CN112419272A - 一种雾天高速公路能见度快速估计方法及系统 - Google Patents

Abstract

本发明涉及一种雾天高速公路能见度快速估计方法及系统。该方法包括：根据高速公路车道和白线间隔的标准，对摄像机拍摄到的雾天高速公路场景进行边缘检测，结合场景几何模型，拟合出雾天高速公路场景中景深与像素之间的映射关系；根据所述映射关系，确定所述摄像机可识别的最远点与摄像机之间的实际距离；基于暗通道的先验理论获取场景中目标物对摄像机的透射率；对所述透射率进行优化，得到优化后的透射率；根据所述优化后的透射率和所述实际距离，确定雾天高速公路场景的衰减系数；根据所述衰减系数，确定雾天高速公路的能见度值。本发明能够准确迅速地对雾天高速公路能见度进行估计。

Description

一种雾天高速公路能见度快速估计方法及系统

技术领域

本发明涉及能见度估计领域，特别是涉及一种雾天高速公路能见度快速估计方法及系统。

背景技术

进入秋冬季节，早晚温差较大，雾天情况出现频繁，高速公路的雾天场景严重威胁着行驶车辆的生命财产安全，因此需要有效的进行高速公路的能见度估计。而现有技术中的能见度估计是通过激光能见度仪进行估计的，激光能见度仪是常见的能见度检测仪器，但若大量使用激光能见度仪对全国高速公路网进行全覆盖将耗资巨大，同时激光能见度仪还存在探测范围小，维护成本高，能见度估计慢且估计精度低等不足。

发明内容

本发明的目的是提供一种雾天高速公路能见度快速估计方法及系统，能够准确迅速地对雾天高速公路能见度进行估计。

为实现上述目的，本发明提供了如下方案：

一种雾天高速公路能见度快速估计方法，包括：

根据高速公路车道和白线间隔的标准，对摄像机拍摄到的雾天高速公路场景进行边缘检测，结合场景的几何模型，拟合出雾天高速公路场景中景深与像素之间的映射关系；

根据所述映射关系，确定所述摄像机可识别的最远点与摄像机之间的实际距离；

基于暗通道的先验理论获取场景中目标物对摄像机的透射率；

对所述透射率进行优化，得到优化后的透射率；

根据所述优化后的透射率和所述实际距离，确定雾天高速公路场景的衰减系数；

根据所述衰减系数，确定雾天高速公路的能见度值。

可选地，所述对所述透射率进行优化，得到优化后的透射率，具体包括：

采用导向滤波算法对所述透射率进行优化，得到优化后的透射率。

可选地，所述根据所述优化后的透射率和所述实际距离，确定雾天高速公路场景的衰减系数，具体包括：

根据优化后的透射率采用

确定场景的衰减系数；

其中，σ为衰减系数，t为优化后的透射率，d为实际距离。

可选地，所述根据所述衰减系数，确定雾天高速公路的能见度值，具体包括：

根据所述衰减系数采用气象光学方程式：M＝|ln(0.05)|/σ，确定雾天高速公路的能见度值；

其中，M为雾天高速公路的能见度值，σ为衰减系数。

一种雾天高速公路能见度快速估计系统，包括：

映射关系确定模块，用于根据高速公路车道和白线间隔的标准，对摄像机拍摄到的雾天高速公路场景进行边缘检测，结合场景的几何模型，拟合出雾天高速公路场景中景深与像素之间的映射关系；

实际距离确定模块，用于根据所述映射关系，确定所述摄像机可识别的最远点与摄像机之间的实际距离；

透射率确定模块，用于基于暗通道的先验理论获取场景中目标物对摄像机的透射率；

透射率优化模块，用于对所述透射率进行优化，得到优化后的透射率；

衰减系数确定模块，用于根据所述优化后的透射率和所述实际距离，确定雾天高速公路场景的衰减系数；

能见度值确定模块，用于根据所述衰减系数，确定雾天高速公路的能见度值。

可选地，所述透射率优化模块，具体包括：

透射率优化单元，用于采用导向滤波算法对所述透射率进行优化，得到优化后的透射率。

可选地，所述衰减系数确定模块，具体包括：

衰减系数确定单元，用于根据优化后的透射率采用

确定场景的衰减系数；

其中，σ为衰减系数，t为优化后的透射率，d为实际距离。

可选地，所述能见度值确定模块，具体包括：

能见度值确定单元，用于根据所述衰减系数采用气象光学方程式：M＝|ln(0.05)|/σ，确定雾天高速公路的能见度值；

其中，M为雾天高速公路的能见度值，σ为衰减系数。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供一种雾天高速公路能见度快速估计方法，根据高速公路车道和白线间隔的标准，对摄像机拍摄到的雾天高速公路场景进行边缘检测，结合场景的几何模型，拟合出雾天高速公路场景中景深与像素之间的映射关系；根据所述映射关系，确定所述摄像机可识别的最远点与摄像机之间的实际距离；基于暗通道的先验理论获取场景中目标物对摄像机的透射率；对所述透射率进行优化，得到优化后的透射率；根据所述优化后的透射率和所述实际距离，确定雾天高速公路场景的衰减系数；根据所述衰减系数，确定雾天高速公路的能见度值。本发明能够准确迅速地对雾天高速公路能见度进行估计。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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为本发明雾天高速公路能见度快速估计方法流程图；

图2为本发明场景几何模型示意图；

图3为本发明边缘检测结果图；

图4为本发明标示线边界拟合图；

图5为本发明标示线像素几何关系图；

图6为本发明场景中ROI区域选取图；

图7为本发明景深与像素之间映射关系图；

图8为本发明目标线最远端提取示意图；

图9为本发明雾天高速公路能见度快速估计系统结构图。

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，所描述的实施例仅仅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。

本发明的目的是提供一种雾天高速公路能见度快速估计方法及系统，能够准确迅速地对雾天高速公路能见度进行估计。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明雾天高速公路能见度快速估计方法流程图。如图1所示，一种雾天高速公路能见度快速估计方法包括：

步骤101：根据高速公路车道和白线间隔的标准，对摄像机拍摄到的雾天高速公路场景进行边缘检测，结合场景几何模型，拟合出雾天高速公路场景中景深与像素之间的映射关系，所述映射关系为二次函数模型y＝ax²+b，其中，x表示像素，y表示景深。

由高速公路实际场景作为几何模型基础。几何模型图如图2所示。几何模型由摄像头、高速公路车道标示线以及路中白色虚线所组成。

摄像头安装在高速公路停车道标示线的正上方。标定目标为高速公路车道宽度距离和路中白色虚线的长度和间隔。

根据《道路交通标志和标线》国家标准(GB5768-1999)的规定，我国高速公路的行车道宽度为3.75m，停车道为3.5m，白色虚线的尺寸为，长6m,宽15cm，间隔为9m。

使用Canny算子对场景进行边缘检测，如图3所示。首先选择车道中心白色标示虚线作为标定目标，如图3中矩形框所示。

由于该条标示线可能拍摄不完全，所以应先估计该标示线的长度。首先拟合出该边界直线，其斜率即为与垂直方向之间的夹角的正切值，该标志线的宽度为w＝15cm，根据标示线两边界之间像素个数来计算出每一个像素对应的长度，再由几何关系计算出该标示线的长度。

首先识别白色标志线，拟合出边界如图4，此时可以获得边界斜线与垂直方向的夹角α，由于白色标志线是一条直线，所以α就等于几何模型图2中的α，进而得到图像下边界与摄像头之间的垂直距离。

由于图像下边界处的白线可能没有拍摄完整，应估计已经拍摄到的白线的长度。白色标示线像素几何关系图如图5所示。其中d₁为标示线两边界之间的水平像素个数，d₂为标示线长度的垂直像素个数。所以该条标示线的长度与像素之间的关系为：dep＝wd₂/d₁cos²α。首先根据图5的几何模型图，可以知道已知的参数有w，d₁，d₂，α，d₁*cosα为宽度为w所包含的像素个数，w/d₁*cosα即为1个像素所代表的距离。d₂/cosα为白色标志线的像素长度，再乘w/d₁*cosα即为白色标志线的实际长度。

计算图6矩形框中白色标示线两端、两标示线之间的垂直方向像素索引坐标差值，得到与实际距离之间的对应关系，结合整体，即可拟合出实际深度与像素之间的映射关系。映射关系如图7所示。

根据能见度基本方程F＝F₀e^-σz，还需要最远点的景深。能见度的定义是在白天能看到和辨认出目标物的轮廓和形体，由上述Canny算子可以获得图像的有效边缘信息，当检测系数一定时，检测到场景的最远点即为可以看见的最远距离，如图8所示。

本发明将公路上白色实线的检测长度作为衡量能见度的标准，(如图中矩形框)该问题等价于获取边缘检测得到的白色实线最远点的坐标。

步骤102：根据所述映射关系，确定所述摄像机可识别的最远点与摄像机之间的实际距离。

根据算法检测得到白色实线的最远端坐标，代入景深与像素之间的映射关系可以得到最远点与摄像头之间的实际距离。

步骤103：基于暗通道的先验理论获取场景中目标物对摄像机的透射率。

在视觉成像和数字图像处理中，雾气图像模型用式(4)描述：I(x)＝J(x)t(x)+A(1-t(x))，其中，I是拍摄或观测到的图像强度，J代表目标物的光线强度，A表示空气环境光线，t为传播介质(雾气，雾霾等)的透射率。该模型描述了目标物经传播介质传递之后未被摄像头或观测者所记录的光线所占比例。

暗通道先验理论认为，在户外无雾图像的局部区域里，总存在一些像素满足至少有一个颜色通道的强度值很低。对一幅图像J，有：

其中，J^c表示图像J的一个颜色通道，Ω(x)表示一个以x为中心区域的窗口。根据暗先验理论可得，对于一副无雾图像，除了天空区域外的J^dark值接近于0，即称J^dark为图像J的暗通道。

假设以x为中心的窗口Ω(x)的透射率相等，记为

对式取邻域内的最小值：

对上式进行三条颜色通道中取最小值处理得到：

根据先验知识，无雾图像的暗原色通道的值接近于0，而空气环境光线总为正，所以透射率

为：

步骤104：对所述透射率进行优化，得到优化后的透射率，具体包括：

采用导向滤波算法对所述透射率进行优化，得到优化后的透射率。

导向滤波作为一种边缘保留的平滑算子，它通过另一幅指定的图像来进行滤波操作，当引导图是原图的时候，它就成了一个边缘保持滤波器。

导向滤波的局部线性模型是假定在以k为中心的窗口(ω_k)中进行的，假设p为输入图像，q为输出图像，I为引导图像，则输出图像q就是引导图像I的一个线性变换。qi＝a_kI_i+b_k,

其中，系数a_k，b_k在窗口内恒定不变。

导向滤波就是在寻找合适的系数a_k、b_k使得p与q之间的差别最小。所以最终的图像为

光在空气中传播，一部分被反射，一部分被折射，剩下一部分才能按照原始的方向进行。所以对光线信息获取的过程也是损失的过程。可以认为距离越远，透射率越小。透射部分的光强与入射光强之间符合朗伯-比尔定律：

其中t(x)为优化之后的透射率。

步骤105：根据所述优化后的透射率和所述实际距离，确定雾天高速公路场景的衰减系数，具体包括：

根据优化后的透射率采用

确定场景的衰减系数。

其中，σ为衰减系数，t为优化后的透射率，d为实际距离。

步骤106：根据所述衰减系数，确定雾天高速公路的能见度值，具体包括：

根据所述衰减系数采用气象光学方程式：M＝|ln(0.05)|/σ，确定雾天高速公路的能见度值。其中，M为雾天高速公路的能见度值，σ为衰减系数。

图9为本发明雾天高速公路能见度快速估计系统结构图。如图9所示，一种雾天高速公路能见度快速估计系统包括：

映射关系确定模块201，用于根据高速公路车道和白线间隔的标准，对摄像机拍摄到的雾天高速公路场景进行边缘检测，结合场景几何模型，拟合出雾天高速公路场景中景深与像素之间的映射关系。

实际距离确定模块202，用于根据所述映射关系，确定所述摄像机可识别的最远点与摄像机之间的实际距离。

透射率确定模块203，用于基于暗通道的先验理论获取场景中目标物对摄像机的透射率。

透射率优化模块204，用于对所述透射率进行优化，得到优化后的透射率。

衰减系数确定模块205，用于根据所述优化后的透射率和所述实际距离，确定雾天高速公路场景的衰减系数。

能见度值确定模块206，用于根据所述衰减系数，确定雾天高速公路的能见度值。

所述透射率优化模块204，具体包括：

透射率优化单元，用于采用导向滤波算法对所述透射率进行优化，得到优化后的透射率。

所述衰减系数确定模块205，具体包括：

衰减系数确定单元，用于根据优化后的透射率采用

确定场景的衰减系数。其中，σ为衰减系数，t为优化后的透射率，d为实际距离。

所述能见度值确定模块206，具体包括：

能见度值确定单元，用于根据所述衰减系数采用气象光学方程式：M＝|ln(0.05)|/σ，确定雾天高速公路的能见度值；其中，M为雾天高速公路的能见度值，σ为衰减系数。

本发明相对于现有技术，具有如下优点：

1.高速公路的雾天场景严重威胁着行驶车辆的生命财产安全，通过对雾天能见度的快速估计，充分利用大雾的形成和消散规律，能有效的对人们日常生产生活提供保障。

2.本发明公开的方法能在有效节省经济开销的同时，保持着良好的能见度估计精度。

3.本发明只需单副场景图即可获得能见度值，算法计算方便，时间复杂度低，且能有效预测雾气的消散趋势，有利于普及大众，提升工作效率。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种雾天高速公路能见度快速估计方法，其特征在于，包括：

根据高速公路车道和白线间隔的标准，对摄像机拍摄到的雾天高速公路场景进行边缘检测，结合场景几何模型，拟合出雾天高速公路场景中景深与像素之间的映射关系；

根据所述映射关系，确定所述摄像机可识别的最远点与摄像机之间的实际距离；

基于暗通道的先验理论获取场景中目标物对摄像机的透射率；

对所述透射率进行优化，得到优化后的透射率；

根据所述优化后的透射率和所述实际距离，确定雾天高速公路场景的衰减系数；

根据所述衰减系数，确定雾天高速公路的能见度值。

2.根据权利要求1所述的雾天高速公路能见度快速估计方法，其特征在于，所述对所述透射率进行优化，得到优化后的透射率，具体包括：

采用导向滤波算法对所述透射率进行优化，得到优化后的透射率。

3.根据权利要求1所述的雾天高速公路能见度快速估计方法，其特征在于，所述根据所述优化后的透射率和所述实际距离，确定雾天高速公路场景的衰减系数，具体包括：

根据优化后的透射率采用

确定场景的衰减系数；

其中，σ为衰减系数，t为优化后的透射率，d为实际距离。

4.根据权利要求1所述的雾天高速公路能见度快速估计方法，其特征在于，所述根据所述衰减系数，确定雾天高速公路的能见度值，具体包括：

根据所述衰减系数采用气象光学方程式：M＝|ln(0.05)|/σ，确定雾天高速公路的能见度值；

其中，M为雾天高速公路的能见度值，σ为衰减系数。

5.一种雾天高速公路能见度快速估计系统，其特征在于，包括：

映射关系确定模块，用于根据高速公路车道和白线间隔的标准，对摄像机拍摄到的雾天高速公路场景进行边缘检测，结合场景几何模型，拟合出雾天高速公路场景中景深与像素之间的映射关系；

实际距离确定模块，用于根据所述映射关系，确定所述摄像机可识别的最远点与摄像机之间的实际距离；

透射率确定模块，用于基于暗通道的先验理论获取场景中目标物对摄像机的透射率；

透射率优化模块，用于对所述透射率进行优化，得到优化后的透射率；

衰减系数确定模块，用于根据所述优化后的透射率和所述实际距离，确定雾天高速公路场景的衰减系数；

能见度值确定模块，用于根据所述衰减系数，确定雾天高速公路的能见度值。

6.根据权利要求5所述的雾天高速公路能见度快速估计系统，其特征在于，所述透射率优化模块，具体包括：

透射率优化单元，用于采用导向滤波算法对所述透射率进行优化，得到优化后的透射率。

7.根据权利要求5所述的雾天高速公路能见度快速估计系统，其特征在于，所述衰减系数确定模块，具体包括：

衰减系数确定单元，用于根据优化后的透射率采用

确定场景的衰减系数；

其中，σ为衰减系数，t为优化后的透射率，d为实际距离。

8.根据权利要求5所述的雾天高速公路能见度快速估计系统，其特征在于，所述能见度值确定模块，具体包括：

能见度值确定单元，用于根据所述衰减系数采用气象光学方程式：M＝|ln(0.05)|/σ，确定雾天高速公路的能见度值；

其中，M为雾天高速公路的能见度值，σ为衰减系数。

Images