明实施例提供的道路二值化图像的生成方法及生成系统属于同一构思，其具体实现过程详见说明书全文，此处不再赘述。
可以理解的是：尽管已经相对于一个或多个实现方式示出并描述了本公开，但是本领域技术人员基于对本说明书和附图的阅读和理解将会想到等价变型和修改。本公开包括所有这样的修改和变型，并且仅由所附权利要求的范围限制。
综上所述，虽然本发明已以优选实施例揭露如上，但上述优选实施例并非用以限制本发明，本领域的普通技术人员，在不脱离本发明的精神和范围内，均可作各种更动与润饰，因此本发明的保护范围以权利要求界定的范围为准。

Claims (13)

1.一种道路二值化图像的生成方法，其特征在于，包括：
获取原始街景图像和原始点云数据；
根据所述原始街景图像和所述原始点云数据生成街景的掩码图像；
对所述街景的掩码图像去除路面噪声，以得到道路灰度图像；
将所述道路灰度图像分成多个区域；
根据判断阈值对各区域进行二值化处理，其中所述判断阈值根据所述各区域在所述道路灰度图像中所处的纵向位置而进行渐进式变化；以及
根据各区域的二值化处理结果生成道路的二值化图像。
2.如权利要求1所述的生成方法，其特征在于，根据所述原始街景图像和所述原始点云数据生成街景的掩码图像，包括：
对所述原始街景图像进行灰度处理，以生成车辆掩码图像；
对所述原始点云数据进行分割处理，以生成道路掩码图像；以及
通过所述车辆掩码图像和道路掩码图像，形成所述街景的掩码图像。
3.如权利要求2所述的生成方法，其特征在于，对所述街景的掩码图像去除路面噪声，以得到道路灰度图像，包括：
从所述道路掩码图像中去除所述车辆掩码图像，以生成道路的掩码图像；以及
将所述道路的掩码图像进行灰度处理，以生成道路灰度图像。
4.如权利要求2所述的生成方法，其特征在于，对所述原始街景图像进行灰度处理，以生成车辆掩码图像，包括：
对所述原始街景图像进行颜色转换，以生成红绿蓝色彩模式的RGB图像；
对所述RGB图像进行色彩和饱和度的处理，以生成包含各像素颜色的YUV图像；
对所述YUV图像进行灰度处理，以生成所述原始街景图像的灰度图像；以及
对所述原始街景图像的灰度图像进行处理，以提取车辆的轮廓，并生成车辆的掩码图像。
5.如权利要求2所述的生成方法，其特征在于，对所述原始点云数据进行分割处理，以生成道路掩码图像，包括：
根据道路的几何特性，对所述原始点云数据进行分割，生成路面点云数据；以及
将所述路面点云数据投射到所述原始图像中，以生成道路掩码图像，所述道路掩码图像中包括：车道线、和/或道路标识。
6.如权利要求1所述的生成方法，其特征在于，将所述道路灰度图像分成多个区域，包括：
预设区域的个数；
定义道路灰度图像的近端和远端；以及
以所述近端到远端的方向为纵向，对所述道路灰度图像进行横向分割，以形成预设个数的多个区域。
7.如权利要求1所述的生成方法，其特征在于，根据判断阈值对各区域进行二值化处理，其中所述判断阈值根据所述各区域在所述道路灰度图像中所处的纵向位置而进行渐进式变化，包括：
获取当前区域所处的纵向位置；
根据所述纵向位置生成所述当前区域的判断阈值；
判断当前区域中的灰度是大于所述当前区域的判断阈值；
若大于，则将所述当前区域中大于判断阈值的灰度部分生成第一颜色；及
若不大于，则将所述当前区域中不大于判断阈值的灰度部分生成第二颜色。
8.如权利要求7所述的生成方法，其特征在于，根据所述纵向位置生成所述当前区域的判断阈值，包括：
确定所述道路灰度图像上，分割后的像素个数与分割前像素个数之比，得到分割后的像素比率；
确定所述每一区域在道路中所处的纵向位置与道路部分的纵向范围的位置比值；以及
根据所述分割后的像素比率和所述位置比值分别为每一区域生成对应的判断阈值。
9.如权利要求1至8中任一项所述的生成方法，其特征在于，根据判断阈值对各区域进行二值化处理，其中所述判断阈值根据所述各区域在所述道路灰度图像中所处的纵向位置而进行渐进式变化，之前包括：
获取原始街景图像时，保存相机参数，所述相机参数包括：相机的光圈值、相机的曝光度、和/或快门速度；以及
根据所述相机参数对所述判断阈值进行调整。
10.如权利要求1所述的生成方法，其特征在于，根据各区域的二值化处理结果生成所述道路的二值化图像，还包括：
对各区域的二值化处理结果通过数学形态学进行去噪处理，以生成去噪结果；以及
将各区域的去噪结果生成道路二值化图像。
11.一种道路二值化图像的生成系统，其特征在于，包括：
获取模块，用于获取原始街景图像和原始点云数据；
掩码模块，用于根据所述原始街景图像和所述原始点云数据生成街景的掩码图像；
去噪模块，用于对所述街景的掩码图像去除路面噪声，以得到道路灰度图像；
分区模块，用于将所述道路灰度图像分成多个区域；
二值化模块，用于根据判断阈值对各区域进行二值化处理，其中所述判断阈值根据所述各区域在所述道路灰度图像中所处的纵向位置而进行渐进式变化；以及
图像模块，用于根据各区域的二值化处理结果生成道路的二值化图像。
12.如权利要求11所述的生成系统，其特征在于，所述二值化模块，包括：
纵向获取子模块，用于获取当前区域所处的纵向位置；
判断阈值子模块，用于根据所述纵向位置生成所述当前区域的判断阈值；
区域判断子模块，用于判断当前区域中的灰度是大于所述当前区域的判断阈值；
颜色生成子模块，用于当大于时，将所述当前区域中大于判断阈值的灰度部分生成第一颜色，以及当不大于时，将所述当前区域中不大于判断阈值的灰度部分生成第二颜色。
13.如权利要求11所述的生成方法，其特征在于，判断阈值子模块，包括：
分割率子模块，用于确定所述道路灰度图像上，分割后的像素个数与分割前像素个数之比，得到分割后的像素比率；
位置子模块，用于确定所述每一区域在道路中所处的纵向位置与道路部分的纵向范围的位置比值；以及
函数子模块，用于根据所述分割后的像素比率和所述位置比值分别为每一区域生成对应的判断阈值。
CN201610097110.3A 2016-02-23 2016-02-23 道路二值化图像的生成方法及生成系统 Active CN107103321B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610097110.3A CN107103321B (zh) 2016-02-23 2016-02-23 道路二值化图像的生成方法及生成系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610097110.3A CN107103321B (zh) 2016-02-23 2016-02-23 道路二值化图像的生成方法及生成系统

Publications (2)

Publication Number Publication Date
CN107103321A true CN107103321A (zh) 2017-08-29
CN107103321B CN107103321B (zh) 2019-01-11

Family

ID=59659029

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610097110.3A Active CN107103321B (zh) 2016-02-23 2016-02-23 道路二值化图像的生成方法及生成系统

Country Status (1)

Country Link
CN (1) CN107103321B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112070708A (zh) * 2020-08-21 2020-12-11 杭州睿琪软件有限公司 图像处理方法、图像处理装置、电子设备、存储介质
CN113592884A (zh) * 2021-08-19 2021-11-02 遨博（北京）智能科技有限公司 一种人体遮罩生成方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103996031A (zh) * 2014-05-23 2014-08-20 奇瑞汽车股份有限公司 一种自适应阈值分割的车道线检测系统及其方法
US20150145959A1 (en) * 2013-11-26 2015-05-28 Rowan University Use of Spatially Structured Light for Dynamic Three Dimensional Reconstruction and Reality Augmentation

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150145959A1 (en) * 2013-11-26 2015-05-28 Rowan University Use of Spatially Structured Light for Dynamic Three Dimensional Reconstruction and Reality Augmentation
CN103996031A (zh) * 2014-05-23 2014-08-20 奇瑞汽车股份有限公司 一种自适应阈值分割的车道线检测系统及其方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
QINGQING FU: "Marked Watershed and Image Morphology Based Motion Detection and Performance Analysis", 《8TH INTERNATIONAL SYMPOSIUM ON IMAGE AND SIGNAL PROCESSING AND ANALYSIS (ISPA 2013)》 *
沈春裕: "自适应阈值的运动目标检测技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112070708A (zh) * 2020-08-21 2020-12-11 杭州睿琪软件有限公司 图像处理方法、图像处理装置、电子设备、存储介质
CN112070708B (zh) * 2020-08-21 2024-03-08 杭州睿琪软件有限公司 图像处理方法、图像处理装置、电子设备、存储介质
US11985287B2 (en) 2020-08-21 2024-05-14 Hangzhou Glority Software Limited Image processing method, image processing device, electronic apparatus and storage medium
CN113592884A (zh) * 2021-08-19 2021-11-02 遨博（北京）智能科技有限公司 一种人体遮罩生成方法
CN113592884B (zh) * 2021-08-19 2022-08-09 遨博（北京）智能科技有限公司 一种人体遮罩生成方法

Also Published As

Publication number Publication date
CN107103321B (zh) 2019-01-11

Similar Documents

Publication Publication Date Title
US11410277B2 (en) Method and device for blurring image background, storage medium and electronic apparatus
US9602796B2 (en) Technologies for improving the accuracy of depth cameras
Yu et al. Fast single image fog removal using edge-preserving smoothing
TWI501194B (zh) 基於費雪線性判別的雙暗通道先驗的影像能見度修復方法及其影像處理裝置
CN111311482B (zh) 背景虚化方法、装置、终端设备及存储介质
CN105243371A (zh) 一种人脸美颜程度的检测方法、系统及拍摄终端
CN104504703A (zh) 一种基于片式元器件smt焊点彩色图像分割方法
CN111368587B (zh) 场景检测方法、装置、终端设备及计算机可读存储介质
CN104766307A (zh) 一种图像处理的方法及设备
CN105096330A (zh) 一种自动识别纯色边框的图像处理方法、系统及拍摄终端
CN113674303B (zh) 图像处理方法、装置、电子设备及存储介质
CN104915940A (zh) 一种基于图像对齐的图像去噪的方法和系统
CN113487473B (zh) 一种添加图像水印的方法、装置、电子设备及存储介质
CN103020921A (zh) 基于局部统计信息的单幅图像去雾方法
CN112991374A (zh) 基于Canny算法的边缘增强方法、装置、设备及存储介质
CN103942756A (zh) 一种深度图后处理滤波的方法
CN114170565A (zh) 一种基于无人机航拍的图像对比方法、装置及终端设备
CN111311481A (zh) 背景虚化方法、装置、终端设备及存储介质
CN110188640B (zh) 人脸识别方法、装置、服务器和计算机可读介质
CN108711160A (zh) 一种基于hsi增强性模型的目标分割方法
CN107103321B (zh) 道路二值化图像的生成方法及生成系统
CN108805873A (zh) 图像处理方法及装置
He et al. Effective haze removal under mixed domain and retract neighborhood
KR101592087B1 (ko) 배경 영상의 위치를 이용한 관심맵 생성 방법 및 이를 기록한 기록 매체
CN105991937A (zh) 一种基于Bayer格式图像的虚拟曝光方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for 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: 20230705

Address after: 518057 Tencent Building, No. 1 High-tech Zone, Nanshan District, Shenzhen City, Guangdong Province, 35 floors

Patentee after: TENCENT TECHNOLOGY (SHENZHEN) Co.,Ltd.

Patentee after: TENCENT CLOUD COMPUTING (BEIJING) Co.,Ltd.

Address before: 2, 518000, East 403 room, SEG science and Technology Park, Zhenxing Road, Shenzhen, Guangdong, Futian District

Patentee before: TENCENT TECHNOLOGY (SHENZHEN) Co.,Ltd.

TR01 Transfer of patent right