CN107133598A - 一种非结构化道路的检测方法 - Google Patents

一种非结构化道路的检测方法 Download PDF

Info

Publication number
CN107133598A
CN107133598A CN201710328099.1A CN201710328099A CN107133598A CN 107133598 A CN107133598 A CN 107133598A CN 201710328099 A CN201710328099 A CN 201710328099A CN 107133598 A CN107133598 A CN 107133598A
Authority
CN
China
Prior art keywords
image
pixel
marginal point
gradient
grad
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Withdrawn
Application number
CN201710328099.1A
Other languages
English (en)
Inventor
不公告发明人
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.)
Nanning Lehongpo Technology Co Ltd
Original Assignee
Nanning Lehongpo Technology 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 Nanning Lehongpo Technology Co Ltd filed Critical Nanning Lehongpo Technology Co Ltd
Priority to CN201710328099.1A priority Critical patent/CN107133598A/zh
Publication of CN107133598A publication Critical patent/CN107133598A/zh
Withdrawn legal-status Critical Current

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

Landscapes

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

Abstract

本发明公开了一种非结构化道路的检测方法，包括以下步骤：将单目摄像机采集的彩色图像，通过高斯金字塔进行降采样，金字塔由高斯平滑和向下降采样构成，转成灰度图像处理，压缩图像数据信息，对图像进行双边滤波，抑制噪声；采用基于小波变换求模极大值的方法对图像提取边缘；结合高斯函数设定阈值去除非道路边缘点；根据基于斜率和截距的K‑means聚类算法实现道路的拟合。

Description

一种非结构化道路的检测方法
技术领域
本发明具体涉及一种非结构化道路的检测方法。
背景技术
近年来，无人车交通道路检测作为智能交通系统的一个重要应用方向已经成为学术界的研究热点。目前，对结构化道路环境的识别算法已经相对成熟，而对于非结构化道路环境来说，由于这类道路没有车道线和清晰的道路边界，加上户外的自然场景受季节、光照、阴影和水迹地等影响，道路区域和非道路区域难以区分，因此针对非结构化道路的检测技术尚处于研究阶段。
现阶段对非结构化道路的检测方法主要有基于道路特征的方法、基于道路模型的方法、基于神经网路的方法和基于支持向量机的方法。基于特征的方法根据道路的颜色、纹理特征与非道路进行区分，所需计算量大，并且对阴影和水迹较为敏感；基于模型的方法需要找出最匹配的道路模型，但在复杂场景下无法建立有效的模型；基于神经网络和基于支持向量机的方法都需要对样本进行大量的训练。
发明内容
本发明要解决的技术问题是提供一种非结构化道路的检测方法。
一种非结构化道路的检测方法，包括以下步骤：
S1：将单目摄像机采集的彩色图像，通过高斯金字塔进行降采样，金字塔由高斯平滑和向下降采样构成，转成灰度图像处理，压缩图像数据信息，对图像进行双边滤波，抑制噪声；
S2：采用基于小波变换求模极大值的方法对图像提取边缘；
S3：结合高斯函数设定阈值去除非道路边缘点；
S4：根据基于斜率和截距的K-means聚类算法实现道路的拟合。
进一步的，步骤S2的具体方法如下：
1）构造小波函数：
，
，其中，s为尺度；
2）对图像f行列进行卷积得到尺度s上的二维小波变换的2个分量、：
，
；
3）得到在尺度s下梯度矢量的模与幅角：
，
；
4）把像素点f(x,y)的梯度方向分成4种方向：①0°或180°的水平方向；②90°或270°的垂直方向；③45°或225°的正对角线方向，④135°或315°的负对角线方向；求出与该像素点梯度幅角大小最接近的方向；
5）对每一个像素点，依次比较该像素点的8领域梯度值，查找该像素点梯度在由步骤4）求出的幅值最接近的方向上是否为极大值，如果该值是极大值，记录该像素点梯度值，否则，把该像素点梯度值置零；
6）找到记录梯度中的最大值，然后以该值做归一化，比较每一个像素归一化的梯度值，当该梯度值大于某个阈值时，则认为是图像的真正边缘，否则视为图像的伪边缘。
进一步的，步骤S3的具体方法如下：
假设边缘点f(x,y)的幅值为G(x,y)，幅角为A(x,y)，边缘点f(s,t)是边缘点f(x,y)的8邻域点；如果边缘点f(x,y)的与8邻域点f(s,t)的梯度幅值与梯度方向满足：
；
；
并且：；
其中，；；T1，T2，T3，T4为幅度阈值；A1，A2为角度阈值；则保留该边缘点，并记录该边缘点的坐标(x,y)，否则将边缘点置0。
本发明的有益效果是：
本发明能在道路场景较为复杂的情况下更准确地实现非结构化道路检测，并提高实时性。
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。
一种非结构化道路的检测方法，包括以下步骤：
S1：将单目摄像机采集的彩色图像，通过高斯金字塔进行降采样，金字塔由高斯平滑和向下降采样构成，转成灰度图像处理，压缩图像数据信息，对图像进行双边滤波，抑制噪声；
S2：采用基于小波变换求模极大值的方法对图像提取边缘；
S3：结合高斯函数设定阈值去除非道路边缘点；
S4：根据基于斜率和截距的K-means聚类算法实现道路的拟合。
步骤S2的具体方法如下：
1）构造小波函数：
，
，其中，s为尺度；
2）对图像f行列进行卷积得到尺度s上的二维小波变换的2个分量、：
，
；
3）得到在尺度s下梯度矢量的模与幅角：
，
；
4）把像素点f(x,y)的梯度方向分成4种方向：①0°或180°的水平方向；②90°或270°的垂直方向；③45°或225°的正对角线方向，④135°或315°的负对角线方向；求出与该像素点梯度幅角大小最接近的方向；
5）对每一个像素点，依次比较该像素点的8领域梯度值，查找该像素点梯度在由步骤4）求出的幅值最接近的方向上是否为极大值，如果该值是极大值，记录该像素点梯度值，否则，把该像素点梯度值置零；
6）找到记录梯度中的最大值，然后以该值做归一化，比较每一个像素归一化的梯度值，当该梯度值大于某个阈值时，则认为是图像的真正边缘，否则视为图像的伪边缘。
步骤S3的具体方法如下：
假设边缘点f(x,y)的幅值为G(x,y)，幅角为A(x,y)，边缘点f(s,t)是边缘点f(x,y)的8邻域点；如果边缘点f(x,y)的与8邻域点f(s,t)的梯度幅值与梯度方向满足：
；
；
并且：；
其中，；；T1，T2，T3，T4为幅度阈值；A1，A2为角度阈值；则保留该边缘点，并记录该边缘点的坐标(x,y)，否则将边缘点置0。

Claims (3)

1.一种非结构化道路的检测方法，其特征在于，包括以下步骤：
S1：将单目摄像机采集的彩色图像，通过高斯金字塔进行降采样，金字塔由高斯平滑和向下降采样构成，转成灰度图像处理，压缩图像数据信息，对图像进行双边滤波，抑制噪声；
S2：采用基于小波变换求模极大值的方法对图像提取边缘；
S3：结合高斯函数设定阈值去除非道路边缘点；
S4：根据基于斜率和截距的K-means聚类算法实现道路的拟合。
2.根据权利要求1所述的非结构化道路的检测方法，其特征在于，步骤S2的具体方法如下：
1）构造小波函数：
，
，其中，s为尺度；
2）对图像f行列进行卷积得到尺度s上的二维小波变换的2个分量、：
，
；
3）得到在尺度s下梯度矢量的模与幅角：
，
；
4）把像素点f(x,y)的梯度方向分成4种方向：①0°或180°的水平方向；②90°或270°的垂直方向；③45°或225°的正对角线方向，④135°或315°的负对角线方向；求出与该像素点梯度幅角大小最接近的方向；
5）对每一个像素点，依次比较该像素点的8领域梯度值，查找该像素点梯度在由步骤4）求出的幅值最接近的方向上是否为极大值，如果该值是极大值，记录该像素点梯度值，否则，把该像素点梯度值置零；
6）找到记录梯度中的最大值，然后以该值做归一化，比较每一个像素归一化的梯度值，当该梯度值大于某个阈值时，则认为是图像的真正边缘，否则视为图像的伪边缘。
3.根据权利要求1所述的非结构化道路的检测方法，其特征在于，步骤S3的具体方法如下：
假设边缘点f(x,y)的幅值为G(x,y)，幅角为A(x,y)，边缘点f(s,t)是边缘点f(x,y)的8邻域点；如果边缘点f(x,y)的与8邻域点f(s,t)的梯度幅值与梯度方向满足：
；
；
并且：；
其中，；；T1，T2，T3，T4为幅度阈值；A1，A2为角度阈值；则保留该边缘点，并记录该边缘点的坐标(x,y)，否则将边缘点置0。
CN201710328099.1A 2017-05-11 2017-05-11 一种非结构化道路的检测方法 Withdrawn CN107133598A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710328099.1A CN107133598A (zh) 2017-05-11 2017-05-11 一种非结构化道路的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710328099.1A CN107133598A (zh) 2017-05-11 2017-05-11 一种非结构化道路的检测方法

Publications (1)

Publication Number Publication Date
CN107133598A true CN107133598A (zh) 2017-09-05

Family

ID=59731480

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710328099.1A Withdrawn CN107133598A (zh) 2017-05-11 2017-05-11 一种非结构化道路的检测方法

Country Status (1)

Country Link
CN (1) CN107133598A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108062512A (zh) * 2017-11-22 2018-05-22 北京中科慧眼科技有限公司 一种车道线检测方法与装置
CN116523900A (zh) * 2023-06-19 2023-08-01 东莞市新通电子设备有限公司 一种五金件加工质量检测方法
CN117876361A (zh) * 2024-03-11 2024-04-12 烟台海上航天科技有限公司 用于燃气管道高危作业的图像处理方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101701818A (zh) * 2009-11-05 2010-05-05 上海交通大学 远距离障碍的检测方法
CN104504721A (zh) * 2015-01-08 2015-04-08 中国科学院合肥物质科学研究院 一种基于Gabor小波变换纹理描述的非结构化道路检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101701818A (zh) * 2009-11-05 2010-05-05 上海交通大学 远距离障碍的检测方法
CN104504721A (zh) * 2015-01-08 2015-04-08 中国科学院合肥物质科学研究院 一种基于Gabor小波变换纹理描述的非结构化道路检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
熊思 等: ""基于小波变换和K-means 的非结构化道路检测"", 《计算机工程》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108062512A (zh) * 2017-11-22 2018-05-22 北京中科慧眼科技有限公司 一种车道线检测方法与装置
CN116523900A (zh) * 2023-06-19 2023-08-01 东莞市新通电子设备有限公司 一种五金件加工质量检测方法
CN116523900B (zh) * 2023-06-19 2023-09-08 东莞市新通电子设备有限公司 一种五金件加工质量检测方法
CN117876361A (zh) * 2024-03-11 2024-04-12 烟台海上航天科技有限公司 用于燃气管道高危作业的图像处理方法及系统
CN117876361B (zh) * 2024-03-11 2024-05-10 烟台海上航天科技有限公司 用于燃气管道高危作业的图像处理方法及系统

Similar Documents

Publication Publication Date Title
Choi et al. Thermal image enhancement using convolutional neural network
Son et al. Real-time illumination invariant lane detection for lane departure warning system
CN103927526B (zh) 一种基于高斯差分多尺度边缘融合的车辆检测方法
CN107516077B (zh) 基于激光点云和影像数据融合的交通标牌信息提取方法
CN108280450B (zh) 一种基于车道线的高速公路路面检测方法
CN104299008B (zh) 基于多特征融合的车型分类方法
CN102509098B (zh) 一种鱼眼图像车辆识别方法
Bailo et al. Robust road marking detection and recognition using density-based grouping and machine learning techniques
CN107944403B (zh) 一种图像中的行人属性检测方法及装置
WO2020007307A1 (zh) 全景图像的天空滤镜方法及便携式终端
CN111415316A (zh) 基于生成对抗网络的缺陷数据合成算法
Alonso et al. Robust vehicle detection through multidimensional classification for on board video based systems
KR101409340B1 (ko) 교통 표지 인식 방법 및 그 시스템
Li et al. Road lane detection with gabor filters
Fytsilis et al. A methodology for near real-time change detection between Unmanned Aerial Vehicle and wide area satellite images
CN108171695A (zh) 一种基于图像处理的高速公路路面检测方法
CN109949593A (zh) 一种基于路口先验知识的交通信号灯识别方法及系统
CN107133598A (zh) 一种非结构化道路的检测方法
CN105427333A (zh) 视频序列图像的实时配准方法、系统及拍摄终端
CN105989334A (zh) 基于单目视觉的道路检测方法
CN103106409A (zh) 一种针对头肩检测的混合特征提取方法
CN106203439B (zh) 基于标志物多特征融合的无人机自动寻的着陆方法
CN111160328A (zh) 一种基于语义分割技术的交通标线自动提取的方法
CN106022268A (zh) 一种限速标识的识别方法和装置
CN104463238B (zh) 一种车标识别方法和系统

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20170905