首页 / 专利库 / 电脑编程 / 算法 / 一种减速带的识别方法

一种减速带的识别方法

阅读:963发布:2021-06-05

专利汇可以提供一种减速带的识别方法专利检索,专利查询,专利分析的服务。并且本 发明 公开一种 减速带 的识别方法,主要识别步骤为:车载摄像头获取道路图像;对采集的图像进行预处理;使用大津法对图像进行分割;采用改进的canny 算法 提取图像中减速带的边缘;通过hough变换以及 角 度的筛选提取减速带可能所在的直线;通过灰度 块 的提取确定减速带所在的直线。利用该方法可帮助无人驾驶 汽车 快速、准备识别道路上的减速带,便于及时作出减速处理,为无人驾驶车辆的普及提供技术支持。,下面是一种减速带的识别方法专利的具体信息内容。

1.一种减速带的识别方法,其特征在于,主要包括如下步骤:
(一)车载摄像头获取道路图像;
(二)对采集的图像进行预处理;
(三)使用大津法对图像进行分割;
(四)采用改进的canny算法提取图像中减速带的边缘;
(五)通过hough变换以及度的筛选提取减速带可能所在的直线;
(六)通过灰度的提取确定减速带所在的直线。
2.如权利要求1所述的一种减速带的识别方法,其特征在于,步骤二中,预处理过程具体为:
(1)车载相机获取道路图像后,给图像设定一个合适的感兴趣区域;
(2)对图像进行灰度化处理,灰度化方法采用加权平均值法,计算公式如式i所示:
Gray(x,y)=Wr*R(x,y)+Wg*G(x,y)+Wb*B(x,y)    i
其中,Wr、Wg、Wb分别是对应R、G、B三个分量的权重值,且Wr+Wg+Wb=1,考虑到人眼对色彩的辨识度存在区别,所以对这个三个分量赋值后的公式为:
Gray(x,y)=0.33*R(x,y)+0.54*G(x,y)+0.13*B(x,y)    ii
(3)采用中值滤波法对图像进行降噪处理。
3.如权利要求1所述的一种减速带的识别方法,其特征在于,步骤三中,使用大津法对图像进行分割的具体步骤为:
(1)设阈值t把图像中的像素分为背景类C0=[0,t],目标类C1=[t+1,L-1],图像的总像素个数为M,灰度级范围为[0,L-1],灰度级i对应的像素个数为Ni,概率为(2)求取整个图像的均值: 求取C0的均值: 求取C1的均值:
其中, 为图像的前景点数占图像的比例, 为背景点占图像
的比例;
(3)求取类间方差σB2=w0(u0-ut)2+w1(u1-ut)2,当σB2最大时,此时的阈值t就是最佳阈值,根据此对图像进行分割。
4.如权利要求1所述的一种减速带的识别方法,其特征在于,步骤四中使用改进的canny算法提取图像中物体的边缘的具体步骤为:
(1)由于减速带是横穿路面的,检测到与行驶方向平行的一定不是减速带,所以采用式iv的Sobel算子计算图像x方向和y方向的偏导数,并按照式v和式vi求取梯度幅值和方向角度,即:
(2)对梯度幅值图像进行非极大值抑制,找到局部梯度最大值点,设定一个3×3的检测邻域模板,将中心像素点与梯度方向上的两个像素点比较,如果比这两个像素点的梯度幅值都小,则将中心像素点置零,将梯度方向划分为平、垂直、对角等四个方向;
(3)在非极大值图像中进行阈值变换,如果像素点的灰度值大于高阈值,则为图像的边缘特征点,小于则舍去;如果灰度值大于低阈值且小于高阈值,则检索像素点的领域范围是否有大于高阈值的像素点,如果有,则为边缘特征点,否则不是。
5.如权利要求1所述的一种减速带的识别方法,其特征在于,步骤五中,用hough变换检测图像中的直线的主要步骤如下:
(1)将ρ-θ参数空间划分为多个小方格,每个小方格都有一个点的累加数组A(ρ,θ),并将A(ρ,θ)初值设置为0,将经过边缘检测的图像中的非零像素点作为待检测点集;
(2)如果待检测点集为空集,则此次hough变换结束;如果待检测点集不是空集,则从该点集中任意一点开始计算其相应的ρ、θ值,并将对应方格中的累加数组A(ρ,θ)加1;
(3)将已经检测过的点从待检测点集中删除;
(4)当待检测点集为空集时,表示所有点都经过了hough变换,此时查看每个累加数组A(ρ,θ)的值,若A(ρ,θ)的值大于给定阈值thr,那么该累加数组A(ρ,θ)对应的直线就被检测出来;
利用角度的不同对图像中检测出的直线进行筛选的过程为:
(1)确定θ的取值范围;
(2)对于图像中的每一个像素点(x,y),参数θ对应的每一个取值,分别按照公式ρ=x cosθ+y sinθ计算相应的参数ρ的取值;
(3)在相应的参数累加单元中加1;
(4)统计每个累加单元的取值,大于设定的阈值,则将该组参数作为图像空间直线的参数。
6.如权利要求1所述的一种减速带的识别方法,其特征在于,步骤六中,使用灰度块匹配的方法对边缘直线再次进行筛选的具体过程为:
(1)由于减速带在道路图像中出现的位置都在图像的中上方,图像的下方通常都是道路图像,所以,图像灰度化处理后,在图像的下方中心区域选取一个3×3大小的灰度小方块,以此作为道路图像的灰度值;
(2)检测灰度小方块中的3×3个像素点的灰度值,分别为g1-g9;
(3)根据9个像素点的灰度值,通过式vii求出灰度判断值;
(4)减速带通常是由黑色和黄色两种颜色组成的,减速带上的像素灰度值一般高于道路图像的灰度值,从经过canny算法处理过的边缘检测图像的左端开始,利用栅格扫描的方法对边缘检测图像进行逐列向右搜索,获取扫描线与检测到的直线的交点的灰度值Gray,将它与Tgray进行比较,若该交点的灰度值大于Tgray,则认为这个交点是减速带上的点,将该点保存到点集Point,否则,将该点舍弃,持续此过程直到扫描线到达图像的右端,完成对图像的遍历。
7.如权利要求2所述的一种减速带的识别方法,其特征在于,中值滤波法的算法过程为:
(1)选取一个3×3的模板,将模板在图像中移动,移动步长为一个像素点,将模板的中心选取为目标像素;
(2)读取模板框架内的像素点的灰度值,将灰度值从小到大排列;
(3)选取序列中的中间值替代目标像素的灰度值,即替换后的目标像素的灰度值可用式iii表示:
G(i)=Med(x(i-N),..x(i),...x(i+N))      iii
式中,x(i)表示某个像素点的灰度值。

说明书全文

一种减速带的识别方法

技术领域

[0001] 本发明涉及汽车图像识别领域,具体涉及一种减速带的识别方法。

背景技术

[0002] 减速带也叫减速垄,是安装在公路上使经过的车辆减速的交通设施。形状一般为条状,材质主要是橡胶,一般以黄色黑色相间以引起视觉注意,使路面稍微拱起以达到车辆减速目的。一般设置在公路道口、工矿企业、学校、住宅小区入口等需要车辆减速慢行的路段和容易引发交通事故的路段,是用于降低机动车、非机动车行驶速度的新型交通专用安全设置。
[0003] 无人驾驶汽车是通过车载传感系统感知道路环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,自动规划行车路线并控制车辆到达预定目标的智能汽车。无人驾驶汽车的进一步大范围普及还需基于感知技术的进一步完善,目前,针对减速带的识别研究还进行得较少,但减速带作为一种重要的交通标志,对道路交通管制和机动车行车安全的意义极为重大。在减速带检测方面,目前研究较多的方法主要是以减速带几何形状作为检测特征,但由于各地交通路段上的减速带存在一定差异,基于几何特征的方法只针对特定地区的检测可以达到很好的效果,该方法并不具有普适性,识别率也较低。如能在几何形状的基础上,将能把减速带图像与道路、环境图像进行区分的特征作为检测标准进行减速带的识别无疑能提高其检测效果和检测的普适性。

发明内容

[0004] 本发明的目的在于解决现有技术中存在的不足,提供一种减速带的识别方法,可对道路上的减速带进行高效识别,为无人驾驶车辆的普及提供技术支持。
[0005] 本发明的技术方案为:一种减速带的识别方法,主要包括如下步骤
[0006] (一)车载摄像头获取道路图像;
[0007] (二)对采集的图像进行预处理;
[0008] (三)使用大津法对图像进行分割;
[0009] (四)采用改进的canny算法提取图像中减速带的边缘;
[0010] (五)通过hough变换以及度的筛选提取减速带可能所在的直线;
[0011] (六)通过灰度的提取确定减速带所在的直线;
[0012] 进一步地,步骤二中的预处理过程具体为:
[0013] (1)车载相机获取道路图像后,给图像设定一个合适的感兴趣区域;
[0014] (2)对图像进行灰度化处理,灰度化方法采用加权平均值法,计算公式如式i所示:
[0015] Gray(x,y)=Wr*R(x,y)+Wg*G(x,y)+Wb*B(x,y)    i
[0016] 其中,Wr、Wg、Wb分别是对应R、G、B三个分量的权重值,且Wr+Wg+Wb=1。考虑到人眼对色彩的辨识度存在区别,所以对这个三个分量赋值后的公式为:
[0017] Gray(x,y)=0.33*R(x,y)+0.54*G(x,y)+0.13*B(x,y)    ii
[0018] (3)采用中值滤波法对图像进行降噪处理,中值滤波法的算法过程为:
[0019] 1.选取一个3×3的模板,将模板在图像中移动,移动步长为一个像素点,将模板的中心选取为目标像素;
[0020] 2.读取模板框架内的像素点的灰度值,将灰度值从小到大排列;
[0021] 3.选取序列中的中间值替代目标像素的灰度值,即替换后的目标像素的灰度值可用式iii表示:
[0022] G(i)=Med(x(i-N),..x(i),...x(i+N))    iii
[0023] 式中,x(i)表示某个像素点的灰度值。
[0024] 进一步地,步骤三中的使用大津法对图像进行分割的具体步骤为:
[0025] (1)设阈值t把图像中的像素分为背景类C0=[0,t],目标类C1=[t+1,L-1],图像的总像素个数为M,灰度级范围为[0,L-1],灰度级i对应的像素个数为Ni,概率为[0026] (2)求取整个图像的均值: 求取C0的均值: 求取C1的均值:其中, 为图像的前景点数占图像的比例, 为背景点占图像
的比例;
[0027] (3)求取类间方差σB2=w0(u0-ut)2+w1(u1-ut)2,当σB2最大时,此时的阈值t就是最佳阈值,根据此对图像进行分割。
[0028] 进一步地,步骤四中使用改进的canny算法提取图像中物体的边缘的具体步骤为:
[0029] (1)由于减速带是横穿路面的,检测到与行驶方向平行的一定不是减速带,所以采用式iv的Sobel算子计算图像x方向和y方向的偏导数,并按照式v和式vi求取梯度幅值和方向角度,即:
[0030]
[0031]
[0032]
[0033] (2)对梯度幅值图像进行非极大值抑制,找到局部梯度最大值点,设定一个3×3的检测邻域模板,将中心像素点与梯度方向上的两个像素点比较,如果比这两个像素点的梯度幅值都小,则将中心像素点置零,将梯度方向划分为平、垂直、对角等四个方向;
[0034] (3)在非极大值图像中进行阈值变换,如果像素点的灰度值大于高阈值,则为图像的边缘特征点,小于则舍去;如果灰度值大于低阈值且小于高阈值,则检索像素点的领域范围是否有大于高阈值的像素点,如果有,则为边缘特征点,否则不是。
[0035] 进一步地,步骤五中用hough变换检测图像中的直线的主要步骤如下:
[0036] (1)将ρ-θ参数空间划分为多个小方格,每个小方格都有一个点的累加数组A(ρ,θ),并将A(ρ,θ)初值设置为0,将经过边缘检测的图像中的非零像素点作为待检测点集;
[0037] (2)如果待检测点集为空集,则此次hough变换结束;如果待检测点集不是空集,则从该点集中任意一点开始计算其相应的ρ、θ值,并将对应方格中的累加数组A(ρ,θ)加1;
[0038] (3)将已经检测过的点从待检测点集中删除;
[0039] (4)当待检测点集为空集时,表示所有点都经过了hough变换,此时查看每个累加数组A(ρ,θ)的值,若A(ρ,θ)的值大于给定阈值thr,那么该累加数组A(ρ,θ)对应的直线就被检测出来;
[0040] 利用角度的不同对图像中检测出的直线进行筛选的过程为:
[0041] (1)确定θ的取值范围;
[0042] (2)对于图像中的每一个像素点(x,y),参数θ对应的每一个取值,分别按照公式ρ=xcosθ+ysinθ计算相应的参数ρ的取值;
[0043] (3)在相应的参数累加单元中加1;
[0044] (4)统计每个累加单元的取值,大于设定的阈值,则将该组参数作为图像空间直线的参数;
[0045] 进一步地,步骤六中使用灰度块匹配的方法对边缘直线再次进行筛选的具体过程为:
[0046] (1)由于减速带在道路图像中出现的位置都在图像的中上方,图像的下方通常都是道路图像,所以,图像灰度化处理后(已经经过感兴趣区域选取),在图像的下方中心区域选取一个3×3大小的灰度小方块,以此作为道路图像的灰度值;
[0047] (2)检测灰度小方块中的3×3个像素点的灰度值,分别为g1-g9;
[0048] (3)根据9个像素点的灰度值,通过式vii求出灰度判断值;
[0049]
[0050] (4)减速带通常是由黑色和黄色两种颜色组成的,减速带上的像素灰度值一般高于道路图像的灰度值,从经过canny算法处理过的边缘检测图像的左端开始,利用栅格扫描的方法对边缘检测图像进行逐列向右搜索,获取扫描线与检测到的直线的交点的灰度值Gray,将它与Tgray进行比较,若该交点的灰度值大于Tgray,则认为这个交点是减速带上的点,将该点保存到点集Point,否则,将该点舍弃,持续此过程直到扫描线到达图像的右端,完成对图像的遍历。
[0051] 本发明的有益效果为:
[0052] 本发明公开的一种减速带的识别方法,识别过程简单,通过对Hough变换中角度的设置排除了不可能是减速带边缘的直线,同时利用减速带与道路部分图像灰度值的不同确定了减速带边缘所在的直线,相比较于传统的只根据几何特征进行减速带识别的方法而言,可提高减速带的识别率;可用于无人驾驶车辆在行进过程中快速、准确识别路面上的减速带,反馈到车辆的车载传感系统后提醒车辆及时减速,为无人驾驶车辆的普及提供技术保障。附图说明
[0053] 图1为需要识别的减速带的原图;
[0054] 图2为提取出的感兴趣区域的图像;
[0055] 图3为经过改进的canny算法处理过的图像。

具体实施方式

[0056] 以下实施例进一步说明本发明的内容,但不应理解为对本发明的限制。在不背离本发明实质的情况下,对本发明方法、步骤或条件所作的修改和替换,均属于本发明的范围。
[0057] 为了提升无人驾驶汽车在驾驶过程中识别减速带的能,以便及时作出减速处理,本实施例提供一种减速带的识别方法,具体步骤为:
[0058] (一)车载相机拍摄道路图像;
[0059] (二)对图像进行预处理;
[0060] (三)使用大津法对图像进行分割,将减速带从道路图像中提取出来,区分图像的远景和近景,即将减速带与道路背景进行区分;
[0061] (四)使用改进的canny算法提取道路图像中物体的边缘;
[0062] (五)使用hough变换检测道路图像中存在的直线,再通过角度以及灰度块的匹配对直线进行筛选,从而得到减速带边缘直线;
[0063] 步骤二中的的预处理过程的具体实施步骤为:
[0064] (1)选取图像的感兴趣区域,将与减速带无关的信息筛选出去一部分,由于是对减速带的识别,而减速带通常出现在图像的中下方且横穿整个路面,所以,感兴趣区域尺寸可以设置为:高为原始图像的三分之二即2/3*height,宽截取为图像中间部分的1/3区域,本发明中采用的图像大小为:800×600,即高600,宽800,感兴趣区域提取后的图像如图1所示;
[0065] (2)对图像进行灰度化处理,减少图像需要处理的信息量,灰度化方法采用加权平均值法,计算公式如下式所示:
[0066] Gray(x,y)=Wr*R(x,y)+Wg*G(x,y)+Wb*B(x,y)    i
[0067] 其中,Wr、Wg、Wb分别是对应R、G、B三个分量的权重值,且Wr+Wg+Wb=1,考虑到人眼对色彩的辨识度存在区别,所以对这个三个分量赋值后的公式为:
[0068] Gray(x,y)=0.33*R(x,y)+0.54*G(x,y)+0.13*B(x,y)    ii
[0069] (3)对图像进行滤波处理,增强图像的识别度,采用中值滤波法对图像进行降噪处理,中值滤波法的算法过程为:
[0070] 1.选取一个3×3的模板,将模板在图像中移动,移动步长为一个像素点,将模板的中心选取为目标像素;
[0071] 2.读取模板框架内的像素点的灰度值,将灰度值从小到大排列;
[0072] 3.选取序列中的中间值替代目标像素的灰度值,即替换后的目标像素的灰度值可用下式表示:
[0073] G(i)=Med(x(i-N),..x(i),...x(i+N))    iii
[0074] 式中,x(i)表示某个像素点的灰度值。
[0075] 步骤三中以大津法分割图像的具体步骤为:
[0076] (1)设阈值t把图像中的像素分为背景类C0=[0,t],目标类C1=[t+1,L-1],图像的总像素个数为M,灰度级范围为[0,L-1],灰度级i对应的像素个数为Ni,概率为[0077] (2)求取整个图像的均值: 求取C0的均值: 求取C1的均值: 其中, 为图像的前景点数占图像的比例, 为背景点占
图像的比例;
[0078] (3)求取类间方差σB2=w0(u0-ut)2+w1(u1-ut)2,当σB2最大时,此时的阈值t就是最佳阈值,根据此对图像进行分割;
[0079] 步骤四中提取道路图像中物体边缘的步骤为:
[0080] (1)由于传统的canny算法需要使用高斯滤波器对图像进行平滑处理,而高斯函数方差的选取往往需要凭借人工经验,所以在步骤二中对图像先进行了预处理,使用中值滤波法对图像进行降噪;
[0081] (2)由于减速带是横穿路面的,检测到与行驶方向平行的一定不是减速带,所以采用式iv的Sobel算子计算图像x方向和y方向的偏导数,并按照式v和式vi求取梯度幅值和方向角度,即:
[0082]
[0083]
[0084]
[0085] (3)对梯度幅值图像进行非极大值抑制,找到局部梯度最大值点,设定一个3×3的检测邻域模板,将中心像素点与梯度方向上的两个像素点比较,如果比这两个像素点的梯度幅值都小,则将中心像素点置零,将梯度方向划分为水平、垂直、对角等四个方向;
[0086] (4)在非极大值图像中进行阈值变换,如果像素点的灰度值大于高阈值,则为图像的边缘特征点,小于则舍去;如果灰度值大于低阈值且小于高阈值,则检索像素点的领域范围是否有大于高阈值的像素点,如果有,则为边缘特征点,否则不是,处理后的图像如图3所示。
[0087] 步骤五中的检测减速带边缘直线的具体方法为:
[0088] (1)用hough变换检测图像中的直线的主要步骤如下:
[0089] 1.将ρ-θ参数空间划分为多个小方格,每个小方格都有一个点的累加数组A(ρ,θ),并将A(ρ,θ)初值设置为0,将经过边缘检测的图像中的非零像素点作为待检测点集;
[0090] 2.如果待检测点集为空集,则此次Hough变换结束;如果待检测点集不是空集,则从该点集中任意一点开始计算其相应的ρ、θ值,并将对应方格中的累加数组A(ρ,θ)加1;
[0091] 3.将已经检测过的点从待检测点集中删除;
[0092] 4.当检测点集为空集时,表示所有点都经过了hough变换,此时查看每个累加数组A(ρ,θ)的值,若A(ρ,θ)的值大于给定阈值thr,那么该累加数组A(ρ,θ)对应的直线就被检测出来;
[0093] (2)由于道路图像中减速带通常与车载相机的拍摄平面是平行的,即减速带在图像中的位置通常是与图像的宽平行,或者倾斜一点的角度;针对此特点,在hough变换检测完直线后,利用角度的不同对图像中检测出的直线进行筛选,筛选的过程为:
[0094] 1.确定θ的取值范围,此处将角度范围选为[-90°,-80°];
[0095] 2.对于图像中的每一个像素点(x,y),参数θ对应的每一个取值,分别按照公式ρ=xcosθ+ysinθ计算相应的参数ρ的取值;
[0096] 3.在相应的参数累加单元中加1;
[0097] 4.统计每个累加单元的取值,大于设定的阈值,则将该组参数作为图像空间直线的参数;
[0098] (3)使用灰度块匹配的方法对边缘直线再次进行筛选,具体过程为:
[0099] 1.由于减速带在道路图像中出现的位置都在图像的中上方,图像的下方通常都是道路图像,所以,图像灰度化处理后(已经经过感兴趣区域选取),在图像的下方中心区域选取一个3×3大小的灰度小方块,以此作为道路图像的灰度值;
[0100] 2.检测灰度小方块中的3×3个像素点的灰度值,分别为g1-g9;
[0101] 3.根据9个像素点的灰度值,通过下式求出灰度判断值;
[0102]
[0103] 减速带通常是由黑色和黄色两种颜色组成的,减速带上的像素灰度值一般高于道路图像的灰度值,从经过canny算法处理过的边缘检测图像的左端开始,利用栅格扫描的方法对边缘检测图像进行逐列向右搜索,获取扫描线与检测到的直线的交点的灰度值Gray,将它与Tgray进行比较,若该交点的灰度值大于Tgray,则认为这个交点是减速带上的点,将该点保存到点集Point,否则,将该点舍弃;持续此过程直到扫描线到达图像的右端,完成对图像的遍历。
[0104] 以上显示和描述了本发明的基本原理、主要特征及优点。但是以上所述仅为本发明的具体实施例,本发明的技术特征并不局限于此,任何本领域的技术人员在不脱离本发明的技术方案下得出的其他实施方式均应涵盖在本发明的专利范围之中。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈