一种基于线性地标的定位方法技术

本发明专利技术公开了一种基于线性地标的定位方法，由于道路线性地标具有普适性，有效节约实际应用成本；本发明专利技术提出了基于Adaboost的线性地标区域定位方法；通过提取图像中线性地标框架在像素坐标系中的直线信息与真实线性地标框架在线性地标坐标系中的直线信息，将两个坐标系下框架直线对应相等，解算像素坐标系与线性地标坐标系的转换关系，由此得到用户在大地坐标系中的位置，提高了检测精度。

【技术实现步骤摘要】

本专利技术涉及视觉导航
，尤其涉及一种基于线性元素的定位方法。
技术介绍
随着北斗、GPS等卫星定位体系的完善，用户端定位精度得到进一步提高，但是室 内、城市峡谷等区域卫星信号受到遮挡，无法有效满足用户对定位结果精度的需求。近年 来，基于视觉合作目标的定位方式被认为是在信号遮挡区域高精度定位的有效手段，基于 视觉合作目标的定位的主要思想是： 首先设计针对性合作目标，然后通过用户视觉传感器获取当前场景图像，根据设 计的合作目标特征利用图像处理技术，得到合作目标特征信息（点信息、线信息、边缘信息 等），最后利用用户坐标系、图像采集设备坐标系、像素坐标系以及合作目标坐标之间的相 互转换关系计算出用户所需的定位位置和姿态。 西北工业大学控制与信息研究所设计了 H型的合作目标，该合作目标有效利用图 像颜色信息辅助提取合作目标中对应的角点。但是该方法检测角点精度低，并且受逆光等 光线影响较大，同时实际应用需要大量制备特定的合作目标，难以实际应用推广。 孔若男等人根据机场跑道线特点，通过人为将跑道线设为红色，并将机场跑道线 作为合作目标，利用Hough直线提取方法提取跑道线信息，用于无人机的导航。该方法检测 精度高，但是基于机场跑道线，并且需要人为设定跑道线颜色，不能实际应用。
技术实现思路
有鉴于此，本专利技术提供了，能够实现基于场景中的 线性地标进行定位。 本专利技术的，包括如下步骤： 步骤1、在应用场景中，测量场景中线性地标的长度和宽度；定义线性地标坐标 系，根据线性地标的长度和宽度得到线性地标的框架直线在线性地标坐标系下的表达式； 步骤2、利用图像采集设备获取所述线性地标的图像，提取图像中包含线性地标的 线性地标区域；然后从线性地标区域中提取线性地标的框架直线信息，得到各条框架直线 在所述图像的像素坐标系下的表达式； 步骤3、将步骤2得到的框架直线与步骤1中的线性地标的框架直线分别一一对 应，将图像的像素坐标系下的框架直线表达式分别与对应的线性地标坐标系下的框架直线 表达式进行联立并求解，得到图像的像素坐标系与线性地标坐标系的转换关系； 步骤4、获取线性地标坐标系与大地坐标系之间的转换关系；再根据图像像素坐 标系与线性地标坐标系的转换关系，得到图像像素坐标系与大地坐标系的转换关系，最终 得到用户在大地坐标系中的坐标，由此实现定位。 较佳的，所述步骤2具体包括如下步骤： 步骤A0、控制图像采集设备实时采集场景中的实景图像，并判断每帧图像中是否 含有线性地标：如果有，将含有线性地标的图像定义为图像A，执行步骤Al ;如果没有，再次 执行本步骤； 步骤A1、对所述图像A，提取A中每个像素点的R、G、B三通道灰度值信息；并将满 足如下条件的像素点赋值为255,不满足如下条件的像素点赋值为0,由此得到二值化后的 图像A* ; 其中的条件为： 当线性地标以三通道中的其中一个颜色为背景时，判断该颜色通道灰度值是否大 于另外两通道灰度值之和的1. 2倍； 步骤A2、对图像A*进行形态学开操作，去除杂小噪点；然后再进行边缘提取，并去 除细小边缘，获取最大边缘轮廓，定义为图像A** ; 步骤A3、对图像A**进行Hough直线提取，得到图像A**中直线信息，从图像A** 的直线中找到表征线性地标边缘的4条框架直线以及该4条框架直线在所述图像的像素坐 标系下的表达式。 较佳的，所述步骤AO的具体方法为： 步骤SA00、对所述实景图像进行下采样，得到128像素X256像素大小的图像A'； 步骤SA01、对图像A'提取每个像素点的R、G、B三通道灰度值信息； 当线性地标以三通道中的其中一个颜色为背景时，判断该颜色通道灰度值是否大 于另外两通道灰度值之和的1. 2倍：如果满足，将该像素点赋值为255 ;如果不满足，将该像 素值赋值为〇,得到图像A； 步骤SA02、计算图像A中各像素点灰度值非0个数占所有像素点的百分比是否大 于设定的阈值Tl :若大于或等于阈值T1，则认为图像A中包含线性地标；若小于阈值T1， 则认为图像A中不包含线性地标；其中，所述阈值Tl选为10%以上。 较佳的，所述步骤A2中获取最大边缘轮廓的方法如下： 步骤SA20、令标注序号L = 0 ;灰度值等于1的像素点定义为边缘点； 步骤SA21、针对图像A*中的任意边缘点P，判断边缘点P是否有序号标注： 如果没有，则对该边缘点P标注序号L，执行步骤SA22 ; 如果有，再判断该边缘点P是否为最后一个被标注的边缘点，如果是，执行步骤 SA23 ;如果否，再次执行本步骤； 步骤SA22、判断边缘点P的周围8邻域是否存在边缘点：若存在，将边缘点均标注 序号L,则边缘点P和其周围的边缘点构成一个连续边缘；若不存在边缘点，记L = L+1,返 回步骤SA21 ; SA23、对得到的L个连续边缘，将边缘长度小于设定的阈值T2的边缘点赋值为0 ; 则最后得到的非0连续边缘构成所述最大边缘轮廓。 较佳的，所述步骤2的具体方法为： 步骤B0、通过图像采集设备获取J副实景图像，作为训练样本，其中一部分训练样 本中包括线性地标，另一部分训练样本不包含线性地标；所述J为大于或等于10的整数； 步骤B1、对所有训练样本下采样至20像素X20像素大小，然后对每个图像中的各 像素点的灰度值进行归一化； 步骤B2、利用Adaboost Harr训练器对训练样本进行参数学习，得到 AdaboostHarr多个子分类器； 步骤B3、控制用户图像采集设备实时采集场景中的实景图像，并判断每帧图像中 是否含有线性地标：如果有，将含有线性地标的图像定义为图像B，执行步骤M ;如果没有， 再次执行本步骤； 步骤B4、设定尺度因子k = 1 ; 步骤B5、以（20*k像素）x(20*k像素）大小为滑动窗，控制滑动窗在图像B的区域 内滑动，得到不少于1个的图像块，对所有图像块下采样至20像素X20像素大小； 步骤B6、利用步骤B2训练的Adaboost Han子分类器对所有图像块进行分类，并 判断分类器输出的分类结果中是否有包括线性地标的图像块：如果有，执行步骤B7 ;如果 没有，将尺度因子增加〇. 1，执行步骤B5 ; 步骤B7、当分类结果中只有一个包含线性地标的图像块，将该图像块输出；当分 类结果中有两个以上包含线性地标的图像块，选择分类权值最大者对应的图像块输出； 步骤B8、对步骤B7得到的包含线性地标的图像块进行灰度化，得到图像12,然后 采用特征约束方法，对图像12提取最大边缘轮廓，然后对最大边缘轮廓进行Hough直线提 取，并得到直线信息，从提取的直线中找到表征线性地标边缘的4条框架直线以及该4条框 架直线在所述图像的像素坐标系下的表达式。 较佳的，所述找到表征线性地标边缘的4条框架直线的方法为：选取两两之间的 距离大于31个像素，且投票概率最高的4条直线，即为表征线性地标边缘的4条框架直线。 较佳的，所述步骤B8中的特征约束方法具体包括如下步骤： 步骤SB80、对所述图像12,提取图像12中每个本文档来自技高网...

【技术保护点】
一种基于线性地标的定位方法，其特征在于，包括如下步骤: 步骤1、在应用场景中，测量场景中线性地标的长度和宽度；定义线性地标坐标系，根据线性地标的长度和宽度得到线性地标的框架直线在线性地标坐标系下的表达式； 步骤2、利用图像采集设备获取所述线性地标的图像，提取图像中包含线性地标的线性地标区域；然后从线性地标区域中提取线性地标的框架直线信息，得到各条框架直线在所述图像的像素坐标系下的表达式； 步骤3、将步骤2得到的框架直线与步骤1中的线性地标的框架直线分别一一对应，将图像的像素坐标系下的框架直线表达式分别与对应的线性地标坐标系下的框架直线表达式进行联立并求解，得到图像的像素坐标系与线性地标坐标系的转换关系； 步骤4、获取线性地标坐标系与大地坐标系之间的转换关系；再根据图像像素坐标系与线性地标坐标系的转换关系，得到图像像素坐标系与大地坐标系的转换关系，最终得到用户在大地坐标系中的坐标，由此实现定位。

【技术特征摘要】
1. 一种基于线性地标的定位方法，其特征在于，包括如下步骤： 步骤1、在应用场景中，测量场景中线性地标的长度和宽度；定义线性地标坐标系，根 据线性地标的长度和宽度得到线性地标的框架直线在线性地标坐标系下的表达式； 步骤2、利用图像采集设备获取所述线性地标的图像，提取图像中包含线性地标的线性 地标区域；然后从线性地标区域中提取线性地标的框架直线信息，得到各条框架直线在所 述图像的像素坐标系下的表达式； 步骤3、将步骤2得到的框架直线与步骤1中的线性地标的框架直线分别一一对应，将 图像的像素坐标系下的框架直线表达式分别与对应的线性地标坐标系下的框架直线表达 式进行联立并求解，得到图像的像素坐标系与线性地标坐标系的转换关系； 步骤4、获取线性地标坐标系与大地坐标系之间的转换关系；再根据图像像素坐标系 与线性地标坐标系的转换关系，得到图像像素坐标系与大地坐标系的转换关系，最终得到 用户在大地坐标系中的坐标，由此实现定位。2. 如权利要求1所述的一种基于线性地标的定位方法，其特征在于，所述步骤2具体包 括如下步骤： 步骤A0、控制图像采集设备实时采集场景中的实景图像，并判断每帧图像中是否含有 线性地标：如果有，将含有线性地标的图像定义为图像A，执行步骤Al ;如果没有，再次执行 本步骤； 步骤Al、对所述图像A，提取A中每个像素点的R、G、B三通道灰度值信息；并将满足如 下条件的像素点赋值为255,不满足如下条件的像素点赋值为0,由此得到二值化后的图像 A氺； 其中的条件为： 当线性地标以三通道中的其中一个颜色为背景时，判断该颜色通道灰度值是否大于 另外两通道灰度值之和的1. 2倍； 步骤A2、对图像A*进行形态学开操作，去除杂小噪点；然后再进行边缘提取，并去除细 小边缘，获取最大边缘轮廓，定义为图像A** ; 步骤A3、对图像A**进行Hough直线提取，得到图像A**中直线信息，从图像A**的直 线中找到表征线性地标边缘的4条框架直线以及该4条框架直线在所述图像的像素坐标系 下的表达式。3. 如权利要求2所述的一种基于线性地标的定位方法，其特征在于，所述步骤AO的具 体方法为： 步骤SA00、对所述实景图像进行下采样，得到128像素 X256像素大小的图像A' ； 步骤SAOl、对图像A'提取每个像素点的R、G、B三通道灰度值信息； 当线性地标以三通道中的其中一个颜色为背景时，判断该颜色通道灰度值是否大于另 外两通道灰度值之和的1. 2倍：如果满足，将该像素点赋值为255 ;如果不满足，将该像素值 赋值为〇,得到图像A； 步骤SA02、计算图像A中各像素点灰度值非0个数占所有像素点的百分比是否大于设 定的阈值Tl :若大于或等于阈值T1，则认为图像A中包含线性地标；若小于阈值T1，则认 为图像A中不包含线性地标；其中，所述阈值Tl选为10%以上。4. 如权利要求2所述的一种基于线性地标的定位方法，其特征在于，所述步骤A2中获 取最大边缘轮廓的方法如下： 步骤SA20、令标注序号L = O ;灰度值等于1的像素点定义为边缘点； 步骤SA21、针对图像A*中的任意边缘点P，判断边缘点P是否有序号标注： 如果没有，则对该边缘点P标注序号L，执行步骤SA22 ; 如果有，再判断该边缘点P是否为最后一个被标注的边缘点，如果是，执行步骤SA23 ; 如果否，再次执行本步骤； 步骤SA22、判断边缘点P的周围8邻域是否存在边缘点：若存在，将边缘点均标注序号 L,则边缘点P和其周围的边缘点构成一个连续边缘；若不存在边缘点，记L = L+1,返回步 骤 SA21 ; SA23、对得到的L个连续边缘，将边缘长度小于设定的阈值T2的边缘点赋值为O ;则最 后得到的非〇连续边缘构成所述最大边缘轮廓。5. 如权利要求1所述的一种基于线性地标的定位方法，其特征在于，所述步骤2的具体 方法为： 步骤B0、通过图像采集设备获取J副实景图像，作为训练样本，其中一部分训练样本中 包括线性地标，另一部分训练样本不包含线性地标；所述J为大于或等于10的整数； 步骤Bl、对所有训练样本下采样至20像素 X20像素大小，然后对每个图像中的各像素 点的灰度值进行归一化； 步骤B2、利用Adaboost Harr训练器对训练样本进行参数学习，得到Adaboost Harr多 个子分类器； 步骤B3、控制用户图像采集设备实时采集场景中的实景图像，并判断每帧图像中是否 含有线性地标：如果有，将含有线性地标的图像定义为图像B，执行步骤M ;如果没有，再...

【专利技术属性】
技术研发人员：公续平，魏东岩，来奇峰，张晓光，陈夏兰，李祥红，徐颖，袁洪，
申请(专利权)人：中国科学院光电研究院，
类型：发明
国别省市：北京;11