[发明专利]一种基于空中视野的曲折道路信息提取与表示方法

说明书

本发明公开了一种基于空中视野的曲折道路提取与表示方法，其特征在于，首先是根据空中全局视野视频流获取道路所在区域图像信息，并结合灰度值等级分级原理和拉普拉斯算子锐化纹理原理等方法提取道路，得到覆盖整个路面的离散点数据。其次是根据参照点信息对道路离散数据进行矫正，实现图像坐标系到世界坐标系的转换。再次利用上面矫正后的道路数据进行几何参数拟合，用直线、圆弧、三次函数线三种线段，实现曲率连续的自由道路线拟合。实现了从空中全局图像中提取曲率连续的几何参数表示的曲折道路线，将辨识的几何参数传给地面智能驾驶车辆，可以为车辆提供全局下的路径参考。

技术领域

本发明涉及道路识别，尤其涉及一种基于空中视野的曲折道路信息提取与表示方法。

背景技术

随着无人驾驶技术的发展，不同场景下道路提取技术不断进步。研究范围涵盖室内、城市和非结构化区域，常用设备主要有相机和激光雷达。技术方案最初为利用地面智能车辆车载的视觉或激光检测前方道路及周边环境，得到自己的安全区域，并对前方道路进行提取从中得到自己的可运行轨迹，如Keyu Lu等人(A hierarchical approach for roaddetection[C]//IEEE International Conference on RoboticsAutomation.IEEE,2014)的技术方案。这种技术从智能驾驶车辆本体角度识别道路，是无人驾驶过程中必不可少的。但是由于车载设备视野狭小，为保证安全往往要降低速度。随着空中拍摄技术的发展，越来越多的研究开始利用空中全局视野作为辅助条件，给地面设备以参考，如Jan D.Wegner等人(A higher-order CRF model for road network extraction[C]//Computer VisionPattern Recognition.IEEE,2013)利用空中影像提取出道路区域。近来，随着硬件计算性能的提高和深入学习算法的进步，越来越多的道路提取算法被提出，如中国科学院自动化研究所模式识别国家实验室Cheng G等人(Automatic Road Detection and CenterlineExtraction via Cascaded End-to-End Convolutional Neural Network[J].IEEETransactions on GeoscienceRemote Sensing,2017,55(6):3322-3337)利用卷积神经网络来提取道路中心线。但只是从图像处理的角度得到的中心线的位置信息，并未考虑机器人行驶过程中轨迹线要曲率连续才能保持速度连续。我国的道路是结合车辆的行驶特性而建设的(道路几何设计对车辆行驶特性的影响机理研究[D].西南交通大学,2010)，因此在提取道路中心线时应符合道路原始设计政策，从而符合智能车辆的运动特性。综上，上述现有的方法尚未能从全局图像到曲率连续的道路线提取。

发明内容

本发明目的是针对传统智能驾驶道路识别仅针对前方局部视野的不足，提供一套全局视野下的曲折道路提取方法，可以用于地面智能驾驶车辆的轨迹规划，有利于加速其通过道路时间。

本发明的目的是通过以下技术方案来实现的：

一种基于空中视野的曲折道路信息提取与表示方法，包括以下步骤：

步骤A：提取路面离散数据；

步骤B：对离散数据进行几何参数拟合；

步骤C：采用较少的几何数据完整的数学公式化表达复杂的道路曲线，辨识出基于复杂道路数学模型表达的几何参数并传给地面智能驾驶车辆。

优选地，所述步骤A包括以下几个子步骤：

A1：利用无人机设备于某一高度获得空中全局视野视频流并获取道路所在区域图像信息；

A2：结合灰度值等级分级原理，利用灰度值的亮度等级不同，区分道路和周围杂质区域；

A3：运用形态学开运算，去除椒盐噪声，将道路区域和周围杂质区域分离；