[发明专利]一种基于超像素生成的行车环境图像分割方法与装置在审
申请号: | 201711414100.9 | 申请日: | 2017-12-25 |
公开(公告)号: | CN108122237A | 公开(公告)日: | 2018-06-05 |
发明(设计)人: | 王力;崔峰;孟然;朱海涛;姜安 | 申请(专利权)人: | 北京中科慧眼科技有限公司 |
主分类号: | G06T7/11 | 分类号: | G06T7/11 |
代理公司: | 北京远立知识产权代理事务所(普通合伙) 11502 | 代理人: | 李海燕 |
地址: | 100085 北京市海淀*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 像素生成 行车环境 图像分割 有效的图像 聚类结果 行车过程 周遭环境 采集 图像 驾驶 语义 交通环境 聚类处理 行驶状况 分割 帮助 安全 | ||
1.一种基于超像素生成的行车环境图像分割方法,其特征在于,包括:
对行车环境图像进行超像素生成,得到一生成结果;
对所述生成结果进行聚类处理并得到聚类结果;
对所述聚类结果进行区域划分并获取所述行车环境图像中的驾驶区域。
2.如权利要求1所述的行车环境图像分割方法,其特征在于,所述对行车环境图像进行超像素生成,得到一生成结果包括:
构建所述行车环境图像顶点和边的抽象模型;
依据像素点之间的关系计算所述行车环境图像上像素级别的相似程度;
根据像素点之间的相似程度,进行超像素生成,并筛选掉小于预设阈值的超像素,得到所述生成结果。
3.如权利要求2所述的行车环境图像分割方法,其特征在于,所述构建所述行车环境图像顶点和边的抽象模型包括:
将所述行车环境图像中的像素点抽象为图论中点的概念,并将相邻像素点之间的连接抽象成边。
4.如权利要求2所述的行车环境图像分割方法,其特征在于,所述对所述生成结果进行聚类处理并得到聚类结果包括;
根据所述生成结果计算区块之间的各类特征以及相似程度;
根据所述各类特征以及所述相似度程度对所述区块进行合并。
5.如权利要求4所述的行车环境图像分割方法,其特征在于,在所述根据所述各类特征以及所述相似度程度对所述区块进行合并之后,所述行车环境图像分割方法还包括:
根据预设聚类完成标准判断所述聚类是否完成,并得到一判断结果;
在所述判断结果为没有完成聚类时,返回执行所述根据所述生成结果计算区块之间的各类特征以及相似程度;
在所述判断结果为完成聚类时,根据所述聚类结果进行划分所述驾驶区域。
6.一种基于超像素生成的行车环境图像分割装置,其特征在于,包括:
生成模块,用于对行车环境图像进行超像素生成,得到一生成结果;
聚类模块,用于对所述生成结果进行聚类处理并得到聚类结果;
第一划分模块,用于对所述聚类结果进行区域划分并获取所述行车环境图像中的驾驶区域。
7.如权利要求6所述的行车环境图像分割装置,其特征在于,所述生成模块包括:
构建模块,用于构建所述行车环境图像顶点和边的抽象模型;
第一计算模块,用于依据像素点之间的关系计算所述行车环境图像上像素级别的相似程度;
生成子模块,用于根据像素点之间的相似程度,进行超像素生成,并筛选掉小于预设阈值的超像素,得到所述生成结果。
8.如权利要求7所述的行车环境图像分割装置,其特征在于,所述构建模块包括:
抽象模块,用于将所述行车环境图像中的像素点抽象为图论中点的概念,并将相邻像素点之间的连接抽象成边。
9.如权利要求7所述的行车环境图像分割装置,其特征在于,所述聚类模块包括;
第二计算模块,用于根据所述生成结果计算区块之间的各类特征以及相似程度;
合并模块,用于根据所述各类特征以及所述相似度程度对所述区块进行合并。
10.如权利要求9所述的行车环境图像分割装置,其特征在于,还包括:
判断模块,用于根据预设聚类完成标准判断所述聚类是否完成,并得到一判断结果;
返回执行模块,用于在所述判断结果为没有完成聚类时,返回执行所述根据所述生成结果计算区块之间的各类特征以及相似程度;
第二划分模块,用于在所述判断结果为完成聚类时,根据所述聚类结果进行划分所述驾驶区域。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京中科慧眼科技有限公司,未经北京中科慧眼科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711414100.9/1.html,转载请声明来源钻瓜专利网。