[发明专利]一种主方向约束下的停车场结构提取方法

说明书

技术领域

本发明涉及一种停车场的结构提取方法，特别是涉及一种主方向约束下的停车场结构提取方法。

背景技术

停车场，作为一种车辆临时停歇的场所，伴随着城市化进程的不断发展正在迅速扩张着。如今，不论是在城镇还是在郊区，停车场随处可见，其范围甚至超过了他们所服务的建筑本身。停车场，作为汽车社会的必需品，在人类生产生活中发挥着不可替代的作用，对于停车场的认知水平也显得尤为重要。对于停车场结构和停车位数量的认识直接关系到最小停车需求(MPRs)的决策。MPRs近年来吸引了越来越多的注意力，成为了车辆停放政策相关的一个重要议题。合理的车辆停放政策不仅能够减少车位数的布置数量，节约土地利用，还能够减少其对自然环境的影响，例如车辆尾气污染，热岛效应，雨水流失等等。由于停车场数量是相关车辆停放政策的基础，停车场结构和数量十分重要。另外，停车场结构在停车指导信息系统(PGIS)中扮演者重要角色，PGIS能够有效地解决车辆停放问题。在PGIS中，一个热门话题就是空停车位的检测。对于这个问题，已经有了大量的技术手段，其共同点在于参照停车场结构的使用。还有一点就是，停车场的结构是机器人领域内研究热点之一的自动驾驶的基础。自动驾驶主要目标是使得车辆沿着预设的轨道行驶，并最终停靠下来，而其停靠位置必须是在一个准确的停车位内。这样的控制系统要求自主驾驶一同提供有准确的路线信息以及准确的停车场结构信息。

尽管停车场结构有其不可替代的重要意义，目前对于停车场结构多是采用手工绘图方式，费时费力，效率低下。大范围的自动停车场结构的提取成为了一个新的问题。目前利用遥感手段自动获取停车场结构的方法还比较少。1998年，Wang，X等人在“Applications of Computer Vision，1998.WACV′98.Proceedings”会议上首次提出了利用立体像对进行停车场结构的提取，根据影像线段构建空停车位，根据立体像对的高程信息构建车辆区域停车位。2009年，Seo Y W等人在“Intelligent Robots and Systems，2009”和“Proceedings ofInternational Joint Conference on Artificial Intelligence”提出了一种分级策略的停车场结构提取方法，首先从影像中利用线段提取、插值、外推等步骤获取停车场结构，再利用机器学习的方法进行停车位的筛选。进行停车场结构的构建主要依据为停车场车位线，车位线提取的正确性和完整性直接关系到停车场结构提取的正确性和精度，而已有的停车场结构提取方法在进行车位线检测的过程中，直接使用边缘检测方法进行车位线提取，提取的线段多与车位线不相关，正确性和完整性都较低，往往遗漏一些重要的车位线结构信息，直接影响到停车场结构构建结果。除此之外，原有方法对于影像质量较差的数据，如剧烈的光照变化、阴影明显等问题，提取的停车场结构精度较差。

发明内容

本发明解决的技术问题是：克服现有技术的上述不足，提出一种主方向约束下的停车场结构提取方法，其能够从正射影像中准确完整地提取车位线信息，从而进行停车场结构的构建。相对于传统的方法而言，本方法能够从影像中提取更多更准确的车位线信息，针对影像质量较差的数据，也能尽可能多地提取车位线信息，从而更准确地进行停车场结构的提取。

为了解决上述技术问题，本发明提出的技术方案是：一种主方向约束下的停车场结构提取方法，包括以下步骤：

第一步、初始线段检测获取车位线主方向——使用Edi son算子和Hough变换提取影像的边缘线段；使用分割分类算法将影像分类为空地区域与非空地区域；利用分类结果剔除大部分位于非空地区域的边缘线段，得到初始车位线线段，并根据初始车位线线段之间的夹角进行聚类编组，对编组后的边缘线段拟合得到车位线主方向；

第二步、车位线主方向约束下的车位线提取——使用Edi son算子进行边缘检测得到边缘影像，在第一步获得的车位线主方向的约束下进行Hough变换提取线段，保留长度大于1.5m的线段，得到车位线；

第三步、最大相交方向的停车道划分——根据车位线角度将车位线进行编组筛选，对于各编组内的车位线，使用最大相交方向方法划分停车道；

第四步、计算停车场结构参数——利用提取的车位线和划分的停车道计算停车场的结构参数，包括停车位长度、宽度、方向、停车道位置和方向；

第五步、提取停车场结构——依据停车场结构参数构建停车场的车位线，并生成停车道的分割线，完成停车场结构的提取。