[发明专利]基于曲线拟合的轨道图像识别后处理方法

说明书

本发明公开了一种基于曲线拟合的轨道图像识别后处理方法，包括如下步骤：S1，输入原始图像img_input，该原始图像img_input为通过深度学习方法进行轨道识别后得到的图像，并把原始图像二值化，得到二值图像img_binary；S2，找到二值图像img_binary中的最大连通域，其它非最大连通域的点都设为背景点，输出图像img_maxDomain；S3，找到图像img_maxDomain中的左右轨道线；S4，对左右轨道线进行限幅滤波，将每条轨道线中偏离较远的点过滤掉；S5，根据曲线拟合函数画出轨道线。本发明通过基于曲线拟合的图像后处理方法，可以修正识别的结果，画出更贴近真实轨道的图像。

技术领域

本发明涉及轨道交通技术，具体涉及轨道交通图像处理技术。

背景技术

在轨道交通领域，基于深度学习算法，可以使用训练好的网络模型，从图像中初步识别出轨道。但识别的结果是像素点的组合，所得到的轨道边缘并不平滑，与实际差异较大。而且有时会将轨道旁其他物体识别为轨道的像素点，出现误识别的情况。

发明内容

本发明所要解决的技术问题就是提供一种基于曲线拟合的轨道图像后处理方法，以修正深度学习方法所识别出的图像结果，画出更贴近真实轨道的图像。

为解决上述技术问题，本发明采用如下技术方案：基于曲线拟合的轨道图像识别后处理方法，包括如下步骤：

S1，输入原始图像img_input，该原始图像img_input为通过深度学习方法进行轨道识别后得到的图像，并把原始图像二值化，得到二值图像img_binary；

S2，找到二值图像img_binary中的最大连通域，其它非最大连通域的点都设为背景点，输出图像img_maxDomain；

S3，找到图像img_maxDomain中的左右轨道线；

S4，对左右轨道线进行限幅滤波，将每条轨道线中偏离较远的点过滤掉；

S5，根据曲线拟合函数画出轨道线。

优选的，步骤S1中按灰度图读入原始图像img_input，二值化处理是将图像分为前景和背景，像素值为0的点，保留原有像素值，像素值非0的点，值都设为1。

优选的，步骤S2中判定连通区域的标准是采用4邻接，连通区域标记采用两步法。

优选的，步骤S3的方法为：对于图像img_maxDomain，扫描每一行像素点，记录最左非零像素点和最右非零像素点，所有的最左非零像素点构成左轨道线，所有的最右非零像素点构成右轨道线。

优选的，步骤S4的方法包括如下步骤：

1)首先要限定轨道线的起点范围，第一个有效点需要在限界范围内；

2)设定相邻两点允许的最大偏差值为2，设定计数器的初始值为1，这里相邻两点的偏差值是指相邻两点的横向距离，计数器用于处理遇到无效点时的情况：当有效点的下一个点是无效点时，计数器递增加1，下下个点与此有效点的最大偏差值，需要设为步长*计数器，当重新扫描到有效点之后，更新有效点，计数器需要重置为1；

3)从轨道线的近距离点开始扫描，若当前点超出步骤1)中设定的限界范围，则过滤当前点；然后继续扫描下一个点，直至扫描到在限界范围内的点，然后将在限界范围内的该起点，设为有效点，再进入步骤4)；

4)若当前点和有效点之差大于步长*计数器，则当前点是无效点，过滤该点，计数器+1，否则保留该点并将该点设为有效点，计数器重置为1；

5)重复4)，直到轨道线中所有点被遍历。

优选的，步骤S5中，对于不同的轨道，具有不同的曲率参数，选取拟合度最优的一种拟合函数作为对应轨道的拟合函数。