一种基于图像处理的车辙检测方法

摘要

本发明公开了一种基于图像处理的车辙检测方法，该方法首先通过摄像头采集道路彩色车辙图像，然后把彩色图片转化成单通道的灰度图，用一阶偏导的有限差分来计算高斯平滑后灰度图每个像素点的梯度，然后计算出梯度的幅值和方向，保留局部梯度最大的点，抑制非极大值，使用3个阈值                                                法检验和连接边缘，用50*50的窗口处理边缘点，最终实现车辙检测；本发明快速高效，能准确地检测出大多数的车辙。

主权项

一种基于图像处理的车辙检测方法，其特征在于，包括如下步骤：步骤1：通过摄像头采集道路彩色车辙图像；步骤2：把彩色图片转化成单通道的灰度图：用A[m,n]表示m行n列的矩阵A，A(y,x)表示在矩阵A中第y行第x列的值；一般的RGB图的转化公式为：g＝0.3×r+0.59×g+0.11×b用GI[m,n]保存灰度值，其中m是图像的高度，n是宽度；用GI(i,j)表示像素点(j,i)的灰度值；用SI[m,n]保存平滑后图像的灰度值；SI[m,n]的计算方法是：$\begin{array}{c}SI(y,x)={\Sigma }_{j=\max (0,x-2)}^{\min (n-1,x+2)}{\Sigma }_{i=\max (0,y-2)}^{\min (n-1,y+2)}GI(i,j)*\exp (-\frac{\left|\right|(y-x)-(i,j)|{|}^2}{2{\delta }^2})/\\ {\Sigma }_{j=\max (0,x-2)}^{\min (n-1,x+3)}{\Sigma }_{i=\max (0,y-2)}^{\min (m-1,y+2)}\exp (-\frac{\left|\right|(y,x)-(i,j)|{|}^2}{2{\delta }^2})\end{array}$步骤3：用一阶偏导的有限差分来计算高斯平滑后灰度图每个像素点的梯度，然后计算出梯度的幅值和方向：用Gx[m,n]表示梯度在水平方向的值，用Gy[m,n]表示梯度在垂直方向的值,用G[m,n]表示梯度的幅值，用θ[m,n]表示梯度的方向；各自的计算方法是：Gx(y,x)＝SI(y,x+1)‑SI(y,x‑1)Gy(y,x)＝SI(y+1,x)‑SI(y‑1,x)$G(y,x)=\sqrt{Gx(y,x)*Gx(y,x)+Gy(y,x)*Gy(y,x)}$$\theta (y,x)={\tan }^{-1}\frac{Gy(y,x)}{Gx(y,x)}$步骤4：保留局部梯度最大的点，抑制非极大值：图像上每一个象素点M(mx,my)与沿着梯度线的两个象素相比，如果像素点M的梯度值不比沿梯度线的两个相邻象素梯度值大，则令G[my][mx]＝0；否则保持像素点梯度幅值不变；步骤5：使用3个阈值法检验和连接边缘，3个阈值分别记为T₁、T₂、T₃，且T₁<T₂<T₃：通过3个阈值得到两个阈值边缘图像N1,N2；图像N1中任意的像素点P(px,py),都有T₁≤G(py,px)≤T₃；图像N2中任意的像素点P(px,py)，都有T₂≤G(py,px)≤T₃；在图像N2中把边缘连接成轮廓，当到达轮廓的端点时，就在图像N1的8邻点位置寻找可以连接到轮廓上的边缘，这样，不断在N1中收集边缘，直到将N2中所有的边缘点连接起来为止；用E[m,n]记录边缘，E(i,j)＝1表示像素点(j,i)是边缘，E(i,j)＝0表示像素点(j,i)不是边缘；步骤6：用50*50的窗口处理边缘点；窗口内边缘点的个数是n，设定边缘点个数阈值nT，把窗口分为三种情况；第一种情况：n<nT时，此窗口不处理，窗口内的边缘点为自由边缘点；第二种情况：n≥nT时，并且可以用不多于两条直线进行拟合，这个窗口为好区；直线与窗口交两点——上顶点M(mx,my)、下顶点N(nx,ny),其中ny>my或者ny＝my,nx>mx；令E(my,mx)＝2,E(ny,nx)＝3,并记录直线的方向θ，D(my,mx)＝D(ny,nx)＝θ；点m、n中间的点p(px,py),令E(py,px)＝4；不在直线上的点p(px,py),令E(py,px)＝0；第三种情况：n≥nT时，并且无法用两条直线拟合，称这个窗口为噪音区，任意的在这个窗口的像素点p(px,py),令E(py,px)＝0；拟合的方法：用Hough变换找到过最多边缘点的第一条直线，如果只有少量的边缘点不在直线，为第二种情况；否则用Hough变换找到第二条直线过最多剩余的边缘点，若只有少量的边缘不在直线上，为第二种情况，否则属于第三种情况；经过此步骤后，E(y,x)＝0,表示像素点(x,y)为非边缘，E(y,x)＝1，表示像素点(x,y)为自由边缘，E(y,x)＝2，表示像素点(x,y)为上顶点，E(y,x)＝3，表示像素点(x,y)为下顶点，E(y,x)＝4，表示像素点(x,y)为拟合的直线中间点；步骤7：连接边缘点，形成最终的车辙：从上往下，从左往右的顺序遍历E[m,n]，找到未处理的顶点p(px,py)，既E(py,px)＝2或3，若为上顶点，沿着方向D(py,px)向上寻找可连接的边缘点；若为下顶点，沿着方向D(py,px)向下寻找可连接的边缘点；首先令E(py,px)＝4，标记顶点P已处理；寻找可连接的边缘点分如下几种情形，定义连接的距离阈值nT₁，方向差上的阈值nT₂：情形1，找到顶点M(mx,my)，即E(my,mx)＝2或3；若||PM||≤nT₁且||D(py,px)‑D(my,mx)||≤nT₂,用直线连接PM，中间的点C(cx,cy),令E(cy,cx)＝5；终止该方向的查找；情形2，找到自由边缘点M(mx,my)，即E(my,mx)＝1，||PM||≤nT₁,用直线连接PM，中间的点C(cx,cy),令E(cy,cx)＝5；把M的值赋给P，继续该方向的查找；情形3，其他情况都终止该方向的查找；其他情况包括1，到达图像的边界；2，||PM||>nT₁等；直到所有的顶点处理完，即E中不存在2或3；E(y,x)＝4或5表示像素点(x,y)是位于车辙上的点，这些点的集合即是找到的车辙。