[发明专利]一种基于消失点的道路图像分割方法

权利要求书

1.一种基于消失点的道路图像分割方法，其特征在于，所述基于消失点的道路图像分割方法具体是按照以下步骤进行的：

步骤一、通过Canny边缘检测算法处理输入的道路彩色图像，得到灰度图像I₁(x,y)的水平和竖直边缘信息；其中x和y分别是灰度图像内各点的横和纵坐标；

步骤二、将输入的道路彩色图像变为灰度图像I(x,y)，采用Gabor滤波器提取出整个灰度图像I(x,y)的纹理特征；

步骤三、将步骤一中的灰度图像I₁(x,y)的水平和竖直边缘信息与步骤二中的灰度图像I(x,y)的纹理特征做交集运算，得到具有水平和竖直方向的纹理特征图像，通过引入置信度函数的方法，得到有效投票点；

步骤四、利用步骤三得到的有效投票点对有效投票点上方的待选消失点进行投票，得到票数最多的一个点作为消失点；

步骤五、利用步骤四得到的消失点将道路与道路上空部分的彩色图像分割开：道路彩色图像的纵坐标y从上到下依次增加、横坐标x从左到右依次增加；将整个道路彩色图像的纵坐标小于消失点纵坐标的像素全部剪掉，得到去除道路上空部分后的道路彩色图像；去除道路上空部分后的道路彩色图像的宽度等于道路上空部分的彩色图像的宽度；

步骤六、重复步骤一至五，得到N张去除道路上空部分后的道路彩色图像；将N张去除道路上空部分后的道路彩色图像放入基于深度学习算法中进行训练，或将N张去除道路上空部分后的道路彩色图像直接采用基于双目匹配算法进行处理；快速得到高准确率的可行驶道路区域图像。

2.根据权利要求1所述的基于消失点的道路图像分割方法，其特征在于：步骤一中输入的道路彩色图像的大小是W*H*3；其中W代表道路彩色图像的宽度，H代表道路彩色图像的高度，3代表道路彩色图像的三个通道。

3.根据权利要求2所述的基于消失点的道路图像分割方法，其特征在于：步骤二的采用Gabor滤波器提取出整个灰度图像I(x,y)的纹理特征的具体过程为：

Gabor滤波器是通过高斯窗对灰度图像I(x,y)进行滤波，提取整个灰度图像I(x,y)的纹理特征，Gabor滤波器公式如下：

将灰度图像I(x,y)与Gabor滤波器公式进行卷积，可以得到灰度图像I(x,y)中各点的能量响应

其中，a＝x cosφ+y sinφ,b＝-x sinφ+y cosφ；为径向频率，c为倍频常数，这里e是自然对数函数的底数；i表示虚数的单位；φ为纹理方向，这里φ∈{0°,45°,90°，135°}；灰度图像I(x,y)中各点的能量响应幅度是和分别是灰度图像I(x,y)中各点能量响应的实部和虚部。

4.根据权利要求3所述的基于消失点的道路图像分割方法，其特征在于：步骤三的通过引入置信度函数的方法，得到有效投票点的具体过程为：

根据四个不同的纹理方向φ，得到四个不同的能量响应幅度和其中，代表四个能量响应幅度中最大的一个，其它能量响应幅度从大到小依次为和

通过引入置信度函数的方法，去掉小于和等于能量响应幅度常数E_th的纹理特征，保留大于能量响应幅度常数E_th的纹理特征，得到有效的投票点；置信度函数conf(x,y)公式如下：

5.根据权利要求4所述的基于消失点的道路图像分割方法，其特征在于：步骤四的利用步骤三得到的有效投票点对有效投票点上方的待选消失点进行投票，得到票数最多的一个点作为消失点的具体过程为：

其中，Votes(P,V)代表投票函数；P，V分别代表有效投票点和待选消失点，d(P,V)代表有效投票点与待选消失点之间的距离；γ是向量与向量的夹角，该夹角小于5度，O点代表有效投票点P的主方向点；

经过投票后得到票数最多的待选消失点，将票数最多的待选消失点(x₀,y₀)作为消失点。