一种HSV空间上的非结构化道路识别方法技术

本发明专利技术公开了一种HSV空间上的非结构化道路识别方法，属于智能汽车辅助驾驶技术领域。本发明专利技术对非结构化道路彩色图像，首先计算S分量矩阵，通过OSTU法计算阈值，初步识别道路区域，得到黑白识别结果图。然后，将黑白图像划分成多个方格，计算每个方格内黑白像素比例并转化为一个像素，得到一个较小的二值图像。在小的二值图像上采用搜寻道路左右轮廓的方法确定道路粗略区域。最后对应到S分量上，据边缘到边缘法精确识别道路边缘及道路区域。本发明专利技术能较好识别非结构化道路，抗干扰能力强，对道路形状不敏感，且计算量较小，符合无人驾驶系统实时性要求。

【技术实现步骤摘要】
一种HSV空间上的非结构化道路识别方法
本专利技术涉及一种HSV空间上的非结构化道路识别方法，属于智能汽车辅助驾驶

技术介绍
车辆的自动驾驶系统是计算机视觉的一个重要应用领域，道路识别算法是该领域的关键技术之一。道路图像识别为安全驾驶与车辆路线自动规划提供了重要依据。实际的道路可分为结构化道路和非结构化道路两类。结构化道路一般有明显的车道线和道路边界，检测方法比较成熟。非结构化道路一般指结构化程度较低的道路，这类道路没有车道线和清晰的道路边界，再加上阴影和水迹等干扰物的影响，检测难度相对较大。目前，非结构化道路的检测算法主要分为基于特征的方法、基于模型的方法、基于卷积神经网络的方法和基于支持向量机的方法。基于特征的道路检测算法，主要是根据道路在颜色、纹理、梯度等特征上的不同，与非道路进行区分。其优点是对道路形状不敏感，需要的先验知识少，但是对阴影和水迹较为敏感，处理计算量较大。基于模型的方法，首先需要找到最匹配的道路模型，该方法检测出的道路区域较为完整，但是对于复杂的路面形状，无法建立有效的模型。基于卷积神经网络的方法本文档来自技高网...

【技术保护点】
1.一种HSV空间上的非结构化道路识别方法，其特征在于，包括下列步骤：/n步骤1、采集道路彩色图像。计算S分量，用OSTU法计算阈值，初步识别道路区域，得到黑白识别图像。/n步骤2、对所得的初步识别结果黑白图像，划分成多个方格，计算方格内黑白像素比例，转换成一个较小的二值图像。/n步骤3、对所得的较小二值图像，由每行连续黑色像素个数最大的黑色像素串，确定道路搜索起点和道路消失点。/n步骤4、对所得的较小二值图像中，采用轮廓左右跟踪法搜索道路左右边缘，并最终确定道路消失点。/n步骤5、结合步骤4的结果，在步骤1的黑白识别图像中，按边缘到边缘方法，精确搜索道路左右边缘线，实现精准识别道路区域。/n

【技术特征摘要】
1.一种HSV空间上的非结构化道路识别方法，其特征在于，包括下列步骤：
步骤1、采集道路彩色图像。计算S分量，用OSTU法计算阈值，初步识别道路区域，得到黑白识别图像。
步骤2、对所得的初步识别结果黑白图像，划分成多个方格，计算方格内黑白像素比例，转换成一个较小的二值图像。
步骤3、对所得的较小二值图像，由每行连续黑色像素个数最大的黑色像素串，确定道路搜索起点和道路消失点。
步骤4、对所得的较小二值图像中，采用轮廓左右跟踪法搜索道路左右边缘，并最终确定道路消失点。
步骤5、结合步骤4的结果，在步骤1的黑白识别图像中，按边缘到边缘方法，精确搜索道路左右边缘线，实现精准识别道路区域。


2.根据权利要求1所述方法，其特征在于，所述步骤1进一步包括以下步骤：
步骤1-1、对大小为M×N的道路彩色图像，由RGB模型计算S分量。
设Cmax(i，j)＝max(R(i，j)，G(i，j)，B(i，j))，Cmin(i，j)＝min(R(i，j)，G(i，j)，B(i，j))，则有



式中，i＝0，…，M-1，j＝0，…，N-1；R(i，j)∈[0，255]，G(i，j)∈[0，255]，B(i，j)∈[0，255]，S(i，j)∈[0，255]。表示取整运算。
步骤1-2、对矩阵S，用OSTU方法计算阈值Thre。
将道路和非道路的识别阈值记为Thre，道路像素个数占整个矩阵S像素个数的比例记为p1，平均像素值为μ1；非道路像素个数占整个矩阵S像素个数的比例记为p2，平均像素值为μ2；矩阵S总平均像素值为μ，类间方差为σ；矩阵S大小为M×N，其中像素值小于阈值Thre的像素个数记为N1，像素值小于阈值Thre的像素个数记为N2，则有：
μ1＝N1/(M×N)
μ2＝N2/(M×N)
N1+N2＝M×N
μ1+μ2＝1
μ＝μ1×p1+μ2×p2
σ＝p1×(μ-μ1)2+p2×(μ-μ2)2
＝p1×p2×(μ1-μ2)2
采用遍历法得到使类间方差σ最大的阈值，即为所求阈值Thre。
步骤1-3、矩阵S中，初步识别为两类0(表示道路像素)、255(表示非道路像素)，得到大小为M×N的黑白二值图像WB，其像素值为ω(i，j)。



其中，S(i，j)为矩阵S中的值。


3.根据权利要求1所述方法，其特征在于，所述步骤2进一步包括以下步骤：
步骤2-1、对步骤1-3所得到的大小为M×N黑白二值图像WB，设定初始值r(一般可设为r＝8)，将图像分成s×t个方格，其中每个方格大小为r×r。



式中，表示取整运算。
这里(M/r，N/r)不一定是整数，可把图像顶部，和左右截取一部分，使得s，t是整数。该处理方式合理，计算量小。
步骤2-2、计算每个方格黑白像素比例：
pi(i，j)＝NW(i，j)/Nt(i，j)
式中，i＝1，…，s，j＝1，…，t，NW(i，j)和Nz(i，j)分别表示第i行，j列个方格中白色像素和总的像素个数。
pi(i，j)取值在[0，1]之间，pi是一个维数为s×t的矩阵，乘以255，可以图像的形式显示结果。
步骤2-3、将pi转换成二值图像。设定转换阈值，将图像转换成二值图像：



考虑到道路区域白点很少，故系数kcoef的选取比较小，通常设定为[0.010.05]之间。一般可取为0.01。显然，二值图像wp大小为s×t。


4.根据权利要求1所述方法，其特征...

【专利技术属性】
技术研发人员：付兴建，王军茹，侯明，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：北京;11