CN108256495B - 一种基于假定圆检测的汽车方向盘检测方法 - Google Patents
一种基于假定圆检测的汽车方向盘检测方法 Download PDFInfo
- Publication number
- CN108256495B CN108256495B CN201810099119.7A CN201810099119A CN108256495B CN 108256495 B CN108256495 B CN 108256495B CN 201810099119 A CN201810099119 A CN 201810099119A CN 108256495 B CN108256495 B CN 108256495B
- Authority
- CN
- China
- Prior art keywords
- circle
- point
- edge
- steering wheel
- pixel 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 claims description 13
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
Images
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
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于假定圆检测的汽车方向盘检测方法,它通过对含有车辆的彩色图像image进行车窗定位,截取车窗右半部分并进行灰度化等得到单像素边缘图像,利用八邻域边缘跟踪算法遍历单像素边缘图像中的每一条单像素边缘等间隔分为4段,然后假定一个初始假定圆,再计算初始假定圆和假定圆之间的重合度,选高于预先设定重合度阈值的单像素边缘为圆弧,再将开口朝下的圆弧作圆,选定其中一个作为汽车方向盘。本发明通过计算图像中每条曲线对应的多个假定圆,并根据多个假定圆的重合度来进行劣弧检测,检测到开口朝下的短小的劣弧以及发生形变的劣弧,而方向盘形状正好表现为开口朝下的劣弧,可以提高了方向盘检测的准确率。
Description
技术领域
本发明涉及计算机视觉及智能交通技术领域,具体涉及一种基于假定圆检测的汽车方向盘检测方法,它是通过计算图像中每条曲线对应的多个假定圆,并根据多个假定圆的重合度来进行劣弧检测的汽车方向盘检测方法。
背景技术
随着智能交通领域的不断发展,目前在道路交通安全监测系统中对于驾驶员行为的检测和分析越来越受到重视。其中包括驾驶员在行车过程中是否手离方向盘以及是否佩戴安全带等,这就需要先对待检测的部位进行准确定位。然而在道路监控视频中对于车窗内的物体一般比较模糊,很难进行准确定位。方向盘是车窗内比较明显的一个特征物体,方向盘的准确定位可以估算出其它待检测部位的相对位置,使得待检测部位的定位更加精准。
在道路监控视频中,方向盘一般呈现出开口向下的劣弧形状。因此,对方向盘的检测可以转换为对边缘图像中圆弧的检测。当前也有部分学者提出了不同的圆弧检测方法,其中与本发明较接近的技术方案为:文献(陈小艳,王强,李柏林.改进的Hough变换检测圆方法[J].计算机系统应用,2015,24(8):197-201.)提出先对图像进行Canny边缘检测,然后去除短小边缘,对剩下的每一条边缘进行遍历存储,并且将其三等分,取连续的三个点计算假定圆圆心和半径,最后通过比较真实边缘上的像素点与真实边缘落在假定圆圆弧上的像素点的比例来确定该边缘是否为圆弧。该算法需要精确到像素级别,一旦假定圆的圆弧与真实边缘之间有一两个像素点的偏差也会认为它们之间的重合度比较低,边缘被判断为不是圆弧,在汽车方向盘检测的应用中方向盘就会检测不到;文献(王永会,李昱鑫,郭耸,等.基于切线段匹配的快速圆弧检测算法[J].计算机应用,2016,36(4):1126-1131.)提出通过逐点扫描边缘图,提取水平、垂直、45°以及135°方向上的所有切线段,将切线段进行两两匹配构造圆心与半径,最后通过Bresenham算法生成假定圆。该算法依赖于八个方向上切线的提取,对于很短小的劣弧以及圆弧发生部分变形的情况都无法正确检测到,而汽车方向盘的形状由于拍摄角度的问题经常会发生变形。
综上所述,当前的圆弧检测方法如果应用在汽车方向盘检测中存在着如下不足:(1)需要精确到像素级别的匹配,鲁棒性差;(2)对于短小劣弧的检测率不高;(3)对于发生形变的圆弧检测率不高。
发明内容
针对现有的圆弧检测方法如果应用在汽车方向盘检测中存在的上述问题,本发明的目的在于提供一种基于假定圆检测的汽车方向盘检测方法,它是通过计算图像中每条曲线对应的多个假定圆,并根据多个假定圆的重合度来进行劣弧检测的汽车方向盘检测方法。
所述的一种基于假定圆检测的汽车方向盘检测方法,其特征在于包括如下步骤:
步骤1:对含有车辆的彩色图像image进行车窗定位;
步骤2:从图像image中截取车窗右半部分作为新的图像WinImg,并且对图像WinImg进行灰度化、高斯滤波、形态学边缘检测、局部二值化以及边缘细化操作,得到图像WinImg的单像素边缘图像,记为EdgeImg;
步骤3:利用八邻域边缘跟踪算法遍历EdgeImg中的每一条单像素边缘,并且将每一条单像素边缘上的像素点分别按顺序存储在数组中,记为Arrayi,i=1,2,…,n,其中Arrayi表示第i条单像素边缘,n表示EdgeImg中单像素边缘的数量;
步骤4:将步骤3遍历得到的每一条单像素边缘等间隔分为4段,然后按顺序选取单像素边缘上的起点、三个等间隔分段点以及单像素边缘上的终点,一共5个点,记为Pointij,j=1,2,3,4,5,表示第i条单像素边缘上选取的第j个点;
步骤5:根据步骤4得到的每一条单像素边缘上的5个点,选取Pointi1、Pointi3和Pointi5,计算由这三个点控制的一个初始假定圆,记为⊙i0;
步骤6:根据步骤4得到的每一条单像素边缘上的5个点,分别在j=1,j=2以及j=3时,按顺序选取Pointij、Pointi(j+1)和Pointi(j+2),计算由这三个点控制的假定圆,记为⊙ij;
步骤7:针对步骤6计算得到的每一条单像素边缘的3个假定圆⊙ij,分别计算它们各自与步骤5得到的初始假定圆⊙i0之间的重合度,记为overij,若三个overij都高于一个预先设定的重合度阈值overThresh,则判断该单像素边缘为圆弧;
步骤8:针对步骤7得到的所有判断为圆弧的单像素边缘,根据其对应的Pointi1和Pointi5两个点的坐标以及其对应的初始假定圆⊙i0的圆心坐标判断其是否为开口朝下的圆弧,保留判断为开口朝下的圆弧的单像素边缘作为候选汽车方向盘边缘;
步骤9:在步骤8获得的所有候选汽车方向盘边缘各自对应的初始假定圆⊙i0中,选择其中一个圆作为最终检测到的方向盘。
所述的一种基于假定圆检测的汽车方向盘检测方法,其特征在于步骤7中计算每一个⊙ij与对应的⊙i0的重合度的过程如下:
7.1)计算每一个⊙ij与对应的⊙i0之间圆心的距离,记为distanceij;
7.2)计算每一个⊙ij与对应的⊙i0之间半径的平均值,记为avgRij;
7.3)根据公式(1)计算每一个⊙ij与对应的⊙i0之间的重合度overij,
所述的一种基于假定圆检测的汽车方向盘检测方法,其特征在于步骤8中判断单像素边缘为开口朝下的圆弧需要满足的条件为:⊙i0.y>Max(Pointi1.y,Pointi5.y),其中⊙i0.y表示初始假定圆⊙i0的圆心纵坐标值,Pointi1.y表示点Pointi1的纵坐标值,Pointi5.y表示点Pointi5的纵坐标值,Max表示取较大值。
所述的一种基于假定圆检测的汽车方向盘检测方法,其特征在于步骤9中选择作为最终检测到的方向盘的圆满足的条件如下:圆半径r在预先设定的范围内,并且满足圆心到边缘图EdgeImg的底边缘距离最短,并且这个距离需要小于该圆本身半径的三分之二。
本发明的有益效果如下:本发明通过计算图像中每条曲线对应的多个假定圆,并根据多个假定圆的重合度来进行劣弧检测,检测到开口朝下的短小的劣弧以及发生形变的劣弧,而方向盘形状正好表现为开口朝下的劣弧,可以提高了方向盘检测的准确率。
附图说明
图1为本发明中实施例选取的image图;
图2为本发明实施例中image图的车窗定位图;
图3为本发明实施例中截取的车窗右半边部分灰度图;
图4为本发明实施例中车窗右半边图对应的单像素边缘图;
图5为本发明实施例中方向盘检测的结果图。
具体实施方式
下面结合实施例来详细阐述本发明的基于假定圆检测的汽车方向盘检测方法的具体实施方式。应当理解,此处所描述的具体实施例仅用于解释本发明,并不用于限定本发明。
如图所示,本发明的一种基于假定圆检测的汽车方向盘检测方法,包括如下步骤:
步骤1:对含有车辆的彩色图像image进行车窗定位,在本实施例中选取的image的灰度图如图1所示,对图1中的图像进行车窗定位,其结果如图2所示;
步骤2:从步骤1车窗定位后的图像image中截取车窗右半部分作为新的图像WinImg,在本实施例中如图3所示,并且对图像WinImg进行灰度化、高斯滤波、形态学边缘检测、局部二值化以及边缘细化操作,得到图像WinImg的单像素边缘图像,记为EdgeImg,在本实施例中如图4所示;
步骤3:利用八邻域边缘跟踪算法遍历EdgeImg中的每一条单像素边缘,并且将每一条单像素边缘上的像素点分别按顺序存储在数组中,记为Arrayi,i=1,2,…,n,其中Arrayi表示第i条单像素边缘,n表示EdgeImg中单像素边缘的数量;
步骤4:将步骤3遍历得到的每一条单像素边缘等间隔分为4段,然后按顺序选取单像素边缘上的起点、三个等间隔分段点以及单像素边缘上的终点,一共5个点,记为Pointij,j=1,2,3,4,5,表示第i条单像素边缘上选取的第j个点;
步骤5:根据步骤4得到的每一条单像素边缘上的5个点,选取Pointi1、Pointi3和Pointi5,计算由这三个点控制的一个初始假定圆,记为⊙i0;
步骤6:根据步骤4得到的每一条单像素边缘上的5个点,分别在j=1,j=2以及j=3时,按顺序选取Pointij、Pointi(j+1)和Pointi(j+2),计算由这三个点控制的假定圆,记为⊙ij;
步骤7:针对步骤6计算得到的每一条单像素边缘的3个假定圆⊙ij,分别计算它们各自与步骤5得到的初始假定圆⊙i0之间的重合度,记为overij,若三个overij都高于一个预先设定的重合度阈值overThresh,则判断该单像素边缘为圆弧,在本实施例中overThresh设为1,计算每一个⊙ij与对应的⊙i0的重合度的过程如下:
7.1):计算每一个⊙ij与对应的⊙i0之间圆心的距离,记为distanceij;
7.2):计算每一个⊙ij与对应的⊙i0之间半径的平均值,记为avgRij;
7.3):根据公式(1)计算每一个⊙ij与对应的⊙i0之间的重合度,
步骤8:针对步骤7得到的所有判断为圆弧的单像素边缘,根据其对应的Pointi1和Pointi5两个点的坐标以及其对应的初始假定圆⊙i0的圆心坐标判断其是否为开口朝下的圆弧,保留判断为开口朝下的圆弧的单像素边缘作为候选汽车方向盘边缘,其中,判断单像素边缘为开口朝下的圆弧需要满足的条件为:⊙i0.y>Max(Pointi1.y,Pointi5.y),其中⊙i0.y表示初始假定圆⊙i0的圆心纵坐标值,Pointi1.y表示点Pointi1的纵坐标值,Pointi5.y表示点Pointi5的纵坐标值,Max表示取较大值;
步骤9:在步骤8获得的所有候选汽车方向盘边缘各自对应的初始假定圆⊙i0中,选择一个满足如下条件的圆,并将该图作为最终检测到的方向盘,该圆必须满足以下条件:圆半径r在预先设定的范围内,在本实施例中设为60<r<120,并且满足圆心到边缘图EdgeImg的底边缘距离最短,并且这个距离需要小于该圆本身半径的三分之二,在本实施例中,通过以上处理,可以看到图5中的汽车方向盘被正确检测到。
Claims (3)
1.一种基于假定圆检测的汽车方向盘检测方法,其特征在于包括如下步骤:
步骤1:对含有车辆的彩色图像image进行车窗定位;
步骤2:从图像image中截取车窗右半部分作为新的图像WinImg,并且对图像WinImg进行灰度化、高斯滤波、形态学边缘检测、局部二值化以及边缘细化操作,得到图像WinImg的单像素边缘图像,记为EdgeImg;
步骤3:利用八邻域边缘跟踪算法遍历EdgeImg中的每一条单像素边缘,并且将每一条单像素边缘上的像素点分别按顺序存储在数组中,记为Arrayi,i=1,2,…,n,其中Arrayi表示第i条单像素边缘,n表示EdgeImg中单像素边缘的数量;
步骤4:将步骤3遍历得到的每一条单像素边缘等间隔分为4段,然后按顺序选取单像素边缘上的起点、三个等间隔分段点以及单像素边缘上的终点,一共5个点,记为Point ij,表示第i条单像素边缘上选取的第j个点,j=1,2,3,4,5;
步骤5:根据步骤4得到的每一条单像素边缘上的5个点,选取Pointi1、Pointi3和Pointi5,计算由这三个点控制的一个初始假定圆,记为⊙i0;
步骤6:根据步骤4得到的每一条单像素边缘上的5个点,分别在j=1,j=2以及j=3时,按顺序选取Pointij、Pointi(j+1)和Pointi(j+2),计算由这三个点控制的假定圆,记为⊙ij;
步骤7:针对步骤6计算得到的每一条单像素边缘的3个假定圆⊙ij,分别计算它们各自与步骤5得到的初始假定圆⊙i0之间的重合度,记为overij,若三个overij都高于一个预先设定的重合度阈值overThresh,则判断该单像素边缘为圆弧,计算每一个⊙ij与对应的⊙i0的重合度的过程如下:
7.1)计算每一个⊙ij与对应的⊙i0之间圆心的距离,记为distanceij;
7.2)计算每一个⊙ij与对应的⊙i0之间半径的平均值,记为avgRij;
7.3)根据公式(1)计算每一个⊙ij与对应的⊙i0之间的重合度overij,
步骤8:针对步骤7得到的所有判断为圆弧的单像素边缘,根据其对应的Pointi1和Pointi5两个点的坐标以及其对应的初始假定圆⊙i0的圆心坐标判断其是否为开口朝下的圆弧,保留判断为开口朝下的圆弧的单像素边缘作为候选汽车方向盘边缘;
步骤9:在步骤8获得的所有候选汽车方向盘边缘各自对应的初始假定圆⊙i0中,选择其中一个圆作为最终检测到的方向盘。
2.根据权利要求1所述的一种基于假定圆检测的汽车方向盘检测方法,其特征在于步骤8中判断单像素边缘为开口朝下的圆弧需要满足的条件为:⊙i0.y>Max(Pointi1.y,Pointi5.y),其中⊙i0.y表示初始假定圆⊙i0的圆心纵坐标值,Pointi1.y表示点Pointi1的纵坐标值,Pointi5.y表示点Pointi5的纵坐标值,Max表示取较大值。
3.根据权利要求1所述的一种基于假定圆检测的汽车方向盘检测方法,其特征在于步骤9中选择作为最终检测到的方向盘的圆满足的条件如下:圆半径r在预先设定的范围内,并且满足圆心到边缘图像EdgeImg的底边缘距离最短,并且这个距离需要小于该圆本身半径的三分之二。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810099119.7A CN108256495B (zh) | 2018-01-31 | 2018-01-31 | 一种基于假定圆检测的汽车方向盘检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810099119.7A CN108256495B (zh) | 2018-01-31 | 2018-01-31 | 一种基于假定圆检测的汽车方向盘检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108256495A CN108256495A (zh) | 2018-07-06 |
CN108256495B true CN108256495B (zh) | 2020-05-19 |
Family
ID=62743436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810099119.7A Active CN108256495B (zh) | 2018-01-31 | 2018-01-31 | 一种基于假定圆检测的汽车方向盘检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108256495B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011214883A (ja) * | 2010-03-31 | 2011-10-27 | Yokohama Rubber Co Ltd:The | 操舵角検出装置および操舵角検出方法 |
CN103870806A (zh) * | 2014-02-21 | 2014-06-18 | 杭州奥视图像技术有限公司 | 一种结合方向盘检测的安全带检测方法 |
CN104123557A (zh) * | 2014-06-29 | 2014-10-29 | 中南大学 | 一种基于公路监控设备的轿车安全带系挂状态的检测方法 |
CN105404862A (zh) * | 2015-11-13 | 2016-03-16 | 山东大学 | 一种基于手部跟踪的安全驾驶检测方法 |
CN106157298A (zh) * | 2016-05-27 | 2016-11-23 | 深圳市寒武纪智能科技有限公司 | 一种基于直线段的圆检测方法 |
-
2018
- 2018-01-31 CN CN201810099119.7A patent/CN108256495B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011214883A (ja) * | 2010-03-31 | 2011-10-27 | Yokohama Rubber Co Ltd:The | 操舵角検出装置および操舵角検出方法 |
CN103870806A (zh) * | 2014-02-21 | 2014-06-18 | 杭州奥视图像技术有限公司 | 一种结合方向盘检测的安全带检测方法 |
CN104123557A (zh) * | 2014-06-29 | 2014-10-29 | 中南大学 | 一种基于公路监控设备的轿车安全带系挂状态的检测方法 |
CN105404862A (zh) * | 2015-11-13 | 2016-03-16 | 山东大学 | 一种基于手部跟踪的安全驾驶检测方法 |
CN106157298A (zh) * | 2016-05-27 | 2016-11-23 | 深圳市寒武纪智能科技有限公司 | 一种基于直线段的圆检测方法 |
Non-Patent Citations (3)
Title |
---|
一种改进的安全带图像特征提取方法的应用;谢腾 等;《信息技术》;20151231(第1期);第154-158页 * |
基于切线段匹配的快速圆弧检测算法;王永会 等;《计算机应用》;20160410;第36卷(第4期);第1126-1131页 * |
改进的Hough变换检测圆方法;陈小艳 等;《计算机系统应用》;20151231;第24卷(第8期);第197-201页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108256495A (zh) | 2018-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106647776B (zh) | 车辆变道趋势的判断方法、判断装置和计算机存储介质 | |
US10891738B2 (en) | Boundary line recognition apparatus and branch road determination apparatus | |
Jung et al. | A lane departure warning system using lateral offset with uncalibrated camera | |
CN111563412B (zh) | 一种基于参数空间投票和贝塞尔拟合的快速车道线检测方法 | |
CN109800752B (zh) | 一种基于机器视觉的汽车车牌字符分割识别算法 | |
KR102058001B1 (ko) | 차선 보정 시스템, 차선 보정 장치 및 이의 차선 보정 방법 | |
KR100975749B1 (ko) | 단일 차선을 이용한 차선 인식 및 차량의 차선 이탈 검출 방법 | |
CN105460009B (zh) | 汽车控制方法及装置 | |
CN107480646B (zh) | 一种基于双目视觉的车载视频异常运动检测方法 | |
CN108009522B (zh) | 一种道路检测方法、装置及终端 | |
KR20150112656A (ko) | 카메라 캘리브레이션 방법 및 그 장치 | |
CN107292214B (zh) | 车道偏离检测方法、装置及车辆 | |
CN112001216A (zh) | 一种基于计算机的汽车行驶车道检测系统 | |
WO2023279966A1 (zh) | 一种多车道线检测方法、装置及检测设备 | |
CN113111707B (zh) | 一种基于卷积神经网络的前车检测与测距方法 | |
CN116824516B (zh) | 一种涉路施工安全监测及管理系统 | |
Behrendt et al. | Deep learning lane marker segmentation from automatically generated labels | |
CN115880674B (zh) | 一种基于无人驾驶矿车的避障转向矫正方法 | |
CN108074263B (zh) | 视觉定位方法和系统 | |
CN108256495B (zh) | 一种基于假定圆检测的汽车方向盘检测方法 | |
CN113012181A (zh) | 一种基于Hough变换的新型类圆形检测方法 | |
CN108470144B (zh) | 一种基于曲线分段的汽车方向盘检测方法 | |
KR100976142B1 (ko) | 차량검출방법 | |
CN108470145B (zh) | 一种基于曲线斜率变化的汽车方向盘检测方法 | |
US10664997B1 (en) | Method, camera system, computer program product and computer-readable medium for camera misalignment detection |
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 |