[发明专利]基于启发式概率Hough变换的道路边缘检测方法

说明书

技术领域：

本发明涉及一种基于启发式概率Hough变换的道路边缘检测方法。

背景技术：

Otsu方法作为一种自适应阈值搜索方法，对于复杂环境下的非结构化道路区域分割具有很好的鲁棒性。然而，Otsu方法本身只能获得道路区域和非道路区域的大致分割结果，而无法获得精确的道路边界。如何使智能车辆知道前方是否有可通行区域，如何控制智能车辆沿着道路的方向行驶等等，这一切都依赖于对路边的检测。而在户外行驶中，道路状况和环境光照对于路边检测的结果影响很大，边缘检测算法是否可以尽可能少地被这些因素干扰。另一方面，要实时地控制智能移动车辆行驶，对于算法的速度也提出了要求。因此，道路检测算法的准确性、鲁棒性和实时性是判断算法优劣的重要准则。

智能车辆在行驶过程中，道路边界在图像空间中的位置和角度变化在绝大部分场合是缓慢的、连续的，但也不排除在局部场合道路边界突变的可能：比如超车过程中的车道线跨越，交叉路口进入视野或者图像获取的数据传输延迟都有可能导致道路边界的突变。因此，一种鲁棒的道路检测方法应该既能够有效利用以往的道路跟踪信息，又能够适应道路边界角度和位置的突然变化。

传统PHT方法在从图像空间到参数空间的映射阶段，随机从图像空间中选取候选边缘点，没有使用以往的启发式信息（道路边界的角度、位置等检测结果）；RHT方法利用以往的道路检测信息划分目标搜索区域OSA，但却使OSA之外的边缘点没有机会参与映射，当道路边界由于突变位于OSA之外时可能会导致错误的道路检测结果。

发明内容：

本发明的目的是提供一种基于启发式概率Hough变换的道路边缘检测方法。

上述的目的通过以下的技术方案实现：

一种道路加权Canny边缘检测方法，该方法包括如下步骤：在双阈值检测阶段，将彼此连通的边缘像素进行统一编号，从而形成Canny边缘的若干子集；对每一个边缘点子集首先利用最小二乘法进行直线拟合，求出该点集的轴线。

所述的道路加权Canny边缘检测方法，所述的求出该点集的轴线的方法包括：假定直线的方程为L：，则子集中任一点(x，y)到直线的距离为，垂足坐标；假设子集中两点在直线L上的垂足点是所有垂足点在轴线上的两个端点，证明成立，所以，到的映射为压缩映射，意味着在线段上的任意一个垂足点，都至少可以在边缘点子集中找到一点与之对应；在边缘点子集选取距离最小的点为其对应点，而具有相同垂足的其他点为非对应点；

利用下式（1），其中式（1）中式中为比例因子，用于调节对权值的影响程度，式（1）中对边缘点子集中的任一点i赋权值，其中S为边缘点子集的规模；为线段上像素的个数，Lth为最短线段长度阈值，所述的最短线段长度阈值与图像分辨率有关，在320240的分辨率下取值30；

在式（1）中，边缘点的权值与成正比，这说明一根开放的、弧度小的曲线要比具有相同投影长度的封闭的、弧度大的曲线更能获得较大的权值，则说明曲线段在其轴线上的投影越长，其权值也会越大，这保证了较长的和具有较好流线形状的边缘线具有较大的可能被识别为道路边界。

一种加权Canny边缘图像的启发式概率Hough变换方法，根据道路边界线L的历史识别结果，将整个图像空间分为感兴趣区域和非感兴趣区域，分布于不同区域的边缘点具有不同的概率取值；启发式概率Hough变换的计算方法的具体步骤如下：

（1）建立并初始化一个累加器A（θ，ρ），将图像空间中检测到的所有边缘点放到待处理边缘点集；

（2）判断概率分布矩阵P（x，y）是否存在，否则初始化概率分布矩阵P（x，y）为等概率矩阵；

（3）判断待处理边缘点集是否为空，如果是则算法结束，对概率分布矩阵P（x，y）进行更新；否则从待处理边缘点集中按照概率分布矩阵随机取一边缘点投射到参数空间，并在待处理边缘点集中删除所取的点，然后在各θ值下计算相应的ρ值，对应的累加器A（θ，ρ）加1；

（4）计算更新后的累加器值A（θ，ρ）是否有大于阈值，如果否则转到第2步；

（5）由大于阈值的累加器对应的参数确定一条直线，删除待处理点集中位于该直线上的所有点，同时将该累加器清零；

（6）转第2步。

一种道路加权Canny边缘双折线模型的提取方法，双折线模型将道路边界分为两段：近处段和远处段，分别代表了近处道路和远处道路的方向和趋势，所述的双折线模型的提取方法如下：

（1）对原始图像提取加权Canny边缘，并根据图像边缘的权值大小进行滤波，产生候选道路边界的边缘族；