基于统计的车辆全景环视拼接图像质量计算方法和系统技术方案

本申请提供一种基于统计的车辆全景环视拼接图像质量计算方法和系统，方法包括：1)使用深度学习方法对车辆全景环视图像进行边缘检测；2)遮蔽车辆所在位置的图像，处理边缘检测结果，并对上述结果进行二进制阈值化，将灰度图转变为黑白图像；3)对边缘检测的结果进行图像分割，并从中提取每一个棋盘格区域的所有坐标；4)使用聚类算法统计棋盘格区域的坐标，并使用多项式拟合棋盘格边缘的曲线方程；5)通过棋盘格边缘的曲线方程，计算拼接图像中每一个棋盘格的编号与四边形坐标；6)结合曲线方程、四边形坐标和棋盘格编号，分别计算图像拼接质量指标，包括画面对称性、拼接错位、拼接损失、拼接重影。本申请具有可解释性强、部署成本低、鲁棒性好等优点。鲁棒性好等优点。鲁棒性好等优点。

【技术实现步骤摘要】
基于统计的车辆全景环视拼接图像质量计算方法和系统


[0001]本申请涉及拼接图像质量计算领域，尤其是一种车辆全景环视拼接图像计算方法。

技术介绍

[0002]近年来，随着公路交通及运输行业的快速发展，汽车数量快速增长，驾驶安全及交通纠纷等问题日益严峻。由于驾驶员视觉盲区的存在，极易造成判断和操作失误，从而导致吞人卷车、汽车追尾等交通事故频发。汽车盲区是指驾驶员坐在驾驶座位上由于车体遮挡而看不到的那部分区域。为了解决这些问题，全景环视设备迅速发展，在辅助驾驶领域具有广阔的应用前景。全景环视设备利用安装在车辆四周的广角摄像头，通过图像变换重构车辆以及周围场景的鸟瞰视角图像，从而消除视觉盲区，达到安全行车的目的。
[0003]目前，全景环视拼接图像质量计算方法主要是采用人工手段进行评估，存在以下四点缺陷：(1)环境条件对结果影响较大；(2)受到人为因素的影响；(3)评估过程繁琐，效率低下；(4)需要消耗大量的物力和人力，不利于实际应用。因此，鉴于以上技术问题，有必要使用一种客观的、自动化、鲁棒的方法对景环视拼接图像质量进行评价。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于统计的车辆全景环视拼接图像质量计算方法，其特征在于，包括：1)使用深度学习方法对车辆全景环视图像进行边缘检测；2)使用黑色像素遮蔽车辆所在位置的图像，全局预处理边缘检测结果，并对所述边缘检测结果进行二进制阈值化，将灰度图转变为黑白图像；3)对边缘检测结果进行图像分割，并从中提取每一个棋盘格区域的所有坐标；4)使用聚类算法统计棋盘格区域的坐标，并使用多项式拟合棋盘格边缘的曲线方程；5)通过棋盘格边缘的曲线方程，计算拼接图像中每一个棋盘格的编号与四边形坐标；6)结合所述曲线方程、四边形坐标和棋盘格编号，分别计算图像拼接质量指标，包括画面对称性、拼接错位、拼接损失、和拼接重影。2.根据权利要求1所述的一种基于统计的车辆全景环视拼接图像质量计算方法，其特征在于，所述的步骤1)中，所述边缘检测的算法是任意一个用于解决边缘检测问题的深度学习模型。3.根据权利要求1所述的一种基于统计的车辆全景环视拼接图像质量计算方法，其特征在于，所述的步骤2)中，所述全局预处理使用包括高斯滤波器、均值滤波器、中值滤波器、膨胀、腐蚀的方法对输入图像进行全局预处理。4.根据权利要求1所述的一种基于统计的车辆全景环视拼接图像质量计算方法，其特征在于，所述的步骤3)中，先对边缘检测结果进行图像分割，再将提取到的区域按照面积从大到小的顺序进行排序，最后根据相邻区域的面积大小关系筛选出所有代表棋盘格的区域，输出棋盘格区域内的所有坐标。5.根据权利要求1所述的一种基于统计的车辆全景环视拼接图像质量计算方法，其特征在于，所述的步骤4)中，先使用K均值聚类算法统计棋盘格区域内的所有坐标；再使用多项式拟合每一个类别的中心点的曲线；最后使用插值方式计算棋盘格边缘的曲线方程。6.根据权利要求1所述的一种基于统计的车辆全景环视拼接图像质量计算方法，其特征在于，所述的步骤5)中，先根据棋盘格边缘的曲线方程，遍历计算每一对横向曲线与纵...

【专利技术属性】
技术研发人员：邓若愚，胡尚薇，
申请(专利权)人：同济人工智能研究院苏州有限公司，
类型：发明
国别省市：