基于视觉信息流分区投射编码模型的道路障碍物检测方法技术

本发明专利技术涉及基于视觉信息流分区投射编码模型的道路障碍物检测方法。本发明专利技术首先在V1拓扑投射轮廓全局感知单元中构建平行视通路模型，对道路交通图的亮度边缘和颜色边缘实现并行提取，获取表征障碍物全貌特征的拓扑投射轮廓图和最优方位索引矩阵；然后在V4稀疏编码精细特征提取单元中构建视觉信息差增强模型，利用位置响应差和方位响应差对拓扑投射轮廓图进行对比度增强，得到细化轮廓图；接着提出自适应尺寸稀疏编码模型，根据细化轮廓图的稀疏程度实现对障碍物轮廓特征的智能聚焦，获取表征障碍物局部特征的池化图；最后模拟视皮层不同脑区间的反馈调控机制，利用池化图对跨视区的拓扑投射轮廓图进行修正，融合得到最终的障碍物轮廓外形结果。

【技术实现步骤摘要】
基于视觉信息流分区投射编码模型的道路障碍物检测方法
本专利技术属于机器视觉领域，具体涉及一种基于视觉信息流分区投射编码模型的道路障碍物检测方法。
技术介绍
道路障碍物检测任务是智能交通系统的子任务之一，对于高速行驶的车辆来说，障碍物可分为行人、道路交通标识、山体落石、车辆遗撒物等多种形式。道路障碍物检测对于车辆安全行驶和交通有效管理具有重要意义。轮廓作为图像的低维空间特征，是对目标主体的一种有效表示方式。道路交通图中的障碍物轮廓获取有助于提高后续障碍物分类、识别等任务的快速性和准确性。采用数学微分算子的传统图像处理技术检测到的轮廓往往包含大量纹理信息，无法将道路交通目标障碍物与复杂背景很好区分开来。随着生物视觉领域的研究成果大量涌现以及神经计算的飞速发展，基于仿生机制的目标感知方法受到了广泛关注。有研究采用二维Gabor能量模型模拟初级视皮层经典感受野对边缘线段的敏感特性，并利用高斯差分模型模拟非经典感受野的生理结构，提出了各向同性和各向异性的抑制方法，对纹理信息进行了有效抑制；另有研究对视通路中的颜色拮抗机制进行建模，实现了对彩色图像本文档来自技高网...

【技术保护点】
1.基于视觉信息流分区投射编码模型的道路障碍物检测方法，其特征在于，该方法具体包括以下步骤：/n步骤一：在V

【技术特征摘要】
1.基于视觉信息流分区投射编码模型的道路障碍物检测方法，其特征在于，该方法具体包括以下步骤：
步骤一：在V1拓扑投射轮廓全局感知单元中构建平行视通路模型，对道路交通图的亮度边缘和颜色边缘实现并行提取，从而获取表征障碍物全貌特征的拓扑投射轮廓图E(x,y)和最优方位索引矩阵Θ(x,y)；
步骤二：在V4稀疏编码精细特征提取单元中构建视觉信息差增强模型，分别利用位置响应差和方位响应差对拓扑投射轮廓图E(x,y)进行纹理抑制和轮廓增强，得到细化轮廓图Et(x,y)；
步骤三：提出一种自适应尺寸稀疏编码模型，对细化轮廓图Et(x,y)进行池化操作，根据图像特性实现对障碍物轮廓特征的智能聚焦，获取表征障碍物局部特征的池化图Es(x,y)；
步骤四：模拟视皮层不同脑区间的反馈调控机制，利用池化图Es(x,y)对跨视区的拓扑投射轮廓图E(x,y)进行修正，融合得到最终的障碍物轮廓外形结果T(x,y)。


2.根据权力要求1所述的基于视觉信息流分区投射编码模型的道路障碍物检测方法，其特征在于：所述步骤一：在V1拓扑投射轮廓全局感知单元中构建平行视通路模型，对道路交通图的亮度边缘和颜色边缘实现并行提取，从而获取表征障碍物全貌特征的拓扑投射轮廓图E(x,y)和最优方位索引矩阵Θ(x,y)；具体为：
针对待检测道路交通图，分解出其亮度分量I(x,y)和红、绿、蓝颜色分量R(x,y)、G(x,y)、B(x,y)；每个分量的行数和列数分别为m和n；平行视通路模型由亮度通路和颜色通路构成，分别对道路交通图的亮度边缘和颜色边缘进行提取；
步骤1.1亮度通路的数学模型如式(1)所示：



其中，σ、γ代表经典感受野的尺寸和椭圆率，θ∈[0，2π)代表选择性方位，取等间隔的8个方位，即θi＝{0°,45°,90°,135°,180°,225°,270°,315°}，*代表卷积运算，e(x,y；θi)代表像素坐标为(x,y)，选择性方位为θi所对应的亮度分量边缘响应；
对于每个像素，选取所有选择性方位所对应亮度分量边缘响应的最大值，将其线性归一化后作为输出，同时记录对应的最优方位索引，获得亮度通路的轮廓响应EL(x,y)和最优方位索引矩阵ΘL(x,y)，如式(2)所示：



其中，N(·)代表线性归一化操作；
步骤1.2利用颜色拮抗机制对颜色通路进行建模，颜色通路分为R-on/G-off、G-on/R-off、B-on/Y-off、Y-on/B-off四种类型的拮抗通道，其中黄色分量Y(x,y)＝(R(x,y)+G(x,y))/2；以R-on/G-off类型拮抗通道为例进行说明；首先模拟视锥细胞的作用，将R(x,y)、G(x,y)分量分别经高斯滤波器处理，结果记为然后计算单拮抗感受野的边缘响应，结果记为SRG(x,y)，如式(3)所示：



接着模拟双拮抗感受野的作用，计算像素坐标(x,y)处，选择性方位为θi所对应的颜色分量边缘响应dRG(x,y；θi)，如式(4)所示:



对于每个像素，选取所有选择性方位所对应颜色分量边缘响应的最大值，将其线性归一化后作为输出，同时记录对应的最优方位索引，获得R-on/G-off类型拮抗通道的边缘响应DRG(x,y)和最优方位索引矩阵ΘRG(x,y)，如式(5)所示:



与R-on/G-off类型拮抗通道的计算方式相同，得到其他三类拮抗通道的边缘响应DGR、DBY、DYB和最优方位索引矩阵ΘGR、ΘBY、ΘYB；对于每个像素坐标位置，取四类拮抗通道中边缘响应的最大值作为输出，同时记录对应的最优方位索引，获得颜色通路的轮廓响应EC(x,y)和最优方位索引矩阵ΘC(x,y),如式(6)所示：



步骤1.3分别将亮度通路与颜色通路的轮廓响应以及最优方位索引矩阵进行融合，模拟视皮层V1功能层的前级特性，获得拓扑投射轮廓图E(x,y)和最优方位索引矩阵Θ(x,y)；如式(7)所示：





3.根据权力要求2所述的基于视觉信息流分区投射编码模型的道路障碍物检测方法，其特征在于：σ、γ依次设置为2和0.5。


4.根据权力要求2所述的基于视觉信息流分区投射编码模型的道路障碍物检测方法，其特征在于：所述步骤二：在V4稀疏编码精细特征提取单元中构建视觉信息差增强模型，分别利用位置响应差和方位响应差对拓扑投射轮廓图E(x,y)进行纹理抑制和轮廓增强，得到细化轮廓图Et(x,y)；具体为：
首先，对于步骤一获得的拓扑投射轮廓图E(x,y)，分别利用高斯函数G(x,y；σ)和高斯差函数DoG...

【专利技术属性】
技术研发人员：范影乐，杨瑞，武薇，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33