一種用于車輛安全輔助視頻圖像處理方法
【專利摘要】本發(fā)明公開了一種用于車輛安全輔助視頻圖像處理方法，將車載視頻設(shè)備采集的圖像進(jìn)行處理，該方法包括圖像增強(qiáng)、降噪、強(qiáng)光抑制方法、道路線檢測方法和障礙物監(jiān)測方法，本發(fā)明處理方法采用改進(jìn)后的Retinex算法對圖像進(jìn)行局部的增強(qiáng)，同時采用動態(tài)直方圖映射的算法進(jìn)行全局的圖像增強(qiáng)，將兩種增強(qiáng)的結(jié)果以權(quán)重的形式結(jié)合，得到最終的增強(qiáng)圖像，具有實現(xiàn)視圖像增強(qiáng)、消噪、色彩銳化等效果、提高圖像對比度、清晰度，以得到與原始圖像接近、符合人眼視覺特性的圖像、路邊線檢測、障礙物測距的特點。
【專利說明】一種用于車輛安全輔助視頻圖像處理方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于一種車載設(shè)備【技術(shù)領(lǐng)域】，涉及一種用于輔助車輛安全的視頻圖像的處
理方法。
【背景技術(shù)】
[0002]隨著汽車數(shù)量的增多，交通安全已成為社會關(guān)注的焦點，減少交通事故，保證行車安全人們一種關(guān)心的問題，車輛安全輔助駕駛系統(tǒng)也成為目前車輛系統(tǒng)的研究熱點之一。目前車輛安全輔助駕駛系統(tǒng)主要通過視頻采集技術(shù)獲取豐富的道路環(huán)境信息，供駕駛員行車時參考。此類系統(tǒng)有兩種方式，一是采用熱成像技術(shù)，但存在圖像模糊，價格昂貴的問題，而是采用可見光攝像機(jī)，但是在霧、雪、霾等惡劣天氣情況下，存在獲取的信息量不足，觀察距離受限的問題。而且，目前的車載視頻安全輔助系統(tǒng)還存在功能單一，成本居高的問題。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的在于改進(jìn)已有技術(shù)的不足而提供一種實現(xiàn)視圖像增強(qiáng)、消噪、色彩銳化等效果、提高圖像對比度、清晰度，以得到與原始圖像接近、符合人眼視覺特性的圖像、路邊線檢測、障礙物測距的用于車輛安全輔助視頻圖象處理方法。
[0004]本發(fā)明的目的是這樣實現(xiàn)的，一種用于車輛安全輔助視頻圖像處理方法，將車載視頻設(shè)備采集的圖像進(jìn)行處理，其特點是該方法包括圖像增強(qiáng)、降噪、強(qiáng)光抑制方法、道路線檢測方法和障礙物監(jiān) 測方法，其中所述的圖像增強(qiáng)、降噪、強(qiáng)光抑制方法是:
a、對視頻中的每幀圖像單獨分析，首先對圖像進(jìn)行平滑處理，以去除圖像中的噪聲，得到圖像的直方圖H和圖像的歸一化方差C ；
b、對圖像應(yīng)用改進(jìn)的多尺度Retinex算法，采用三個尺度的模板得到不同尺度下增強(qiáng)的圖像11、12、13，再根據(jù)圖像的歸一化方差C的值，選擇不同的權(quán)重系數(shù)wl、w2、w3，根據(jù)權(quán)重將不同尺度下的增強(qiáng)圖像進(jìn)行融合，得到最終的增強(qiáng)圖像I，I=wl*Il + w2*I2 + w3*I3,權(quán)重的選擇方式如下:
0=0.7 時，wl=0.5，w2=0.3，w3=0.2
0.3〈C〈0.7 時，wl=0.3，w2=0.4，w3=0.3
C〈0.3 時，wl=0.2，w2=0.3，w3=0.5
其中wl/Il，w2/I2, w3/I3分別代表小尺度、中尺度和大尺度的權(quán)重及增強(qiáng)后的圖像；
C、根據(jù)圖像分析的結(jié)果，應(yīng)用動態(tài)直方圖映射算法，選取a，b兩點，a, b兩點的橫坐標(biāo)Xa、Xb由直方圖兩端各5%的能量值對應(yīng)的灰度級別確定，a, b兩點的縱坐標(biāo)值計算如下:Ya=Xa*(1-β)
Yb=Xb* (1+ β)
其中β為直方圖偏向O或255程度的度量，設(shè)Hl為圖像直方圖中0-127量級的總和，Η2為直方圖中128-255量級的總和，則:β =|Η1-Η2|/Η可見，若圖像分布的較為均衡，則Hl與H2約接近，β就會趨近為O，圖像所做的變換幅度就較??；相反若圖像中灰度分布不均衡，算法就會根據(jù)直方圖分布動態(tài)映射像素值；
d、將Retinex算法和動態(tài)直方圖映射算法的結(jié)果以各占50%權(quán)重的方式結(jié)合起來，得到最終的圖像；
所述的道路線檢測方法:
a、進(jìn)行車載近紅外燈照射區(qū)域劃分，得出紅外燈照射區(qū)域和非照射區(qū)域；由于近紅外燈照射區(qū)域集中在車輛的正前方，且在周圍光源較少的情況下，其亮度一般遠(yuǎn)高于未照射區(qū)域，則可使用圖像的最大類間方差方法進(jìn)行圖像區(qū)域的分割，得到近紅外燈照射區(qū)域和非照射區(qū)域，具體方法如下:得到圖像的直方圖H，然后應(yīng)用圖像的最大類間方差方法得到圖像的分割閾值T，則圖像中的像素被閾值分為兩類，即紅外燈照射區(qū)域R和非照射區(qū)域R，;
b、計算當(dāng)前紅外燈照射區(qū)域內(nèi)圖像的平均方差C，作為道路粗糙程度的度量，其公式為:C=sum(ρ (i)-p (1-1) )/2,其中求和函數(shù)sum遍歷整個紅外燈照射區(qū)域R ；
C、從紅外燈照射區(qū)域的中下部開始進(jìn)行區(qū)域的生長，初始生長區(qū)域為圖像最下面正中央的矩形區(qū)域，其尺寸為M*N，M和N —般設(shè)置為20-40之間的值，然后比較此區(qū)域左、右和上面的矩形區(qū)域，若其矩形內(nèi)方差與照射區(qū)域方差近似則認(rèn)為是紅外照射區(qū)域，當(dāng)區(qū)域生長停止時，得到的區(qū)域即為使用此方法得到的紅外照射區(qū)域，此區(qū)域由左右兩條直線圍成，左面直線為LI，右面直線為Rl ；
d、因紅外照射燈照射的區(qū)域成三角形，在視頻中自然形成兩條直線邊界，使用經(jīng)典的霍夫變換的方法可檢測圖像中的直線，檢測出的左面直線為L2，右面直線為R2 ；
e、分別對左面和右面的兩條直線L1、L2和Rl、R2進(jìn)行再擬合，生成最終的行車邊沿線L和R ;
f、由于行車中路況復(fù)雜，及車輛抖動等原因，得到的行車邊沿線L和R會不斷抖動，通過對擬合出的邊沿線進(jìn)行低通濾波去除了其抖動得到最終的馬路線，其低通濾波過程為:
L(i)=a*L(i) + b*L(i_l) + c*L(i_3)
其中a、b、c為各時刻直線所占的比重，同時設(shè)置閾值1'_(*&1^6，只有當(dāng)行車線的變動超過此閾值時，才改變行車線位置；
所述的障礙物監(jiān)測:
a、獲得行車線區(qū)域后，行車線即為所述的低通濾波后得到的L(i)，即獲得了車輛行駛前方道路區(qū)域的位置，計算獲得的視頻圖像下方SOpixel高的道路區(qū)域中圖像的方差C，若此方差小于預(yù)設(shè)的閾值T，則可判定此區(qū)域為平坦的，計算此區(qū)域的圖像平均灰度Y，作為正常道路區(qū)域的平均灰度；
b、將道路區(qū)域中大于平均灰度Y的像素標(biāo)出，經(jīng)過去噪、濾波等操作去除噪聲點后，再進(jìn)行像素的聚類，若得到某一區(qū)域的平均灰度值大于道路的平均灰度值Y，則此區(qū)域就被判定為可能存在障礙物。
[0005]本發(fā)明與已有技術(shù)相比具有以下顯著特點和積極效果:本發(fā)明結(jié)合了基于Retinex的視頻增強(qiáng)算法和動態(tài)直方圖映射的圖像處理方法，采用改進(jìn)后的Retinex算法對圖像進(jìn)行局部的增強(qiáng)，同時采用動態(tài)直方圖映射的算法進(jìn)行全局的圖像增強(qiáng)，最后根據(jù)圖像分析的結(jié)果將兩種增強(qiáng)的結(jié)果以權(quán)重的形式結(jié)合起來，得到最終的增強(qiáng)圖像。通過對視頻的實時分析自適應(yīng)的調(diào)整算法的權(quán)重和參數(shù)，使得其可以適應(yīng)各種天氣和光照情況。
[0006]通過改進(jìn)后的Retinex算法和動態(tài)直方圖映射算法的結(jié)合實現(xiàn)圖像增強(qiáng)、消噪、色彩銳化等處理；本發(fā)明對視頻中的每幀圖像單獨分析，首先對圖像進(jìn)行平滑處理，以去除圖像中的噪聲，由于視頻圖像的內(nèi)容變化較大，單一的算法參數(shù)無法應(yīng)用到不同的視頻場景中，對實際的視頻處理算法來說，必然需要使用自適應(yīng)的圖像處理方法，而這些方法首先需要分析圖像得到圖像的統(tǒng)計信息，作為設(shè)定參數(shù)的依據(jù)；傳統(tǒng)的多尺度的Retinex算法的三通道的權(quán)重相同，對于細(xì)節(jié)不同的圖像來說，無法取得最好的增強(qiáng)效果，本發(fā)明提出根據(jù)圖像內(nèi)細(xì)節(jié)豐富程度給予不同尺度的增強(qiáng)圖像以不同權(quán)重的思想，很好的適應(yīng)了不同圖像內(nèi)容和場景的增強(qiáng)要求；本發(fā)明根據(jù)圖像分析的結(jié)果，應(yīng)用動態(tài)直方圖映射算法，若圖像分布的較為均衡，圖像所做的變換幅度就較小，相反若圖像中灰度分布不均衡，算法就會根據(jù)直方圖分布動態(tài)映射像素值；由于視頻處理的復(fù)雜性，單一的算法難以應(yīng)付所有的場景，或在任意場景中都取得最優(yōu)的效果，這就需要將多種算法得到的結(jié)果綜合起來，本算法將Retinex算法和動態(tài)直方圖映射算法的結(jié)果以一定的權(quán)重比例結(jié)合起來，得到最終的圖像。權(quán)重關(guān)系可設(shè)置為經(jīng)驗值，一般取(0.5，0.5)，即兩種算法各占一半的比重。
[0007]本算法通過對圖像中道路邊緣的分析，輔助駕駛員對道路線的觀察。其設(shè)計難點在于:由于馬路邊緣的不規(guī)則，可能影響算法對其的檢測，道路本身的凹凸不平也會導(dǎo)致檢測結(jié)果不穩(wěn)定。本算法通過使用邊緣檢測、區(qū)域生長、局部粗糙度分析和低通濾波等算法，最大程度上實現(xiàn)了馬路邊緣線的輔助檢測；根據(jù)夜視圖像的特點，本發(fā)明首先通過預(yù)設(shè)參數(shù)將圖像劃分為近紅外燈照射區(qū)域和非照射區(qū)域，區(qū)域的劃分與車載紅外燈的照射角度、安裝位置相關(guān)；然后通過在近紅外區(qū)域內(nèi)檢測圖像的平均方差得到道路粗糙程度的一個度量，這個度量作為區(qū)域生長和邊緣擬合的參數(shù)；馬路區(qū)域的生長從視頻的中間下方開始進(jìn)行，向上方和兩邊生長；然后對生長出來的道路區(qū)域，進(jìn)行馬路邊沿的擬合生成馬路線；由于道路特性的復(fù)雜，生成的馬路線可能會有較高頻率的變化，這一變化會影響駕駛員的視覺感官，而通過對生成的馬路線進(jìn)行低通濾波可使其較為穩(wěn)定。
[0008]經(jīng)過本發(fā)明方法進(jìn)行處理過的圖像，符合人眼視覺特性，視頻圖像在色彩、亮度、對比度、物體細(xì)節(jié)顯示方面等都得到了改善，并且增加了在霧、霾、塵等天氣情況下可視距離，利于行車安全。
【專利附圖】

【附圖說明】
[0009]下面結(jié)合附圖和實施例對本發(fā)明做進(jìn)一步詳細(xì)說明。
[0010]圖1為本發(fā)明直方圖映射曲線。
【具體實施方式】
[0011]實施例，一種用于車輛安全輔助視頻圖像處理方法，將車載攝像設(shè)備采集的圖像進(jìn)行處理，包括圖像增強(qiáng)、降噪、強(qiáng)光抑制方法、道路線檢測方法和障礙物監(jiān)測方法，其中所述的圖像增強(qiáng)、降噪、強(qiáng)光抑制方法是:
a、對視頻中的每幀圖像單獨分析，首先對圖像進(jìn)行平滑處理，以去除圖像中的噪聲，然后得到圖像的直方圖H和圖像的歸一化方差C，由于視頻圖像的內(nèi)容變化較大，單一的圖像處理算法參數(shù)無法應(yīng)用到不同的視頻場景中，對實際的視頻處理算法來說，必然需要使用自適應(yīng)的圖像處理方法，而這些方法首先需要分析圖像得到圖像的統(tǒng)計信息，作為設(shè)定參數(shù)的依據(jù)；
b、對圖像應(yīng)用改進(jìn)的多尺度Retinex算法，采用三個尺度的模板得到不同尺度下增強(qiáng)的圖像11、12、13，再根據(jù)圖像的歸一化方差C的值，選擇不同的權(quán)重系數(shù)wl、w2、w3，根據(jù)權(quán)重將不同尺度下的增強(qiáng)圖像進(jìn)行融合，得到最終的增強(qiáng)圖像I，I=wl*Il + w2*I2 + w3*I3,權(quán)重的選擇方式如下:
0=0.7 時，wl=0.5，w2=0.3，w3=0.2
0.3〈C〈0.7 時，wl=0.3，w2=0.4，w3=0.3
C〈0.3 時，wl=0.2，w2=0.3，w3=0.5 其中wl/Il，《2/12，w3/I3分別代表小尺度、中尺度和大尺度的權(quán)重及增強(qiáng)后的圖像，各尺度之間劃分的界限是由多尺度Retinex算法本身定義；傳統(tǒng)的多尺度的Retinex算法的三通道的權(quán)重相同，對于細(xì)節(jié)不同的圖像來說，無法取得最好的增強(qiáng)效果，本算法提出根據(jù)圖像內(nèi)細(xì)節(jié)豐富程度給予不同尺度的增強(qiáng)圖像以不同權(quán)重的思想，很好的適應(yīng)了不同圖像內(nèi)容和場景的增強(qiáng)要求；
C、根據(jù)圖像分析的結(jié)果，應(yīng)用動態(tài)直方圖映射算法，直方圖映射曲線如圖1所示:
圖中a，b兩點的橫坐標(biāo)Xa，Xb由直方圖兩端各5%的能量值對應(yīng)的灰度級別確定，a, b兩點的縱坐標(biāo)值計算如下:
Ya=Xa* (1-β) Yb=Xb* (1+ β )
其中β為直方圖偏向O或255程度的度量，設(shè)Hl為圖像直方圖中0-127量級的總和，Η2為直方圖中128-255量級的總和，則:β =|Η1-Η2|/Η
可見，若圖像分布的較為均衡，則Hl與Η2約接近，β就會趨近為0，圖像所做的變換幅度就較小，相反若圖像中灰度分布不均衡，算法就會根據(jù)直方圖分布動態(tài)映射像素值；d、由于視頻處理的復(fù)雜性，單一的處理方法難以應(yīng)付所有的場景，或在任意場景中都取得最優(yōu)的效果，這就需要將多種處理方法得到的結(jié)果綜合起來，本發(fā)明是將Retinex算法和動態(tài)直方圖映射算法的結(jié)果以一定的權(quán)重比例結(jié)合起來，得到最終的圖像。權(quán)重關(guān)系可設(shè)置為經(jīng)驗值，一般取(0.5,0.5)，即兩種算法各占一半的比重；
所述的道路線檢測方法:
a、進(jìn)行車載近紅外燈照射區(qū)域劃分，得出紅外燈照射區(qū)域和非照射區(qū)域；由于近紅外燈照射區(qū)域集中在車輛的正前方，且在周圍光源較少的情況下，其亮度一般遠(yuǎn)高于未照射區(qū)域，則可使用圖像的最大類間方差方法進(jìn)行圖像區(qū)域的分割，得到近紅外燈照射區(qū)域和非照射區(qū)域，具體方法如下:得到圖像的直方圖H，然后應(yīng)用圖像的最大類間方差方法得到圖像的分割閾值T，則圖像中的像素被閾值分為兩類，即紅外燈照射區(qū)域R和非照射區(qū)域R，;
b、計算當(dāng)前紅外燈照射區(qū)域內(nèi)圖像的平均方差C，作為道路粗糙程度的度量，其公式為:C=sum(P (i)-p (1-1) )/2,其中求和函數(shù)sum遍歷整個紅外燈照射區(qū)域R ；
C、從紅外燈照射區(qū)域的中下部開始進(jìn)行區(qū)域的生長，初始生長區(qū)域為圖像最下面正中央的矩形區(qū)域，其尺寸為M*N，M和N —般設(shè)置為20-40之間的值，然后比較此區(qū)域左、右和上面的矩形區(qū)域，若其矩形內(nèi)方差與照射區(qū)域方差近似則認(rèn)為是紅外照射區(qū)域，當(dāng)區(qū)域生長停止時，得到的區(qū)域即為使用此方法得到的紅外照射區(qū)域，此區(qū)域由左右兩條直線圍成，左面直線為LI，右面直線為Rl ；
d、因紅外照射燈照射的區(qū)域成三角形，在視頻中自然形成兩條直線邊界，使用經(jīng)典的霍夫變換的方法可檢測圖像中的直線，檢測出的左面直線為L2，右面直線為R2 ；
e、分別對左面和右面的兩條直線L1、L2和Rl、R2進(jìn)行再擬合，生成最終的行車邊沿線L和R ;
f、由于行車中路況復(fù)雜，及車輛抖動等原因，得到的行車邊沿線L和R會不斷抖動，通過對擬合出的邊沿線進(jìn)行低通濾波去除了其抖動得到最終的馬路線，其低通濾波過程為:
L⑴=a*L(i) + b*L(1-l) + c*L(i_3)，其中a、b、c為各時刻直線所占的比重，一般a、
b、c各取1/3即可，同時設(shè)置閾值T_change，只有當(dāng)行車線的變動超過此閾值時，才改變行車線位置；
所述的障礙物監(jiān)測:
a、獲得行車線區(qū)域后，行車線即為所述的低通濾波后得到的L(i)，即獲得了車輛行駛前方道路區(qū)域的位置，計算獲得的視頻圖像下方SOpixel高的道路區(qū)域中圖像的方差C，若此方差小于預(yù)設(shè)的閾值T，則可判定此區(qū)域為平坦的，計算此區(qū)域的圖像平均灰度Y，作為正常道路區(qū)域的平均灰度；
b、將道路區(qū)域中大于平均灰度Y的像素標(biāo)出，經(jīng)過去噪、濾波等操作去除噪聲點后，再進(jìn)行像素的聚類，若得到某一區(qū)域的平均灰度值大于道路的平均灰度值Y，則此區(qū)域就被判定為可能存在障礙物。
【權(quán)利要求】
1.一種用于車輛安全輔助視頻圖像處理方法，將車載視頻設(shè)備采集的圖像進(jìn)行處理，其特征是該方法包括圖像增強(qiáng)、降噪、強(qiáng)光抑制方法、道路線檢測方法和障礙物監(jiān)測方法，其中所述的圖像增強(qiáng)、降噪、強(qiáng)光抑制方法是: a、對視頻中的每幀圖像單獨分析，首先對圖像進(jìn)行平滑處理，以去除圖像中的噪聲，得到圖像的直方圖H和圖像的歸一化方差C ； b、對圖像應(yīng)用改進(jìn)的多尺度Retinex算法，采用三個尺度的模板得到不同尺度下增強(qiáng)的圖像11、12、13，再根據(jù)圖像的歸一化方差C的值，選擇不同的權(quán)重系數(shù)wl、w2、w3，根據(jù)權(quán)重將不同尺度下的增強(qiáng)圖像進(jìn)行融合，得到最終的增強(qiáng)圖像I，I=wl*Il + w2*I2 + w3*I3,權(quán)重的選擇方式如下: c=0.7 時，wl=0.5，w2=0.3，w3=0.2 . 0.3〈C〈0.7 時，wl=0.3，w2=0.4，w3=0.3
C〈0.3 時，wl=0.2，w2=0.3，w3=0.5 其中wl/Il，w2/I2, w3/I3分別代表小尺度、中尺度和大尺度的權(quán)重及增強(qiáng)后的圖像； C、根據(jù)圖像分析的結(jié)果，應(yīng)用動態(tài)直方圖映射算法，選取a，b兩點，a, b兩點的橫坐標(biāo)Xa、Xb由直方圖兩端各5%的能量值對應(yīng)的灰度級別確定，a, b兩點的縱坐標(biāo)值計算如下:Ya=Xa*(1-β)
Yb=Xb* (1+ β) 其中β為直方圖偏向O或255程度的度量，設(shè)Hl為圖像直方圖中0-127量級的總和，Η2為直方圖中128-255量級的總和，則:β =|Η1-Η2|/Η 可見，若圖像分布的較為均衡，則Hl與Η2約接近，β就會趨近為0，圖像所做的變換幅度就較??；相反若圖像中灰度分布不均衡，算法就會根據(jù)直方圖分布動態(tài)映射像素值；d、將Retinex算法和動態(tài)直方圖映射算法的結(jié)果以各占50%權(quán)重的方式結(jié)合起來，得到最終的圖像； 所述的道路線檢測方法: a、進(jìn)行車載近紅外燈照射區(qū)域劃分，得出紅外燈照射區(qū)域和非照射區(qū)域；由于近紅外燈照射區(qū)域集中在車輛的正前方，且在周圍光源較少的情況下，其亮度一般遠(yuǎn)高于未照射區(qū)域，則可使用圖像的最大類間方差方法進(jìn)行圖像區(qū)域的分割，得到近紅外燈照射區(qū)域和非照射區(qū)域，具體方法如下:得到圖像的直方圖H，然后應(yīng)用圖像的最大類間方差方法得到圖像的分割閾值T，則圖像中的像素被閾值分為兩類，即紅外燈照射區(qū)域R和非照射區(qū)域R，; b、計算當(dāng)前紅外燈照射區(qū)域內(nèi)圖像的平均方差C，作為道路粗糙程度的度量，其公式為:C=sum(p(i)-p(1-l))/2,其中求和函數(shù)sum遍歷整個紅外燈照射區(qū)域R ； C、從紅外燈照射區(qū)域的中下部開始進(jìn)行區(qū)域的生長，初始生長區(qū)域為圖像最下面正中央的矩形區(qū)域，其尺寸為M*N，M和N —般設(shè)置為20-40之間的值，然后比較此區(qū)域左、右和上面的矩形區(qū)域，若其矩形內(nèi)方差與照射區(qū)域方差近似則認(rèn)為是紅外照射區(qū)域，當(dāng)區(qū)域生長停止時，得到的區(qū)域即為使用此方法得到的紅外照射區(qū)域，此區(qū)域由左右兩條直線圍成，左面直線為LI，右面直線為Rl ； d、 因紅外照射燈照射的區(qū)域成三角形，在視頻中自然形成兩條直線邊界，使用經(jīng)典的霍夫變換的方法可檢測圖像中的直線，檢測出的左面直線為L2，右面直線為R2 ； e、分別對左面和右面的兩條直線L1、L2和Rl、R2進(jìn)行再擬合，生成最終的行車邊沿線L和R ; f、由于行車中路況復(fù)雜，及車輛抖動等原因，得到的行車邊沿線L和R會不斷抖動，通過對擬合出的邊沿線進(jìn)行低通濾波去除了其抖動得到最終的馬路線，其低通濾波過程為:
L(i)=a*L(i) + b*L(i_l) + c*L(i_3) 其中a、b、c為各時刻直線所占的比重，同時設(shè)置閾值T_change，只有當(dāng)行車線的變動超過此閾值時，才改變行車線位置； 所述的障礙物監(jiān)測: a、獲得行車線區(qū)域后，行車線即為所述的低通濾波后得到的L(i)，即獲得了車輛行駛前方道路區(qū)域的位置，計算獲得的視頻圖像下方SOpixel高的道路區(qū)域中圖像的方差C，若此方差小于預(yù)設(shè)的閾值T，則可判定此區(qū)域為平坦的，計算此區(qū)域的圖像平均灰度Y，作為正常道路區(qū)域的平均灰度； b、將道路區(qū)域中大于平均灰度Y的像素標(biāo)出，經(jīng)過去噪、濾波等操作去除噪聲點后，再進(jìn)行像素的聚類，若得到某一區(qū)域的平均灰度值大于道路的平均灰度值Y，則此區(qū)域就被判定為可能存在障礙物。
【文檔編號】G06T5/00GK103745433SQ201310641988
【公開日】2014年4月23日 申請日期:2013年12月5日 優(yōu)先權(quán)日:2013年12月5日
【發(fā)明者】宋優(yōu)春, 宋永生, 張寅生, 林春亮, 郭忠岳, 趙浩志 申請人:萊陽市科盾通信設(shè)備有限責(zé)任公司