一种基于MSER区域的城市道路鲁棒检测方法技术

本发明专利技术公开了一种基于MSER区域的城市道路鲁棒检测方法，包括：针对车载视频图像计算反映灰度局部变化的梯度图像，较好地呈现图像的细节信息；采用MSER区域特征提取算法，针对梯度图像获取局部稳定极值区域；假设处于车辆前方的区域正好就是道路区域，在车载视频图像靠近下边沿的合适位置选定初始种子点，并确定初始种子点所落入的具体MSER区域，从而最终检测属于城市道路的区域范围。采用本发明专利技术的技术方案，可以对复杂道路场景及复杂光照条件下的城市道路进行鲁棒而高性能的检测，对智能车自主导航及车载视频智能处理具有重要意义。

【技术实现步骤摘要】
一种基于MSER区域的城市道路鲁棒检测方法
本专利技术属于智能车自主导航及车载视频智能处理
，具体涉及一种基于梯度图像MSER区域提取的城市道路鲁棒检测方法。
技术介绍
道路检测是当前智能车自主导航(AutomaticVehicleNavigationSystems)及车载视频智能处理领域获得广泛关注的研究方向。同时，它对于驾驶员辅助驾驶系统(DriverAssistanceSystem)及增强浮动车(ExtendedFloating-carData)等应用都具有非常重要的意义(KastrinakiV.,ZervakisM.,KalaitzakisK.ASurveyofVideoProcessingTechniquesforTrafficApplications[J].ImageandVisionComputing,2003,21(4):359–381)(McCallJ.,TrivediM.VideoBasedLaneEstimationandTrackingforDriverAssistance:Survey,System,andEvaluation[J].IEEETransactionsonIntelligentTransportationSystems,2006,7(1):20–37)。从上世纪90年代开始，道路检测研究就一直非常活跃。不同的目标应用场景及道路条件造成了不同的道路检测方法。第一类方法针对高速公路、城市干道等铺砌完好、路面平坦、车道标线及其他人工标记明显的城市结构化道路。一般采用车道标线及道路边沿线检测来实现。车道标线作为结构化道路环境人类驾驶所采用的主要线索，具有定义明确而显著的特征。车道标线以其可视性鲜明的特点，方便图像特征的提取。所检测到的车道标线位置能够满足一系列应用的需要，包括车道偏离预警(LaneDepartureWarning)，抗瞌睡预警系统(Anti-sleepAlarmSystems)等(HillelA.B.,LernerR.,LeviD.,RazG..RecentProgressinRoadandLaneDetection:ASurvey[J].MachineVisionandApplications,2014,25(3):727–745)。针对车道标线的变化外观，照明条件，阴影，图像伪影等问题，车道标线检测研究在过去的几年里取得了长足的进步。但是对于车流密集条件下的交通杂乱场景，它仍然是一个挑战性的问题。第二类方法针对没有可供参考的车道标线等显著标志以及道路几何先验知识的非结构化道路(未铺砌的土路)。为了避免非结构化道路复杂边沿情况所造成的检测困难，该研究基于恒定道路纹理及颜色的假设，使用整个道路表面作为特征，大大改善道路标线缺失等情况下道路检测。该方向根据像素的属性如灰度值、颜色或纹理等，使用基于区域的图像分割方法，将所有像素划分为道路和非道路两类(CrismanJ.D.,ThorpeC.E.UNSCARF,Acolorvisionsystemforthedetectionofunstructuredroads[C]..IEEEInternationalConferenceonRoboticsandAutomation,1991,175-187)。目前该方法同样多是针对前方没有其他车辆遮挡的车流稀疏情况进行检测，并没有考虑车流密集的交通杂乱场景为代表的复杂城市道路环境。第三类方法主要针对结构化道路环境，检测车辆可安全行驶的车前路面区域。该方法能够提升在城市复杂环境下道路的检测性能。该研究主要采用基于种子的区域增长分割算法(HautièreN.,TarelJ.-P.,HalmaouiH.,BrémondR.,AubertD.EnhancedFogDetectionandFreeSpaceSegmentationforCarNavigation[J].MachineVisionandApplications,2014,25(3):667–679)以及基于立体摄像机Homograph估计的道路平面检测方法进行(GuoC.,MitaS.DrivableRoadRegionDetectionbasedonHomographyEstimationwithRoadAppearanceandDrivingStateModels[C].4thInternationalConferenceonAutonomousRobotsandAgents,2009,9(12):204-209)。截止到目前，该方法并没有针对车流密集的交通杂乱场景为代表的复杂城市道路环境进行针对性的分析。
技术实现思路
由于多种因素的影响,城市道路环境可以变得很复杂。这些因素主要分为两类。第一类为复杂道路场景，主要包括道路结构发生变化，比如交叉口附近车道数增加以及车辆处于交叉口内部等复杂情况，以及车辆密集干扰等。第二类为复杂光照条件，主要包括投射阴影等。本专利技术主要针对以上复杂城市道路环境提出了基于梯度图像MSER区域提取的城市道路自由空间鲁棒检测新方法。在复杂城市道路环境情况下，需要选取能够适应多种复杂道路环境而具有高度一致性的良好特征属性。本专利技术采用了最大稳定极值区域(MaximallyStableExtremalRegion，MSER)检测算子(ForssenP-E.,LoweD.G.ShapeDescriptorsforMaximallyStableExtremalRegions[C].ICCV,2007.14-21)提取有效道路区域。MSER检测算子是Matas等人于2004年提出的一种局部仿射不变区域提取算法(MatasJ.,ChumO.,UrbanM.,PajdlaT.RobustWideBaselineStereofromMaximallyStableExtremalRegions[J].ImageandVisionComputing,2004,22(10):761-767)，已经被广泛用于检测自然场景图像中稳定区域(在一定的灰度阈值范围内，所得二值化图像某些连通区域的面积几乎保持不变)，比如车牌检测、道路标志检测以及文本检测等(ChenH.,TsaiS.,SchrothG.,ChenD.GrzeszczukR.,GirodB.RobustTextDetectioninNaturalImageswithEdge-enhancedMaximallyStableExtremalRegions[C].ICIP2011,2609-2612)。道路无疑是车载视频原始图像中的稳定区域。基于MSER的区域提取既能够检测出道路所属的连通区域，也保证道路检测能够稳定地适应各种复杂光照环境。传统的MSER区域特征提取算法在具体实施之前，通常先将原始图像转化成灰度图像，直接利用各像素的灰度相邻关系进行MSER区域的提取。但当图像中存在不明显的灰度差异(比如黑色车辆与道路)或当相邻的道路与路侧景观环境的灰度范围有较大重叠时，将很难得到准确的结果；其次，仅仅只考虑图像的灰度往往造成对图像的噪声灰度很敏感的结果。为了更好地适应道路边缘的细节信息以及车辆与道路的便捷信息，更准确地划定道路有效范围，本专利技术采用梯度本文档来自技高网...

【技术保护点】
1.一种基于MSER区域的城市道路鲁棒检测方法，其特征在于包括如下步骤：步骤1：根据空间滤波器计算得到原始灰度图像的梯度图像A(x,y)；步骤2：对A(x,y)进行MSER区域提取，并对MSER区域提取结果进行轮廓提取，由凸壳表示，具体过程包括：2.1)从梯度图像A(x,y)提取MSER区域集合{R1,R2,…,RL}，其中Rj,j＝1,2,…,L；2.2)针对每个MSER区域Rj进行轮廓提取，将原始区域简化为便于计算与分析的闭合多边形Pj，计算每条近似多边形Pj的凸壳，实现MSER区域提取，其中凸壳表示如下：CHj＝ConvexHull(Pj)步骤3：选取种子区域及城市道路鲁棒检测，具体包括：3.1)在原始图像靠近下边沿处选定属于城市道路的范围的，且不再更改的初始种子点ps＝{xs,ys}；3.2)确定初始种子点ps落入的特定MSER区域Rs，区域Rs即为城市道路鲁棒检测结果。

【技术特征摘要】
1.一种基于MSER区域的城市道路鲁棒检测方法，其特征在于包括如下步骤：步骤1：根据空间滤波器计算得到原始灰度图像的梯度图像A(x,y)；步骤2：对A(x,y)进行MSER区域提取，并对MSER区域提取结果进行轮廓提取，由凸壳表示，具体过程包括：2.1)从梯度图像A(x,y)提取MSER区域集合{R1,R2,…,RL}，其中Rj,j＝1,2,…,L；2.2)针对每个MSER区域Rj进行轮廓提取，将原始区域简化为便于计算与分析的闭合多边形Pj，计算每条近似多边形Pj的凸壳，实现MSER区域提取，其中凸壳表示如下：CHj＝ConvexHull(Pj)步骤3：选取种子区域及城市道路鲁棒检测，具体包括：3.1)在原始图像靠近下边沿处选定属于城市道路的范围的，且不再更改的初始种子点ps＝{xs,ys}；3.2)确定初始种子点ps落入的特定MSER区域Rs，区域Rs即为城市道路鲁棒检测结果。2.根据权利要求1所述的一种基于MSER区域的城市道路鲁棒检测方法，其特征在于：所述的空间滤波器采用3×3模板，具体如下：ω1ω2ω3ω4ω5ω6ω7ω8ω9其中，ωk是空间滤波器的系数，在该模板所覆盖图像区域中心点处的滤波输出值u为其中，zk是输入的像素灰度，该模板所覆盖的图像区域是可变的，以便访问原始灰度图像f中的每个像素。3.根据权利要求2所述的一种基于MSER区域的城市道路鲁棒检测方法，其特征在于：根据以上空间滤波器模板，所述的用于表征梯度向量的幅值、即灰度最大变化率的梯度图像A(x,y)的计算公式如下：其中，gx和gy分别表示原始灰度图像f中像素点(x,y)处的梯度分量，具体计算公式如下：4.根据权利要求1所述的一种基于MSER区域的城市道路鲁棒检测方法，其特征在于：，具体包括以...

【专利技术属性】
技术研发人员：辛乐，陈阳舟，胡江碧，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11