主权项 |
一种线激光器照明条件下双线阵相机采集的路面图像匀化方法,其特征在于步骤如下:第一步,在车尾安装双线扫描相机和线激光器将双线扫描相机和线激光器安装在检测车尾部顶端,两者保持同一水平高度,与地面成垂直角度,并且使得两相机拍摄的图像有一部分重合;第二步,标定图像(1)采集特征图像:在道路中间放置有纹理的标志物,由安装在检测车上的里程传感器同步触发相机拍摄有此标志物的路面图像,并使得左右两路图像都包含此标志物;(2)特征点匹配:对于左右两路都有标志物的路面图像,分别采用PCA‑SIFT算法寻找两路图像中标志物的匹配点,并进行配准,保存配准信息;第三步,训练样本,训练分类器以在后续实时检测时检测出车道线及行车标记,步骤如下:(1)拍摄训练样本,通过双线扫描相机拍摄一系列路面图像作为训练样本,训练样本中需包含有车道线、无车道线、有行车标记、无行车标记、有车道线且有行车标记、无车道线且无行车标记的路面图像;(2)特征提取,将训练样本提取Haar‑like特征,每个Haar‑like特征由2或3个矩形组成,这些特征由如下公式计算: <mrow> <msub> <mi>F</mi> <mi>j</mi> </msub> <mo>=</mo> <munder> <mi>Σ</mi> <mrow> <mi>i</mi> <mo>∈</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>,</mo> <mo>.</mo> <mo>.</mo> <mo>.</mo> <mo>,</mo> <mi>N</mi> <mo>)</mo> </mrow> </mrow> </munder> <msub> <mi>w</mi> <mi>i</mi> </msub> <mo>×</mo> <mi>RS</mi> <mrow> <mo>(</mo> <msub> <mi>r</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> </mrow>其中wi为矩形的权重,RS(ri)为矩形ri所围图像的灰度值积分,N为组成Fj的矩形个数;(3)分类器训练,采用极限学习机ELM算法进行分类,使用上述训练样本提取的Haar‑like特征训练ELM的参数;第四步,采集路面图像;第五步,图像拼接:设点(x1,y1)和(x2,y2)为步骤二中左右两路图像上一对匹配点,由透视变换模型,得到坐标关系: <mrow> <msub> <mi>x</mi> <mn>2</mn> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>h</mi> <mn>11</mn> </msub> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>h</mi> <mn>12</mn> </msub> <msub> <mi>y</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>h</mi> <mn>13</mn> </msub> </mrow> <mrow> <msub> <mi>h</mi> <mn>31</mn> </msub> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>h</mi> <mn>32</mn> </msub> <msub> <mi>y</mi> <mn>1</mn> </msub> <mo>+</mo> <mn>1</mn> </mrow> </mfrac> </mrow> <mrow> <msub> <mi>y</mi> <mn>2</mn> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>h</mi> <mn>21</mn> </msub> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>h</mi> <mn>22</mn> </msub> <msub> <mi>y</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>h</mi> <mn>23</mn> </msub> </mrow> <mrow> <msub> <mi>h</mi> <mn>31</mn> </msub> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>h</mi> <mn>32</mn> </msub> <msub> <mi>y</mi> <mn>1</mn> </msub> <mo>+</mo> <mn>1</mn> </mrow> </mfrac> </mrow>其中8个参数可通过多次迭代求解,再采用双线性插值法,生成拼接图像;第六步,检测车道线及行车标记,使用步骤三训练好的ELM的参数对实时拍摄的路面图像进行检测,搜素图像中所有目标区域,标注出包含车道线和行车标记的区域;第七步,对非车道线及非行车标记区域进行灰度校正即匀化对实时拍摄的图像中非车道线及非行车标记区域进行线性灰度校正,其步骤如下:(1)分别计算实时拍摄的图像的整体灰度均值μ以及第j列的灰度均值μj;(2)以图像整体灰度和对比度为参照,对位于第j列第i行的像素点Ii,j灰度校正为:α=μj/μIi,j=αIi,j+(μ‑αμj)第八步,图像增强,采用灰度直方图方法对匀化后的图像进行增强,以突出病害;第九步,输出拼接匀化后的高清增强图像。 |