【技术实现步骤摘要】
一种实时鲁棒的非结构化道路检测方法
本专利技术具体涉及一种实时鲁棒的非结构化道路检测方法。
技术介绍
基于视觉的智能导航系统是机器视觉的一个重要应用领域。近年来,随着人们对智能导航系统需求的不断增加,如车辆自动停泊、军用无人驾驶坦克等,使得智能导航系统得到了飞速的发展。其中,如何在各种环境下准确地识别车辆前方道路是智能导航系统中的关键问题之一。通常,现实中的道路分为结构化道路和非结构化道路,它们的主要区别为是否具有明显的道路标志。目前,针对非结构化道路识别算法主要分为基于特征和基于模型两类方法。基于特征的方法是根据道路表面特征如颜色、纹理等与非道路区域有明显差别的原理将道路区域分割出来,这种方法具有较高的鲁棒性,但计算量较大;基于模型的方法是先对道路模型作出假设,如直线、抛物线、样条曲线等模型,并根据道路图像匹配道路模型。由于后者只需较少的参数表示整个道路,对阴影、光照变化等有较强的抗干扰性,但当道路不符合预先的假设时,模型匹配就会失败。因此模型选择和求解是该方法成功与否的关键。
技术实现思路
本专利技术要解决的技术问题是提供一种实时鲁棒的非结构化道路检测方法。一种实时鲁棒的非结构化道路检测方法,包括以下步骤:S1:利用待处理图像的彩色信息对道路区域和非道路区域进行混合高斯建模;S2:利用分块分类方法和分段方法提取道路边界点;S3:选取三次B样条曲线模型作为道路模型,使用最小二乘法求解道路模型,完成对道路双边界的拟合。进一步的,混合高斯建模具体方法如下:1)均值和协方差使用下式来计算:;;其中,x代表聚类中的像素点;2)采用Bayes决策规则计算待处理图像中每 ...
【技术保护点】
一种实时鲁棒的非结构化道路检测方法,其特征在于,包括以下步骤:S1:利用待处理图像的彩色信息对道路区域和非道路区域进行混合高斯建模;S2:利用分块分类方法和分段方法提取道路边界点;S3:选取三次B样条曲线模型作为道路模型,使用最小二乘法求解道路模型,完成对道路双边界的拟合。
【技术特征摘要】
1.一种实时鲁棒的非结构化道路检测方法,其特征在于,包括以下步骤:S1:利用待处理图像的彩色信息对道路区域和非道路区域进行混合高斯建模;S2:利用分块分类方法和分段方法提取道路边界点;S3:选取三次B样条曲线模型作为道路模型,使用最小二乘法求解道路模型,完成对道路双边界的拟合。2.根据权利要求1所述的非结构化道路检测方法,其特征在于,混合高斯建模具体方法如下:1)均值和协方差使用下式来计算:;;其中,x代表聚类中的像素点;2)采用Bayes决策规则计算待处理图像中每个像素隶属道路区域的概率和非道路区域概率,下列各式为道路区域概率的计算方法:;;;;其中,先验概率和为道路区域和非道路区域占样大小的比例。3.根据权利要求1所述的非结构化道路检测方法,其特征在于,分块分类方法如下:1)首先将图像进行分块;2)接着利用混合高斯模型方法分别对每一个分块的四个角点区域进行道路和非道路区域的判别,如果角点区域中大多数像素为道路像素,则该角点...
【专利技术属性】
技术研发人员:不公告发明人,
申请(专利权)人:南宁市正祥科技有限公司,
类型:发明
国别省市:广西,45
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。