【技术实现步骤摘要】
本专利技术涉及一种检测道路的方法,尤其是涉及一种自底向上从单幅图像检测道路 的全自动方法。
技术介绍
实时道路监控,智能行走机器人或自动驾驶车辆等计算机视觉系统中面临的一个 重要问题就是检测前方可行的道路以及检测道路中的障碍物等。在没有任何有关道路的先 验知识帮助下,从单幅图像检测道路在数学上是一个病态问题。 目前多数方法是针对在人工环境下拍摄得到的图像,如室内和城市街道图像等, 进行道路检测。因为这些图像满足曼哈顿世界(Manhattan World)的假设,即图像中多 数直线的方向与真实三维世界坐标系中相互正交的坐标轴相符,因此将这些线条按照不同 方向进行聚类可以帮助计算机估计三维场景的空间结构信息。 然而在非人工环境中拍摄得到的图像与在人工环境下拍摄得到的图像有很大的 差异性,如郊区、沙漠和荒野等地,从这些图像中检测到的多数直线是由树木、植被、远处山 脉和天空中云彩等产生,而这些直线方向与真实三维世界中相互正交的坐标系并不相符, 因而这些直线对于估计图像中道路会造成很大的干扰。 根据目前已查阅的技术文献来看,现有基于图像的道路检测技术中的一 类在2010年8月发表于IEEE图像处理期刊的论文(H. Kong, J. Y. Audibert,and J. Ponce, General road detection from a single image,,' IEEE Trans. On Image Processing, 19(8) :2211-2220, 2010)有所介绍。此类技术采用一组空间方向滤波器阵 ...
【技术保护点】
一种基于图像检测道路的方法,其特征在于该方法包括下列步骤:输入道路图像;将输入道路图像分割成初始道路区域和初始非道路区域;确定图像中每个像素点属于道路区域的似然度和属于非道路区域的似然度;及将每个像素点属于道路区域的似然度和属于非道路区域的似然度的比值与一阈值比较以确定该像素点是否属于道路区域。
【技术特征摘要】
1. 一种基于图像检测道路的方法,其特征在于该方法包括下列步骤: 输入道路图像; 将输入道路图像分割成初始道路区域和初始非道路区域; 确定图像中每个像素点属于道路区域的似然度和属于非道路区域的似然度;及 将每个像素点属于道路区域的似然度和属于非道路区域的似然度的比值与一阈值比 较以确定该像素点是否属于道路区域。2. 根据权利要求1所述的基于图像检测道路的方法,其特征在于所述将输入道路图像 分割成初始道路区域和初始非道路区域包括: 将图像左下边界点、右下边界点及图像中点两两连接构成一三角区域,并确定此三角 区域为初始道路区域;及 将图像中上述三角区域以外的区域确定为初始非道路区域。3. 根据权利要求1所述的基于图像检测道路的方法,其特征在于所述将输入道路图像 分割成初始道路区域和初始非道路区域包括: 确定道路图像中像素点的梯度方向和边缘点; 连接边缘点以得到图像边缘; 确定所得到的图像边缘中符合预定要求的图像边缘; 针对上述符合预定要求的图像边缘得到这些图像边缘拟合的直线; 确定所得到直线之间的交点; 构造相交于各交点的直线对的能量函数并根据各直线对能量确定一直线对的交点为 检测到的道路消失点;及 由上述确定道路消失点的两条直线把图像分割成所述初始道路区域及所述初始非道 路区域。4. 根据前述任一权利要求所述的基于图像检测道路的方法,其特征在于所述确定图像 中每个像素点属于道路区域的似然度和属于非道路区域的似然度包括: 确定初始道路区域内像素点的特定视觉特征的统计分布模型,并根据该统计分布模型 和像素点上特定视觉特征计算图像中每个像素点属于道路区域的似然度;及 确定初始非道路区域内像素点的特定视觉特征的统计分布模型,并根据该统计分布模 型和像素点上特定视觉特征确定图像中每个像素点属于非道路区域的似然度。5. 根据权利要求4所述的基于图像检测道路的方法,其特征在于所述特定视觉特征为 色彩特征。6. 根据权利要求5所述的基于图像检测道路的方法,其特征在于: 所述初始道路区域内像素点的色彩特征的统计分布模型为高斯分布模型;及 所述初始非道路区域内像素点的色彩特征的统计分布模型为非参数统计分布模型。7. 根据权利要求3至6中任一权利要求所述的基于图像检测道路的方法,其特征在于 所述连接边缘点以得到图像边缘包括: 采用光栅扫描方式和八连通方法去除图像中孤立的边缘点,连接剩余边缘点以得到图 像边缘。8. 根据权利要求3至7中任一权利要求所述的基于图像检测道路的方法,其特征在于 所述确定所得到的图像边缘中符合预定要求的图像边缘包括: 根据一预设长度阈值检测连接边缘点所得到的图像边缘是否符合预定长度要求;及 如所得到的符合预定长度要求的图像边缘数量少于一预设数量,按一预定递减值逐次 减小...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。