CN111754467A - 基于霍夫变换的车位检测方法、装置、计算机设备及存储介质 - Google Patents
基于霍夫变换的车位检测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111754467A CN111754467A CN202010522196.6A CN202010522196A CN111754467A CN 111754467 A CN111754467 A CN 111754467A CN 202010522196 A CN202010522196 A CN 202010522196A CN 111754467 A CN111754467 A CN 111754467A
- Authority
- CN
- China
- Prior art keywords
- hough transform
- parking space
- straight line
- image
- point
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 238000003708 edge detection Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000009466 transformation Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 230000001131 transforming effect Effects 0.000 claims description 8
- 238000009616 inductively coupled plasma Methods 0.000 claims 4
- 238000000034 method Methods 0.000 abstract description 11
- 238000012545 processing Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw 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
- G06T7/13—Edge detection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于霍夫变换的车位检测方法、装置、计算机设备及存储介质，方法包括以下步骤：获取车位的当前多帧图像；根据多帧图像做边缘检测，获取二值图像；将二值图像中的灰度像素点进行霍夫变换得到共同穿过的直线；计算所有直线的斜率；根据直线的斜率，提取相互垂直的直线，相互垂直的直线即为车位线。与现有技术相比，本发明的实施例提供了一种基于霍夫变换的车位检测方法、装置、计算机设备及存储介质，其通过摄像机获取的车位当前的多帧图像，然后根据图像进行图像处理，以获得车位线的目的，该检测方法不依赖障碍物，降低了检测硬件成本，提高了检测精度，避免了超声波检测的局限性。
Description
技术领域
本发明涉及车位检测技术领域，尤其涉及一种基于霍夫变换的车位检测方法、装置、计算机设备及存储介质。
背景技术
传统的超声波车位检测方法，只依赖于旁边是否存在障碍物，如果不存在障碍物，超声波的车位检测方法不能良好的执行。
发明内容
本发明的实施例提供了一种基于霍夫变换的车位检测方法、装置、计算机设备及存储介质，旨在解决现有超声波车位检测依赖障碍物的问题。
为达到上述目的，本发明所提出的技术方案为：
第一方面，本发明提供了一种基于霍夫变换的车位检测方法，其包括以下步骤：
获取车位的当前多帧图像；
根据多帧图像做边缘检测，获取二值图像；
将二值图像中的灰度像素点进行霍夫变换得到共同穿过的直线；
计算所有直线的斜率；
根据直线的斜率，提取相互垂直的直线，相互垂直的直线即为车位线。
其中，所述步骤“根据多帧图像做边缘检测，获取二值图像”中边缘检测包括以下步骤：
计算边缘强度；
采用梯度方向估计边缘的局部方向；
根据局部方向获取局部梯度模的最大值。
其中，所述所述步骤“将二值图像中的灰度像素点进行霍夫变换得到共同穿过的直线”包括以下步骤：
获取二值图像中灰度区域的所有点在x-y坐标系中的坐标记为点(xi,yi)，则通过点(xi,yi)的直线记为yi＝axi+b,a为斜率，b为截距；
将点(xi,yi)变换成在a-b坐标系中的点记为(xj,yj),则直线b＝-xj+yj,则直线yi＝axi+b与直线b＝-xj+yj相交于一点(ak,bk)；
将所有相交的点(ak,bk)连接起来，即为霍夫变换后的直线。
其中，所述步骤“根据多帧图像做边缘检测，获取二值图像”与步骤“将二值图像中的灰度像素点进行霍夫变换得到共同穿过的直线”之间还包括对获得的二值图像进行ICP计算，以将所有二值图像统一到统一坐标系中的步骤。
第二方面，本发明提供了一种基于霍夫变换的车位检测装置，其包括：
图像获取单元，用于获取车位的当前多帧图像；
二值图像计算单元，用于根据多帧图像做边缘检测，获取二值图像；
霍夫变换单元，将二值图像中的灰度像素点进行霍夫变换得到共同穿过的所有直线；
斜率计算单元，用于计算所有直线的斜率；
车位线获取单元，用于根据直线的斜率，提取相互垂直的直线，相互垂直的直线即为车位线。
其中，所述二值图像计算单元包括：
边缘强度计算单元，用于计算边缘强度；
局部方向估计单元，用于采用梯度方向估计边缘的局部方向；
梯度模最大值获取单元，用于根据局部方向获取局部梯度模的最大值。
其中，所述霍夫变换单元包括：
直线获取单元，用于获取二值图像中灰度区域的所有点在x-y坐标系中的坐标记为点(xi,yi)，则通过点(xi,yi)的直线记为yi＝axi+b,a为斜率，b为截距；
坐标系变换单元，用于将点(xi,yi)变换成在a-b坐标系中的点记为(xj,yj),则直线b＝-xj+yj,则直线yi＝axi+b与直线b＝-xj+yj相交于一点(ak,bk)；
霍夫变换直线获取单元，用于将所有相交的点(ak,bk)连接起来，即为霍夫变换后的直线。
其中，还包括：
ICP计算单元，用于对获得的二值图像进行ICP计算，以将所有二值图像统一到统一坐标系中。
第三方面，本发明提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如上任一项所述基于霍夫变换的车位检测方法。
第四方面，本发明提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现如上任一项所述基于霍夫变换的车位检测方法。
与现有技术相比，本发明的实施例提供了一种基于霍夫变换的车位检测方法、装置、计算机设备及存储介质，其通过摄像机获取的车位当前的多帧图像，然后根据图像进行图像处理，以获得车位线的目的，该检测方法不依赖障碍物，降低了检测硬件成本，提高了检测精度，避免了超声波检测的局限性。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于霍夫变换的车位检测方法的主流程图；
图2为本发明实施例提供的基于霍夫变换的车位检测方法的子流程图；
图3为本发明实施例提供的基于霍夫变换的车位检测方法的子流程图；
图4为本发明实施例提供的基于基于霍夫变换的车位检测装置的示意性简图；以及
图5为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅附图1，附图1为本发明的一种基于霍夫变换的车位检测算法的流程图，该基于霍夫变换的车位检测方法，其包括以下步骤：
步骤S100、获取车位的当前多帧图像；通过高清摄像头拍摄当前车位的图像，车位的图像是指地面上画有车位线的图片，图片上的每一像素都代表一定的图像信息。
步骤S200、根据多帧图像做边缘检测，获取二值图像；将步骤S100中获取的图片在计算机中进行边缘检测，并最终获得二值图像。二值图像是针对图像中的像素点的特征变化而进行分类的分析方法，通常是采用黑白方式进行分类，例如车位线与地面具有明显的区别像素特征值，因此可以将车位线在图像中提取出来。
请参阅图2，图2为本发明实施例的基于霍夫变换的车位检测方法的子流程图，其中，所述步骤“S200、根据多帧图像做边缘检测，获取二值图像”中边缘检测包括以下步骤：
步骤S201、计算边缘强度；
步骤S202、采用梯度方向估计边缘的局部方向；
步骤S203、根据局部方向获取局部梯度模的最大值。
边缘检测是属于图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括深度上的不连续、表面方向不连续物质属性变化和场景照明变化。
有许多用于边缘检测的方法,他们大致可分为两类:基于搜索和基于零交叉。
基于搜索的边缘检测方法首先计算边缘强度，通常用一阶导数表示，例如梯度模，然后，用计算估计边缘的局部方向，通常采用梯度的方向，并利用此方向找到局部梯度模的最大值。
基于零交叉的方法找到由图像得到的二阶导数的零交叉点来定位边缘。通常用拉普拉斯算子或非线性微分方程的零交叉点。
滤波做为边缘检测的预处理通常是必要的，通常采用高斯滤波。
步骤S400、将二值图像中的灰度像素点进行霍夫变换得到共同穿过的直线；其中灰度像素是指二值图像中黑色部分的像素点，其是车位线棱廓的主要像素集中区域。
请再次参阅图3，其中，所述所述步骤S400“将二值图像中的灰度像素点进行霍夫变换得到共同穿过的直线”包括以下步骤：
步骤S401、获取二值图像中灰度区域的所有点在x-y坐标系中的坐标记为点(xi,yi)，则通过点(xi,yi)的直线记为yi＝axi+b,a为斜率，b为截距；
步骤S402、将点(xi,yi)变换成在a-b坐标系中的点记为(xj,yj),则直线b＝-xj+yj,则直线yi＝axi+b与直线b＝-xj+yj相交于一点(ak,bk)；
步骤S403、将所有相交的点(ak,bk)连接起来，即为霍夫变换后的直线。
以下以具体应用来阐述霍夫变换获取直线的过程：
霍夫变换，英文名称Hough Transform，作用是用来检测图像中的直线或者圆等几何图形的。
一条直线的表示方法有好多种，最常见的是y＝mx+b的形式。假设有一幅图像，经过滤波，边缘检测等操作，变成了下面这张图的形状，怎么把这张图片中的直线提取出来。基本的思考流程是：如果直线y＝mx+b在图片中，那么图片中，必需有N多点在直线上(像素点代入表达式成立)，只要有这条直线上的两个点，就能确定这条直线。该问题可以转换为：求解所有的(m,b)组合。
设置两个坐标系，左边的坐标系表示的是(x,y)值，右边的坐标系表达的是(m,b)的值，即直线的参数值。那么一个(x,y)点在右边对应的就是是一条线，左边坐标系的一条直线就是右边坐标系中的一个点。这样，右边左边系中的交点表示有多个点经过(m,b)确定的直线。但是，该方法存在一个问题(m,b)的取值范围太大。
步骤S500、计算所有直线的斜率；经过霍夫变换后就能够得到所有二值化后可以共线的直线，当然，为了提高准确性，需要提取尽可能多的像素点共线的直线，共线点越多的直线越接近真实车位线。
步骤S600、根据直线的斜率，提取相互垂直的直线，相互垂直的直线即为车位线。由于车位线为矩形框，因此通过计算已经获得的霍夫变换直线的斜率，可以将相互垂直的直线筛选出来，而这些相互垂直的直线束就可以较为准确的标定车位线。
其中，所述步骤S200“根据多帧图像做边缘检测，获取二值图像”与步骤S400“将二值图像中的灰度像素点进行霍夫变换得到共同穿过的直线”之间还包括对获得的二值图像进行ICP(Iterative Closest Point迭代最近点)计算，以将所有二值图像统一到同一坐标系中的步骤S300。也即需要将车位的多个角度的帧图像拟合至同一个坐标系中，多角度帧图像拟合可以降低因角度问题导致图像变换至坐标系不准确的问题。
请再次参阅图4，图4为本发明的基于霍夫变换的车位检测装置示意性框图，该基于霍夫变换的车位检测装置100包括：
图像获取单元101，用于获取车位的当前多帧图像；
二值图像计算单元102，用于根据多帧图像做边缘检测，获取二值图像；
其中，所述二值图像计算单元102包括：
边缘强度计算单元1021，用于计算边缘强度；
局部方向估计单元1022，用于采用梯度方向估计边缘的局部方向；
梯度模最大值获取单元1023，用于根据局部方向获取局部梯度模的最大值。
霍夫变换单元104，将二值图像中的灰度像素点进行霍夫变换得到共同穿过的所有直线；
其中，所述霍夫变换单元104包括：
直线获取单元1041，用于获取二值图像中灰度区域的所有点在x-y坐标系中的坐标记为点(xi,yi)，则通过点(xi,yi)的直线记为yi＝axi+b,a为斜率，b为截距；
坐标系变换单元1042，用于将点(xi,yi)变换成在a-b坐标系中的点记为(xj,yj),则直线b＝-xj+yj,则直线yi＝axi+b与直线b＝-xj+yj相交于一点(ak,bk)；
霍夫变换直线获取单元1043，用于将所有相交的点(ak,bk)连接起来，即为霍夫变换后的直线。
斜率计算单元105，用于计算所有直线的斜率；
车位线获取单元106，用于根据直线的斜率，提取相互垂直的直线，相互垂直的直线即为车位线。
其中，基于霍夫变换的车位检测装置100还包括：
ICP计算单元103，用于对获得的二值图像进行ICP计算，以将所有二值图像统一到统一坐标系中。
请参阅图5，本实施例还提供了一种计算机设备，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令，该程序指令被执行时，可使得处理器502执行一种基于霍夫变换的车位检测。
该处理器502用于提供计算和控制能力，以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行以下步骤：
步骤S100、获取车位的当前多帧图像；通过高清摄像头拍摄当前车位的图像；
步骤S200、根据多帧图像做边缘检测，获取二值图像；
请参阅图2，图2为本发明实施例的基于霍夫变换的车位检测方法的子流程图，其中，所述步骤“S200、根据多帧图像做边缘检测，获取二值图像”中边缘检测包括以下步骤：
步骤S201、计算边缘强度；
步骤S202、采用梯度方向估计边缘的局部方向；
步骤S203、根据局部方向获取局部梯度模的最大值。
步骤S400、将二值图像中的灰度像素点进行霍夫变换得到共同穿过的直线；
请再次参阅图3，其中，所述所述步骤S400“将二值图像中的灰度像素点进行霍夫变换得到共同穿过的直线”包括以下步骤：
步骤S401、获取二值图像中灰度区域的所有点在x-y坐标系中的坐标记为点(xi,yi)，则通过点(xi,yi)的直线记为yi＝axi+b,a为斜率，b为截距；
步骤S402、将点(xi,yi)变换成在a-b坐标系中的点记为(xj,yj),则直线b＝-xj+yj,则直线yi＝axi+b与直线b＝-xj+yj相交于一点(ak,bk)；
步骤S403、将所有相交的点(ak,bk)连接起来，即为霍夫变换后的直线。
步骤S500、计算所有直线的斜率；经过霍夫变换后就能够得到所有二值化后可以共线的直线，当然，为了提高准确性，需要提取尽可能多的像素点共线的直线，共线点越多的直线越接近真实车位线。
步骤S600、根据直线的斜率，提取相互垂直的直线，相互垂直的直线即为车位线。由于车位线为矩形框，因此通过计算已经获得的霍夫变换直线的斜率，可以将相互垂直的直线筛选出来，而这些相互垂直的直线束就可以较为准确的标定车位线。
其中，所述步骤S200“根据多帧图像做边缘检测，获取二值图像”与步骤S400“将二值图像中的灰度像素点进行霍夫变换得到共同穿过的直线”之间还包括对获得的二值图像进行ICP(Iterative Closest Point迭代最近点)计算，以将所有二值图像统一到统一坐标系中的步骤S300。也即需要将车位的多个角度的帧图像拟合至同一个坐标系中，多角度帧图像拟合可以降低因角度问题导致图像变换至坐标系不准确的问题。
本发明还提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现如下基于霍夫变换的车位检测：步骤S100、获取车位的当前多帧图像；通过高清摄像头拍摄当前车位的图像；步骤S200、根据多帧图像做边缘检测，获取二值图像；步骤S300、对获得的二值图像进行ICP(IterativeClosest Point迭代最近点)计算，以将所有二值图像统一到统一坐标系中；步骤S400、将二值图像中的灰度像素点进行霍夫变换得到共同穿过的直线；步骤S500、计算所有直线的斜率；经过霍夫变换后就能够得到所有二值化后可以共线的直线；步骤S600、根据直线的斜率，提取相互垂直的直线，相互垂直的直线即为车位线。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
与现有技术相比，本发明的实施例提供了一种基于霍夫变换的车位检测方法、装置、计算机设备及存储介质，其通过摄像机获取的车位当前的多帧图像，然后根据图像进行图像处理，以获得车位线的目的，该检测方法不依赖障碍物，降低了检测硬件成本，提高了检测精度，避免了超声波检测的局限性。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，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单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，终端，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
上述内容，仅为本发明的较佳实施例，并非用于限制本发明的实施方案，本领域普通技术人员根据本发明的主要构思和精神，可以十分方便地进行相应的变通或修改，故本发明的保护范围应以权利要求书所要求的保护范围为准。
Claims (10)
1.一种基于霍夫变换的车位检测方法，其特征在于，包括以下步骤：
获取车位的当前多帧图像；
根据多帧图像做边缘检测，获取二值图像；
将二值图像中的灰度像素点进行霍夫变换得到共同穿过的直线；
计算所有直线的斜率；
根据直线的斜率，提取相互垂直的直线，以获得车位线。
2.根据权利要求1所述的基于霍夫变换的车位检测方法，其特征在于，所述步骤“根据多帧图像做边缘检测，获取二值图像”中边缘检测包括以下步骤：
计算边缘强度；
采用梯度方向估计边缘的局部方向；
根据局部方向获取局部梯度模的最大值。
3.根据权利要求1所述的基于霍夫变换的车位检测方法，其特征在于，所述所述步骤“将二值图像中的灰度像素点进行霍夫变换得到共同穿过的直线”包括以下步骤：
获取二值图像中灰度区域的所有点在x-y坐标系中的坐标记为点(xi,yi)，则通过点(xi,yi)的直线记为yi＝axi+b,a为斜率，b为截距；
将点(xi,yi)变换成在a-b坐标系中的点记为(xj,yj),则直线b＝-xj+yj,则直线yi＝axi+b与直线b＝-xj+yj相交于一点(ak,bk)；
将所有相交的点(ak,bk)连接起来，即为霍夫变换后的直线。
4.根据权利要求1所述的基于霍夫变换的车位检测方法，其特征在于，所述步骤“根据多帧图像做边缘检测，获取二值图像”与步骤“将二值图像进行霍夫变换得到所有直线”之间还包括对获得的二值图像进行ICP计算，以将所有二值图像统一到同一坐标系中的步骤。
5.一种基于霍夫变换的车位检测装置，其特征在于，包括：
图像获取单元，用于获取车位的当前多帧图像；
二值图像计算单元，用于根据多帧图像做边缘检测，获取二值图像；
霍夫变换单元，将二值图像中的灰度像素点进行霍夫变换得到共同穿过的所有直线；
斜率计算单元，用于计算所有直线的斜率；
车位线获取单元，用于根据直线的斜率，提取相互垂直的直线，以获得车位线。
6.根据权利要求5所述的基于霍夫变换的车位检测装置，其特征在于，所述二值图像计算单元包括：
边缘强度计算单元，用于计算边缘强度；
局部方向估计单元，用于采用梯度方向估计边缘的局部方向；
梯度模最大值获取单元，用于根据局部方向获取局部梯度模的最大值。
7.根据权利要求5所述的基于霍夫变换的车位检测装置，其特征在于，所述霍夫变换单元包括：
直线获取单元，用于获取二值图像中灰度区域的所有点在x-y坐标系中的坐标记为点(xi,yi)，则通过点(xi,yi)的直线记为yi＝axi+b,a为斜率，b为截距；
坐标系变换单元，用于将点(xi,yi)变换成在a-b坐标系中的点记为(xj,yj),则直线b＝-xj+yj,则直线yi＝axi+b与直线b＝-xj+yj相交于一点(ak,bk)；
霍夫变换直线获取单元，用于将所有相交的点(ak,bk)连接起来，即为霍夫变换后的直线。
8.根据权利要求5所述的基于霍夫变换的车位检测装置，其特征在于，还包括：
ICP计算单元，用于对获得的二值图像进行ICP计算，以将所有二值图像统一到同一坐标系中。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-4中任一项所述基于霍夫变换的车位检测方法。
10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现如权利要求1-4中任一项所述基于霍夫变换的车位检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010522196.6A CN111754467A (zh) | 2020-06-10 | 2020-06-10 | 基于霍夫变换的车位检测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010522196.6A CN111754467A (zh) | 2020-06-10 | 2020-06-10 | 基于霍夫变换的车位检测方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111754467A true CN111754467A (zh) | 2020-10-09 |
Family
ID=72674653
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010522196.6A Pending CN111754467A (zh) | 2020-06-10 | 2020-06-10 | 基于霍夫变换的车位检测方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111754467A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112634650A (zh) * | 2020-12-18 | 2021-04-09 | 中标慧安信息技术股份有限公司 | 基于音视频监控的停车场管理方法和系统 |
| CN113792601A (zh) * | 2021-08-10 | 2021-12-14 | 武汉光庭信息技术股份有限公司 | 基于霍夫直线检测结果的车位线拟合方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015010451A1 (zh) * | 2013-07-22 | 2015-01-29 | 浙江大学 | 一种从单幅图像检测道路的方法 |
| CN109523540A (zh) * | 2018-11-23 | 2019-03-26 | 南京邮电大学 | 基于霍夫变换的纱线断头检测方法 |
| CN109948470A (zh) * | 2019-03-01 | 2019-06-28 | 武汉光庭科技有限公司 | 基于霍夫变换的停车线距离检测方法及系统 |
-
2020
- 2020-06-10 CN CN202010522196.6A patent/CN111754467A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015010451A1 (zh) * | 2013-07-22 | 2015-01-29 | 浙江大学 | 一种从单幅图像检测道路的方法 |
| CN109523540A (zh) * | 2018-11-23 | 2019-03-26 | 南京邮电大学 | 基于霍夫变换的纱线断头检测方法 |
| CN109948470A (zh) * | 2019-03-01 | 2019-06-28 | 武汉光庭科技有限公司 | 基于霍夫变换的停车线距离检测方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 卞秀蓉等: "数字图像处理技术与边缘检测分析", 《现代信息科技》, vol. 1, no. 4, pages 2 * |
| 闫怀鑫;王瑜;张娜;: "基于多尺度多分辨率局部边缘模式的边缘检测", 计算机工程与应用, no. 14 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112634650A (zh) * | 2020-12-18 | 2021-04-09 | 中标慧安信息技术股份有限公司 | 基于音视频监控的停车场管理方法和系统 |
| CN113792601A (zh) * | 2021-08-10 | 2021-12-14 | 武汉光庭信息技术股份有限公司 | 基于霍夫直线检测结果的车位线拟合方法及系统 |
| CN113792601B (zh) * | 2021-08-10 | 2024-01-12 | 武汉光庭信息技术股份有限公司 | 基于霍夫直线检测结果的车位线拟合方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108280450B (zh) | 一种基于车道线的高速公路路面检测方法 | |
| Kim et al. | Adaptive smoothness constraints for efficient stereo matching using texture and edge information | |
| CN110866871A (zh) | 文本图像矫正方法、装置、计算机设备及存储介质 | |
| CN109961506A (zh) | 一种融合改进Census图的局部场景三维重建方法 | |
| CN110473221B (zh) | 一种目标物体自动扫描系统及方法 | |
| Zhang et al. | Application of migration image registration algorithm based on improved SURF in remote sensing image mosaic | |
| Wang et al. | Noise-robust color edge detector using gradient matrix and anisotropic Gaussian directional derivative matrix | |
| CN111368717A (zh) | 视线确定方法、装置、电子设备和计算机可读存储介质 | |
| CN106960449A (zh) | 基于多特征约束的异源配准方法 | |
| CN111105452B (zh) | 基于双目视觉的高低分辨率融合立体匹配方法 | |
| Mousa et al. | Building detection and regularisation using DSM and imagery information | |
| CN109300139B (zh) | 车道线检测方法和装置 | |
| CN111754467A (zh) | 基于霍夫变换的车位检测方法、装置、计算机设备及存储介质 | |
| CN110458857B (zh) | 中心对称图元检测方法、装置、电子设备及可读存储介质 | |
| Sert | A new modified neutrosophic set segmentation approach | |
| CN111260564A (zh) | 一种图像处理方法和装置及计算机存储介质 | |
| CN115546027B (zh) | 图像缝合线确定方法、装置以及存储介质 | |
| CN113450335B (zh) | 一种路沿检测方法、路沿检测装置及路面施工车辆 | |
| CN111428538A (zh) | 一种车道线提取方法、装置和设备 | |
| CN114757824A (zh) | 图像拼接的方法、装置、设备以及存储介质 | |
| CN113435287A (zh) | 草地障碍物识别方法、装置、割草机器人及可读存储介质 | |
| CN112365600A (zh) | 一种三维物体检测方法 | |
| CN113554688A (zh) | 一种基于单目视觉的o型密封圈尺寸测量方法 | |
| JP3300092B2 (ja) | 画像特徴抽出装置 | |
| CN112669360A (zh) | 一种基于非封闭多维轮廓特征序列的多源图像配准方法 |
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 |