[发明专利]一种基于消失点的道路图像分割方法

说明书

一种基于消失点的道路图像分割方法，涉及一种图像处理方法。以解决传统的基于双目匹配的道路识别算法存在的道路识别结果的准确率较低、算法运行时间较长，以及基于深度学习道路识别算法的道路识别结果的准确率容易受到样本数据的影响的问题。本发明利用消失点的特性将图像中的道路部分与道路上空部分分隔开，这样就可以去掉图像中道路上空部分的冗余信息，提取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进行训练，或直接利用基于双目匹配的道路识别算法处理，去掉道路上空部分的冗余信息后图像整体面积减小，所以本算法缩短了运行时间，同时提高了道路识别的准确率，最终能够快速、高准确率的得到可行驶道路区域的图像。本发明用于图像处理技术领域用。

技术领域

本发明涉及一种基于消失点的道路图像分割方法，属于图像处理技术领域。

背景技术

道路识别算法希望以快速的处理速度、较少的算法运行时间来获得高准确率的道路识别结果。目前主流的传统道路识别算法可以分为两种：基于双目匹配和基于深度学习的道路识别算法。传统的基于双目匹配的道路识别算法的缺点是道路识别结果的准确率较低、算法运行时间较长，因此在应用上受到了很大的限制。基于深度学习的道路识别算法得到的道路识别结果的准确率较高、运行时间较长，例如，专利《分割模型训练方法、道路分割方法、车辆控制方法及装置》(CN106558058A)采用无监督自由区域分割法对训练样本图像进行自由区域分割，以训练样本图像为输入图像，以自由区域分割图像为标注图像，对初始分割模型进行训练得到目标分割模型，进而得到可行驶道路区域。但基于深度学习的道路识别算法容易受到样本数量的影响而产生错误分割，而基于双目匹配的传统算法运行时间同样很长，精度低于深度学习算法。而且由前置摄像头采集的道路彩色图片主要由道路、以及道路上空部分组成，其中根据拍摄的角度不同，道路上空这部分区域会占图像整体大小的20％—60％，则该部分对于道路识别是冗余信息，并且难以有效地去除，因此，基于深度学习的道路识别算法和基于双目匹配的传统算法的灵活性较差。

发明内容

本发明的目的在于提供一种基于消失点的道路图像分割方法，以解决传统基于双目匹配的道路识别算法的道路识别结果准确率较低、算法运行时间较长，以及基于深度学习道路识别算法容易受到样本数据的影响而产生错误分割、影响道路识别结果准确率的问题。

本发明为解决上述技术问题采取的技术方案是：

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。

本发明的有益效果是：