[发明专利]一种人工场景图像消失点检测方法

说明书

技术领域

本发明属于计算机视觉领域的三维透视分析，特别涉及一种人工场景图像消失点检测方法。

背景技术

三维空间中平行的直线映射到图像中时，往往会相交于一点(有可能是无限远的)，这个点就称为消失点。位于同一平面的消失点定义了一条线，叫做消失线。消失点与消失线为推断三维场景的结构提供了重要线索。人工场景(如道路、建筑、人行横道等)包含了丰富的三维空间平行线信息，这些三维空间平行线在映射的到二维图像产生的交点，为我们求取消失点的位置提供了方便的条件。

连通区域算法对图像进行直线检测是一种常见的方法，该方法不仅有着高效、准确率高的特点，而且能够方便的得到检测线段的长度，容易过滤掉长度较短的线段。

传统的消失点检测算法往往是基于二维霍夫参数空间的，复杂度高，效率低。

发明内容

发明目的：针对现有技术存在的问题，本发明提供了一种有效降低了方法的复杂度，提高了检测效率和准确率的人工场景图像消失点检测方法。

发明内容：本发明提供了一种人工场景图像消失点检测方法，包括以下步骤：

步骤10，采集人工场景图像数据；

步骤20，对步骤10得到的人工场景图像数据进行高斯滤波，得到高斯滤波图像；

步骤30，在步骤20得到的高斯滤波图像中，利用连通区域算法检测出图像的较长的直线边缘,所述较长的直线边缘为长度超过图像高度和宽度二者中较小值的5％的线段；

步骤40，根据步骤30中获取的长线段延长线交点的分布，对长线段进行分组；

步骤50，确定三向消失点角度；

步骤60，根据步骤50中三向消失点的角度，求得焦距大小；

步骤70，确定消失点位置。

进一步，步骤30中，所述较长的直线边缘的检测方法，包括如下步骤：

步骤301：利用Canny算子对高斯滤波图像进行边缘检测；

步骤302：步骤301中得到的Canny边缘对应位置对高斯滤波图像进行求导，获取高斯滤波图像的梯度下降方向；

步骤303：将梯度下降方向量化为多个区域，为每个区域定义一个标签，对步骤302中得到的Canny边缘每个像素的梯度下降方向贴上对应的标签。

步骤304：利用连通区域算法，将步骤303中有着同样标签的Canny边缘组合在一起，得到全部线段。

步骤305：根据实际需要，设置阈值，过滤掉步骤304中过短的线段。

进一步，步骤40中，所述对长线段进行分组的方法，包括如下步骤：

步骤401：延长全部线段，获取全部线段间交点；

步骤402：设图像中心为原点，按照步骤402中的全部交点到原点的角坐标进行直方图统计；

步骤403：对步骤402中的直方图进行高斯滤波平滑处理；

步骤404：计算步骤403中得到直方图的曲率，根据曲率过零点位置划分峰值区域；

步骤405：若步骤404中峰值区域个数小于等于3，则停止分组；若峰值区域个数大于3，则计算相邻峰值区域中心间距，若中心间距超过阈值，则舍弃包含线段少的组；若中心间距不超过阈值，则合并两小组；重复以上过程，直到剩下的3组。

工作原理：本发明提出了一种人工场景图像消失点检测方法，本发明利用人工场景图像的长线段信息，通过对线段交点位置的对直线进行分组，并借助组内线段交点进行焦距的估计，最终得到消失点的位置。

有益效果：与现有技术相比，本发明快速高效，有效提高了检测效率和检测的准确率。为场景图像的三维结构分析打下良好的基础。

附图说明

图1是本发明的一种人工场景图像消失点检测方法的流程图；

图2是本发明中梯度下降方向标签示意图；

图3是本发明中连通区域示意图；

图4是本发明中所述较长的直线边缘的检测方法流程图；

图5是本发明中对长线段进行分组的过程的流程图；

图6是YorkUrban数据集上分别采用EM算法和本发明提供的方法的测试结果对比图。

具体实施方式

下面结合附图，对本发明进行详细说明。

如图1所示，本发明的一种人工场景图像消失点检测方法，其步骤如下：

步骤10：采集人工场景图像数据；

采集一幅人工场景图像，主要包含了丰富的三维空间平行线信息的图像，比如道路、建筑、人行横道等等。