CN115249346A - 一种边缘检测方法、装置及车辆 - Google Patents
一种边缘检测方法、装置及车辆 Download PDFInfo
- Publication number
- CN115249346A CN115249346A CN202110454904.1A CN202110454904A CN115249346A CN 115249346 A CN115249346 A CN 115249346A CN 202110454904 A CN202110454904 A CN 202110454904A CN 115249346 A CN115249346 A CN 115249346A
- Authority
- CN
- China
- Prior art keywords
- hough
- peak
- value
- edge detection
- histogram
- 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
Images
Classifications
-
- 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
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30261—Obstacle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种边缘检测方法、装置及车辆,应用于车辆中的图像处理系统,该图像处理系统包括摄像机,包括:通过摄像机采集目标对象和车道的目标图像后,处理获得包含目标对象和车道的边缘检测图像,并进行霍夫变换,得到包括霍夫角度坐标和霍夫范围坐标峰值的霍夫直方图;在其中以最大峰值为中心获取相邻峰值点并线性回归得到倾斜角度;以最大峰值为圆心,根据倾斜角度绘制斜椭圆;删除椭圆区域中的所有峰值点;继续搜索满足预设条件的最大峰值,构建椭圆区域并删除,直到不存在满足预设条件的最大峰值,每个椭圆区域中的峰值点构建的直线为目标对象和车道的边界线。实现了利用霍夫变换椭圆删除的方法,提高目标检测的精度的目的。
Description
技术领域
本发明涉及汽车技术领域,特别涉及一种边缘检测方法、装置及车辆。
背景技术
在过去的几十年中,雷达、视觉摄像机、激光雷达、超声波传感器等从20世纪90年代中期开始被引入市场,以支持自动驾驶技术,一些自动驾驶功能有限的车辆作为公路应用被引入市场。其中,视觉摄像机作为一种能够像人一样获取二维信息的设备显得尤为重要。其中视觉摄像机利用图像处理从捕获的图像中提取物体的特征。通常这种处理包括基本过程和目标或车道检测过程。在检测过程中,很多处理都采用了霍夫变换,尤其是在边缘点中识别边缘线是非常有效。提高霍夫变化的精度一直是行业内孜孜不倦追求的目标,特别是在检测过程中如果目标存在强边缘线和弱边缘线时,由于强边缘线的峰值在霍夫直方图中非常高,导致弱边缘线在霍夫平面上很难提取。
现有技术中,采用霍夫变换中的峰值删除方法进行弱边缘检测,然而在霍夫直方图中进行峰值删除的过程中,往往弱边缘的数值与强边缘数值接近,在删除峰值时会误删弱边缘对应的数值,导致弱边缘检测存在效果差,精度低的问题。
发明内容
有鉴于此,本发明旨在提出一种边缘检测方法、装置及车辆,应用于车辆中的图像处理系统,所述图像处理系统包括摄像机,以解决现有技术中在弱边缘检测过程中在霍夫直方图中进行峰值删除的情况下,会由于误删弱边缘对应的数值,导致弱边缘检测存在效果差,精度低的问题。
为解决上述问题,本发明的技术方案是这样实现的:
一种边缘检测方法,应用于车辆中的图像处理系统,所述图像处理系统包括摄像机,所述方法包括:
通过所述摄像机采集包括目标对象和车道的目标图像;
对所述目标图像进行预处理,获得包含所述目标对象和所述车道的边缘检测点的边缘检测图像;所述预处理至少包括差分运算和阈值运算;
对所述边缘检测图像中的边缘检测点进行霍夫变换,得到包括峰值点的霍夫直方图;所述峰值点是由霍夫角度坐标和霍夫范围坐标进行标识;
提取所述峰值点中的最大值为第一峰值;
在所述霍夫直方图中,所述第一峰值中为圆心,以预设半径绘制圆形区域;
在所述霍夫直方图中,通过对所述圆形区域中大于第一预设阈值的峰值点进行线性回归运算,得到倾斜角度;
若所述第一峰值大于第二预设阈值,则在所述霍夫直方图中,所述第一峰值为椭圆圆心,以预设长轴和预设短轴,绘制具备所述倾斜角度斜椭圆;
删除所述斜椭圆区域中包括的所有峰值点,得到椭圆删除霍夫直方图;
提取所述椭圆删除霍夫直方图中剩余峰值点的剩余最大值;
若所述剩余最大值大于所述第二预设阈值,则将所述最大值确定为第一峰值,并重新开始执行所述在所述霍夫直方图中,所述第一峰值为椭圆圆心,以预设长轴和预设短轴,绘制具备所述倾斜角度斜椭圆的步骤;
若所述剩余最大值不大于所述第二预设阈值,则获取所述椭圆删除霍夫直方图中对应各最大峰值点的直线,确定为所述目标对象和车道的边缘线。
一种边缘检测装置,应用于应用于车辆中的图像处理系统,所述图像处理系统包括摄像机,所述装置包括:
目标图像采集模块,用于通过所述摄像机采集包括目标对象和车道的目标图像;
预处理模块,用于对所述目标图像进行预处理,获得包含所述目标对象和所述车道的边缘检测点的边缘检测图像;所述预处理至少包括差分运算和阈值运算;
霍夫变换模块,用于对所述边缘检测图像中的边缘检测点进行霍夫变换,得到包括峰值点的霍夫直方图;所述峰值点是由霍夫角度坐标和霍夫范围坐标进行标识;
第一峰值提取模块,用于提取所述峰值点中的最大值为第一峰值;
圆形区域确定模块,用于在所述霍夫直方图中,所述第一峰值中为圆心,以预设半径绘制圆形区域;
倾斜角度确定模块,用于在所述霍夫直方图中,通过对所述圆形区域中大于第一预设阈值的峰值点进行线性回归运算,得到倾斜角度;
斜椭圆绘制模块,用于若所述第一峰值大于第二预设阈值,则在所述霍夫直方图中,所述第一峰值为椭圆圆心,以预设长轴和预设短轴,绘制具备所述倾斜角度斜椭圆;
删除模块,用于删除所述斜椭圆区域中包括的所有峰值点,得到椭圆删除霍夫直方图;
最大值提取模块,用于提取所述椭圆删除霍夫直方图中剩余峰值点的剩余最大值;
循环模块,用于若所述剩余最大值大于所述第二预设阈值,则将所述最大值确定为第一峰值,并重新开始执行所述在所述霍夫直方图中,所述第一峰值为椭圆圆心,以预设长轴和预设短轴,绘制具备所述倾斜角度斜椭圆的步骤;
边缘线确定模块,用于若所述剩余最大值不大于所述第二预设阈值,则获取所述椭圆删除霍夫直方图中对应各最大峰值点的直线,确定为所述目标对象和车道的边缘线。
一种车辆,所述车辆包括图像处理系统,所述车辆还包括所述的边缘检测装置
相对于现有技术,本发明所述的一种边缘检测方法、装置及车辆具有以下优势:
本发明实施例提供的一种边缘检测方法、装置及车辆,应用于车辆中的图像处理系统,所述图像处理系统包括摄像机,包括:通过摄像机采集目标对象和车道的目标图像后,处理获得包含目标对象和车道的边缘检测图像,对边缘检测图像中的点进行霍夫变换,计算由霍夫角度和霍夫距离组成的霍夫直方图,在以最大峰值为第一峰值为中心的圆内拾取直方图的大峰值,对直方图中以角度和距离表示的峰值点进行线性回归,确定倾斜角度。最大峰值为圆心,预设长轴和预设短轴,根据该倾斜角度绘制椭圆后,删除椭圆曲线中包含的所有峰值点。继续搜索最大的峰值点并将其作为第二峰值,如果第二峰值大于第二预设阈值,则重复与第一峰值相同的椭圆删除。与第1、第2、…、第n个峰值相对应的峰值点组成的线则是车道和对象的边界线。本发明实施例利用霍夫变换椭圆删除提高目标检测的精度的目的。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例所述的一种边缘检测方法的步骤流程图;
图2为本发明实施例所述的霍夫变换坐标转换示意图;
图3为本发明实施例所述的峰值平面坐标示意图;
图4为本发明实施例所述的峰值在立体霍夫直方图的示意图;
图5为本发明实施例所述的另一种霍夫直方图的示意图;
图6为本发明实施例所述的另一种霍夫直方图椭圆斜角的示意图;
图7为本发明实施例所述的峰值线性回归的示意图;
图8为本发明实施例所述的霍夫直方图椭圆斜率的示意图;
图9为本发明实施例所述的另一种霍夫直方图椭圆斜率的示意图;
图10为本发明实施例所述的霍夫变换坐标关系的示意图;
图11为本发明实施例所述的霍夫直峰值的示意图;
图12为本发明实施例所述的另一种峰值线性回归的示意图;
图13为本发明实施例所述的霍夫直方图椭圆斜率的示意图;
图14(a)-(i)为本发明实施例所述的霍夫直方图椭圆删除实例的示意图;
图15为本发明实施例所述的一种边缘检测装置的结构框图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本发明。
参照图1,示出了本发明实施例所述的一种边缘检测方法的步骤流程图。
本发明实施例提供的一种边缘检测方法,应用于应用于车辆中的图像处理系统,所述图像处理系统包括摄像机。
步骤101,通过所述摄像机采集包括目标对象和车道的目标图像;
本发明实施例中,车辆自动驾驶技术中,需要对驾驶环境进行检测进而做出适当的驾驶操作,所以利用图像处理系统拍摄目标对象的图片是必不可少的一个环节。其中,图像处理系统可以为是视觉摄像机,也可以为雷达、激光雷达等视觉传感器,对此,本发明实施例不加以限制。
步骤102,对所述目标图像进行预处理,获得包含所述目标对象和所述车道的边缘检测点的边缘检测图像;所述预处理至少包括差分运算和阈值运算;
本发明实施例中,将拍摄的目标图像进行预处理,预处理包括对目标图像数据进行微分处理后再经过阈值出来,得到二值或三值图像。
其中,常用的图像差分处理包括垂直方向、水平方向和梯度方向。本发明中使用水平差分处理,其中差分值表示为df(x,y)/dx,式中f,x和y分别是(x,y)点的水平坐标和垂直坐标值。
进一步地,在通过设定阈值,对图像进行二值化处理,首先将整个图像转换为黑白图像,即对图像进行灰度化处理,灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值)表示正负边缘。
其中,在得到目标图像的二值化图像中,目标对象的边缘为离散像素点呈现。
实际应用中,对于图像预处理的具体方法不限于上述描述,本发明实施例对此不加以具体限制。
优选地,所述边缘检测点在所述边缘检测图像中以角度和范围进行标记。
步骤103,对所述边缘检测图像中的边缘检测点进行霍夫变换,得到包括峰值点的霍夫直方图;所述峰值点是由霍夫角度坐标和霍夫范围坐标进行标识;
本发明实施例中,根据边缘检测图像中各离散边缘检测点的坐标值,对边缘检测点进行霍夫变换。
其中,霍夫变换是通过将图像坐标空间变换到参数空间,来实现直线与曲线的拟合。如图2(a)所示的,在图像x-y坐标空间中,经过点(xi,yi)的直线表示为yi=axi+b,其中,参数a为斜率,b为截矩。通过点(xi,yi)的直线有无数条,且对应于不同的a和b值。如果将xi和yi视为常数,而将原本的参数a和b看作变量,则如图2(b)所示,yi=axi+b可以表示为b=-xia+yi,这样就变换到了参数平面。这个变换就是直角坐标中对于(xi,yi)点的霍夫Hough变换。该直线是图像坐标空间中的点(xi,yi)在参数空间的唯一方程。考虑到图像坐标空间中的另一点(xi,yi),它在参数空间中也有相应的一条直线,表示为b=-xja+yj,如图2所示,这条直线与点(xi,yi)在参数空间的直线相交于一点(a0,b0)。
进一步地,如图3所示为边缘检测点在二维平面上的视图,其中可以看到边缘检测点对应的峰值点可以分成几个组,每个组对应一个直线,且包含一个最大值。
步骤104,提取所述峰值点中的最大值为第一峰值;
本发明实施例中,提取霍夫直方图中的最大值,将做大值确定为第一峰值,如图4所示的最高点即认定为第一峰值。
步骤105,在所述霍夫直方图中,所述第一峰值中为圆心,以预设半径绘制圆形区域;
本发明实施例中,图4中可以看出,第一峰值为主包含周围一系列较大峰值的凸起,为了使边缘检测更加精准,需要在不影响第一峰值及其外围峰值的前提下提取第二最大峰值。所以以第一峰值为圆心,预设一个范围包含第一峰值凸起的所有外围峰值的圆形区域。
可以理解地,该圆形区域是为了准确选取第一峰值及其外围峰值,在图中实验得出,所以预设半径是在霍夫直方图中根据实际情况确定得到。
其中,如图5所示,在霍夫直方图中,第一峰值为图中白点,也是椭圆圆心,以第一峰值为椭圆圆心的椭圆区域内包含第一峰值及其外围峰值,可以在不影响其他峰点的情况下抑制密集区域(周边峰)。
步骤106,在所述霍夫直方图中,通过对所述圆形区域中大于第一预设阈值的峰值点进行线性回归运算,得到倾斜角度;
本发明实施例中,如图13所示,在霍夫直方图中对圆形区域中的峰值点进行线性回归运算,得到线性回归直线,即为图中浅色斜线。
其中,将该线性回归直线的斜率与水平横轴(图中黑色横线)之间的夹角确定为椭圆倾斜角度。
优选地,在本发明另一实施例中,步骤106可以包括:
步骤A1,在所述边缘检测图像中,选取对应所述霍夫直方图中所述各最大峰值点的第一组边缘检测点;
具体地,如图7所示,在边缘检测图像中需要确定对应霍夫直方图中(图4)第一组峰值点(θ0,ρ0,)。
可以理解地,在实际应用中,边缘检测点对应霍夫直方图中的峰值凸起不限于两组,可以是多组,本发明实施例对此不加以限制。
其中,θ0为所述第一峰值的霍夫角度坐标值。
实际应用中,通过公式(1)的反余弦值可以得到倾斜角度γ。
所以,根据图10、公式组(1a)以及霍夫曲线表达式可以推断出霍夫曲线表示为公式(2a):
进一步地,如图9所示,根据公式(2a)可以推断出即公式(1)所表达的顺应霍夫曲线倾斜的椭圆的倾斜角度的正弦值即为第一斜率。
进一步地,如图11所示,当确定了椭圆的倾斜角度后,可以在霍夫直方图上以第一组峰值的平均值为椭圆圆心绘制斜椭圆区域。斜椭圆的长轴和短轴可以在实验中,根据最大累积峰值及其外围峰值确定斜椭圆的区域。
优选地,在本发明另一实施例中,步骤106可以包括:
步骤B1,在所述边缘检测图像中,选取对应所述霍夫直方图中所述各最大峰值点的第一组边缘检测点;
此步骤与步骤A1相同,在此不再详述。
步骤B2,将所述第一组边缘检测点转换为极坐标值(ρicosφi,ρisinφi),其中i=1,2,···,N,N为第一组边缘检测点的数量;
具体地,如图12所示,将上述确定的第一组边缘检测点转换为极坐标表达,极坐标表达包括对应各峰值点的角坐标值(ρicosφi,ρisinφi)。
步骤B3,获取所述极坐标值的中间值φc=(Maxφi+Minφi)/2;
进一步地,如图12所示,对应第一组峰值点的角度为其中i=1,2,···,N,N为对应第一组峰值点的第一组边缘检测点的数量,中间角度值φc,为最大角度和最小角度的的平均值φc=(Maxφi+Minφi)/2。
步骤B4,根据所述中间值φc,通过公式组(2)计算倾斜角度γ,其中,
其中,(ρ0,θ0)为所述第一峰值的霍夫直方图中的位置坐标。
同样地,根据公式(1a)和公式(2a)阐述的原理,可以推倒出公式(2),其中进一步计算出计算倾斜角度γ。
进一步地,如图13所示,在霍夫直方图中,以第一峰值为椭圆圆心,根据倾斜角度γ绘制斜椭圆,斜椭圆的长轴和短轴可以在实验中,根据最大累积峰值及其外围峰值的散布范围确定斜椭圆的区域。
步骤107,若所述第一峰值大于第二预设阈值,则在所述霍夫直方图中,所述第一峰值为椭圆圆心,以预设长轴和预设短轴,绘制具备所述倾斜角度斜椭圆;
本发明实施例中,在霍夫直方图中以最高峰值为椭圆圆心,γ为椭圆倾斜角度,预设长轴和预设短轴可以在绘制斜椭圆时通过确定包含最大累积峰值及其外围峰值的边缘检测点实验确定。
其中,以第一组峰值为中心绘制椭圆,需确定准确的椭圆范围,如图6所示,在霍夫平面上,确定斜角γ即可以确定椭圆在霍夫直方图上的方向,并根据第一组峰值及其外围峰值确定椭圆的范围。
步骤108,删除所述斜椭圆区域中包括的所有峰值点,得到椭圆删除霍夫直方图;
本发明实施例中,在霍夫直方图中确定了斜椭圆区域后,删除斜椭圆区域,即删除斜椭圆区域中包含的第一组峰值,如图14(g)和图14(h)所示,删除椭圆区域后的霍夫直方图。
步骤109,提取所述椭圆删除霍夫直方图中剩余峰值点的剩余最大值;
本发明实施例中,删除当前椭圆区域后,在霍夫直方图中继续搜索最大峰值点,搜索后进入下一步。
步骤110,若所述剩余最大值大于所述第二预设阈值,则将所述最大值确定为第一峰值,并重新开始执行所述步骤107;
本发明实施例中,当搜索到椭圆删除霍夫直方图中的最大峰值大于第二预设阈值,那么则继续以该最大值为圆心确定椭圆倾斜角度,绘制椭圆并删除,直到在霍夫直方图中不存在符合条件的最大峰值为止。
优选地,所述预设半径为霍夫角度坐标值6°;所述第一预设阈值为各最大峰值点累加值的0.3倍;所述第二预设阈值为第一峰值的0.3倍。
其中,第一预设阈值可以为最大累积峰值的0.3倍,第二预设阈值可以是第一峰值的0.3倍,当然,上述预设值的设定不限于此固定值,根据具体实验数据进行具体确定,本发明实施例对此不加以限制。
步骤111,若所述剩余最大值不大于所述第二预设阈值,则获取所述椭圆删除霍夫直方图中对应各最大峰值点的直线,确定为所述目标对象和车道的边缘线。
本发明实施例中,将在椭圆删除霍夫直方图中中确定剩余的峰值点,在边缘检测图中对应的该剩余峰值点的边缘检测点所形成的直线就是目标对象和车道的边缘线。
其中,根据图14(a)描述的,本发明方案首先采集目标对象的原始图像,是道路和路障,为了检测路障的边缘,如图14(b)所示,在原始图像中截取距离50米的目标对象的目标图像,紧接着,将目标图像进行差分处理和阈值处理得到边缘检测图像,再进行霍夫变换,如图14(c)所示,可以看到图中的峰值点以及其外围峰值,为了准确的检测出路障和道路的边缘线,那么就需要抑制与车道边缘对应的第一组峰值及其外围峰值,如图14(d)所示,利用方案中描述的斜椭圆删除后的直方图立体视图,可以清晰的看出,第一组和第二组峰值以及外围峰值被删除。如图14(e)所示,为普通椭圆(非倾斜)删除,不仅第一组峰值被删除,相邻其他组峰值也被删除。图14(f)表示未进行删除的霍夫曲线视图,图14(g)为本方案中使用的斜椭圆删除,图14(h)为普通椭圆删除,从以上的对比图可以清晰的看出,由于斜椭圆删除没有删除非必要峰值点,所以斜椭圆删除相对普通椭圆删除更准确。
实际应用中,如图14(i)表示的,车道强边缘线和弱边缘线,即使存在车道的强边缘线,也能准确地检测出目标交通锥,从而验证了这种斜椭圆删除的有效性。
综上所述,本发明实施例提供的一种边缘检测方法,通过摄像机采集目标对象和车道的目标图像后,处理获得包含目标对象和车道的边缘检测图像,对边缘检测图像中的点进行霍夫变换,计算由霍夫角度和霍夫距离组成的霍夫直方图,在以最大峰值为第一峰值为中心的圆内拾取直方图的大峰值,对直方图中以角度和距离表示的峰值点进行线性回归,确定倾斜角度。最大峰值为圆心,预设长轴和预设短轴,根据该倾斜角度绘制椭圆后,删除椭圆曲线中包含的所有峰值点。继续搜索最大的峰值点并将其作为第二峰值,如果第二峰值大于第二预设阈值,则重复与第一峰值相同的椭圆删除。与第1、第2、…、第n个峰值相对应的峰值点组成的线则是车道和对象的边界线。本发明实施例利用霍夫变换椭圆删除提高目标检测的精度的目的。
在上述实施例的基础上,本发明实施例还提供了一种边缘检测装置,应用于车辆中的图像处理系统。
参照图15,示出了本发明实施例所述一种边缘检测装置的结构框图,应用于车辆中的图像处理系统,所述图像处理系统包括摄像机,具体可以包括如下模块:
目标图像采集模块201,用于通过所述摄像机采集包括目标对象和车道的目标图像;
预处理模块202,用于对所述目标图像进行预处理,获得包含所述目标对象和所述车道的边缘检测点的边缘检测图像;所述预处理至少包括差分运算和阈值运算;
霍夫变换模块203,用于对所述边缘检测图像中的边缘检测点进行霍夫变换,得到包括峰值点的霍夫直方图;所述峰值点是由霍夫角度坐标和霍夫范围坐标进行标识;
第一峰值提取模块204,用于提取所述峰值点中的最大值为第一峰值;
圆形区域确定模块205,用于在所述霍夫直方图中,所述第一峰值中为圆心,以预设半径绘制圆形区域;
倾斜角度确定模块206,用于在所述霍夫直方图中,通过对所述圆形区域中大于第一预设阈值的峰值点进行线性回归运算,得到倾斜角度;
优选地,所述倾斜角度确定模块206,可以包括:
第一组边缘检测点获取子模块,用于在所述边缘检测图像中,选取对应所述霍夫直方图中所述各最大峰值点的第一组边缘检测点;
其中,θ0为所述第一峰值的霍夫角度坐标值。
优选地,所述倾斜角度确定模块206,可以包括:
第一组边缘检测点获取子模块,用于在所述边缘检测图像中,选取对应所述霍夫直方图中所述各最大峰值点的第一组边缘检测点;
极坐标转换子模块,用于将所述第一组边缘检测点转换为极坐标值;
中间值获取子模块,用于获取所述极坐标值的中间值φc=(Maxφi+Minφi)/2;
倾斜角度计算子模块,用于根据所述中间值φc,通过公式组(2)计算倾斜角度γ,其中,
其中,(ρ0,θ0)为所述第一峰值的霍夫直方图中的位置坐标。
斜椭圆绘制模块207,用于若所述第一峰值大于第二预设阈值,则在所述霍夫直方图中,所述第一峰值为椭圆圆心,以预设长轴和预设短轴,绘制具备所述倾斜角度斜椭圆;
删除模块208,用于删除所述斜椭圆区域中包括的所有峰值点,得到椭圆删除霍夫直方图;
最大值提取模块209,用于提取所述椭圆删除霍夫直方图中剩余峰值点的剩余最大值;
循环模块210,用于若所述剩余最大值与已删除斜椭圆圆心坐标值的和,大于第二预设阈值,则重新开始执行模块207;
边缘线确定模块211,用于若所述剩余最大值不大于所述第二预设阈值,则获取所述椭圆删除霍夫直方图中对应各最大峰值点的直线,确定为所述目标对象和车道的边缘线。
优选地,所述预设半径为霍夫角度坐标值6°;所述第一预设阈值为各最大峰值点累加值的0.3倍;所述第二预设阈值为第一峰值的0.3倍。
综上所述,本申请提供的一种边缘检测装置,应用于车辆中的图像处理系统,所述图像处理系统包括摄像机,通过目标图像采集模块,用于通过所述摄像机采集包括目标对象和车道的目标图像;预处理模块,用于对所述目标图像进行预处理,获得包含所述目标对象和所述车道的边缘检测点的边缘检测图像;所述预处理至少包括差分运算和阈值运算;霍夫变换模块,用于对所述边缘检测图像中的边缘检测点进行霍夫变换,得到包括峰值点的霍夫直方图;所述峰值点是由霍夫角度坐标和霍夫范围坐标进行标识;第一峰值提取模块,用于提取所述峰值点中的最大值为第一峰值;圆形区域确定模块,用于在所述霍夫直方图中,所述第一峰值中为圆心,以预设半径绘制圆形区域;倾斜角度确定模块,用于在所述霍夫直方图中,通过对所述圆形区域中大于第一预设阈值的峰值点进行线性回归运算,得到倾斜角度;斜椭圆绘制模块,用于若所述第一峰值大于第二预设阈值,则在所述霍夫直方图中,所述第一峰值为椭圆圆心,以预设长轴和预设短轴,绘制具备所述倾斜角度斜椭圆;删除模块,用于删除所述斜椭圆区域中包括的所有峰值点,得到椭圆删除霍夫直方图;最大值提取模块,用于提取所述椭圆删除霍夫直方图中剩余峰值点的剩余最大值;循环模块,用于若所述剩余最大值大于所述第二预设阈值,则将所述最大值确定为第一峰值,并重新开始执行所述在所述霍夫直方图中,所述第一峰值为椭圆圆心,以预设长轴和预设短轴,绘制具备所述倾斜角度斜椭圆的步骤;边缘线确定模块,用于若所述剩余最大值不大于所述第二预设阈值,则获取所述椭圆删除霍夫直方图中对应各最大峰值点的直线,确定为所述目标对象和车道的边缘线。本发明实施例利用霍夫变换椭圆删除提高目标检测的精度的目的。
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,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
以上所述,仅为本发明的具体实施方式,但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。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种边缘检测方法,应用于车辆中的图像处理系统,所述图像处理系统包括摄像机,其特征在于,所述方法包括:
通过所述摄像机采集包括目标对象和车道的目标图像;
对所述目标图像进行预处理,获得包含所述目标对象和所述车道的边缘检测点的边缘检测图像;所述预处理至少包括差分运算和阈值运算;
对所述边缘检测图像中的边缘检测点进行霍夫变换,得到包括峰值点的霍夫直方图;所述峰值点是由霍夫角度坐标和霍夫范围坐标进行标识;
提取所述峰值点中的最大值为第一峰值;
在所述霍夫直方图中,所述第一峰值中为圆心,以预设半径绘制圆形区域;
在所述霍夫直方图中,通过对所述圆形区域中大于第一预设阈值的峰值点进行线性回归运算,得到倾斜角度;
若所述第一峰值大于第二预设阈值,则在所述霍夫直方图中,所述第一峰值为椭圆圆心,以预设长轴和预设短轴,绘制具备所述倾斜角度斜椭圆;
删除所述斜椭圆区域中包括的所有峰值点,得到椭圆删除霍夫直方图;
提取所述椭圆删除霍夫直方图中剩余峰值点的剩余最大值;
若所述剩余最大值大于所述第二预设阈值,则将所述最大值确定为第一峰值,并重新开始执行所述在所述霍夫直方图中,所述第一峰值为椭圆圆心,以预设长轴和预设短轴,绘制具备所述倾斜角度斜椭圆的步骤;
若所述剩余最大值不大于所述第二预设阈值,则获取所述椭圆删除霍夫直方图中对应各最大峰值点的直线,确定为所述目标对象和车道的边缘线。
4.根据权利要求1所述的方法,其特征在于,所述预设半径为霍夫角度坐标值6°;所述第一预设阈值为各最大峰值点累加值的0.3倍;所述第二预设阈值为第一峰值的0.3倍。
5.一种边缘检测装置,应用于车辆中的图像处理系统,所述图像处理系统包括摄像机,其特征在于,所述装置包括:
目标图像采集模块,用于通过所述摄像机采集包括目标对象和车道的目标图像;
预处理模块,用于对所述目标图像进行预处理,获得包含所述目标对象和所述车道的边缘检测点的边缘检测图像;所述预处理至少包括差分运算和阈值运算;
霍夫变换模块,用于对所述边缘检测图像中的边缘检测点进行霍夫变换,得到包括峰值点的霍夫直方图;所述峰值点是由霍夫角度坐标和霍夫范围坐标进行标识;
第一峰值提取模块,用于提取所述峰值点中的最大值为第一峰值;
圆形区域确定模块,用于在所述霍夫直方图中,所述第一峰值中为圆心,以预设半径绘制圆形区域;
倾斜角度确定模块,用于在所述霍夫直方图中,通过对所述圆形区域中大于第一预设阈值的峰值点进行线性回归运算,得到倾斜角度;
斜椭圆绘制模块,用于若所述第一峰值大于第二预设阈值,则在所述霍夫直方图中,所述第一峰值为椭圆圆心,以预设长轴和预设短轴,绘制具备所述倾斜角度斜椭圆;
删除模块,用于删除所述斜椭圆区域中包括的所有峰值点,得到椭圆删除霍夫直方图;
最大值提取模块,用于提取所述椭圆删除霍夫直方图中剩余峰值点的剩余最大值;
循环模块,用于若所述剩余最大值大于所述第二预设阈值,则将所述最大值确定为第一峰值,并重新开始执行所述在所述霍夫直方图中,所述第一峰值为椭圆圆心,以预设长轴和预设短轴,绘制具备所述倾斜角度斜椭圆的步骤;
边缘线确定模块,用于若所述剩余最大值不大于所述第二预设阈值,则获取所述椭圆删除霍夫直方图中对应各最大峰值点的直线,确定为所述目标对象和车道的边缘线。
8.根据权利要求5所述的装置,其特征在于,所述预设半径为霍夫角度坐标值6°;所述第一预设阈值为各最大峰值点累加值的0.3倍;所述第二预设阈值为第一峰值的0.3倍。
9.一种车辆,所述车辆包括车载终端,其特征在于,所述车辆还包括如权利要求5至8任一所述的边缘检测装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110454904.1A CN115249346A (zh) | 2021-04-26 | 2021-04-26 | 一种边缘检测方法、装置及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110454904.1A CN115249346A (zh) | 2021-04-26 | 2021-04-26 | 一种边缘检测方法、装置及车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115249346A true CN115249346A (zh) | 2022-10-28 |
Family
ID=83696412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110454904.1A Pending CN115249346A (zh) | 2021-04-26 | 2021-04-26 | 一种边缘检测方法、装置及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115249346A (zh) |
-
2021
- 2021-04-26 CN CN202110454904.1A patent/CN115249346A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110414507B (zh) | 车牌识别方法、装置、计算机设备和存储介质 | |
US10970566B2 (en) | Lane line detection method and apparatus | |
KR100975749B1 (ko) | 단일 차선을 이용한 차선 인식 및 차량의 차선 이탈 검출 방법 | |
EP2476996B1 (en) | Parallax calculation method and parallax calculation device | |
Lee et al. | Stereo vision–based vehicle detection using a road feature and disparity histogram | |
EP2602761A1 (en) | Object detection device, object detection method, and program | |
CN112598922B (zh) | 车位检测方法、装置、设备及存储介质 | |
CN109948413B (zh) | 基于高精度地图融合的车道线检测方法 | |
JP2008158958A (ja) | 路面判別方法および路面判別装置。 | |
JP2007179386A (ja) | 白線認識方法及び白線認識装置 | |
CN111582077A (zh) | 基于人工智能软件技术的安全带佩戴检测方法和装置 | |
CN113223031A (zh) | 基于霍夫变换的目标边缘线检测方法及装置 | |
KR101236223B1 (ko) | 차선 검출 방법 | |
CN109993046B (zh) | 基于视觉摄像机的自阴影物体边缘识别方法、装置及车辆 | |
CN110675442A (zh) | 一种结合目标识别技术的局部立体匹配方法及系统 | |
US20210182591A1 (en) | Image identification apparatus, image identification method, and non-transitory computer-readable storage medium for storing image identification program | |
CN114549400A (zh) | 一种图像识别方法及装置 | |
CN111354038A (zh) | 锚定物检测方法及装置、电子设备及存储介质 | |
CN115249346A (zh) | 一种边缘检测方法、装置及车辆 | |
JP2013254242A (ja) | 画像認識装置、画像認識方法および画像認識プログラム | |
Mistry et al. | Computationally efficient vanishing point detection algorithm based road segmentation in road images | |
Jo et al. | Pothole detection based on the features of intensity and motion | |
JPH11219435A (ja) | 自動車用白線検出装置 | |
Setiyorini et al. | Vehicle number plate identification using template matching algorithm for automatic parking system | |
CN109993761B (zh) | 一种三值图像获取方法、装置及车辆 |
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 |