本發(fā)明具體涉及一種多模型結(jié)合的非結(jié)構(gòu)化道路檢測方法。

背景技術(shù)：

實(shí)際道路一般可分為結(jié)構(gòu)化道路和非結(jié)構(gòu)化道路兩類，結(jié)構(gòu)化道路一般是指高速公路和部分結(jié)構(gòu)化較好的公路，具有較清晰的車道線和道路邊界，此種類型的道路擁有明顯的特征，檢測算法較成熟。非結(jié)構(gòu)道路一般指沒有道路線和清晰道路邊界的道路，并受到陰影和水跡的影響，道路區(qū)域和非道路區(qū)域難以區(qū)分。目前國內(nèi)外對非結(jié)構(gòu)化道路的檢測算法還處于研究階段，大多數(shù)的道路檢測系統(tǒng)智能檢測一定限制條件下的道路模型，還不夠成熟。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題是提供一種多模型結(jié)合的非結(jié)構(gòu)化道路檢測方法。

多模型結(jié)合的非結(jié)構(gòu)化道路檢測方法，包括以下步驟：

s1：采用均值濾波器和二次采樣法相結(jié)合，將待處理彩色圖像由高分辨率變?yōu)榈头直媛蕡D像，并對圖像進(jìn)行光照補(bǔ)償；

s2：用優(yōu)化聚類中心的k-means算法對處理圖像進(jìn)行混合高斯模型的求解；

s3：通過最小二乘法求解左右道路拋物線模型參數(shù)；完成對道路邊界線的擬合，實(shí)現(xiàn)道路邊界提取。

進(jìn)一步的，步驟s2中混合高斯模型方法如下：

1）高斯分布如下式：

，

其中，x為多為向量，，為模型協(xié)方差，為模型均值；

2）建立yuv顏色模型：

；

；

；

3）強(qiáng)度模型，強(qiáng)度i定義為：

；

4）兩通道模型，將標(biāo)準(zhǔn)化的rgb轉(zhuǎn)換為紅綠兩通道，即求得紅綠通道比例，

；

；

進(jìn)一步的，優(yōu)化聚類中心的k-means算法如下：

1）將k-means濾波器的2個(gè)階段簡化如下：

預(yù)測階段：

更新階段：

其中，為協(xié)方差矩陣，是在時(shí)刻k對真實(shí)狀態(tài)的測量值，滿足如下公式：

，

其中，是觀測噪聲，為均值為零、協(xié)方差為的正態(tài)分布；是過程噪聲，為均值為零、協(xié)方差矩陣為的多元正態(tài)分布；

2）初始化聚類中心，若初始處理圖像是第1幀圖像，先隨機(jī)選取k個(gè)向量，否則令，其中是由k-means濾波器預(yù)測的當(dāng)前最優(yōu)狀態(tài)；

3）利用聚類中心對數(shù)據(jù)集x進(jìn)行k聚類，即

，j=1,2,…,k；

其中，為某種范數(shù)，此處范數(shù)取為2-范數(shù)；

4）更新聚類中心：

，j=1,2,…,k；

5）判定：若全部聚類中心相對于上一次聚類中心變化足夠小，結(jié)束，否則重復(fù)步驟3）、4），直到收斂到聚類中心。

進(jìn)一步的，步驟s3的具體過程如下：

1）構(gòu)建道路拋物線模型：在xoy直角坐標(biāo)系中，其模型為：

，

其中，是車道線到縱軸的距離，是車道線切線方向的參數(shù)，是車道線曲率；

2）道路拋物線模型求解過程：

對于道路邊界點(diǎn)集合k，取m+1對數(shù)據(jù)，i=0,1,…,m；由下式分別對求導(dǎo)；

；

令導(dǎo)數(shù)等于零，解方程組求得，，的值，從而求得道路拋物線模型的具體表達(dá)式。

本發(fā)明的有益效果是：

本發(fā)明在處理過程的每一步都調(diào)整彩色模型和光照變化的補(bǔ)償，最后用二次拋物線道路模型擬合出道路邊界線，該方法能很好地處理受光照不均、陰影和其他噪聲影響的圖像，較準(zhǔn)確地?cái)M合出非結(jié)構(gòu)化道路邊界線，抗干擾性強(qiáng)。

具體實(shí)施方式

以下具體實(shí)施例對本發(fā)明作進(jìn)一步闡述，但不作為對本發(fā)明的限定。

多模型結(jié)合的非結(jié)構(gòu)化道路檢測方法，包括以下步驟：

s1：采用均值濾波器和二次采樣法相結(jié)合，將待處理彩色圖像由高分辨率變?yōu)榈头直媛蕡D像，并對圖像進(jìn)行光照補(bǔ)償；

s2：用優(yōu)化聚類中心的k-means算法對處理圖像進(jìn)行混合高斯模型的求解；

s3：通過最小二乘法求解左右道路拋物線模型參數(shù)；完成對道路邊界線的擬合，實(shí)現(xiàn)道路邊界提取。

步驟s2中混合高斯模型方法如下：

1）高斯分布如下式：

，

其中，x為多為向量，，為模型協(xié)方差，為模型均值；

2）建立yuv顏色模型：

；

；

；

3）強(qiáng)度模型，強(qiáng)度i定義為：

；

4）兩通道模型，將標(biāo)準(zhǔn)化的rgb轉(zhuǎn)換為紅綠兩通道，即求得紅綠通道比例，

；

；

優(yōu)化聚類中心的k-means算法如下：

1）將k-means濾波器的2個(gè)階段簡化如下：

預(yù)測階段：

更新階段：

其中，為協(xié)方差矩陣，是在時(shí)刻k對真實(shí)狀態(tài)的測量值，滿足如下公式：

，

其中，是觀測噪聲，為均值為零、協(xié)方差為的正態(tài)分布；是過程噪聲，為均值為零、協(xié)方差矩陣為的多元正態(tài)分布；

2）初始化聚類中心，若初始處理圖像是第1幀圖像，先隨機(jī)選取k個(gè)向量，否則令，其中是由k-means濾波器預(yù)測的當(dāng)前最優(yōu)狀態(tài)；

3）利用聚類中心對數(shù)據(jù)集x進(jìn)行k聚類，即

，j=1,2,…,k；

其中，為某種范數(shù)，此處范數(shù)取為2-范數(shù)；

4）更新聚類中心：

，j=1,2,…,k；

5）判定：若全部聚類中心相對于上一次聚類中心變化足夠小，結(jié)束，否則重復(fù)步驟3）、4），直到收斂到聚類中心。

步驟s3的具體過程如下：

1）構(gòu)建道路拋物線模型：在xoy直角坐標(biāo)系中，其模型為：

，

其中，是車道線到縱軸的距離，是車道線切線方向的參數(shù)，是車道線曲率；

2）道路拋物線模型求解過程：

對于道路邊界點(diǎn)集合k，取m+1對數(shù)據(jù)，i=0,1,…,m；由下式分別對求導(dǎo)；

；

令導(dǎo)數(shù)等于零，解方程組求得，，的值，從而求得道路拋物線模型的具體表達(dá)式。