一种基于图像信息融合的非结构化道路检测方法及系统技术方案

本发明专利技术公开一种基于图像信息融合的非结构化道路检测方法及系统，其中，所述方法包括步骤：通过摄像机实时获取道路视频图像，并对所述道路视频图像进行校正；采用非结构化道路边缘检测算法对校正后的道路视频图像进行处理，获得第一预瞄点；采用非结构化道路分割算法对校正后的道路视频图像进行处理，获得第二预瞄点；采用最小二乘法对所述第一预瞄点和第二预瞄点进行拟合，得到道路虚拟中心线；本发明专利技术通过上述计算处理可得到稳定、精确可靠的图像数据；进一步，可将所述图像数据应用于无人巡逻车进行导航，可降低研究成本，具有巨大的应用价值。

【技术实现步骤摘要】
一种基于图像信息融合的非结构化道路检测方法及系统
本专利技术涉及道路导航领域，尤其涉及一种基于图像信息融合的非结构化道路检测方法及系统。
技术介绍
基于视觉的导航系统是模式识别、人工智能领域的研究重点，其可应用于无人驾驶智能车。道路检测技术是辅助驾驶、无人驾驶技术中的关键技术，能够为无人驾驶智能车决策模块提供必要的环境信息。由于导航设备具有局限性，视觉传感器相对价廉且具有更大的应用潜力，然而所述视觉传感器受环境影响较大。非结构化道路是指结构化程度低的道路，一般没有车道线和清洗的道路边缘；由于受阴影、水渍等的影响，非结构化道路检测相对困难，目前尚处于研究阶段。非结构化道路检测方法可以大致分为基于道路特征的检测、基于道路模型的检测和基于机器学习的道路检测等三大类。基于道路特征的检测方法主要通过提取道路的某些特征来检测道路，这些特征可以是道路的颜色、灰度、纹理、边缘或频域特征等，主要优点是对道路形状不敏感，计算速度快、能够保证实时性；缺点是对光影、裂痕和水迹较为敏感；基于SLIC超像素的K-means聚类算法，需要先验知识，通过调整参数将道路信息分成两大类：可行驶区域和非行驶区域；然而由于图像信息受光照和外界环境影响比较大，单纯对图像进行预处理获取道路边缘或者通过分割获取可行驶区域都不能得到稳定、精确可靠的图像数据。因此，现有技术还有待于改进和发展。
技术实现思路
鉴于上述现有技术的不足，本专利技术的目的在于提供一种基于图像信息融合的非结构化道路检测方法及系统，旨在解决现有非结构化道路检测方法无法得到稳定、精确可靠的图像数据的问题。本专利技术的技术方案如下：一种基于图像信息融合的非结构化道路检测方法，其中，包括步骤：A、通过摄像机实时获取道路视频图像，并对所述道路视频图像进行校正；B、采用非结构化道路边缘检测算法对校正后的道路视频图像进行处理，获得第一预瞄点；C、采用非结构化道路分割算法对校正后的道路视频图像进行处理，获得第二预瞄点；D、采用最小二乘法对所述第一预瞄点和第二预瞄点进行拟合，得到道路虚拟中心线。所述的基于图像信息融合的非结构化道路检测方法，其中，所述步骤B具体包括：B1、对所述道路视频图像进行灰度化和去噪预处理；B2、采用Canny算法检测道路视频图像边缘并进行形态学修正；B3、采用霍夫变换提取道路视频图像边缘并计算得出第一预瞄点。所述的基于图像信息融合的非结构化道路检测方法，其中，所述步骤C具体包括：C1、预先提取道路视频图像的颜色特征和空间特征；C2、采用SLIC算法对道路视频图像进行分割获得超像素数据；C3、采用K-means聚类算法对道路视频图像进行聚类并计算得出第二预瞄点。所述的基于图像信息融合的非结构化道路检测方法，其中，所述步骤C2具体包括：C21、对道路视频图像中的像素点进行初始化聚类处理获得若干初始种子点；C22、在道路视频图像3*3领域内重新选择种子点；C23、在2S*2S的范围内搜索距离所述重新选择的种子点最近的若干像素点，并对搜索到的像素点设置标签且归为一类；C24、当同一个像素点同时被归类到多个种子点时，则计算所述像素点与多个种子点之间的距离，将距离最小值对应的种子点作为所述像素点的聚类中心；C25、对所述聚类中心进行步骤C22-C24的迭代处理，直到误差收敛，得到最后分割的超像素数据。所述的基于图像信息融合的非结构化道路检测方法，其中，所述步骤C3具体包括：C31、随机从所述超像素数据中选取若干个聚类质心点；C32、遍历所述超像素数据，将每一个超像素数据划分到与其距离最近的质心点，形成聚类；C33、计算每个聚类的平均值并作为新的质心点；C34、重复所述步骤C32-C33，直到质心点收敛，从而获得第二预瞄点。所述的基于图像信息融合的非结构化道路检测方法，其中，所述步骤D中最小二乘法的公式为：；；其中，点是多元函数，且满足方程取得极小值；k=0，1，...n；当线性无关时，就是所求的最小二乘解。所述的基于图像信息融合的非结构化道路检测方法，其中，所述步骤B1中的灰度化处理公式为：。一种基于图像信息融合的非结构化道路检测系统，其中，包括：校正模块，用于通过摄像机实时获取道路视频图像，并对所述道路视频图像进行校正；第一计算模块，用于采用非结构化道路边缘检测算法对校正后的道路视频图像进行处理，获得第一预瞄点；第二计算模块，用于采用非结构化道路分割算法对校正后的道路视频图像进行处理，获得第二预瞄点；拟合模块，用于采用最小二乘法对所述第一预瞄点和第二预瞄点进行拟合，得到道路虚拟中心线。所述的基于图像信息融合的非结构化道路检测系统，其中，所述第一计算模块具体包括：预处理单元，用于对所述道路视频图像进行灰度化和去噪预处理；修正单元，用于采用Canny算法检测道路视频图像边缘并进行形态学修正；第一计算单元，用于采用霍夫变换提取道路视频图像边缘并计算得出第一预瞄点。所述的基于图像信息融合的非结构化道路检测系统，其中，所述第二计算模块具体包括：提取单元，用于预先提取道路视频图像的颜色特征和空间特征；分割单元，用于采用SLIC算法对道路视频图像进行分割获得超像素数据；第二计算单元，用于采用K-means聚类算法对道路视频图像进行聚类并计算得出第二预瞄点。有益效果：本专利技术首先通过非结构道路边缘检测算法和非结构化道路分割算法分别计算出道路视频图像的第一预瞄点和第二预瞄点，然后通过信息融合技术对所述第一预瞄点和第二预瞄点进行拟合得到道路视频图像的虚拟中心线；本专利技术通过上述计算处理可得到稳定、精确可靠的图像数据。附图说明图1为本专利技术一种基于图像信息融合的非结构化道路检测方法较佳实施例的流程图；图2为本专利技术中对单目摄像机进行标定使用的棋盘示意图；图3为本专利技术采用霍夫变换提取道路视频图像边缘结果示意图；图4为本专利技术采用基于SLIC的K-means聚类道路视频图像的结果示意图；图5为本专利技术具体实施例中方向盘角度图；图6为本专利技术具体实施例中外侧道路GPS坐标示意图；图7为本专利技术具体实施例中内侧道路GPS坐标示意图；图8为本专利技术具体实施例中外侧道路打角示意图；图9为本专利技术具体实施例中内侧道路打角示意图；图10为本专利技术具体实施例中道路外侧导航行驶轨迹和图像行驶轨迹对比示意图；图11为本专利技术具体实施例中道路内侧导航行驶轨迹和图像行驶轨迹对比示意图；图12为本专利技术具体实施例中道路内侧导航轨迹偏差图；图13为本专利技术具体实施例中道路外侧导航轨迹偏差图；图14为本专利技术一种基于图像信息融合的非结构化道路检测系统较佳实施例的结构框图。具体实施方式本专利技术提供一种基于图像信息融合的非结构化道路检测方法及系统，为使本专利技术的目的、技术方案及效果更加清楚、明确，以下对本专利技术进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。请参阅图1，图1为本专利技术一种基于图像信息融合的非结构化道路检测方法较佳实施例的流程图，如图所示，其中，包括步骤：S100、通过摄像机实时获取道路视频图像，并对所述道路视频图像进行校正；S200、采用非结构化道路边缘检测算法对校正后的道路视频图像进行处理，获得第一预瞄点；S300、采用非结构化道路分割算法对校正后的道路视频图像进行处理，获得第二预瞄点；S400、采用最小二乘法对所述第本文档来自技高网...

【技术保护点】
一种基于图像信息融合的非结构化道路检测方法，其特征在于，包括步骤：A、通过摄像机实时获取道路视频图像，并对所述道路视频图像进行校正；B、采用非结构化道路边缘检测算法对校正后的道路视频图像进行处理，获得第一预瞄点；C、采用非结构化道路分割算法对校正后的道路视频图像进行处理，获得第二预瞄点；D、采用最小二乘法对所述第一预瞄点和第二预瞄点进行拟合，得到道路虚拟中心线。

【技术特征摘要】
1.一种基于图像信息融合的非结构化道路检测方法，其特征在于，包括步骤：A、通过摄像机实时获取道路视频图像，并对所述道路视频图像进行校正；B、采用非结构化道路边缘检测算法对校正后的道路视频图像进行处理，获得第一预瞄点；C、采用非结构化道路分割算法对校正后的道路视频图像进行处理，获得第二预瞄点；D、采用最小二乘法对所述第一预瞄点和第二预瞄点进行拟合，得到道路虚拟中心线。2.根据权利要求1所述的基于图像信息融合的非结构化道路检测方法，其特征在于，所述步骤B具体包括：B1、对所述道路视频图像进行灰度化和去噪预处理；B2、采用Canny算法检测道路视频图像边缘并进行形态学修正；B3、采用霍夫变换提取道路视频图像边缘并计算得出第一预瞄点。3.根据权利要求1所述的基于图像信息融合的非结构化道路检测方法，其特征在于，所述步骤C具体包括：C1、预先提取道路视频图像的颜色特征和空间特征；C2、采用SLIC算法对道路视频图像进行分割获得超像素数据；C3、采用K-means聚类算法对道路视频图像进行聚类并计算得出第二预瞄点。4.根据权利要求3所述的基于图像信息融合的非结构化道路检测方法，其特征在于，所述步骤C2具体包括：C21、对道路视频图像中的像素点进行初始化聚类处理获得若干初始种子点；C22、在道路视频图像3*3领域内重新选择种子点；C23、在2S*2S的范围内搜索距离所述重新选择的种子点最近的若干像素点，并对搜索到的像素点设置标签且归为一类；C24、当同一个像素点同时被归类到多个种子点时，则计算所述像素点与多个种子点之间的距离，将距离最小值对应的种子点作为所述像素点的聚类中心；C25、对所述聚类中心进行步骤C22-C24的迭代处理，直到误差收敛，得到最后分割的超像素数据。5.根据权利要求3所述的基于图像信息融合的非结构化道路检测方法，其特征在于，所述步骤C3具体包括：C31、随机从所...

【专利技术属性】
技术研发人员：庄敏，鹿鹏，龙刚，李翊，娄海涛，权潇，刘以续，
申请(专利权)人：江苏保千里视像科技集团股份有限公司，北京联合大学，
类型：发明
国别省市：江苏,32