CN110070009A - 路面物体识别方法和装置 - Google Patents
路面物体识别方法和装置 Download PDFInfo
- Publication number
- CN110070009A CN110070009A CN201910277774.1A CN201910277774A CN110070009A CN 110070009 A CN110070009 A CN 110070009A CN 201910277774 A CN201910277774 A CN 201910277774A CN 110070009 A CN110070009 A CN 110070009A
- Authority
- CN
- China
- Prior art keywords
- brightness
- average brightness
- subregion
- matrix
- initial pictures
- 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.)
- Pending
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
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
-
- 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)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明提出一种路面物体识别方法和装置,其中,方法包括:采集当前路面的初始图像,根据预设策略将初始图像划分为多个子区域,并计算多个子区域中每个子区域的第一平均亮度;确定第一平均亮度大于预设的全局平均亮度的目标子区域;根据第一平均亮度和全局平均亮度的差值,降低目标子区域的亮度生成当前路面的目标图像,以识别路面物体。由此,抑制了路面图像中的高光部分,且对路面图像的较暗部分不进行提亮,维持了路面图像的对比度处于较高的水平,为基于路面图像的路面物体识别提供了支撑,有利于行驶安全。
Description
技术领域
本发明涉及交通安全技术领域,尤其涉及一种路面物体识别方法和装置。
背景技术
随着科技的发展,照明设施的覆盖范围越来越广,虽然给人们的生活带来了很大的方便,但是也造成了较多的成像干扰,如在较强的照明下,容易在地面形成反光,亦或者由于照明不均衡而造成图像亮度不均衡,有高光也有暗点。而高光较为严重的图像,往往会给后面的视觉算法带来较大的影响,降低算法的精度。
目前,基于拍摄的路面图像为行车提供指导是较为常用的智能驾驶方式,由于停车场地面往往较为光滑,照明用的日光灯在地面形成较为严重的高光反射,进而导致检测算法的检测框偏大,影响检测的准确度,进而导致对路面图像中的物体识别不到,导致行驶存在安全隐患。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的第一个目的在于提出一种路面物体识别方法,以抑制了路面图像中的高光部分,且对路面图像的较暗部分不进行提亮,维持了路面图像的对比度处于较高的水平,为基于路面图像的路面物体识别提供了支撑,有利于行驶安全。
本发明的第二个目的在于提出一种路面物体识别装置。
本发明的第三个目的在于提出一种计算机设备。
本发明的第四个目的在于提出一种非临时性计算机可读存储介质。
为达上述目的,本发明第一方面实施例提出了一种路面物体识别方法,包括以下步骤:采集当前路面的初始图像,根据预设策略将所述初始图像划分为多个子区域,并计算所述多个子区域中每个子区域的第一平均亮度;确定所述第一平均亮度大于预设的全局平均亮度的目标子区域;根据所述第一平均亮度和所述全局平均亮度的差值,降低所述目标子区域的亮度生成所述当前路面的目标图像,以识别路面物体。
另外,本发明实施例的路面物体识别方法,还具有如下附加的技术特征:
可选地,在所述确定所述第一平均亮度大于预设的全局平均亮度的目标子区域之前,还包括:获取包含所述当前路面的多帧参考图像;计算所述多帧参考图像中每帧参考图像的第二平均亮度;计算所有参考图像的第二平均亮度的均值得到所述全局平均亮度。
可选地,所述确定所述第一平均亮度大于预设的全局平均亮度的目标子区域,包括:根据所述每个子区域的第一平均亮度,构建与所述初始图像对应的亮度矩阵;计算所述亮度矩阵中每个矩阵单元值与所述全部平局亮度的差值,得到第一亮度差矩阵;将所述第一亮度差矩阵中矩阵单元值为正的矩阵单元确定为所述目标子区域。
可选地,所述根据所述第一平均亮度和所述全局平均亮度的差值,降低所述目标子区域的亮度生成所述当前路面的目标图像,包括:将所述第一亮度差矩阵中非所述目标子区域的矩阵单元值设置为零后得到第二亮度差矩阵;根据预设插值算法对所述第二亮度差矩阵进行尺寸扩展,获取与所述初始图像的尺寸一致的第三亮度差矩阵;根据所述初始图像中每个像素单元的亮度,计算所述待处理路面图像和所述第三亮度差矩阵的差值得到所述目标图像。
可选地,当所述初始图像是RGB彩色图像时,所述根据预设策略将所述初始图像划分为多个子区域,并计算所述多个子区域中每个子区域的第一平均亮度,包括:将所述初始图像转换为LAB格式;根据所述预设的划分策略将所述LAB格式的初始图像划分为所述多个子区域;根据所述每个子区域在L通道的亮度分量计算所述第一平均亮度。
可选地,所述根据所述第一平均亮度和所述全局平均亮度的差值,降低所述目标子区域的亮度生成所述当前路面的目标图像,包括:根据所述第一平均亮度和所述全局平均亮度的差值,降低所述LAB格式的初始图像中所述目标子区域在L通道的亮度分量;将降低所述亮度分量的所述初始图像转换为RGB格式得到所述目标图像。
本发明第二方面实施例提出了一种路面物体识别装置,包括:采集模块,用于采集当前路面的初始图像;划分模块,用于根据预设策略将所述初始图像划分为多个子区域;第一计算模块,用于计算所述多个子区域中每个子区域的第一平均亮度;确定模块,用于确定所述第一平均亮度大于预设的全局平均亮度的目标子区域;亮度处理模块,用于根据所述第一平均亮度和所述全局平均亮度的差值,降低所述目标子区域的亮度生成所述当前路面的目标图像,以识别路面物体。
另外,本发明实施例的路面物体识别装置,还具有如下附加的技术特征:
可选地,还包括:获取模块,用于获取包含所述当前路面的多帧参考图像;第二计算模块,用于计算所述多帧参考图像中每帧参考图像的第二平均亮度;第三计算模块,用于计算所有参考图像的第二平均亮度的均值得到所述全局平均亮度。
可选地,所述确定模块,包括:构建单元,用于根据所述每个子区域的第一平均亮度,构建与所述初始图像对应的亮度矩阵;第一计算单元,用于计算所述亮度矩阵中每个矩阵单元值与所述全部平局亮度的差值,得到第一亮度差矩阵;确定单元,用于将所述第一亮度差矩阵中矩阵单元值为正的矩阵单元确定为所述目标子区域。
可选地,所述亮度处理模块,包括:设置单元,用于将所述第一亮度差矩阵中非所述目标子区域的矩阵单元值设置为零后得到第二亮度差矩阵;获取单元,用于根据预设插值算法对所述第二亮度差矩阵进行尺寸扩展,获取与所述初始图像的尺寸一致的第三亮度差矩阵;第二计算单元,用于根据所述初始图像中每个像素单元的亮度,计算所述待处理路面图像和所述第三亮度差矩阵的差值得到所述目标图像。
可选地,当所述初始图像是RGB彩色图像时,所述第一计算模块,包括:转换单元,用于将所述初始图像转换为LAB格式;划分单元,用于根据所述预设的划分策略将所述LAB格式的初始图像划分为所述多个子区域;第三计算单元,用于根据所述每个子区域在L通道的亮度分量计算所述第一平均亮度。
本发明第三方面实施例提出了一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如第一方面实施例所述的路面物体识别方法。
本发明第四方面实施例提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面实施例所述的路面物体识别方法。
本发明实施例提供的技术方案可以包含如下的有益效果:
采集当前路面的初始图像,根据预设策略将初始图像划分为多个子区域,并计算多个子区域中每个子区域的第一平均亮度,确定第一平均亮度大于预设的全局平均亮度的目标子区域,进而,根据第一平均亮度和全局平均亮度的差值,降低目标子区域的亮度生成当前路面的目标图像,以根据目标图像识别路面物体。由此,一方面,可基于LAB彩色空间进行亮度的处理,处理后将图片转换到RGB彩色空间,实现了基于彩色图像的图像亮度均衡处理。另一方面,为了避免亮度的波动,设置相对固定的全局平均亮度对图像进行亮度均衡处理,稳定了亮度均衡处理结果。又一方面,在亮度均衡处理时,使得暗部部分仍旧维持在较暗的状态,保留了图像的对比度。
本发明附加的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
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明实施例所提供的一种路面物体识别方法的流程示意图;
图2-1为本发明实施例所提供的一种路面物体识别方法的应用场景示意图;
图2-2为本发明实施例所提供的另一种路面物体识别方法的应用场景示意图;
图3为本发明实施例所提供的另一种路面物体识别方法的流程示意图;
图4为本发明实施例所提供的又一种路面物体识别方法的流程示意图;
图5是根据本发明一个实施例的路面物体识别装置的结构示意图;
图6是根据本发明另一个实施例的路面物体识别装置的结构示意图;
图7是根据本发明又一个实施例的路面物体识别装置的结构示意图;
图8是根据本发明再一个实施例的路面物体识别装置的结构示意图;以及
图9是根据本发明还一个实施例的路面物体识别装置的结构示意图。
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,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的路面物体识别方法和装置。
针对上述背景技术中提到的相关技术中,路面图像在采集后,由于受到光照等影响,存在高亮部分,影对路面图像中包含的物体信息的准确识别,进而,为基于路面图片的智能化驾驶带来安全隐患。
为了解决上述技术问题,本发明提供一种路面物体识别方法,可以对路面图像中的高光部分进行有效的均衡,以便于提取到路面图像包含的物体信息,为行驶安全带来了较为积极的意义。
具体而言,图1为本发明实施例所提供的一种路面物体识别方法的流程示意图。如图1所示,该方法包括:
步骤101,采集当前路面的初始图像,根据预设策略将初始图像划分为多个子区域,并计算多个子区域中每个子区域的第一平均亮度。
其中,当前路面的初始图像可以理解为,用于为当前行车驾驶的进行物体识别的图像,可以是最新拍摄的当前一张地面图像,也可以是从连续拍摄的几张图像中选择的一张图像质量较高的路面图像。
具体地,为了获知整张初始图像的亮度分布具体情况,分区对每个子区域进行亮度的计算,具体的根据预设策略将初始图像划分为多个子区域,并计算多个子区域中每个子区域的第一平均亮度,即基于每个子区域的像素亮度的均值计算第一平均亮度。
其中,上述预设策略用于根据系统的处理能力等确定子区域的划分方式和划分数量,预设策略在不同的应用场景下不同,示例如下:
第一种示例:
在本示例中,根据系统的处理能力将初始图像划分为固定数量的均匀的子区域,比如,如图2-1所示,将初始图像划分为9个大小均等的图像。
第二种示例:
在本示例中,预先对初始图像进行亮度分布识别,尽量将同一个亮度区间的区域划分为一个子区域,比如,将初始图像处理为灰度图像,基于灰度图像的灰度值识别图像的亮度,将亮度接近的区域划分为一个子区域,这种情况下,子区域之间的面积可能并不等同。
比如,如图2-2所示,将初始图像划分为3个子区域,其中,每个子区域中所包含的像素亮度都较为接近。
步骤102,确定第一平均亮度大于预设的全局平均亮度的目标子区域。
可以理解,预先设置全局平均亮度,该全局平均亮度用于保证每次处理后的初始图像的处理效果不会发生跳变,处理效果亮度较为均衡,比如,本次处理的初始图像的亮度均值为80,若以次处理的初始图像的亮度均值作为全局平均亮度,则会使得本次处理后的初始图像的亮度均值在100上下浮动,当下次处理的初始图像的亮度均值为100,若下次处理的初始图像的亮度均值作为全局平均亮度,则会使得下次处理后的初始图像的亮度均值在100上下浮动,从而,会导致本次处理后的初始图像和下次处理后的初始图像的亮度发生较大的跳变,处理交过不稳定,为了避免该现象,本实施例中预设的全局平均亮度相对于待处理的出事图像而言,是一个较为固定的平均亮度,每一次获取的出事图像都以该全局平均亮度作为比较参考亮度。
需要说明的是,根据应用场景的不同,全局平均亮度的获取方式不同,可以根据历史统计数据进行估算设置,也可以基于包含当前初始图像的连续多张的路面图像进行计算,即获取包含当前路面的多帧参考图像,多帧参考图像可以是连续的也可以是不连续的,计算多帧参考图像中每帧参考图像的第二平均亮度,基于计算所有参考图像的第二平均亮度的均值得到全局平均亮度。
具体地,全局平均亮度标志了路面图像的平均亮度范围,当子区域的第一平均亮度大于该全局平均亮度,则表明该区域是高亮区域,需要进行亮度聚能处理,具体而言,确定第一平均亮度大于预设的全局平均亮度的目标子区域,该目标子区域即为高亮区域。
作为一种可能的实施例,可以基于矩阵的方式进行目标子区域的确定,在本示例中,如图3所示,上述步骤102可包括:
步骤201,根据每个子区域的第一平均亮度,构建与初始图像对应的亮度矩阵。
具体地,根据每个子区域的第一平均亮度,构建与初始图像对应的亮度矩阵,该亮度矩阵的每个矩阵单元值对应于每个第一平均亮度。
步骤202,计算亮度矩阵中每个矩阵单元值与全部平局亮度的差值,得到第一亮度差矩阵。
步骤203,将第一亮度差矩阵中矩阵单元值为正的矩阵单元确定为目标子区域。
具体地,计算亮度矩阵中每个矩阵单元值与全部平局亮度的差值,得到第一亮度差矩阵,该第一亮度差矩阵表示了每个矩阵单元对应的第一平均亮度和全局平均亮度的差值,该差值为正,表示对应的矩阵单元所在对应的第一平均亮度高于全局平均亮度,应当属于高光区域,是本实施例中要处理的目标子区域所在矩阵单元,该差值为负,表示对应的矩阵单元所在对应的第一平均亮度低于全局平均亮度,应当属于暗光区域。
步骤103,根据第一平均亮度和全局平均亮度的差值,降低目标子区域的亮度生成当前路面的目标图像,以识别路面物体。
具体地,在本发明的实施例中,根据第一平均亮度和全局平均亮度的差值,降低目标子区域的亮度生成当前路面的目标图像,以根据目标图像识别路面物体,比如,基于图像识别技术识别路面上是否有其他车辆或者行人等。
由此,一方面,初始图像中的高光区域得到了抑制,另一方面,在发明的实施例中,对亮度较低的区域不进行亮度均衡处理,避免对初始图像整体亮度均衡后,导致在自动泊车等场景下前景检测算法漏检较高(整张图像的亮度都差不多,没有办法通过亮度很好的区分哪里是前景,哪里是背景),保留了图像较为明显的对比度,进一步便于识别图像中的物体,有利于驾驶安全。
需要说明的是,在不同的应用场景中,保留初始图像中亮度较低区域的亮度的方式不同,作为一种可能的实现方式,继续以上述第一亮度差矩阵为例,将第一亮度差矩阵中非目标子区域的矩阵单元值设置为零后得到第二亮度差矩阵,进而,根据预设插值算法对第二亮度差矩阵进行尺寸扩展,获取与初始图像的尺寸一致的第三亮度差矩阵,由此,根据初始图像中每个像素单元的亮度,计算待处理路面图像和第三亮度差矩阵的差值得到目标图像,高光区域的亮度得到了抑制,暗部由于将相减的第三亮度差矩阵的亮度较暗的矩阵单元值设置为0,因而,不进行任何亮度处理,保留了暗部的亮度。
作为另一种可能的实现方式,为了进一步保留图像的对比度,基于暗部进行亮度的进一步降低,其中,亮度降低值基于目标子区域的亮度降低值的均值进行设置,由此,在初始图像的高光区域得到亮度抑制的同时,暗光区域的亮度的得到了进一步降低,亮部和暗部的对比仍然很明显。
作为又一种可能的实现方式,并完全基于第一平均亮度和全局平均亮度的差值降低目标子区域的亮度,而是判断每个目标子区域的第一平均亮度和全局平均亮度的差值是否大于预设阈值,将大于预设阈值的目标子区域的亮度按照上述差值进行降低,将小于预设阈值的目标子区域的亮度降低最小单位值,由此,保留了较亮部分的亮度信息,亮部和暗部的对比很明显。
需要强调的是,本发明实施例的初始图像可以为灰度图像,也可以为RGB彩色图像。当初始图像为RGB格式的彩色图像时,如图4所示,上述步骤102包括:
步骤301,将初始图像转换为LAB格式。
具体地,由于LAB格式的图像中,L通道对应于亮度分量,AB通道对应于色彩分量,由此,我们可以将基于L通道对亮度进行单独处理。
步骤302,根据预设的划分策略将LAB格式的初始图像划分为多个子区域。
步骤303,根据每个子区域在L通道的亮度分量计算第一平均亮度。
具体地,由于初始图像的亮度都在L通道的亮度分量体现,因而,可基于每个子区域在L通道的亮度分量计算第一平均亮度。
进一步地,根据第一平均亮度和全局平均亮度的差值,降低LAB格式的初始图像中目标子区域在L通道的亮度分量,将降低亮度分量的初始图像转换为RGB格式得到目标图像。实现了对彩色图像的亮度均衡处理。
综上,本发明实施例的路面物体识别方法,采集当前路面的初始图像,根据预设策略将初始图像划分为多个子区域,并计算多个子区域中每个子区域的第一平均亮度,确定第一平均亮度大于预设的全局平均亮度的目标子区域,进而,根据第一平均亮度和全局平均亮度的差值,降低目标子区域的亮度生成当前路面的目标图像,以根据目标图像识别路面物体。由此,一方面,可基于LAB彩色空间进行亮度的处理,处理后将图片转换到RGB彩色空间,实现了基于彩色图像的图像亮度均衡处理。另一方面,为了避免亮度的波动,设置相对固定的全局平均亮度对图像进行亮度均衡处理,稳定了亮度均衡处理结果。又一方面,在亮度均衡处理时,使得暗部部分仍旧维持在较暗的状态,保留了图像的对比度。
为了实现上述实施例,本发明还提出了一种路面物体识别装置。
图5是根据本发明一个实施例的路面物体识别装置的结构示意图,如图5所示,该装置包括:采集模块10、划分模块20、第一计算模块30、确定模块40和亮度处理模块50,其中,
采集模块10,用于采集当前路面的初始图像。
划分模块20,用于根据预设策略将初始图像划分为多个子区域。
第一计算模块30,用于计算多个子区域中每个子区域的第一平均亮度。
确定模块40,用于确定第一平均亮度大于预设的全局平均亮度的目标子区域。
亮度处理模块50,用于根据第一平均亮度和全局平均亮度的差值,降低目标子区域的亮度生成当前路面的目标图像,以识别路面物体。
在本发明的一个实施例中,如图6所示,在如图5所示的基础上,该装置还包括:获取模块60、第二计算模块70和第三计算模块80,其中,
获取模块60,用于获取包含当前路面的多帧参考图像。
第二计算模块70,用于计算多帧参考图像中每帧参考图像的第二平均亮度。
第三计算模块80,用于计算所有参考图像的第二平均亮度的均值得到全局平均亮度。
在本发明的一个实施例中,如图7所示,在如图5所示的基础上,确定模块40包括:构建单元41、第一计算单元42和确定单元43,其中,
构建单元41,用于根据每个子区域的第一平均亮度,构建与初始图像对应的亮度矩阵。
第一计算单元42,用于计算亮度矩阵中每个矩阵单元值与全部平局亮度的差值,得到第一亮度差矩阵。
确定单元43,用于将第一亮度差矩阵中矩阵单元值为正的矩阵单元确定为目标子区域。
在本发明的一个实施例中,如图8所示,在如图7所示的基础上,亮度处理模块50包括:设置单元51、获取单元52和第二计算单元53,其中,
设置单元51,用于将第一亮度差矩阵中非目标子区域的矩阵单元值设置为零后得到第二亮度差矩阵。
获取单元52,用于根据预设插值算法对第二亮度差矩阵进行尺寸扩展,获取与初始图像的尺寸一致的第三亮度差矩阵。
第二计算单元53,用于根据初始图像中每个像素单元的亮度,计算待处理路面图像和第三亮度差矩阵的差值得到目标图像。
在本发明的一个实施例中,如图9所示,在如图5所示的基础上,初始图像是RGB彩色图像时,第一计算模块30包括:转换单元31、划分单元32、第三计算单元33,其中,
转换单元31,用于将初始图像转换为LAB格式。
划分单元32,用于根据预设的划分策略将LAB格式的初始图像划分为多个子区域。
第三计算单元33,用于根据每个子区域在L通道的亮度分量计算第一平均亮度。
需要说明的是,前述对路面物体识别方法实施例的解释说明,也适用于本发明实施例的路面物体识别装置,其实现原理类似,在此不再赘述。
综上,本发明实施例的路面物体识别装置,采集当前路面的初始图像,根据预设策略将初始图像划分为多个子区域,并计算多个子区域中每个子区域的第一平均亮度,确定第一平均亮度大于预设的全局平均亮度的目标子区域,进而,根据第一平均亮度和全局平均亮度的差值,降低目标子区域的亮度生成当前路面的目标图像,以根据目标图像识别路面物体。由此,一方面,可基于LAB彩色空间进行亮度的处理,处理后将图片转换到RGB彩色空间,实现了基于彩色图像的图像亮度均衡处理。另一方面,为了避免亮度的波动,设置相对固定的全局平均亮度对图像进行亮度均衡处理,稳定了亮度均衡处理结果。又一方面,在亮度均衡处理时,使得暗部部分仍旧维持在较暗的状态,保留了图像的对比度。
为了实现上述实施例,本发明还提出一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时,实现如前述实施例所描述的路面物体识别方法。
为了实现上述实施例,本发明还提出一种非临时性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前述方法实施例所描述的路面物体识别方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (13)
1.一种路面物体识别方法,其特征在于,包括以下步骤:
采集当前路面的初始图像,根据预设策略将所述初始图像划分为多个子区域,并计算所述多个子区域中每个子区域的第一平均亮度;
确定所述第一平均亮度大于预设的全局平均亮度的目标子区域;
根据所述第一平均亮度和所述全局平均亮度的差值,降低所述目标子区域的亮度生成所述当前路面的目标图像,以识别路面物体。
2.如权利要求1所述的方法,其特征在于,在所述确定所述第一平均亮度大于预设的全局平均亮度的目标子区域之前,还包括:
获取包含所述当前路面的多帧参考图像;
计算所述多帧参考图像中每帧参考图像的第二平均亮度;
计算所有参考图像的第二平均亮度的均值得到所述全局平均亮度。
3.如权利要求1所述的方法,其特征在于,所述确定所述第一平均亮度大于预设的全局平均亮度的目标子区域,包括:
根据所述每个子区域的第一平均亮度,构建与所述初始图像对应的亮度矩阵;
计算所述亮度矩阵中每个矩阵单元值与所述全部平局亮度的差值,得到第一亮度差矩阵;
将所述第一亮度差矩阵中矩阵单元值为正的矩阵单元确定为所述目标子区域。
4.如权利要求3所述的方法,其特征在于,所述根据所述第一平均亮度和所述全局平均亮度的差值,降低所述目标子区域的亮度生成所述当前路面的目标图像,包括:
将所述第一亮度差矩阵中非所述目标子区域的矩阵单元值设置为零后得到第二亮度差矩阵;
根据预设插值算法对所述第二亮度差矩阵进行尺寸扩展,获取与所述初始图像的尺寸一致的第三亮度差矩阵;
根据所述初始图像中每个像素单元的亮度,计算所述待处理路面图像和所述第三亮度差矩阵的差值得到所述目标图像。
5.如权利要求1所述的方法,其特征在于,当所述初始图像是RGB彩色图像时,所述根据预设策略将所述初始图像划分为多个子区域,并计算所述多个子区域中每个子区域的第一平均亮度,包括:
将所述初始图像转换为LAB格式;
根据所述预设的划分策略将所述LAB格式的初始图像划分为所述多个子区域;
根据所述每个子区域在L通道的亮度分量计算所述第一平均亮度。
6.如权利要求5所述的方法,其特征在于,所述根据所述第一平均亮度和所述全局平均亮度的差值,降低所述目标子区域的亮度生成所述当前路面的目标图像,包括:
根据所述第一平均亮度和所述全局平均亮度的差值,降低所述LAB格式的初始图像中所述目标子区域在L通道的亮度分量;
将降低所述亮度分量的所述初始图像转换为RGB格式得到所述目标图像。
7.一种路面物体识别装置,其特征在于,包括:
采集模块,用于采集当前路面的初始图像;
划分模块,用于根据预设策略将所述初始图像划分为多个子区域;
第一计算模块,用于计算所述多个子区域中每个子区域的第一平均亮度;
确定模块,用于确定所述第一平均亮度大于预设的全局平均亮度的目标子区域;
亮度处理模块,用于根据所述第一平均亮度和所述全局平均亮度的差值,降低所述目标子区域的亮度生成所述当前路面的目标图像,以识别路面物体。
8.如权利要求7所述的装置,其特征在于,还包括:
获取模块,用于获取包含所述当前路面的多帧参考图像;
第二计算模块,用于计算所述多帧参考图像中每帧参考图像的第二平均亮度;
第三计算模块,用于计算所有参考图像的第二平均亮度的均值得到所述全局平均亮度。
9.如权利要求7所述的装置,其特征在于,所述确定模块,包括:
构建单元,用于根据所述每个子区域的第一平均亮度,构建与所述初始图像对应的亮度矩阵;
第一计算单元,用于计算所述亮度矩阵中每个矩阵单元值与所述全部平局亮度的差值,得到第一亮度差矩阵;
确定单元,用于将所述第一亮度差矩阵中矩阵单元值为正的矩阵单元确定为所述目标子区域。
10.如权利要求9所述的装置,其特征在于,所述亮度处理模块,包括:
设置单元,用于将所述第一亮度差矩阵中非所述目标子区域的矩阵单元值设置为零后得到第二亮度差矩阵;
获取单元,用于根据预设插值算法对所述第二亮度差矩阵进行尺寸扩展,获取与所述初始图像的尺寸一致的第三亮度差矩阵;
第二计算单元,用于根据所述初始图像中每个像素单元的亮度,计算所述待处理路面图像和所述第三亮度差矩阵的差值得到所述目标图像。
11.如权利要求7所述的装置,其特征在于,当所述初始图像是RGB彩色图像时,所述第一计算模块,包括:
转换单元,用于将所述初始图像转换为LAB格式;
划分单元,用于根据所述预设的划分策略将所述LAB格式的初始图像划分为所述多个子区域;
第三计算单元,用于根据所述每个子区域在L通道的亮度分量计算所述第一平均亮度。
12.一种计算机设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1-6任一所述的路面物体识别方法。
13.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6任一所述的路面物体识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910277774.1A CN110070009A (zh) | 2019-04-08 | 2019-04-08 | 路面物体识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910277774.1A CN110070009A (zh) | 2019-04-08 | 2019-04-08 | 路面物体识别方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110070009A true CN110070009A (zh) | 2019-07-30 |
Family
ID=67367331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910277774.1A Pending CN110070009A (zh) | 2019-04-08 | 2019-04-08 | 路面物体识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110070009A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258493A (zh) * | 2020-10-30 | 2021-01-22 | 上海交通大学 | 快速识别定位衬底上二维材料的方法、系统、设备及介质 |
CN112562304A (zh) * | 2020-11-26 | 2021-03-26 | 英博超算(南京)科技有限公司 | 一种应用层与传感器数据的交互系统 |
CN114241426A (zh) * | 2022-02-23 | 2022-03-25 | 北京奥康达体育产业股份有限公司 | 一种室外智能健身房管理系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004260835A (ja) * | 1999-09-27 | 2004-09-16 | Seiko Epson Corp | 画像処理装置、画像処理方法、画像処理制御プログラムを記録した媒体 |
CN101814179A (zh) * | 2009-02-19 | 2010-08-25 | 富士通株式会社 | 图像增强方法和设备 |
CN103874615A (zh) * | 2011-10-06 | 2014-06-18 | Lg伊诺特有限公司 | 用于测量路面平整度的装置和方法 |
CN103945214A (zh) * | 2013-01-23 | 2014-07-23 | 中兴通讯股份有限公司 | 终端侧时间域视频质量评价方法及装置 |
CN103973991A (zh) * | 2014-05-12 | 2014-08-06 | 华中科技大学 | 一种基于b-p神经网络判断照明场景的自动曝光方法 |
CN105069818A (zh) * | 2015-09-02 | 2015-11-18 | 泰山学院 | 一种基于图像分析的皮肤毛孔识别方法 |
CN105635602A (zh) * | 2015-12-31 | 2016-06-01 | 天津大学 | 一种采用两路视频间亮度和色偏对视频拼接的系统及其调整方法 |
CN105931614A (zh) * | 2016-06-28 | 2016-09-07 | 广东欧珀移动通信有限公司 | 控制方法、控制装置及电子装置 |
CN105957499A (zh) * | 2016-06-28 | 2016-09-21 | 广东欧珀移动通信有限公司 | 控制方法、控制装置及电子装置 |
CN106126068A (zh) * | 2016-06-28 | 2016-11-16 | 广东欧珀移动通信有限公司 | 控制方法、控制装置及电子装置 |
US20160345400A1 (en) * | 2013-09-11 | 2016-11-24 | Vivotek Inc. | Light compensating system and method thereof |
US20170061595A1 (en) * | 2015-08-26 | 2017-03-02 | Canon Kabushiki Kaisha | Image-processing apparatus and image-processing method |
CN107438163A (zh) * | 2017-07-31 | 2017-12-05 | 努比亚技术有限公司 | 一种拍照方法、终端及计算机可读存储介质 |
CN107507142A (zh) * | 2017-08-11 | 2017-12-22 | 江苏航天大为科技股份有限公司 | 信号灯图像处理方法 |
CN107798293A (zh) * | 2017-09-20 | 2018-03-13 | 罗明帅 | 一种道路裂缝检测装置 |
-
2019
- 2019-04-08 CN CN201910277774.1A patent/CN110070009A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004260835A (ja) * | 1999-09-27 | 2004-09-16 | Seiko Epson Corp | 画像処理装置、画像処理方法、画像処理制御プログラムを記録した媒体 |
CN101814179A (zh) * | 2009-02-19 | 2010-08-25 | 富士通株式会社 | 图像增强方法和设备 |
CN103874615A (zh) * | 2011-10-06 | 2014-06-18 | Lg伊诺特有限公司 | 用于测量路面平整度的装置和方法 |
CN103945214A (zh) * | 2013-01-23 | 2014-07-23 | 中兴通讯股份有限公司 | 终端侧时间域视频质量评价方法及装置 |
US20160345400A1 (en) * | 2013-09-11 | 2016-11-24 | Vivotek Inc. | Light compensating system and method thereof |
CN103973991A (zh) * | 2014-05-12 | 2014-08-06 | 华中科技大学 | 一种基于b-p神经网络判断照明场景的自动曝光方法 |
US20170061595A1 (en) * | 2015-08-26 | 2017-03-02 | Canon Kabushiki Kaisha | Image-processing apparatus and image-processing method |
CN105069818A (zh) * | 2015-09-02 | 2015-11-18 | 泰山学院 | 一种基于图像分析的皮肤毛孔识别方法 |
CN105635602A (zh) * | 2015-12-31 | 2016-06-01 | 天津大学 | 一种采用两路视频间亮度和色偏对视频拼接的系统及其调整方法 |
CN106126068A (zh) * | 2016-06-28 | 2016-11-16 | 广东欧珀移动通信有限公司 | 控制方法、控制装置及电子装置 |
CN105957499A (zh) * | 2016-06-28 | 2016-09-21 | 广东欧珀移动通信有限公司 | 控制方法、控制装置及电子装置 |
CN105931614A (zh) * | 2016-06-28 | 2016-09-07 | 广东欧珀移动通信有限公司 | 控制方法、控制装置及电子装置 |
CN107438163A (zh) * | 2017-07-31 | 2017-12-05 | 努比亚技术有限公司 | 一种拍照方法、终端及计算机可读存储介质 |
CN107507142A (zh) * | 2017-08-11 | 2017-12-22 | 江苏航天大为科技股份有限公司 | 信号灯图像处理方法 |
CN107798293A (zh) * | 2017-09-20 | 2018-03-13 | 罗明帅 | 一种道路裂缝检测装置 |
Non-Patent Citations (3)
Title |
---|
GYU-HEE PARK 等: "A contrast enhancement method using dynamic range separate histogram equalization", 《IEEE TRANSACTIONS ON CONSUMER ELECTRONICS (VOLUME:54, ISSUE:4, NOVEMBER 2008)》 * |
章新友: "《医学成像及处理技术》", 31 July 2011, 中国铁道出版社 * |
谢伟 等: "结合引导滤波的自适应多曝光图像融合", 《计算机工程与应用》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258493A (zh) * | 2020-10-30 | 2021-01-22 | 上海交通大学 | 快速识别定位衬底上二维材料的方法、系统、设备及介质 |
CN112258493B (zh) * | 2020-10-30 | 2022-10-14 | 上海交通大学 | 快速识别定位衬底上二维材料的方法、系统、设备及介质 |
CN112562304A (zh) * | 2020-11-26 | 2021-03-26 | 英博超算(南京)科技有限公司 | 一种应用层与传感器数据的交互系统 |
CN112562304B (zh) * | 2020-11-26 | 2022-02-18 | 英博超算(南京)科技有限公司 | 一种应用层与传感器数据的交互系统 |
CN114241426A (zh) * | 2022-02-23 | 2022-03-25 | 北京奥康达体育产业股份有限公司 | 一种室外智能健身房管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106851121B (zh) | 控制方法及控制装置 | |
CN110070009A (zh) | 路面物体识别方法和装置 | |
CN107635123B (zh) | 白平衡处理方法及装置、电子装置和计算机可读存储介质 | |
ES2727862T3 (es) | Dispositivo de procesamiento de imágenes y método de procesamiento de imágenes | |
CN103530847B (zh) | 一种红外图像增强方法 | |
US8644605B2 (en) | Mapping colors of an image | |
CN105493141B (zh) | 非结构化道路边界检测 | |
CN107277356A (zh) | 逆光场景的人脸区域处理方法和装置 | |
CN105338262A (zh) | 一种热成像图像处理方法及装置 | |
CN110049320A (zh) | 摄像头遮挡检测方法、装置、电子设备及存储介质 | |
CN105828065B (zh) | 一种视频画面过曝检测方法及装置 | |
CN103646392B (zh) | 逆光检测方法及设备 | |
US20100172575A1 (en) | Method Of Detecting Red-Eye Objects In Digital Images Using Color, Structural, And Geometric Characteristics | |
CN108024057B (zh) | 背景虚化处理方法、装置及设备 | |
CN107609555A (zh) | 车牌检测方法、应用其的车型识别方法及相关装置 | |
CN107005680B (zh) | 一种感兴趣区域切换方法及装置 | |
CN109948504A (zh) | 一种车道线识别方法及装置 | |
CN110473152A (zh) | 基于改进Retinex算法的图像增强方法 | |
CN110231018A (zh) | 一种结构光测距方法、装置及计算机可读存储介质 | |
CN107454315A (zh) | 逆光场景的人脸区域处理方法和装置 | |
CN110070080A (zh) | 一种文字检测方法及装置、设备和计算机可读存储介质 | |
CN103208107A (zh) | 终端、图像的修复方法和装置 | |
CN116363140A (zh) | 一种中硼硅玻璃缺陷的检测方法、系统、装置及存储介质 | |
CN105788353A (zh) | 一种停车位检测方法和系统 | |
JPWO2020129522A1 (ja) | 画像処理装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190730 |
|
RJ01 | Rejection of invention patent application after publication |