专利名称：基于红外图像的道路边界检测方法
技术领域：
本发明属于计算机视觉、图像分析领域，特别是一种基于红外图像的道路边界检 测方法。
背景技术：
智能车辆导航是模式识别和人工智能的一个重要的研究课题，近二十年来在国际 国内受到广泛的关注，具有重大的理论和应用价值。自然道路边界的检测可以给智能车辆 提供最基本的导航信息。过去的道路边界检测手段一般是使用可见光传感器，在二维的可 见光图像上进行的(Fardi B. , Wanielik G., Hough transformation based approach for road border detection in infrared images. IEEE Intelligent Vehicles Symposium 2004)。然而，可见光图像很容易受到光照不均和路面阴影等的影响，并且在夜晚难以应用。 近些年来，随着红外成像器件的发展，红外传感器的价格越来越低且分辨率逐步提高，一般 都能达320XM0以上的图像分辨率，红外图像的道路边界检测的重要性越来越受到重视。 基于红外图像的道路边界检测为智能车辆的全天时导航能力提供了基本保证。
发明内容
本发明的目的在于提供一种基于红外图像的道路边界检测方法，能准确的找出红 外图像中的道路边界，能做到实时处理，具有较强的抗干扰能力。实现本发明目的的技术方案为一种基于红外图像的道路边界检测方法，步骤如下 第一步图像预处理，指定图像中的兴趣区域，对其降低分辨率后进行中值滤波处理，
提高道路区域的一致性，同时不降低检测精度前提下缩少处理区域，节省处理时间； 第二步线段检测，即分别使用阈值穷举法，二阶微分算子共同检测图像中的线段； 第三步线段融合，即将阈值穷举法、二阶微分算子两种方法得到的线段进行相互融合 确认；
第四步边界描述，在融合确认后的线段图上，通过加权Hough变换得到道路主方向直 线，根据主方向直线拟合道路边界。本发明与现有技术相比，其显著优点为(1)道路分割采用穷举阈值方法，尽可能 保留了道路边界信息。(2)采用了符合红外道路图像特点的二阶微分算子作边缘检测。(3) 根据穷举阈值方法与二阶微分算子线段检测的特点，将两者相互佐证，保留真实道路边缘， 剔出虚假道路边缘。(4)时间复杂度低，能实时处理，算法只在兴趣区域内处理，并在不显著 减低检测准确性的前提下进一步降低分辨率，比在原图处理时间效率提高了 4倍以上。(5) 无需光源，可昼夜运行，这是由红外传感器特性决定的。下面结合附图对本发明作进一步详细描述。
图1是本发明基于红外图像的道路边界检测方法的流程图。
图2是本发明的图像预处理示意图(a)原图(b)兴趣区域(C)降分辨率图像 (d)中值滤波图像。图3是本发明的图像分割示意图(a)原图像(b)左边界(C)右边界。图4是本发明的阈值穷举法得到的线段(a)路段1 (b)路段2 (c)路段3。图5是本发明的边缘检测得到的线段(a)路段1 (b)路段2 (c)路段3 (d)路段 1(e)路段2 (f)路段3。图6是本发明的候选边界线段示意图(a)路段1 (b)路段2 (c)路段3。图7是本发明的主方向直线示意图(a)路段1 (b)路段2 (c)路段3。图8是本发明的典型道路边界检测结果(a) S弯道路(b)沙石路(c)水泥路(d) 路中有障碍物时的道路检测(e)图像中仅存在单条道路边界时的检测。
具体实施例方式本发明基于红外图像的道路边界检测方法，其步骤为
第一步图像预处理，指定图像中的兴趣区域，对其降低分辨率后进行中值滤波处理， 提高道路区域的一致性，同时不降低检测精度前提下缩少处理区域，节省处理时间。手工指定图像上一个矩形区域，使该矩形区域尽可能包含左右两条道路边界，同 时尽可能将非道路边界剔除在外，矩形区域上边的图像行坐标Yl根据道路边界线检测的 最远距离要求设定，下边的图像行坐标Y2设为车头最前端在图像上的行坐标，左右边的图 像列坐标分别设为X和Width-X (Width为图像宽度)，图像的左右最外边的X列像素不作 处理，该矩形区域即为兴趣区域，X为摄像机采集到图像的无效区宽度。如X为8时。为了尽可能地降低算法的处理速度，将兴趣区域图像进一步降低分辨率，即采用4 个点均值抽样成一个点的抽样策略，将兴趣区域降低到原大小的四分之一。此外，由于道路 区域中常含有水坑、沙石、杂物、车辙以及传感器噪声的影响，干扰了道路的一致性，需要对 降分辨率后的图像进行中值滤波处理。图2给出了预处理后的图像，其中(a)为原图像，白 色矩形框即为感兴趣区域；(b)为从原图中抽取出的感兴趣区域图像；(c)为对感兴趣区域 图像进行降分辨率处理的结果图像；(d)为对降分辨率图像进行中值滤波的结果。第二步线段检测，使用阈值穷举法，二阶微分算子共同检测图像中的线段。道路图像的特点是有两条近乎平行的左右边界，或者至少有一条边界，左右边界 近乎直线，或者分段近乎直线，在某个合理的阈值下，能够得到道路左边界或者左边界的 一部分，在另一个合理的阈值下能够得到道路右边界或者右边界的一部分，如图3(b)和图 3 (c)所示，图3 (b)是图3 (a)在阈值等于115时的二值化结果，从中可以得到大部分的左边 界，图3(c)是图3(a)在阈值等于101时的二值化结果，从中可以得到部分的右边界。为了 便于观察，图3(b)和图3(c)做了中值滤波。由于多种因素的影响，和道路左右两侧的非路 区域介质的变化，往往单一的阈值难以同时得到完整的左边界和右边界，即需要多个阈值 才能全部提取出边界信息。基本可以认为，在不同的阈值下的边界信息的并集，肯定包含了道路的左右边界 信息。因此，本发明提出了使用阈值穷举法的道路边界线段收集方法，即使用多个阈值对原 始道路图像进行二值化，在得到的多个二值图像中，使用链码跟踪轮廓，并在链码中寻找大 于一定长度、和一定角度的直线段，这些直线段的并集包含了路面的边界信息。
4
使用阈值穷举法的最大缺点是该方法连续使用多个阈值对图 像进行二值化，会导致大量的时间花费，尽管计算并不复杂。如何确 定阈值的选取范围[Tl，T2]是减小时间花费的关键。本发明中，令 Tl = mean-dev*2.Q , Tl = msan + dev*2.Q ,其中Mem是图像均值，dev是图像的对比度， 即灰度的标准差。尽管路面是灰度不均勻的，但由于路面在图像中所占的比例较大，Tl和 T2的范围能够覆盖路面和非路面区域的交界处上的灰度分布范围，从而在该区间阈值穷举 能够得到道路边界线段。图4中(a)、(b)、(c)分别给出了不同道路图像的边界线段检测结 果，白色表示可能的左边界，黑色表示可能的右边界。二阶微分算子可用来去除阈值穷举法形成的伪线段。把阈值穷举法得到的线段用 二阶微分算子得到的边缘进行验证，可以去除阈值穷举法形成的伪线段。二阶微分算子使 用导数过零点，寻找二阶导数的零交叉处就是边缘点的位置，所以它与到梯度值的大小无 关，如前所言，由于红外道路图像中的梯度算子的梯度值难以使用，本发明选用二阶微分算 子，使用导数过零点来完成边缘检测。考虑到后续的直线检测的方便，与阈值穷举法中直线 段检测相同，同样使用链码来描述边缘并在链码中检测直线，所以选用了能得到封闭轮廓 的、仅需要一个参数的沈俊算子来检测边缘，在沈俊算子得到的边缘中，检测出满足一定长 度的直线段，作为可能的道路边界。图5中(a)、(b)、(c)分别表示不同道路的沈俊算子边 缘检测结果，(d)、(e)、(f)表示对(a)、(b)、(c)中的直线段根据长度进行筛选的结果。第三步线段融合，将阈值穷举法、二阶微分算子两种方法得到的线段进行相互融 合确认，去除伪线段和弱线段。SHAPE \* MERGEFORMAT
在边界线段收集过程完成后，得到了用众多的短小线段描述的道路边界，使用阈值穷 举法得到的线段设为^ ；使用沈俊算子得到的线段设为;為和#2中这些短小的线段包 含了真实的道路边界线。需要将以上两种方法得到的线段进行融合，得到真实的道路边界。阈值穷举后检测的结果是得到了大量的直线段，观察图像可以发现，在道路的 边界处，得到了一系列相邻或者重叠的直线段，绝非一条，而在其他区域，相邻的直线段 的数目偏少。因此，可以根据相邻的直线段的数目(％ )来筛选真正的道路边界线段， 考虑到道路走向的差异，可能水平，也可能垂直，像素(U)处的W即W(Xj)计算方法
W(U) = Jw2x (χ, ν) +w； (χ, γ),其中 Wk (Xj)和 Wi (x，y)分别是像素(X>J)在x和 y 方向上相
邻和重叠的线段的个数。可以说，㈣实质上是像素(工力处的边缘梯度，尽管不同位置 的象素处，温度渐变的范围宽窄不一,但在W(U)的值不受温度渐变的快慢影响，W(U) 反映了相邻介质的温差。在使用阈值穷举得到每个像素(U)的W(Zj)后，则根据如下的规则可筛出 二阶微分算子得到的伪路边边缘，设$( , , , ,"% , )是使用二阶微分算子选出 的得到的边缘线段，其中《表示线段的总个数，(巧4)表示该边缘上的各点的坐标，则
η
令—,若 小于某个值(一般取4)，则该为伪路边。经过式⑷选出了使用二阶微分算子的得到路边线段，设为成。同理，对于使用阈值穷举得到的大
量的线段
权利要求
1.一种基于红外图像的道路边界检测方法，其特征在于步骤为步骤1，图像预处理，指定图像中的兴趣区域，对其降低分辨率后进行中值滤波处理，提 高道路区域的一致性，同时不降低检测精度前提下缩少处理区域，节省处理时间；步骤2，线段检测，使用阈值穷举法，二阶微分算子共同检测图像中的线段；步骤3，线段融合，将阈值穷举法、二阶微分算子两种方法得到的线段进行相互融合确 认，去除伪线段和弱线段；步骤4，边界描述，在融合确认后的线段图上，通过加权Hough变换得到道路主方向直 线，根据主方向直线拟合道路边界。
2.根据权利要求1所述的基于红外图像的道路边界检测方法，其特征在于在步骤1中， 图像预处理中采用的步骤如下步骤11 手工指定图像上一个矩形区域，使该矩形区域尽可能包含左右两条道路边 界，同时尽可能将非道路边界剔除在外，矩形区域上边的图像行坐标Yl根据道路边界线检 测的最远距离要求设定，下边的图像行坐标Y2设为车头最前端在图像上的行坐标，左右边 的图像列坐标分别设为X和Width-X，图像的左右最外边的X列像素不作处理，该矩形区域 即为兴趣区域，X为摄像机采集到图像的无效区宽度；步骤12 采用4个点均值抽样成一个点的抽样策略，将兴趣区域图像降低到原大小的 四分之一，对降分辨率后的图像进行中值滤波处理。
3.根据权利要求1所述的基于红外图像的道路边界检测方法，其特征在于在步骤2中， 线段检测中采用的步骤如下步骤21 使用阈值穷举法的道路边界线段收集方法，即使用多个阈值对原始道路图像 进行二值化，在得到的多个二值图像中，使用链码跟踪轮廓，并在链码中寻找长度较长，角 度符合道路倾斜角的直线段，这些直线段的并集包含了路面的边界信息；步骤22 使用沈俊算子检测长度较长的直线段，作为可能的道路边界。
4.根据权利要求1所述的基于红外图像的道路边界检测方法，其特征在于在步骤3中， 线段融合中采用的步骤如下步骤31 使用阈值穷举得到的线段信息，结合二阶梯度算子，剔除沈俊算子检测出的 弱线段；步骤32 使用沈俊算子检测得到线段信息，通过线段的强度判断，剔除阈值穷举检测 出的伪线段。
5.根据权利要求1所述的基于红外图像的道路边界检测方法，其特征在于在步骤4中， 边界拟合中采用的步骤如下步骤41 用基于直线模型的加权Hough变换得到道路图像的主方向直线；步骤42 利用折线模型，由主方向直线作为边界点拟合真实道路边界线。
全文摘要
本发明公开了一种基于红外图像的道路边界检测方法，通过适当的预处理将输入图像变换到特定的尺度和大小上，使用阈值穷举法，在每个阈值下选取大于一定长度的直线段，通过对直线段的分析得到较准确的梯度，来去除二阶微分算子得到的弱线段；使用二阶微分算子去除阈值穷举法得到的伪线段；二者相互融合，共同完成边界线段的提取；最后，根据道路边界模型得到最终的道路边界。本发明可以准确地、昼夜不间断地进行道路边界检测，具有高实时性、高鲁棒性的优点，且易于推广到诸如智能机器人导航、车辆主动安全、视频监控等应用领域。
文档编号G06T7/00GK102122344SQ201110002490
公开日2011年7月13日 申请日期2011年1月7日 优先权日2011年1月7日
发明者任明武, 唐振明, 王欢, 赵春霞, 陆建峰 申请人:南京理工大学