[发明专利]一种从单幅图像检测道路消失点的方法

说明书

技术领域

本发明涉及一种检测道路消失点的方法，尤其是涉及一种从单幅图像检测道路消失点的方法。

背景技术

实时道路监控，智能行走机器人或自动驾驶汽车等计算机视觉系统面临的一个重要问题就是检测前方可行走道路的边界，而道路消失点可以帮助计算机推断道路边界，根据透视原理两条平行直线相交于无穷远的一点，这点就是投影到图像平面上的消失点。

目前从单幅图像中检测道路消失点的方法主要可以分为两类：基于图像边缘方法和基于图像纹理方法。基于图像边缘方法(如Y.Wang，E.K.Teoh，and D.Shen，“Lane detection and tracking using B-snake，”Image and Vision Computing 22：269-280，2004)一般分为三个步骤：采用边缘检测算子，如Canny算子检测图像中的边缘，然后根据Hough变换检测图像中的直线，最后计算这些直线的交点，离所有直线距离最近的那个交点就是检测到的消失点。虽然这种方法计算简单，但它的局限性在于一般道路图像中存在很多干扰因素，如道路两旁的树木，房屋或天空的云彩等等，这些干扰因子通常会引入和道路边沿不相关的直线，导致最后检测的消失点和道路真实消失点相差很远。而且这些方法在面向没有明显路面标识的道路图像可能效果比较差，针对这一情况基于图像纹理方法(如H.Kong，J.-Y.Audibert，and J.Ponce，“General road detection from a single image，”IEEE Trans.On Image Processing，19(8)：2211-2220，2010，和P.Moghadam，J.A.Starzyk，and W.S.Wijesoma，“Fast vanishing point detection in unstructured environments，”IEEE Trans.On Image Processing，2011等)则采用一组空间方向滤波器阵列，如Gabor滤波器，检测图像中每个像素点的纹理方向，然后采用投票策略，获得票数最多的像素点被确定为道路的消失点。这类方法的局限性在于投票过程计算复杂度高，不适用于实时应用系统，另外如果道路场景中存在一些与车辆轨迹相比具有较强的边缘强度的对象，如广告牌，或车辆等，则投票结果会出现很大的偏差，因为投票点的资格一般由像素点上方向滤波器响应的强度决定。

发明内容

本发明的目的在于提供一种从单幅图像检测道路消失点的方法，结合了基于图像边缘方法和基于图像纹理方法的各自优点，利用一般道路图像中的直线信息，采用基于图像纹理方法中常用的方向一致性概念，去除图像中与道路不相关的边缘点，然后采用最小二乘方法对这些图像边缘拟合得到直线的参数矢量，根据相交的每两条直线上像素点的梯度方向和直线方向一致性测度，以及相交的两条直线和图像边界所包裹区域内像素点纹理色彩的差异性，构造一个能量函数，具有最小能量的直线交点就是检测到的道路消失点。

本发明采用的技术方案包括如下步骤：

利用一幅道路图像中位于道路的标识线，或车辆轨迹上的像素点梯度方向应具有一致性，以及位于道路路面的像素点具有相似的纹理色彩特征，采用基于线段方法来检测图像中道路消失点，具体步骤如下：

(1)输入一幅道路图像；

(2)设定一个长度阈值T₁，角度偏差阈值T₂，以及将用于直线拟合图像边缘的数目N₁，长度阈值逐次减少的数值T₃，和满足方向一致性要求的图像边缘的数目N₂；

(3)采用图像边缘检测方法得到道路图像中每个像素点的梯度方向和边缘点；

(4)采用光栅扫描方式和八连通方法去除图像中孤立的边缘点，连接边缘点，得到图像边缘；

(5)检查前一步骤(4)得到的所有图像边缘的长度是否满足步骤(2)事先设置好的长度阈值T₁，如果在当前长度阈值T₁下，能收集到的用于直线拟合N₁条符合长度要求的图像边缘，则跳转到下一步骤(6)，反之则逐渐减少长度阈值T₁，每次从当前长度阈值T₁减少T₃，直到能收集到N₁条符合长度要求的图像边缘；