基于路面特征的双目道路识别检测方法技术

本发明专利技术涉及的是一种基于路面特征的双目道路识别检测方法。本方法的操作步骤为：一、在地面上做关于直线和圆点阵的特殊标记；二、根据密度聚类的RANSAC（Random Sample Consensus）算法对图像进行拼接；三、对于读取到的图像进行灰度化处理；四、在所获取的图像进行大津法取阈值、Canny边缘检测操作；五、进行霍夫线检测，获取直线方程，偏离角度和距离，之后进行霍夫圆检测；六、对路况的情况进行判断处理计算直道或路径偏离角度与距离；七、进行霍夫圆检测，获取模拟近似折线。本发明专利技术可有效地检测在特殊标记下的路况，并在较大干扰噪声信息情况下，仍能有较高的准确率。本发明专利技术可运用于工业领域，乃至无人驾驶方面。

【技术实现步骤摘要】

本专利技术涉及的是一种基于路面特征的双目道路识别方法，尤其涉及到路况标记的视频采集，密度聚类RANSAC（RandomSampleConsensus）拼接，图像滤波，图像恢复，属于道路识别领域范畴。
技术介绍
道路识别是几年来的一个热点，像谷歌公司的谷歌无人驾驶也一度引发了社会的热点，无人驾驶被认为是未来交通与统一调度，减少事故率的一个重要方向。而如何更好的实现道路识别成为目前需要解决的首要问题，最直接的方式就是通过视频采集系统进行采集路况，而路况多变，标示线特征不够明显直接制约着道路识别的检测精度和速度，利用哪种特征才能够更好的检测路况，真正提高道路识别的精度和速度，成为行业的当务之急。
技术实现思路
本专利技术目的是针对已有技术的不足，提供一种基于路面特征的双目道路识别检测方法，利用特殊标记对路面特殊标记通过双目视频采集进行道路识别，为工业机械控制甚至无人驾驶问题提供一种新型切实可行的解决方案。为达到上述目的，本专利技术采用下述技术：一种基于路面特征的双目道路识别检测方法，其特征在于具体操作步骤如下：(1)、在地面上做关于直线和圆点阵的特殊标记；(2)、根据密度聚类的RANSAC算法对图像进行拼接；(3)、对于读取到的图像进行灰度化处理；(4)、在所获取的图像进行大津法取阈值、Canny边缘检测操作；(5)、进行霍夫线检测，获取直线方程，偏离角度和距离，之后进行霍夫圆检测；(6)、对路况的情况进行判断处理计算直道或路径偏离角度与距离；(7)、进行霍夫圆检测，获取模拟近似折线。所述步骤（1）中的特殊标记：做直线与多个圆形相连的标记，线的宽度不低于50mm，圆与圆之间没有重叠部分，并且在同一水平面只有一个圆标记或者一条直线标记。所述步骤（2）中的密度聚类方法：使用基于密度的聚类算法DBSCAN通过聚类算法将提取到的特征点集合到不同的簇，根据经验淘汰掉外点，簇与簇间进行特征点匹配，提高特征点匹配速度。所述步骤（3）中的灰度化处理：根据YUV的颜色空间中，Y的分量的物理意义是点的亮度，由该值反映亮度等级，根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应：Y=0.3R+0.59G+0.11B，以这个亮度值表达图像的灰度值。所述步骤（4）中的大津法取阈值：所述大津法又名Otsu方法，是一种全局化的动态二值化方法，使用某一个阈值将灰度图像根据灰度大小，分成目标部分和背景部分两类，在这两类的类内方差最小和类间方差最大的时候，得到的阈值是最优的二值化阈值。所述步骤（5）中的霍夫圆检测方法与霍夫线检测方法：所述的霍夫圆检测方法与霍夫线检测方法均通过随机概率霍夫变换实现变换，该算法具有运算速度快、累加数组的峰值更加明显特点，随机抽样和采用动态链接表的存储方式大大减少了运算量和存储空间，达到更加适应道路识别实时性要求。所述步骤（6）中的计算直道或路径偏离角度与距离方法：所述的计算直道或路径偏离角度与距离方法通过随机概率霍夫变换得到的直线信息，进而得到直线模拟方程，直线方程通过与视频图像水平线夹角计算，便可得知偏移角度，直线方程与采集到的图像下边缘水平中心线相交点与下方水平中心线的像素点个数可以计算出来，由于视频采集区域大小与实际视野面积呈比例关系，便可以得到偏移位置。所述步骤（7）中的获取模拟近似折线方法：所述的计算获取模拟近似折线方法为通过随机概率霍夫圆变换得到圆标记的圆心坐标，并且相邻圆心坐标相连接成折线，折线由直线构成，进而转变为直线标记计算方法。本专利技术与现有技术相比较，具有如下显而易见的突出实质的特点和显著优点：本专利技术有效地检测在特殊标记下的路况，并且在较大干扰噪声信息的情况下，仍然能有较高的准确率。本专利技术可运用到工业领域，乃至无人驾驶方面。因此，本专利技术是一种切实可行的视频道路识别方法。附图说明图1基于路面特征的双目道路识别检测方法的操作程序框图。图2灰度化处理后的图像。图3大津法取阈值后图像。图4canny变换后图像。图5霍夫直线变换后的图像。图6直线检测原理图。图7霍夫圆变换后图像。图8近似折线得图像。图9弯道模拟检测原理图。具体实施方式下面是本专利技术的优选实施例，结合附图对本专利技术做进一步详细说明。实施例一：首先介绍在过程中用到的一些算法。聚类分析方法：聚类分析法又被称为群分析，它是研究（样品或指标）分类问题的一种重要统计分析方法，同时也在数据挖掘领域发挥了重要作用，使用基于密度的聚类算法DBSCAN(Density-BasedSpatialClusteringofApplicationswithNoise)，它是一种基于高密度连通区域的基于密度的聚类方法，具有足够高密度的区域被它划分为簇。通过聚类算法将提取到的特征点集合到不同的簇，根据经验淘汰掉外点。RANSAC为RandomSampleConsensus的缩写，它是根据一组包含异常数据的样本数据集，计算出数据的数学模型参数，得到有效样本数据的算法。大津法：Otsu方法是一种全局化的动态二值化方法，又叫大津法，是一种灰度图像二值化的常用算法。该算法的基本思想是：设使用某一个阈值将灰度图像根据灰度大小，分成目标部分和背景部分两类，在这两类的类内方差最小和类间方差最大的时候，得到的阈值是最优的二值化阈值。Canny边缘检测：Canny边缘检测算子是JohnF.Canny于1986年开发出来的一个多级边缘检测算法。霍夫变换：霍夫变换是图像处理中识别几何形状的一种方法，霍夫变换不受图形旋转的影响，易于进行几何图形的快速变换。基于霍夫变换的改进方法也有很多，其中一个重要的方法是广义霍夫变换，可以用来检测任意形状的曲线。参见图1，本基于路面特征的双目道路识别检测方法的操作步骤如下：(1)在地面上做关于直线和圆点阵的特殊标记；(2)根据密度聚类的RANSAC算法对图像进行拼接；(3)对于读取到的图像进行灰度化处理；(4)在所获取的图像进行大津法取阈值、Canny边缘检测操作；(5)进行霍夫线检测，获取直线方程，偏离角度和距离，之后进行霍夫圆检测；(6)对路况的情况进行判断处理计算直道或路径偏离角度与距离；(7)进行霍夫圆检测，获取模拟近似折线；实施例二：本实施例与实施例一基本相同，特别之处如下：所述步骤(1)中做关于直线和圆点阵的特殊标记其特征在于，做直线与多个圆形相连的标记，线的宽度不低于50mm，圆与圆之间没有重叠部分，并且在同一水平面只有一个圆标记或者一条直线标记。所述步骤(2)使用基于密度的聚类算法通过聚类算法将提取到的特征点集合到不同的簇，根据经验淘汰掉外点，簇与簇间进行特征点匹配，提高特征点匹配速度。所述步骤(3)中的灰度化方法是根据YUV的颜色空间中，Y的分量的物理意义是点的亮度，由该值反映亮度等级，根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应：Y=0.3R+0.59G+0.11B，以这个亮度值表达图像的灰度值。具体细节为利用摄像装置读取彩色摄像头图像信息，对图像信息进行灰度化处理，处理后的结果如图2所示，使之便于之后的操作，如果存在较大的椒盐噪声或其他噪声，选取高斯模糊进行滤波，去除多余的干扰信息，同时保证所需车道信息的完整性，所述步骤(4)中的具体细节是对图像进行大津法取阈值，通过大津法取阈本文档来自技高网...

【技术保护点】
一种基于路面特征的双目道路识别检测方法，其特征在于具体操作步骤如下：（1）、在地面上做关于直线和圆点阵的特殊标记；（2）、根据密度聚类的RANSAC算法对图像进行拼接；（3）、对于读取到的图像进行灰度化处理；（4）、在所获取的图像进行大津法取阈值、Canny边缘检测操作；（5）、进行霍夫线检测，获取直线方程，偏离角度和距离，之后进行霍夫圆检测；（6）、对路况的情况进行判断处理计算直道或路径偏离角度与距离；（7）、进行霍夫圆检测，获取模拟近似折线。

【技术特征摘要】
1.一种基于路面特征的双目道路识别检测方法，其特征在于具体操作步骤如下：（1）、在地面上做关于直线和圆点阵的特殊标记；（2）、根据密度聚类的RANSAC算法对图像进行拼接；（3）、对于读取到的图像进行灰度化处理；（4）、在所获取的图像进行大津法取阈值、Canny边缘检测操作；（5）、进行霍夫线检测，获取直线方程，偏离角度和距离，之后进行霍夫圆检测；（6）、对路况的情况进行判断处理计算直道或路径偏离角度与距离；（7）、进行霍夫圆检测，获取模拟近似折线。2.根据权利要求1所述的基于路面特征的双目道路识别检测方法，其特征在于所述步骤（1）中的特殊标记：做直线与多个圆形相连的标记，线的宽度不低于50mm，圆与圆之间没有重叠部分，并且在同一水平面只有一个圆标记或者一条直线标记。3.根据权利要求1所述的基于路面特征的双目道路识别检测方法，其特征在于所述步骤（2）中的密度聚类方法：使用基于密度的聚类算法DBSCAN通过聚类算法将提取到的特征点集合到不同的簇，根据经验淘汰掉外点，簇与簇间进行特征点匹配，提高特征点匹配速度。4.根据权利要求1所述的基于路面特征的双目道路识别检测方法，其特征在于所述步骤（3）中的灰度化处理：根据YUV的颜色空间中，Y的分量的物理意义是点的亮度，由该值反映亮度等级，根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应：Y=0.3R+0.59G+0.11B，以这个亮度值表达图像的灰度值。5.根据权利要求1所述的基于路面特征的...

【专利技术属性】
技术研发人员：冯国瑞，谷裕，曹兵，傅佳，
申请(专利权)人：上海大学，
类型：发明
国别省市：上海;31