[发明专利]一种航拍公路图像的公路定位方法

说明书

本发明公开了一种航拍公路图像的公路定位方法，特别是利用梯度、颜色信息以及定位公路两侧白色标线的方法实现对公路的精确定位。属于图像处理技术领域。本发明对预处理后的图片首先利用颜色以及梯度信息粗分割出公路区域，然后利用边缘检测以及公路白色标线宽度、颜色等信息，定位出白色标线，并利用公路宽度条件筛选出所有符合条件的拟公路区域，最后计算拟公路区域符合公路颜色和梯度条件的像素占比，实现对公路的精确分割。该方法降低了对图片质量的要求，具有较好的适应性以及可靠性。有效解决了公路颜色分布不均，以及航拍角度不同引起的图像畸变给公路定位分割带来的影响，同时适用于多条公路的定位分割。

技术领域

本发明属于图像处理技术领域，具体涉及一种航拍公路图像的公路定位方法，特别是利用梯度、颜色信息以及定位公路两侧白色标线的方法实现对公路的精确定位算法。

背景技术

随着无人机技术的快速发展，公路路面检测又多了一个新的有效的方法。以往，对于公路的检测工作需要路政工作人员开车对每一条公路路段进行人工检查，这种方式不仅费时费力同时由于人工检测受到工作人员精神状态等影响容易出现较大的误差。利用无人机航拍公路图像，并对公路路面进行自动分析可以有效克服以上局限性，同时减少路政工作人员的劳动力，提高工作效率。

目前公路检测算法主要由公路定位、标线检测、标线识别和损坏程度判断几部分组成^[6](叶云.基于机器视觉的道路标线损坏智能检测设想[J].公路与汽运,2016(3):55-57.)所以在分析之前，对路面区域的检测是一个关键问题。

目前对于航拍公路图像路面定位的研究较少。高志峰等利用改进的Hough变换车道线直线检测方法，该方法利用车道线的线特征以及方向特性和强度信息以及最小二乘拟合方法，提高检测直线的精确性，但该方法较为复杂，计算量较高，适用性不强(高志峰,汪渤,周志强,等.一种鲁棒的非平坦路面车道线检测算法[J].北京理工大学学报,2013,33(1).)。刘富强等提出了一种适用于自主驾驶的车道标线检测跟踪算法，该算法可同时适应弯曲道路和直道路的检测，但该方法适用于车载环境，对环境要求较高(刘富强,张姗姗,朱文红,等.一种基于视觉的车道线检测与跟踪算法[J].同济大学学报:自然科学版,2010,38(2).)。胡晓等根据道路图像不同物体颜色特征，按照特征颜色设计转移函数，标记佳通视频图像中的特征颜色区域，提出了基于特征颜色的车道检测算法，由于颜色特征存在局限，不同公路，不同时间，颜色差异较大，所以该方法容易存在较大误差(胡骁,李岁劳,吴剑.基于特征颜色的车道线检测算法[J].计算机仿真,2011,28(10):344-348.)。

发明内容

发明目的：为了克服现有技术存在的问题，使公路定位更加高效、准确度更好、适应性更强，本发明提供一种航拍公路图像的公路定位方法。

技术方案：一种航拍公路图像的公路定位方法，包括以下步骤：

步骤S1：对公路进行航拍，得到航拍图像，对航拍图像进行预处理，得到待检测的规范化图像，并输入图像基本信息，所述图像基本信息包括公路的数量、每条公路的宽度、现实中对应的公路宽度、公路标线的颜色及宽度；

步骤S2：利用Hough变换方法定位规范化图像中的最长直线，依据所述最长直线的倾斜角度将规范化图像旋正；

步骤S3：从旋正的规范化图像中获取颜色信息和梯度信息，根据所述颜色信息以及梯度信息粗分割出公路区域；

步骤S4：根据步骤S3得到的粗分割出的公路区域以及步骤S1输入的图像基本信息，定位图像内所有符合步骤S1中输入的公路标线的颜色以及宽度条件的白色标线，从所述白色标线中筛选出所有符合步骤S1中输入的公路的宽度条件的拟公路区域；

步骤S5：对于所有的拟公路区域，计算步骤S3粗分割出的公路区域的像素个数以及公路区域占比，将公路区域占比按由大到小排序，并结合步骤S1中输入的公路的数量，得到最终定位结果。