一种基于反向特征匹配的路面障碍物检测方法技术

本发明专利技术公开了一种基于反向特征匹配的路面障碍物检测方法，属于遥感变化检测领域，基于空天高分遥感影像，使用SIFT特征点反向匹配的方法提取影像中的变化信息，通过对变化信息的处理来得到影像中路面障碍物的面积和位置信息，具有大范围、宏观检测的特点，能为抢险救灾路线规划和道路抢通工程量估算提供参考信息。该方法的特点或关键环节包括：对路损前后的遥感影像分别计算SIFT特征点集并实施特征匹配，对匹配结果取反得到变化信息特征点集；使用道路缓冲区筛选得到道路区域内变化信息特征点集再通过滑动窗法筛除伪变化点和微小变化点；最后，对特征点进行分组合并，得到障碍物的位置信息，再结合区域生长法得到障碍物的大致范围并进行面积估算。本发明专利技术关键技术属于遥感变化检测范畴，但无需进行影像配准即可获得道路障碍物的位置和面积信息，自动化程度高。

A road obstacle detection method based on reverse feature matching

【技术实现步骤摘要】
一种基于反向特征匹配的路面障碍物检测方法
本专利技术涉及路面障碍物检测问题，特别是使用遥感技术检测泥石流、滑坡、塌陷等灾害产生的道路通行障碍物问题，属于遥感

技术介绍
截至2018年年末，我国公路总里程达到484.65万公里，公路密度达到50.48公里/百平方公里。我国山区面积占全国总面积的三分之二以上，山区公路极易遭到泥石流、滑坡、塌陷、滚石等灾害的破坏。仅2018年度导致道路损毁的地质灾害就有501起，造成巨大经济损失。及时探明道路通行方向上的障碍物信息，根据障碍物性质、大小等因素判断抢通时间，实时调整行进方案，对军、民交通组织均有重大现实意义。传统的道路障碍物信息获取方式主要是依靠人工实地勘察，存在耗费大量人力物力、数据组织困难、信息化程度低、实时性差等弊端。随着遥感技术的发展，目前更多地使用遥感技术进行道路损毁检测。主要方法有三类：人机交互解译、基于图像分类机器解译以及基于变化检测的机器解译。通过人机交互解译的方式进行损毁评估可靠性性高，但是自动化程度低，工作量大。基于图像分类的方法可对道路障碍物提取结果进行定性分析，但是该方法的精度依赖于分类的精度。基于变化检测的方法其精度取决于配准精度，且检测结果需要进一步的解译才能获得较为准确的障碍物信息。因此，现有道路损毁遥感检测技术存在着自动化程度低、配准困难、需要具有专业知识的人员操作等不足。
技术实现思路
本专利技术正是针对现有技术的不足，提供一种基于反向特征匹配的路面障碍物检测方法，通过处理灾后影像中与灾前影像匹配不上的特征点来获取道路障碍物的位置和面积信息，该方法属于遥感变化检测的范畴但无需影像配准，且基本实现了自动化。为了解决上述技术问题，本专利技术的技术方案如下，一种基于反向特征匹配的路面障碍物检测方法，所述方法包括以下步骤：步骤一，对路损前后的遥感影像分别计算SIFT特征点集并实施特征匹配，对匹配结果取反得到变化信息特征点集；步骤二，使用道路缓冲区筛选得到道路区域内变化信息特征点集；步骤三，依据特征点分布聚集度，筛除伪变化特征点和微小变化特征点；步骤四，依据点间距对特征点进行初步分组，区分属于不同障碍物的特征点；步骤五，检测上一步得到的初步分组结果，通过相似性判断得到最终分组结果；步骤六，由分组结果得到各处障碍物的位置信息，结合多种子点区域生长法获取障碍物分布范围并进行面积估算。本专利技术的进一步改进，所述步骤一中，反向特征匹配公式为：Qu＝CQQm(1)点集Qu是点集Qm在Q中的补集，即其中，Q为灾后影像的特征点集，Qm为灾后影像中的可与灾前影像特征点匹配的特征点集，Qu为影像变化信息特征点集。本专利技术的进一步改进，所述步骤二中，使用已有的道路矢量数据生成道路缓冲区，筛选位于缓冲区内的变化特征点集Qur，公式为：式中Poly为道路缓冲区多边形，i＝0，1，…，k，k为点集Qu的特征点总数。本专利技术的进一步改进，所述步骤三中，依据分布聚集度筛选特征点的具体实施步骤为：步骤3.1，选择半径r＝15像元大小的圆形检测窗口，以每个未匹配特征点为圆心，不断移动检测窗口。步骤3.2，统计窗口内未匹配特征点的数量N1以及所有特征点数量N2，并计算未匹配点占特征点总数的比例，也就是N1/N2的值，若N1≥n且N1/N2＞m则保留该特征点。该步骤参考公式为：通过该步骤可得到障碍物特征点集Qobs。本专利技术的进一步改进，所述步骤四中，依据点间距对特征点进行初步分组主要包含以下步骤：步骤4.1，确定道路方向。由道路中线数据可计算得到该路段中线的倾斜角θ(θ∈[0，π))。若则规定该路段方向为垂直方向。若则规定该路段方向为水平方向。步骤4.2，特征点排序。垂直方向路段的特征点依坐标y排序，水平方向路段的特征点依坐标x排序。步骤4.3，从第一个点开始向后查找，相邻两点间距不超过R，则均属同一组，直到查找到某一点q，在这一点之后R距离的范围之内没有其他特征点存在，则第一组搜索完成。取组内所有特征点坐标的中值作为该处障碍物的候选坐标点Oi。并将下一特征点作为第一点。步骤4.4，重复步骤4.3直至检查完Qobs中的所有特征点，即可得到障碍物候选坐标点集O。本专利技术的进一步改进，所述步骤五中，通过相似性判断精化分组结果的具体步骤如下：步骤5.1，获取标准道路样本，使用上一步得到的障碍物候选坐标点集O来截取道路中线，截取路段距离定位点R/2的距离以避免取到路障像素点。以取出的道路中线上的每一点为中心，取其八邻域作为一个道路样本，如图2所示。统计所有道路样本的均值和方差，由这两个统计量对样本进行排序，取统计量众数对应的样本为标准路面样本。步骤5.2，标注坐标点性质，规定道路前进方向为坐标轴正向，沿道路前进方向以R/2为步长，在每个坐标点Oi的前后两侧各取一个点，分别比较前侧点和后侧点与标准路面样本以及障碍物点的相似性，针对四种不同的情况为定位点赋予不同的标注如表1所示。表1障碍物候选点的性质步骤5.3，合并，沿道路前进方向若遇到两连续的坐标点性质分别为+1和-1，则判定这两点为位于同一障碍物两侧的点，取这两坐标的平均值作为该处障碍物的定位点。得到最终障碍物定位点集Robs：式中ci，ci+1分别表示障碍物坐标点Oi，Oi+1的性质。本专利技术的进一步改进，所述步骤六中，采用多种子点区域生长法：将定位点、与标准道路样本均值之差小于阈值α的邻域点均作为种子点；待生长点与任意种子点之差小于阈值α即满足生长条件。生长结束后即可获得障碍物的分布范围，统计每处障碍物位于道路区域内的像素数，结合影像分辨率即可大致估算出每处障碍物的实际占地面积。本专利技术的进一步改进，所述步骤3.2中，n取值一般在3-6之间；m一般取0.5。本专利技术的进一步改进，所述步骤4.3中，阈值R依据项目需要以及影像分辨率设置，精度要求越高，则R越小，反之则R越大。本专利技术的进一步改进，所述步骤七中，阈值α取值一般在30-70之间。本申请提供的方案，利用空、天遥感影像，通过反向特征点匹配技术获取路面变化区域特征点集，依据特征点分布密度和相邻点间距，对变化特征点集进行聚类，可以分割出不同位置的障碍物，进而对每个障碍物进行定位与面积计算。本方案在障碍物分割、定位、各障碍物定位点唯一性判断等方面有改进。本申请提供的障碍物识别与定位方法具有检索范围广、无需影像配准、自动化程度高、检测准确率高等优点。如案例所示：路面障碍物漏检率为0，虚检率低于10％，面积估算误差小于10％，能为抢险救灾路线规划和道路抢通工程量估算提供依据。附图说明图1是本专利技术方法的流程示意图；图2是步骤4.1中提取标准道路样本的示意图；图3是步骤4.2中标定障碍物候选点性质的示意图；图4是本专利技术实施例所使用的灾后影像中的障碍物分布示意图；图5是本本文档来自技高网...

【技术保护点】
1.一种基于反向特征匹配的路面障碍物检测方法，其特征在于，具体包括以下步骤：/n步骤一，对路损前后的遥感影像分别计算SIFT特征点集并实施特征匹配，对匹配结果取反得到变化信息特征点集；/n步骤二，使用道路缓冲区筛选得到道路区域内变化信息特征点集；/n步骤三，依据特征点分布聚集度，筛除伪变化特征点和微小变化特征点；/n步骤四，依据点间距对特征点进行初步分组，区分属于不同障碍物的特征点；/n步骤五，检测上一步得到的初步分组结果，通过相似性判断得到最终分组结果；/n步骤六，由分组结果得到各处障碍物的位置信息，结合多种子点区域生长法获取障碍物分布范围并进行面积估算。/n

【技术特征摘要】
1.一种基于反向特征匹配的路面障碍物检测方法，其特征在于，具体包括以下步骤：
步骤一，对路损前后的遥感影像分别计算SIFT特征点集并实施特征匹配，对匹配结果取反得到变化信息特征点集；
步骤二，使用道路缓冲区筛选得到道路区域内变化信息特征点集；
步骤三，依据特征点分布聚集度，筛除伪变化特征点和微小变化特征点；
步骤四，依据点间距对特征点进行初步分组，区分属于不同障碍物的特征点；
步骤五，检测上一步得到的初步分组结果，通过相似性判断得到最终分组结果；
步骤六，由分组结果得到各处障碍物的位置信息，结合多种子点区域生长法获取障碍物分布范围并进行面积估算。


2.根据权利要求1所述的一种基于反向特征匹配的路面障碍物检测方法，其特征在于：在步骤一中，反向特征匹配公式为Qu＝CQQm，点集Qu是点集Qm在Q中的补集，即其中，Q为灾后影像的特征点集，Qm为灾后影像中的可与灾前影像特征点匹配的特征点集，Qu为影像变化信息特征点集。


3.根据权利要求1所述的一种基于反向特征匹配的路面障碍物检测方法，其特征在于，在步骤二中，所使用的道路缓冲区由已有的道路矢量数据生成，用以得到道路缓冲区内的变化特征点集Qur，参考公式为：



式中Poly为道路缓冲区多边形，i＝0,1,···,k，k为点集Qu的特征点总数。


4.根据权利要求1所述的一种基于反向特征匹配的路面障碍物检测方法，其特征在于，在步骤三中，依据分布聚集度筛选特征点的具体实施步骤为：
步骤3.1，选择半径r＝15像元大小的圆形检测窗口，以每个未匹配特征点为圆心，不断移动检测窗口；
步骤3.2，统计窗口内未匹配特征点的数量N1以及所有特征点数量N2，并计算未匹配点占特征点总数的比例，即N1/N2的值，若N1≥n且N1/N2＞m则保留该特征点；
该步骤参考公式为：



通过该步骤可得到障碍物特征点集Qobs。


5.根据权利要求1所述的一种基于反向特征匹配的路面障碍物检测方法，其特征在于，在步骤四中，依据点间距对特征点进行初步分组主要包含以下步骤：
步骤4.1，确定道路方向，由道路中线数据可计算得到该路段中线的倾斜角θ(θ∈[0,π))，若则规定该路段方向为垂直方向，若则规定该路段方向为水平方向；
步骤4.2，特征点排序，垂直方向路段的特征点依坐标y排序，水平方向路段的特征点依坐标x排序；
步骤4.3，从第一个点开始向后查找，相...

【专利技术属性】
技术研发人员：戚浩平，康晋洁，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32