基于区域边界像素交换的林区道路快速识别方法及系统技术方案

本发明专利技术实施例公开了一种基于区域边界像素交换的林区道路实时识别方法及系统。首先对视频图像进行采集，提取，并对其基于空间约束初步分割。其次，通过构建能量函数对区域边界像素进行相似度判断，依据能量最大化条件决定边界像素与兄弟连通域的交换。通过迭代完成所有子区域边界像素的归属判断与交换，实现快速区域更新与快速图像分割，并生成新的区域边界。然后，通过支持向量机模型引入子区域特征算子，并对各区域做出快速识别与分类。最后，提取道路区域边界坐标，通过样条曲线拟合生成平滑道路边界，完成林区非结构化道路区域实时识别。该方法弥补了现有算法在林区环境下的误识别问题，突出了对林区非结构化道路识别的准确性和实时性。性和实时性。性和实时性。

【技术实现步骤摘要】
基于区域边界像素交换的林区道路快速识别方法及系统


[0001]本发属于林区特种车辆自主导航与非结构化道路识别
，具体涉及一种基于区域边界像素交换的林区道路快速识别方法及系统。

技术介绍

[0002]由于林区道路缺乏有效参照物和人工标识，具有较强非线性和不确定性的特点，这对林区作业车辆和车辆驾驶人员都提出了严峻的挑战。因此，对林区车辆作业时自主化与智能化提出迫切需求。通过视觉信息对林区环境的感知与对道路的识别是实现林区车辆自主运行的基础。现有的自主驾驶平台搭载的道路识别算法主要是针对城市环境下的结构化道路的识别。虽然已经基本能够完成对周围车道线、指示牌标识、信号灯、行人和车辆等的图像提取与语义识别，但是城市道路与林区非结构化道路的差别较大。林区道路缺乏明显车道标识和普遍的交通信号指示标识，现有的道路识别算法尚无法对缺乏参照物和人工标识的林区道路进行合理的语义分割和语义理解，将其直接移植用于林区道路检测会对造成不可预测的风险。而基于视觉图像的环境感知是实现林区自主作业车辆对林区非结构化道路识别的关键环节。因此，一方面，基于视觉信息条件下的林区非结构化道路识别，有助于林区自主导航车辆对道路与可通过区域的语义理解，另一方面，车辆行驶过程中视觉图像的快速处理与实时解算对实现林区车辆自主导航的有重要实践意义。
[0003]专利申请号为CN201110341479.1，专利技术名称为“基于自适应边缘配准的非结构化道路检测方法”的中国专利。该专利技术在非结构化道路识别[0003]中，主要针对的研究对象为非城市主干道以及其他没有明显分道线标志的道路类型(如，校园，居民小区，乡村道路等)。该类型道路相对于城市结构化道路来说虽然存在形状不规则，路面存在破损，裂痕等不确定特征。但是，相对于林区道路来说，在图像中，此类道路区域依然具有大面积形状较为确定和纹理相对一致的明显特征。而林区道路则形态各异，存在各种杂草、腐殖质、石块瓦砾、树冠遮盖和阴影等不确定干扰，纹理特征极不均匀，光线影响严重。这种情况下很难找到与非城市主干道相类似的颜色和纹理特征，导致寻路行为陷入困境。除此之外，该算法[0040]中的Canny边缘检测算法也是基于乡村道路边界虽然不规则，但是依然有相当明显的边界区分特点而实现的，在林区杂草，乱石覆盖，边界模糊的路面则很难达到较为理想的识别效果。
[0004]专利申请号为CN201610812183.6，专利技术名称为“一种非结构化道路识别方法”的中国专利。该专利技术在[0018]采用了Laplaction二阶微分算子进行了锐化操作，在此基础上，在[0025]中只采用灰度图像的色调和饱和度值这两个指标分量进行OTSU分割。虽然客观上消除了光照条件对图像分割的影响，但是算法实现过程中并没有摆脱色彩阈值的限制。而且在林区环境复杂干扰的条件下，锐化图像之后的区域分割和[0059]采取的操作会对道路区域的判别和算法的稳定性产生干扰并造成隐患。而且该算法为了提高识别速度，[0049]采取将1280像素*960像素大小的图片压缩为320像素*240像素的图像的策略，对于林区本就模糊不规则的道路边界而言识别精度和识别效果影响较大，而提高图像质量，又会降低计
算速度无法达到实时要求，算法需要在两者之间需要做出牺牲与平衡。
[0005]专利申请号为CN201911145132.2，专利技术名称为“一种非结构化道路识别方法”的中国专利。该专利技术在[0009]采用了蚁群算法对BP神经网络的参数进行优化，虽然客观上能够增强神经网络对图像语义的理解效果，但是蚁群算法本身空间复杂度较高，而且优化过程可能造成局部最优解。另外，在图像分块提取特征值的过程中[0060]主要提取的是灰度均值，方差，一致性和平滑度几个指标。颜色，纹理特征的诸多信息丢失，而根据结果显示，算法能满足需求的根本原因还在于乡村道路本身相对来说特征信息单一且明显，其相对于周围环境对比特征突出，识别度高，直接移植到林区道路识别上识别效果不佳。
[0006]专利申请号为CN201811614332.3，专利技术名称为“一种道路识别模型训练方法、道路识别方法和装置”的中国专利。该专利技术在多帧图像处理过程[0009]中采用卷积神经网络结构对连续帧图像之间的相关特征进行提取，其基于大量结构化道路下的交通标识和类别标签，并将其作为输入以得到识别结果，但是该模型主要是针对城市结构化道路条件下的目标识别。相对而言，林区道路环境复杂，缺少参照物和人工标识，该算法无法做到在林区没有明显人工标识的道路条件下的准确识别。
[0007]以上四种方法中，前三种非结构化道路识别都是基于非城市主干道和乡村道路，但该种类非结构化道路，图像上依然具有非常明显的结构、颜色、纹理特征，因此采用的图像特征只基于灰度图像就能基本实现道路的识别。第四种方法是基于城市结构化道路的神经网络识别。但是林区非结构化道路远达不到类似标准，因为林区非结构化道路广泛分布着大量枯落物，杂草，泥土石块等不确定性干扰因素，这对道路的识别与可通行区域的分辨造成较大影响。以上方法虽然都针对非结构化道路与结构化道路识别提出不同算法，但都无法实质解决林区复杂非结构化道路的实时检测与图像语义识别。

技术实现思路

[0008]针对现有技术中的技术缺陷，本专利技术实施例的目的在于提供一种基于区域边界像素交换的林区道路快速识别方法及系统。
[0009]第一方面，本专利技术实施例提供了一种基于区域边界像素交换的林区道路快速识别方法，包括：
[0010]S1，视频图像采集：通过图像采集设备实时采集连续帧图像，对所述帧图像进行提取，得到包含林区非结构化道路区域的待处理图像；
[0011]S2，图像初始分割：根据像素大小，将所述待处理图像划分为N个大小相同的矩形子区域，对各个矩形子区域进行编号，并将相邻的矩形子区域定义为兄弟连通域；
[0012]S3，基于边界像素交换的子区域重构：构建基于图像特征的能量函数，采用所述能量函数对各个子区域进行能量最大化检测，基于能量最大化原理判断区域边界像素是否与兄弟连通域发生交换以优化子区域的分割，通过迭代方式遍历所有子区域边界点，通过区域边界像素交换，快速完成子区域重构和实现待处理图像的最终分割；
[0013]S4，子区域特征提取：将经步骤S3能量最大化检测和最终分割后的所述子区域通过采用HSV均值与纹理均值将图像映射到不同的色彩空间，并对各个子区域进行特征提取，并生成对应的特征算子；
[0014]S5，道路边界拟合识别：通过支持向量机模型对基于边界像素交换下的子区域的
特征算子进行快速解算，对子区域进行是否道路区域的二分类判别，在分类基础上对图像进行二值化处理，依据二值化结果将可通行子区域初步合并为道路区域，并对区域左右边界坐标进行提取，通过样条曲线拟合左右边界坐标散点，得到平滑的道路边界，完成林区非结构化道路识别。
[0015]作为本申请的一种具体实施方式，步骤S3中，构建基于图像特征的能量函数，具体为：
[0016]构建所述子区域的颜色分布项和边界像素项；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区域边界像素交换的林区道路快速识别方法，其特征在于，包括：S1，视频图像采集：通过图像采集设备实时采集连续帧图像，对所述帧图像进行提取，得到包含林区非结构化道路区域的待处理图像；S2，图像初始分割：根据像素大小，将所述待处理图像划分为N个大小相同的矩形子区域，对各个矩形子区域进行编号，并将相邻的矩形子区域定义为兄弟连通域；S3，基于边界像素交换的子区域重构：构建基于图像特征的能量函数，采用所述能量函数对各个子区域进行能量最大化检测，基于能量最大化原理判断区域边界像素是否与兄弟连通域发生交换以优化子区域的分割，通过迭代方式遍历所有子区域边界点，通过区域边界像素交换，快速完成子区域重构和实现待处理图像的最终分割；S4，子区域特征提取：将经步骤S3能量最大化检测和最终分割后的所述子区域，通过采用HSV均值与纹理均值将图像映射到不同的色彩空间，并对各个子区域进行特征提取，并生成对应的特征算子；S5，道路边界拟合识别：通过支持向量机模型对基于边界像素交换下的子区域的特征算子进行快速解算，对子区域进行是否道路区域的二分类判别，在分类基础上对图像进行二值化处理，依据二值化结果将可通行子区域初步合并为道路区域，并对区域左右边界坐标进行提取，通过样条曲线拟合左右边界坐标散点，得到平滑的道路边界，完成林区非结构化道路识别。2.如权利要求1所述的方法，其特征在于，步骤S3中，构建基于图像特征的能量函数，具体为：构建所述子区域的颜色分布项和边界像素项；对所述颜色分布项和边界像素项进行加权求和，构建基于图像特征的能量函数。3.如权利要求2所述的方法，其特征在于，构建颜色分布项具体为：将区域颜色密度分布通过投票方式确定该子区域的主成份颜色聚类，计算该子区域颜色分布的质量指标。4.如权利要求1所述的方法，其特征在于，步骤S3中，采用所述能量函数对所述待处理图像的区域边界像素进行能量最大化检测，具体为：首先统计各子区域特定颜色空间下的颜色直方图，然后，基于颜色直方图不同颜色通道的概率密度分布构建能量函数，子区域中颜色分布越集中能量函数越大；提取所述子区域的区域边界像素；通过边缘像素交换与迭代，实现子区域能量最大化检测与更新。5.如权利要求1所述的方法，其特征在于，步骤S4具体为：对单个子区域进行图像HSV均值处理，并提取该区域的色调(H)，饱和度(S)，和明度(V)三个特征值；计算并提取该子区域纹理特征，提取的纹理特征均值包括LBP纹...

【专利技术属性】
技术研发人员：雷冠南，郑一力，赵燕东，么汝亭，关鹏，
申请(专利权)人：北京林业大学，
类型：发明
国别省市：