[发明专利]基于机器视觉的道路跟踪方法

权利要求书

1.一种基于机器视觉的道路跟踪方法，其特征在于，包括如下步骤：

步骤S1：通过成像设备获取道路场景图像；

步骤S2：使用逆透视映射恢复道路的结构信息；

步骤S3：使用卡尔曼滤波器对道路模型参数进行预测；

步骤S4：根据步骤S3得到的预测结果，使用平行主动轮廓模型对道路进行检测，得到检测结果；其中，所述平行主动轮廓模型是在两条独立的开环主动轮廓模型的基础上通过添加平行性约束得到的一组模型，该模型通过两条主动轮廓模型周边的内力和外力共同作用，并且由于平行性约束，最终得到两条平行的二次曲线；

步骤S5：使用卡尔曼滤波器对检测结果进行优化；

步骤S6：输出道路跟踪结果。

2.根据权利要求1所述的基于机器视觉的道路跟踪方法，其特征在于，在步骤S2中使用逆透视映射恢复道路左右边界的平行性结构。

3.根据权利要求1所述的基于机器视觉的道路跟踪方法，其特征在于，在步骤S4中使用平行主动轮廓模型对道路进行检测，包含以下几个步骤：

步骤S41：初始化道路模型参数；

步骤S42：在步骤S2中获取的包含道路结构信息的图像I_pers中，分别计算(x,y)分量上的梯度场(Gx,Gy)，作为平行主动轮廓模型的外部能量函数；其中，x表示X轴方向，y表示Y轴方向，Gx表示x方向上的梯度场，Gy表示Y方向上的梯度场；

步骤S43：据步骤S42中的初始化得到的平行主动轮廓模型，计算利用该平行主动轮廓模型像素位置的一阶和二阶导数作为该平行主动轮廓模型的内部能量函数；其中，非循环矩阵被用于产生开环平行主动轮廓模型；

步骤S44：根据步骤S42得到的外部能量函数和步骤S43得到的内部能量函数，计算平行主动轮廓模型的移动矢量；

步骤S45：根据移动矢量计算平行主动轮廓模型的当前位置，并使用最小二乘法对平行抛物线进行拟合；

步骤S46：判断步骤S45得到的结果与上次迭代结果的相似性，如果相似度小于阈值k,则从步骤S41重新开始迭代过程，若相似度大于等于阈值，则结束迭代过程；其中k以像素为单位，取值10。

4.根据权利要求3所述的基于机器视觉的道路跟踪方法，其特征在于，在步骤S43中，所述非循环矩阵被用于产生开环平行主动轮廓模型，具体为：

使用非循环矩阵用于移除传统主动轮廓模型中头尾的约束，从而生成开环的平行主动轮廓模型。

5.根据权利要求4所述的基于机器视觉的道路跟踪方法，其特征在于，所述开环的平行主动轮廓模型使用平行性信息进行约束。

6.根据权利要求1所述的基于机器视觉的道路跟踪方法，其特征在于，所述步骤S5，具体为：

使用卡尔曼滤波器对检测噪声进行建模，并且使用噪声模型对步骤S4中的检测结果进行优化。

7.根据权利要求1所述的基于机器视觉的道路跟踪方法，其特征在于，所述逆透视映射是齐次空间中不同投影平面之间线性变换。

8.根据权利要求3所述的基于机器视觉的道路跟踪方法，其特征在于，其中，所述图像I_pers是俯视角为90度时获得道路平面的视角图像，该90度视角保持道路左右边界的平行性属性。

9.根据权利要求3所述的基于机器视觉的道路跟踪方法，其特征在于，所述步骤S41具体为：使用拉伸力初始化道路模型参数；所述拉伸力是通过计算开环平行主动轮廓模型的头尾两个顶点对在位置像素值与背景像素值的相似性，从而保证两个顶点收敛到梯度最小的区域。