[发明专利]一种基于外观和几何信息融合的单目视觉道路识别方法

说明书

本发明公开了一种基于外观和几何信息融合的单目视觉道路识别方法。由安装在汽车上的照像机实时拍摄采集汽车前方道路场景的图像，将实时采集到的图像序列；获取图像的外观信息；获取图像的几何信息；利用外观信息和几何信息进行道路预分割处理；最后进行道路边缘优化。本发明方法充分利用了图像信息和几何信息对道路区域进行识别，提高了道路识别的精度和可靠性，保证道路识别在三维空间下的精确度和几何平滑度。

技术领域

本发明属于计算机视觉的领域，涉及一种基于外观和几何信息融合的单目视觉道路识别算法。

背景技术

在机器人、智能车辆的运行过程中，需要对可驾驶道路区域进行识别，从而提高其驾驶的安全性。但是，在室外环境下，视觉算法的效果受到复杂的环境因素的影响，进而增加了识别任务的难度，也增加了视觉识别算法的复杂度。

在以往的研究中，往往利用图像的外观信息或场景的几何信息对道路区域进行识别。基于图像外观信息的方法一般利用图像像素点的颜色、纹理特征对像素点进行分类(J.Alvarez,T.Gevers,Y.LeCun,A.Lopez.Road scenesegmentation from a singleimage.European Conference on Computer Vision,2012,376–389、P.Wu,C.Chang,C.H.Lin.Lane-mark extraction forautomobiles under complexconditions.PatternRecognition.2014,47(8),2756–2767)，从而得到可驾驶道路区域。在进行分类之前需要对道路外观进行建模，常用的模型包括高斯模型(C.Tan,T.Hong,T.Chang,and M.Shneier,“Color model-based real-time learning for road following,”in Proceedings ofthe IEEE Conference on Intelligent Transportation Systems,Toronto,Canada,Sep2006,pp.939–944.)、卷积神经网络模型(E.Shelhamer,J.Long,and T.Darrell,“Fullyconvolutional networks for semantic segmentation,”IEEE Transactions onPattern Analysis and Machine Intelligence,vol.39,no.4,pp.640–651,April 2017.)等。但是，简单的高斯模型很难精确描述道路的外观信息，而复杂的卷积神经网络模型则需要大量的数据进行训练，增加了实现成本。基于几何信息的方法一般利用立体相机拍摄得到场景的多视角图像，从而得到场景的深度信息，再利用道路边缘的不连续性来分割出道路区域(M.Wu,S.K.Lam,T.Srikanthan.Nonparametrictechnique based high-speed roadsurface detection.IEEE Transactions on Intelligent Transportation Systems,2015,16(2),874–884、F.Oniga,S.Nedevschi.Processing dense stereo datausingelevation maps:Road surface,traffic isle,and obstacledetection.IEEETransactions on Vehicular Technology,2010,59(3),1172–1182)。但是，实际情况下的道路区域往往是纹理较弱或有重复纹理的，很大程度上影响了双目视觉立体匹配的效果，进而影响了识别精度。

发明内容

为了克服以往技术的不足，针对复杂的室外场景，本发明提出了一种基于外观和几何信息融合的单目视觉道路识别算法。

如图1所示，本发明采用的技术方案是包括以下步骤过程：

1)由安装在汽车上的照像机实时拍摄采集汽车前方道路场景的图像，将实时采集到的图像序列；