專利名稱：道路區(qū)域檢測方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像模式識(shí)別技術(shù)領(lǐng)域，特別涉及一種基于紋理的道路區(qū)域檢 測方法及其系統(tǒng)。
背景技術(shù)：
般是指高速公路和部分結(jié)構(gòu)化較好的公路，這類道路具有清晰的車道線和道路 邊界，因此，針對(duì)它的道路檢測問題可以簡化為車道線或道路邊界的檢測問題。 非結(jié)構(gòu)化道路一般指結(jié)構(gòu)化程度較低的道路，這類道路沒有清晰的車道線和道 路邊界，再加上陰影、水跡、泥沙等又改變了道路的表面特征，道路區(qū)域和非 道路區(qū)域更難以區(qū)分，所以針對(duì)此類道路的檢測技術(shù)尚處于研究階段。
目前針對(duì)道路區(qū)域的檢測方法可以分為三類基于道路特征的方法、基于 道路模型的方法和基于神經(jīng)網(wǎng)絡(luò)的方法?；诘缆诽卣鞯臋z測方法是通過分析 il^各區(qū)域和非道路區(qū)域在顏色或者紋理特征上的不同，通過聚類或區(qū)域生長的 方法獲得道路區(qū)域?；谀Ｐ偷姆椒ㄊ窍燃僭O(shè)出道路模型，根據(jù)圖像找出最匹 配的道路模型，這類方法檢測出的道路區(qū)域較為完整，但是對(duì)于復(fù)雜的路面形 狀，無法建立準(zhǔn)確的模型。基于神經(jīng)網(wǎng)絡(luò)的方法利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)特性，但 是需要大量的訓(xùn)練集。由于后兩者在檢測及實(shí)時(shí)性上的局限性，目前普遍采用 基于道路特征的檢測方法。
道路區(qū)域的特征一般有顏色和紋理。目前基于紋理的分割方法主要是利 用灰度共生矩陣，此方法不能滿足實(shí)時(shí)性的需要，因此目前提取道路區(qū)域的方 法主要是利用道路的顏色基本一致的特點(diǎn)，采用基于顏色的分割?；舅枷胧?選取車輛前方一小塊梯形區(qū)域作為樣本來獲得道路標(biāo)準(zhǔn)顏色，然后或是利用圖
像的彩色信息直接進(jìn)行分割，或是進(jìn)行彩色空間的變換以后，結(jié)合直方圖等其 它手段進(jìn)行分割，或是對(duì)彩色信息量進(jìn)行統(tǒng)計(jì)分析后再分割。
其基本流程如圖l所示a)輸入圖像；b)根據(jù)該輸入圖像獲得道路的標(biāo)準(zhǔn) 顏色；c)通過其它區(qū)域的顏色與標(biāo)準(zhǔn)顏色的比較得到道路候選區(qū)域；d)在所確 定的候選區(qū)域的基礎(chǔ)上，利用路寬、面積等約束去掉非路信息；e)輸出確定的
道路區(qū)域。
這種方法的主要優(yōu)點(diǎn)是對(duì)道路形狀不敏感，需要的先驗(yàn)知識(shí)少，當(dāng)?shù)缆奉?色單一時(shí)的檢測效果很好。但它依賴于道路標(biāo)準(zhǔn)色的選取，對(duì)陰影和水跡較敏
感，當(dāng)路況環(huán)境存在以下幾種情況時(shí)將出現(xiàn)問題
1) 當(dāng)?shù)缆酚型渡潢幱皶r(shí)，所選的圖像下方梯形區(qū)域涵蓋的顏色信息不全，
導(dǎo)致提取的道路區(qū)域不完整；
2) 當(dāng)非路的墻體或車體顏色與道路相近時(shí)，且也滿足一定的寬度要求時(shí)， 導(dǎo)致提取的道路區(qū)域不準(zhǔn)確；
3) 道路區(qū)域的顏色并非單一。

發(fā)明內(nèi)容
鑒于基于顏色的道路區(qū)域檢測所存在的缺陷，以及結(jié)構(gòu)化及非結(jié)構(gòu)化道路 中道路邊界提取的困難，本發(fā)明提供一種兩類道路都適用的基于紋理的道路區(qū) 域檢測技術(shù)，具體表現(xiàn)為 一種道路區(qū)域檢測方法及系統(tǒng)。
一種道路區(qū)域檢測方法，包括如下步驟
Sl:獲取待檢測道路的圖像；
S2:對(duì)所述獲取的圖像數(shù)據(jù)進(jìn)行處理，確定平滑區(qū)域； S3:確定所述平滑區(qū)域中像素面積最大的平滑區(qū)域； S4:根據(jù)其它平滑區(qū)域與所述像素面積最大的平滑區(qū)域的位置關(guān)系，確定 道路候選區(qū)域；
S5:對(duì)道路候選區(qū)域進(jìn)行修正，得到最終的道路區(qū)域。 另一方面，本發(fā)明提供一種道路區(qū)域檢測系統(tǒng)，包括 圖像采集單元，用于獲取待檢測道路的圖像；
數(shù)據(jù)處理單元，用于對(duì)獲取的圖像數(shù)據(jù)進(jìn)行處理，確定平滑區(qū)域，根據(jù)平 滑區(qū)域中像素面積最大的平滑區(qū)域與其它平滑區(qū)域間的位置關(guān)系，確定il^各候 選區(qū)域，并對(duì)道路候選區(qū)域進(jìn)行^f多正，得到最終的道路區(qū)域；
道路區(qū)域輸出單元，用于輸出最終得到的道路區(qū)域。
其中的翁:據(jù)處理單元包括
平滑區(qū)域選擇單元，用于確定所采集道^各圖<象中的平滑區(qū)域； 平滑區(qū)域連通單元，用于連通相鄰的平滑區(qū)域，并根據(jù)平滑區(qū)域中像素面
積最大的平滑區(qū)域與其它平滑區(qū)域間的位置關(guān)系確定道路候選區(qū)域；
形態(tài)學(xué)修正單元，用于對(duì)道路候選區(qū)域進(jìn)行形態(tài)學(xué)修正生成確定的道路區(qū) 域圖像。
與現(xiàn)有技術(shù)相比，本發(fā)明僅處理圖像消失線以下部分，解決了現(xiàn)有的基于 顏色分割道路區(qū)域方法在處理陰影、水跡、道路顏色不均勻等方面的問題，既 可應(yīng)用于結(jié)構(gòu)化道路，解決邊界提取困難的問題，又可應(yīng)用于非結(jié)構(gòu)化道路。 在保證識(shí)別率的基礎(chǔ)上，增強(qiáng)了檢測的實(shí)時(shí)性和魯棒性，方法簡單快速有效。


圖1是現(xiàn)有技術(shù)中基于顏色分割道路區(qū)域方法的流程圖2是根據(jù)本發(fā)明實(shí)施例的基于紋理分割道路區(qū)域方法的流程圖3是#^居本發(fā)明實(shí)施例的系統(tǒng)邏輯結(jié)構(gòu)示意圖4是根據(jù)本發(fā)明實(shí)施例的計(jì)算水平、垂直、45G及135G方向上的梯度值 的小塊分組示意圖。
具體實(shí)施例方式
為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面結(jié)合附圖和具體實(shí)施方式
對(duì)本發(fā)明作進(jìn)一步詳細(xì)的"^兌明。
本發(fā)明實(shí)施例所提供的道路區(qū)域檢測方法的基本流程如圖2所示。 Sl:獲取待檢測道路的圖像；
S2:對(duì)所述獲取的圖像數(shù)據(jù)進(jìn)行處理，確定平滑區(qū)域；
S3:確定所述平滑區(qū)域中像素面積最大的平滑區(qū)域；
S4:根據(jù)其它平滑區(qū)域與所述像素面積最大的平滑區(qū)域的位置關(guān)系，確定 道路4美選區(qū)域；
S5:對(duì)道路候選區(qū)域進(jìn)行修正，得到最終的道路區(qū)域。
另一方面，本發(fā)明還提供一種用于實(shí)現(xiàn)上述方法的道路區(qū)域檢測系統(tǒng)，圖 3為該系統(tǒng)的邏輯結(jié)構(gòu)示意圖。如圖3所示，本發(fā)明的il^各區(qū)域;險(xiǎn)測系統(tǒng)包括 圖像采集單元l、數(shù)據(jù)處理單元2和道路區(qū)域輸出單元3。其中圖像采集單元 1用于獲取待檢測道路的圖像，并將該圖像輸入數(shù)據(jù)處理單元2;數(shù)據(jù)處理單 元2對(duì)輸入的圖像進(jìn)行一系列模式識(shí)別處理，獲得平滑區(qū)域，然后根據(jù)各平滑 區(qū)域間的位置關(guān)系，得到道路候選區(qū)域；再根據(jù)道路的面積等幾何性狀對(duì)道路
候選區(qū)域進(jìn)行形態(tài)學(xué)修正，最終生成確定的道路區(qū)域圖像由道路區(qū)域輸出單元 3輸出。
其中，數(shù)據(jù)處理單元2包括平滑區(qū)域選擇單元21、平滑區(qū)域連通單元22 和形態(tài)學(xué)修正單元23。
平滑區(qū)域選擇單元21包括區(qū)域分割單元211和梯度計(jì)算單元212，其中 區(qū)域分割單元211用于將來自于圖像采集單元1的圖像分成若干個(gè)局部小區(qū) 域，梯度計(jì)算單元212用于計(jì)算各局部小區(qū)域的梯度以此來衡量它們的平滑 性，從而確定圖像中的平滑區(qū)域。
平滑區(qū)域連通單元22包括鄰接連通單元221和鄰近連通單元222,其中， 鄰接連通單元221用于連通緊密相連的平滑區(qū)域，鄰近連通單元222用于以通 過鄰接連通單元221獲得的最大連通平滑區(qū)域?yàn)榛鶞?zhǔn)，利用緊鄰性原則選擇其 他能夠作為道^各候選區(qū)域的平滑區(qū)域共同作為道路候選區(qū)域。
形態(tài)學(xué)修正單元23用于根據(jù)道路的面積等幾何性狀對(duì)道路候選區(qū)域進(jìn)行 形態(tài)學(xué)修正。其中包括空洞填充單元231和小區(qū)域排除單元232,分別用于填 充作為道路候選區(qū)域的連通平滑區(qū)域內(nèi)部的空洞和刪除面積較小的獨(dú)立平滑 區(qū)域，從而生成確定的道路區(qū)域圖像。
下面以車載道路區(qū)域檢測系統(tǒng)為例來對(duì)本發(fā)明作進(jìn)一步說明。
首先，作為圖像采集單元的車載圖像采集器獲得車輛前方或者后方的圖 像，然后將獲取到的圖像輸入至數(shù)據(jù)處理單元。
然后，本發(fā)明利用道路區(qū)域基本平滑這一特征，將上述獲取到的圖像進(jìn)行 分塊，在分塊的局部小區(qū)域內(nèi)采用計(jì)算梯度的方法來衡量其平滑程度，得到平 滑區(qū)域。此處需要說明的是，本發(fā)明僅對(duì)圖像中消失線以下的部分做分塊處理， "消失線"也就是"地平線，，，即僅對(duì)所獲取圖像中的陸地圖像部分進(jìn)行處理。 其中的消失線確定技術(shù)是現(xiàn)有技術(shù)，在透視投影的假設(shè)下，對(duì)于一個(gè)攝像機(jī)， 在場景中一系列的平行線(可簡單理解為地面上的一系列平行線，如車道線) 映射到圖像上為一系列直線相交于同一點(diǎn)，這個(gè)點(diǎn)稱為消失點(diǎn)。該消失點(diǎn)在圖 像上所在的行稱為消失線。
通俗來講，梯度值就是圖像灰度值的顯著變化的地方，計(jì)算分塊的局部小 區(qū)域內(nèi)梯度的具體方法如下
基本原理設(shè)Gra4"、 Gra^(7入Oa《5"、 GraAM0分別表示區(qū)域/在 水平、垂直、450及135°方向上的梯度值，取它們的最大值即Gra《/"乍為區(qū)域 /的梯度，
設(shè)定區(qū)域/的梯度若滿足下式則為平滑區(qū)域，反之即為非平滑區(qū)域
其中，T7^為預(yù)先選擇的閾值。為克服陰影、水跡等虛假邊緣的影響，將 閾值取為0.05。
梯度的具體計(jì)算方法如下
1) 將獲取的圖像分成若干個(gè)局部小區(qū)域，每個(gè)局部小區(qū)域都是一個(gè)"x" 的小塊，其中n為整數(shù)。
2) 計(jì)算每個(gè)局部小區(qū)域在水平、垂直、45°及135°方向上的梯度值。以 3x3的小塊，計(jì)算水平方向上的梯度值為例，如圖4a所示，標(biāo)有相同圖案的 三個(gè)像素作為 一組，設(shè)/,,/2,/3分別表示每一組的平均灰度值，
<formula>formula see original document page 9</formula>其中^， / = 1...3， 7' = 1...3，表示小塊內(nèi)每個(gè)像素的灰度值。
3)計(jì)算三個(gè)灰度值之間的變化率
"i2Al/max(71,72) "i3 —A-A |/max(/p/3) A/32 =|/3-/2|/maX(/3,/2)
4 )該局部小區(qū)域的水平梯度為三個(gè)灰度值之間的變化率最大的
Oad〃 (/) = max(A/12 ， A/I3, A/32) 垂直、45°及135G方向上的梯度值得計(jì)算方法與水平方向上的梯度值的計(jì)
算方法類似，分別如圖4b、 4c和4d所示，將標(biāo)有相同圖案的三個(gè)^^素作為一 組，計(jì)算出每一方向每一組的平均灰度值，然后計(jì)算三個(gè)灰度值之間的變化率， 最后得到該小塊的垂直梯度、45G梯度及135G梯度。本領(lǐng)域技術(shù)人員可以根據(jù) 前面水平方向上的梯度值計(jì)算方法的描述獲得具體算法，因此不再贅述。
然后根據(jù)區(qū)域J在水平、垂直、450及1350方向上的梯度值得到區(qū)域/的 梯度Gra《/」
Grad(X) =max( Grac///", Grac/K似GVafi^5(X)，Gra力"")
如果該區(qū)域J的梯度Gra《"小于預(yù)先設(shè)定的閾值T7^e,則為平滑區(qū)域， 反之即為非平滑區(qū)域。
第三步，在利用梯度得到的平滑區(qū)域之后，因?yàn)橛蟹锹访娴钠交瑓^(qū)域存在， 還需要依據(jù)各平滑區(qū)域之間的鄰近關(guān)系，從中篩選出道路候選區(qū)域。篩選道路 候選區(qū)域的關(guān)鍵在于考察各平滑區(qū)域之間的鄰近程度。
首先，根據(jù)平滑區(qū)域之間的連通性，將緊密相連的平滑區(qū)域互相連通，成 為較大的連通平滑區(qū)域，這樣就把圖像分成了若干個(gè)相互獨(dú)立、大小不等的連 通平滑區(qū)域。
然后，以像素面積最大的連通平滑區(qū)域?yàn)榛鶞?zhǔn)，考察其它連通平滑區(qū)域與 它的鄰近程度?？紤]到像素面積最大的連通平滑區(qū)域的形狀不規(guī)則，這里取它 的一個(gè)5鄰域，在本發(fā)明的一個(gè)優(yōu)選實(shí)施例中將5取值為6個(gè)像素。即在像素 面積最大的連通平滑區(qū)域周邊確定一個(gè)半徑為6的鄰域。然后考察其余的連通 平滑區(qū)域與該鄰域的相交性，若兩者有交疊，則視為相鄰，該區(qū)域可作為道路 候選區(qū)域；否則不作為道路候選區(qū)域。
第四步驟，根據(jù)道路的面積等幾何性狀，對(duì)道路候選區(qū)域進(jìn)行形態(tài)學(xué)修正， 得到最終的道路區(qū)域。形態(tài)學(xué)修正主要采取以下兩種方式
1) 空洞填充，即填充作為道if各候選區(qū)域的連通平滑區(qū)域內(nèi)部的空洞，該 空洞的像素面積應(yīng)小于預(yù)先設(shè)定的閾值；
2) 去掉面積小的平滑區(qū)域，即將面積小于預(yù)先設(shè)定閾值的獨(dú)立平滑區(qū)域 刪除。
有關(guān)上述閾值包括前述5鄰域的設(shè)定，都可以根據(jù)所處理圖像的分辨率、 對(duì)最終的道路區(qū)域結(jié)果的精確度要求等參數(shù)確定，比如將空洞填充的參考闊值 設(shè)定為20個(gè)像素，將去掉面積小的平滑區(qū)域的參考閾值設(shè)定為30個(gè)像素。 最后將確定的道路區(qū)域輸出即可。
以區(qū)域來表征道路具有很強(qiáng)的魯棒性，因此該方法不僅適用于結(jié)構(gòu)化道路 區(qū)域的檢測，而且還適用于非結(jié)構(gòu)化道路，具體的檢測方法是一致的。
說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時(shí)，對(duì)于本領(lǐng)域的一般 技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實(shí)施方式
及應(yīng)用范圍上均會(huì)有改變之處， 比如將本發(fā)明還應(yīng)用于水路航線的區(qū)域檢測等。因此，本說明書內(nèi)容不應(yīng)理解 為對(duì)本發(fā)明的限制，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換、 改進(jìn)等，均包含在本發(fā)明的保護(hù)范圍內(nèi)。
權(quán)利要求
1.一種道路區(qū)域檢測方法，其特征在于，包括如下步驟:S1:獲取待檢測道路的圖像；S2:對(duì)所述獲取的圖像數(shù)據(jù)進(jìn)行處理，確定平滑區(qū)域；S3:確定所述平滑區(qū)域中像素面積最大的平滑區(qū)域；S4:根據(jù)其它平滑區(qū)域與所述像素面積最大的平滑區(qū)域的位置關(guān)系，確定道路候選區(qū)域；S5:對(duì)道路候選區(qū)域進(jìn)行修正，得到最終的道路區(qū)域。
2、 根據(jù)權(quán)利要求1所述的道路區(qū)域檢測方法，其特征在于在步驟S2中包 括如下步驟S21:將獲取的圖像分成若干局部小區(qū)域； S22:計(jì)算每個(gè)局部小區(qū)域的梯度；S23:才艮據(jù)每個(gè)局部小區(qū)域的梯度來確定該局部小區(qū)域是否為平滑區(qū)域。
3、 根據(jù)權(quán)利要求2所述的道路區(qū)域檢測方法，其特征在于在步驟S3中， 根據(jù)確定的平滑局部小區(qū)域的連通性，找到像素面積最大的平滑區(qū)域。
4、 根據(jù)權(quán)利要求2所述的道路區(qū)域檢測方法，其特征在于在步驟S21中， 僅對(duì)圖像消失線以下的部分作區(qū)域劃分處理。
5、 根據(jù)權(quán)利要求2所述的道路區(qū)域檢測方法，其特征在于在步驟S22中， 首先分別計(jì)算每個(gè)局部小區(qū)域在指定方向上的梯度值，然后取其中的最大值作 為該局部小區(qū)域的梯度。
6、 根據(jù)權(quán)利要求5所述的道路區(qū)域檢測方法，所述指定方向至少包括水 平、垂直、45G及135G方向。
7、 根據(jù)權(quán)利要求6所述的道路區(qū)域檢測方法，其特征在于在計(jì)算每個(gè)局 部小區(qū)域在每個(gè)方向上的梯度值的過程中將每個(gè)局部小區(qū)域都設(shè)定為一個(gè)的小塊，同一方向上的w個(gè)象素作為 一組；通過小塊內(nèi)每個(gè)像素的灰度值』J=1』來計(jì)算每一組的平均灰度值； 計(jì)算w組灰度值之間的變化率，取其最大作為該局部小區(qū)域該方向上的梯 度值； 其中，所述n、 i、 j為整數(shù)。
8、 根據(jù)權(quán)利要求1所述的道路區(qū)域檢測方法，其特征在于在步驟S4中， 在像素面積最大的平滑區(qū)域周邊確定一個(gè)鄰域，然后根據(jù)其余的平滑區(qū)域與該 鄰域的相交性確定道^各候選區(qū)域。
9、 根據(jù)權(quán)利要求1所述的道路區(qū)域檢測方法，其特征在于在步驟S5中采 用空洞填充和刪除面積較小的獨(dú)立平滑區(qū)域兩種方式進(jìn)行修正。
10、 一種道路區(qū)域^r測系統(tǒng)，其特征在于，該系統(tǒng)包括 圖像采集單元，用于獲取待檢測道路的圖像；數(shù)據(jù)處理單元，用于對(duì)獲取的圖像數(shù)據(jù)進(jìn)行處理，確定平滑區(qū)域，根據(jù)平 滑區(qū)域中像素面積最大的平滑區(qū)域與其它平滑區(qū)域間的位置關(guān)系，確定道3各候 選區(qū)域，并對(duì)道路候選區(qū)域進(jìn)行修正，得到最終的道路區(qū)域；道路區(qū)域輸出單元，用于輸出最終得到的道路區(qū)域。
11、 根據(jù)權(quán)利要求10所述的道路區(qū)域檢測系統(tǒng)，其特征在于，所述數(shù)據(jù) 處理單元包括平滑區(qū)域選擇單元，用于確定所獲取道路圖像中的平滑區(qū)域； 平滑區(qū)域連通單元，用于連通相鄰的平滑區(qū)域，并根據(jù)平滑區(qū)域中像素面 積最大的平滑區(qū)域與其它平滑區(qū)域間的位置關(guān)系確定il^各候選區(qū)域；形態(tài)學(xué)修正單元，用于對(duì)道路候選區(qū)域進(jìn)行形態(tài)學(xué)修正生成確定的道路區(qū) 域圖像。
12、 根據(jù)權(quán)利要求11所述的道路區(qū)域檢測系統(tǒng)，其特征在于所述平滑區(qū) 域選擇單元包括區(qū)域分割單元，用于將所采集道路圖像分割為若干個(gè)局部小區(qū)域； 梯度計(jì)算單元，用于計(jì)算各局部小區(qū)域的梯度以此來衡量它們的平滑性。
13、 根據(jù)權(quán)利要求11所述的道路區(qū)域4全測系統(tǒng)，其特征在于所述平滑區(qū) 域連通單元包括鄰接連通單元，用于連通緊密相連的平滑區(qū)域；鄰近連通單元，用于以通過鄰接連通單元獲得的最大連通平滑區(qū)域?yàn)榛?準(zhǔn)，利用緊鄰性原則確定能夠作為道路候選區(qū)域的平滑區(qū)域。
14、 根據(jù)權(quán)利要求11所述的道路區(qū)域檢測系統(tǒng)，其特征在于所述形態(tài)學(xué) 修正單元包括空洞填充單元，用于填充道if各候選區(qū)域的內(nèi)部的空洞；小區(qū)域排除單元，用于刪除面積較小的平滑區(qū)域。
全文摘要
本發(fā)明涉及圖像模式識(shí)別技術(shù)領(lǐng)域，提供了一種道路區(qū)域檢測方法及系統(tǒng)，其中的方法包括如下步驟S1獲取待檢測道路的圖像；S2對(duì)所述獲取的圖像數(shù)據(jù)進(jìn)行處理，確定平滑區(qū)域；S3確定所述平滑區(qū)域中像素面積最大的平滑區(qū)域；S4根據(jù)其它平滑區(qū)域與所述像素面積最大的平滑區(qū)域的位置關(guān)系，確定道路候選區(qū)域；S5對(duì)道路候選區(qū)域進(jìn)行修正，得到最終的道路區(qū)域。本發(fā)明解決了現(xiàn)有的基于顏色分割道路區(qū)域方法在處理陰影、水跡、道路顏色不均勻等方面的問題，既可應(yīng)用于結(jié)構(gòu)化道路，解決邊界提取困難的問題，又可應(yīng)用于非結(jié)構(gòu)化道路。在保證識(shí)別率的基礎(chǔ)上，增強(qiáng)了檢測的實(shí)時(shí)性和魯棒性，方法簡單快速有效。
文檔編號(hào)G06K9/00GK101373515SQ20081017029
公開日2009年2月25日 申請(qǐng)日期2008年10月20日 優(yōu)先權(quán)日2008年10月20日
發(fā)明者威 劉, 卉 董, 淮 袁 申請(qǐng)人:東軟集團(tuán)股份有限公司