CN108470144B - 一种基于曲线分段的汽车方向盘检测方法 - Google Patents
一种基于曲线分段的汽车方向盘检测方法 Download PDFInfo
- Publication number
- CN108470144B CN108470144B CN201810097477.4A CN201810097477A CN108470144B CN 108470144 B CN108470144 B CN 108470144B CN 201810097477 A CN201810097477 A CN 201810097477A CN 108470144 B CN108470144 B CN 108470144B
- Authority
- CN
- China
- Prior art keywords
- edge
- pixel
- array
- point
- points
- 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 29
- 230000011218 segmentation Effects 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000013519 translation Methods 0.000 claims description 15
- 230000009466 transformation Effects 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000003491 array Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012545 processing 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于曲线分段的汽车方向盘检测方法,它包括对含有车辆的彩色图像image进行车窗定位并截取车窗右半部分作为新的图像,经灰度化等操作得到单像素边缘图像,对得到的图像去除交叉点,再找到每一个在单像素边缘上的像素点p并且计算其八邻域中存在的在边缘上的像素点的个数,去除长度小于Len的单像素边缘去除,再利用八邻域边缘跟踪算法遍历图像的单像素边缘,顺序存储,再计算其对应的曲线偏转角度、进行分段,建立平面直角坐标系、分段,作出候选汽车方向盘边缘,获取方向盘。通过使用本发明的方法对汽车的方向盘进行检测,可以提高方向盘检测的正确率。
Description
技术领域
本发明涉及计算机视觉及智能交通技术领域,具体是一种基于曲线分段的汽车方向盘检测方法,它通过将图像中的曲线根据曲线偏转角度的大小进行分段,并对每一段曲线利用劣弧的对称性进行汽车方向盘检测的方法。
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的行为分析越来越受到重视。例如,检测驾驶员在行车过程中是否佩戴安全带等。要通过道路监控视频检测驾驶员是否佩戴安全带就需要先准确定位到驾驶员的左侧胸部位置。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,本发明提出了一种基于曲线分段的汽车方向盘检测方法,它通过将图像中的曲线根据曲线偏转角度的大小进行分段,并对每一段曲线利用劣弧的对称性进行汽车方向盘检测的方法。
所述的一种基于曲线分段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:把EdgeImg中单像素边缘的交叉点去除,得到无交叉点的单像素边缘图,记为EdgeImg1;
步骤4:在EdgeImg1中将长度小于Len的单像素边缘去除,得到新的单像素边缘图记为EdgeImg2,其中Len表示单像素边缘的长度阈值,由预先设定;
步骤5:利用八邻域边缘跟踪算法遍历EdgeImg2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EdgeImg2中单像素边缘的数量;
步骤6:针对步骤5遍历得到的每一条单像素边缘上的每一个像素点计算其对应的曲线偏转角度,记为θij,表示第i条单像素边缘在第j个像素点的曲线偏转角度;
步骤7:根据步骤6计算得到的θij,在所有θij大于Theta的像素点处对第i条单像素边缘进行分段,其中,Theta为预先设定的曲线偏转角度阈值;并且将数组Arrayi中的所有像素点在第j-1个像素点的位置断开,分为几个小数组,分别记为数组Arrayim,表示第i条单像素边缘的第m个分段;
步骤8:计算步骤7得到的每一条单像素边缘的每一个分段各自对应的一个新的平面直角坐标系,记为xOyim,xOyim由边缘图EdgeImg2的原平面直角坐标系通过平移旋转变换得到,其中,边缘图EdgeImg2的原平面直角坐标系表示以边缘图EdgeImg2的左上角为坐标系原点,水平向右为x轴正方向,垂直向下为y轴正方向的平面直角坐标系;
步骤9:将步骤7得到的每一条单像素边缘的每一个分段等间隔分为6段,然后按顺序选取单像素边缘分段上的起点、五个等间隔分段点以及单像素边缘分段上的终点,一共七个点,记为Pointimk,k=1,2,3,4,5,6,7,它表示第i条单像素边缘的第m个分段上选取的第k个点;并且计算Pointimk,k=1,2,3,4,5,6,7,在第i条单像素边缘的第m个分段对应的新的平面直角坐标系xOyim中的纵坐标值,记为yimk;
步骤10:根据步骤9得到的yimk筛选满足开口朝下的劣弧检测条件的所有单像素边缘分段作为候选汽车方向盘边缘;
步骤11:对步骤10获得的所有候选汽车方向盘边缘分别计算其对应的一个假定圆,假定圆的计算首先从对应的候选汽车方向盘边缘中选取边缘的起点、边缘的二等分分段点以及边缘的终点这三个点,根据这三点确定一个假定圆;
步骤12:从步骤11获得的所有假定圆中选择满足如下条件的圆作为最终检测到的方向盘。
所述的一种基于曲线分段的汽车方向盘检测方法,其特征在于步骤3中判断EdgeImg图像中的像素点为单像素边缘的交叉点的步骤如下:
3.1):遍历EdgeImg中的像素点,找到每一个在单像素边缘上的像素点p并且计算其八邻域中存在的在边缘上的像素点的个数,记为count,在本发明中八邻域像素点的标记如下:将像素点p右边的像素点标记为p0,从p0开始按逆时针方向将另外7个邻域像素点分别标记为p1,p2,p3,p4,p5,p6,p7;
3.2):若八邻域中p0位置为边缘上的像素点,并且p1或者p7位置也是边缘上的像素点,则将count值减1;
3.3):若八邻域中p2位置为边缘上的像素点,并且p1或者p3位置也是边缘上的像素点,则将count值减1;
3.4):若八邻域中p4位置为边缘上的像素点,并且p3或者p5位置也是边缘上的像素点,则将count值减1;
3.5):若八邻域中p6位置为边缘上的像素点,并且p5或者p7位置也是边缘上的像素点,则将count值减1;
3.6):若经过3.2)至3.5)的操作之后得到的count值大于等于3,则认为该像素点p为单像素边缘的交叉点。
所述的一种基于曲线分段的汽车方向盘检测方法,其特征在于步骤6中第i条单像素边缘上的第j个像素点对应的曲线偏转角度θij的计算如下:
6.1):当j<4时,从Arrayi中取出三个元素,Arrayi[j],Arrayi[0]和Arrayi[j+4],令这三个点分别为A,B和C;
6.2):当j>counti-5时,从Arrayi中取出三个元素,Arrayi[j],Arrayi[j-4]和Arrayi[counti-1],令这三个点分别为A,B和C;
6.3):当j≥4&&j≤counti-5时,从Arrayi中取出三个元素,Arrayi[j],Arrayi[j-4]和Arrayi[j+4],令这三个点分别为A,B和C;
其中,counti表示数组Arrayi中总的元素个数。
所述的一种基于曲线分段的汽车方向盘检测方法,其特征在于步骤8中由边缘图EdgeImg2的原平面直角坐标系通过平移旋转变换分别得到每一条单像素边缘的每一个分段各自对应的一个新的平面直角坐标系xOyim的过程如下:
8.1):根据公式(1)计算边缘图EdgeImg2的原平面直角坐标系在x轴方向上需要平移的长度记为Δxim,并且根据Δxim的值进行平移;
其中,countim表示数组Arrayim中的元素个数,Arrayim[0].x表示数组Arrayim中第0个元素的x坐标值,Arrayim[countim-1].x表示数组Arrayim中最后一个元素的x坐标值;
8.2):根据公式(2)计算边缘图EdgeImg2的原平面直角坐标系在y轴方向上需要平移的长度记为Δyim,并且根据Δyim的值进行平移;
其中,Arrayim[0].y表示数组Arrayim中第0个元素的y坐标值,Arrayim[countim-1].y表示数组Arrayim中最后一个元素的y坐标值;
8.3):根据公式(3)计算边缘图EdgeImg2的原平面直角坐标系在平移之后需要旋转的度数记为Δθim,并且根据Δθim的值进行旋转;
其中,arctan表示求反正切值。
所述的一种基于曲线分段的汽车方向盘检测方法,其特征在于步骤9中Pointimk在i条单像素边缘的第m个分段对应的新的平面直角坐标系xOyim中的纵坐标值yimk的计算将根据公式(4)计算:
yimk=(Yimk-Δyim)×cos(-Δθim)+(Ximk-Δxim)×sin(-Δθim) (4)
其中,Ximk表示点Pointimk在边缘图EdgeImg2的原平面直角坐标系中的横坐标值,k=1,2,3,4,5,6,7,Yimk表示点Pointimk在边缘图EdgeImg2的原平面直角坐标系中的纵坐标值,cos表示求余弦值,sin表示求正弦值。
所述的一种基于曲线分段的汽车方向盘检测方法,其特征在于步骤10中满足开口朝下的劣弧检测条件必须满足如下所有条件:
10.1):(|Δθim|<90&&yim4<0)||(|Δθim|≥90&&yim4>0);
10.2):yim1≤yim2&&yim2≤yim3&&yim3≤yim4&&yim1<yim4;
10.3):yim7≤yim6&&yim6≤yim5&&yim5≤yim4&&yim7<yim4;
10.4):|yim3–yim5|+|yim2–yim6|<2。
所述的一种基于曲线分段的汽车方向盘检测方法,其特征在于步骤12作为最终检测到的方向盘的圆需要满足以下条件:圆半径r在预先设定的范围内,并且满足圆心到边缘图EdgeImg2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。
通过使用本发明的方法对汽车的方向盘进行检测,首先对曲线进行分段检测可以避免干扰边缘对劣弧检测的影响,并且利用劣弧的对称性可以对短小的劣弧以及发生形变的劣弧进行检测,而方向盘边缘通常呈现为短小的劣弧,而且有可能发生形变,使用本发明的方法可以提高方向盘检测的正确率。
附图说明
图1为本发明中点p的八邻域图;
图2为本发明中实施例选取的image图;
图3为本发明实施例中image图的车窗定位图;
图4为本发明实施例中截取的车窗右半边部分图;
图5为本发明实施例中车窗右半边图对应的单像素边缘图;
图6为本发明实施例中无交叉点的单像素边缘图;
图7本发明实施例中去除长度较小边缘的单像素边缘图;
图8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曲线分段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。
本发明的一种基于曲线分段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,本发明中选取的image图像如图2所示,车窗定位结果如图3所示;
步骤2:从图像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4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5所示;
步骤3:把EdgeImg中单像素边缘的交叉点去除,得到无交叉点的单像素边缘图,记为EdgeImg1,在本实施例中如图6所示,判断EdgeImg图像中的像素点为单像素边缘的交叉点的步骤如下,本发明中点p的八邻域图如图1所示:
3.1):遍历EdgeImg中的像素点,找到每一个在单像素边缘上的像素点p并且计算其八邻域中存在的在边缘上的像素点的个数,记为count,在本发明中八邻域像素点的标记如下:将像素点p右边的像素点标记为p0,从p0开始按逆时针方向将另外7个邻域像素点分别标记为p1,p2,p3,p4,p5,p6,p7;
3.2):若八邻域中p0位置为边缘上的像素点,并且p1或者p7位置也是边缘上的像素点,则将count值减1;
3.3):若八邻域中p2位置为边缘上的像素点,并且p1或者p3位置也是边缘上的像素点,则将count值减1;
3.4):若八邻域中p4位置为边缘上的像素点,并且p3或者p5位置也是边缘上的像素点,则将count值减1;
3.5):若八邻域中p6位置为边缘上的像素点,并且p5或者p7位置也是边缘上的像素点,则将count值减1;
3.6):若经过3.2)至3.5)的操作之后得到的count值大于等于3,则认为该像素点p为单像素边缘的交叉点;
步骤4:在EdgeImg1中将长度小于Len的单像素边缘去除,得到新的单像素边缘图记为EdgeImg2,其中Len表示单像素边缘的长度阈值,由预先设定,在本实施例中设为10,在本实施例中EdgeImg2如图7所示;
步骤5:利用八邻域边缘跟踪算法遍历EdgeImg2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EdgeImg2中单像素边缘的数量;
步骤6:针对步骤5遍历得到的每一条单像素边缘上的每一个像素点计算其对应的曲线偏转角度,记为θij,表示第i条单像素边缘在第j个像素点的曲线偏转角度,第i条单像素边缘上的第j个像素点对应的曲线偏转角度θij的计算如下:
6.1):当j<4时,从Arrayi中取出三个元素,Arrayi[j],Arrayi[0]和Arrayi[j+4],令这三个点分别为A,B和C;
6.2):当j>counti-5时,从Arrayi中取出三个元素,Arrayi[j],Arrayi[j-4]和Arrayi[counti-1],令这三个点分别为A,B和C;
6.3):当j≥4&&j≤counti-5时,从Arrayi中取出三个元素,Arrayi[j],Arrayi[j-4]和Arrayi[j+4],令这三个点分别为A,B和C;
6.4):计算向量AB和向量AC的夹角即为第i条单像素边缘上的第j个像素点对应的曲线偏转角度θij值;
其中counti表示数组Arrayi中总的元素个数;
步骤7:根据步骤6计算得到的θij,在所有θij大于Theta的像素点处对第i条单像素边缘进行分段,其中,Theta为预先设定的曲线偏转角度阈值,在本实施例中设为137°;并且将数组Arrayi中的所有像素点在第j-1个像素点的位置断开,分为几个小数组,分别记为数组Arrayim,表示第i条单像素边缘的第m个分段;
步骤8:计算步骤7得到的每一条单像素边缘的每一个分段各自对应的一个新的平面直角坐标系,记为xOyim,xOyim由边缘图EdgeImg2的原平面直角坐标系通过平移旋转变换得到,其中,边缘图EdgeImg2的原平面直角坐标系表示以边缘图EdgeImg2的左上角为坐标系原点,水平向右为x轴正方向,垂直向下为y轴正方向的平面直角坐标系,由边缘图EdgeImg2的原平面直角坐标系通过平移旋转变换分别得到每一条单像素边缘的每一个分段各自对应的一个新的平面直角坐标系xOyim的过程如下:
8.1):根据公式(1)计算边缘图EdgeImg2的原平面直角坐标系在x轴方向上需要平移的长度记为Δxim,并且根据Δxim的值进行平移;
其中,countim表示数组Arrayim中的元素个数,Arrayim[0].x表示数组Arrayim中第0个元素的x坐标值,Arrayim[countim-1].x表示数组Arrayim中最后一个元素的x坐标值;
8.2):根据公式(2)计算边缘图EdgeImg2的原平面直角坐标系在y轴方向上需要平移的长度记为Δyim,并且根据Δyim的值进行平移;
其中,Arrayim[0].y表示数组Arrayim中第0个元素的y坐标值,Arrayim[countim-1].y表示数组Arrayim中最后一个元素的y坐标值;
8.3):根据公式(3)计算边缘图EdgeImg2的原平面直角坐标系在平移之后需要旋转的度数记为Δθim,并且根据Δθim的值进行旋转;
其中,arctan表示求反正切值;
步骤9:将步骤7得到的每一条单像素边缘的每一个分段等间隔分为6段,然后按顺序选取单像素边缘分段上的起点、五个等间隔分段点以及单像素边缘分段上的终点,一共七个点,记为Pointimk,k=1,2,3,4,5,6,7,它表示第i条单像素边缘的第m个分段上选取的第k个点;并且计算Pointimk,k=1,2,3,4,5,6,7,在第i条单像素边缘的第m个分段对应的新的平面直角坐标系xOyim中的纵坐标值,记为yimk,
Pointimk在i条单像素边缘的第m个分段对应的新的平面直角坐标系xOyim中的纵坐标值yimk的计算将根据公式(4)计算:
yimk=(Yimk-Δyim)×cos(-Δθim)+(Ximk-Δxim)×sin(-Δθim) (4)
其中Ximk表示点Pointimk在边缘图EdgeImg2的原平面直角坐标系中的横坐标值,k=1,2,3,4,5,6,7,Yimk表示点Pointimk在边缘图EdgeImg2的原平面直角坐标系中的纵坐标值,cos表示求余弦值,sin表示求正弦值;
步骤10:根据步骤9得到的yimk筛选满足开口朝下的劣弧检测条件的所有单像素边缘分段作为候选汽车方向盘边缘,满足开口朝下的劣弧检测条件必须满足如下所有条件:
10.1):(|Δθim|<90&&yim4<0)||(|Δθim|≥90&&yim4>0);
10.2):yim1≤yim2&&yim2≤yim3&&yim3≤yim4&&yim1<yim4;
10.3):yim7≤yim6&&yim6≤yim5&&yim5≤yim4&&yim7<yim4;
10.4):|yim3–yim5|+|yim2–yim6|<2。
在本实施例中,通过以上处理,可以看到图8中的汽车方向盘被正确检测到;
步骤11:对步骤10获得的所有候选汽车方向盘边缘分别计算其对应的一个假定圆,假定圆的计算首先从对应的候选汽车方向盘边缘中选取边缘的起点、边缘的二等分分段点以及边缘的终点这三个点,根据这三点确定一个假定圆;
步骤12:从步骤11获得的所有假定圆中选择满足如下条件的圆作为最终检测到的方向盘:该圆需要满足圆半径r在预先设定的范围内,在本实施例中范围设为60<r<120,并且满足圆心到边缘图EdgeImg2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。
Claims (4)
1.一种基于曲线分段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:把EdgeImg中单像素边缘的交叉点去除,得到无交叉点的单像素边缘图,记为EdgeImg1;
步骤4:在EdgeImg1中将长度小于Len的单像素边缘去除,得到新的单像素边缘图记为EdgeImg2,其中Len表示单像素边缘的长度阈值,由预先设定;
步骤5:利用八邻域边缘跟踪算法遍历EdgeImg2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EdgeImg2中单像素边缘的数量;
步骤6:针对步骤5遍历得到的每一条单像素边缘上的每一个像素点计算其对应的曲线偏转角度,记为θij,表示第i条单像素边缘在第j个像素点的曲线偏转角度,其中第i条单像素边缘上的第j个像素点对应的曲线偏转角度θij的计算如下:
6.1):当j<4时,从Arrayi中取出三个元素,Arrayi[j],Arrayi[0]和Arrayi[j+4],令这三个点分别为A,B和C;
6.2):当j>counti-5时,从Arrayi中取出三个元素,Arrayi[j],Arrayi[j-4]和Arrayi[counti-1],令这三个点分别为A,B和C;
6.3):当j≥4&&j≤counti-5时,从Arrayi中取出三个元素,Arrayi[j],Arrayi[j-4]和Arrayi[j+4],令这三个点分别为A,B和C;
其中,counti表示数组Arrayi中总的元素个数;
步骤7:根据步骤6计算得到的θij,在所有θij大于Theta的像素点处对第i条单像素边缘进行分段,其中,Theta为预先设定的曲线偏转角度阈值;并且将数组Arrayi中的所有像素点在第j-1个像素点的位置断开,分为几个小数组,分别记为数组Arrayim,表示第i条单像素边缘的第m个分段;
步骤8:计算步骤7得到的每一条单像素边缘的每一个分段各自对应的一个新的平面直角坐标系,记为xOyim,xOyim由边缘图EdgeImg2的原平面直角坐标系通过平移旋转变换得到,其中,边缘图EdgeImg2的原平面直角坐标系表示以边缘图EdgeImg2的左上角为坐标系原点,水平向右为x轴正方向,垂直向下为y轴正方向的平面直角坐标系,其中由边缘图EdgeImg2的原平面直角坐标系通过平移旋转变换分别得到每一条单像素边缘的每一个分段各自对应的一个新的平面直角坐标系xOyim的过程如下:
8.1):根据公式(1)计算边缘图EdgeImg2的原平面直角坐标系在x轴方向上需要平移的长度记为Δxim,并且根据Δxim的值进行平移;
其中,countim表示数组Arrayim中的元素个数,Arrayim[0].x表示数组Arrayim中第0个元素的x坐标值,Arrayim[countim-1].x表示数组Arrayim中最后一个元素的x坐标值;
8.2):根据公式(2)计算边缘图EdgeImg2的原平面直角坐标系在y轴方向上需要平移的长度记为Δyim,并且根据Δyim的值进行平移;
其中,Arrayim[0].y表示数组Arrayim中第0个元素的y坐标值,Arrayim[countim-1].y表示数组Arrayim中最后一个元素的y坐标值;
8.3):根据公式(3)计算边缘图EdgeImg2的原平面直角坐标系在平移之后需要旋转的度数记为Δθim,并且根据Δθim的值进行旋转;
其中,arctan表示求反正切值;
步骤9:将步骤7得到的每一条单像素边缘的每一个分段等间隔分为6段,然后按顺序选取单像素边缘分段上的起点、五个等间隔分段点以及单像素边缘分段上的终点,一共七个点,记为Pointimk,k=1,2,3,4,5,6,7,它表示第i条单像素边缘的第m个分段上选取的第k个点;并且计算Pointimk,k=1,2,3,4,5,6,7,在第i条单像素边缘的第m个分段对应的新的平面直角坐标系xOyim中的纵坐标值,记为yimk;
步骤10:根据步骤9得到的yimk筛选满足开口朝下的劣弧检测条件的所有单像素边缘分段作为候选汽车方向盘边缘;
步骤11:对步骤10获得的所有候选汽车方向盘边缘分别计算其对应的一个假定圆,假定圆的计算首先从对应的候选汽车方向盘边缘中选取边缘的起点、边缘的二等分分段点以及边缘的终点这三个点,根据这三点确定一个假定圆;
步骤12:从步骤11获得的所有假定圆中选择满足如下条件的圆作为最终检测到的方向盘,具体满足条件为:圆半径r在预先设定的范围内,并且满足圆心到边缘图EdgeImg2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。
2.根据权利要求1所述的一种基于曲线分段的汽车方向盘检测方法,其特征在于步骤3中判断EdgeImg图像中的像素点为单像素边缘的交叉点的步骤如下:
3.1):遍历EdgeImg中的像素点,找到每一个在单像素边缘上的像素点p并且计算其八邻域中存在的在边缘上的像素点的个数,记为count,在本发明中八邻域像素点的标记如下:将像素点p右边的像素点标记为p0,从p0开始按逆时针方向将另外7个邻域像素点分别标记为p1,p2,p3,p4,p5,p6,p7;
3.2):若八邻域中p0位置为边缘上的像素点,并且p1或者p7位置也是边缘上的像素点,则将count值减1;
3.3):若八邻域中p2位置为边缘上的像素点,并且p1或者p3位置也是边缘上的像素点,则将count值减1;
3.4):若八邻域中p4位置为边缘上的像素点,并且p3或者p5位置也是边缘上的像素点,则将count值减1;
3.5):若八邻域中p6位置为边缘上的像素点,并且p5或者p7位置也是边缘上的像素点,则将count值减1;
3.6):若经过3.2)至3.5)的操作之后得到的count值大于等于3,则认为该像素点p为单像素边缘的交叉点。
3.根据权利要求1所述的一种基于曲线分段的汽车方向盘检测方法,其特征在于步骤9中Pointimk在i条单像素边缘的第m个分段对应的新的平面直角坐标系xOyim中的纵坐标值yimk的计算将根据公式(4)计算:
yimk=(Yimk-Δyim)×cos(-Δθim)+(Ximk-Δxim)×sin(-Δθim) (4)
其中,Ximk表示点Pointimk在边缘图EdgeImg2的原平面直角坐标系中的横坐标值,k=1,2,3,4,5,6,7,Yimk表示点Pointimk在边缘图EdgeImg2的原平面直角坐标系中的纵坐标值,cos表示求余弦值,sin表示求正弦值。
4.根据权利要求1所述的一种基于曲线分段的汽车方向盘检测方法,其特征在于步骤10中满足开口朝下的劣弧检测条件必须满足如下所有条件:
10.1):(|Δθim|<90&&yim4<0)||(|Δθim|≥90&&yim4>0);
10.2):yim1≤yim2&&yim2≤yim3&&yim3≤yim4&&yim1<yim4;
10.3):yim7≤yim6&&yim6≤yim5&&yim5≤yim4&&yim7<yim4;
10.4):|yim3–yim5|+|yim2–yim6|<2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810097477.4A CN108470144B (zh) | 2018-01-31 | 2018-01-31 | 一种基于曲线分段的汽车方向盘检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810097477.4A CN108470144B (zh) | 2018-01-31 | 2018-01-31 | 一种基于曲线分段的汽车方向盘检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108470144A CN108470144A (zh) | 2018-08-31 |
CN108470144B true CN108470144B (zh) | 2021-05-04 |
Family
ID=63266307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810097477.4A Active CN108470144B (zh) | 2018-01-31 | 2018-01-31 | 一种基于曲线分段的汽车方向盘检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108470144B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114332667B (zh) * | 2022-03-17 | 2022-07-01 | 北京市农林科学院信息技术研究中心 | 玉米株型识别方法、装置、电子设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103079901A (zh) * | 2010-09-29 | 2013-05-01 | 爱信精机株式会社 | 停车支援装置 |
CN103269911A (zh) * | 2010-10-26 | 2013-08-28 | 大众汽车有限公司 | 尤其用于机动车的用于显示图形对象的显示设备和方法 |
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 |
CN104417490A (zh) * | 2013-08-29 | 2015-03-18 | 同观科技(深圳)有限公司 | 一种汽车安全带检测方法及装置 |
WO2016144379A1 (en) * | 2015-03-12 | 2016-09-15 | Razmik Karabed | Dynamically adjusting surveillance devices |
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 |
CN106650567A (zh) * | 2016-08-31 | 2017-05-10 | 东软集团股份有限公司 | 一种安全带检测方法和装置 |
CN106815815A (zh) * | 2016-12-30 | 2017-06-09 | 浙江工业大学 | 一种去除图像中不闭合曲线段的方法 |
CN107316354A (zh) * | 2017-07-12 | 2017-11-03 | 哈尔滨工业大学 | 一种基于方向盘和gnss数据的疲劳驾驶检测方法 |
-
2018
- 2018-01-31 CN CN201810097477.4A patent/CN108470144B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103079901A (zh) * | 2010-09-29 | 2013-05-01 | 爱信精机株式会社 | 停车支援装置 |
CN103269911A (zh) * | 2010-10-26 | 2013-08-28 | 大众汽车有限公司 | 尤其用于机动车的用于显示图形对象的显示设备和方法 |
CN104417490A (zh) * | 2013-08-29 | 2015-03-18 | 同观科技(深圳)有限公司 | 一种汽车安全带检测方法及装置 |
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 |
WO2016144379A1 (en) * | 2015-03-12 | 2016-09-15 | Razmik Karabed | Dynamically adjusting surveillance devices |
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 |
CN106650567A (zh) * | 2016-08-31 | 2017-05-10 | 东软集团股份有限公司 | 一种安全带检测方法和装置 |
CN106815815A (zh) * | 2016-12-30 | 2017-06-09 | 浙江工业大学 | 一种去除图像中不闭合曲线段的方法 |
CN107316354A (zh) * | 2017-07-12 | 2017-11-03 | 哈尔滨工业大学 | 一种基于方向盘和gnss数据的疲劳驾驶检测方法 |
Non-Patent Citations (3)
Title |
---|
An improved method of RHT to localize circle applied in intelligent transportation system;Yurong Luo et al;《ICALIP2008》;20081231;第335-338页 * |
应用于汽车安全驾驶的手部跟踪算法;李梦宇 等;《电视技术》;20161130;第40卷(第11期);第112-115页 * |
车辆行驶转向角的图像检测方法;杨隽楠 等;《西安交通大学学报》;20130630;第47卷(第6期);第73-78页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108470144A (zh) | 2018-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109740469B (zh) | 车道线检测方法、装置、计算机设备和存储介质 | |
CN110930459B (zh) | 灭点提取方法、相机标定方法以及存储介质 | |
US20090304285A1 (en) | Image processing device and image processing method | |
Yan et al. | A method of lane edge detection based on Canny algorithm | |
Farag et al. | Road lane-lines detection in real-time for advanced driving assistance systems | |
CN101567046B (zh) | 一种基于最小覆盖圆匹配的无人机目标识别方法 | |
US10013619B2 (en) | Method and device for detecting elliptical structures in an image | |
US11562577B2 (en) | Method of detecting curved lane through path estimation using monocular vision camera | |
CN102598057A (zh) | 自动对象识别、然后根据对象形状进行对象跟踪的方法和系统 | |
CN112001216A (zh) | 一种基于计算机的汽车行驶车道检测系统 | |
JP3288566B2 (ja) | 走行レーン認識装置 | |
Elias et al. | JUDOCA: Junction detection operator based on circumferential anchors | |
CN110348307B (zh) | 一种起重机金属结构攀爬机器人的路径边缘识别方法及系统 | |
Kim et al. | License plate detection and recognition algorithm for vehicle black box | |
CN107710229B (zh) | 图像中的形状识别方法、装置、设备及计算机存储介质 | |
CN108470144B (zh) | 一种基于曲线分段的汽车方向盘检测方法 | |
CN114037736B (zh) | 一种基于自适应模型的车辆检测与跟踪方法 | |
CN109325958B (zh) | 一种基于轮廓精化和改进广义霍夫变换的近岸船只检测方法 | |
Belaroussi et al. | A real-time road sign detection using bilateral chinese transform | |
CN115205564B (zh) | 基于无人机的船体维护巡检方法 | |
US10664997B1 (en) | Method, camera system, computer program product and computer-readable medium for camera misalignment detection | |
KR101976952B1 (ko) | 움직임 벡터를 이용한 객체 검출 시스템 및 그 방법 | |
Yoo et al. | A new lane detection method based on vanishing point estimation with probabilistic voting | |
CN108470145B (zh) | 一种基于曲线斜率变化的汽车方向盘检测方法 | |
Shafique et al. | Computer vision based autonomous navigation in controlled environment |
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 |