[发明专利]一种全景图道路轮廓的提取方法

说明书

技术领域

本发明属于图像处理和道路检测的技术领域，具体地涉及一种全景图道路轮廓的提取方法。

背景技术

道路提取技术需要运用计算机视觉、模式识别等相关知识来完成。道路图像主要分为两类：结构化道路和非结构化道路。结构化道路一般是指高速公路或城市化道路，它们有着完整的行车线以及明显的路标等特点。非结构化道路，则是指越野环境或乡村道路。它们没有明确的行车线和道路边缘，且道路形状不规则、光照复杂。对于如上两种情况，道路提取可分为自动道路特征提取和半自动道路特征提取。

由于目前计算机自动识别能力不是十分完善，因此需要结合半自动部分来取得更好的道路提取效果。目前主流的半自动方法分为如下几类：基于边缘跟踪的方法是跟据给定的种子点和初始方向开始边缘跟踪直到边缘末端。最小二乘模板匹配方法，该方法基于初始特征点，估计模板与图像间的参数进而得到道路的数学表示。Snake模型法，采用能量函数表示各种特征，通过求解能量函数的最小值来达到提取道路便捷的目的。分水岭算法最初是由Digabel和Lantuejoul引入图像处理领域，随后被Beucher等人应用到轮廓检测。它是一种基于地理学的图像分割方法，通过对图像灰度值的大小表示地理海拔高度，灰度最小值及其影响区域形成集水盆，整个集水盆边界形成图像边界的分水岭。

自动道路特征提取主要包括道路特征的自动检测与定位。相关的主要方法有：

基于区域的方法。主要有Pohle等人提出用正态分布表示整个待分割区域像素值，用原始区域生长算法估计出分布参数并更新到下次生长过程中，以达到增强分割效果的目的。Baatz等人提出了一个经典的算法面向对象的多尺度分割算法，图片特征由颜色形状等信息表征，分割过程采用区域合并的方法来实现整个的道路提取。Cheng等人提出了一种基于阈值和区域合并的彩色影响分割算法。利用全局和局部信息，首先寻找同质区域并避免了道路的过分割。

基于边缘的方法。其中较为经典的是Canny算子算法，其首先运用高斯卷积对图像进行平滑处理随后进行微分操作得到梯度图找出边缘点，最后得到整幅图像的边缘图。Moon提出使用差分运算把边缘检测变成一个目标检测的问题利用熵的极小化方法确定图像边缘。

基于平行线对的方法。P.Dal Poz等人于2006年提出了高分辨率和中等分辨率的自动道路提取算法。该算法分为两步，首先提取整个区域的道路种子，在提取过程中，寻找符合几何学和辐射线测定的局部道路属性，通过canny算子进行边缘检测并连接出图像的边缘。

标点随机过程方法。2002年X.Descombes,J Zerubia等提出了将MPP(Marked point process)理论应用与图像分析从而提取道路信息的方法。核心思想是标点随机过程采用随机框架对目标问题进行建模。需要分析的目标可以用任意的参数来定义。该算法最大的特点是不需要起始点。

基于小波理论提取道路的方法。Zhang和Couloigner在2004年提出了一种基于小波理论提取道路的方法。在小波域上，小波系数的极大值可用来检测道路交点，然后基于检测的道路交点跟踪形成道路中心线部件，通常这些点的小波系数值在近似的道路方向上高于一定的阈值，接着根据道路线去除伪节点和产生新交点，最后用DAUGLAS-PEUCKER算法用来简化线的描述。Kong Hui提出运用LASV方法获得道路消失点，并对道路进行了初步的提取。对于道路提取方面，各种方法都取得了不错的效果，但是对于全景图到目前为仍没有一种有效的道路提取方法。

总体而言，道路轮廓的全自动提取无疑是道路提取中的最终目标，上述道路提取算法各有特点，也各有缺点，理论上可以达到全自动化，但有些算法由于诸多因素离实际应用还有一定距离。半自动提取法虽然取得了较好的实验结果，但随着道路场景复杂性的增加，需要更精确的人机交互处理，导致整体的实用性大打折扣。因此，研究全自动方法将是未来的主要趋势。很多已有的自动道路提取算法只利用道路的一种或几种特征并且模型也比较简单。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提供一种全景图道路轮廓的提取方法，其能够实现不同场景全景图像道路轮廓的自动提取。

本发明的技术解决方案是：这种全景图道路轮廓的提取方法，包括以下步骤：

(1)输入原始的道路图像，使用基于Gabor小波的消失点估计方法来计算全景图每点像素的纹理方向信息和置信函数，获得消失点位置的局部自适应软投票算法的输入信息从而得到消失点位置；