[发明专利]人行横道线图像后处理方法及系统

摘要

本发明涉及自动驾驶图像处理技术领域，公开了一种人行横道线图像后处理方法及系统，用以解决神经网络识别输出人行横道线区域不连通，形状不规整，存在噪声点的问题。本发明通过，图像转换模块将深度学习网络识别输出的结果转换成二值化图像；预处理模块对二值化图像进行预处理；图像连通区域分析模块计算预处理模块处理后的图像的连通区域集合，根据连通区域计算各连通区域面积并过滤掉面积小的连通区域，然后对剩下的连通区域，计算其最小外接矩形；最小外接矩形分析模块计算各外接矩形的斜率和相邻外接矩形中心点连线的斜率，根据各斜率判断是否为同一人行横道线。本发明适用于处理深度学习网络识别输出的人行横道线图像。

主权项

1.人行横道线图像后处理方法，其特征在于，包括如下步骤：/n步骤1：将深度学习网络识别输出的结果转换成二值化图像；/n步骤2：对步骤1得到的二值化图像进行闭运算处理和均值滤波处理，所述闭运算处理用于填充物体内细小空洞，连接邻近物体和平滑边界；/n步骤3：对步骤2处理后的图像查找连通区域，得到连通区域的结果集合；/n步骤4：遍历连通区域集合，计算出最大连通区域的区域面积像素数MaxArea；/n步骤5：根据步骤4计算获取的最大MaxArea设置过滤阈值K，K取值范围为0～1，再次遍历连通区域，去除掉连通区域面积像素数量小于MaxArea*K的连通区域；/n步骤6：计算在步骤5处理后的连通区域数量，当连通区域数量等于1时，计算连通区域的最小外接矩形，则该外接矩形为人行横道区域，当连通区域数量大于1时，执行步骤7；/n步骤7：计算各连通区域的最小外接矩形，根据外接矩形计算对应垂直于长和宽两个方向的斜率和中心点；/n步骤8，根据步骤7的计算结果，计算两个矩形的斜率和两个矩形中心点连线的斜率，如果斜率相近，则判定两个矩形属于一条人行横道，执行步骤9；如果斜率差距较大，则判定为不同人行横道区域，执行步骤10；/n步骤9，对于步骤8判断的属于一条人行横道的两个矩形，合并其对应的连通区域为一个连通区域，然后计算其最小外接矩形，该外接矩形为人行横道区域；/n步骤10、对于步骤8判定不属于同一人行横道的矩形，分别计算其最小外接矩形作为人行横道区域。/n