• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 12
    • 下载费用:30 金币  

    重庆时时彩平台挣钱吗: 一种全景图道路轮廓的提取方法.pdf

    关 键 词:
    一种 全景 道路 轮廓 提取 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201510021612.3

    申请日:

    2015.01.16

    公开号:

    CN104700071A

    公开日:

    2015.06.10

    当前法律状态:

    授权

    有效性:

    有权

    法律详情: 授权|||实质审查的生效IPC(主分类):G06K 9/00申请日:20150116|||公开
    IPC分类号: G06K9/00; G06K9/46 主分类号: G06K9/00
    申请人: 北京工业大学
    发明人: 孔德慧; 线冰曦; 张勇; 田岳; 毛猛
    地址: 100124北京市朝阳区平乐园100号
    优先权:
    专利代理机构: 北京中北知识产权代理有限公司11253 代理人: 冯梦洪
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201510021612.3

    授权公告号:

    ||||||

    法律状态公告日:

    2018.04.27|||2015.07.08|||2015.06.10

    法律状态类型:

    授权|||实质审查的生效|||公开

    摘要

    本发明公开了一种全景图道路轮廓的提取方法,包括步骤:(1)输入原始的道路图像,使用基于Gabor小波的消失点估计方法计算全景图每点像素的纹理方向信息和置信函数,获得消失点位置的局部自适应软投票算法的输入信息从而得到消失点位置;(2)从消失点或边界点发射一组道路预测线段,从而计算OCR特征和分隔颜色区域,获得融合多特征信息和约束函数来判别出最合适的道路边界方向;(3)将下一个边界点选为预测线段的起点,并重复步骤(2)直至到达图像边界;(4)对道路边界进行上下位移形成前景线与背景线,将前景线与背景线作为输入传到分水岭方法中进行计算,最后获得优化后的全景图道路轮廓。

    权利要求书

    权利要求书
    1.  一种全景图道路轮廓的提取方法,其特征在于,包括以下步骤:
    (1)输入原始的道路图像,使用基于Gabor小波的消失点估计方法来 计算全景图每点像素的纹理方向信息和置信函数,获得消失点位 置的局部自适应软投票算法的输入信息从而得到消失点位置;
    (2)在计算得到消失点位置后,从消失点或边界点发射一组道路预测 线段,从而计算OCR特征和分隔颜色区域,获得融合多特征信息 和约束函数来判别出最合适的道路边界方向;
    (3)将下一个边界点选为预测线段的起点,并重复步骤(2)直至到达 图像边界;
    (4)对道路边界进行上下位移形成前景线与背景线,将前景线与背景 线作为输入传到分水岭方法中进行计算,最后获得优化后的全景 图道路轮廓。

    2.  根据权利要求1所述的全景图道路轮廓的提取方法,其特征在于,所 述步骤(1)包括以下分步骤:
    (1.1)对于原始的道路图像的每个像素,通过公式(1)、(2)计算 纹理方向信息,通过公式(3)计算置信函数
    g ( x , y ) = 1 2 π σ x σ y exp ( - 1 2 ( x 2 σ x 2 + y 2 σ y 2 ) ) h ( x , y ) = g ( x , y ) × exp ( 2 πjWx ) H ( x , y ) = exp ( - 1 2 ( ( u - W ) 2 σ u 2 + v 2 σ v 2 ) ) - - - ( 1 ) ]]>
    S ( x , y ) = ( h R * I ) ( x , y ) 2 + ( h I * I ) ( x , y ) 2 - - - ( 2 ) ]]>
    Conf ( z ) = 1 - Average ( r 5 ( z ) , . . . , r 15 ( z ) ) r 1 ( z ) - - - ( 3 ) ]]>
    其中g(x,y)是用来调制的高斯函数;x=xcosθ+ysinθ,y= -xsinθ+ycosθ;θ是Gabor核函数的方向;σx和σy是其在两个坐标轴上的标准方差,它们决定了滤波 器作用区域的大??;W为复正弦函数在横轴上的频率;将Gabor函数 分解为实部hR(x,y)和虚部hI(x,y)两个分量;h*I表示图像I和滤波 器h的卷积;rn(z)表示36个方向中z像素的响应程度并让 r1(z)>…>r36(z);
    (1.2)对置信函数进行归一化操作,保留所有置信函数高于阈值 0.3的像素点;
    (1.3)将前90%的像素点作为消失点候选点;
    (1.4)对每个消失点候选点创建选区Vote aera,并基于公式(4) 进行投票。
    Vote ( P , V ) = 1 1 + [ rd ( p , v ) ] 2 , 0 , if , r 5 1 + 2 d ( p , v ) - - - ( 4 ) ]]>
    V是消失点,Rv是选区域,r是Rv中某个点P的纹理方向OP 与PV的角度,d(p,v)是PV的距离与图像对角线长度的比率;
    (1.5)得到最多票数的像素点作为初始化消失点。

    3.  根据权利要求2所述的全景图道路轮廓的提取方法,其特征在于,所 述步骤(2)包括以下分步骤:
    (2.1)获取初始化消失点坐标vp0(c,r);
    (2.2)判断c>(imageW)/m是否成立,是则执行步骤(2.3),否 则执行步骤(2.4),其中m是横向融合成全景图的图片数;
    (2.3)道路迭代点由上至下逐步计算,跳转步骤(2.4);
    (2.4)道路迭代点由下至上逐步计算若,若c≤1时跳转步骤(2.5);
    (2.5)若c≤1时,第一条边提取结束;
    (2.6)基于道路的第一条边界和先验信息对第二条边界进行计算并 获得完整道路边界。

    4.  根据权利要求3所述的全景图道路轮廓的提取方法,其特征在于,所 述步骤(2.3)包括以下分步骤:
    (2.3.1)通过公式(5)计算vp点的OCR,通过公式(6)ColorD (6),获得对应角度的OCR特征值与最大的颜色通道区域平均像素差, 并通过公式(8)计算Final特征值
    OCR = SumO SumL × 100 % - - - ( 5 ) ]]>
    ColorD(a1,a2)=max{ColorD(a1,a2)c|c=(R,G,B)}   (6)
    Final = max ( ColorD ( a 1 , a 2 ) × Σ i = 1 36 OCR ) - - - ( 8 ) ]]>
    其中OCR为OCR特征,SumO为预测线上方向一致的点的个数,SumL 为整条直线总点数,a1,a2是对应道路预测线的两个三角形区域, average(an)是n区域单通道颜色值的平均值;
    (2.3.2)计算的下一点坐标并检验是否满足条件约束公式(13), 当c坐标处于约束段时,0°的SumL=imageW/m,其中m是横向融 合成全景图的图片数,
    Final ( ColorD , OCR ) = 0 diffx < 0 Final diffx &GreaterEqual; 0 - - - ( 13 ) ; ]]>
    (2.3.3)通过步骤(2.3.2)确定的角度计算RoadNextPoint(x,y), 并更新为vp(c,r)。

    5.  根据权利要求3所述的全景图道路轮廓的提取方法,其特征在于,所 述步骤(2.4)包括以下分步骤:
    (2.4.1)通过公式(5)计算vp点的OCR,通过公式(6)ColorD (6),获得对应角度的OCR特征值与最大的颜色通道区域平均像素差, 并通过公式(8)计算Final特征值
    OCR = SumO SumL × 100 % - - - ( 5 ) ]]>
    ColorD(a1,a2)=max{ColorD(a1,a2)c|c=(R,G,B)}   (6)
    Final = max ( ColorD ( a 1 , a 2 ) × Σ i = 1 36 OCR ) - - - ( 8 ) ]]>
    其中OCR为OCR特征,SumO为预测线上方向一致的点的个数,SumL 为整条直线总点数,a1,a2是对应道路预测线的两个三角形区域, average(an)是n区域单通道颜色值的平均值;
    (2.4.2)通过公式(8)计算Final,通过公式(13)检验约束条件, 得到最大Final的角度;
    (2.4.3)通过步骤(2.3.2)确定的角度计算RoadNextPoint(x,y), 并更新为vp(c,r)。

    说明书

    说明书一种全景图道路轮廓的提取方法
    技术领域
    本发明属于图像处理和道路检测的技术领域,具体地涉及一种全景图 道路轮廓的提取方法。
    背景技术
    道路提取技术需要运用计算机视觉、模式识别等相关知识来完成。道 路图像主要分为两类:结构化道路和非结构化道路。结构化道路一般是指 高速公路或城市化道路,它们有着完整的行车线以及明显的路标等特点。 非结构化道路,则是指越野环境或乡村道路。它们没有明确的行车线和道 路边缘,且道路形状不规则、光照复杂。对于如上两种情况,道路提取可 分为自动道路特征提取和半自动道路特征提取。
    由于目前计算机自动识别能力不是十分完善,因此需要结合半自动部 分来取得更好的道路提取效果。目前主流的半自动方法分为如下几类:基 于边缘跟踪的方法是跟据给定的种子点和初始方向开始边缘跟踪直到边缘 末端。最小二乘模板匹配方法,该方法基于初始特征点,估计模板与图像 间的参数进而得到道路的数学表示。Snake模型法,采用能量函数表示各种 特征,通过求解能量函数的最小值来达到提取道路便捷的目的。分水岭算 法最初是由Digabel和Lantuejoul引入图像处理领域,随后被Beucher等 人应用到轮廓检测。它是一种基于地理学的图像分割方法,通过对图像灰 度值的大小表示地理海拔高度,灰度最小值及其影响区域形成集水盆,整 个集水盆边界形成图像边界的分水岭。
    自动道路特征提取主要包括道路特征的自动检测与定位。相关的主要 方法有:
    基于区域的方法。主要有Pohle等人提出用正态分布表示整个待分割 区域像素值,用原始区域生长算法估计出分布参数并更新到下次生长过程 中,以达到增强分割效果的目的。Baatz等人提出了一个经典的算法面向对 象的多尺度分割算法,图片特征由颜色形状等信息表征,分割过程采用区 域合并的方法来实现整个的道路提取。Cheng等人提出了一种基于阈值和区 域合并的彩色影响分割算法。利用全局和局部信息,首先寻找同质区域并 避免了道路的过分割。
    基于边缘的方法。其中较为经典的是Canny算子算法,其首先运用高 斯卷积对图像进行平滑处理随后进行微分操作得到梯度图找出边缘点,最 后得到整幅图像的边缘图。Moon提出使用差分运算把边缘检测变成一个目 标检测的问题利用熵的极小化方法确定图像边缘。
    基于平行线对的方法。P.Dal Poz等人于2006年提出了高分辨率和中 等分辨率的自动道路提取算法。该算法分为两步,首先提取整个区域的道 路种子,在提取过程中,寻找符合几何学和辐射线测定的局部道路属性, 通过canny算子进行边缘检测并连接出图像的边缘。
    标点随机过程方法。2002年X.Descombes,J Zerubia等提出了将MPP (Marked point process)理论应用与图像分析从而提取道路信息的方法。 核心思想是标点随机过程采用随机框架对目标问题进行建模。需要分析的 目标可以用任意的参数来定义。该算法最大的特点是不需要起始点。
    基于小波理论提取道路的方法。Zhang和Couloigner在2004年提出了 一种基于小波理论提取道路的方法。在小波域上,小波系数的极大值可用 来检测道路交点,然后基于检测的道路交点跟踪形成道路中心线部件,通 常这些点的小波系数值在近似的道路方向上高于一定的阈值,接着根据道 路线去除伪节点和产生新交点,最后用DAUGLAS-PEUCKER算法用来简化线 的描述。Kong Hui提出运用LASV方法获得道路消失点,并对道路进行了初 步的提取。对于道路提取方面,各种方法都取得了不错的效果,但是对于 全景图到目前为仍没有一种有效的道路提取方法。
    总体而言,道路轮廓的全自动提取无疑是道路提取中的最终目标,上 述道路提取算法各有特点,也各有缺点,理论上可以达到全自动化,但有 些算法由于诸多因素离实际应用还有一定距离。半自动提取法虽然取得了 较好的实验结果,但随着道路场景复杂性的增加,需要更精确的人机交互 处理,导致整体的实用性大打折扣。因此,研究全自动方法将是未来的主 要趋势。很多已有的自动道路提取算法只利用道路的一种或几种特征并且 模型也比较简单。
    发明内容
    本发明的技术解决问题是:克服现有技术的不足,提供一种全景图道 路轮廓的提取方法,其能够实现不同场景全景图像道路轮廓的自动提取。
    本发明的技术解决方案是:这种全景图道路轮廓的提取方法,包括以 下步骤:
    (1)输入原始的道路图像,使用基于Gabor小波的消失点估计方法来 计算全景图每点像素的纹理方向信息和置信函数,获得消失点位 置的局部自适应软投票算法的输入信息从而得到消失点位置;
    (2)在计算得到消失点位置后,从消失点或边界点发射一组道路预测 线段,从而计算OCR特征和分隔颜色区域,获得融合多特征信息 和约束函数来判别出最合适的道路边界方向;
    (3)将下一个边界点选为预测线段的起点,并重复步骤(2)直至到达 图像边界;
    (4)对道路边界进行上下位移形成前景线与背景线,将前景线与背景 线作为输入传到分水岭方法中进行计算,最后获得优化后的全景 图道路轮廓。
    本发明采用Gabor小波和局部自适应软投票算法估计道路的消失点, 在此消失点的基础上,融合纹理和颜色信息对全景图进行道路轮廓提取, 通过分水岭方法对道路图像进行轮廓优化,从而能够实现不同场景全景图 像道路轮廓的自动提取。
    附图说明
    图1是根据本发明的全景图道路轮廓的提取方法的流程图。
    图2是根据本发明的消失点的示意图。
    具体实施方式
    如图1所示,这种全景图道路轮廓的提取方法,包括以下步骤:
    (1)输入原始的道路图像,使用基于Gabor小波的消失点估计方法来 计算全景图每点像素的纹理方向信息和置信函数,获得消失点位 置的局部自适应软投票算法(OCR特征是预测线上方向一致的点的 个数SumO与整条直线总点数SumL的比率,表示一条预测线指向 道路消失点方向的一致性程度OCR特征值越大则说明此条预测线 是道路边界的可能性越高)的输入信息从而得到消失点位置;
    (2)在计算得到消失点位置后,从消失点或边界点发射一组道路预测 线段,从而计算OCR特征和分隔颜色区域,获得融合多特征信息 和约束函数来判别出最合适的道路边界方向;
    (3)将下一个边界点选为预测线段的起点,并重复步骤(2)直至到达 图像边界;
    (4)对道路边界进行上下位移形成前景线与背景线,将前景线与背景 线作为输入传到分水岭方法中进行计算,最后获得优化后的全景 图道路轮廓。
    OCR特征是预测线上方向一致的点的个数SumO与整条直线总点数 SumL的比率,表示一条预测线指向道路消失点方向的一致性程度 OCR特征值越大则说明此条预测线是道路边界的可能性越高。
    本发明采用Gabor小波和局部自适应软投票算法估计道路的消失点, 在此消失点的基础上,融合纹理和颜色信息对全景图进行道路轮廓提取, 通过分水岭方法对道路图像进行轮廓优化,从而能够实现不同场景全景图 像道路轮廓的自动提取。
    优选地,所述步骤(1)包括以下分步骤:
    (1.1)对于原始的道路图像的每个像素,通过公式(1)、(2)计算 纹理方向信息,通过公式(3)计算置信函数
    g ( x , y ) = 1 2 π σ x σ y exp ( - 1 2 ( x 2 σ x 2 + y 2 σ y 2 ) ) h ( x , y ) = g ( x , y ) × exp ( 2 πjWx ) H ( x , y ) = exp ( - 1 2 ( ( u - W ) 2 σ u 2 + v 2 σ v 2 ) ) - - - ( 1 ) ]]>
    S ( x , y ) = ( h R * I ) ( x , y ) 2 + ( h I * I ) ( x , y ) 2 - - - ( 2 ) ]]>
    Conf ( z ) = 1 - Average ( r 5 ( z ) , . . . , r 15 ( z ) ) r 1 ( z ) - - - ( 3 ) ]]>
    其中g(x,y)是用来调制的高斯函数;x=xcosθ+ysinθ,y= -xsinθ+ycosθ;θ是Gabor核函数的方向;σx和σy是其在两个坐标轴上的标准方差,它们决定了滤波 器作用区域的大??;W为复正弦函数在横轴上的频率;将Gabor函数分 解为实部hR(x,y)和虚部hI(x,y)两个分量;h*I表示图像I和滤波器 h的卷积;rn(z)表示36个方向中z像素的响应程度并让r1(z)>…> r36(z);
    (1.2)对置信函数进行归一化操作,保留所有置信函数高于阈值 0.3的像素点;
    (1.3)将前90%的像素点作为消失点候选点;
    (1.4)对每个消失点候选点创建选区Vote aera,并基于公式(4) 进行投票
    Vote ( P , V ) = 1 1 + [ rd ( p , v ) ] 2 , ifr 5 1 + 2 d ( p , v ) 0 - - - ( 4 ) ]]>
    V是消失点,Rv是选区域,选区半径r1等于0.35乘以图像 对角线长度;r是Rv中某个点P的纹理方向OP与PV的角度; d(p,v)是PV的距离与图像对角线长度的比率;举例来说,如 果d(p,v)=0.3则投票的角度r要大约小于等于3° (5/1.6=3.125);
    (1.5)得到最多票数的像素点作为初始化消失点。
    消失点是道路图像中道路与地平线的交汇点也是道路的起始点。好比 沿着公路线去看两条道路分界线,沿着街道去看两边排列整齐的树木时, 两条平行的标示线或两排树木连线交与很远的某一点。而全景图与传统图 像不同,其最大的特点便是全视角,一张全景图是由多个镜头使用全景图 拼接技术合成所得。在合成的过程中,融合部分会变得扭曲变形以及产生 一定的遮挡问题,所以对于消失点的计算选取存在一定影响。
    本文采用基于Gabor小波的纹理方向来进行全景图消失点位置的估计。 因为Gabor小波具有边缘敏感的特性,所以能够给出良好的方向选择和尺 度选择。而且其对于光照变化不敏感,能够提供对光照变化良好的适应性。 Gabor函数是一个用高斯函数调制的复正弦函数,能够在给定区域内提取出 局部的频域特征。
    S(x,y)经过高斯平滑,即为该Gabor滤波器取出的特征图像。纹理方 向特征在区分道路与非道路部分有着良好的效果,本文也采用此类研究方 法通过Gabor函数计算得到道路图像中每一点的纹理方向运用局部软投票 法得到消失点。不同于传统的局部硬投票法,LASV算法(局部自适应软投 票算法,Local adaptive soft-voting)所建立的选区是候选点以下一定 半径以内的像素点,这种方式不仅避免了因为位置高的因素而获得相对于 其他低位置候选点更多投票可能。而且由于置信函数的引入保证了参与投 票像素点的方向信息的可靠性。其中置信函数的阈值是Hui Kong等人采用 大量的实验数据获得的经验数据。
    举例来说,如果投票点p和候选点v之间的距离d(p,v)=0.3,p投票 给V当且仅当r≤5/(1+0.6)约等于3°的时候,其余情况等于0??梢钥闯?不同于传统的硬投票法即候选点一下全为投票区,当投票点与候选点间的 距离越近时需要它们之间的角度可以越大,反之距离越远角度差距要求越 小,从而很好地增强了投票的有效性。最后所有像素点进行投票,全景图 中最亮的点便是票值最大的像素点也就是估计的消失点。最后在原图上进 行对应位置的标记形成最后的效果。
    优选地,所述步骤(2)包括以下分步骤:
    (2.1)获取初始化消失点坐标vp0(c,r);
    (2.2)判断c>(imageW)/m是否成立,是则执行步骤(2.3),否 则执行步骤(2.4),其中m是横向融合成全景图的图片数。
    (2.3)道路迭代点由上至下逐步计算,跳转步骤(2.4);
    (2.4)道路迭代点由下至上逐步计算若,若c≤1时跳转步骤(2.5);
    (2.5)若c≤1时,第一条边提取结束;(说明:若c>1则边界点并 未到达图像左边界,应该继续进行计算。若小于等于1了则说明边界 点从消失点位置移到图像左边界了)
    (2.6)基于道路的第一条边界和先验信息对第二条边界进行计算并获 得完整道路边界。
    优选地,所述步骤(2.3)包括以下分步骤:
    (2.3.1)通过公式(5)计算vp点的OCR,通过公式(6)ColorD (6),获得对应角度的OCR特征值与最大的颜色通道区域平均像素差, 并通过公式(8)计算Final特征值
    OCR = SumO SumL × 100 % - - - ( 5 ) ]]>
    ColorD(a1,a2)=max{ColorD(a1,a2)c|c=(R,G,B)}   (6)
    Final = max ( ColorD ( a 1 , a 2 ) × Σ i = 1 36 OCR ) - - - ( 8 ) ]]>
    其中OCR为OCR特征,SumO为预测线上方向一致的点的个数,SumL 为整条直线总点数,a1,a2是对应道路预测线的两个三角形区域,实 验中取30°,average(an)是n区域单通道颜色值的平均值;
    (2.3.2)计算的下一点坐标并检验是否满足条件约束公式(13), 当c坐标处于约束段时,0°的SumL=imageW/m,其中m是横向融 合成全景图的图片数。
    Final ( ColorD , OCR ) = 0 diffx < 0 Final diffx &GreaterEqual; 0 - - - ( 13 ) ; ]]>
    (2.3.3)通过步骤(2.3.2)确定的角度计算RoadNextPoint(x,y), 并更新为vp(c,r)。
    优选地,所述步骤(2.4)包括以下分步骤:
    (2.4.1)通过公式(5)计算vp点的OCR,通过公式(6)ColorD (6),获得对应角度的OCR特征值与最大的颜色通道区域平均像素差, 并通过公式(8)计算Final特征值
    OCR = SumO SumL × 100 % - - - ( 5 ) ]]>
    ColorD(a1,a2)=max{ColorD(a1,a2)c|c=(R,G,B)}   (6)
    Final = max ( ColorD ( a 1 , a 2 ) × Σ i = 1 36 OCR ) - - - ( 8 ) ]]>
    其中OCR为OCR特征,SumO为预测线上方向一致的点的个数,SumL 为整条直线总点数,a1,a2是对应道路预测线的两个三角形区域,实 验中取30°,average(an)是n区域单通道颜色值的平均值;
    (2.4.2)通过公式(8)计算Final,通过公式(13)检验约束条件, 得到最大Final的角度;
    (2.4.3)通过步骤(2.3.2)确定的角度计算RoadNextPoint(x,y), 并更新为vp(c,r)。
    颜色是区分道路边界的重要信息,区域颜色区分度越大则成为边界的 可能性也越大。但是颜色信息也存在一定问题,那便是阴影和光照的影响。 针对此问题,本文采用OCR特征即方向一致程度来弥补颜色区域的偏差。 在此基础上结合条件约束函数,通过道路直线段来逼近整个道路曲线。在 估计出初始消失点的位置后,开始使用多特征融合的方法逐步计算道路预 测线端点位置从而提取出整条道路曲线。所以一个正确的消失起始点对于 全景图的道路轮廓提取有着至关重要的作用。在得到相对准确的消失点后, 分别计算预测线OCR特征值、颜色信息以及进行约束函数的判断。最终选 取36个不同方向中融合特征数值最大的方向作为下一个消失点的位置参数。 重复该过程直到消失点到达图像边缘。
    道路预测线是一组预测道路边界的线段。预测线的范围从0°到180°, 每5°一个间隔,总共有36个方向。预测线的起点和终点的长度可任意设 置,在实验中是5像素。对于每个方向分别计算OCR特征。OCR特征是预测 线上方向一致的点的个数SumO与整条直线总点数SumL的比率,表示一条 预测线指向道路消失点方向的一致性程度OCR特征值越大则说明此条预测 线是道路边界的可能性越高。对应的判别条件是每个直线点上的纹理方向 与预测线方向夹角不大于5°。举例来说,本实验采用的全景图横向是由5 幅图像融合所得,所以当x坐标位于(1/5—2/5)imageW之间时是道路拐点, 0°的SumL取1/5×imageW。
    OCR = SumO SumL × 100 % - - - ( 5 ) ]]>
    颜色信息是判断道路边界的重要条件,道路预测线与消失点划分道路 为两个区域a1和a2。在实验中每个区域与预测线的夹角为30°长度为10 像素并以消失点为起始点依次从0°至180°进行颜色区域的划分。对应的 颜色信息是RGB三个颜色通道中的最大值,公式表示如下:
    ColorD(a1,a2)=max{ColorD(a1,a2)c|c=(R,G,B)}   (6)
    ColorD ( a 1 , a 2 ) c = ( average ( a 1 ) - average ( a 2 ) ) - - - ( 7 ) ]]>
    average(an)是n区域单通道颜色值的平均值。对于结构化道路颜色的 巨大变化很有可能是道路边界;但是对于非结构化道路,道路之间的颜色 信息的变化则相对不明显?;褂型计械墓庹仗跫跤暗瓤凸垡蛩囟蓟嵊?响颜色信息的准确性。Final函数是一组道路预测线OCR特征与对应颜色信 息的乘积。Final函数的最大值对应的方向便是下一个边界点的方向。
    AngleofFirstLine是Final对应的角度。判别公式如下
    Final = max ( ColorD ( a 1 , a 2 ) × Σ i = 1 36 OCR ) - - - ( 8 ) ]]>
    后续消失点的位置计算分为两种情况,当c>(imageW)/m时,其中m是 横向融合成全景图的图片数,下一点计算公式如下:
    RoadNextPointX=c-cos((180-AngleOfFirstLine)*π/180)*step   (9)
    RoadNextPointY= tan((180-AngleOfFirstLine)*π/180)*(c-RoadNextPointX)+r   (10)
    当c<(imageW)/m时,其中m是横向融合成全景图的图片数,下一点计 算公式如下:
    RoadNextPointX=c-cos((AngleOfFirstLine)*π/180)*step   (11)
    RoadNextPointY= -tan((AngleOfFirstLine)*π/180)*(c-RoadNextPointX)+r   (12)
    其中step是RoadNextPoint与当前消失点的距离。c是消失点或边界点 的x坐标,r是消失点或边界点的y坐标。imageW为图像宽度实验中为240px, imageH为图像高度实验中为180px。
    由于在进行颜色计算的过程中,会有阴影或者图片融合等因素的影响, 计算所得结果并非最优的道路边界点。因此根据先验信息提出约束函数: 道路第一条左边界横坐标应该单调减小,若下一点x坐标大于前一点x坐标, 则此Final置0并重新获取下一个Final值进行计算。其中diffx为两个X坐标 间的差值。所以本文提出一个约束函数:
    Final ( ColorD , OCR ) = 0 diffx < 0 Final diffx &GreaterEqual; 0 - - - ( 13 ) ]]>
    道路提取算法首先根据初始的道路消失点,以此为基础计算每条道路 预测线的OCR和颜色信息。其中第一条边界线夹角(AngleOfFirstLine) 是从初始消失点右水平线为0°开始向下开始逐渐递增直至消失点做水平 线为180°,当消失点位置向左位移到小于五分之一图像宽度时,夹角变为 该位移消失点左水平线为0°逐渐向上递增直到该消失点有水平线180°停 止。当完成整个0°至180°的计算过程后,取得前n个最大预测线OCR值 (n=min{l,8},l表示有效的预测线个数)与对应最大的颜色通道区域平均 像素差相乘从而获得对应的Final值。在约束函数的约束下,求得这一点 最有可能的道路边界角度并将消失点移动到下一点的边界位置。
    分水岭算法是一种基于形态学和拓扑理论的分割方法。最早由Digabel 和Lantuejoul在图像处理领域提出,分水岭算法凭借其计算速度快、对微 弱边缘拥有较强的敏感性以及封闭性好等特点,很快成为了人们研究的重 点。随后为了获取更加通用的模型,L.Vincent等人在前人的基础上继续 深入研究并最终提出了一种经典的计算方法。
    分水岭方法的主要思想是将输入的图像看作地理地貌,图像中每一个 像素的灰度值代表着该点的地貌高度,整幅图像自然形成一个高度序列。 其中局部最小值和其影响的区域形成集水盆,集水盆的边界则形成分水岭。 在L.Vincent提出的方法中,分水岭的计算过程分为如下两个阶段,第一 个阶段是排序,第二个阶段是淹没过程。淹没过程可以看作是对于图像中 每一个局部极小值设置一个小孔,通过小孔形成溢流然后水流慢慢波及其 影响区域,形成集水盆,进而形成分水岭获得区域边界。
    本文所使用的多特征融合算法虽然可以正确的提取道路边界,但是也 存在着道路边界不够平滑边界并围绕实际边界浮动的问题。为了在没有阴 影和车辆影响的情况下,解决上述问题本文采用了对于微弱边缘有较强提 取效果的分水岭方法。在已有的分界线基础上,进行上下位移形成两条线。 它们分别为前景、背景标识线,主要的作用是进行区域分割的标识,避免 注水过程覆盖到其他区域。以多特征融合算法提取的道路边界为标志线输 入时,不仅可以将半自动的分水岭算法变为了自动的分水岭算法,而且还 可以在没有其他干扰因素的影响下提高道路边界的准确度。由于分水岭算 法只考虑颜色和标识信息,所以在有阴影或车辆遮挡条件下无法进行道路 边界优化。但是输入信息为本文提取的边界,所以可以一定程度上在车辆 和阴影内部按照颜色轮廓进行边界划分。整体而言,分水岭算法可以将本 文提取的边界结果提高精确度和去除浮动。
    以上所述,仅是本发明的较佳实施例,并非对本发明作任何形式上的 限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等 同变化与修饰,均仍属本发明技术方案的?;し段?。

    关于本文
    本文标题:一种全景图道路轮廓的提取方法.pdf
    链接地址://www.4mum.com.cn/p-5890323.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 陕西最近彩票大奖得主 彩53彩票首页 新时时彩规则 福彩开奖结果查询 财神捕鱼游戏下载 股票融资融券是好是坏 大乐透历史139 彩38彩票游戏 内蒙古快3走势图表 陕西11选524号开奖结果 快速时时彩是哪里开的 深圳风采中奖 118彩票网址 广东好彩1开奖查询 浙江十一选五开奖 打海南麻将的技巧