基于车底阴影特征定位车牌的轻型道路救援装备正方位拖牵诱导方法技术

基于车底阴影特征定位车牌的轻型道路救援装备正方位拖牵诱导方法，该方法首先设置车底阴影感兴趣区域；其次，对该区域的灰度图像进行车底阴影分割操作；接着，进行提取车底阴影操作；进而，根据车底阴影的位置，确定车牌感兴趣区域，将该区域图像转化为灰度图像，并进行高斯平滑滤波、垂直方向的普瑞维特边缘检测及二值化处理；然后，根据所提出的候选点集与有效点集的筛选算法，对边缘点进行筛选；之后，采用形态学方法对有效点进行连接，并根据车牌区域面积、长度特征进行筛选，得到车牌区域和车牌中心位置；最后，根据车牌中心与图像中心在横向上的位置差，实施拖牵诱导。本发明专利技术提出的正方位拖牵诱导方法具有较强环境适应力和抗干扰能力。

【技术实现步骤摘要】
基于车底阴影特征定位车牌的轻型道路救援装备正方位拖牵诱导方法
本专利技术属于道路救援装备智能化操作领域，尤其涉及一种基于车底阴影特征定位车牌的轻型道路救援装备正方位拖牵诱导方法。
技术介绍
随着交通及汽车工业的快速发展，全世界高速公路里程数及汽车保有量在迅速增加，在突发性公共安全事件中，道路交通事故占据了最大的比例，近年来，道路交通事故占各类安全事故总数比例居高不下，甚至超过了70％，死亡人数占各类安全事故总死亡人数的83％，成为群众和政府部门最为关注的公共安全问题。在道路交通事故发生后，若不能及时对事故车辆进行快速高效的清障救援和应急处置，比如在双行道上，轻型道路救援装备无法快速准确地从正方位将事故车辆拖离车道，将造成交通拥堵，影响道路的安全畅通，甚至引发二次事故。目前，轻型道路救援装备正方位拖牵诱导效率低的主要原因是救援装备智能化水平较低，没有利用现有的科学技术对拖牵作业进行诱导辅助。轻型道路救援装备是道路救援装备中结构及功能相对专一的拖牵装备，用来拖牵一些中小型事故车，拖牵装置位于救援车尾部，主要包括折臂、伸缩臂、摆臂以及两侧的托臂。在本专利技术中，车载摄像头被安装在道路救援装备尾部的折臂上，距离地面的高度在40～60厘米之间，所指的方向与救援车的车身纵轴平行，水平指向后方。在实施正方位拖牵作业的过程中，救援车位于事故车辆的前方，道路救援装备通过倒车作业，将两侧托臂分别与事故车辆两前轮进行对准，然后由两侧的托臂对事故车辆前轮进行固定，最后折臂牵拉起吊，将事故车辆拖离现场。在传统情况下进行的正方位拖牵诱导过程中，将道路救援装备托臂与事故车辆前轮进行对准这一操作，依赖于驾驶员的经验，耗时较长，效率低下。针对上述问题，本专利技术需要解决的技术难点是，根据摄像头采集的图像，如何利用数字图像方面的知识来判断救援车与事故车辆的相对位置关系，从而达到提高轻型道路救援装备救援效率的目的。
技术实现思路
专利技术目的：针对以上现有技术存在的问题，本专利技术提出了一种基于车底阴影特征定位车牌的正方位拖牵诱导方法，在拖牵作业过程中给出辅助提示，实现准确、高效的拖牵诱导，从而达到提高轻型道路救援装备救援效率的目的。技术方案：为实现本专利技术的目的，本专利技术所采用的技术方案是：一种基于车底阴影特征定位车牌的正方位拖牵诱导方法，该方法包括如下步骤：(1)确定车底阴影感兴趣区域；(2)车底阴影分割；(3)车底阴影提取；(4)确定车牌感兴趣区域及图像预处理；(5)候选点集与有效点集的确定；(6)车牌定位；(7)实施拖牵诱导。其中，在步骤(1)中，首先设采集的事故车辆所在的后方作业区域彩色图像为图像I0，并对图像I0进行复制，得到彩色图像I′0；然后截取图像I0的下方1/2区域，得到车底阴影感兴趣区域图像，并将车底阴影感兴趣区域图像转变为灰度图像I1；另外，定义整体图像坐标系OXY为：其坐标原点与原始图像I0的左上角顶点一致，OX轴沿图像水平向右，OY轴沿图像垂直向下；其中，在步骤(2)中，采用两次自适应阈值分割法，对步骤(1)中得到灰度图像I1进行车底阴影分割，得到分割后的图像I2，具体步骤如下：(2.1)根据第一次自适应阈值计算公式，计算第一次自适应阈值th1；并根据阈值th1，在图像I1中筛选出灰度值小于th1的图像点，设这些图像点组成的点集为α；第一次自适应阈值计算公式如下：th1＝μ1-σ1/μ1其中，μ1、σ1为图像I1的灰度均值和方差，th1为第一次自适应阈值；(2.2)根据第二次自适应阈值计算公式，计算第二次自适应阈值th2；并根据阈值th2，对图像I1图像进行二值化处理：灰度值小于th2的图像点的灰度值置为255，其他图像点的灰度值置零，从而得到图像I2；第二次自适应阈值计算公式如下：th2＝μ2-σ2/μ2其中，μ2、σ2为点集α的灰度均值和方差，th2为第二次自适应阈值；其中，在步骤(3)中，对步骤(2)中得到的图像I2进行车底阴影提取操作，得到车底阴影有效区域β及其位置信息，具体步骤为：(3.1)选取5×5大小的矩形结构元素，对图像I2进行开运算，从而得到M个连通区域Am，m＝1,2,3..·,M，m表示连通区域Am的序号，M为连通区域Am的总数；(3.2)根据车底阴影的面积特征，对M个连通区域Am进行筛选，m＝1,2,3··.,M，得到N个车底阴影候选区域Bn，n＝1,2,3·.·,N，n表示车底阴影候选区域Bn的序号，N为车底阴影候选区域的总数；然后根据车底阴影的长度特征，对N个车底阴影候选区域Bn进行筛选，从而得到车底阴影有效区域β及其位置信息，n＝1,2,3··.,N，具体子步骤如下：(3.2.1)初始化m＝1，n＝0；(3.2.2)若连通区域Am满足条件：则进入子步骤(3.2.3)，否则进入子步骤(3.2.4)，其中，表示连通区域Am的面积，Sth表示区域Am的面积阈值；(3.2.3)将n值增1，并将Am判定为车底阴影候选区域Bn，然后求取区域Bn的长进入子步骤(3.2.4)，其中分别是车底阴影候选区域Bn中图像点相对于整体图像坐标系OXY的横坐标的最大值和最小值；(3.2.4)若m＜M，将m增1，并重新开始子步骤(3.2.2)；否则令N＝n，进入子步骤(3.2.5)；(3.2.5)若N≠0，在N个车底阴影候选区域Bn的长度中筛选出长度最大值n＝1,2,3···,N，将对应的车底阴影候选区域Bn作为车底阴影有效区域β，并得到车底阴影有效区域相对于整体图像坐标系OXY的横坐标最小值xmin、横坐标最大值xmax、纵坐标最小值ymin以及纵坐标最大值ymax；若N为0，继续执行步骤(4)；其中，在步骤(4)中，根据步骤(3)是否成功提取车底阴影，确定车牌感兴趣区域，之后，对车牌感兴趣区域的图像进行预处理，得到二值化后的图像I4及T个边缘点Ct，t＝1,2,3···,T，其中t表示边缘点Ct的序号，T为边缘点总数，具体步骤如下：(4.1)如果N为0，即没有成功提取车底阴影，则将步骤(1)中的彩色图像I′0作为车牌感兴趣区域彩色图像I3；否则，根据车底阴影有效区域β的坐标信息，对彩色图像I′0进行对应位置的截取，得到车牌感兴趣区域彩色图像I3；截取范围为：相对于整体图像坐标系OXY，x0的取值范围是(xmin-xth,xmax+xth)，y0的取值范围是y0∈(0,ymax)，x0、y0分别是图像I′0中图像点的横坐标、纵坐标，xth是横坐标的范围扩展阈值；(4.2)对车牌感兴趣区域图像I3进行预处理操作：首先，对图像I3进行复制，得到图像I3′；其次，将图像I3′转变为灰度图像，并对该灰度图像进行高斯平滑滤波，除去噪声的干扰；然后，采用普瑞维特算子对高斯滤波后的图像进行垂直方向的边缘检测，得到边缘检测后的图像；之后，对边缘检测后的图像进行二值化处理，即在边缘检测后的图像中，将沿图像水平方向梯度幅度大于阈值Pth的图像点的灰度值置为255，其他图像点的灰度值置为0，从而得到二值化后的图像I4和T个边缘点Ct，t＝1,2,3···,T，其中，Pth为二值化处理的阈值；其中，在步骤(5)中，针对车牌区域字符边缘点的颜色特征和分布密集的特征，提出了车牌区域字符边缘候选点集与有效点集的筛选算法，并对步骤(4)中T个边缘点Ct进本文档来自技高网...

【技术保护点】
1.一种基于车底阴影特征定位车牌的轻型道路救援装备正方位拖牵诱导方法，其特征在于，包括如下步骤：(1)确定车底阴影感兴趣区域；(2)车底阴影分割；(3)车底阴影提取；(4)确定车牌感兴趣区域及图像预处理；(5)候选点集与有效点集的确定；(6)车牌定位；(7)实施拖牵诱导。

【技术特征摘要】
1.一种基于车底阴影特征定位车牌的轻型道路救援装备正方位拖牵诱导方法，其特征在于，包括如下步骤：(1)确定车底阴影感兴趣区域；(2)车底阴影分割；(3)车底阴影提取；(4)确定车牌感兴趣区域及图像预处理；(5)候选点集与有效点集的确定；(6)车牌定位；(7)实施拖牵诱导。2.根据权利要求1所述的一种基于车底阴影特征定位车牌的正方位拖牵诱导方法，其特征在于：在步骤(1)中，首先设采集的事故车辆所在的后方作业区域彩色图像为图像I0，并对图像I0进行复制，得到彩色图像I′0；然后截取图像I0的下方1/2区域，得到车底阴影感兴趣区域图像，并将车底阴影感兴趣区域图像转变为灰度图像I1；另外，定义整体图像坐标系OXY为：其坐标原点与原始图像I0的左上角顶点一致，OX轴沿图像水平向右，OY轴沿图像垂直向下。3.根据权利要求2所述的一种基于车底阴影特征定位车牌的正方位拖牵诱导方法，其特征在于：在步骤(2)中，采用两次自适应阈值分割法，对步骤(1)中得到灰度图像I1进行车底阴影分割，得到分割后的图像I2，具体步骤如下：(2.1)根据第一次自适应阈值计算公式，计算第一次自适应阈值th1；并根据阈值th1，在图像I1中筛选出灰度值小于th1的图像点，设这些图像点组成的点集为α；第一次自适应阈值计算公式如下：th1＝μ1-σ1/μ1其中，μ1、σ1为图像I1的灰度均值和方差，th1为第一次自适应阈值；(2.2)根据第二次自适应阈值计算公式，计算第二次自适应阈值th2；并根据阈值th2，对图像I1图像进行二值化处理：灰度值小于th2的图像点的灰度值置为255，其他图像点的灰度值置零，从而得到图像I2；第二次自适应阈值计算公式如下：th2＝μ2-σ2/μ2其中，μ2、σ2为点集α的灰度均值和方差，th2为第二次自适应阈值。4.根据权利要求3所述的一种基于车底阴影特征定位车牌的正方位拖牵诱导方法，其特征在于：在步骤(3)中，对步骤(2)中得到的图像I2进行车底阴影提取操作，得到车底阴影有效区域β及其位置信息，具体步骤为：(3.1)选取5×5大小的矩形结构元素，对图像I2进行开运算，从而得到M个连通区域Am，m＝1,2,3…,M，m表示连通区域Am的序号，M为连通区域Am的总数；(3.2)根据车底阴影的面积特征，对M个连通区域Am进行筛选，m＝1,2,3…,M，得到N个车底阴影候选区域Bn，n＝1,2,3…,N，n表示车底阴影候选区域Bn的序号，N为车底阴影候选区域的总数；然后根据车底阴影的长度特征，对N个车底阴影候选区域Bn进行筛选，从而得到车底阴影有效区域β及其位置信息，n＝1,2,3…,N，具体子步骤如下：(3.2.1)初始化m＝1，n＝0；(3.2.2)若连通区域Am满足条件：则进入子步骤(3.2.3)，否则进入子步骤(3.2.4)，其中，表示连通区域Am的面积，Sth表示区域Am的面积阈值；(3.2.3)将n值增1，并将Am判定为车底阴影候选区域Bn，然后求取区域Bn的长进入子步骤(3.2.4)，其中分别是车底阴影候选区域Bn中图像点相对于整体图像坐标系OXY的横坐标的最大值和最小值；(3.2.4)若m＜M，将m增1，并重新开始子步骤(3.2.2)；否则令N＝n，进入子步骤(3.2.5)；(3.2.5)若N≠0，在N个车底阴影候选区域Bn的长度中筛选出长度最大值n＝1,2,3…,N，将对应的车底阴影候选区域Bn作为车底阴影有效区域β，并得到车底阴影有效区域相对于整体图像坐标系OXY的横坐标最小值xmin、横坐标最大值xmax、纵坐标最小值ymin以及纵坐标最大值ymax；若N为0，继续执行步骤(4)。5.根据权利要求4所述的一种基于车底阴影特征定位车牌的正方位拖牵诱导方法，其特征在于：在步骤(4)中，根据步骤(3)是否成功提取车底阴影，确定车牌感兴趣区域，之后，对车牌感兴趣区域的图像进行预处理，得到二值化后的图像I4及T个边缘点Ct，t＝1,2,3…,T，其中t表示边缘点Ct的序号，T为边缘点总数，具体步骤如下：(4.1)如果N为0，即没有成功提取车底阴影，则将步骤(1)中的彩色图像I′0作为车牌感兴趣区域彩色图像I3；否则，根据车底阴影有效区域β的坐标信息，对彩色图像I′0进行对应位置的截取，得到车牌感兴趣区域彩色图像I3；截取范围为：相对于整体图像坐标系OXY，x0的取值范围是(xmin-xth,xmax+xth)，y0的取值范围是y0∈(0,ymax)，x0、y0分别是图像I′0中图像点的横坐标、纵坐标，xth是横坐标的范围扩展阈值；(4.2)对车牌感兴趣区域图像I3进行预处理操作：首先，对图像I3进行复制，得到图像I′3；其次，将图像I′3转变为灰度图像，并对该灰度图像进行高斯平滑滤波，除去噪声的干扰；然后，采用普瑞维特算子对高斯滤波后的图像进行垂直方向的边缘检测，得到边缘检测后的图像；之后，对边缘检测后的图像进行二值化处理，即在边缘检测后的图像中，将沿图像水平方向梯度幅度大于阈值Pth的图像点的灰度值置为255，其他图像点的灰度值置为0，从而得到二值化后的图像I4和T个边缘点Ct，t＝1,2,3…,T，其中，Pth为二值化处理的阈值。6.根据权利要求5所述的一种基于车底阴影特征定位车牌的正方位拖牵诱导方法，其特征在于：在步骤(5)中，对步骤(4)中T个边缘点Ct进行筛选，t＝1,2,3…,T，筛选算法包括两个步骤，先确定候选点集，属于粗选，再针对候选点集确定有效点集，即精选，筛选算法具体步骤如下：(5.1)确定候选点集的粗选过程：根据蓝底白字的车牌区域字符边缘点的颜色特征，对二值化后的图像I4上的T个的边缘点Ct进行筛选，得到粗选后的图像I5及K个候选边缘点Ek，k＝1,2,3…,K，其中k表示边缘点Ek的序号，K为候选边缘点的总数，具体子步骤为：(5.1.1)初始化t＝1，k＝0；(5.1.2)利用边缘点Ct相对于整体图像坐标系OXY的坐标值，在彩色图像I′3中找到具有相同坐标值的对应图像点(xt,yt...

【专利技术属性】
技术研发人员：李旭，金鹏，郑智勇，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32