本發(fā)明具體涉及一種多模型結合的非結構化道路檢測方法。

背景技術：

實際道路一般可分為結構化道路和非結構化道路兩類，結構化道路一般是指高速公路和部分結構化較好的公路，具有較清晰的車道線和道路邊界，此種類型的道路擁有明顯的特征，檢測算法較成熟。非結構道路一般指沒有道路線和清晰道路邊界的道路，并受到陰影和水跡的影響，道路區(qū)域和非道路區(qū)域難以區(qū)分。目前國內外對非結構化道路的檢測算法還處于研究階段，大多數(shù)的道路檢測系統(tǒng)智能檢測一定限制條件下的道路模型，還不夠成熟。

技術實現(xiàn)要素：

本發(fā)明要解決的技術問題是提供一種多模型結合的非結構化道路檢測方法。

多模型結合的非結構化道路檢測方法，包括以下步驟：

s1：采用均值濾波器和二次采樣法相結合，將待處理彩色圖像由高分辨率變?yōu)榈头直媛蕡D像，并對圖像進行光照補償；

s2：用優(yōu)化聚類中心的k-means算法對處理圖像進行混合高斯模型的求解；

s3：通過最小二乘法求解左右道路拋物線模型參數(shù)；完成對道路邊界線的擬合，實現(xiàn)道路邊界提取。

進一步的，步驟s2中混合高斯模型方法如下：

1）高斯分布如下式：

，

其中，x為多為向量，，為模型協(xié)方差，為模型均值；

2）建立yuv顏色模型：

；

；

；

3）強度模型，強度i定義為：

；

4）兩通道模型，將標準化的rgb轉換為紅綠兩通道，即求得紅綠通道比例，

；

；

進一步的，優(yōu)化聚類中心的k-means算法如下：

1）將k-means濾波器的2個階段簡化如下：

預測階段：

更新階段：

其中，為協(xié)方差矩陣，是在時刻k對真實狀態(tài)的測量值，滿足如下公式：

，

其中，是觀測噪聲，為均值為零、協(xié)方差為的正態(tài)分布；是過程噪聲，為均值為零、協(xié)方差矩陣為的多元正態(tài)分布；

2）初始化聚類中心，若初始處理圖像是第1幀圖像，先隨機選取k個向量，否則令，其中是由k-means濾波器預測的當前最優(yōu)狀態(tài)；

3）利用聚類中心對數(shù)據(jù)集x進行k聚類，即

，j=1,2,…,k；

其中，為某種范數(shù)，此處范數(shù)取為2-范數(shù)；

4）更新聚類中心：

，j=1,2,…,k；

5）判定：若全部聚類中心相對于上一次聚類中心變化足夠小，結束，否則重復步驟3）、4），直到收斂到聚類中心。

進一步的，步驟s3的具體過程如下：

1）構建道路拋物線模型：在xoy直角坐標系中，其模型為：

，

其中，是車道線到縱軸的距離，是車道線切線方向的參數(shù)，是車道線曲率；

2）道路拋物線模型求解過程：

對于道路邊界點集合k，取m+1對數(shù)據(jù)，i=0,1,…,m；由下式分別對求導；

；

令導數(shù)等于零，解方程組求得，，的值，從而求得道路拋物線模型的具體表達式。

本發(fā)明的有益效果是：

本發(fā)明在處理過程的每一步都調整彩色模型和光照變化的補償，最后用二次拋物線道路模型擬合出道路邊界線，該方法能很好地處理受光照不均、陰影和其他噪聲影響的圖像，較準確地擬合出非結構化道路邊界線，抗干擾性強。

具體實施方式

以下具體實施例對本發(fā)明作進一步闡述，但不作為對本發(fā)明的限定。

多模型結合的非結構化道路檢測方法，包括以下步驟：

s1：采用均值濾波器和二次采樣法相結合，將待處理彩色圖像由高分辨率變?yōu)榈头直媛蕡D像，并對圖像進行光照補償；

s2：用優(yōu)化聚類中心的k-means算法對處理圖像進行混合高斯模型的求解；

s3：通過最小二乘法求解左右道路拋物線模型參數(shù)；完成對道路邊界線的擬合，實現(xiàn)道路邊界提取。

步驟s2中混合高斯模型方法如下：

1）高斯分布如下式：

，

其中，x為多為向量，，為模型協(xié)方差，為模型均值；

2）建立yuv顏色模型：

；

；

；

3）強度模型，強度i定義為：

；

4）兩通道模型，將標準化的rgb轉換為紅綠兩通道，即求得紅綠通道比例，

；

；

優(yōu)化聚類中心的k-means算法如下：

1）將k-means濾波器的2個階段簡化如下：

預測階段：

更新階段：

其中，為協(xié)方差矩陣，是在時刻k對真實狀態(tài)的測量值，滿足如下公式：

，

其中，是觀測噪聲，為均值為零、協(xié)方差為的正態(tài)分布；是過程噪聲，為均值為零、協(xié)方差矩陣為的多元正態(tài)分布；

2）初始化聚類中心，若初始處理圖像是第1幀圖像，先隨機選取k個向量，否則令，其中是由k-means濾波器預測的當前最優(yōu)狀態(tài)；

3）利用聚類中心對數(shù)據(jù)集x進行k聚類，即

，j=1,2,…,k；

其中，為某種范數(shù)，此處范數(shù)取為2-范數(shù)；

4）更新聚類中心：

，j=1,2,…,k；

5）判定：若全部聚類中心相對于上一次聚類中心變化足夠小，結束，否則重復步驟3）、4），直到收斂到聚類中心。

步驟s3的具體過程如下：

1）構建道路拋物線模型：在xoy直角坐標系中，其模型為：

，

其中，是車道線到縱軸的距離，是車道線切線方向的參數(shù)，是車道線曲率；

2）道路拋物線模型求解過程：

對于道路邊界點集合k，取m+1對數(shù)據(jù)，i=0,1,…,m；由下式分別對求導；

；

令導數(shù)等于零，解方程組求得，，的值，從而求得道路拋物線模型的具體表達式。