本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體涉及一種航拍公路圖像的公路定位方法，特別是利用梯度、顏色信息以及定位公路兩側(cè)白色標(biāo)線的方法實(shí)現(xiàn)對(duì)公路的精確定位算法。

背景技術(shù)：

隨著無(wú)人機(jī)技術(shù)的快速發(fā)展，公路路面檢測(cè)又多了一個(gè)新的有效的方法。以往，對(duì)于公路的檢測(cè)工作需要路政工作人員開(kāi)車對(duì)每一條公路路段進(jìn)行人工檢查，這種方式不僅費(fèi)時(shí)費(fèi)力同時(shí)由于人工檢測(cè)受到工作人員精神狀態(tài)等影響容易出現(xiàn)較大的誤差。利用無(wú)人機(jī)航拍公路圖像，并對(duì)公路路面進(jìn)行自動(dòng)分析可以有效克服以上局限性，同時(shí)減少路政工作人員的勞動(dòng)力，提高工作效率。

目前公路檢測(cè)算法主要由公路定位、標(biāo)線檢測(cè)、標(biāo)線識(shí)別和損壞程度判斷幾部分組成^[6](葉云.基于機(jī)器視覺(jué)的道路標(biāo)線損壞智能檢測(cè)設(shè)想[j].公路與汽運(yùn),2016(3):55-57.)所以在分析之前，對(duì)路面區(qū)域的檢測(cè)是一個(gè)關(guān)鍵問(wèn)題。

目前對(duì)于航拍公路圖像路面定位的研究較少。高志峰等利用改進(jìn)的hough變換車道線直線檢測(cè)方法，該方法利用車道線的線特征以及方向特性和強(qiáng)度信息以及最小二乘擬合方法，提高檢測(cè)直線的精確性，但該方法較為復(fù)雜，計(jì)算量較高，適用性不強(qiáng)(高志峰,汪渤,周志強(qiáng),等.一種魯棒的非平坦路面車道線檢測(cè)算法[j].北京理工大學(xué)學(xué)報(bào),2013,33(1).)。劉富強(qiáng)等提出了一種適用于自主駕駛的車道標(biāo)線檢測(cè)跟蹤算法，該算法可同時(shí)適應(yīng)彎曲道路和直道路的檢測(cè)，但該方法適用于車載環(huán)境，對(duì)環(huán)境要求較高(劉富強(qiáng),張姍姍,朱文紅,等.一種基于視覺(jué)的車道線檢測(cè)與跟蹤算法[j].同濟(jì)大學(xué)學(xué)報(bào):自然科學(xué)版,2010,38(2).)。胡曉等根據(jù)道路圖像不同物體顏色特征，按照特征顏色設(shè)計(jì)轉(zhuǎn)移函數(shù)，標(biāo)記佳通視頻圖像中的特征顏色區(qū)域，提出了基于特征顏色的車道檢測(cè)算法，由于顏色特征存在局限，不同公路，不同時(shí)間，顏色差異較大，所以該方法容易存在較大誤差(胡驍,李歲勞,吳劍.基于特征顏色的車道線檢測(cè)算法[j].計(jì)算機(jī)仿真,2011,28(10):344-348.)。

技術(shù)實(shí)現(xiàn)要素：

發(fā)明目的：為了克服現(xiàn)有技術(shù)存在的問(wèn)題，使公路定位更加高效、準(zhǔn)確度更好、適應(yīng)性更強(qiáng)，本發(fā)明提供一種航拍公路圖像的公路定位方法。

技術(shù)方案：一種航拍公路圖像的公路定位方法，包括以下步驟：

步驟s1：對(duì)公路進(jìn)行航拍，得到航拍圖像，對(duì)航拍圖像進(jìn)行預(yù)處理，得到待檢測(cè)的規(guī)范化圖像，并輸入圖像基本信息，所述圖像基本信息包括公路的數(shù)量、每條公路的寬度、現(xiàn)實(shí)中對(duì)應(yīng)的公路寬度、公路標(biāo)線的顏色及寬度；

步驟s2：利用hough變換方法定位規(guī)范化圖像中的最長(zhǎng)直線，依據(jù)所述最長(zhǎng)直線的傾斜角度將規(guī)范化圖像旋正；

步驟s3：從旋正的規(guī)范化圖像中獲取顏色信息和梯度信息，根據(jù)所述顏色信息以及梯度信息粗分割出公路區(qū)域；

步驟s4：根據(jù)步驟s3得到的粗分割出的公路區(qū)域以及步驟s1輸入的圖像基本信息，定位圖像內(nèi)所有符合步驟s1中輸入的公路標(biāo)線的顏色以及寬度條件的白色標(biāo)線，從所述白色標(biāo)線中篩選出所有符合步驟s1中輸入的公路的寬度條件的擬公路區(qū)域；

步驟s5：對(duì)于所有的擬公路區(qū)域，計(jì)算步驟s3粗分割出的公路區(qū)域的像素個(gè)數(shù)以及公路區(qū)域占比，將公路區(qū)域占比按由大到小排序，并結(jié)合步驟s1中輸入的公路的數(shù)量，得到最終定位結(jié)果。

進(jìn)一步的，所述步驟s1中預(yù)處理的步驟包括：手動(dòng)篩選航拍圖像中公路為上下方向且傾斜角度小于45度的航拍圖像；然后將篩選出來(lái)的航拍圖像按等比例縮放到寬度為2000像素，并記錄縮放比例。

進(jìn)一步的，所述步驟s2的方法為：對(duì)規(guī)范化圖像進(jìn)行灰度化；利用canny算子進(jìn)行邊緣檢測(cè)；利用hough變換方法檢測(cè)直線，檢測(cè)直線角度范圍為-45度到45度，并從檢測(cè)到的直線中篩選出最長(zhǎng)直線；計(jì)算所述最長(zhǎng)直線的傾斜角度；將規(guī)范化圖像反向旋轉(zhuǎn)傾斜角度至公路在圖像中豎直分布。

進(jìn)一步的，所述步驟s3粗分割出公路區(qū)域的方法包括：

步驟s31：對(duì)規(guī)范化圖像進(jìn)行復(fù)制，得到復(fù)制圖像，所述復(fù)制圖像用于繪制梯度與顏色檢測(cè)結(jié)果；

步驟s32：用豎向sobel算子對(duì)規(guī)范化圖像進(jìn)行邊緣檢測(cè)，得到梯度圖像；

步驟s33：利用滑動(dòng)窗口從所述梯度圖像中提取局部梯度信息，所述滑動(dòng)窗口的大小為白色標(biāo)線寬度的兩倍；

步驟s34：對(duì)于所述局部梯度信息，計(jì)算平均梯度以及梯度大于50的像素點(diǎn)的比例，如果平均梯度大于20，并且梯度大于50的像素點(diǎn)的比例大于30％，則在所述復(fù)制圖像的對(duì)應(yīng)滑動(dòng)窗口位置的像素值設(shè)置為0，判定此處不是公路區(qū)域；

步驟s35：對(duì)圖像進(jìn)行顏色檢驗(yàn)，對(duì)于不符合公路顏色條件的像素點(diǎn)，在所述復(fù)制圖像中對(duì)應(yīng)的像素位置的像素值設(shè)置為0；

步驟s36：對(duì)處理后的圖像進(jìn)行形態(tài)學(xué)閉操作，得到更完整的公路區(qū)域；

步驟s37：對(duì)步驟s36的結(jié)果進(jìn)行豎向投影，以圖像高度的50％為閾值，得到符合步驟s1中輸入的公路的寬度條件的最左邊與最右邊位置，并將最左邊向左外擴(kuò)5％的寬度，最右邊向右外擴(kuò)5％的寬度，得到粗分割公路區(qū)域。

進(jìn)一步的，所述步驟s35中公路顏色條件為：r、g、b三通道的灰度值相差小于25，且r、g、b三分量的最小值大于70。

進(jìn)一步的，步驟s4具體包括：

步驟s41，根據(jù)步驟s3得到的粗分割的公路區(qū)域結(jié)果，在旋正的規(guī)范化圖像中分割出相應(yīng)區(qū)域作為精確定位區(qū)域；

步驟s42，利用豎向sobel算子對(duì)步驟s41分割的精確定位區(qū)域進(jìn)行邊緣檢測(cè)；

步驟s43，利用hough變換方法對(duì)圖像進(jìn)行直線檢測(cè)，hough變換檢測(cè)角度在-5度到5度之間；

步驟s44，對(duì)步驟s43檢測(cè)到的直線進(jìn)行歸類，將直線間角度差小于5度且截距小于25像素的直線歸為一類，根據(jù)直線的歸類結(jié)果，計(jì)算等效直線方程以及等效直線的寬度和顏色；

步驟s45，根據(jù)等效直線的長(zhǎng)度、傾斜角度、寬度以及顏色篩選出公路白色標(biāo)線；

步驟s46，根據(jù)步驟s1中輸入的圖像基本信息中的每條公路的寬度對(duì)步驟s45找到的白色標(biāo)線進(jìn)行道路的寬度篩選，找到所有符合公路寬度的直線對(duì)，每對(duì)直線中間區(qū)域作為擬公路區(qū)域。

進(jìn)一步的，所述步驟s44中，等效直線的寬度和顏色的計(jì)算方法為：以等效直線上每個(gè)像素點(diǎn)為中心，左右各取20像素，然后逐一計(jì)算相鄰像素的梯度，找到梯度最大以及梯度最小對(duì)應(yīng)的像素坐標(biāo)，坐標(biāo)差即為當(dāng)前像素點(diǎn)的寬度，同時(shí)記錄下坐標(biāo)間的所有像素顏色值，對(duì)整條等效直線所有像素點(diǎn)按此方法求得所有寬度并記錄對(duì)應(yīng)的像素顏色值，最終取所有寬度的眾數(shù)以及所有像素顏色值的眾數(shù)為等效直線的寬度以及顏色。

進(jìn)一步的，所述步驟s45中的篩選條件為：直線的長(zhǎng)度大于圖像高度的2/3，傾斜角度在-5度到5度之間，寬度在步驟s1中輸入的圖像基本信息中白色標(biāo)線寬度之間，顏色灰度大于150。

進(jìn)一步的，所述步驟s5中，公路區(qū)域占比為：計(jì)算每一組擬公路區(qū)域在步驟s3得到的粗分割結(jié)果圖像上相應(yīng)區(qū)域的有效像素個(gè)數(shù)，所述有效像素個(gè)數(shù)與圖像總像素個(gè)數(shù)相除得到公路區(qū)域占比。

有益效果：相比較現(xiàn)有技術(shù)，本發(fā)明提供的一種航拍公路圖像的公路定位方法，具有以下有益效果：降低了對(duì)圖片質(zhì)量的要求，算法簡(jiǎn)單，運(yùn)行速度快，準(zhǔn)確率高，實(shí)用性強(qiáng)，具有較好的適應(yīng)性以及可靠性。有效解決了航拍高度不定，公路顏色分布不均，以及航拍角度不同引起的圖像畸變給公路定位分割帶來(lái)的影響，同時(shí)適用于多條公路的定位分割。

附圖說(shuō)明

圖1是本發(fā)明一種航拍公路圖像的公路定位方法的流程圖；

圖2(a)是輸入的帶有傾斜的原始圖像；

圖2(b)是將圖像旋正(公路豎直)結(jié)果示意圖；

圖3(a)是利用sobel算子計(jì)算梯度的結(jié)果示意圖；

圖3(b)利用梯度與顏色篩選后的結(jié)果示意圖；

圖3(c)形態(tài)學(xué)閉操作后的結(jié)果示意圖；

圖4(a)直線歸類的結(jié)果示意圖；

圖4(b)利用標(biāo)線顏色、寬度篩選后留下的直線示意圖；

圖5為定位結(jié)果示意圖。

具體實(shí)施方式

下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。

本發(fā)明是一種航拍公路圖像的公路定位方法，特別是利用梯度、顏色信息以及定位公路兩側(cè)白色標(biāo)線的方法實(shí)現(xiàn)對(duì)公路的精確定位，方法流程見(jiàn)圖1。

步驟s1：對(duì)公路進(jìn)行航拍，得到航拍圖像，對(duì)航拍圖像進(jìn)行預(yù)處理，得到待檢測(cè)的規(guī)范化圖像，并輸入圖像基本信息。所述圖像基本信息包括公路的數(shù)量、每條公路的寬度、現(xiàn)實(shí)中對(duì)應(yīng)的公路寬度、公路標(biāo)線的顏色及寬度。圖像預(yù)處理包括：圖像的縮放、圖像的灰度化、圖像基本信息的輸入。

(1)圖像輸入為rgb格式圖像。

(2)篩選條件為公路在圖像中為豎直方向，并且傾斜角小于45度，如圖2(a)所示。

(3)圖像等比例縮放至圖像寬度為2000像素。

(4)圖像灰度化公式為gray＝(306*r+601*g+117*b)>>10。

(5)輸入的圖像基本信息包括：公路的數(shù)量，每條公路的寬度(單位像素)、現(xiàn)實(shí)中對(duì)應(yīng)的公路寬度(單位米)、白色標(biāo)線的寬度(單位像素)。

步驟s2：首先對(duì)規(guī)范化圖像進(jìn)行灰度化，利用canny算子進(jìn)行邊緣檢測(cè)，然后利用hough變換方法檢測(cè)直線，檢測(cè)直線角度范圍為-45度到45度之間，之后檢測(cè)出其中最長(zhǎng)的直線，計(jì)算該直線傾斜角度，并根據(jù)該傾斜角度將圖片旋正至圖像中公路豎直分布。旋正的圖像如圖2(b)所示。

步驟s3：從旋正的規(guī)范化圖像中獲取顏色信息和梯度信息，根據(jù)公路顏色信息以及梯度信息粗分割出公路區(qū)域，得到粗分割結(jié)果圖像。

步驟s31：對(duì)規(guī)范化圖像進(jìn)行復(fù)制，得到復(fù)制圖像gradcolorimage，用于繪制梯度與顏色檢測(cè)結(jié)果。

步驟s32，首先對(duì)圖像進(jìn)行sobel邊緣檢測(cè)，得到梯度圖像gradimage，如圖3(a)所示。

步驟s33，對(duì)步驟s32中得到的梯度圖像gradimage，利用滑動(dòng)窗口提取圖像局部梯度信息，滑動(dòng)窗口的大小計(jì)算方法為：標(biāo)線寬度的2倍。

步驟s34，對(duì)步驟s33中提取的每一個(gè)局部梯度信息，計(jì)算平均梯度averagegrad。同時(shí)計(jì)算梯度大于50的像素點(diǎn)的比例ratiograd。averagegrad大于20并且ratiograd大于30％，則將gradcolorimage圖像上滑動(dòng)窗口對(duì)應(yīng)位置的像素值設(shè)置為0，判定此處不是公路區(qū)域。

步驟s35，對(duì)原圖像進(jìn)行顏色檢驗(yàn)，對(duì)于不符合公路顏色條件的像素點(diǎn)，將gradcolorimage圖像上對(duì)應(yīng)的像素位置的像素值設(shè)置為0。公路顏色條件為：r、g、b三通道的灰度值相差小于25，且r、g、b三分量的最小值大于70。

如圖3(b)為顏色梯度檢測(cè)結(jié)果圖像gradcolorimage。

步驟s36，對(duì)篩選過(guò)后得到的圖像進(jìn)行形態(tài)學(xué)閉操作，使公路區(qū)域更連貫，得到更完整的公路區(qū)域。如圖3(c)為閉操作的結(jié)果圖像。

步驟s37，根據(jù)步驟s36的結(jié)果進(jìn)行豎向投影，以圖像高度50％為閾值，得到符合條件的最左邊與最右邊位置，并將最左最右分別向外擴(kuò)寬度的5％，以此位置作為粗分割公路區(qū)域。

步驟s4，在步驟s3得到的粗分割公路區(qū)域內(nèi)，定位公路內(nèi)部白色標(biāo)線，并找到所有符合道路寬度條件的擬公路位置。

步驟s41，首先根據(jù)步驟s3得到的粗分割公路區(qū)域的結(jié)果，進(jìn)行圖像分割，在旋正的規(guī)范化圖像中分割出相應(yīng)區(qū)域作為精確定位區(qū)域，得到精確定位圖像probimage。

步驟s42，對(duì)probimage，利用豎向sobel算子進(jìn)行邊緣檢測(cè)。

步驟s43，利用hough變換方法對(duì)圖像進(jìn)行直線檢測(cè)，hough變換檢測(cè)角度范圍在-5度到5度之間。

步驟s44，對(duì)步驟s43找到的直線進(jìn)行歸類，歸類條件為：角度差小于5度，截距小于25像素，如圖4(a)。并計(jì)算等效直線以及等效直線的寬度和顏色。等效直線的寬度以及顏色的計(jì)算方法為：對(duì)等效直線上每個(gè)像素點(diǎn)橫坐標(biāo)x，在x-20到x+20范圍內(nèi)，逐一計(jì)算相鄰像素的梯度，找到梯度最大值以及梯度最小值對(duì)應(yīng)的像素的坐標(biāo)max_x和min_x，坐標(biāo)差即為當(dāng)前像素點(diǎn)的寬度，即abs(max_x–min_x)，同時(shí)記錄下坐標(biāo)間的所有像素顏色值，對(duì)整條等效直線所有像素點(diǎn)按此方法求得所有寬度并記錄對(duì)應(yīng)的像素顏色值，最終取所有寬度的眾數(shù)以及所有像素顏色值的眾數(shù)為等效直線的寬度以及顏色。

步驟s45，根據(jù)等效直線的長(zhǎng)度、傾斜角度、寬度以及顏色信息篩選出符合條件的標(biāo)線。篩選條件為：

(1)直線的長(zhǎng)度大于圖像高度的2/3。

(2)傾斜角度小于5度。

(3)寬度在步驟1中輸入的標(biāo)線寬度之間。

(4)顏色灰度值大于150。

步驟s46，根據(jù)步驟s1中輸入的公路路寬信息對(duì)步驟s45得到的標(biāo)線進(jìn)行篩選，找到所有符合路寬條件的等效直線對(duì)作為擬公路區(qū)域，如圖4(b)為符合條件的示意圖。

步驟s5，對(duì)所有擬公路區(qū)域，計(jì)算步驟s3粗分割結(jié)果gradcolorimage中對(duì)應(yīng)區(qū)域的像素個(gè)數(shù)以及占比，對(duì)占比由大到小排序，并結(jié)合步驟s1中輸入的公路數(shù)量信息，得到最終定位結(jié)果，如圖5所示。公路區(qū)域占比計(jì)算方法為：對(duì)步驟s4確定的每一組擬公路區(qū)域，計(jì)算其在步驟s3得到的粗分割結(jié)果圖像gradcolorimage相應(yīng)區(qū)域的有效像素個(gè)數(shù)，與圖像總像素個(gè)數(shù)相除得到公路區(qū)域占比。

本發(fā)明對(duì)公路的定位準(zhǔn)確度達(dá)到95％以上，單次定位時(shí)間小于0.5s，對(duì)于公路顏色的適應(yīng)性較廣，對(duì)于由于拍攝原因產(chǎn)生的畸變同樣具有較好的效果，同時(shí)適應(yīng)多條公路的定位。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出：對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。