CN112183554A - 一种自动化道路边界轮廓提取方法 - Google Patents
一种自动化道路边界轮廓提取方法 Download PDFInfo
- Publication number
- CN112183554A CN112183554A CN202010902804.6A CN202010902804A CN112183554A CN 112183554 A CN112183554 A CN 112183554A CN 202010902804 A CN202010902804 A CN 202010902804A CN 112183554 A CN112183554 A CN 112183554A
- Authority
- CN
- China
- Prior art keywords
- road
- image
- contour
- channel
- hsv
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012805 post-processing Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012216 screening Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
- G06V10/44—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Abstract
本公开的实施例提供了一种自动化道路边界轮廓提取方法、系统、设备和计算机可读存储介质。所述方法包括获取待提取道路边界轮廓的图像；对所述待提取道路边界轮廓的图像进行预处理，得到HSV三通道图像；对所述HSV三通道图像进行道路像素提取，得到二值化图像；对所述二值化图像进行道路轮廓检测，得到道路轮廓数据；根据所述道路轮廓数据在所述待提取道路边界轮廓的图像上绘制道路轮廓。以此方式，可以实现快速、稳定、准确、高效率的道路轮廓线自动提取，无需人工干预，为道路路面养护管理提供数据支持和决策支撑。
Description
技术领域
本公开的实施例一般涉及道路提取技术领域，并且更具体地，涉及一种自动化道路边界轮廓提取方法、装置、设备和计算机可读存储介质。
背景技术
道路宽度是公路交通运输的一个重要指标，公路维护部门技术人员需要测量道路的宽度信息，为物流调度、公路养护决策提供支撑。目前的道路宽度自动测量系统主要采用基于固定拍摄角度的图像测量技术实现。
具体技术流程为：
(1)采用检测车搭载相机，以固定角度拍摄检测车前方的道路图像；
(2)从采集的图像中，确定待测道路的边界轮廓；
(3)利用相机的俯仰角等固有参数，计算画面中路面部分所对应的路面宽度。
在上述技术流程中，步骤(2)是最关键的一环。由于采集过程的时间与空间跨度大，拍摄到的海量图像数据通常具有光照与天气条件各异(晴天路面上存在树影与反光，雨天地面有积水，阴天画面整体对比度低等)、路面状况复杂(包含各种破损、坑槽、水渍等状况，且路面上有各种车辆与行人等物体，路面轨迹曲折形状多变，路侧设施坍塌影响到路面等)、道路背景复杂(包含草地、山体、树木、水体、路侧设施等各种不同背景特征)等特点。
目前已有的道路边界轮廓提取方法主要有以下三种：人工描绘、边缘检测算法、Hough变换方法。
但是，上述三种方法均不能实现快速、稳定、准确、高效率的道路轮廓线自动提取。例如，通过人工描绘进行道路边界轮廓提取，效率低下，耗时高，人力成本高；通过边缘检测算法进行道路边界轮廓提取，效果非常不稳定，不具备适应各种图像类型的能力；通过Hough变换方法进行道路边界轮廓提取，达不到检测效果。
因此，设计出一种适用图像类型广的自动化道路边界轮廓提取方法，对道路宽度自动测量系统至关重要。
发明内容
本公开旨在至少解决现有技术或相关技术中存在的技术问题之一。
为此，在本公开的第一方面，提供了一种自动化道路边界轮廓提取方法。该方法包括：
获取待提取道路边界轮廓的图像；
对所述待提取道路边界轮廓的图像进行预处理，得到HSV三通道图像；
对所述HSV三通道图像进行道路像素提取，得到二值化图像；
对所述二值化图像进行道路轮廓检测，得到道路轮廓数据；
根据所述道路轮廓数据在所述待提取道路边界轮廓的图像上绘制道路轮廓。
进一步地，所述对所述待提取道路边界轮廓的图像进行预处理，得到HSV三通道图像包括：
将所述待提取道路边界轮廓的图像由RGB色彩空间转换为HSV色彩空间；
将转换为HSV色彩空间的待提取道路边界轮廓的图像进行去噪处理，得到所述HSV三通道图像。
进一步地，所述对所述HSV三通道图像进行道路像素提取，得到二值化图像包括：
根据预设的道路基准位置信息，确定在所述HSV三通道图像中与所述道路基准位置对应的所有正确H通道数据；
对所述与所述道路基准位置对应的所有正确H通道数据进行分析，确定道路数据和非道路数据，对所述道路数据和非道路数据进行赋值，生成输出图像；
对所述输出图像进行处理，生成二值化图像。
进一步地，所述根据预设的道路基准位置信息，确定在所述HSV三通道图像中与所述道路基准位置对应的所有正确H通道数据包括：
根据预设的道路基准位置信息遍历所述HSV三通道图像中与所述道路基准位置对应的H通道全部数据，确定所述H通道全部数据出现的次数，并进行统计；
若所述通道数据出现的次数满足预设标准，则所述通道数据为正确H通道数据。
进一步地，所述预设标准通过预设的筛选比率和通道数据出现的次数进行设定。
进一步地，所述对所述输出图像进行后处理，生成二值化图像包括：
对所述输出图像进行均值滤波、灰度图转换、二值化和开闭操作处理，生成二值化图像。
进一步地，所述对所述二值化图像进行道路轮廓检测，得到道路轮廓数据包括：
对所述二值化图像进行道路轮廓检测，得到所述二值化图像内的所有闭合轮廓；
计算所述所有闭合轮廓的面积，选取面积最大的闭合轮廓；
绘制所述最大的闭合轮廓的凸轮廓，将所述凸轮廓作为道路轮廓。
在本公开的第二方面，提出了一种自动化道路边界轮廓提取系统，包括：
图像输入模块，用于获取待提取道路边界轮廓的图像；
图像预处理模块，用于对所述待提取道路边界轮廓的图像进行预处理，得到HSV三通道图像；
道路像素提取模块，用于对所述HSV三通道图像进行道路像素提取，得到二值化图像；
轮廓检测模块，用于对所述二值化图像进行道路轮廓检测，得到道路轮廓数据；
道路提取模块，用于根据所述道路轮廓数据在所述待提取道路边界轮廓的图像上绘制道路轮廓。
在本公开的第三方面，提出了一种设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如根据本公开的上述方法。
在本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如根据本公开的上述方法。
本申请实施例提供的一种自动化道路边界轮廓提取方法，通过获取待提取道路边界轮廓的图像；对所述待提取道路边界轮廓的图像进行预处理，得到HSV三通道图像；对所述HSV三通道图像进行道路像素提取，得到二值化图像；对所述二值化图像进行道路轮廓检测，得到道路轮廓数据；根据所述道路轮廓数据在所述待提取道路边界轮廓的图像上绘制道路轮廓。实现了快速、稳定、准确、高效率的道路轮廓线自动提取，同时能适应图像不清晰、有噪点等多种实际情况。
应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
图1是本申请的一个实施例可以应用于其中的示例性系统架构图；
图2是根据本申请的自动化道路边界轮廓提取方法的一个实施例的流程图；
图3是根据本申请的自动化道路边界轮廓提取方法的位置基准划分结构示意图
图4示出了根据本申请实施例的自动化道路边界轮廓提取的方框图；
图5是用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开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公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
图1示出了可以应用本申请的自动化道路边界轮廓提取方法或自动化道路边界轮廓提取系统的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如模型训练类应用、视频识别类应用、网页浏览器应用、社交平台软件等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
当终端101、102、103为硬件时，其上还可以安装有视频采集设备。视频采集设备可以是各种能实现采集视频功能的设备，如摄像头、传感器等等。用户可以利用终端101、102、103上的视频采集设备来采集视频。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的数据处理的后台服务器。后台服务器可以对接收到的数据进行分析等处理，并可以将处理结果反馈给终端设备。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。特别地，在目标数据不需要从远程获取的情况下，上述系统架构可以不包括网络，而只包括终端设备或服务器。
如图2所示，是本申请实施例一种自动化道路边界轮廓提取方法的流程图。从图2中可以看出，本实施例的自动化道路边界轮廓提取方法，包括以下步骤：
S210，获取待提取道路边界轮廓的图像。
在本实施例中，用于自动化道路边界轮廓提取方法的执行主体(例如图1所示的服务器)可以通过有线方式或者无线连接的方式获取待提取道路边界轮廓的图像。
进一步地，上述执行主体可以获取与之通信连接的电子设备(例如图1所示的终端设备)发送的待提取道路边界轮廓的图像，也可以是预先存储于本地的待提取道路边界轮廓的图像。
可选地，通过图像输入模块获取所述待提取道路边界轮廓的图像。该模块利用OpenCV的imread函数，以RGB通道方式读取所述待提取道路边界轮廓的图像。
可选地，所述待提取道路边界轮廓的图像为RBG三通道彩色图像。
可选地，在基准模块中标定所述待提取道路边界轮廓的图像的道路基准位置信息，同时记录该图像的高和宽(h，w)。
如图3所示，在该图像中正前方尺寸为(h/3,w/2)的区域为路面。即，选取该图像中正前方尺寸为(h/3,w/2)的区域作为道路基准位置。
所述待提取道路边界轮廓的图像的格式包括.jpeg、.png、.jpg等OpenCV可以读取的格式。
S220，对所述待提取道路边界轮廓的图像进行预处理，得到HSV三通道图像。
可选地，通过图像预处理模块对所述图像输入模块获取的待提取道路边界轮廓的图像进行预处理，利用OpenCV的cvtColor函数将所述待提取道路边界轮廓的图像的RGB色彩空间转换为HSV色彩空间，将转换为HSV色彩空间的待提取道路边界轮廓的图像进行中值滤波(去噪处理)，得到所述HSV三通道图像。
可选地，滤波器尺寸为(5，5)。
S230，对所述HSV三通道图像进行道路像素提取，得到二值化图像。
可选地，在道路像素分析模块中，对所述HSV三通道图像进行分析，获得道路部分的正取H通道数据。
具体地，根据所述基准模块存储的道路基准位置信息对所述HSV三通道图像进行分析，截取出道路基准位置对应的H通道全部数据。统计所述H通道全部数据出现的次数，并按照出现次数由大到小排序，计入字典h_dict＝{H1:count1,H2:count2,H3:count3,…}。其中，所述H1:count1表示表示H1像素在道路基准位置里出现了count1次；所述H2:count2表示表示H2像素在道路基准位置里出现了count2次；以此类推。
在数据筛选单元中设定筛选比率。例如筛选比率ratio＝0.005。
建立一个包含H1的列表H_list＝(H1)，由前至后遍历所述字典h_dict内的键值对，可表示为(H_i:count_i)。
所述(H_i:count_i)表示，H_i像素在道路基准位置里出现了count_i次，若满足预设条件，则将H_i加入到列表H_list内，因此列表H_list＝(H1，H_i,H_j,…)，所述列表H_list中的数据均为道路部分的正确H通道数据。即，通过所述预设条件，选取出道路部分的正确H通道数据(H_list)。
可选地，所述预设条件为count1×ratio＜count_i。即，H_i像素在道路基准位置里出现的次数大于在所述道路基准位置里出现次数最多的像素(count1)与筛选比率(ratio)的乘积，则符合预设条件。
可选地，在道路像素提取模块中，记录所述HSV三通道图像数据维度信息(h,w,c)。
其中，h表示图像的高；
w表示图像的宽；
c＝3表示图像的HSV三通道。
遍历所述HSV三通道图像中每个像素(一幅图像共h×w个像素)的H通道数据，若遍历出的像素的H通道数据的取值在所述H_list列表中，则保留该像素的原始HSV三通道取值，若遍历出的像素的H通道数据的取值不在所述H_list列表中，则将该像素的HSV三通道取值分别置为0。
将赋值后的HSV三通道图像进行输出，生成输出图像。
可选地，在图像后处理模块中，对所述输出图像进行后处理，生成二值化图像。
具体地，依次通过均值滤波、灰度图转换、二值化和开闭操作四个单元，对所述输出图像进行处理，生成二值化图像。
其中，所述均值滤波单元，用于对所述输出图像进行去噪。(滤波器尺寸为(5,5))；
所述灰度图转换单元，用于利用OpenCV的cvtColor函数，将所述输出图像的彩色图像转换为单通道的灰度图像；
所述二值化单元，用于利用OpenCV的threshold函数，将所述单通道的灰度图像转换为二值化图像；
所述开闭操作单元，用于利用OpenCV的morphologyEx函数，进一步去除所述二值化图像中的噪声和空洞。进一步地，采用先闭后开的方式，先去除噪声再去除孔洞。
S240，对所述二值化图像进行道路轮廓检测，得到道路轮廓数据。
可选地，在轮廓检测模块中，对所述二值化图像进行道路轮廓检测，得到道路轮廓数据。
具体地，利用OpenCV的findContours函数，检索所述二值化图像内的所有闭合轮廓；计算所述所有闭合轮廓的面积，选取出其中面积最大的闭合轮廓；利用OpenCV的convexHull函数，绘制该最大轮廓的凸轮廓，该凸轮廓作为检测得到的道路轮廓。
S250，根据所述道路轮廓数据在所述待提取道路边界轮廓的图像上绘制道路轮廓。
可选地，在道路提取模块中绘制道路轮廓。
具体地，在道路提取模块中，将所述轮廓检测模块检测得到的道路轮廓，通过OpenCV的drawContours函数，绘制在所述图像输入模块中的待提取道路边界轮廓的图像上，道路边界轮廓提取。
进一步地，所述图像输入模块中进行绘制时，绘制的轮廓包括两条，分别为面积最大的闭合轮廓和该轮廓的凸轮廓。
本实施例的自动化道路边界轮廓提取方法，在路面边缘曲折、斑驳树影、破洞坑槽、行人车辆、积水、低对比度等各种复杂特征的图像类型下，均可以实现快速、稳定、准确、高效率的道路轮廓线自动提取，无需人工干预，经海量样本测试，对各种路况与背景信息的道路图像数据的识别准确率高达95％，且能适应图像不清晰、有噪点等多种实际情况。
本申请实施例还提出了一种自动化道路边界轮廓提取系统400，包括：
图像输入模块410，用于获取待提取道路边界轮廓的图像；
图像预处理模块420，用于对所述待提取道路边界轮廓的图像进行预处理，得到HSV三通道图像；
道路像素提取模块430，用于对所述HSV三通道图像进行道路像素提取，得到二值化图像；
轮廓检测模块440，用于对所述二值化图像进行道路轮廓检测，得到道路轮廓数据；
道路提取模块450，用于根据所述道路轮廓数据在所述待提取道路边界轮廓的图像上绘制道路轮廓。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的系统的具体工作过程，可以参考前述一种自动化道路边界轮廓提取方法实施例中的对应过程，在此不再赘述。
本申请实施例还提出了一种设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述的一种自动化道路边界轮廓提取方法。
此外，本申请实施例还提出了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的一种自动化道路边界轮廓提取方法。
图5示出了可以用来实施本公开的实施例的电子设备500的示意性框图。如图所示，设备500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的计算机程序指令或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序指令，来执行各种适当的动作和处理。在RAM503中，还可以存储设备500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理单元501执行上文所描述的各个方法和处理。例如，在一些实施例中，方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由CPU 501执行时，可以执行上文描述的方法的一个或多个步骤。备选地，在其他实施例中，CPU 501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)等等。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种自动化道路边界轮廓提取方法，其特征在于，包括：
获取待提取道路边界轮廓的图像；
对所述待提取道路边界轮廓的图像进行预处理，得到HSV三通道图像；
对所述HSV三通道图像进行道路像素提取，得到二值化图像；
对所述二值化图像进行道路轮廓检测，得到道路轮廓数据；
根据所述道路轮廓数据在所述待提取道路边界轮廓的图像上绘制道路轮廓。
2.根据权利要求1所述的方法，其特征在于，所述对所述待提取道路边界轮廓的图像进行预处理，得到HSV三通道图像包括：
将所述待提取道路边界轮廓的图像由RGB色彩空间转换为HSV色彩空间；
将转换为HSV色彩空间的待提取道路边界轮廓的图像进行去噪处理，得到所述HSV三通道图像。
3.根据权利要求2所述的方法，其特征在于，所述对所述HSV三通道图像进行道路像素提取，得到二值化图像包括：
根据预设的道路基准位置信息，确定在所述HSV三通道图像中与所述道路基准位置对应的所有正确H通道数据；
对所述与所述道路基准位置对应的所有正确H通道数据进行分析，确定道路数据和非道路数据，对所述道路数据和非道路数据进行赋值，生成输出图像；
对所述输出图像进行处理，生成二值化图像。
4.根据权利要求3所述的方法，其特征在于，所述根据预设的道路基准位置信息，确定在所述HSV三通道图像中与所述道路基准位置对应的所有正确H通道数据包括：
根据预设的道路基准位置信息遍历所述HSV三通道图像中与所述道路基准位置对应的H通道全部数据，确定所述H通道全部数据出现的次数，并进行统计；
若所述通道数据出现的次数满足预设标准，则所述通道数据为正确H通道数据。
5.根据权利要求4所述的方法，其特征在于，所述预设标准通过预设的筛选比率和通道数据出现的次数进行设定。
6.根据权利要求5所述的方法，其特征在于，所述对所述输出图像进行后处理，生成二值化图像包括：
对所述输出图像进行均值滤波、灰度图转换、二值化和开闭操作处理，生成二值化图像。
7.根据权利要求6所述的方法，其特征在于，所述对所述二值化图像进行道路轮廓检测，得到道路轮廓数据包括：
对所述二值化图像进行道路轮廓检测，得到所述二值化图像内的所有闭合轮廓；
计算所述所有闭合轮廓的面积，选取面积最大的闭合轮廓；
绘制所述最大的闭合轮廓的凸轮廓，将所述凸轮廓作为道路轮廓。
8.一种自动化道路边界轮廓提取系统，其特征在于，包括：
图像输入模块，用于获取待提取道路边界轮廓的图像；
图像预处理模块，用于对所述待提取道路边界轮廓的图像进行预处理，得到HSV三通道图像；
道路像素提取模块，用于对所述HSV三通道图像进行道路像素提取，得到二值化图像；
轮廓检测模块，用于对所述二值化图像进行道路轮廓检测，得到道路轮廓数据；
道路提取模块，用于根据所述道路轮廓数据在所述待提取道路边界轮廓的图像上绘制道路轮廓。
9.一种设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1～7中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1～7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010902804.6A CN112183554A (zh) | 2020-09-01 | 2020-09-01 | 一种自动化道路边界轮廓提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010902804.6A CN112183554A (zh) | 2020-09-01 | 2020-09-01 | 一种自动化道路边界轮廓提取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112183554A true CN112183554A (zh) | 2021-01-05 |
Family
ID=73924042
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010902804.6A Pending CN112183554A (zh) | 2020-09-01 | 2020-09-01 | 一种自动化道路边界轮廓提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112183554A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113139454A (zh) * | 2021-04-19 | 2021-07-20 | 国交空间信息技术（北京）有限公司 | 基于单张图像的道路宽度提取方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000293670A (ja) * | 1999-04-08 | 2000-10-20 | Asia Air Survey Co Ltd | ビデオ画像の道路標識自動認識方法及び道路標識自動認識装置並びに道路標識自動認識のプログラムを記憶した記憶媒体 |
| CN103400150A (zh) * | 2013-08-14 | 2013-11-20 | 浙江大学 | 一种基于移动平台进行道路边缘识别的方法及装置 |
| CN104424482A (zh) * | 2013-08-28 | 2015-03-18 | 富士通株式会社 | 图像处理设备和图像处理方法 |
| CN106228541A (zh) * | 2016-07-11 | 2016-12-14 | 广州视源电子科技股份有限公司 | 视觉检测中屏幕定位的方法及装置 |
| US20170068855A1 (en) * | 2015-07-17 | 2017-03-09 | Tata Consultancy Services Limited | Method and system for facilitating real time detection of linear infrastructural objects by aerial imagery |
| CN108446697A (zh) * | 2018-03-06 | 2018-08-24 | 平安科技（深圳）有限公司 | 图片处理方法、电子装置及存储介质 |
-
2020
- 2020-09-01 CN CN202010902804.6A patent/CN112183554A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000293670A (ja) * | 1999-04-08 | 2000-10-20 | Asia Air Survey Co Ltd | ビデオ画像の道路標識自動認識方法及び道路標識自動認識装置並びに道路標識自動認識のプログラムを記憶した記憶媒体 |
| CN103400150A (zh) * | 2013-08-14 | 2013-11-20 | 浙江大学 | 一种基于移动平台进行道路边缘识别的方法及装置 |
| CN104424482A (zh) * | 2013-08-28 | 2015-03-18 | 富士通株式会社 | 图像处理设备和图像处理方法 |
| US20170068855A1 (en) * | 2015-07-17 | 2017-03-09 | Tata Consultancy Services Limited | Method and system for facilitating real time detection of linear infrastructural objects by aerial imagery |
| CN106228541A (zh) * | 2016-07-11 | 2016-12-14 | 广州视源电子科技股份有限公司 | 视觉检测中屏幕定位的方法及装置 |
| CN108446697A (zh) * | 2018-03-06 | 2018-08-24 | 平安科技（深圳）有限公司 | 图片处理方法、电子装置及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 刘仕照，等: "基于边界特征的车道标识线检测方法", 《电子设计工程》, pages 51 - 55 * |
| 许明，等: "自适应道路模型的非结构化道路检测算法", 《传感器与微系统》, vol. 39, no. 1, pages 132 - 135 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113139454A (zh) * | 2021-04-19 | 2021-07-20 | 国交空间信息技术（北京）有限公司 | 基于单张图像的道路宽度提取方法及装置 |
| CN113139454B (zh) * | 2021-04-19 | 2024-04-23 | 国交空间信息技术（北京）有限公司 | 基于单张图像的道路宽度提取方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111784685B (zh) | 一种基于云边协同检测的输电线路缺陷图像识别方法 | |
| CN110148130B (zh) | 用于检测零件缺陷的方法和装置 | |
| WO2017130184A1 (en) | Systems and methods for detecting imaged clouds | |
| CN112989995B (zh) | 文本检测方法、装置及电子设备 | |
| CN111598827A (zh) | 外观瑕疵检测方法、电子装置及存储介质 | |
| CN112270309A (zh) | 一种车辆卡口设备抓拍质量评估方法、装置及可读介质 | |
| CN116542975B (zh) | 一种玻璃面板的缺陷分类方法、装置、设备和介质 | |
| CN112365475A (zh) | 一种基于图像处理方式的输电线路覆冰监测方法及系统 | |
| CN111723634A (zh) | 一种图像检测方法、装置、电子设备及存储介质 | |
| CN108615006B (zh) | 用于输出信息的方法和装置 | |
| CN112052730A (zh) | 一种3d动态人像识别监控设备及方法 | |
| CN115880260A (zh) | 基站施工的检测方法、装置、设备及计算机可读存储介质 | |
| CN112069894A (zh) | 一种基于Faster-RCNN模型的导线散股识别方法 | |
| CN116486296A (zh) | 目标检测方法、装置及计算机可读存储介质 | |
| CN112183554A (zh) | 一种自动化道路边界轮廓提取方法 | |
| CN111931721B (zh) | 年检标签颜色和个数的检测方法、装置及电子设备 | |
| Lashkov et al. | Edge-computing-facilitated nighttime vehicle detection investigations with CLAHE-enhanced images | |
| CN115909151A (zh) | 一种复杂工作条件下运动容器编号识别方法 | |
| CN115937818A (zh) | 用于智能汽车的路面类型勘测方法、装置和相关设备 | |
| CN115761698A (zh) | 一种目标检测方法、装置、设备及存储介质 | |
| CN112634382B (zh) | 一种非自然对象的图像识别、替换方法和装置 | |
| CN111709377B (zh) | 特征提取方法、目标重识别方法、装置及电子设备 | |
| CN114283319A (zh) | 一种机车轮对踏面剥离识别方法 | |
| CN114511862A (zh) | 表格识别方法、装置及电子设备 | |
| CN112967224A (zh) | 一种基于人工智能的电子电路板检测系统、方法及介质 |
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 |