[发明专利]基于亮度投影的车灯区域分割方法

说明书

所属技术领域

本发明是一种在夜间行车环境下摄像头辅助的有效识别来路车辆车灯的方法。该方法应用亮度投影和图像分割，识别和定位车的前灯。

背景技术

基于视觉技术的道路环境检测的驾驶员辅助智能车辆导航系统是目前的热点研究领域。目前，众多的技术已经能够通过车辆周围环境的图像来识别车辆或者一些障碍物，并以此来辅助驾车员看清楚道路，避免行车危险，或者是更进一步的形成车辆智能导航系统，自动控制行车。车辆和障碍物检测系统的目地是识别车辆、障碍、交通信号灯和道路上的其他环境。

发明内容

本发明的目的在于，在摄像头的辅助下，利用图像处理技术有效的识别和分割出视景内来路车辆的前大灯，以此来屏蔽车灯增强视景，达到安全辅助驾驶的目的。首先，通过色彩空间特征分割出车前灯大致区域；然后，通过形态学算法缩小车灯区域，最后，利用车灯的位置空间特征来达到准确的车灯定位。本发明能有效的区分出连成一片的车灯，以及分割开连成一片的车灯和地面反射，并且有很高的准确度。此外远处的较小的车灯也能准确的识别出来。

使用本发明的优点在于：

（1）    这种方法能够有效的检测和分割出车前大灯；

（2）    这种方法能够分割开连成一片的车灯和地面反射光。

附图说明

图1 车灯识别算法流程图。

具体实施方式

以下结合附图详述如下：

HSI（色调、饱和度和强度）彩色模型和人视觉很接近，其中的饱和度给出一种纯色被白光稀释程度的度量。夜晚车前大灯发出的光为白色光，饱和度表现为很低的数值。

色饱和度分量由下式给出：

                                (1)

人眼对于相同强度单色光的主观亮度感觉不同。用相同亮度的RGB三基色混色时，如果把混色后的白光亮度定义为100%，那么人的主观亮度感觉可以用下式描述：

                              (2)

夜间车灯发出的光，人眼感觉为白色高亮度。这里对亮度做了归一化处理，让它的取值范围在[0,1]。

从上面彩色空间的变换可知，车灯区域表现为高亮度、低饱和度。而场景中高亮度且低饱和度的区域除了包含车灯还包含车灯发出的光在地面造成的大面积的反射光区域，另外还有周围环境的一些灯光。首先需要消除周围环境中的一些亮光影响，其次要尽量缩小地面反射光区域大小。

图像场景中的一些亮光表现为范围很小的噪声亮点，或者是形状不规则的区域，地面反射光区域同样表现为形状不规则区域。用形态学腐蚀算法便可以去掉亮度图中绝大多数噪声亮点，缩小不规则形状的亮度区域，同时还能消除一部分的车灯周围的光晕。

                                    (3)

其中表示集合I平移到点z。结构元素B选为半径为2的圆形模板。

将变换得到的亮度I’用1-S为权值相乘，得到图4所示的加权亮度图。

                                           (4)

车灯区域亮度I”应在0.9以上。另一方面，车灯区域亮度I>0.9，饱和度S<0.1，那么，(1-S)*I>0.89。当I”<0.85时，让I”=0，得到分割图像。再用形态学开运算消除其中的噪声点。开运算会消除图像中小于结构元素大小的区域。

                                         (5)

这里B选为半径为2的圆形结构元素。

分割后的图像场景，地面上大面积的反射区是主要的干扰。假设由以上的方法分割出的图像场景仅包含车灯和地面反射区。地面反射是车灯发出的光线在地面上形成的镜像反射，始终是垂直于观察者的横轴，位于车灯的纵轴正下方。由于的成像设备总是在离地面汽车的高度范围内，其视觉决定了场景中的车灯不会在横轴上同一个范围内出现两个或两个以上的车灯区域。这说明场景中存在一个车灯，那么极有可能在纵轴的下方会出现反射区域，于是可以利用车灯和它反射作为共同特征来识别车灯。

因此我们将I’’’以列求和的方式向横轴投影。

                                              (6)

其中sum()函数表示矩阵I’’’按列求和。