[发明专利]一种基于视频图像的道路消失点检测方法

摘要

一种基于视频图像的道路消失点检测方法，涉及一种道路消失点的检测方法，属于道路检测领域。本发明解决了现有的检测方法错误率较高，传统的投票算法比较复杂，大部分的时间是消耗在投票算法上的，以及利用Gabor小波的多尺度和多方向特性进行纹理特征提取时存在计算量较大的问题。本发明的技术要点为：输入一帧图像数据，将其转换为灰度图像并进行快速傅里叶变换；基于Gabor滤波器的纹理响应幅度的计算；计算图像纹理主方向；计算粒子的票数；调整粒子分布范围；建立消失点动态和观测模型；粒子滤波及消失点输出。本发明可应用于智能行走机器人或无人驾驶汽车自主导航等计算机视觉系统中。

主权项

一种基于视频图像的道路消失点检测方法，所述方法包括以下步骤：步骤一、输入一帧图像数据I(x,y)，将其转换为灰度图像并进行快速傅里叶变换F{I(x,y)}，其中x和y分别为图像像素的X轴和Y轴坐标；步骤二、基于Gabor滤波器的纹理响应幅度的计算；步骤三、计算图像纹理主方向，具体过程为：步骤三一、对纹理响应幅度进行降序排列，得到E₁、E₂、E₃、E₄,对应的Gabor滤波器角度分别为φ₁、φ₂、φ₃和φ₄；其中所用的Gabor滤波器尺度为s、方向为φ_i；步骤三二、定义每个像素p(x,y)的自信度：conf(p)＝(E₁‑E₄)/E₁，若自信度conf(p)大于预先定义的常数δ_c且最大纹理响应幅度E₁大于阈值δ_amp，则按照以下公式求取像素的纹理主方向(a)若φ₁＝135°且φ₂＝0°,$\left\{\begin{array}{c}{V}_x\left(p\right)=E_1\left(p\right)\cos {\mathrm{\φ}}_1-E_2\left(p\right)\\ V_y\left(p\right)=E_1\left(p\right)\sin {\mathrm{\φ}}_1\end{array}\right.---\left(4\right)$(b)其它情况,$\left\{\begin{array}{c}{V}_x\left(p\right)=E_1\left(p\right)\cos {\mathrm{\φ}}_1+E_2\left(p\right)\cos {\mathrm{\φ}}_2\\ V_y\left(p\right)=E_1\left(p\right)\sin {\mathrm{\φ}}_1+E_2\left(p\right)\sin {\mathrm{\φ}}_2\end{array}\right.---\left(5\right)$$\widehat{\mathrm{\θ}}\left(p\right)={\tan }^{-1}(V_y\left(p\right)/V_x\left(p\right))---\left(6\right)$公式(4)和公式(5)中的V_x(p)和V_y(p)表示纹理响应幅度在图像X轴和Y轴上的投影；步骤四、计算粒子的票数；步骤五、调整粒子分布范围；步骤六、建立消失点动态和观测模型；步骤七、粒子滤波及消失点输出，具体过程为:步骤七一、在初始帧，粒子{x₀^l}_l＝1...N均匀分布于整个图像中，然后通过步骤4的投票算法获取参考位置x₀，其中l表示粒子的索引；步骤七二、状态转移：根据(15)式和先验分布p(x_k)建立样本集{x_k^(l)}_l＝1...N；步骤七三、样本的权值计算：根据以下公式计算样本{x^(l)_k}_l＝1...N的权值$w_k^{\left(l\right)}=\exp [-\frac{1}{2{{\mathrm{\δ}}_{r,k-1}}^2}{|{\stackrel{\‾}{z}}_k-x_k^{\left(l\right)}|}^2]w_{k-1}^{\left(l\right)}---\left(17\right)$并归一化${\tilde{w}}_k^{\left(l\right)}=w_k^{\left(l\right)}/\underset{l=1}{\overset{N}{\mathrm{\Σ}}}{w}_k^{\left(l\right)};$步骤七四、重采样：根据样本的权从样本集{x_k^(l)}_l＝1...N中重新抽取N个样本此过程也称为粒子滤波；步骤七五、令k＝k+1，返回步骤七二；步骤八、输入下一帧图像，重复步骤一至步骤七。