[发明专利]基于超像素和区域生长的非结构化道路分割方法及系统

说明书

本发明公开了一种基于超像素和区域生长的非结构化道路分割方法及系统，该方法包括：基于目标非结构化道路区域图像的Lab特征，确定超像素数目初始设定值；根据所确定的超像素数目初始设定值，对目标非结构化道路区域图像进行SLIC超像素分割；基于区域生长算法原理，对SLIC超像素分割结果中的超像素块进行合并，从而得到目标非结构化道路区域图像的分割结果。本发明可解决传统区域生长方法的随机性大，分割目标区域存在局部未合并的情况，且图像颜色信息利用率低，以及超像素分割初始设定参数的不确定性问题。

技术领域

本发明涉及视觉导航技术领域，特别涉及一种基于超像素和区域生长的非结构化道路分割方法及系统。

背景技术

随着物流行业的兴起，电子商务的快速发展，智能物流仓储逐渐成为人们研究的热点，而实现智能物流仓库中，对智能引导车(Automated Guided Vehicle，AGV)的研究是不可或缺的。

在解决智能引导车的导航问题时，就道路是否存在清晰的标识线将问题分为结构化道路的AGV车导航问题和非结构化道路的AGV车导航问题。

对于结构化的道路导航问题研究目前已经十分成熟，而对于非结构化的道路导航研究相比之下还不够充分。而针对非结构化的道路导航研究，其中一个重点是非结构化道路的分割，但对于非结构化道路的分割，传统区域生长方法存在随机性大，分割目标区域可能有局部未合并的情况，且图像颜色信息利用率低等问题，并且超像素分割初始设定参数存在不确定性，影响后续分割精度。

发明内容

本发明提供了一种基于超像素和区域生长的非结构化道路分割方法及系统，以解决传统区域生长方法的随机性大，分割目标区域可能存在局部未合并的情况，且图像颜色信息利用率低，以及超像素分割初始设定参数的不确定性问题。

为解决上述技术问题，本发明提供了如下技术方案：

一方面，本发明提供了一种基于超像素和区域生长的非结构化道路分割方法，所述基于超像素和区域生长的非结构化道路分割方法包括：

基于目标非结构化道路区域图像的Lab特征，确定超像素数目初始设定值；

根据所确定的超像素数目初始设定值，采用SLIC超像素算法，对所述目标非结构化道路区域图像进行SLIC超像素分割；

基于区域生长算法原理，对SLIC超像素分割结果中的超像素块进行合并，得到所述目标非结构化道路区域图像的分割结果。

进一步地，所述基于目标非结构化道路区域图像的Lab特征，确定超像素数目初始设定值，包括：

获取所述目标非结构化道路区域图像的Lab特征中的L分量直方图；

确定所述L分量直方图中的最小波峰值hpv；

将所述超像素数目初始设定值n设定为：其中，N表示所述目标非结构化道路区域图像的像素个数，int(.)表示对计算结果取整。

进一步地，所述基于区域生长算法原理，对SLIC超像素分割结果中的超像素块进行合并，得到所述目标非结构化道路区域图像的分割结果，包括：

对SLIC超像素分割结果中的超像素块进行像素化处理，得到每一超像素块的质心位置坐标和每一超像素块的Lab特征值均值；

基于各超像素块的质心位置坐标，计算出各超像素块之间的距离，确定每一超像素块的邻接超像素块，构建包括各超像素块位置关系的区域连接图；

基于所述区域连接图和相邻超像素块的Lab特征值的相似度，对SLIC超像素分割结果中的超像素块进行合并，得到目标非结构化道路区域图像分割结果。

进一步地，对SLIC超像素分割结果中的超像素块进行像素化处理，包括：