[发明专利]基于方向梯度增强的车位线检测方法在审

专利信息
申请号: 201710679396.0 申请日: 2017-08-10
公开(公告)号: CN109389644A 公开(公告)日: 2019-02-26
发明(设计)人: 孙晨;唐锐 申请(专利权)人: 纵目科技(上海)股份有限公司
主分类号: G06T7/73 分类号: G06T7/73;G06T7/77;G06K9/38;G06K9/46
代理公司: 暂无信息 代理人: 暂无信息
地址: 200120 上海市浦东*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 车位 梯度增强 像素点 捕获图像 矩阵 方向垂直方向 方向梯度 八邻域 梯度图 线检测 线段 垂直方向线段 环境干扰 角度信息 结果矩阵 模糊目标 算法检测 有效放大 二值化 二值图 点乘 放大 削弱 响应
【权利要求书】:

1.一种基于方向梯度增强的车位线检测方法,其特征在于,包括以下步骤:

S01:获得捕获图像,并从获得的捕获图像得到主车位方向垂直方向的角度信息,根据主方向选定梯度增强模板;

S02:将捕获图像中的每个像素点P逐一取以该像素点为中心的八邻域;

S03:并根据每一个像素点P的八邻域为矩阵与选取的梯度增强模板矩阵相点乘结果矩阵的所有元素之和作为梯度值,求取捕获图像中每个像素点P的梯度值组成梯度图;

S04:对增强后的梯度图进行二值化并在二值图的基础上,再通过LSD算法检测特定的主车位垂直方向线段。

2.根据权利要求1所述的基于方向梯度增强的车位线检测方法,其特征在于,所述步骤S03中,设置以像素点P为中心点的梯度增强模板包括四种:

其中,设横向均为0的矩阵为x方向,纵向均为0的矩阵为y方向,正方向对角线均为0的矩阵为与正对角线方向,反方向对角线均为0的矩阵与x方向反对角线方向,所述a为梯度增强模板系数。

3.根据权利要求2所述的基于方向梯度增强的车位线检测方法,其特征在于,所述像素点P的八邻域矩阵为:

4.根据权利要求3所述的基于方向梯度增强的车位线检测方法,其特征在于,所述主车位垂直方向的角度在0°~22.5°之间时,梯度增强模板选择x方向梯度增强模板;所述主车位垂直方向的角度在22.5°~67.5°之间时,梯度增强模板选择正方向对角线的梯度增强模板;所述主车位垂直方向的角度在67.5°~112.5°之间时,梯度增强模板选择y方向对角线的梯度增强模板;所述主车位垂直方向的角度在112.5°~157.5°之间时,梯度增强模板选择反方向对角线的梯度增强模板;所述主车位垂直方向的角度在157.5°~180°之间时,梯度增强模板选择x方向梯度增强模板。

5.根据权利要求4所述的基于方向梯度增强的车位线检测方法,其特征在于,若检测到的主方向垂直方向的角度在67.5°~112.5°之间时,所述像素点P的八邻域矩阵与y方向的梯度增强模板相点乘的结果为:

6.根据权利要求4所述的基于方向梯度增强的车位线检测方法,其特征在于,所述步骤S02之前,还包括将捕获图像进行top-hat滤波的操作。

7.根据权利要求1所述的基于方向梯度增强的车位线检测方法,其特征在于,所述步骤S01中主车位垂直方向的角度的计算方法为:获取捕获图像并检测捕获图像中的线段,将检测出来线段按照角度进行分组;对每一组内的线段间的位置关系进行分析,根据一定的规则进行打分;根据分数选取最可信的角度组,并提取最可信的角度组内的线段,计算线段的平均角度,定义为主方向角度θ;

所述打分规则为:

提取角度组中任一线段标记为标准线,记录标准线的位置信息,将该角度组中剩余的线段逐一与标准线位置相比较,若剩余线段与标准线的位置关系满足车位线几何特征时,记录该角度组加一分并弃用该剩余线段;若剩余线段与标准线的位置关系不满足车位线几何特征时,记录角度组不加分并弃用该剩余线段;角度组经过与剩余的线段数量相同的计分次数后,得到该角度组的分数x1;选取最可信的角度组时,统计各个角度组的分数x1,x2,x3,x4·····xn,选择其中分数最高的角度组为最可信的角度组。

8.根据权利要求7所述的基于方向梯度增强的车位线检测方法,其特征在于,所述主车位垂直方向的角度的计算方法为:检测到相互平行或近似平行的、并相隔第一预设间距的两个侧边亮线条,以及在所述两个侧边亮线条的某一端的一定区域内与这两个侧边亮线条呈一定角度相交的底边直线段/底边亮线条所构成的车位组合线,根据相互平行或近似平行的底边直线段/底边亮线条所组成的线段集确定主方向角度θ。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于纵目科技(上海)股份有限公司,未经纵目科技(上海)股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710679396.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top