[发明专利]一种基于图像梯度角的图像中轨道线提取方法

说明书

本发明提供一种基于图像梯度角的图像中轨道线提取方法，其中，图像梯度角的定义为：Gx和Gy分别为图像在横纵方向上的图像梯度，可以通过一阶Sobel算子提取，所述轨道线提取方法包括步骤：A、将所述图像由所述图像底边至图像顶边分成n个不同的检测层，所述n个不同的检测层依次相连接；B、将所述n个不同的检测层进行轨道线的提取；C、将所述n个不同的检测层的提取效果进行拼接得到最终的轨道线检测结果。本发明的基于图像梯度角的图像中钢轨轨道线提取方法在弯道、直道、强光照和隧道暗环境等不同环境下都具有稳定和准确的轨道线检测效果；同时对于阴影和光照强度变换都有较好的鲁棒性。

技术领域

本发明属于列车控制技术领域，特别涉及一种基于图像梯度角的图像中轨道线提取方法。

背景技术

钢轨轨道线提取对于列车自动驾驶，监测沙、雪等异物入侵确保行车安全等均具有重要的意义。随着计算机视觉技术的发展，视频监测在铁路安全监测中的应用越来越广泛。利用钢轨轨道线确定行驶区域是监测异物入侵等安全监测的第一步。因此，是否能够准确识别图像中铁路钢轨将直接影响铁路安全监测的有效性。

目前，基于视觉的汽车车道线检测方法有许多的研究成果。相比起来，钢轨轨道线的检测相关研究还处于比较初步的阶段。汽车车道线的颜色为白色，与黑色的地面具有强烈的对比。但是，钢轨的色彩与背景的区分度较低。并且，汽车的车道线不会存在相交的情况。然而，铁路的不同轨道之间会存在相交的情况。上述这些因素导致视觉检测钢轨轨道线存在诸多阻碍。

现有的钢轨轨道线检测技术大多是针对直轨的检测。基于Hough变换、Radon变换的钢轨直线检测方法虽然具有比较好的效果，但是这些方法只适用于直轨检测，无法检测出弯道。也有一些采用Hu不变矩等特征的弯轨检测方法，但是这类方法在光照强烈变化或者隧道暗环境下的钢轨轨道线检测效果很差。

发明内容

针对上述问题，本发明提供了一种基于图像梯度角的图像中钢轨轨道线检测方法。将待检测的轨道线分割成若干段的小段钢轨直线，后再将这些小段钢轨直线进行拼接，既能实现直轨的轨道线检测也能实现弯轨的轨道线检测。

本发明的一种基于图像梯度角的图像中轨道线提取方法中，

图像梯度角的定义为：

tan^-1()为反正切三角函数，Gx和Gy分别为所述图像在横纵方向上的图像梯度，所述图像梯度通过一阶Sobel算子提取；

设所述图像的四条边缘线中轨道初始出现的边缘线为图像底边，与图像底边平行的方向为水平方向，并设所述图像中与所述图像底边相对的边缘线为图像顶边，所述轨道从所述图像底边在所述图像的第一角度范围内延展，所述第一角度范围中的角度是以所述图像中水平向右方向的直线为起始边逆时针形成的角度，所述第一角度范围为[20°,160°]，

所述轨道线提取方法包括步骤：

A、将所述图像由所述图像底边至图像顶边分成n个不同的检测层，所述n个不同的检测层依次相连接；

B、将所述n个不同的检测层进行轨道线的提取；

C、将所述n个不同的检测层的提取效果进行拼接得到最终的轨道线检测结果，

其中，n取10～100的整数。

进一步，

对于所述n个不同的检测层中的第m检测层，m为整数且1≤m≤n，所述步骤B中包括以下步骤：

B1、将所述第m检测层的图片切分成多个模块，每个所述模块的大小是mm1pixel×mm2pixel或取整张所述图像的高度的五十分之一至十分之一为每个所述模块的长或宽，其中，mm1和mm2取8～128的整数；