CN107977664A - 一种基于单幅图像的道路消失点检测方法 - Google Patents

Abstract

本发明公开了一种基于单幅图像的道路消失点检测方法，包括如下步骤：对输入的道路图像尺寸大小进行调整，转换为灰度图，对灰度图进行中值滤波去噪；在灰度图上提取图像的二维Log‑Gabor纹理和方向特征信息；根据图像尺寸确定有效候选目标区域；选取所有满足条件的纹理特征点作为候选投票点集；在候选投票点集上采用基于主方向的快速投票方式检测道路消失点。本发明采用了基于Log‑Gabor纹理特征表达方式，设计了一种快速有效的方向投票方法，能提高道路消失点的检测精度和检测速度，适用于实时交通监控系统、智能驾驶汽车等相关计算机视觉领域。

Description

一种基于单幅图像的道路消失点检测方法

技术领域

本发明涉及道路消失点检测领域，涉及到适用于结构化道路和非结构化道路的通用的道路消失点检测方法，尤其涉及一种基于单幅图像的道路消失点检测方法。

背景技术

道路消失点检测是交通监控、智能驾驶等计算机视觉相关领域的重要研究问题。现有方法主要可分为两类，一类是基于图像边缘的方法，另一类是基于纹理方向的方法。前者在结构化道路上具有较好的性能，但在非结构化道路上却效果不佳。后者能适用于结构化道路和非结构化道路，但现有的这类方法在检测精度和运行速度等性能上都还有待提升。此外，现有的基于纹理方向的方法大部分采用Gabor滤波器进行纹理方向计算，由于Gabor滤波器包含直流分量，受图像亮度条件影响较大，同时存在低频过度表示，高频表示不足的缺点，因此，有必要提出一种更为有效的道路消失点检测方法。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于单幅图像的道路消失点检测方法。

为了实现本发明的上述目的，本发明提供了一种基于单幅图像的道路消失点检测方法，包括如下步骤：

S1，对输入的道路图像尺寸大小进行调整，转换为灰度图，对灰度图进行中值滤波去噪；

S2，在灰度图上提取图像的二维Log-Gabor纹理和方向特征信息；

S3，根据图像尺寸确定有效候选目标区域；

S4，选取所有满足条件的纹理特征点作为候选投票点集；

S5，在候选投票点集上采用基于主方向的快速投票方式检测道路消失点。

所述的基于单幅图像的道路消失点检测方法，优选的，所述S1包括：

将输入的道路图像尺寸大小归一化到W×H，其中W为图像的宽，H为图像的高，将图像转换为灰度图像，然后对灰度图像进行中值滤波去噪；

所述的基于单幅图像的道路消失点检测方法，优选的，所述S2包括：

S2-1：首先构造二维Log-Gabor滤波器，用G(f,θ)表示，其中(f,θ)表示极坐标，f表示极坐标的半径，(x,y)为道路图像坐标，θ表示极坐标的方向，θ＝arctan(y/x)，则G(f,θ)能够用以下公式表示：

G(f,θ)＝G(f)G(θ)

其中G(f)表示径向分量，G(θ)表示角度分量；

G(f)能够通过以下公式得到：

其中f₀为中心频率，σ₁为标量带宽；

G(θ)能够通过以下公式得到：

θ₀为滤波器方向，σ₂为角度带宽；

S2-2：利用S2-1构造的滤波器进一步构造二维Log-Gabor滤波器组G_s,o，尺度索引s＝1，方向索引o＝{1,2,3,4,5,6,7,8}，对滤波器组G_s,o中的每一个滤波器，涉及的参数取值不变。

所述的基于单幅图像的道路消失点检测方法，优选的，所述S2包括：

S2-3：寻找Log-Gabor响应极值，设I为S1步骤得到的灰度图像，I和Log-Gabor滤波器组G_s,o的卷积能够定义为：

将滤波器响应EO_s,o在每个图像坐标中的最大值作为Log-Gabor响应极值R_m，下标m为最大值max的缩写，即

R_m(x,y)＝max(||EO_s,o(x,y)||₁)

(x,y)为道路图像坐标，||·||₁表示1范数。

将R_m归一化至[0,1]，即

S2-4：寻找Log-Gabor最大响应方向。将滤波器响应EO_s,o在每个道路图像坐标中的最大值对应的方向作为Log-Gabor最大响应方向O，即

(x,y)为道路图像坐标，||·||₁表示1范数。

所述的基于单幅图像的道路消失点检测方法，优选的，所述S3包括：

设定消失点的候选目标区域为Ω，则

其中W为道路图像的宽，H为道路图像的高。

所述的基于单幅图像的道路消失点检测方法，优选的，所述S4包括：

S4-1：确定初始消失点投票点集区域为Θ₁

S4-2：确定Log-Gabor响应极值R中满足条件的投票点集区域Θ₂

Θ₂(x,y)＝{(x,y)|R(x,y)≥0.05}

S4-3：确定有效投票点集Θ

Θ＝Θ₁∩Θ₂。

所述的基于单幅图像的道路消失点检测方法，优选的，所述S5包括：

S5-1：将S3中确定的消失点候选目标区域Ω作为初始累加投票空间，将初始累加投票空间中所有位置的初始票数设为0。

S5-2：根据有效投票点集Θ中的点的位置和方向可确定一条直线，记录这条直线与消失点候选目标区域Ω的所有交点位置，在累加投票空间中对应的这些位置增加投票数1；

S5-3：对投票点集Θ中所有点采用S5-2中的方法进行投票，并对得到的累加投票空间做5×5的滑动求和操作，得到最终的累加投票空间；

S5-4：将最终的累加投票空间中最大值的坐标作为道路消失点的坐标。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

本发明采用了基于Log-Gabor纹理特征表达方式，设计了一种快速有效的方向投票方法，适用于实时交通监控系统、智能驾驶汽车等相关计算机视觉领域的检测，能提高道路消失点的检测精度和检测速度。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明工作流程图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，能够是机械连接或电连接，也能够是两个元件内部的连通，能够是直接相连，也能够通过中间媒介间接相连，对于本领域的普通技术人员而言，能够根据具体情况理解上述术语的具体含义。

如图1所示，S1：图像预处理：将输入的道路图像尺寸大小归一化到W×H，其中W为图像的宽，H为图像的高，将图像转换为灰度图，然后对灰度图进行中值滤波去噪；

S2：特征提取：在灰度图上提取图像的二维Log-Gabor纹理和方向特征信息；

S2-1：首先构造二维Log-Gabor滤波器，用G(f,θ)表示，其中(f,θ)表示极坐标，f表示极坐标的半径，(x,y)为图像坐标，θ表示极坐标的方向，θ＝arctan(y/x)，则G(f,θ)能够用以下公式表示：

G(f,θ)＝G(f)G(θ)

其中G(f)表示径向分量，G(θ)表示角度分量。

G(f)能够通过以下公式得到：

其中f₀为中心频率，σ_r为标量带宽。

G(θ)能够通过以下公式得到：

θ₀为滤波器方向，σ_θ为角度带宽。

S2-2：利用S2-1构造的滤波器进一步构造二维Log-Gabor滤波器组G_s,o。尺度索引s＝1，方向索引o＝{1,2,3,4,5,6,7,8}，即采用1个尺度和8个方向构造滤波器组G_s,o。8个方向的角度分别为(0°,22.5°，45°，67.5°，90°，112.5°，135°，157.5°)。对滤波器组G_s,o中的每一个滤波器，涉及的参数取值不变，分别为f₀＝1/3，σ_r＝0.45，σ_θ＝1。

S2-3：寻找Log-Gabor响应极值。设I为S1步骤得到的灰度图像，I和Log-Gabor滤波器组G_s,o的卷积能够定义为：

将滤波器响应EO_s,o在每个图像坐标中的最大值作为Log-Gabor响应极值R_m，即

R_m(x,y)＝max(||EO_s,o(x,y)||₁)

(x,y)为图像坐标，||·||₁表示1范数。

将R_m归一化至[0,1]，即

S2-4：寻找Log-Gabor最大响应方向。将滤波器响应EO_s,o在每个图像坐标中的最大值对应的方向作为Log-Gabor最大响应方向O，即

(x,y)为图像坐标，||·||₁表示1范数。

S3：有效候选目标区域确定：根据图像尺寸确定有效候选目标区域；

设定消失点的候选目标区域为Ω，则

其中W为图像的宽，H为图像的高。

S4：有效投票点集选取：选取所有满足条件的纹理特征点作为有效投票点集；

S4-1：确定初始消失点投票点集区域为Θ₁

S4-2：确定Log-Gabor响应极值R中满足条件的投票点集区域Θ₂

Θ₂(x,y)＝{(x,y)|R(x,y)≥0.05}

S4-3：确定有效投票点集Θ

Θ＝Θ₁∩Θ₂

S5：主方向投票：在候选投票点集上采用基于主方向的快速投票方式检测道路消失点。

S5-1：将S3中确定的消失点候选目标区域Ω作为初始累加投票空间，将初始累加投票空间中所有位置的初始票数设为0。

S5-2：根据有效投票点集Θ中的点的位置和方向可确定一条直线，记录这条直线与消失点候选目标区域Ω的所有交点位置，在累加投票空间中对应的这些位置增加投票数1；

S5-3：对投票点集Θ中所有点采用S5-2中的方法进行投票，并对得到的累加投票空间做5×5的滑动求和操作，得到最终的累加投票空间。

S5-4：将最终的累加投票空间中最大值的坐标作为道路消失点的坐标。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员能够理解：在不脱离本发明的原理和宗旨的情况下能够对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (7)

1.一种基于单幅图像的道路消失点检测方法，其特征在于，包括如下步骤：

S1，对输入的道路图像尺寸大小进行调整，转换为灰度图，对灰度图进行中值滤波去噪；

S2，在灰度图上提取图像的二维Log-Gabor纹理和方向特征信息；

S3，根据图像尺寸确定有效候选目标区域；

S4，选取所有满足条件的纹理特征点作为候选投票点集；

S5，在候选投票点集上采用基于主方向的快速投票方式检测道路消失点。

2.根据权利要求1所述的基于单幅图像的道路消失点检测方法，其特征在于，所述S1包括：

将输入的道路图像尺寸大小归一化到W×H，其中W为图像的宽，H为图像的高，将图像转换为灰度图像，然后对灰度图像进行中值滤波去噪。

3.根据权利要求1所述的基于单幅图像的道路消失点检测方法，其特征在于，所述S2包括：

S2-1：首先构造二维Log-Gabor滤波器，用G(f,θ)表示，其中(f,θ)表示极坐标，f表示极坐标的半径，(x,y)为道路图像坐标，θ表示极坐标的方向，θ＝arctan(y/x)，则G(f,θ)能够用以下公式表示：

G(f,θ)＝G(f)G(θ)

其中G(f)表示径向分量，G(θ)表示角度分量；

G(f)能够通过以下公式得到：

其中f₀为中心频率，σ₁为标量带宽；

G(θ)能够通过以下公式得到：

θ₀为滤波器方向，σ₂为角度带宽；

S2-2：利用S2-1构造的滤波器进一步构造二维Log-Gabor滤波器组G_s,o，尺度索引s＝1，方向索引o＝{1,2,3,4,5,6,7,8}，对滤波器组G_s,o中的每一个滤波器，涉及的参数取值不变。

4.根据权利要求3所述的基于单幅图像的道路消失点检测方法，其特征在于，所述S2包括：

S2-3：寻找Log-Gabor响应极值，设I为S1步骤得到的灰度图像，I和Log-Gabor滤波器组G_s,o的卷积能够定义为：

将滤波器响应EO_s,o在每个图像坐标中的最大值作为Log-Gabor响应极值R_m，下标m为最大值max的缩写，即

R_m(x,y)＝max(||EO_s,o(x,y)||₁)

(x,y)为道路图像坐标，||·||₁表示1范数。

将R_m归一化至[0,1]，即

S2-4：寻找Log-Gabor最大响应方向。将滤波器响应EO_s,o在每个道路图像坐标中的最大值对应的方向作为Log-Gabor最大响应方向O，即

(x,y)为道路图像坐标，||·||₁表示1范数。

5.根据权利要求1所述的基于单幅图像的道路消失点检测方法，其特征在于，所述S3包括：

设定消失点的候选目标区域为Ω，则

其中W为道路图像的宽，H为道路图像的高。

6.根据权利要求1所述的基于单幅图像的道路消失点检测方法，其特征在于，所述S4包括：

S4-1：确定初始消失点投票点集区域为Θ₁

S4-2：确定Log-Gabor响应极值R中满足条件的投票点集区域Θ₂

Θ₂(x,y)＝{(x,y)|R(x,y)≥0.05}

S4-3：确定有效投票点集Θ

Θ＝Θ₁∩Θ₂。

7.根据权利要求5所述的基于单幅图像的道路消失点检测方法，其特征在于，所述S5包括：

S5-1：将S3中确定的消失点候选目标区域Ω作为初始累加投票空间，将初始累加投票空间中所有位置的初始票数设为0。

S5-2：根据有效投票点集Θ中的点的位置和方向可确定一条直线，记录这条直线与消失点候选目标区域Ω的所有交点位置，在累加投票空间中对应的这些位置增加投票数1；

S5-3：对投票点集Θ中所有点采用S5-2中的方法进行投票，并对得到的累加投票空间做5×5的滑动求和操作，得到最终的累加投票空间；

S5-4：将最终的累加投票空间中最大值的坐标作为道路消失点的坐标。